Si alguna vez has sentido que tu currículum desaparece en un agujero negro digital después de aplicar a un trabajo, no estás alucinando. Detrás de ese silencio incómodo no siempre hay un humano perezoso; ahora hay un ejército de Inteligencia Artificial entrenado para decir "no" por ti. Pero el problema no es que la IA filtre, sino cómo lo está haciendo. Estamos ante el dilema de los algoritmos de "baja calidad".
Según un estudio de Stanford HAI publicado en mayo de 2026 —el primer análisis a gran escala de algoritmos de contratación en uso real, con 3.4 millones de personas y 4 millones de solicitudes a 1,700 vacantes en 150 empresas—, el 90% de los empleadores en Estados Unidos ya usa herramientas de IA para filtrar candidatos antes de que un humano vea la solicitud. La mayoría depende de un puñado de mismos proveedores externos.
Si la IA hubiera recomendado a candidatos negros y asiáticos a la misma tasa que al grupo más favorecido, 40,000 solicitudes adicionales habrían avanzado a la siguiente etapa." — Estudio de Stanford HAI, mayo 2026
El Nuevo Filtro: "Calidad Percibida"
Olvídate del mito de que la IA es 100% objetiva. Se entrena con datos históricos, y esos datos están cargados de sesgos humanos. Si históricamente una empresa ha contratado solo a egresados de ciertas universidades o con ciertos patrones de empleo, la IA aprende que esos son los indicadores de "alta calidad". El glitch aparece cuando la IA interpreta que cualquier desviación de ese patrón es "baja calidad" y te manda directo a la papelera digital.
Por ejemplo, si tienes un currículum con saltos entre empleos de menos de un año (lo cual es normal para muchos Gen Z que exploran), la IA podría etiquetarte automáticamente como "candidato de alto riesgo de rotación" y descartarte sin que un solo ser humano vea tu aplicación. No importa si tu trabajo es brillante o si la razón de la rotación es válida; el algoritmo ya decidió.
El estudio de Stanford documentó algo todavía más inquietante: cuando muchas empresas dependen del mismo proveedor de IA para filtrar candidatos, una persona puede quedar excluida de todas las vacantes a las que aplica, sin que ninguna empresa lo decida individualmente. El 10% de los solicitantes que enviaron cuatro aplicaciones distintas fueron rechazados de absolutamente todas — un patrón que no aparece cuando las decisiones las toman empresas de forma independiente. Los investigadores lo llaman "rechazo sistémico": no es que cada empresa te rechace por tu culpa, es que el mismo algoritmo, replicado cientos de veces, decidió que no existes para el mercado laboral.
Esto no es futurista, es ahora. Muchas de las principales plataformas de reclutamiento y grandes corporaciones están usando estas herramientas para manejar el volumen masivo de aplicaciones, y lo hacen con poca transparencia. Las decisiones de la IA se vuelven una caja negra que determina tu futuro laboral.
La Paradoja de la Automatización y la Diversidad
La ironía es brutal: las empresas justifican el uso de la IA para "eliminar el sesgo humano" y promover la diversidad, pero la realidad es que el entrenamiento con datos históricos a menudo cristaliza y amplifica los sesgos existentes.
Si la IA es alimentada con un historial de contrataciones que favorecía implícitamente a un grupo demográfico específico, el algoritmo hará precisamente eso: favorecer a ese grupo, pero con la coartada de la "objetividad algorítmica". Es la misma historia, pero con una máscara tecnológica.
El mindset de la Gen Z está cambiando, y la IA no está captándolo. La flexibilidad, el trabajo remoto, los proyectos paralelos y el gigs economy son el pan de cada día, pero los sistemas de EAC están diseñados para un modelo de empleo corporativo de los 90s. La IA te está rechazando por ser un trabajador moderno.
El caso que está sentando precedente
En Estados Unidos, una corte federal autorizó en 2026 una notificación colectiva en el caso Mobley v. Workday — una demanda que acusa a uno de los proveedores de software de RH más usados del mundo de discriminar sistemáticamente a candidatos mayores de 40 años a través de su sistema de evaluación con IA. El caso está abierto a cualquier persona mayor de 40 años que haya sido rechazada por un empleador que usa Workday, y podría convertirse en el primer precedente legal serio sobre responsabilidad de proveedores de IA en contratación, no solo de las empresas que la usan.
Para México y LATAM, donde la adopción de estos sistemas crece sin marco regulatorio equivalente, el caso es relevante por una razón simple: las mismas plataformas (Workday, LinkedIn, Greenhouse, HireVue) operan aquí también, con el mismo código y los mismos sesgos, sin que exista litigio local que los confronte.
La IA no es el enemigo; la opacidad sí lo es. Lo que el estudio de Stanford deja claro es que el problema no es un algoritmo defectuoso aislado — es que la concentración del mercado en pocos proveedores convierte un sesgo puntual en exclusión generalizada. Y mientras esa concentración no se regule ni se audite, cada solicitud que envías pasa por una caja negra que decide, sin explicación, si existes para el sistema.
