By Daniel Whitmore, MSc in Industrial and Organizational Psychology
En resumen
Una entrevista con IA es una conversación estructurada que una IA conduce en nombre del empleador: hace preguntas relevantes para el puesto, adapta las repreguntas para profundizar en las respuestas del candidato y recoge el intercambio en una transcripción. En un montaje defendible, esa transcripción es el resultado — evidencia que un evaluador identificado puntúa con una rúbrica — y no una cifra opaca de «encaje». Las entrevistas con IA aportan más valor en el razonamiento verbal estructurado, la comunicación y el juicio situacional; no sustituyen a una prueba de trabajo práctica, y nunca deberían inferir personalidad o emoción a partir de la cara o del tono de voz de un candidato.
Qué es realmente una entrevista con IA (y qué no es)
Quitado el marketing, una entrevista con IA es una conversación con estructura. Un sistema de IA plantea al candidato un conjunto de preguntas relevantes para el puesto, escucha o lee las respuestas y repregunta para profundizar — como haría un buen entrevistador cuando una respuesta es pobre o una afirmación pide un ejemplo concreto. El candidato puede responder por voz o por escrito. Lo que sale por el otro extremo es un registro de lo que realmente se dijo: una transcripción, ligada a las preguntas que la provocaron.
Ese registro es lo importante. En una entrevista con IA bien construida, la transcripción es el entregable — evidencia que una persona lee y puntúa con una rúbrica. La IA condujo la conversación para que una persona no tuviera que agendar y aguantar cada llamada de primera ronda; no decidió nada.
Compare eso con la versión que dio mala fama a las entrevistas con IA: sistemas que analizan expresiones faciales, microgestos o tono vocal e infieren rasgos de personalidad o una puntuación de «encaje cultural». Ese enfoque tiene un respaldo científico débil y un gran problema de equidad — puede penalizar un acento, una expresividad plana, una webcam mala o una discapacidad que nada tiene que ver con el trabajo. La entrevista con IA útil produce evidencia que una persona puede comprobar. La dañina produce una cifra que nadie puede defender. Todo lo que sigue asume la primera.
| Entrevista con IA que reúne evidencia | «Análisis» de IA de caja negra |
|---|---|
| Hace preguntas estructuradas y relevantes para el puesto | Puntúa la cara, el tono o la elección de palabras |
| El resultado es una transcripción que lee una persona | El resultado es una puntuación opaca de rasgo o encaje |
| Un evaluador identificado puntúa con una rúbrica | La herramienta clasifica o criba automáticamente |
| Auditable: puede ver qué se dijo y por qué recibió esa puntuación | No auditable: el razonamiento queda oculto |
Cómo funciona la conversación: primero la estructura, repreguntas dentro de unos límites
El factor que más determina si una entrevista predice el desempeño es la estructura — las mismas preguntas centrales, ligadas a las competencias que el puesto necesita, puntuadas igual para todo el mundo. Décadas de investigación sobre selección apuntan en la misma dirección: las entrevistas estructuradas superan de forma sustancial a las no estructuradas, y es la estructura la que hace el trabajo. La ventaja real de un entrevistador de IA es que aplica esa estructura de forma consistente. No se cansa con el décimo candidato, no se desvía hacia la charla de cortesía y no le hace preguntas más fáciles al candidato con mejor currículum.
Pero la estructura sola puede parecer un formulario. La razón para usar IA en lugar de un cuestionario estático es la repregunta adaptativa: cuando un candidato da una respuesta vaga a una pregunta situacional, la IA le pide la acción concreta que llevó a cabo; cuando menciona una decisión, le pregunta qué sopesó. Bien hecho, esto indaga en las mismas competencias con más profundidad sin convertirse en una entrevista distinta para cada persona.
El riesgo de diseño es una repregunta que se va por las ramas — fuera del puesto, hacia terreno personal o hacia un laberinto que favorece a quien más habla. Por eso las repreguntas tienen que estar acotadas: en SkillCort, las repreguntas de una entrevista con IA se mantienen dentro del mapa de competencias del puesto. El sistema profundiza en lo que el puesto necesita de verdad y no improvisa preguntas que usted nunca aprobaría a un entrevistador humano. Espina dorsal estructurada, profundidad adaptativa, límites fijos.
Cómo se puntúan las entrevistas con IA — y cómo deberían puntuarse
Aquí se gana o se pierde casi toda la confianza. En una entrevista con IA defendible, la puntuación parte de la transcripción y se aplica a una rúbrica escrita por una persona: cada competencia tiene descriptores y cada respuesta se juzga frente a ellos. La IA puede ayudar — resumir una transcripción larga, señalar el fragmento en el que el candidato reconoció al cliente o sopesó un compromiso, e incluso redactar una puntuación anclada en la rúbrica para cada competencia. Lo que no puede hacer es decidir. La puntuación de cada criterio permanece pendiente hasta que un evaluador identificado la confirma o la corrige, y corregirla es tan fácil como confirmarla.
Esto importa más en las entrevistas que en casi ninguna otra cosa, porque una conversación es justo el tipo de evidencia rica y ambigua en la que un modelo lee con solvencia pero no del todo. Puede pasársele que la respuesta «poco pulida» de un candidato describía exactamente el criterio correcto, o que una respuesta fluida no decía nada. La persona que lee la transcripción capta eso — y asume la decisión.
El antipatrón es la «puntuación de entrevista» oculta: una única cifra que la herramienta asigna y pasa aguas abajo, con la transcripción enterrada o desechada. Si no puede abrir la entrevista de un candidato, leer lo que dijo y ver qué fragmento le valió qué puntuación de criterio, no tiene una evaluación — tiene un veredicto sin evidencia detrás. Y ningún candidato debería arrastrar una puntuación de entrevista con IA de un empleador al siguiente; cada decisión de contratación es propia y se juzga con su propia evidencia.
Qué puede y qué no puede medir una entrevista con IA
Las entrevistas con IA son fuertes donde la evidencia es verbal y estructurada. Encajan bien con el juicio situacional («un cliente dice X — ¿qué hace usted y por qué?»), la calidad de la comunicación, el razonamiento que se puede oír desarrollar a un candidato y el conocimiento del puesto explorado con repreguntas. Para la criba temprana de gran volumen — soporte al cliente, centro de contacto, venta interna — una entrevista estructurada con IA puede reunir mucha más evidencia comparable que una llamada de criba humana apresurada, sin el cuello de botella de la agenda.
Son débiles, o sencillamente la herramienta equivocada, en otros terrenos. Una entrevista pide al candidato que describa el trabajo o razone sobre él; no le pide que lo haga. Para cualquier cosa práctica — escribir la respuesta real al cliente enfadado, resolver el ticket, construir la cosa — una prueba de trabajo supera a cualquier entrevista, porque mide el resultado real y no el relato que el candidato hace de él. Y ninguna entrevista con IA debería intentar leer personalidad, emoción o «encaje» en una cara o en una voz; eso es el enfoque desacreditado de la primera sección, no una funcionalidad extra.
La respuesta práctica casi nunca es «entrevista o prueba de trabajo». Son las dos, en secuencia: una entrevista estructurada con IA para reunir evidencia amplia y comparable de forma eficiente, y luego una prueba de trabajo para los finalistas, para verlos hacer el trabajo. La entrevista le dice cómo piensa y comunica alguien; la prueba de trabajo le dice qué es capaz de producir realmente.
Equidad, sesgo y ley
La IA no elimina el sesgo de las entrevistas; cambia por dónde puede entrar y cuán visible es. Los riesgos reales en una entrevista con IA que reúne evidencia son concretos: un reconocimiento de voz que transcribe algunos acentos con menos precisión que otros, preguntas que no son genuinamente relevantes para el puesto y — lo peor de todo — una puntuación automatizada que descarta personas sin que nadie lea la evidencia. Cada uno tiene su mitigación: preguntas estructuradas relevantes para el puesto, transcripciones que revisa una persona y un punto de control de confirmar o corregir en cada puntuación, para que nadie sea rechazado por una máquina.
La regulación converge exactamente en esta disciplina. La Local Law 144 de la ciudad de Nueva York exige una auditoría de sesgo independiente de las herramientas automatizadas de decisión de empleo y un aviso al candidato antes de su uso. La Artificial Intelligence Video Interview Act de Illinois exige avisar a los candidatos, explicar cómo funciona la IA, obtener consentimiento y borrar las grabaciones si se solicita. El Reglamento de IA de la UE clasifica como de alto riesgo la IA usada en contratación, con obligaciones en materia de supervisión humana, transparencia y conservación de registros. Los detalles difieren según la jurisdicción y cambian con el tiempo — tome esto como orientación, no como asesoramiento jurídico, y consulte las normas que le aplican — pero la dirección es inconfundible: aviso, supervisión humana, auditabilidad.
Lo tranquilizador es que el diseño conforme y el diseño eficaz son el mismo diseño. Preguntas estructuradas relevantes para el puesto, una transcripción que se puede mostrar, una puntuación en manos de personas y un rastro de auditoría son lo que hace que una entrevista con IA sea a la vez defendible y buena prediciendo el desempeño. Una herramienta cuyo argumento sea «nuestra IA clasifica y criba a los candidatos por usted» le está vendiendo la arquitectura contra la que se mueve la ley — y la que menos probabilidades tiene de sobrevivir al «¿por qué?» de un candidato o de un regulador.
Una lista de comprobación para una entrevista con IA defendible
Si va a introducir entrevistas con IA, o a auditar una que ya usa, estas son las preguntas que separan una entrevista que reúne evidencia de una caja negra. Si puede responder que sí a todas, tiene un proceso que puede defender.
- Espina dorsal estructurada: ¿reciben todos los candidatos las mismas preguntas centrales relevantes para el puesto, puntuadas con la misma rúbrica?
- Repreguntas acotadas: ¿se mantienen las indagaciones adaptativas dentro de las competencias del puesto en lugar de irse por las ramas?
- Transcripción como evidencia: ¿puede abrir cualquier entrevista y leer exactamente qué se dijo?
- Puntuación en manos de personas: ¿confirma o corrige un evaluador identificado la puntuación de cada criterio, siendo corregir tan fácil como aceptar?
- Sin inferencia de cara ni voz: ¿puntúa el sistema las respuestas, y nunca la expresión facial, la emoción o el «encaje»?
- Transparencia con el candidato: ¿se les dice a los candidatos que les entrevista una IA, cómo funciona y cómo se tratan sus datos?
- Acompañada de una prueba de trabajo: ¿hacen los finalistas también el trabajo real, y no solo lo describen?
- Auditada por impacto: ¿está comprobando los resultados en busca de impacto adverso entre grupos y corrigiendo las preguntas que no se sostienen?
Ideas clave
- Una entrevista con IA debería reunir evidencia — preguntas estructuradas, repreguntas adaptativas, una transcripción que puntúa una persona — y no analizar la cara o la voz de un candidato para obtener una puntuación oculta de «encaje».
- La estructura es lo que hace que una entrevista prediga; el valor real de un entrevistador de IA está en aplicar esa estructura de forma consistente, con repreguntas acotadas al puesto.
- La puntuación debe partir de la transcripción y aplicarse a una rúbrica escrita por personas, con un evaluador identificado que confirme o corrija la puntuación de cada criterio.
- Las entrevistas con IA miden bien el razonamiento verbal y la comunicación, pero no pueden sustituir a una prueba de trabajo práctica — use ambas, en secuencia.
- Justo por diseño y lícito por diseño son el mismo diseño: preguntas relevantes para el puesto, una transcripción legible, decisiones en manos de personas y un rastro de auditoría (NYC LL144, Illinois AIVIA, EU AI Act).
Fuentes y lecturas adicionales
- Levashina, Hartwell, Morgeson & Campion (2014), "The Structured Employment Interview: Narrative and Quantitative Review of the Research Literature," Personnel Psychology
- McDaniel, Whetzel, Schmidt & Maurer (1994), "The Validity of Employment Interviews: A Comprehensive Review and Meta-Analysis," Journal of Applied Psychology
- Regulation (EU) 2024/1689 (EU AI Act) — Official Journal of the European Union
- NYC Local Law 144 — Automated Employment Decision Tools (NYC DCWP)