La IA descarta otras solicitudes que las personas — y da diferentes respuestas cada vez que se prueba el mismo CV

La máquina elige — ¿pero según qué reglas?

Imaginemos que tu solicitud nunca llega a un reclutador humano. No porque carezca de las competencias adecuadas, sino porque un sistema de IA —construido para representar al empleador— se encontró con otro sistema de IA que te representaba a ti, y ese encuentro no resultó a tu favor. Suena futurista. Pero es precisamente la realidad que ahora se explora en laboratorios académicos.

Un nuevo estudio de arXiv muestra que un sistema denominado de dos agentes —donde una IA representa al empleador y otra al candidato— produce resultados notablemente diferentes comparado con la revisión tradicional automatizada de CV. En los experimentos, que se basaron en 600 pares construidos de CV y ofertas de empleo utilizando los modelos GPT-5.5 y Claude Opus 4.7, la tasa de aprobación pasó de 33,3 a 39,3 por ciento cuando se utilizó el sistema de dos agentes en lugar de la revisión automatizada unilateral.

Pero la cifra no es lo más notable. Lo que realmente debería hacer que reclutadores y responsables de recursos humanos se detuvieran es esto: los dos métodos no solo aprueban diferente cantidad de solicitudes — aprueban solicitudes diferentes. El mismo candidato puede pasar los filtros en un sistema pero ser descartado en otro. Y el sistema de dos agentes además mostró una repetibilidad menor, lo que significa que el mismo CV no siempre genera la misma decisión en ejecuciones sucesivas.

Es una cuestión fundamental de justicia. Si el resultado varía dependiendo de qué procedimiento se utiliza — y si el procedimiento puede dar respuestas diferentes a datos idénticos — ¿en qué base podemos entonces afirmar que el proceso es justo o transparente?

El nuevo mapa del liderazgo

Mientras el proceso de selección se automatiza, se plantean nuevas exigencias a quienes deben dirigir las organizaciones que adoptan la IA. Un grupo de investigadores ha abordado ese desafío de manera estructurada y presenta un instrumento de medición al que llaman AI Leadership Battery — un marco con 36 subdimensiones específicas de comportamiento distribuidas en 11 áreas temáticas.

La herramienta no ha sido desarrollada en el aire. Ha sido sometida a un escrutinio científico riguroso incluyendo análisis factorial y pruebas de confiabilidad, y los resultados muestran que aporta información real más allá de lo que capturan las medidas tradicionales de liderazgo. Particularmente interesante es que el instrumento mide dimensiones como la velocidad en la toma de decisiones, la gestión de riesgos vinculada a la IA y la asunción de responsabilidades — características que rara vez caben en los modelos de liderazgo clásicos pero que resultan decisivas cuando los algoritmos participan en la dirección.

Para mí como especialista en desarrollo empresarial, este es un paso bienvenido. Durante mucho tiempo hemos hablado de que la IA requiere un nuevo liderazgo, pero carecíamos de un lenguaje común para lo que realmente significa en la práctica. Ahora lo tenemos.

Dos caras de la misma moneda

Estos dos estudios abordan aparentemente cuestiones diferentes — uno trata sobre cómo se descartan solicitudes, el otro sobre cómo se evalúa a los líderes. Pero están profundamente interconectados.

Si sistemas de IA deciden quién siquiera llega a una entrevista, y si estos sistemas pueden dar respuestas diferentes a la misma pregunta sin que sepamos por qué, entonces los directivos responsables de la selección deben tener un tipo completamente diferente de competencia que antes. Necesitan entender cómo funcionan los algoritmos, saber hacer las preguntas correctas y asumir responsabilidad por resultados que quizás no puedan explicar completamente.

Este es precisamente el tipo de capacidad que AI Leadership Battery intenta capturar: criterio, apertura y responsabilidad en un entorno intensivo en IA.

No veo esto como un escenario distópico. Lo veo como una invitación. Una invitación a las organizaciones a tomarse el procedimiento en serio — no solo la tecnología. A no solo preguntar qué modelo se utiliza, sino cómo se utiliza, cuándo y por quién. Y a darse cuenta de que la transparencia no es un lujo — es un requisito empresarial cuando la máquina comienza a decidir quién tiene la oportunidad.