De "publicar y esperar" a un proceso que decide con datos

Cada minuto, en LinkedIn se registran en promedio 11.000 aplicaciones nuevas a ofertas de trabajo. Es un 45% más que hace apenas un año, según datos de la propia plataforma reportados por The New York Times a mediados de 2025. Buena parte de ese incremento no viene de más personas buscando empleo: viene de la facilidad con la que la inteligencia artificial permite postularse a decenas de vacantes en minutos, sin leer una sola descripción de cargo.  

Para cualquier equipo de selección que siga operando bajo la lógica de "publicar la vacante y esperar a que lleguen las hojas de vida", ese dato debería preocupar. Marca el momento en que el método dejó de funcionar, y traslada el problema real a una etapa anterior: cómo se decide quién llega a la entrevista, no qué pasa dentro de ella.  

El colapso de "publicar y esperar"

"Publicar y esperar" funcionó durante años porque el supuesto detrás del método era razonable: si el volumen de aplicaciones es manejable, revisarlas una por una es una forma aceptable de encontrar al candidato correcto. Ese supuesto es justamente el que rompe el salto de volumen del que hablábamos arriba. Korn Ferry documentó el mismo fenómeno desde el lado de las empresas: equipos de selección que hace poco recibían un puñado de hojas de vida razonablemente diferenciadas por vacante ahora procesan cientos en cuestión de días, muchas de ellas generadas o ajustadas con IA para pasar los primeros filtros.  

El resultado va más allá de la carga operativa. Revisar 200 aplicaciones a mano exige un criterio distinto al que sirve para revisar 20 —a ese volumen, el ojo humano deja de ser un filtro confiable y empieza a parecerse a una lotería.  

Cuando nadie confía en el filtro

El reporte AI in Hiring 2025 de Greenhouse, publicado en noviembre de 2025 con base en una encuesta a más de 4.100 candidatos, reclutadores y líderes de contratación en Estados Unidos, Reino Unido, Irlanda y Alemania, describe con precisión el punto al que llegó esta dinámica: 70% de los líderes de contratación dice confiar en que la IA les permite decidir más rápido y mejor. Al mismo tiempo, apenas 8% de los candidatos considera que los algoritmos que filtran las aplicaciones hacen el proceso más justo.  

El CEO de Greenhouse, Daniel Chait, lo resumió para la revista Fortune describiendo un sistema donde ambos lados están, por primera vez en su experiencia, igual de insatisfechos: las empresas no logran identificar a qué aplicaciones prestarle atención en medio del volumen, y los candidatos sienten que aplicar nunca fue tan fácil ni conseguir empleo tan difícil. Es una señal perdida en el ruido, en el sentido más literal: ninguno de los dos lados confía en que el filtro esté funcionando, y los dos tienen motivos de sobra.  

Publicar y esperar es una apuesta, no una estrategia

En el artículo sobre Recruiting Intelligence de esta misma serie explicamos la diferencia entre automatizar una tarea, que solo cambia quién la ejecuta, y usar datos de talento para encontrar patrones que cambian la decisión de fondo. Ese mismo principio se aplica aquí, en el primer paso del proceso: automatizar el filtro de aplicaciones con más IA no resuelve el problema si el criterio detrás del filtro sigue siendo improvisado.  

La carrera actual entre candidatos que usan IA para aplicar más rápido y empresas que usan IA para filtrar más rápido no baja el riesgo. Lo sube. Cada ciclo hace más urgente una pregunta que "publicar y esperar" nunca obliga a responder de antemano: ¿qué hace, específicamente, que un perfil sea el correcto para este cargo? Sin esa definición previa, cualquier herramienta de filtrado -humana o de IA- termina priorizando por proxis débiles: quién aplicó primero, quién usó las palabras clave correctas, quién generó el currículum con el formato que el sistema prefiere.  

Cómo se ve esto en la práctica

La forma más directa de dejar de apostar es no empezar cada vacante desde cero. En Magneto 365 AI, el porcentaje de afinidad ordena automáticamente el volumen entrante por ajuste real al cargo, en lugar de dejar que el orden de llegada decida qué hoja de vida se revisa primero. Y el banco privado de candidatos cambia el punto de partida del proceso: cuando se abre una vacante, el equipo no arranca en cero publicando y esperando, arranca con un grupo de perfiles ya identificado y calificado del que puede partir de inmediato.  

Ninguna de las dos cosas elimina la necesidad de definir bien el criterio de ajuste. Pero sí cambian la pregunta de fondo: en lugar de "¿cómo revisamos más rápido las aplicaciones que lleguen?", el equipo empieza a preguntarse "¿qué necesitamos saber de un candidato para decidir bien, y de dónde sale esa información antes de que la vacante se publique?".  

Tres preguntas antes de publicar la próxima vacante

• ¿Definiste el criterio de ajuste antes de escribir la vacante, o vas a decidirlo mientras revisas las hojas de vida que lleguen?  
• ¿Tu proceso puede distinguir señal de ruido si llegan varios cientos de aplicaciones en los primeros días? 
• ¿Ya tienes un grupo de talento del que partir, o cada vacante nueva empieza literalmente en publicar y esperar?  

La forma más común de reclutar sigue siendo publicar y esperar. Lo que ya no está tan claro es cuánto tiempo más va a alcanzar: el volumen de aplicaciones no va a bajar. La pregunta real es si el proceso está listo para decidir con datos antes de que ese volumen llegue, o si cada vacante nueva va a seguir siendo, otra vez, una apuesta.  

‍