Hay un término para lo que está pasando en la contratación ahora mismo, y viene del CEO de una empresa de sistemas de seguimiento de candidatos. Daniel Chait, de Greenhouse, lo llama un “bucle mortal de la IA”. Quienes buscan empleo usan la IA para burlar las herramientas de filtrado automatizado. Los empleadores usan la IA para clasificar la avalancha de solicitudes casi idénticas que resulta de ello. La solución de cada bando empeora el problema del otro bando. Nadie gana.
El mito que impulsa el bucle
Todo el ciclo se basa en una creencia: que los sistemas de seguimiento de candidatos, conocidos como ATSs, clasifican y filtran automáticamente a los candidatos, y que solo entre el 10 y el 20 por ciento superior de los solicitantes llega a ser visto por un humano. El resto, el 80 por ciento inferior, desaparece en una caja negra.
Esta creencia está lo suficientemente extendida como para que se haya creado toda una industria a su alrededor. Herramientas como Jobscan, que cuesta entre 30 y 50 dólares al mes, prometen optimizar un currículum para los algoritmos de los ATSs. Los usuarios aprenden a cambiar “por ciento” por el símbolo ”%”, evitan currículums de dos páginas y llenan sus documentos con palabras clave. La científica de datos Jodi Beggs probó uno de esos sistemas y descubrió que los pequeños cambios de formato subían o bajaban su puntuación. Su conclusión fue pragmática: si el objetivo es complacer a los sistemas automatizados, el contenido que funciona para las máquinas puede no ser el contenido que refleja quién es ella en realidad.
Esto es lo que la mayor parte de la cobertura sobre este tema pasa por alto: la premisa no siempre es cierta. Chait dice que existe una gran cantidad de mitos sobre cómo funcionan realmente los ATSs. No hay dos sistemas idénticos. Si un ATS determinado utiliza IA o no, depende del producto específico y de qué funciones haya pagado y activado una empresa. Algunas organizaciones utilizan la clasificación automatizada. Otras hacen que los humanos revisen cada una de las solicitudes. Kim Jones, vicepresidenta de recursos humanos en Toshiba, es explícita: su equipo lee cada solicitud personalmente. Señala que la optimización automatizada no va a ayudar a los candidatos a pasar por su proceso, porque su proceso no funciona así.
Dos experimentos que revelan la brecha
La distancia entre el mito y la realidad se hace más evidente cuando las organizaciones realmente ponen a prueba la suposición. Doist, una pequeña empresa totalmente remota que contrata a nivel internacional, llevó a cabo exactamente ese tipo de experimento interno. El equipo tomó puestos que ya habían sido cubiertos, introdujo las descripciones de los puestos y todos los materiales guardados de los solicitantes en un sistema de clasificación de ATS, y planteó una pregunta sencilla: ¿habrían formado parte de la lista corta generada por la IA las personas a las que realmente contrataron?
En dos de los casos que probaron, la respuesta fue no. Los candidatos que fueron contratados, y que estaban desempeñando un buen papel unos seis meses después de empezar en sus puestos, no aparecieron en absoluto en la lista corta de la IA. Hubo cierta coincidencia en quiénes recibieron invitaciones para entrevistas, pero las personas que la empresa eligió en última instancia fueron descartadas por el sistema automatizado.
Esta no es una discrepancia menor. Sugiere que optimizar para obtener una puntuación en un ATS y ser un candidato fuerte para un puesto específico pueden ser dos cosas completamente diferentes.
Por parte de quien busca empleo, un profesional del diseño llamado James Jacobsen ilustra hasta dónde puede llegar el impulso de optimización. Pasó cinco meses en una búsqueda que le consumió tanto tiempo como un trabajo a tiempo completo. Usó Claude y ChatGPT para adaptar sus materiales de solicitud, pero vio poco movimiento. Luego construyó lo que describió como lo opuesto a un ATS: un sistema de seguimiento personal que usaba IA para examinar ofertas, puntuar oportunidades según sus propios criterios, registrar rechazos con notas y mostrar los puestos de mayor prioridad. También usó IA para criticar su portafolio, lo que dio lugar a una revisión de seis horas. Consiguió llamadas. No consiguió ofertas. La evaluación que hace Chait de candidatos como Jacobsen es directa: hacer más de lo mismo no es la respuesta.
Lo que el bucle señala en realidad
El bucle mortal no es solo una historia sobre tecnología que falla. Es una historia sobre la pérdida de confianza en ambos lados de una transacción. Quienes buscan empleo informan que dedican un esfuerzo enorme a las solicitudes y no obtienen respuesta. Los empleadores informan que reciben cientos de solicitudes que parecen casi idénticas, lo cual es en parte consecuencia de que las herramientas de escritura asistida por IA hacen que cada documento suene igual. Ambos bandos recurren a la IA para gestionar el volumen, y el volumen sigue creciendo.
Chait lo resume claramente: esta es la primera vez que recuerda que ambas partes están insatisfechas con el proceso de contratación. El sistema no funciona para nadie.
Lo que se pierde en la carrera de optimización es el comportamiento que realmente diferencia a los candidatos: una carta de presentación sincera, que según Jones casi nadie presenta ya; el contacto directo con las empresas antes de que se publique un puesto; y el networking, que sigue estando infravalorado en un mercado inundado de solicitudes. Estas son señales humanas en un sistema cada vez más diseñado para filtrarlas.
El problema más profundo es que las herramientas de IA se están aplicando a un problema que no crearon y que no pueden resolver por completo. La disfunción del mercado laboral, que incluye la escasez de ofertas, los puestos fantasma y la ruptura de la comunicación entre candidatos y empleadores, es anterior a la actual ola de adopción de la IA. La automatización está acelerando los síntomas, no tratando la causa.
En resumen
La IA está siendo utilizada tanto por quienes buscan empleo como por los empleadores para gestionar un proceso de contratación que ya está bajo presión. Las herramientas que cada bando utiliza para afrontarlo empeoran la experiencia de la otra parte, creando un ciclo que se autoalimenta. La suposición de que la clasificación automatizada controla todas las decisiones de contratación no es universalmente cierta, lo que significa que los candidatos que se optimizan para las máquinas pueden estar resolviendo el problema equivocado por completo. Los comportamientos con más probabilidades de destacar, una carta de presentación real, una investigación dirigida y el contacto humano directo, son aquellos que las herramientas de optimización no pueden replicar.
Basado en información de Wired.