By Daniel Whitmore, MSc in Industrial and Organizational Psychology
En resumen
En contratación, la IA debería funcionar como apoyo a la decisión: puede redactar tareas y rúbricas, resumir respuestas y transcripciones de entrevistas y proponer puntuaciones por criterio — pero una persona identificada confirma o corrige cada puntuación, y cada decisión pertenece a una persona capaz de explicarla. Cada resultado asistido por IA debería llevar su procedencia (qué modelo, qué versión), de modo que el papel que la IA desempeñó en una decisión siga siendo auditable después.
«La IA eligió al candidato» son dos fallos en una sola frase
El primer fallo es la responsabilidad. Una decisión de contratación afecta al sustento de una persona, y alguien tiene que poder asumirla: explicársela al candidato, defenderla ante un responsable y responder por ella si se cuestiona. «El modelo le dio una puntuación más baja» no es una explicación; es una renuncia. Cuando ninguna persona identificada respalda un rechazo, la organización no ha automatizado una decisión. La ha dejado huérfana.
El segundo fallo es la calidad, y se comenta menos. Un modelo que lee la respuesta de un candidato de soporte a un cliente enfadado puede valorar la estructura y el tono con solvencia, pero no sabe que su equipo está desbordado de escalados de reembolso este trimestre, que el puesto cubre la baja de su mejor persona para desescalar conflictos, ni que el responsable de contratación puede enseñar a escribir pero no criterio. El contexto relevante para la decisión reside en las personas. Un modelo que decide solo decide con menos información de la que tenía el panel.
Así que el enfoque habitual — la supervisión humana como freno de seguridad atornillado a una decisión de la IA — lo plantea al revés. La persona no revisa la decisión de la IA; la IA prepara la de la persona. La inversión también importa en la práctica. Un revisor que sella sin más la salida de la máquina deriva hacia los puntos ciegos de la máquina, mientras que un evaluador que asume la decisión usa la máquina para ver más, no para pensar menos.
Qué aspecto tiene realmente una buena asistencia de IA
Rechazar la IA como decisora no es rechazar la IA — eso desperdiciaría la tecnología más útil para los revisores que ha visto la evaluación. La evaluación mediante pruebas de trabajo produce justo el tipo de evidencia con el que la IA se maneja de verdad bien: respuestas escritas largas, resultados de tareas de varios pasos, sesiones enteras de actividad que llevan un tiempo real leer en frío. Usada como asistente, hace que la evaluación humana sea más rápida y más consistente sin desplazar el criterio al que existe para servir.
La prueba para cada funcionalidad es la misma: ¿prepara el criterio del evaluador o se anticipa a él? La asistencia que la supera entrega a la persona mejor material y deja la conclusión abierta; la que no la supera reduce en silencio el papel de la persona a un sí o no sobre la opinión de la máquina. En una contratación de soporte al cliente o de venta interna, la asistencia que supera la prueba se parece a esto:
- Resúmenes: condensar el ejercicio completo de cola de tickets de un candidato o su acta de llamada de descubrimiento en un informe que el evaluador pueda contrastar con el resultado original en un clic.
- Indicadores de evidencia: señalar dónde una respuesta reconoció al cliente, dónde se tomó una decisión de política y dónde una objeción se respondió de verdad en lugar de esquivarse.
- Puntuaciones preliminares por criterio: proponer una puntuación anclada en la rúbrica para cada criterio, con los fragmentos que la justifican — un punto de partida, nunca un veredicto.
- Avisos de consistencia: detectar cuándo la puntuación de un evaluador se aparta mucho del descriptor de la rúbrica que citó, y sacarlo a la luz para la calibración.
- Señales de integridad: marcar anomalías de la sesión para una revisión humana proporcional — nunca un rechazo automático.
| La IA redacta y saca a la luz | Una persona identificada decide |
|---|---|
| Borradores de tareas, preguntas y rúbricas | Qué mide realmente el puesto |
| Resúmenes de respuestas largas y transcripciones | Cómo ponderar la evidencia |
| Sugerencias de puntuación por criterio | La puntuación confirmada — y cualquier corrección |
| Indicadores de evidencia y avisos de integridad | Si un candidato avanza |
Confirmar o corregir: el punto de control que mantiene el mando en las personas
El detalle de diseño que separa el apoyo a la decisión del blanqueo de decisiones es el punto de control explícito. Toda puntuación redactada por la IA en SkillCort permanece pendiente hasta que un evaluador identificado la confirma o la corrige — y corregirla no exige nada más que el criterio del evaluador. Sin peaje de justificación, sin fricciones que penalicen calladamente llevar la contraria a la máquina. Si corregir es más difícil que aceptar, ha construido una IA que decide, con pasos de más.
Las correcciones también son señal, no ruido. Cuando los evaluadores corrigen sistemáticamente la puntuación preliminar en un criterio de juicio dentro de la política, eso indica que el descriptor de la rúbrica es ambiguo o que la tarea necesita rediseño — información que un flujo de sellado silencioso nunca sacaría a la luz. El punto de control mantiene el mando en las personas y, como efecto secundario, mantiene la asistencia honesta sobre dónde ayuda y dónde no.
Por eso insistimos en que cada confirmación lleve un nombre. «Un evaluador lo aprobó» es responsabilidad; «el sistema lo procesó» no lo es. La unidad de decisión en contratación es una persona con una justificación, y la herramienta debería hacer visible a esa persona en lugar de diluirla. Cuando un candidato pregunta por qué no avanzó, la respuesta debería empezar por quién decidió — y el expediente de evidencia debería poder decirlo.
Procedencia: cada resultado asistido lleva sus comprobantes
Si la IA interviene en una evaluación, el registro debe decirlo. Cada resultado asistido por IA en el expediente de evidencia de un candidato lleva su procedencia: qué modelo lo produjo, qué versión, cuándo se ejecutó, qué se le pidió y quién confirmó o corrigió el resultado. No como adorno de cumplimiento — como aquello que hace que una decisión asistida sea auditable siquiera.
La procedencia responde a las preguntas que, de otro modo, quedarían sin respuesta meses después. ¿Se generó este resumen antes o después de que cambiara la rúbrica? ¿Las puntuaciones preliminares de estos dos candidatos salieron de la misma versión del modelo, de manera que sus puntos de partida sean comparables? ¿Qué persona convirtió esta sugerencia en una puntuación? Sin registro, «asistido por IA» degenera en «decidido por IA, sin posibilidad de verificarlo». Con él, un auditor, un candidato o su propio equipo pueden reconstruir exactamente dónde terminó la aportación de la máquina y dónde empezó el criterio humano.
La regulación converge en la misma línea
Esto no es solo nuestra filosofía; es la dirección que toma la ley. El Reglamento de IA de la UE considera de alto riesgo los sistemas de IA usados en decisiones de contratación y empleo, con obligaciones que apuntan de lleno a la supervisión humana, la transparencia y la conservación de registros — la misma tríada que los puntos de control de confirmar o corregir, la asistencia etiquetada y los registros de procedencia. Los reguladores de otros lugares están examinando las decisiones automatizadas de empleo en términos parecidos. Las obligaciones concretas varían; la dirección no.
Los equipos que construyen ahora la disciplina de la decisión humana no están haciendo una apuesta de cumplimiento: están construyendo el proceso que describen los reguladores, porque era el proceso correcto de todos modos. Un proveedor cuyo argumento sea «la IA clasifica y rechaza por usted» le está vendiendo justo la arquitectura contra la que va la trayectoria regulatoria. El apoyo a la decisión con responsabilidad nominal no es la opción prudente. Es la duradera.
Nuestra posición, dicha con claridad
La IA en la evaluación debería hacer el criterio humano más rápido, más consistente y mejor documentado con evidencia — y nunca debería sustituirlo. En la práctica eso significa: la IA resume y señala evidencia; la IA redacta puntuaciones por criterio frente a una rúbrica escrita por personas; una persona identificada confirma o corrige cada puntuación; cada resultado asistido registra su modelo, su versión y su revisor; las señales de integridad van a revisión humana, nunca a un rechazo automático; y ningún candidato arrastra jamás una puntuación de IA oculta de un empleador a otro.
Esto es lo que exige una evaluación centrada en pruebas de trabajo. Todo el sentido de pedir a un candidato que haga el trabajo real — atender al cliente enfadado, trabajar el pipeline — es que una persona que entiende el puesto lea el trabajo y decida. Cualquier cosa que quite a la persona quita el sentido. De la puntuación al relato, de la máquina al margen, de la decisión a un nombre: ese es el estándar con el que construimos, y aquel al que creemos que acaba llegando el sector.
Ideas clave
- «La IA eligió al candidato» falla dos veces: nadie asume la decisión y la decisión se tomó con menos contexto del que tenían las personas.
- La buena asistencia de IA es concreta: resúmenes, indicadores de evidencia, puntuaciones preliminares ancladas en la rúbrica y avisos de calibración — nunca selección ni rechazo.
- Cada puntuación redactada por la IA espera a que un evaluador identificado la confirme o la corrija, y corregirla debe ser tan fácil como aceptarla.
- El registro de procedencia — modelo, versión, marca de tiempo, tarea, revisor — es lo que hace que la evaluación asistida por IA sea auditable en lugar de inverificable.
- El Reglamento de IA de la UE considera la contratación un ámbito de alto riesgo, y su énfasis en la supervisión, la transparencia y los registros apunta en la misma dirección que una evaluación decidida por personas.