La IA generativa ha inundado los sistemas de contratación con candidaturas poco esforzadas, lo que hace que los currículos tradicionales sean muy poco fiables.
Los sistemas algorítmicos de seguimiento de candidatos suelen perpetuar sesgos históricos y no logran identificar capacidades humanas críticas.
La contratación por rastros podría restaurar una evaluación humana auténtica al valorar cómo colaboran los candidatos y resuelven problemas del mundo real.
Presentarse a un empleo solía exigir un esfuerzo genuino: una barrera natural que filtraba automáticamente a los candidatos poco comprometidos. Hoy, la IA ha destruido por completo esa barrera, dejando a los equipos de contratación desbordados por un aluvión de candidaturas poco esforzadas.
Las cifras lo dicen todo. A finales de 2024, las candidaturas enviadas a través de LinkedIn aumentaron un 45,5 %, mientras que las ofertas de empleo publicadas en la plataforma cayeron un 10,6 %. Esa brecha marca un cambio impulsado por las herramientas de escritura con IA. Una encuesta de NACE de 2025 reveló que los estudiantes que usan IA en su búsqueda de empleo enviaron unas 60 candidaturas de media, el doble de la media general de 30. Presentarse solía requerir un esfuerzo real, y ese esfuerzo filtraba por sí solo a los candidatos poco comprometidos.
El coste operativo es alarmante. Greenhouse encuestó a 4.100 reclutadores y responsables de contratación en Estados Unidos, Reino Unido, Irlanda y Alemania para su informe 2025 AI in Hiring Report. Descubrió que el 34 % de los reclutadores dedica ahora hasta la mitad de su semana laboral a filtrar candidaturas basura, y el 91 % ha detectado candidatos que no fueron sinceros durante el proceso.
Todo ello sitúa a las organizaciones ante una pregunta crítica: ¿cómo identificar talento genuino cuando la propia candidatura ya no demuestra esfuerzo?
El coste de la señal equivocada
Una mala contratación lastra la productividad del equipo y acelera la rotación. Menos visible es el coste de un sistema de contratación diseñado para recompensar lo equivocado. Los sistemas de seguimiento de candidatos basados en IA acudieron a gestionar el nuevo volumen, y la adopción casi se duplicó en un año, pasando del 26 % de las organizaciones en 2024 al 43 % en 2025.
Pero estas herramientas se entrenan con datos históricos de contratación y, por tanto, corren el riesgo de heredar sesgos históricos. Un estudio de la Universidad de Washington sobre tres grandes modelos de lenguaje y más de 500 comparaciones de currículos constató que los nombres asociados a personas blancas recibían preferencia en el 85,1 % de los casos, frente al 8,6 % de los nombres asociados a personas negras. Las herramientas sacan a la luz candidatos que se parecen a personas que la empresa ya ha contratado.
Sin embargo, los modelos de aprendizaje automático tienen un punto ciego fundamental. Las competencias más importantes hoy implican trabajar con la IA, porque los empleados deben aprender a pensar junto a estos sistemas. Un estudio de 5.179 agentes de atención al cliente realizado por el MIT y Stanford concluyó que el acceso a una herramienta de IA generativa elevó la productividad un 14 % de media y un 34 % en los trabajadores noveles.
Lo que están haciendo las empresas con visión de futuro
Un pequeño grupo de organizaciones ha empezado a responder. Daniel Chait, consejero delegado de Greenhouse, afirma que los responsables de RR. HH. están introduciendo deliberadamente fricción en la contratación mediante solicitudes más largas, más filtrado humano y evaluaciones de competencias, una tendencia que la Society for Human Resource Management también ha confirmado. Algunas empresas han eliminado por completo la candidatura basada en texto y piden a los candidatos un vídeo de un minuto, una imagen oculta en una oferta de empleo, o simplemente una conversación presencial. Un candidato dispuesto a aparecer ante la cámara y seguir una instrucción inusual ya ha demostrado más intención de la que jamás podría mostrar un currículo. Sin embargo, la fricción por sí sola no revela capacidad. La mayoría de las empresas todavía carece de un proceso que haga visibles las fortalezas de un candidato en condiciones reales.
Un marco que hace visible lo invisible
Las termitas dejan rastros de feromonas que coordinan el trabajo colectivo sin dirección central, la misma lógica que subyace a las ediciones en Wikipedia y las confirmaciones en GitHub. Aplicado a la contratación, esto significa diseñar interacciones que dejen rastros auténticos de cómo piensa, se adapta y construye un candidato. A este enfoque lo denomino “contratación por rastros”, y consta de tres etapas.
En primer lugar, los candidatos responden por vídeo o en conversación a un problema real en el que trabaja la organización. Los candidatos que dependen por completo de la IA producen respuestas genéricas, de tono similar. Los candidatos que se implican seriamente producen algo distinto y avanzan.
En segundo lugar, los candidatos seleccionados trabajan en pequeños grupos sobre un problema nuevo, planteado el mismo día, con una hora para llegar a un resultado tangible. Se permiten portátiles, herramientas de IA y papel y lápiz. Los evaluadores observan el proceso más que el resultado, anotando quién dirige la conversación, quién se adapta cuando una idea fracasa y quién trae de vuelta a un compañero desconectado.
En tercer lugar, los finalistas vuelven individualmente para responder a una pregunta: ¿qué aprendiste de ese ejercicio? La mayoría describe la tarea o su equipo. Un número menor describe en qué momento su propio pensamiento les sorprendió, y esa capacidad de autoevaluación honesta es difícil de fingir porque reside en la memoria. Un estudio de Korn Ferry sobre más de 6.000 evaluaciones de empleados en 486 empresas que cotizan en bolsa concluyó que las compañías con mayores rendimientos bursátiles también tenían empleados con mayor autoconciencia.
La contratación por rastros reparte el coste de la selección de forma justa. Cualquiera puede avanzar, independientemente de su titulación, sus contactos o un currículo pulido, y el proceso premia a quienes piensan de manera original y se implican con honestidad, cualidades que rara vez aparecen en un formulario de candidatura.
El cambio que las empresas deben afrontar
Durante décadas, las empresas han tratado las credenciales académicas, las marcas empleadoras de prestigio y los años de experiencia como indicadores de calidad. Estas señales son ahora activamente engañosas. Cuando el profesor Chad Van Iddekinge analizó más de 80 estudios sobre el lugar de trabajo que abarcan 60 años, comprobó que la experiencia laboral previa tiene casi ninguna relación con el desempeño de los empleados en un nuevo puesto. Y, como destaca el Foro Económico Mundial en su Informe sobre el Futuro del Empleo 2025, el otro gran indicador, el título universitario, desaparece con rapidez de las descripciones de puestos a medida que las empresas avanzan hacia la contratación basada en competencias.
Esa correlación podría ser aún más débil con el auge de la IA. Los investigadores Riedl y Bogert, de la Northeastern University, estudiaron cinco años de datos de 52.000 personas en una plataforma de ajedrez en línea y comprobaron que los jugadores más hábiles utilizaban la IA de forma más productiva, ampliando su ventaja existente, mientras que el acceso más amplio hizo que el pensamiento convergiera en torno a los mismos sistemas. Los candidatos que merece la pena contratar son los que mejor usan la IA.
Observa lo que hacen las personas
Las organizaciones que contraten bien en esta década observarán qué hace un candidato cuando se le plantea un problema real, un grupo de colaboradores y un plazo ajustado. Lo que alguien puede hacer junto a otros importa más que lo que afirma haber hecho en solitario. Las organizaciones que ganen en este mercado laboral serán las que apuesten por una evaluación humana transparente y exigente, y no las que filtren al mayor número de candidatos mediante algoritmos.
La IA no creó este problema. Aceleró un ajuste de cuentas que ya llevaba mucho tiempo pendiente.
