Doscientas cuarenta candidaturas para una vacante de analista. Una persona de selección que también lleva otras cinco vacantes abiertas, la evaluación de desempeño del trimestre y una salida inesperada que hay que cubrir. El cálculo honesto: a dos minutos por currículum, eso son ocho horas de lectura que nadie tiene.
Así que lo que pasa en realidad es que se leen los primeros cuarenta con atención, los siguientes sesenta por encima, y del resto se mira el nombre de la última empresa. No es negligencia. Es aritmética.
La IA entra aquí con una promesa evidente y un riesgo que casi nadie nombra hasta que ya está montado. Este artículo va de los dos.
El riesgo primero, porque condiciona todo lo demás
Un modelo de lenguaje aprende de textos escritos por personas. Si le pides que puntúe candidaturas, va a reproducir con notable fidelidad los patrones que había en esos textos — incluidos los que llevas años intentando quitar de tus procesos.
Esto no es una hipótesis teórica. El caso mejor documentado es el de Amazon, que entre 2014 y 2017 desarrolló internamente un sistema para puntuar candidaturas de una a cinco estrellas y acabó descartándolo. Se había entrenado con diez años de currículums recibidos por la empresa; como el sector es mayoritariamente masculino, el sistema aprendió a preferir hombres para los puestos técnicos: penalizaba los currículums que contenían la palabra «women's» y los de ciertas universidades femeninas, y favorecía verbos que aparecían más en los currículums de ingenieros varones. Amazon lo abandonó al concluir que no podía garantizar que fuera neutral. Nadie programó ese sesgo: bastó con enseñarle el pasado de la empresa.
En la práctica, y aplicado a lo que pasa en la región, los patrones que se cuelan son más finos y más difíciles de ver:
- La universidad como atajo. El modelo asocia ciertas universidades con desempeño porque en sus datos aparecen más en puestos senior. Eso reproduce una desigualdad de origen socioeconómico, no una diferencia de capacidad.
- La forma de escribir. Un currículum redactado con vocabulario corporativo puntúa mejor que uno escrito con sencillez, aunque la experiencia detrás sea la misma o mejor. Es un filtro de clase disfrazado de filtro de comunicación.
- Los huecos en la trayectoria. Un vacío de dos años se lee como señal negativa. Con frecuencia es una maternidad, una enfermedad o un cuidado familiar. En varios países de la región, además, penalizarlo tiene consecuencias legales.
- El nombre y el lugar de residencia. Que no deberían estar en la pantalla en el momento del cribado, y casi siempre lo están.
Ninguno de estos sesgos aparece si le preguntas al sistema si es justo. Todos aparecen si miras a quién dejó fuera.
La regla que resuelve casi todo: filtrar sí, puntuar no
Aquí está el criterio que conviene grabar antes de tocar nada.
Filtrar es comprobar un hecho verificable. ¿Tiene título de contador público? ¿Acredita tres años en el sector? ¿Tiene disponibilidad para la ciudad de la vacante? Son preguntas con respuesta sí o no, comprobables, y donde la herramienta se limita a leer y extraer. Si se equivoca, se ve.
Puntuar es emitir un juicio. ¿Cuánto encaja esta persona con la cultura del equipo? ¿Del uno al diez, qué potencial tiene? Ahí no hay hecho: hay una opinión generada a partir de patrones que no puedes auditar, entregada con dos decimales y un aire de objetividad que no le corresponde.
Ese aire es el verdadero problema. Un «7,4» tiene una autoridad que ninguna persona del equipo se atrevería a atribuirse leyendo un currículum, y produce el efecto más costoso de todos: el criterio deja de discutirse. Nadie pelea contra un número.
La forma sana de usarlo, entonces: que la IA reduzca doscientas cuarenta a las setenta que cumplen los requisitos verificables, y que las setenta las lea una persona. No se ha delegado la decisión. Se ha eliminado el trabajo mecánico que impedía tomarla bien.
Lo que sí funciona, y sale barato
Más allá del cribado, hay usos con mucho menos riesgo y mucho retorno, y suelen estar desatendidos porque no son los que salen en los titulares.
Reescribir la oferta. Las descripciones de puesto acumulan requisitos que nadie recuerda por qué están. Pedirle a una herramienta que señale cuáles son excluyentes sin necesidad —el «título universitario» en un puesto donde lo que importa es la experiencia, los «cinco años» en una tecnología que existe hace tres— suele devolver dos o tres hallazgos por oferta. Cada requisito innecesario que se cae amplía el embudo por arriba, que es donde más se gana.
Preparar la entrevista, no hacerla. Generar preguntas específicas a partir de la trayectoria concreta de una persona hace que la entrevista deje de ser la misma para todos. Es lo que hace un entrevistador bueno cuando tiene tiempo — y el tiempo es justo lo que no hay.
Ordenar lo que ya sabes. Notas de entrevistas dispersas, comentarios de varios entrevistadores, evaluaciones. Convertir eso en un resumen estructurado por competencias es trabajo mecánico puro, sin juicio de por medio, y es donde la herramienta da más por menos.
Responder a quien no quedó. El silencio tras una candidatura es la peor experiencia que ofrece un proceso de selección, y ocurre porque escribir doscientos correos es inviable. Ya no lo es. Y una respuesta con un motivo concreto, aunque sea breve, es lo que hace que esa persona vuelva a postularse el año que viene.
Cómo saber si tu proceso se torció
Una comprobación que casi nadie hace y que vale más que cualquier auditoría teórica: mira la lista de descartados, no la de finalistas.
Coge cien candidaturas que el sistema dejó fuera, escoge veinte al azar y léelas tú, sin ver la razón del descarte. Si encuentras dos o tres que habrías entrevistado, no tienes un problema puntual: tienes un criterio mal puesto que se está aplicando a todo el embudo, en silencio y a escala.
Y esa es la diferencia entre un sesgo humano y uno automatizado. Una persona con prejuicios descarta mal a veinte candidatos al mes. Un sistema con el mismo prejuicio descarta mal a dos mil, con coherencia perfecta, y produce informes impecables sobre lo eficiente que es.
Lo que hay que tener escrito antes de empezar
Tres cosas, y caben en media página:
- Qué decide la máquina y qué decide una persona. Por escrito, y con la lista de criterios de filtrado a la vista de quien pregunte.
- Que se avisa al candidato de que hay tratamiento automatizado en el proceso. En varios países de la región ya es exigible, y donde no lo es, sigue siendo lo correcto.
- Quién revisa los descartes, cada cuánto y sobre qué muestra. Sin esto, los otros dos puntos son decorativos.
Ninguna de las tres es un requisito técnico. Las tres son de criterio — que es, casi siempre, donde está el trabajo de verdad.
Este artículo forma parte de la biblioteca de PROFESIAN. Las herramientas cambian cada trimestre; el criterio para usarlas, no. Por eso aquí se habla de lo segundo.