La IA en reclutamiento puede ahorrar trabajo de lectura y ordenar información, pero no convierte una selección en objetiva. Un sistema responsable declara para qué se usa, qué datos quedan fuera, quién revisa el resultado y cómo se detectan impactos adversos.
¿Qué conviene automatizar?
Empieza por tareas de apoyo que una persona pueda comprobar: extraer habilidades de un CV, normalizar requisitos de una vacante, detectar campos incompletos, resumir evidencia y preparar preguntas para una entrevista. Conserva siempre el texto de origen para que RRHH pueda contrastar la sugerencia.
No delegues a un modelo la contratación, el rechazo automático ni una conclusión sobre la capacidad de una persona. NIST propone gestionar el riesgo durante todo el ciclo de vida —gobernar, mapear, medir y gestionar— y advierte que la supervisión humana necesita roles y responsabilidades definidos; poner un botón de “aprobar” no basta.
¿Qué señales puede comparar un sistema?
Los criterios deben ser observables y pertinentes para el cargo. En Unlimited Talent, el contrato actual de compatibilidad pondera:
| Dimensión | Peso | Qué compara |
|---|---|---|
| Habilidades | 50% | Habilidades del perfil y requisitos de la oferta |
| Capacidad operacional de la oferta | 35% | Condiciones e infraestructura declaradas por la empresa |
| Ubicación y modalidad | 15% | Preferencia geográfica y trabajo presencial, híbrido o remoto |
El puntaje sirve para ordenar evidencia, no para predecir desempeño ni garantizar una contratación. Cada dimensión debe poder explicarse sin recurrir a una etiqueta médica.
¿Qué datos deben quedar fuera del ranking?
- Diagnóstico o tipo de discapacidad.
- Ajustes solicitados por la persona.
- Credencial, pensión o condición que permita computar una cuota.
- Fotografía, edad, género u otro atributo protegido.
- Una inferencia de salud construida a partir del lenguaje, voz o conducta.
Unlimited Talent no aumenta el ranking por certificar una habilidad: una habilidad declarada y una verificada pesan igual en la fórmula. La verificación puede mostrarse como evidencia separada, pero no debe crear una ventaja oculta.
La Ley 20.422 exige ajustes necesarios en mecanismos, procedimientos y prácticas de selección para resguardar igualdad de oportunidades. Un dato entregado para remover una barrera no debe reciclarse como señal de idoneidad.
¿Qué significa revisión humana real?
La persona revisora necesita ver el origen de la sugerencia, poder corregirla, ignorarla y dejar constancia de la decisión. También necesita tiempo y autoridad: si el flujo obliga a aceptar el orden de la IA o castiga apartarse de él, la supervisión es nominal.
Informa a quien postula cuando una herramienta automatizada interviene, ofrece un canal accesible para pedir ajustes o cuestionar un resultado y entrega una alternativa cuando el instrumento crea una barrera.
¿Cómo se mide el riesgo de sesgo?
No anuncies “IA sin sesgo”. Define primero el resultado que vas a observar —avance a entrevista, rechazo, tiempo de revisión o abandono— y compáralo entre grupos sólo cuando exista base legal, consentimiento, seguridad y tamaño suficiente. Revisa falsos positivos y negativos, no sólo el promedio general.
Registra versión de modelo, fórmula, cambios, incidentes y uso real por etapa. Una auditoría debe poder reconstruir qué vio la persona revisora y qué decisión tomó; el score por sí solo no explica el proceso.
¿Cómo empezar con una prueba controlada?
- Elige una tarea de apoyo y prohíbe el rechazo automático.
- Escribe los criterios permitidos y los datos excluidos antes de probar.
- Revisa accesibilidad con teclado, lector de pantalla y formatos alternativos.
- Ejecuta casos buenos y casos deliberadamente problemáticos para calibrar las guardas.
- Compara la salida con revisión manual y documenta desacuerdos.
- Detén el uso si no puedes explicar el resultado o medir su impacto.
Puedes revisar las capacidades y límites publicados o recorrer la demo empresarial antes de crear una cuenta.
Fuentes revisadas: Ley 20.422, artículo 24 (BCN), criterio de la Dirección del Trabajo sobre ajustes de selección, AI Risk Management Framework (NIST) y AI & Inclusive Hiring Framework (U.S. Department of Labor). Las referencias internacionales son marcos de gestión, no normativa chilena. Contenido informativo y de orientación general; no constituye asesoría legal para un caso particular.