Conseguir una entrevista de trabajo ya no depende únicamente de contar con experiencia y habilidades profesionales. Los sistemas automatizados de reclutamiento también influyen en qué currículums reciben mayor visibilidad. De acuerdo con LHH México, 72% de las grandes empresas utiliza sistemas de seguimiento de candidatos (ATS) con mecanismos de filtrado automatizado, una tecnología que puede ordenar las postulaciones antes de que un reclutador revise los perfiles.
La incorporación de inteligencia artificial (IA) y herramientas digitales a los procesos de contratación está modificando la manera en que las organizaciones identifican talento, comparan competencias y administran grandes volúmenes de solicitudes.
Sin embargo, también ha generado dudas entre quienes buscan empleo: ¿una máquina decide quién consigue una entrevista?, ¿es posible ser descartado sin que nadie revise el currículum?, ¿sirve repetir palabras clave para superar los filtros?
Un análisis de LHH México, basado en su Guía del Candidato: ATS y CV, identifica seis creencias frecuentes sobre la automatización del reclutamiento y explica cómo estas tecnologías pueden influir en las oportunidades laborales.
Uno de los hallazgos más relevantes es que más del 50% de los reclutadores ordena los currículums según la puntuación generada por los sistemas ATS, mientras que algunos procesos de revisión pueden detenerse después de examinar entre 15 y 50 perfiles.
Esto significa que un candidato puede permanecer registrado en el sistema sin recibir una respuesta favorable, aunque su solicitud nunca haya sido revisada directamente por una persona.
¿Qué son los sistemas ATS y cómo funcionan al buscar empleo?
Los Applicant Tracking Systems (ATS) son plataformas utilizadas por las empresas para administrar solicitudes de empleo.
Su función consiste en organizar la información de los candidatos y facilitar la comparación entre los perfiles recibidos y los requisitos de una vacante.
De acuerdo con LHH, estos sistemas pueden extraer datos de los currículums mediante un proceso conocido como parsing, identificar información relevante y clasificar las postulaciones.
Entre las funciones que pueden realizar se encuentran:
- Extraer información del CV: identificar experiencia, formación académica y competencias.
- Comparar requisitos: relacionar la información del candidato con la descripción del puesto.
- Ordenar postulaciones: clasificar perfiles según su nivel de coincidencia con la vacante.
- Aplicar filtros: identificar si se cumplen condiciones previamente establecidas.
- Facilitar la revisión: presentar a los reclutadores los perfiles que cumplen determinados criterios.
No obstante, LHH aclara que un ATS no necesariamente utiliza inteligencia artificial avanzada.
Muchos sistemas funcionan principalmente mediante búsquedas, reglas y clasificación de información.
Algunas soluciones más sofisticadas incorporan procesamiento de lenguaje natural para interpretar el contexto de las competencias profesionales.
Por ello, automatizar una etapa del reclutamiento no equivale necesariamente a delegar toda la decisión de contratación a una máquina.
¿Una inteligencia artificial decide quién consigue el empleo?
Una de las principales creencias identificadas por LHH es que los algoritmos leen todos los currículums y determinan automáticamente quién será contratado.
Sin embargo, la empresa explica que gran parte de la automatización ocurre antes de la decisión final.
Los sistemas pueden identificar coincidencias entre el perfil y los requisitos de una vacante, pero la selección también requiere evaluar factores que no siempre pueden interpretarse correctamente mediante reglas automatizadas.
Marisol Medina, Operations Manager de LHH México, explicó que la discusión sobre el papel de la inteligencia artificial en recursos humanos suele presentar dos posiciones extremas.
“La conversación sobre IA en reclutamiento se ha polarizado entre quienes piensan que resolverá por completo la selección de talento y quienes consideran que los algoritmos están tomando decisiones sin intervención humana. La realidad está en medio: la tecnología puede ayudar a procesar información y encontrar coincidencias, pero la selección de talento continúa necesitando contexto, criterio y decisiones humanas”, señaló.
La diferencia es importante porque una herramienta puede influir en qué candidatos reciben atención sin necesariamente tomar la decisión definitiva sobre su contratación.
Rechazo automático: solo 8% de los reclutadores utiliza umbrales mínimos de puntuación
Recibir una respuesta negativa pocos minutos después de enviar una solicitud puede generar la impresión de que una inteligencia artificial evaluó y rechazó el perfil.
Sin embargo, LHH señala que algunos descartes automáticos responden a requisitos definidos previamente por las personas responsables del proceso.
Estas condiciones pueden establecerse mediante las denominadas knockout questions, preguntas que permiten identificar si un candidato cumple requisitos indispensables.
Por ejemplo, una empresa puede solicitar información sobre:
- Permisos o autorización para trabajar.
- Escolaridad requerida.
- Ubicación geográfica.
- Disponibilidad de horarios.
- Condiciones específicas de la vacante.
Cuando una respuesta no coincide con un requisito configurado como obligatorio, el sistema puede modificar automáticamente el estado de la postulación.
Esto puede ocurrir sin que la plataforma haya realizado una evaluación completa del currículum.
De acuerdo con la guía de LHH, solamente 8% de los reclutadores configura umbrales mínimos de puntuación para realizar descartes automáticos basados en el contenido del perfil.
La cifra cuestiona la idea de que todas las postulaciones rechazadas fueron evaluadas por una inteligencia artificial.
También muestra que los criterios establecidos por las empresas continúan teniendo un papel determinante en el proceso.
¿Qué es el shadow rejection y por qué tu CV puede pasar inadvertido?
Uno de los fenómenos más relevantes del reclutamiento automatizado es el denominado shadow rejection, también conocido como rechazo en la sombra.
Ocurre cuando una postulación permanece registrada en el sistema, pero recibe una posición tan baja dentro de la clasificación que ningún reclutador llega a revisarla.
En estos casos, el candidato no necesariamente ha sido descartado formalmente.
Simplemente puede quedar fuera del conjunto de perfiles que reciben atención.
Según LHH, más del 50% de los reclutadores ordena los currículums de acuerdo con el score generado por el ATS.
Además, algunos procesos de revisión se detienen después de examinar los primeros 15 a 50 perfiles.
Por ejemplo, si una vacante recibe cientos de solicitudes y el reclutador comienza por los candidatos mejor clasificados, es posible que otras postulaciones permanezcan sin revisión.
Esto no significa necesariamente que quienes aparecen al final carezcan de las competencias requeridas.
La clasificación puede depender de cómo está estructurada la información del currículum y de los criterios utilizados por la plataforma.
Para Marisol Medina, este fenómeno representa uno de los principales desafíos de la automatización.
“En muchos casos, la tecnología no está diciendo ‘esta persona no sirve’; está organizando grandes cantidades de información para que el reclutador pueda trabajar con ellas. El reto es asegurarnos de que esa eficiencia no se confunda con una evaluación integral del talento”, explicó.
La especialista plantea que las organizaciones deben distinguir entre utilizar herramientas para administrar solicitudes y realizar una evaluación completa de las capacidades profesionales.
¿Repetir palabras clave ayuda a superar los filtros ATS?
Otra creencia frecuente es que un currículum puede mejorar su clasificación si incluye numerosas veces los términos utilizados en la descripción de la vacante.
Esta práctica se conoce como keyword stuffing, o repetición excesiva de palabras clave.
Aunque algunos sistemas ATS identifican coincidencias entre el CV y los requisitos del puesto, LHH advierte que incorporar términos sin contexto no garantiza una mejor evaluación.
Los sistemas con capacidades de procesamiento de lenguaje natural pueden considerar cómo se presentan las habilidades y en qué situaciones fueron utilizadas.
Por ejemplo, no es equivalente escribir que se cuenta con experiencia en gestión de proyectos que explicar qué proyectos se administraron y cuáles fueron sus resultados.
La guía de LHH señala que los currículums con logros cuantificados pueden obtener hasta 40% más puntuación en parámetros como claridad narrativa y logros demostrables, en comparación con perfiles que presentan únicamente descripciones genéricas.
Este resultado corresponde a los parámetros de evaluación citados por LHH y no significa que incluir cifras aumente automáticamente 40% las probabilidades de contratación.
La recomendación es incorporar información verificable sobre responsabilidades y resultados profesionales.
Cómo elaborar un CV compatible con sistemas ATS
Comprender el funcionamiento de estas plataformas puede ayudar a los candidatos a comunicar mejor su experiencia.
El objetivo no consiste en manipular los algoritmos, sino en presentar información clara, relevante y verificable.
Entre las recomendaciones derivadas del análisis de LHH destacan:
1. Utilizar términos relacionados con la vacante
El currículum debe describir las competencias y responsabilidades relevantes para el puesto.
Cuando una habilidad coincide con los requisitos solicitados, conviene mencionarla de manera natural.
2. Explicar resultados profesionales
En lugar de limitarse a enumerar actividades, es recomendable describir logros concretos.
Por ejemplo, señalar que se administró un presupuesto, se coordinó un equipo o se mejoró un proceso permite ofrecer mayor contexto sobre la experiencia.
Cuando existen cifras verificables, pueden utilizarse para mostrar el alcance de los resultados.
3. Evitar repetir palabras clave sin contexto
La acumulación artificial de términos no sustituye una descripción profesional.
Las habilidades deben estar respaldadas por actividades o resultados que el candidato pueda explicar durante una entrevista.
4. Revisar la información de cada postulación
Antes de enviar una solicitud, conviene verificar que el currículum incluya los requisitos que efectivamente se cumplen.
También es importante responder con precisión las preguntas relacionadas con disponibilidad, ubicación o permisos de trabajo.
5. Mantener información verdadera y consistente
Las herramientas tecnológicas pueden ayudar a mejorar la redacción, pero no deben utilizarse para incorporar experiencias o habilidades inexistentes.
La información presentada debe corresponder con la trayectoria real del candidato.
Inteligencia artificial para buscar empleo: ¿cómo utilizarla correctamente?
La inteligencia artificial no solamente forma parte de las herramientas utilizadas por los reclutadores.
Los candidatos también pueden aprovecharla para preparar sus solicitudes y mejorar la presentación de su experiencia.
LHH identifica diferentes aplicaciones que pueden resultar útiles durante la búsqueda laboral.
Entre ellas se encuentran la comparación de un currículum con una vacante, la identificación de competencias faltantes y la preparación para entrevistas.
También pueden utilizarse herramientas para investigar empresas, adaptar el lenguaje de un perfil profesional y mejorar la presencia digital.
Sin embargo, la compañía advierte que estas recomendaciones necesitan revisión humana.
Una herramienta puede sugerir incorporar determinadas habilidades porque aparecen en la descripción del puesto, aunque el candidato no cuente realmente con ellas.
Aceptar esas sugerencias sin verificarlas puede generar inconsistencias que posteriormente resulten evidentes durante una entrevista.
Por ello, la inteligencia artificial debe utilizarse como una herramienta de apoyo para comunicar la trayectoria profesional, no para fabricar experiencia laboral.
¿La automatización mejora la calidad de las contrataciones?
La tecnología permite administrar grandes volúmenes de postulaciones y reducir el tiempo destinado a determinadas tareas.
Sin embargo, LHH advierte que mayor velocidad no significa necesariamente una mejor selección de talento.
Una plataforma puede identificar coincidencias entre las competencias de un candidato y los requisitos de una vacante.
No obstante, existen aspectos profesionales que requieren interpretación.
Por ejemplo, una persona puede haber desarrollado habilidades transferibles en una industria diferente o contar con una trayectoria que no sigue un camino laboral tradicional.
También puede tener potencial para desempeñar funciones que no aparecen exactamente descritas en sus experiencias anteriores.
Estos elementos pueden resultar difíciles de identificar mediante criterios rígidos de clasificación.
Para las empresas, el desafío consiste en utilizar la automatización para mejorar la eficiencia sin reducir la evaluación del talento a una puntuación.
Marisol Medina considera que la tecnología debe permitir que los reclutadores dediquen más tiempo a las actividades que requieren criterio profesional.
“El verdadero valor de la IA en Recursos Humanos no debería medirse por cuánto logra sacar al ser humano del proceso, sino por cuánto tiempo le devuelve para hacer aquello en lo que su intervención aporta mayor valor: conversar, interpretar, cuestionar y tomar decisiones con contexto”, afirmó.
Inteligencia artificial y reclutamiento: el desafío para empresas y candidatos
La expansión de los sistemas ATS está modificando las condiciones de búsqueda y selección de empleo.
De acuerdo con la guía de LHH, 72% de las grandes empresas utiliza sistemas de seguimiento de candidatos con cribado automatizado, lo que refleja la importancia de estas herramientas en la administración de postulaciones.
Sin embargo, la automatización también puede influir en la visibilidad de los candidatos.
El fenómeno del rechazo en la sombra muestra que un perfil puede permanecer registrado sin que necesariamente llegue a ser revisado por un reclutador.
Para quienes buscan empleo, comprender el funcionamiento de los sistemas ATS puede ayudar a presentar mejor su experiencia y evitar errores frecuentes.
Para las organizaciones, el desafío consiste en establecer criterios adecuados de clasificación y reconocer las limitaciones de las herramientas tecnológicas.
La principal conclusión de LHH es que la inteligencia artificial puede identificar coincidencias entre perfiles y vacantes, pero la evaluación del potencial profesional continúa requiriendo intervención humana.
En consecuencia, el futuro del reclutamiento no dependerá exclusivamente de incorporar sistemas más sofisticados, sino de definir en qué etapas la tecnología aporta eficiencia y dónde resulta indispensable el criterio de las personas.
La transformación también exige que los candidatos desarrollen nuevas habilidades para comunicar sus competencias en procesos donde la información puede ser interpretada tanto por algoritmos como por reclutadores.
Para Marisol Medina, la prioridad debe ser encontrar un equilibrio entre ambas capacidades.
“La IA puede identificar coincidencias; las personas siguen teniendo que interpretar el potencial. El futuro del reclutamiento no debería consistir en elegir entre tecnología o humanidad, sino en definir qué queremos que haga mejor cada una”, concluyó.
