Hace pocos meses, en el 5° Recruiter Summit de Comunidad RH, junto a Gaston Boireau Lahore y el equipo de WHALECOM, facilitamos un módulo sobre 𝗥𝗲𝗰𝗹𝘂𝘁𝗮𝗺𝗶𝗲𝗻𝘁𝗼 𝗜𝗻𝗰𝗹𝘂𝘀𝗶𝘃𝗼. En una hora, alrededor de 50 reclutadores y reclutadoras se llevaron un pantallazo de lo que significa hacer un proceso de selección realmente inclusivo. Una hora. Un pestañeo. Y sin embargo, una pregunta quedó flotando en el aire, esa que nadie quiere hacer en voz alta ¿cuántas veces, sin darnos cuenta, 𝗱𝗲𝗷𝗮𝗺𝗼𝘀 𝗳𝘂𝗲𝗿𝗮 𝗮 𝗮𝗹𝗴𝘂𝗶𝗲𝗻 𝗽𝗼𝗿 𝗽𝗿𝗲𝗷𝘂𝗶𝗰𝗶𝗼, 𝗽𝗼𝗿 𝗽𝗿𝗶𝘀𝗮, 𝗽𝗼𝗿 𝗵𝗮𝗯𝗶𝘁𝗼? (¡por un sesgo!)
Si a alguien que revisa cientos de CVs por día se le puede pasar por alto la inclusión, ¿qué pasa cuando entra en juego la Inteligencia Artificial? La #IA no se cansa ni se distrae, tampoco tiene un mal día, pero si aprende con sesgos los multiplica de forma exponencial y ahí es donde el problema se vuelve más complejo.
Un estudio de la UNESCO en 2024 revel[o que los modelos de lenguaje discriminan a las mujeres y las minorías y alerta sobre cómo les puede dificultar su acceso a empleos, si los datos con los que se entrenan son discriminatorios, la IA discrimina porque no hace más que replicar patrones.
Uno de los argumentos más comunes a favor de la IA en reclutamiento es que permite un proceso más rápido y eficiente. Y sí, claro, puede filtrar miles de postulaciones en segundos. Pero, ¿qué significa eficiencia en selección? Si “eficiente” es simplemente contratar rápido, entonces sí, la IA es un éxito. Pero si “eficiente” es contratar bien, con diversidad, equidad e inclusión, entonces… estamos fallando.
Los sesgos algorítmicos no solo afectan a grupos históricamente discriminados por género o etnia, también impactan a personas con discapacidad, a personas mayores de 45 años o a quienes tienen trayectorias laborales no lineales. En 2024, un análisis de Deloitte mostró que el 80% de los sistemas de selección basados en IA tienen dificultades para evaluar correctamente a personas con discapacidad, ya que sus CVs no encajan en los patrones tradicionales.
Si una persona queda fuera de un proceso porque el/la recruiter tiene un sesgo, al menos hay alguien a quien cuestionar. Si queda fuera porque la IA la descartó, ¿a quién le preguntamos? ¿Cómo apelamos una decisión que no tiene rostro?
¿𝗤𝘂𝗲 𝗽𝗼𝗱𝗲𝗺𝗼𝘀 𝗵𝗮𝗰𝗲𝗿? Bueno, auditar los algoritmos y asegurarnos de que los datos con los que se entrenan las IAs no estén perpetuando sesgos históricos. Saber que la IA no puede ser la única responsable de las decisiones, debe haber siempre una revisión humana. Y, lo más importante, si la IA descarta alguien, la empresa debería poder explicar por qué.
Si la IA va a decidir quién entra y quién no en nuestras organizaciones, más nos vale que no siga reproduciendo los mismos errores de siempre, evitemos automatizar la discriminación.
Abrazo,
👨🏻💻 Luis Etchenique – (he/him/el)
👨🏻💻 Gaston Boireau Lahore
Un boletín para mentes inquietas
Te mandamos lo que nos gustaría recibir.
[fluentform id=»2″]
Sesgos Algorítmicos en Reclutamiento: Cómo Evitarlos

Si te sirvió, compartilo.
Estemos en contacto
