Estados Unidos.- La búsqueda de empleo ha experimentado una transformación significativa. Los sistemas de selección laboral ya no se limitan a la lectura humana de currículums; en su lugar, utilizan algoritmos que escanean, puntúan y, en cuestión de segundos, pueden descartar postulaciones. Esta automatización implica que, antes de que un reclutador humano evalúe un perfil, un filtro impulsado por Inteligencia Artificial (IA) determina su viabilidad.
Investigadores advierten que estos filtros de IA muestran una marcada preferencia por documentos optimizados con herramientas de inteligencia artificial en comparación con currículums redactados exclusivamente por humanos. En ciertos escenarios, la brecha es tan considerable que postulantes con perfiles equiparables, o incluso superiores, pueden obtener resultados opuestos basándose únicamente en la presentación de su información profesional.
Esta tendencia ya está afectando directamente los procesos de contratación, impulsando a millones de profesionales a reevaluar la forma en que preparan sus solicitudes para mantener su visibilidad ante compañías que dependen cada vez más de algoritmos para la selección de personal.
La gravedad de esta tendencia se subraya en un estudio académico realizado por tres universidades, el cual reveló que la preferencia por solicitudes elaboradas aplica entre el 67% y el 82% de los casos. Esta investigación, titulada ‘AI Self-Preferencing in Algorithmic Hiring’, comparó perfiles de candidatos con calificaciones idénticas, pero cuya única diferencia radicaba en si el documento fue escrito por un ser humano o generado por modelos de IA como GPT-4o, DeepSeek-V3, LLaMA y Qwen.
El hallazgo más alarmante de este estudio es que GPT-4o exhibió un sesgo de autopreferencia de hasta el 81.9%. Este resultado se mantuvo incluso después de ajustar variables cruciales como la longitud del texto, la complejidad del vocabulario y la similitud semántica del contenido de los currículums.
En consecuencia, un postulante que utiliza la misma herramienta de IA que la empresa implementa para evaluar las candidaturas tiene entre un 23% y un 60% más de probabilidades de progresar en el proceso de selección, en comparación con un individuo de perfil idéntico que presente un currículum redactado de forma manual.
Esta diferencia porcentual es determinante, pues marca la distinción entre ser convocado para una entrevista o ser descartado del proceso sin que un reclutador humano haya revisado la experiencia real del candidato.
Para la comunidad hispana en Estados Unidos, el riesgo es particularmente elevado. Muchos candidatos de esta demografía redactan sus solicitudes en un idioma no nativo o incorporan expresiones culturales propias, lo que puede ser penalizado por los algoritmos.
Es crucial entender que los algoritmos de selección no están diseñados para evaluar el talento intrínseco de un individuo, sino para identificar y favorecer patrones específicos.
El estudio detalla que los modelos de IA catalogan como más “claros”, “eficientes” o “correctos” aquellos textos que se alinean con sus propios patrones lingüísticos. Por el contrario, la escritura humana, caracterizada por variaciones naturales, expresiones idiomáticas y un tono personal, es frecuentemente interpretada como “menos adecuada o fuera del formato esperado” y, por ende, es rechazada sistemáticamente.
Esta problemática incide de manera significativa en sectores como contabilidad, ventas y gestión corporativa, donde los procesos de selección se basan en estructuras rígidas y criterios altamente automatizados.
Aunque la respuesta intuitiva podría ser utilizar la IA para generar la totalidad del currículum, esta estrategia presenta un inconveniente. El siguiente nivel de filtro, el reclutador humano, está desarrollando la capacidad de identificar y descartar precisamente este tipo de documentos.
Datos de HireVue de 2026 indican que el 71% de los candidatos ya emplea IA en la redacción de sus currículums. Sin embargo, solo el 44% de los gerentes de contratación confían en estas herramientas. Adicionalmente, Resume Now informó que el 62% de los empleadores rechaza currículos generados por IA si carecen de personalización.
La paradoja es evidente: la optimización exclusiva para el algoritmo puede resultar en el rechazo por parte del reclutador humano, mientras que la redacción únicamente para el reclutador humano corre el riesgo de no superar los filtros automatizados iniciales.
Ante esta compleja situación, los expertos recomiendan una estrategia híbrida: utilizar la IA para optimizar la estructura inicial, identificar palabras clave relevantes y redactar resúmenes concisos. Sin embargo, es crucial que los logros, la experiencia y los datos reales sean escritos por el propio candidato, infundiendo un tono personal y auténtico. Los currículums completamente generados por IA enfrentan una tasa de rechazo del 62% por parte de empleadores que valoran la personalización. Se aconseja extraer frases exactas de las descripciones de puestos para las palabras clave, adaptándose al lenguaje algorítmico sin perder la esencia humana.
Esta tendencia no solo plantea desafíos prácticos, sino que también genera implicaciones legales. La Comisión de Igualdad de Oportunidades en el Empleo (EEOC) ha ratificado que los empleadores son legalmente responsables bajo el Título VII si sus herramientas de IA provocan un impacto desproporcionado o discriminatorio contra grupos protegidos, como aquellos basados en origen nacional o idioma. A nivel local, la ciudad de Nueva York ya ha implementado la Ley Local 144, la cual exige a las empresas realizar auditorías de sesgo y notificar a los candidatos sobre el uso de herramientas automatizadas en los procesos de selección. Estados como Illinois y Colorado también han adoptado legislaciones similares para abordar esta problemática. A pesar de estos avances regulatorios, la mayoría de los candidatos aún desconocerán la razón algorítmica detrás de un rechazo.
En resumen, el sistema de selección laboral contemporáneo se ha transformado en un mecanismo que escanea, puntúa y descarta currículums en segundos, priorizando criterios alineados con el lenguaje de las máquinas. Esta dinámica representa un riesgo amplificado para comunidades como la hispana, cuyos candidatos pueden ser penalizados por divergencias lingüísticas naturales. La integración de supervisión humana efectiva y la implementación de regulaciones federales más estrictas son cruciales para evitar que el proceso de contratación se convierta en un circuito cerrado, donde las máquinas seleccionan perfiles optimizados para otras máquinas, desvinculándose de las necesidades reales del mercado laboral.
