Opinión · Recruiting Intelligence

Cuando hablo de tecnología con equipos de gestión humana, tarde o temprano alguien dice: "ya automatizamos el proceso". Casi siempre lo dice con un dato de horas ahorradas, y está bien, porque ese tiempo le cuesta a alguien. Lo que rara vez aparece en la misma conversación es la respuesta a otra pregunta: ¿ahora contratamos mejor que antes?  

De eso quiero opinar aquí. Creo que en RH estamos usando "automatizar" y "Recruiting Intelligence" como si fueran lo mismo. Tampoco me convence la idea de que una sea la etapa siguiente de la otra, como a veces se presenta. Se puede automatizar casi todo el proceso sin ganar un gramo de inteligencia.  

Qué hace cada una

Automatizar es poner a un sistema a hacer lo que antes hacía una persona: mandar correos, agendar entrevistas, filtrar hojas de vida. Tiene valor y no lo discuto. Lo que pocas veces se dice es que un sistema automatizado es obediente: hace lo que se le pidió, tal cual, y lo repite todas las veces que se le deje.  

Recruiting Intelligence arranca en otro punto. Antes de preocuparse por la velocidad, mira el criterio: qué perfiles está premiando el proceso y cuáles está dejando por fuera, y si eso tiene algo que ver con cómo le va a la gente después en el cargo. Para eso hacen falta datos, claro. Pero sobre todo hace falta alguien dispuesto a revisar lo que esos datos muestran, aunque incomode.  

Lo que pasó con Amazon

El ejemplo más citado, y con razón, es el de Amazon. En octubre de 2018 Reuters contó que la compañía había dejado de lado una herramienta experimental que usaba aprendizaje automático para calificar hojas de vida. La habían entrenado con las hojas de vida de su propia gente, y en los cargos técnicos esa gente era, sobre todo, hombres.  

La ACLU resumió después lo que terminó haciendo la herramienta: le quitaba puntos a las hojas de vida que incluían la palabra "women's" (por ejemplo, en "women's rugby team"), castigaba a egresadas de algunas universidades femeninas y prefería verbos que aparecen más en hojas de vida de hombres. Los ingenieros intentaron corregirlo. Al final, Amazon abandonó el proyecto.  

Nadie en Amazon le pidió a ese sistema que discriminara. Lo que hizo fue copiar con mucha precisión el patrón de las personas que ya habían sido contratadas. Había un sesgo en ese patrón, y la herramienta lo tomó como regla y lo aplicó sin cansarse. A mí eso me preocupa más que el sesgo de un reclutador, porque el de un reclutador alguien lo puede ver y discutir; al sistema que "es objetivo" casi nadie le pregunta nada.  

En Nueva York ya hay una ley al respecto

Esto ya salió del terreno de los expertos. Desde el 5 de julio de 2023, Nueva York hace cumplir la Ley Local 144: una empresa no puede usar una herramienta automatizada para decisiones de empleo si esa herramienta no pasó una auditoría de sesgo en el último año, si no publica los resultados y si no les avisa antes a los candidatos.  

De esa norma me quedo con la idea de fondo: "lo decidió el sistema" ya no sirve como explicación. Si una herramienta participa en decidir a quién se entrevista, alguien dentro de la empresa tiene que poder explicar con qué criterio lo hace. Pedir eso ya es pedirle a la automatización un poco de inteligencia.  

Seguimos sin saber medir si contratamos bien

Para poner a prueba un criterio hay que tener contra qué compararlo, y en eso la mayoría nos quedamos cortos. En el informe Future of Recruiting 2025 de LinkedIn, el 89% de los profesionales de adquisición de talento dijo que medir la calidad de la contratación va a ser cada vez más importante. Solo el 25% dijo tener mucha confianza en que su organización sabe medirla bien.  

Con esa diferencia se entiende la confusión. Si uno no sabe cuáles de sus contrataciones salieron bien, lo único que puede mejorar es lo que se mide fácil: cuánto se demora un proceso y cuántos se cierran al mes. Y entonces la tecnología se elige por las horas que ahorra, que es justo lo que la automatización hace bien.  

Lo que veo desde la psicología

Me formé como psicólogo, y hay algo que aprendí mucho antes de trabajar con tecnología: una decisión rara vez es mejor que la pregunta que la originó. Con los datos pasa igual. Si el equipo solo le pregunta al sistema cuánto se demoró, va a recibir respuestas sobre tiempo. Si le pregunta a quién dejó por fuera el último trimestre y por qué, ya está hablando de su criterio, que es donde suele estar el problema.  

En Magneto 365 Academy acompaño equipos que llegan con muchas ganas de tecnología, y me parece bien. Pero lo que más les cambia el proceso casi nunca es la herramienta: es el día en que alguien del equipo se atreve a preguntar si eso que "siempre ha funcionado" se comprobó alguna vez.  

Antes de automatizar lo siguiente

Si estás pensando en automatizar otra parte del proceso, o evaluando una herramienta nueva, yo empezaría por tres preguntas:  

1. ¿Alguien de tu equipo puede explicar en una frase qué criterio está aplicando el sistema? Si nadie puede, hay automatización, pero no hay dueño.  
2. ¿Contra qué resultado se revisa ese criterio? Sin saber qué contrataciones salieron bien, ni el sistema ni el equipo tienen cómo aprender.  
3. ¿Quién revisa a las personas que el sistema descarta?

Si las tres tienen respuesta, lo más probable es que tu proceso esté aprendiendo algo. Si no, está haciendo lo mismo de siempre, solo que más rápido.  

‍