Herramientas de IA en reclutamiento: Cada vez más empresas las usan para preseleccionar candidatos, pero ¿qué pasa cuando cometen errores?
El caso de Chad Markey: de 82 rechazos a descubrir un fallo algorítmico
Chad Markey, estudiante de medicina de 33 años en la prestigiosa Universidad de Dartmouth, aplicó a 82 programas de residencia en hospitales de EE.UU. Con un historial académico impecable, experiencia en investigación y publicaciones, su expectativa era recibir múltiples ofertas. Sin embargo, ningún centro le concedió siquiera una entrevista. La sospecha lo llevó a indagar en un sistema que, sin saberlo, ya estaba decidiendo su futuro: Cortex, una herramienta de IA desarrollada por Thalamus.
Esta plataforma, adoptada por hospitales para estandarizar evaluaciones entre instituciones con criterios dispares, promete agilizar el proceso. Pero Markey descubrió algo alarmante: Cortex asignaba calificaciones erróneas a algunos solicitantes, incluyendo la suya. Su investigación personal reveló que el algoritmo interpretaba mal términos clave en su Evaluación del Desempeño como Estudiante de Medicina (MSPE).
El error que casi arruina su carrera: cuando «voluntario» no significa lo que parece
Al revisar su MSPE, Markey identificó el problema: el documento mencionaba que sus tres ausencias durante la carrera habían sido «voluntarias«. Para un humano, este término podría entenderse en el contexto de trámites administrativos. Pero para la IA, «voluntario» sonó a debilidad: una señal de que el estudiante cedía bajo presión académica. La realidad era distinta: Markey padece espondilitis anquilosante, una enfermedad crónica que requirió ausencias médicas justificadas.
El algoritmo no distinguió matices. En su lugar, penalizó su solicitud basándose en una interpretación literal de un término ambiguo. «Fue como si un robot decidiera que no era lo suficientemente resistente para ser médico, sin entender que mis ausencias eran por salud», declaró Markey en una entrevista con The New York Times.
La respuesta de Thalamus y el giro inesperado
Tras meses de silencio, Markey tomó una medida drástica: contactó directamente a los coordinadores de los programas de residencia, explicando su situación y compartiendo sus logros. Los resultados fueron inmediatos: recibió ofertas de entrevista y, finalmente, fue aceptado en el programa de psiquiatría de la Universidad de Columbia, uno de los más competitivos del país.
Ante las acusaciones, Thalamus emitió un comunicado negando que Cortex utilice IA para «clasificar, filtrar, excluir o puntuar» candidatos. Sin embargo, la empresa reconoció que la herramienta «organiza datos» para facilitar la revisión humana. Markey, no obstante, insiste en que su caso demuestra un sesgo algorítmico oculto: «Si la IA no está decidiendo, ¿por qué mi solicitud solo fue vista con interés después de que un humano interviniera?».
¿Cuántos candidatos están siendo filtrados sin saberlo?
El caso de Markey no es aislado. Según un estudio de Harvard Business Review (2023), el 75% de las empresas en EE.UU. y Europa usan herramientas de IA en reclutamiento, y hasta un 30% de los candidatos calificados son descartados por errores algorítmicos. Los más afectados suelen ser:
- Personas con brechas en su historial (por enfermedades, maternidad o cuidado de familiares).
- Profesionales que usan términos no convencionales en sus CV (ej.: «autodidacta» en lugar de «certificado»).
- Candidatos de instituciones menos conocidas, cuya terminología no está en las bases de datos de la IA.
Markey ahora aboga por transparencia en los algoritmos de contratación. «Si una IA va a influir en mi carrera, al menos debería poder saber cómo lo hace», exige. Su historia plantea una pregunta incómoda: ¿Cuántos talentos están siendo invisibilizados por sistemas que nadie audita?
Mientras las empresas confían cada vez más en la automatización, casos como el suyo revelan un riesgo creciente: la IA no solo acelera procesos, sino que también puede perpetuar —o crear— desigualdades.
