La IA ya no es una promesa en Recursos Humanos. Es una realidad operativa.

Según SHRM, el 43% de las organizaciones usaba IA en tareas de RRHH en 2025, contra un 26% el año anterior. Casi se duplicó en doce meses. HireVue, midiendo solo líderes de RRHH, eleva la cifra al 72%. Y en América Latina la adopción supera a la de Estados Unidos: el estudio de tendencias de Buk indica que entre el 45% y el 50% de los departamentos de RRHH de la región ya usan IA, contra un 26% en EE.UU.

La pregunta dejó de ser "¿adoptamos IA?". Ahora es "¿la estamos usando bien?".

Y ahí los datos son menos cómodos.

Las oportunidades: dónde la IA sí mueve la aguja

1. Velocidad en la primera etapa del funnel

La parte más lenta, cara y repetitiva del reclutamiento es la primera: revisar cientos de CVs, filtrar, hacer screenings iniciales. Es exactamente donde la IA rinde más. Según ResumeBuilder, el 82% de las empresas que usan IA en contratación la aplican a la revisión de currículums.

El cálculo es simple: un reclutador con 200 CVs sobre el escritorio no lee 200 CVs. Escanea palabras clave y elige una muestra. La IA puede evaluar a todos los candidatos con los mismos criterios, sin cansancio y sin atajos. Bien implementada, no solo acelera: amplía el rango de evaluación y permite que aparezcan perfiles no tradicionales que un filtro humano apurado descartaría.

2. Evaluación basada en habilidades, no en credenciales

La IA aceleró el cambio hacia el skills-based hiring: evaluar lo que la persona sabe hacer, no dónde estudió ni cuántos años de experiencia declara en un papel. Esto importa en mercados como el de LATAM tech, donde el talento autodidacta y de trayectorias no lineales es enorme y los filtros por credenciales lo dejan afuera sistemáticamente.

3. Datos comparables en lugar de intuición

Cuando cada entrevistador evalúa con su propio criterio, los resultados no son comparables entre sí. La IA permite estandarizar: mismas pruebas, mismos parámetros, mismo scoring. La decisión final sigue siendo humana, pero parte de evidencia y no de impresiones. Y la evidencia, además, se puede auditar después. La intuición, no.

Los desafíos: lo que nadie quiere poner en el deck

1. El sesgo no desaparece, se hereda

Un algoritmo entrenado con decisiones históricas aprende los sesgos de esas decisiones. No es teoría:

• En 2017, Amazon descartó su propio algoritmo de reclutamiento cuando descubrió que penalizaba CVs que mencionaban la palabra "women's" o universidades femeninas. Nadie le enseñó eso: lo aprendió de los datos históricos de contratación.
• Un estudio de la Universidad de Washington (2024) encontró que los modelos de lenguaje usados para screening de CVs favorecían nombres asociados a personas blancas en el 85,1% de los casos.
• Según ResumeBuilder, el 47% de las empresas identifica sesgo etario en sus propias herramientas de IA para contratación, el 44% sesgo socioeconómico, el 30% sesgo de género y el 26% sesgo racial o étnico.

La IA no es neutral por default. Es neutral si alguien la audita.

2. El riesgo legal ya tiene jurisprudencia

El caso emblema es Mobley v. Workday. Derek Mobley, un profesional afroamericano mayor de 40 años, aplicó a más de 100 posiciones que usaban la plataforma de screening de Workday y fue rechazado en todas. En un caso, aplicó a las 12:55 a.m. y recibió el rechazo a la 1:50 a.m. — nadie humano leyó esa postulación. En mayo de 2025, una corte federal de California certificó el caso como acción colectiva, un precedente histórico para demandas por sesgo algorítmico.

El detalle que debería desvelar a cualquier área de RRHH: las cortes están sosteniendo que el empleador es responsable aunque la herramienta sea de un proveedor externo y el sesgo no sea intencional. "Comprado a un tercero" no es defensa.

A esto se suma la regulación: NYC exige auditorías anuales de sesgo para herramientas automatizadas de contratación (Local Law 144), y el AI Act europeo clasifica los sistemas de IA para reclutamiento como de alto riesgo, con obligaciones de trazabilidad y supervisión humana. La dirección es una sola: usar IA en decisiones sobre personas va a requerir evidencia auditable.

3. Decisiones automáticas sin nadie mirando

Una encuesta a líderes de negocio (octubre 2024) indica que cerca de 7 de cada 10 empresas permiten que sus herramientas de IA rechacen candidatos sin ninguna supervisión humana. Ese es exactamente el escenario que generó el caso Workday, el caso iTutorGroup (donde la EEOC demandó porque el software rechazaba automáticamente a mujeres mayores de 55 y hombres mayores de 60) y la mayoría de los litigios en curso.

La línea es clara: IA que filtra y rankea, bien. IA que decide sola quién queda afuera, problema.

4. Los candidatos desconfían (y también usan IA)

Pew Research encontró que el 66% de los estadounidenses no querría postularse a un empleador que usa IA para tomar decisiones de contratación. La desconfianza no viene de la tecnología: viene de la opacidad. Nadie sabe qué evalúa el algoritmo ni por qué lo descartó.

Y mientras tanto, la IA juega de los dos lados de la mesa: CVs generados en segundos, postulaciones masivas, respuestas optimizadas para pasar filtros de palabras clave. El resultado es más volumen con peor señal. El dato más incómodo lo da el propio SHRM Benchmarking Survey 2025: el costo por contratación y el tiempo de contratación aumentaron en los últimos tres años — el mismo período en que explotó la adopción de IA generativa.

Si tu proceso era malo, la IA no lo arregla. Lo escala.

Buenas prácticas: cómo usar IA sin romper nada

1. Automatiza tareas, no decisiones finales. La IA filtra, ordena, rankea y arma shortlists. La decisión de contratar (y de descartar en etapas avanzadas) es humana, siempre. El 75% de los profesionales de RRHH coincide en que los avances en IA van a aumentar el valor del juicio humano, no a reemplazarlo (SHRM, Talent Trends 2024).

2. Evalúa habilidades reales, no proxies. Un algoritmo que rankea por palabras clave del CV solo automatiza el proxy más débil que existe. Pruebas técnicas, ejercicios prácticos, evidencia de competencias: eso sí genera señal. Y un beneficio lateral: el sesgo entra por los proxies (universidad, código postal, hueco en el CV), no por el desempeño medido.

3. Audita el sesgo de forma periódica — y exigíselo a tu proveedor. Preguntas mínimas antes de firmar:

• ¿Con qué datos se entrenó el modelo?
• ¿Qué auditorías de sesgo pasó y quién las hizo?
• ¿Qué variables pondera y cuáles excluye explícitamente?
• ¿Puede explicar por qué un candidato quedó afuera?
• ¿Quién asume la responsabilidad legal si el sistema discrimina? (Spoiler: vos. Mejor saberlo antes.)

4. Sé transparente con los candidatos. Di dónde y cómo usar IA en el proceso, qué evalúa y qué no. Además de ser exigencia regulatoria creciente, es marca empleadora: con dos tercios de los candidatos desconfiando, la transparencia es ventaja competitiva, no riesgo.

5. Medí resultados, no actividad. Más screenings por hora no es éxito. Éxito es mejor calidad de contratación, menor rotación temprana, menos horas del equipo técnico quemadas en entrevistas que no debían pasar el filtro. Si después de adoptar IA tu time-to-hire y tu costo por contratación no bajan, no adoptaste IA: adoptaste una suscripción.

La IA en RRHH no es buena ni mala. Es un amplificador.

Si tu proceso de selección es objetivo, medible y centrado en habilidades, la IA lo hace más rápido, más justo y más defendible ante un regulador. Si tu proceso es intuición disfrazada de criterio, la IA produce malas decisiones a escala industrial — y ahora, además, con jurisprudencia en contra.

Conoce cómo Naranja X resuelve sus contrataciones con un proceso a su medida

Naranja X y Rooftop.dev