Cómo cribar candidaturas con IA sin perder el criterio ni infringir la norma

TLDR: La IA puede quitarle a la criba su parte mecánica (ordenar doscientas candidaturas, resumir cada una contra los requisitos) con una línea que no se cruza: el descarte de una persona lo decide y lo puede explicar un humano. La normativa europea trata la selección como uso de alto riesgo, y esta guía monta el flujo que aprovecha la velocidad sin comprarse el problema: criterios explícitos, IA que ordena con razones visibles, decisión humana documentada y vigilancia de sesgos.

Esta guía es para quien recibe más candidaturas de las que puede leer con atención y está tentado de dejar que una máquina decida. La tentación es comprensible y la respuesta corta es: la máquina puede leer por ti, no decidir por ti. Bien montado, ese reparto es más rápido y además más justo que la criba clásica de leer en diagonal a las once de la noche.

1. Entiende el marco antes de automatizar

El punto de partida no es técnico sino normativo, y conviene tenerlo claro antes de configurar nada. El reglamento europeo de IA clasifica los sistemas de selección de personal como alto riesgo, y la protección de datos limita las decisiones plenamente automatizadas con efectos significativos sobre personas, que es exactamente lo que es un descarte.

La traducción práctica en tres obligaciones: supervisión humana real (no un humano que aprueba en masa lo que la máquina decidió), transparencia con los candidatos sobre el uso de estas herramientas, y capacidad de explicar las decisiones si alguien las cuestiona. Las herramientas serias del sector están construidas asumiendo esto: la tuya debe estarlo, y tu flujo también.

Nada de esto prohíbe usar IA en la criba: prohíbe esconderse detrás de ella.

2. Define criterios evaluables y escríbelos

La criba justa (y la automatizable con sentido) empieza en criterios explícitos: qué se evalúa, con qué peso y por qué está ligado al puesto. El documento sale de la definición del puesto de la guía de ofertas de empleo: los tres requisitos imprescindibles, los deseables con su peso y las señales de encaje.

Ese documento tiene doble función: es la instrucción que la herramienta usa para evaluar y es tu defensa si un descarte se cuestiona, porque conecta cada decisión con criterios del puesto y no con la intuición del revisor de turno.

La prueba de calidad de un criterio: dos revisores distintos aplicándolo a la misma candidatura deberían llegar a la misma conclusión. “Experiencia relevante” no la pasa. “Tres años gestionando equipos de más de cinco personas” sí.

3. Usa la IA para ordenar y resumir, no para descartar

Con criterios escritos, el reparto de trabajo es limpio. En un sistema completo como Workable, el agente evalúa cada candidatura contra tus criterios y la puntúa con las razones a la vista: el resultado es un orden de lectura donde el equipo empieza por las de más encaje, con el resumen de por qué. Desde 299 dólares al mes con prueba, y con la supervisión humana como parte del diseño.

Sin sistema completo, el mismo principio funciona artesanalmente: YesChat resume cada candidatura contra tu lista de criterios (contrastando dos modelos cuando dudes), desde plan gratuito. Más lento, mismo reparto: la máquina lee y resume, tú decides.

La regla operativa en ambos casos: nadie queda descartado sin que un humano haya visto su resumen y firmado la decisión. Y el matiz que la hace real: revisa también una muestra de las que la máquina puntuó bajo, porque es tu control de que el orden no esconde un sesgo.

4. Documenta el proceso y vigila los sesgos

El flujo defendible deja rastro: qué criterios se aplicaron, quién revisó qué y por qué se descartó cada candidatura (la frase de motivo, ligada a criterios, cuesta segundos con la propia herramienta). Ese registro es la diferencia entre explicar una decisión y reconstruirla a posteriori.

La vigilancia de sesgos es la otra pata: los sistemas aprenden de datos históricos y los datos históricos traen sesgos. El control práctico a tu alcance: mirar periódicamente los patrones de la criba (¿el orden de la máquina penaliza sistemáticamente algún perfil sin relación con el puesto?) y contrastar la muestra de puntuaciones bajas del paso anterior. Las entrevistas posteriores documentadas con Fireflies completan el proceso comparable de principio a fin, como desarrolla la guía de entrevistas documentadas.

El resultado del sistema completo: más rápido que la criba en diagonal, más justo porque todos pasan por los mismos criterios, y defendible porque todo se puede explicar. Todo el sector, en IA para recursos humanos.

Errores comunes

Dejar que la máquina descarte sola. Es la línea legal y ética que no se cruza, y además es mal negocio: los falsos negativos de la máquina son candidatos buenos que van a la competencia.

Criba con criterios implícitos. Sin criterios escritos, la IA evalúa contra lo que adivina y el humano contra su intuición: rápido, injusto e indefendible a la vez.

Aprobar en masa lo que la máquina ordenó. La supervisión humana de pantomima (clic, clic, clic) es la versión moderna de no supervisar, y la normativa la describe exactamente así.

No mirar nunca las puntuadas bajo. La muestra de control de la cola es el detector de sesgos más barato que existe, y saltárselo es confiar a ciegas en el orden.

Preguntas frecuentes

¿Es legal cribar con IA en Europa?

Usar IA como apoyo, con supervisión humana real, transparencia y decisiones explicables, sí. Los descartes plenamente automatizados con efectos sobre personas chocan con la protección de datos, y la selección es alto riesgo en el reglamento de IA. El flujo de esta guía está montado sobre esas condiciones.

¿Tengo que avisar a los candidatos?

La transparencia sobre el uso de estas herramientas es parte del marco. La práctica limpia: mencionarlo en la información del proceso, en lenguaje normal, junto al aviso de protección de datos que ya das.

¿Cuánto acierta la criba automática?

Ordena bien contra criterios claros y falla donde los criterios son vagos o el CV es atípico (trayectorias no lineales, cambios de sector). Por eso la muestra de puntuaciones bajas es obligatoria: ahí viven los falsos negativos.

¿Merece la pena sin volumen?

Con veinte candidaturas por proceso, la criba manual con criterios escritos llega de sobra y la IA aporta poco más que resúmenes. El sistema completo empieza a rentar desde el volumen que ya no se puede leer con atención.