Ciudad de México, 17 mayo 2026 Actualmente, el primer filtro en un proceso de selección suele ya no estar en manos de personas. Hoy en día, el 53% de los empleadores ya utilizan herramientas de IA para procesos de reclutamiento y selección, que incorporan softwares de inteligencia artificial (IA) para gestionar el alto volumen de postulaciones.
En la práctica, esto significa que antes de que un reclutador lea un currículum, la tecnología ya decidió cuáles son los que avanzan a la siguiente etapa. Esta situación lanza una advertencia especialmente relevante: evitar que la tecnología llegue a amplificar las desigualdades como los sesgos discriminatorios.
La Guía de Implementación de IA de Experis enfatiza que uno de los mayores riesgos de la IA en entornos empresariales es la discriminación indirecta, especialmente en decisiones que afectan a personas, como lo son el reclutamiento de personal, la asignación de beneficios, la evaluación de desempeño y la seguridad.
Se advierte que, incluso sin usar variables como género o edad, los modelos pueden reproducir patrones históricos discriminatorios, ya que los modelos de reclutamiento pueden llegar a favorecer ciertos perfiles que están sobrerrepresentados en datos históricos. Esto incluye algoritmos que penalizan zonas geográficas o comportamientos que actúan como sustitutos de etnia o nivel socioeconómico.
En México, las prácticas discriminatorias en el empleo son temas altamente sensibles. De acuerdo con el Inegi, la percepción de discriminación durante la búsqueda de empleo se presenta en:
- El 44.9% de las personas con discapacidad.
- El 31.7% de la población afrodescendiente.
- El 31.1% de la población indígena.
- El 23.1% de migrantes.
- El 44.6% de adultos mayores en el país.
Esta problemática choca con la necesidad de personal de las empresas, donde 7 de cada 10 empresas no logran cubrir sus vacantes por la falta de personal con las habilidades y conocimientos necesarios.
La Guía de Implementación de IA de Experis propone acciones operativas claras que las empresas deben adoptar para evitar la discriminación:
- A) Auditorías de sesgo periódicas: Revisar modelos antes, durante y después de su implementación. Detectar desviaciones o efectos desproporcionados. Crear métricas internas de equidad.
- B) Evaluación de datos de entrenamiento: Validar que los datos sean representativos y actualizados. Detectar patrones históricos que perpetúan desigualdades. Documentar el origen y propósito de los datos.
- C) Supervisión humana significativa: La guía insiste en que la IA no debe tomar decisiones críticas sin revisión humana.
- D) Ajuste y reentrenamiento continuo: La guía identifica que los modelos pierden precisión con el tiempo (model drift). Los ajustes regulares previenen decisiones injustas o desactualizadas.
“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 y la clave para conectar a las empresas con las habilidades que necesitan”, detalló Damian Malfatti, Managing Director de Experis para México.
