La Contradicción en la Selección

En casi todos los discursos institucionales se repite la misma idea, “las personas son el activo más importante”. Se dice que el talento es estratégico, que la cultura organizacional depende de a quién se elige, que construir buenos equipos es clave para el negocio.

Y, en teoría, eso suena bien. Pero cuando uno mira cómo se están llevando a cabo muchos procesos de selección, aparece otra historia. Una que no calza con ese relato.

Hoy es común que la primera evaluación de un perfil la haga alguien con poco contexto del rol o del negocio. Y, al mismo tiempo, se espera que el proceso sea rápido, estandarizado y “eficiente”. Ahí es donde entra la tecnología. La inteligencia artificial, en particular, se ha vuelto una especie de solución para todo, desde filtrar currículums hasta resumir trayectorias o priorizar candidatos. Lo que antes requería una lectura fina, ahora parece resolverse con un par de prompts.

Pero juntar reclutadores inexpertos y algoritmos que simulan entender lo que leen no es precisamente una buena receta. Es una manera de simplificar algo complejo sin preguntarse qué se pierde en el camino.

Porque si de verdad creemos que las personas son lo más importante, no deberíamos estar tratando su selección como un trámite que se resuelve con algoritmos y velocidad.

La Urgencia por Cerrar

En la práctica, cuando una empresa dice que necesita incorporar a alguien, muchas veces lo que se activa no es una reflexión estratégica, sino una urgencia operativa, se necesita una terna rápido. Ese se ha vuelto el objetivo implícito. Y para lograrlo, la combinación más habitual hoy es conocida. Ponemos a personas con poca experiencia a cargo del filtro inicial, usamos procesos estandarizados y, cada vez más, confiamos en la inteligencia artificial como soporte principal.

La IA entra ahí como una promesa muy atractiva, la de acelerar el filtro y homogeneiza el proceso. Para organizaciones con volumen y presión de tiempo, parece razonable. Pero el problema no es usar IA, sino qué rol le damos y dónde la ponemos a decidir.

Donde más se usa, y donde más incide, no es en los cargos directivos, sino en los de entrada y en los mandos medios. Justamente ahí, donde hay volumen, rotación y urgencia, el filtro inicial suele quedar en manos de alguien con poco contexto del rol, apoyado en herramientas que estandarizan la evaluación. El resultado es una terna armada rápido, pero no necesariamente bien ajustada a lo que se necesita.

Esto no es menor, porque lo estratégico no es solo el cargo más alto. Lo estratégico es aquello que impacta la operación diaria y aquello que construye capacidad futura. Los perfiles junior son una inversión a futuro. De ahí salen los próximos mandos medios. Y los mandos medios son quienes sostienen equipos, traducen decisiones y hacen que las cosas pasen en el día a día. Sin embargo, son justamente esos dos niveles los que, con frecuencia, se procesan con menor profundidad.

En ese contexto, la IA no crea el problema, pero puede amplificarlo. Brinda apariencia de objetividad, sin que necesariamente mejore el criterio.

Cuando la selección se diseña para ser rápida y estandarizada, y se apoya casi por completo en herramientas que no entienden ni el rol ni el contexto de la organización, el problema no es técnico, sino estratégico.

¿Qué estamos optimizando?

Si analizamos cómo se arma hoy una terna en muchas organizaciones, la pregunta que surge es qué se está optimizando realmente. Con frecuencia queda la sensación de que la selección se diseña más para cumplir plazos que para tomar buenas decisiones.

En el día a día, el éxito del proceso rara vez se mide por la calidad del encaje “candidato – posición” seis meses después. Más bien se mide por algo simple e inmediato: “¿logramos traer tres candidatos para entrevistar?” o “¿cerramos la vacante a tiempo?”. Y cuando esa es la regla del juego, el sistema se vuelve una línea de producción. Se estandariza,  se acorta.

Ahí aparece la primera consecuencia. La juniorización del criterio. El filtro inicial, que en la práctica define casi todo, suele quedar en manos de analistas nuevos, practicantes o personas que recién se están formando. No es un juicio moral sobre ellos, sino una constatación. Puede ser gente inteligente y motivada, pero con poco contexto del negocio, del rol, del equipo y de lo que realmente significa “buen desempeño” en ese puesto. Y sin ese contexto, el proceso se vuelve necesariamente superficial, aunque esté muy bien documentado.

Así, el insumo principal termina siendo texto cada vez más homogéneo, entonces la selección queda optimizada para apariencia, no para darnos una señal.

Para compensar esa falta de contexto, se recurre a algo que parece seguro. Plantillas, rúbricas, preguntas estándar, checklists. El problema es que la estandarización ordena, pero no da profundidad. Facilita comparar, pero con criterios muchas veces pobremente definidos o derechamente irrelevantes para el desafío real. En vez de centrarnos en “qué necesitamos”, nos centramos en “qué podemos medir fácil”.

Y en ese escenario, la IA cae como anillo al dedo. Porque si el proceso ya estaba armado como un filtro de volumen, es decir rápido, repetible y más o menos genérico, la tecnología lo hace más barato y ágil. Produce una terna. Siempre produce algo. Y eso, en un entorno que premia velocidad, genera una ilusión peligrosa, pues siempre funciona.

Pero “funcionar” en este contexto solo significa que el sistema entrega un output. No significa que el output sea el correcto. Y lo más delicado es que, cuando el proceso está diseñado así, la responsabilidad se diluye. Nadie siente que está tomando una decisión estratégica, sino sienten que están ejecutando un procedimiento. La terna aparece como resultado “del sistema”, no como consecuencia del criterio de alguien con nombre y apellido.

Por eso, este es un problema profundo. Lo que estamos viendo es un proceso organizacional que transforma una decisión relevante en un trámite eficiente. Y cuando eso pasa, la pregunta ya no es si la IA acierta o se equivoca, sino qué estamos dejando de mirar para poder mover la terna más rápido.

CVs don’t tell

“Necesito tres perfiles para la próxima semana”. Ese correo, o WhatsApp, lo hemos visto todos. El problema es cuando esa urgencia se transforma en método y el método se vuelve norma.

Porque aquí sucede una magia peligrosa … la terna aparece.

Aparece limpia. Ordenada. Con CVs “buenos”. Con respuestas impecables. Con un resumen que suena profesional. Con un ranking que da tranquilidad. Y sin darnos cuenta, nos acostumbramos a una sensación gratificante: “listo, esto está bajo control”.

Solo que, muchas veces, es sólo la “ilusión” del control.

La terna bonita puede ser una terna ciega

Un ejemplo simple. Si hoy tomamos tres postulaciones, no es raro que suenen como si las hubiera escrito la misma persona. Misma estructura. Mismos verbos (“lideré”, “implementé”, “optimicé”). Mismos adjetivos (“orientado a resultados”, “colaborativo”, “resiliente”). Mismo tono pulido.

Eso no significa que la gente sea igual. Significa que el relato se está estandarizando.

Y cuando el relato se estandariza, el texto deja de ser una señal útil. Antes, aunque fuese imperfecto, al leer un documento era posible detectar cosas: claridad, confusión, humildad, humo, pensamiento propio. Hoy estamos leyendo la capacidad de una persona para producir un texto aceptable… con ayuda de la IA.

Y con esto perdemos una capacidad valiosa, la de distinguir diferencias reales entre candidatos. Actualmente, en muchas universidades se entrena a los estudiantes de último año para ser “buenos candidatos” para la IA de turno, “producir un buen CV” y así lograr pasar los primeros filtros automáticos, es decir, una IA entrenada para seleccionar. Este entrenamiento masivo de futuros candidatos nos deja nuevamente en el mismo punto inicial… no ser capaces de hacer distinciones valiosas entre candidatos.

¿Dónde pega más fuerte?

En cargos de entrada, el costo es opaco, silencioso. Metes gente que “calza” en papel, pero que luego no crece, no se adapta o no engancha con la cultura organizacional. Eso se acumula, y dos años después te preguntas por qué no tienes generación de recambio.

En mandos medios, el costo se nota más rápido. Una jefatura mal elegida es fricción diaria, desgaste del equipo, conversaciones mal llevadas, prioridades confusas, rotación. Y eso no sale en el KPI de “tiempo de contratación”.

En directivos, normalmente hay más conversación y menos automatización. Pero el hábito de no mirar también se instala. Cuando te acostumbras a decidir por narrativa prolija, reputación o señales superficiales, el riesgo es el mismo, solo que más caro.

El punto es ver lo que estamos dejando de hacer.

La tecnología puede ayudar. Mucho. El problema es cuando la usamos para saltarnos el trabajo incómodo. Cosas como mirar en detalle, aplicando criterio, haciendo buenas preguntas, entendiendo el contexto, fundamentando una decisión.

Porque la terna puede salir perfecta en el papel… y aun así estar equivocada.

Jeffrey Pfeffer[1],  resumió esta idea con la frase “Resumes don’t tell”. El CV domina el proceso, pero dice poco de lo que de verdad importa. Y no es solo porque la gente “maquilla” las cosas. Incluso cuando el contenido de un CV es cierto, sigue siendo un papel que describe cargos, fechas y afiliaciones, pero casi nada sobre cómo trabaja alguien, qué valores tiene o cómo se comporta cuando las cosas se ponen difíciles. Para peor, hay evidencia de que muchos CVs vienen con problemas serios. Un estudio de 2006 (sobre 1.000 currículums) reportó “major misstatements” en 42,7%. Si ya era frágil confiar en el papel, ahora es más difícil distinguir, pues la IA hace que todo suene impecable.

Es la guerra de las IAs. IAS “que filtran” versus IAs “que ayudan a pasar los filtros”.

En busca de la Capacidad Offline

Hay que reconocerlo… la velocidad es tentadora. Cuando te piden “tres perfiles para la próxima semana”, cuando el equipo está reventado, cuando el negocio aprieta, lo natural es querer cerrar el tema rápido. Y en ese contexto, armar una terna en tiempo récord se siente como un logro.

El problema es que muchas veces esa rapidez termina siendo pan para hoy y hambre para mañana. Cierras la vacante, y a los pocos meses vuelves al mismo punto. Fricción, desgaste, rotación, o simplemente la sensación de que esto no cuajó. Y ahí aparece la pregunta incómoda, ¿de verdad resolvimos algo, o solo pusimos un parche?

La inteligencia artificial entra justo en ese lugar. No inventó el cortoplacismo, pero lo facilita. Y como cumple, se vuelve adictiva. Nos acostumbramos a que el proceso entregue una terna. El riesgo es que, si el objetivo real es llegar a tres nombres rápido, la IA nos ayuda a lograrlo, aunque estemos optimizando lo equivocado.

Porque si lo que estás optimizando es velocidad, el sistema va a darte velocidad. Pero si lo que de verdad te importa es que la contratación funcione, que dure, que no te obligue a rehacer el mismo trabajo en tres meses, entonces tienes que diseñar el proceso para eso. Y ahí no hay atajo, sino trabajo.

Si fuese necesario expresar en una frase el punto central del artículo, sería “lo estratégico no se delega”. La terna no puede ser “lo que salió”. La terna define casi todo, y si define casi todo, entonces alguien con experiencia, alguien que entienda el rol y el contexto, tiene que mirarla como una decisión, no como un trámite. No por burocracia, sino por responsabilidad. Para definir qué estamos buscando, por qué, y qué estamos dejando fuera cuando filtramos como filtramos.

La táctica puede apoyarse en tecnología, pero la reflexión, el diagnóstico y la conclusión son del experto. La IA puede ayudar a ordenar el ruido, pero no puede reemplazar el momento en que alguien mira de verdad y diga: “estos tres tienen sentido para este equipo, para este desafío, para esta realidad”. Ese “tiene sentido” no sale de un ranking, sino de entender el desafío y el contexto.

Y si hay una herramienta que conviene fortalecer, es la de conducir una buena conversación. No una entrevista de formulario, no un checklist con sonrisa. Una conversación que nos muestre cómo piensa la persona, cómo decide cuando no hay manual, cómo explica lo que hizo, qué aprendió, qué evita, qué le cuesta. En el fondo, lo que llamamos la “capacidad offline”. Gente que funciona cuando no tiene guion, cuando no hay plantilla, cuando no hay IA ni internet. Esa capacidad se detecta conversando y preguntando bien y, mejor aún, observando a la persona en acción.

Dicho simple, no se trata de sacar la IA. Se trata de dejar de usarla para “soluciones parche”. Si la selección es estratégica, como tanto se repite, entonces que se note. En el criterio, en el contexto, y en que alguien se haga cargo de la decisión que se está tomando.

Pfeffer cuenta un caso que calza perfecto con esto. En un directorio hicieron lo típico. Se entusiasmaron con el candidato “más impresionante” en papel y, en vez de probarlo, terminaron vendiéndole la oportunidad durante la entrevista. Así, contrataron credenciales y presentación. ¿Resultado? Ventas estancadas, moral por el suelo y desarrollo de producto pobre, porque el proceso seleccionó lo que brilla en el CV y la entrevista, no lo que sostiene la ejecución cuando se acaba el PowerPoint.

Actualmente ese patrón se vuelve todavía más probable por lo siguiente. Dado que la IA filtra por criterios, el candidato optimiza su CV y su pitch para calzar con esos criterios. Y la entrevista, en vez de buscar evidencia, muchas veces termina confirmando lo ya filtrado o incluso convirtiéndose en una instancia de “venta” de la empresa. El resultado es que el CV y entrevista pierden poder discriminante.

En resumen, si optimizas velocidad y buena pinta, eso vas a obtener. Si quieres salir del problema, necesitas evidencia de capacidad real, contexto y conversación que deje ver cómo piensa alguien cuando aparece lo inesperado.

¿Cómo hacernos una idea del desempeño en “La Trinchera”?

El día que se cae ChatGPT, Gemini o Claude, entre otros, se acaba el piloto automático. Se acaba el “déjame chequear”. Y queda lo único que importa cuando la cosa se pone seria. Qué hace una persona frente a lo complejo e inesperado, cuando hay presión, cuando hay que decidir con información incompleta y hacerse cargo del resultado.

Eso conecta directo con la selección. Cuando la basas en procesos demasiado automatizados o estandarizados, corres el riesgo de terminar incorporando gente que funciona muy bien cuando todo está ordenado, cuando hay tiempo, cuando hay herramientas, cuando el entorno es amable. Pero que rinde poco en la trinchera. Y la vida organizacional tiene mucho de eso. Hay semanas de sobrevivencia, hay días donde la diferencia entre un equipo sólido y un equipo frágil se nota en minutos.

Pero nos convencemos a nosotros mismos de una historia cómoda. “No importa tanto la selección inicial, después vamos filtrando en el camino. La organización misma va a sacar a los que no den el ancho.” En la práctica eso casi nunca pasa. Las jefaturas tienden a mantener a los poco competentes. Se acostumbran. Uno de los autores (PR) le ha preguntado sistemáticamente a directivos sobre cómo evalúan a sus reportes directos en una escala de 1 a 7 y la respuesta es un promedio cercano a 5. Esto no es excelencia, es un rendimiento “suficiente” que se vuelve norma. Y cuando eso se instala, el “desde” se queda instalado por inercia,  por evitar conflicto.

En ese escenario, el riesgo no es solo “meter a alguien que rinde menos”. El riesgo es más estructural. Si el sistema premia a quien se apoya demasiado en la IA, terminas seleccionando perfiles que se vuelven frágiles cuando la herramienta no está. Y eso, con el tiempo, también les atrofia habilidades básicas. La persona deja de ejercitar lo esencial porque siempre puede tercerizarlo en un soporte externo. Elegir, priorizar, armar un plan propio.

Por eso el “test del apagón”, de ver a la persona en acción, sin IA, es tan útil. Cuando la IA no responde, cuando no hay copiloto, cuando el contexto cambia en cinco minutos, ¿qué hace esta persona? ¿Se queda esperando instrucciones o puede decidir con criterio propio y avanzar? Esa es la diferencia entre alguien que usa la tecnología y alguien que depende de ella.

Y aquí entra otra idea concreta. “No quiero un avatar, quiero escucharte a ti. Quiero conocer qué piensas, no solo un discurso hecho con IA. Porque cuando la organización está bajo presión, el texto bonito sirve de poco, quien hace la diferencia es la persona”.

Si el proceso no detecta esto, la organización paga dos veces. Primero en el corto plazo, con decisiones que se sostienen a medias. Después en el mediano plazo, cuando toca volver a lo mismo. Tres o seis meses después estás de nuevo en la misma conversación, con el mismo problema, con la misma urgencia.

El costo de tener a alguien seis meses o un año, y que se vaya o que quede instalado como “suficiente”, es muy alto. No solo en dinero, sino en energía, clima, foco y todo lo que el equipo deja de hacer mientras compensa a alguien que no está a la altura, especialmente cuando la cosa se pone seria.

Si el CV se homogeneiza y la entrevista se vuelve confirmatoria, acelerar el proceso solo industrializa aquello que no aporta.

Realidad Virtual + IA Generativa

Lo novedoso, lo innovador, sería usar la tecnología para generar algo que tenga valor y que hoy escasea, evidencia sobre cómo responde el candidato cuando debe decidir, priorizar e interactuar bajo presión y con información incompleta. Porque, al final, lo que determina si las cosas pasan y con qué calidad, oportunidad, coherencia y humanidad, no es un currículum ni la entrevista, sino cómo se comporta la persona en la trinchera.

Y para ello, combinar realidad virtual con modelos de IA generativa para montar escenarios exigentes y comparables puede ser muy potente (Agradecimientos a Diego Gomez-Zara, profesor e investigador de University of Notre Dame, por una conversación muy inspiradora).

La realidad virtual permite evaluar en condiciones que se parecen más a la realidad, porque pone a los candidatos frente a escenarios comparables y evaluables. Si a ese entorno le sumamos modelos de lenguaje, podemos obtener interlocutores virtuales que actúen como cliente difícil, colega que interrumpe, jefe que presiona o equipo poco coordinado, y que además cambian el guion según lo que la persona hace y dice.

Eso generaría evidencia observable sobre criterio, calma, escucha, negociación, priorización y capacidad de tomar decisiones, que es justamente lo que se pierde cuando solo medimos textos y relatos. Esta línea ya se está explorando en investigación reciente, incluyendo trabajos que combinan VR y LLM para visualizar ideas en entornos inmersivos y sistemas de simulación de equipos basados en interacciones de agentes.

No le pidamos a la IA que decida por nosotros. Pidámosle que genere situaciones donde el comportamiento aparezca y el experto pueda evaluarlo.

Lo estratégico … no se delega.

Automatizando.. automatizando… el tiempo es dinero…