El colapso del cribado por IA: cómo los filtros algorítmicos de los ATS están expulsando al talento técnico contrastado

El uso de sistemas de seguimiento de candidatos (ATS) potenciados por inteligencia artificial prometía agilizar la identificación de talento y erradicar sesgos subjetivos. La realidad en 2026 demuestra un escenario radicalmente opuesto: más del 70% de las candidaturas son descartadas por algoritmos antes de que un evaluador humano revise el perfil, a menudo debido a discrepancias triviales de formato o ausencia de palabras clave hiperespecíficas.

La espiral de la optimización artificial

Frente a barreras automatizadas opacas, los candidatos han respondido utilizando herramientas generativas para redactar currículums hiperoptimizados según la descripción del puesto. Esto ha provocado un colapso operativo: los reclutadores reciben miles de aplicaciones artificialmente idénticas mientras que perfiles técnicos excepcionales —con trayectorias diversas o trayectorias de transición no lineales— resultan invisibilizados por no superar la puntuación semántica del motor ATS.

Las principales consecuencias de este filtrado ciego son demoledoras:

• Saturación de candidaturas infladas: Los equipos de selección gastan recursos en entrevistar perfiles que han burlado el ATS pero no sostienen su nivel en fases operativas.
• Rechazo por sobrecualificación implícita: Los algoritmos penalizan la amplitud de experiencia sénior al priorizar coincidencias exactas de taxonomías de moda sobre fundamentos sólidos de ingeniería.
• Desconexión de la marca empleadora: El recurrente ghosting automatizado daña gravemente la reputación corporativa de la empresa contratante.

El enfoque profesional: ‘Human-in-the-Loop’ y validación técnica temprana

La tecnología de captación debe ser una herramienta de apoyo, no el decisor final. Una selección de alto nivel requiere validación humana por parte de expertos técnicos desde las etapas tempranas de screening, evaluando proyectos demostrables, contribuciones técnicas y trayectoria comprobada por encima de puntuaciones algorítmicas impersonales.

Fuente y referencia original: Stanford HAI – How AI Recruiting Tools Impact Hiring and Bias