En los últimos años, muchas empresas incorporaron inteligencia artificial a sus procesos de selección con una expectativa clara: tomar mejores decisiones de contratación.
Sin embargo, lo que se está observando en la práctica es otra cosa.
Procesos más rápidos. Más datos. Más candidatos procesados en menos tiempo. Pero el error de contratación sigue apareciendo.
El problema no es la tecnología
La hipótesis más extendida es que las empresas contratan mal porque no tienen las herramientas adecuadas. Hoy eso ya no es cierto. La mayoría de las organizaciones medianas tienen acceso a plataformas de reclutamiento, filtros automatizados, evaluaciones online e IA aplicada al análisis de CVs.
Y aun así, el problema persiste. La pregunta entonces cambia: no qué herramientas estás usando, sino qué estás evaluando con esas herramientas.
Qué optimizó la IA (y cuál es su límite)
Lo que la inteligencia artificial hizo —y lo hizo bien— fue optimizar procesos. Acelerar el screening. Reducir el tiempo de revisión de CVs. Procesar grandes volúmenes con criterios consistentes.
Pero en la mayoría de los casos, lo que se optimizó fue la lógica de evaluación tradicional: analizar experiencia, filtrar palabras clave, priorizar trayectorias.
El problema es que ninguna de esas variables predice por sí sola el desempeño real en un puesto específico.
Como señala Erik Brynjolfsson, la tecnología mejora los resultados cuando se rediseña el sistema sobre el que opera. Si no, simplifica lo que ya existía. En selección de talento, la consecuencia es directa: no se están tomando mejores decisiones. Se están tomando las mismas decisiones, más rápido.
Dónde está el punto ciego real
Más allá de la tecnología, hay algo que no cambió: las empresas siguen evaluando lo observable. Lo que el candidato dice. Lo que el CV muestra. Lo que la entrevista refleja.
Pero el desempeño ocurre en la ejecución. Y en ese espacio intervienen variables que no aparecen en ninguno de esos tres lugares:
- Nivel real de autonomía versus dependencia de estructura
- Gestión emocional bajo presión sostenida
- Capacidad de decisión en contextos de ambigüedad
- Ajuste al estilo de liderazgo y cultura del equipo receptor
Esas variables explican una parte significativa del desempeño. Y en la mayoría de los procesos —incluso los que ya usan IA— no se evalúan de forma estructurada.
La diferencia entre eficiencia y precisión
Hay dos problemas distintos en la selección de talento, y se resuelven con lógicas diferentes.
El primero es la eficiencia operativa: cuánto tarda el proceso, cuántos candidatos se pueden analizar, qué tan consistente es el screening inicial. La IA resuelve esto bien.
El segundo es la precisión de la decisión: qué tan bien predice el proceso quién va a rendir en ese puesto específico. Esto no se resuelve con velocidad. Se resuelve con el tipo de información que se está usando para decidir.
Y ahí es donde la mayoría de los sistemas actuales —con o sin IA— tienen un problema.
Qué implica usar IA de forma efectiva en selección
Incorporar IA de forma efectiva no es usar una herramienta más rápida. Es cambiar la pregunta que el proceso intenta responder.
En In Move, la IA no se usa para procesar CVs más rápido. Se usa para analizar coherencia narrativa, detectar patrones de crecimiento real, identificar inconsistencias entre lo declarado y lo observable, y cruzar esa información con los resultados de la evaluación psicométrica.
El objetivo no es acelerar la decisión. Es mejorar la base de información sobre la que se toma.
Como plantea Elliott Jaques, el desempeño depende del nivel de complejidad que una persona puede gestionar. Eso no se infiere del CV. Se evalúa. Y requiere instrumentos diseñados para eso, no herramientas de screening reconvertidas.
Las empresas no siguen cometiendo errores de contratación por falta de tecnología. Siguen cometiéndolos porque el modelo de decisión no cambió.
Y mientras eso no cambie, el error no desaparece. Solo se vuelve más difícil de detectar, hasta que ya impactó.
Si en tu empresa ya incorporaron herramientas, pero los resultados no cambiaron en la misma proporción, es probable que el problema esté en qué se está evaluando, no en el proceso en sí. En In Move trabajamos sobre ese punto específico. Si quiers saber como lo hacemos, agenda tu cita aqui!
