Durante décadas, encontrar trabajo ha significado escribir un currículum, enviarlo y esperar a que una persona de recursos humanos lo leyera. Ese esquema ha dejado de ser la norma. Cada vez más empresas utilizan sistemas automatizados que ordenan, filtran y clasifican cientos o miles de candidaturas antes de que ningún humano mire una sola línea.
Al mismo tiempo, han proliferado herramientas digitales para redactar y dar formato al currículum. Desde procesadores de texto clásicos hasta plataformas especializadas como Enhancv, el documento que representa la trayectoria profesional se ha convertido en un archivo de datos optimizado para ser entendido por algoritmos. El primer reclutador ya no es la persona sentada en una oficina, sino un sistema entrenado para decidir quién pasa o no a la siguiente fase.
Este cambio no es menor. Afecta a cómo se escriben los currículums, a qué perfiles tienen más posibilidades de superar el filtro inicial y a qué tipo de desigualdades se refuerzan en el mercado laboral. Entender cómo funciona esta nueva etapa es clave para interpretar qué está pasando con el empleo en un contexto de digitalización acelerada.
La automatización del proceso de selección no ha llegado de repente. Primero fueron las bases de datos internas, después los portales de empleo y más tarde los sistemas de seguimiento de candidatos, conocidos por sus siglas en inglés, ATS. Hoy muchos de estos sistemas incorporan técnicas de inteligencia artificial que no solo almacenan información, sino que toman decisiones.
Para las empresas, la lógica es sencilla. En sectores donde un anuncio de empleo puede recibir cientos de solicitudes, dedicar tiempo humano a leerlas todas es caro y lento. Un algoritmo puede analizarlas en segundos, asignarles una puntuación en función de ciertos criterios y descartar las que considera menos ajustadas al perfil buscado.
Esto no significa que los departamentos de recursos humanos hayan desaparecido, pero sí que una parte de su trabajo se ha desplazado hacia el diseño, supervisión y uso de sistemas que operan a gran escala. El currículum deja de ser un documento destinado a la lectura humana y se convierte en la entrada a un proceso automatizado de cribado.
Cuando un candidato sube su currículum a un portal o lo envía a través de un formulario en línea, el documento suele convertirse en texto estructurado. El sistema identifica elementos como nombre, experiencia, formación y habilidades a partir del formato y de determinadas palabras clave.
En los casos más sencillos, se trata de reglas relativamente rígidas. Si una oferta exige un determinado título universitario o un nivel concreto de idioma, el sistema descarta automáticamente las candidaturas que no lo mencionan. En otros casos, especialmente cuando se utilizan modelos de lenguaje, el proceso es más complejo y se basa en patrones aprendidos a partir de grandes cantidades de datos.
Estos modelos pueden, por ejemplo, valorar hasta qué punto la descripción de una experiencia se parece a las trayectorias de personas que han tenido éxito en puestos similares, o inferir competencias a partir de actividades aparentemente distintas. El resultado suele ser una puntuación o un listado de candidaturas ordenadas, que después alguien en la empresa revisa con más detalle.
La clave está en que el primer filtro ya ha ocurrido. El currículum que no encaja con los criterios del sistema puede no llegar nunca a ser leído por una persona, incluso aunque el candidato tenga capacidades reales para desempeñar el trabajo.
Este cambio en la forma de seleccionar personal ha generado todo un ecosistema de servicios alrededor del currículum. No solo existen portales donde subirlo, sino también herramientas que prometen mejorar sus probabilidades de superar filtros automáticos, desde asesores tradicionales hasta generadores de texto basados en inteligencia artificial.
Plataformas de creación de currículums en línea permiten elegir plantillas, estructurar secciones y adaptar el contenido a distintos perfiles profesionales. Muchas de ellas incorporan funciones que analizan el texto y sugieren mejoras, por ejemplo destacando palabras clave relevantes para un sector concreto o señalando frases demasiado genéricas.
En este contexto, servicios como Enhancv se presentan como intermediarios entre el candidato y los sistemas de cribado automatizado. Ofrecen modelos pensados para ser legibles por personas y por máquinas a la vez, e incluyen recomendaciones sobre cómo describir la experiencia, cómo ordenar los apartados y cómo personalizar el documento según el puesto.
Nada de esto elimina la necesidad de tener formación, experiencia o capacidades, pero sí moldea qué trayectorias se consideran atractivas y cómo deben presentarse para ser reconocidas dentro de un entorno donde el primer interlocutor es un algoritmo.
Desde la perspectiva de las empresas, la automatización del proceso de selección tiene ventajas claras. Permite gestionar volúmenes muy altos de candidaturas, reduce tiempos y puede ayudar a estandarizar criterios, evitando decisiones improvisadas o basadas únicamente en impresiones subjetivas.
Sin embargo, las mismas características que hacen atractivos estos sistemas introducen riesgos importantes. Un algoritmo solo puede evaluar aquello que está recogido en los datos de entrada, que en este caso son los currículums. Aspectos como la capacidad de aprendizaje, la creatividad o la facilidad para trabajar en equipo son difíciles de cuantificar y dependen en gran medida de cómo se describan en el documento.
Además, el sistema funciona como una caja negra para la mayoría de candidatos. Pocas personas saben qué criterios exactos utiliza el algoritmo, cómo pondera cada elemento o qué umbrales se aplican para descartar candidaturas. Esta opacidad dificulta la posibilidad de impugnar decisiones o de identificar errores sistemáticos.
La inteligencia artificial no opera en el vacío. Los modelos se entrenan con datos históricos, que reflejan patrones del mercado laboral existentes, incluidos sus sesgos. Si durante años determinados perfiles han tenido más acceso a ciertos puestos, es probable que el algoritmo aprenda a considerarlos como los más adecuados, reproduciendo y amplificando esa desigualdad.
Este problema se ha observado en distintos ámbitos, desde sistemas de evaluación de riesgo de crédito hasta modelos de reconocimiento facial. En el caso de la selección de personal, los sesgos pueden afectar a variables como el género, la edad, el origen geográfico o la universidad de procedencia, incluso cuando no se introducen explícitamente como criterios de filtrado.
A esto se añade la brecha digital. No todas las personas tienen el mismo acceso a información sobre cómo funcionan estos sistemas, ni a herramientas y asesoramiento para adaptar sus currículums. Quien conoce el lenguaje que esperan los algoritmos, o puede pagar servicios de optimización, parte con ventaja respecto a quien no dispone de estos recursos.
El resultado es un mercado laboral donde las decisiones se toman cada vez más en función de patrones estadísticos, lo que puede dejar fuera a perfiles atípicos, trayectorias no lineales o candidaturas que no encajan con la norma aprendida por la máquina.
Frente a este escenario, las personas que buscan empleo no tienen por qué resignarse a un papel pasivo, aunque tampoco pueden controlar por completo el funcionamiento de los algoritmos. Hay algunas estrategias que permiten aumentar las posibilidades de superar el primer filtro sin renunciar a la honestidad sobre la propia trayectoria.
Una primera recomendación es cuidar la claridad del currículum. Utilizar un formato limpio, con secciones bien diferenciadas, facilita el trabajo tanto de las personas como de los sistemas automatizados que extraen información. Incluir títulos de puestos y funciones que se aproximen a las denominaciones más habituales en el sector puede ayudar a que el algoritmo reconozca la experiencia.
También resulta útil adaptar el contenido al tipo de oferta. Sin caer en la tentación de inflar logros o inventar competencias, se pueden destacar aspectos distintos según el puesto, reorganizar apartados o añadir detalles sobre proyectos concretos que encajen con los requisitos publicados. Las herramientas de análisis de currículums pueden ofrecer pistas sobre qué elementos conviene enfatizar.
Finalmente, conviene no olvidar que el currículum no es el único canal. La red de contactos, la participación en comunidades profesionales o la visibilidad en proyectos abiertos siguen siendo formas relevantes de llegar a procesos de selección que no dependen exclusivamente de un filtro automatizado, o que al menos permiten que alguien dentro de la organización ponga nombre y contexto a una candidatura.
La extensión de la inteligencia artificial en la selección de personal no es solo un asunto técnico, también es un desafío regulatorio y educativo. Algunos marcos normativos empiezan a introducir obligaciones de transparencia y evaluaciones de impacto para sistemas automatizados que afectan a derechos fundamentales, incluida la posibilidad de acceder a un empleo.
Más allá de las leyes, existe un reto de alfabetización digital. Comprender que el primer interlocutor puede ser un algoritmo, que el currículum es leído como un conjunto de datos y que las decisiones se toman en función de patrones estadísticos forma parte del aprendizaje necesario para moverse en el mercado laboral actual. Este tipo de competencias se suman a las ya clásicas habilidades técnicas y sociales que se esperan de cualquier trabajador.
También se abre un campo de trabajo para orientadores, sindicatos y organizaciones que acompañan a personas en búsqueda de empleo. Su papel puede incluir la explicación de estos procesos, la revisión crítica de herramientas comerciales y la defensa de sistemas de selección que combinen eficiencia tecnológica con garantías de equidad y supervisión humana real.
No, pero su uso se ha extendido con rapidez, sobre todo en grandes compañías y en procesos donde se reciben muchas candidaturas. En otras organizaciones siguen predominando los métodos tradicionales, aunque a menudo combinados con bases de datos y formularios en línea que ya estructuran la información de manera automatizada.
Sí, siempre que la adaptación no convierta el documento en un texto incomprensible. Pensar en el algoritmo implica ser claro con los títulos, describir tareas de forma concreta y utilizar palabras habituales en el sector. Todo esto, bien hecho, también facilita el trabajo de quien finalmente leerá el currículum y debe tomar una decisión.
En la mayoría de los casos no. Las empresas suelen considerar estos sistemas parte de su infraestructura interna y no publican todos los detalles. Sin embargo, sí pueden ofrecer información general sobre el proceso, y algunos marcos regulatorios empiezan a exigir más transparencia cuando las decisiones afectan a derechos importantes como el acceso al empleo.
Ninguna herramienta puede garantizarlo. Lo que sí hacen algunos servicios es ayudar a ordenar mejor la información, a utilizar un lenguaje más cercano al que esperan los sistemas y a evitar errores de formato. Son apoyos útiles, pero no sustituyen la necesidad de tener un perfil ajustado al puesto ni eliminan por completo la incertidumbre del proceso de selección.
La entrevista continúa siendo una pieza central del proceso de selección. Es el espacio donde se evalúan aspectos difíciles de reflejar en un currículum, como la comunicación interpersonal o la capacidad para resolver problemas en tiempo real. El riesgo es que, si el filtro algorítmico es demasiado rígido, algunas personas nunca lleguen a esa fase a pesar de ser candidatas válidas.
La presencia de la inteligencia artificial en la selección de personal no significa que el mercado laboral esté completamente determinado por máquinas, pero sí indica que una parte de las decisiones se toma cada vez más lejos de la mirada directa de candidatos y candidatas. Comprender cómo funciona este primer filtro, y qué papel juega el currículum dentro de él, es un paso necesario para seguir siendo protagonista de la propia trayectoria profesional en un entorno de reglas cambiantes.