La inteligencia artificial ya participa en la selección de personal, incluso en empresas que todavía no aprobaron formalmente una herramienta. Puede aparecer al redactar una vacante, resumir currículums, preparar preguntas, ordenar postulaciones o redactar comunicaciones. El problema no es solo qué tecnología se usa, sino qué datos recibe, qué criterios aplica y quién responde por la decisión final.
Para Recursos Humanos en Argentina, la prioridad de 2026 es pasar de usos aislados a un proceso gobernado. La Agencia de Acceso a la Información Pública publicó lineamientos para una inteligencia artificial responsable con foco en transparencia algorítmica y protección de datos durante todo el ciclo de vida. A la vez, PwC Argentina destaca que el valor del reclutador no desaparece: se desplaza hacia interpretar resultados, cuestionar sesgos, proteger derechos y aportar juicio humano.
Esta guía ofrece un método operativo para usar IA sin convertir una recomendación automática en una decisión incuestionable. No sustituye asesoramiento jurídico ni una evaluación técnica del proveedor.
Respuesta rápida: qué puede hacer la IA y qué no debería decidir sola
La IA puede asistir tareas repetitivas, organizar información y ayudar a producir borradores. No debería decidir por sí sola quién avanza, quién queda excluido o quién recibe una oferta. La responsabilidad sigue siendo de la organización y de las personas que diseñan, aplican y supervisan el proceso.
| Uso | Aplicación razonable | Control necesario |
|---|---|---|
| Redacción de vacantes | Crear un borrador a partir de funciones reales | Revisar requisitos, lenguaje excluyente y coherencia salarial |
| Clasificación inicial | Ordenar postulaciones por criterios documentados | Probar falsos descartes y permitir revisión manual |
| Preguntas de entrevista | Preparar una guía estructurada | Validar relación con el puesto y aplicar la misma escala |
| Resumen de entrevistas | Organizar notas autorizadas | Corregir errores y separar hechos de inferencias |
| Decisión final | Comparar evidencia en un scorecard | Decisión humana motivada, nunca automática |
El primer riesgo está en los datos
Un currículum contiene información personal. Durante una entrevista también pueden aparecer edad, domicilio, imagen, trayectoria, expectativas, referencias y datos que revelen indirectamente condiciones sensibles. La AAIP recuerda que los datos personales permiten identificar a una persona y que la información sobre salud, opiniones, afiliación sindical, origen o vida sexual recibe protección especial.
Antes de cargar información en una herramienta, RRHH debería responder:
- ¿La herramienta usa las entradas para entrenar sus modelos?
- ¿Dónde se alojan los datos y durante cuánto tiempo?
- ¿Quién puede acceder a currículums, notas y resultados?
- ¿Existe una opción para eliminar o exportar la información?
- ¿El candidato fue informado del tratamiento relevante?
- ¿Podría lograrse el mismo objetivo con datos anonimizados o ficticios?
No conviene cargar expedientes completos, diagnósticos médicos, evaluaciones psicológicas, documentos de identidad ni referencias confidenciales en servicios públicos o cuentas personales. La regla práctica es minimizar: usar solo la información necesaria para una finalidad definida.
Cómo detectar sesgos antes de afectar candidatos
Un sistema puede reproducir patrones históricos aunque nadie programe una exclusión explícita. Si el conjunto de datos favorece trayectorias tradicionales, universidades concretas, determinadas palabras o períodos laborales continuos, la herramienta puede perjudicar perfiles igualmente capaces.
La auditoría debe realizarse antes del lanzamiento y durante el uso. RRHH puede construir un lote de prueba con perfiles equivalentes y modificar una variable cada vez: edad, género, zona, interrupciones de carrera o formato del currículum. El objetivo no es demostrar que la herramienta es perfecta, sino descubrir dónde cambia una recomendación sin una razón vinculada al puesto.
| Control | Pregunta | Evidencia |
|---|---|---|
| Relevancia | ¿Cada criterio predice una tarea real? | Matriz requisito-tarea |
| Consistencia | ¿Perfiles equivalentes reciben resultados comparables? | Pruebas de contraste |
| Impacto | ¿Algún grupo queda descartado en proporción inusual? | Conversión agregada por etapa |
| Explicabilidad | ¿El reclutador entiende por qué se recomendó un resultado? | Registro de criterios |
| Corrección | ¿Una persona puede revisar y corregir el resultado? | Canal y responsable |
La revisión humana debe poder cambiar el resultado
Poner a una persona al final del flujo no garantiza control. Si el reclutador no tiene tiempo, contexto o autoridad para cuestionar el sistema, la revisión es decorativa. La supervisión efectiva necesita criterios previos, acceso a la evidencia y libertad para apartarse de la recomendación.
Un scorecard sencillo puede separar cuatro dimensiones: requisitos indispensables, muestra de trabajo, entrevista estructurada y condiciones de incorporación. Cada dimensión debe tener una escala, ejemplos observables y espacio para justificar la calificación. La herramienta puede ayudar a ordenar la evidencia, pero no debe inventar competencias ni completar vacíos con inferencias.
Qué exigir a un proveedor de IA para reclutamiento
No alcanza con una demostración comercial. Antes de contratar, conviene involucrar a RRHH, tecnología, seguridad, compras y asesoría legal. El proveedor debería explicar con claridad:
- Qué datos procesa y con qué finalidad.
- Si entrena modelos con información de clientes.
- Cómo controla accesos, incidentes y eliminación.
- Qué variables usa para clasificar o recomendar.
- Cómo evaluó precisión y posibles diferencias entre grupos.
- Qué cambia cuando actualiza el modelo.
- Cómo puede una persona solicitar revisión o corrección.
- Qué evidencia entrega para una auditoría interna.
También debe acordarse qué ocurre al terminar el contrato. La empresa necesita recuperar su información, eliminar copias según corresponda y conservar únicamente los registros necesarios para demostrar cómo operó el proceso.
Registro mínimo para sostener una decisión
La trazabilidad protege a candidatos y a la organización. Para cada proceso conviene conservar la versión de la vacante, criterios aprobados, herramienta y versión utilizada, fecha, responsable, datos ingresados, resultado producido, correcciones humanas y motivo de la decisión. No se trata de archivar cada interacción indefinidamente, sino de mantener evidencia proporcional y con acceso restringido.
La guía de la AAIP para entidades públicas y privadas recomienda incorporar transparencia, protección de datos y rendición de cuentas durante todo el ciclo de vida. Para RRHH, eso implica gobernar desde la prueba inicial hasta la baja de la herramienta.
Plan de implementación en 30 días
- Días 1 a 5: inventariar todos los usos actuales, incluso cuentas individuales y pruebas gratuitas.
- Días 6 a 10: clasificar riesgos según datos, etapa y efecto sobre candidatos.
- Días 11 a 15: definir usos permitidos, prohibidos y sujetos a aprobación.
- Días 16 a 20: crear scorecards, pruebas de contraste y registro de decisiones.
- Días 21 a 25: capacitar reclutadores y líderes con casos reales.
- Días 26 a 30: ejecutar un piloto pequeño, revisar incidentes y documentar ajustes.
Indicadores que sí ayudan
- Conversión por etapa y fuente, analizada de forma agregada.
- Porcentaje de recomendaciones revisadas o corregidas.
- Falsos descartes detectados durante auditorías.
- Tiempo de decisión sin sacrificar calidad.
- Reclamos o solicitudes de revisión.
- Cumplimiento de capacitación y registro.
- Desempeño y permanencia inicial, sin usar estos datos para justificar retrospectivamente sesgos.
Conclusión
La IA puede mejorar la selección cuando reduce tareas mecánicas y deja más tiempo para evaluar evidencia, conversar y decidir con criterio. El riesgo aparece cuando la velocidad reemplaza la explicación o cuando la recomendación del sistema se transforma en veredicto.
Para avanzar con responsabilidad, RRHH necesita una política clara, proveedores auditables, datos mínimos, entrevistas estructuradas y personas capaces de cuestionar resultados. Si tu organización quiere convertir estas reglas en capacidades prácticas para reclutadores, líderes y equipos de talento, conoce G-Talent HR y diseña rutas de formación online alineadas con los retos reales de la gestión de personas.
