Ese es el inicio de cientos de miles de respuestas automatizadas a postulaciones de trabajo. La minuciosa consideración en cuestión, pensaría uno, fue realizada por múltiples reclutadores, profesionales de psicología especializados en el ámbito organizacional o ejecutivos de recursos humanos. La realidad del 2026 es que, según el World Economic Forum, más del 90 % de los empleadores de EE. UU. recurren a algoritmos de contratación para filtrar a los candidatos a un empleo.
Fuera del lenguaje engañoso, la automatización de procesos con componentes manuales y repetitivos siempre van a ser atractivos para las grandes empresas y no es sorpresa que hayan sido el objetivo. Lo que sí es sorpresa son dos noticias con relación al mundo de contratación derivada de la IA, donde la discriminación y el sesgo están al centro.
Por un lado, el 16 de junio del 2026, un juez federal de California dictaminó que Workday, la plataforma de recursos humanos, puede ser considerada responsable por la discriminación en la contratación derivada de la IA. Lo importante de Mobley v. Workday: el tribunal no ha determinado que Workday haya discriminado, pero evaluará ahora si la tecnología tuvo un efecto discriminatorio.
Por otro lado, recientemente, investigadores de Stanford University y otras instituciones publicaron un estudio basado en más de tres millones de solicitantes y cuatro millones de candidaturas evaluadas mediante algoritmos de contratación. El estudio menciona que muchos empleadores dependen de proveedores comunes de tecnología, como HireVue, competencia de Workday, lo que da lugar a lo que denominan una “monocultura algorítmica”.
¿Qué encontraron? Los candidatos que presentan solo cuatro solicitudes tienen alrededor de un 10 % de probabilidad de ser rechazados en todas ellas. Esta cifra es significativamente más alta de lo que cabría esperar si cada proceso de selección fuera independiente. En la práctica, esto implica un riesgo de rechazo sistémico: un candidato puede ser descartado repetidamente en distintas oportunidades, no porque cada empresa lo evalúe de forma única, sino porque los algoritmos tienden a producir decisiones similares. Así, si un sistema no considera apto a un candidato en una vacante, es probable que tampoco lo haga en otras. Lo más fuerte: incluso si las vacantes son distintas una de la otra.
Entre los elementos más cuestionables, destaca para mí la disparidad de información. ¿Saben los candidatos a empleos que el primer filtro lo hace un algoritmo de contratación? ¿Saben los gerentes que contratan, que miles de candidatos son vulnerables a rechazos automáticos por sesgo del propio algoritmo, a pesar de que postulen a roles distintos? ¿Saben los profesionales de recursos humanos que gestionan estas herramientas, que su universo de talento se diluye por la propia configuración de la tecnología? Preguntas que, pienso, abren una discusión importante sobre el futuro del reclutamiento.
Sería iluso decir que las brechas en procesos de contratación han aparecido solo con la integración de la inteligencia artificial en recursos humanos. Recuerdo bien en el 2014, la investigación de la Universidad del Pacifico llamada “Labor Market Discrimination in Lima, Peru”, donde enviaron 4.820 CVs ficticios (idénticos en contenido) a 1.205 ofertas de trabajo reales en Lima, donde solo cambiaban ciertos datos, especialmente los apellidos. ¿Los resultados? Postulantes con apellidos “blancos” recibieron 80% más llamadas que los de apellidos indígenas. El sesgo siempre ha existido en procesos de reclutamiento. Pero la escala que vemos ahora es diametralmente mayor.
El reclutamiento solía ser un proceso de encontrar la persona adecuada en el rol correcto. Estos problemas de implementación en los algoritmos de contratación no solo perjudican a los candidatos, perjudican también a las empresas que quieren encontrar talento ideal, pero por el sesgo de dicho algoritmo no están identificándolos adecuadamente.
Profesionales de recursos humanos quieren integrar herramientas de inteligencia artificial a sus procesos laborales. De hecho, los algoritmos permiten procesar millones de postulaciones y muchas veces pueden ser auditados mejor que decisiones individuales. Tanto es su potencial que en mi curso del año pasado en la UCAL explorábamos este tema, pero siempre hubo claridad en lo siguiente: estas deben aumentar tu trabajo, ayudarte a ser más productivo. Para lograr esto, la expectativa es que funcionen apropiadamente, de forma consistente y no discriminatoria. Lo que ha demostrado la investigación de Stanford es que muchos proveedores de algoritmos para contratación no están cumpliendo esa expectativa.
La narrativa de los últimos años está en que la responsabilidad de conseguir empleo cae en cada uno. Pero, ¿qué pasa cuando el sistema sigue dificultándolo? ¿Dónde quedó la cuidadosa consideración, si es que alguna vez la hubo?
Loterias
