El ingreso de las nuevas tecnologías al departamento de Recursos Humanos ha transformado las reglas de contratación. Actualmente, el primer filtro de selección de personal ya no depende de un ojo humano; el 53% de los empleadores utiliza herramientas de Inteligencia Artificial (IA) para gestionar los altos volúmenes de postulaciones. Sin embargo, esta automatización ha encendido las alarmas debido a su capacidad para replicar, camuflar y amplificar sesgos discriminatorios históricos.
La trampa de los datos históricos y las variables “sustituto”
De acuerdo con la Guía de Implementación de IA de la firma especializada Experis, el mayor peligro radica en la “discriminación indirecta”. Aunque los programadores eliminen variables explícitas como el género, la raza o la edad, los algoritmos son capaces de identificar y favorecer patrones de perfiles sobrerrepresentados en el pasado.
Esto se traduce en algoritmos entrenados que penalizan de forma automatizada:
-
Códigos postales: Zonas geográficas asociadas a menores ingresos.
-
Comportamientos o modismos: Variables que actúan como sustitutos (proxies) de etnia o nivel socioeconómico.
-
Brechas en el historial: Penalización de pausas laborales, afectando principalmente a mujeres por temas de maternidad o cuidados.
El contraste: Escasez de talento vs. exclusión sistemática
Este sesgo tecnológico agrava la situación del mercado laboral en México, donde la percepción de discriminación durante la búsqueda de empleo ya registra tasas críticas, según datos consolidados del INEGI:
| Sector de la Población | Percepción de Discriminación en Búsqueda de Empleo |
| Personas con discapacidad | 44.9% |
| Adultos mayores | 44.6% |
| Población afrodescendiente | 31.7% |
| Población indígena | 31.1% |
| Comunidad migrante | 23.1% |
El panorama resulta contradictorio para la competitividad del país. Mientras los algoritmos excluyen sistemáticamente a estos grupos por rigidez estadística, 7 de cada 10 empresas en México declaran abiertamente que no logran cubrir sus vacantes debido a la severa escasez de personal con habilidades y conocimientos técnicos necesarios.
El protocolo de Experis para blindar la equidad
Para evitar que la IA profundice la brecha social, la guía operativa de Experis propone cuatro acciones obligatorias para los departamentos de capital humano:
-
A) Auditorías de sesgo periódicas: Evaluar matemáticamente los modelos antes, durante y después de su despliegue para detectar efectos desproporcionados en las contrataciones.
-
B) Depuración de datos de entrenamiento: Validar que las bases de datos de currículums históricos no perpetúen desigualdades del pasado y documentar el origen de la información.
-
C) Supervisión humana significativa: Mantener la política de que la IA sirva como un pre-filtro sugerente, pero que ninguna decisión crítica o descarte final ocurra sin la validación de un reclutador humano.
-
D) Mitigación del Model Drift: Reentrenar los modelos con regularidad, ya que los algoritmos pierden precisión y tienden a corromper sus criterios con el paso del tiempo.
“La tecnología, incluyendo la IA, es esencial para gestionar el volumen de talento, pero las decisiones críticas en el proceso de selección deben permanecer en manos de personas. Una IA bien calibrada es un motor de inclusión”. — Damian Malfatti, Managing Director de Experis para México.
