La inteligencia artificial ya está integrada en los procesos de selección, desde el filtrado de currículums y la búsqueda de candidatos hasta los chatbots, las evaluaciones, la programación de entrevistas y las recomendaciones automatizadas. En 2026, la cuestión para los reclutadores ya no es si la IA influirá en la contratación. La cuestión es si la organización puede demostrar que utiliza la IA de forma legal, justa, transparente y adecuadamente controlada.
El entorno regulatorio está evolucionando en diferentes jurisdicciones, no mediante un único marco global. Una empresa que contrata en la Unión Europea puede estar sujeta al Reglamento de IA de la UE, además de a la normativa de protección de datos y al derecho laboral. En el Reino Unido, un empleador debe considerar el UK GDPR, el marco de protección de datos, la Equality Act 2010 y las nuevas orientaciones sobre decisiones automatizadas. Los empleadores estadounidenses también pueden estar sujetos a normas estatales y locales sobre herramientas automatizadas de decisión laboral.
Para los equipos de selección, esto crea un desafío práctico. El cumplimiento no puede delegarse completamente en el proveedor de software. El empleador sigue siendo responsable de comprender cómo se utiliza la IA en su proceso de contratación, qué datos se procesan, qué decisiones reciben influencia de la tecnología y qué medidas de protección existen.
La Unión Europea ha incluido muchos sistemas de IA utilizados en el empleo y la contratación dentro de la categoría de alto riesgo. Esto incluye sistemas utilizados para analizar y filtrar solicitudes de empleo, evaluar candidatos o tomar decisiones que afectan al acceso al empleo. La clasificación es importante porque los sistemas de alto riesgo están sujetos a requisitos más exigentes relacionados con la gestión de riesgos, la gobernanza de datos, la documentación, la transparencia, la supervisión humana, la precisión, la ciberseguridad y la monitorización.
El Reglamento de IA de la UE entró en vigor en 2024 y sus obligaciones se han ido introduciendo por etapas. El calendario regulatorio también ha evolucionado a medida que las conversaciones sobre su aplicación y posteriores acuerdos políticos han ajustado las fechas de aplicación. Para los sistemas de alto riesgo relacionados con el empleo, las organizaciones no deberían asumir que una única fecha representa el plazo completo de cumplimiento. Las obligaciones exactas pueden depender del papel de la organización, del tipo de sistema de IA y del calendario de aplicación correspondiente.
Por ello, los reclutadores deberían crear un inventario de las herramientas de IA utilizadas en el proceso de selección. Una lista sencilla podría incluir una plataforma de búsqueda que recomienda candidatos, una función del ATS que clasifica solicitudes, una herramienta de análisis de entrevistas por vídeo, una evaluación psicométrica y un asistente de IA generativa utilizado para resumir entrevistas. Estas herramientas pueden tener perfiles regulatorios muy diferentes.
Una distinción especialmente importante es si la IA simplemente ayuda a una persona o si influye de forma significativa en una decisión de empleo. Una herramienta que resume un currículum para un reclutador es diferente de un sistema que rechaza automáticamente a candidatos por debajo de un umbral de puntuación. Cuanto más directamente afecte un sistema al acceso al empleo, más cuidadosamente debería evaluar la organización sus riesgos legales y operativos.
En el Reino Unido, el cumplimiento de la IA en la contratación está estrechamente relacionado con las obligaciones de protección de datos y de igualdad. La Information Commissioner's Office ha convertido la toma de decisiones automatizadas en la contratación en un área importante de supervisión regulatoria. Su trabajo reciente ha señalado que algunos empleadores podrían estar utilizando sistemas para tomar decisiones con efectos legales o igualmente significativos sin una participación humana significativa.
Para los reclutadores, el problema práctico no es simplemente si existe una persona en algún punto del proceso general. La participación humana significativa debe ser real y aplicarse de forma coherente. Un reclutador que acepta automáticamente una recomendación de IA sin revisar las evidencias subyacentes puede no estar proporcionando una supervisión significativa. Del mismo modo, permitir una revisión humana únicamente para los candidatos que presentan una queja puede crear un proceso incoherente.
Las organizaciones deben poder explicar dónde se utiliza la automatización y cómo afecta a los candidatos. Esto incluye ser transparentes sobre el uso de decisiones automatizadas, explicar sus consecuencias relevantes y proporcionar vías adecuadas para que los candidatos puedan cuestionar las decisiones o solicitar una revisión humana cuando corresponda.
Los requisitos de protección de datos también siguen siendo fundamentales. Los sistemas de selección procesan grandes cantidades de datos personales, que pueden incluir historial laboral, formación, resultados de evaluaciones, notas de entrevistas y, potencialmente, información sensible. Antes de introducir un sistema de IA, las organizaciones deben considerar la base legal del tratamiento, la minimización de datos, la conservación, la seguridad, la exactitud y si es necesario realizar una Evaluación de Impacto relativa a la Protección de Datos.
Por ejemplo, si un empleador utiliza IA para clasificar candidatos basándose en datos históricos de contratación, debe comprender qué datos se utilizaron para desarrollar el sistema y si los patrones históricos podrían reproducir discriminación. Un modelo entrenado con una plantilla que carecía de diversidad puede identificar patrones de contratación anteriores sin comprender si esos patrones eran apropiados.
Uno de los cambios más importantes para los reclutadores en 2026 es el abandono de la idea de que las pruebas de sesgo de la IA son una actividad que se realiza una sola vez durante la compra de una herramienta. Un proveedor puede proporcionar información sobre cómo se desarrolló su sistema, pero los empleadores siguen necesitando comprender cómo funciona la herramienta en su propio entorno de selección.
El sesgo puede introducirse a través de los datos de entrenamiento, los anuncios de empleo, las decisiones históricas, el diseño de las evaluaciones, la calidad de los datos o la forma en que los reclutadores interpretan los resultados de la IA. Incluso un sistema técnicamente sofisticado puede producir resultados problemáticos cuando se utiliza con una población, un idioma, un puesto o un flujo de trabajo concreto.
Un programa práctico de monitorización debería comparar los resultados entre grupos relevantes cuando sea legal y apropiado. Los reclutadores podrían analizar si los candidatos de diferentes grupos demográficos son filtrados de forma desproporcionada en una etapa concreta, si existen diferencias significativas en las tasas de finalización de las evaluaciones o si un sistema de recomendaciones favorece constantemente determinados perfiles.
La monitorización también debería considerar los falsos negativos. Si una herramienta de filtrado mediante IA rechaza a un candidato que habría tenido éxito, la organización puede no enterarse nunca a menos que revise el proceso. Un candidato que queda fuera del proceso de selección normalmente no permanece el tiempo suficiente para proporcionar información sobre lo ocurrido.
Los responsables de selección deberían establecer claramente quién es responsable de esta monitorización. La pregunta no debería ser, “¿El proveedor dice que la herramienta no tiene sesgos?”. Debería ser, “¿Quién comprueba cómo funciona esta herramienta en nuestro proceso, con qué frecuencia se revisa y qué ocurre cuando se identifica un problema?”.
Una breve política interna que indique que los empleados deben utilizar la IA de forma responsable no es suficiente para una operación moderna de selección. Una gobernanza eficaz conecta la tecnología, los requisitos legales, los procesos de contratación y la responsabilidad.
Las organizaciones deberían documentar cada caso de uso de IA e identificar la decisión a la que presta apoyo. Por ejemplo, “la IA genera resúmenes de entrevistas” presenta un perfil de riesgo diferente de “la IA clasifica automáticamente a los candidatos para una entrevista”. La documentación debería identificar los datos utilizados, el proveedor, la finalidad, el papel humano, los riesgos potenciales y los controles existentes.
La adquisición de tecnología es otro punto de control importante. Antes de comprar una herramienta de IA para la selección, las empresas deberían preguntar a los proveedores cómo funciona el sistema a un nivel significativo, qué datos se conservan, si los datos del cliente se utilizan para entrenar modelos, cómo se comprueba el sesgo, cómo se monitoriza el rendimiento y qué documentación está disponible para las evaluaciones de cumplimiento.
Los contratos también deberían aclarar las responsabilidades. Si un proveedor de IA cambia un modelo, actualiza un algoritmo o introduce una nueva función, el empleador puede necesitar reevaluar el impacto sobre su proceso de selección. Una herramienta que era aceptable en el momento de la compra puede crear nuevos riesgos después de un cambio importante.
Los reclutadores también deberían conservar registros de las decisiones importantes. Si una recomendación de IA contribuye al rechazo de un candidato, la organización debería poder identificar el proceso correspondiente, la persona que tomó la decisión y la información considerada. Un buen registro de auditoría es útil no solo para los reguladores, sino también para el control interno de calidad y las reclamaciones de candidatos.
En 2026, las organizaciones no necesitan abandonar la IA para reducir el riesgo regulatorio. Necesitan utilizarla de forma deliberada. El primer paso es identificar todas las actividades que reciben apoyo de la IA a lo largo del ciclo de contratación, incluidas las herramientas utilizadas por reclutadores, responsables de contratación, agencias y proveedores externos de evaluaciones.
A continuación, cada caso de uso debería clasificarse según su impacto. La IA utilizada para redactar un correo electrónico no equivale a la IA utilizada para clasificar candidatos. La IA utilizada para resumir notas de una entrevista no equivale a la IA utilizada para determinar si un candidato avanza en el proceso. Este enfoque basado en el riesgo ayuda a las organizaciones a concentrar sus esfuerzos de gobernanza donde más importan.
Los equipos de selección también deberían revisar la transparencia dirigida a los candidatos. Los candidatos no deberían verse obligados a adivinar si la IA está evaluando su solicitud. Las comunicaciones de selección y los avisos de privacidad deberían explicar correctamente los usos relevantes de la automatización y los derechos o mecanismos de revisión disponibles.
La supervisión humana debería diseñarse dentro del flujo de trabajo, en lugar de añadirse después de que surja un problema. Un reclutador debe disponer de suficiente información, autoridad y tiempo para cuestionar un resultado de la IA. Simplemente colocar a una persona al final de un proceso automatizado no garantiza una supervisión significativa.
Por último, las empresas deberían revisar periódicamente su conjunto de tecnologías de selección. La regulación de la IA está evolucionando y los proveedores añaden continuamente nuevas capacidades. Un sistema que originalmente ofrecía automatización administrativa puede incorporar posteriormente puntuación de candidatos, recomendaciones generativas o funciones predictivas. Cada cambio debería activar una revisión de su impacto.
Tanto para los proveedores de ATS como para los empleadores, el cumplimiento se está convirtiendo en parte del estándar de calidad de la selección basada en IA. Plataformas como Zamdit pueden ayudar a adoptar un enfoque más controlado al reunir datos de candidatos, evaluaciones, cuestionarios de entrevistas, rúbricas y decisiones de contratación en un flujo de trabajo estructurado. Cuando la IA se utiliza junto con una revisión humana clara, procesos documentados y criterios de evaluación coherentes, las organizaciones están mejor posicionadas para beneficiarse de la automatización sin perder la responsabilidad.
Descubre cómo los equipos modernos de contratación pueden proteger los datos de candidatos mediante gobernanza sólida, tecnologías seguras, supervisión de proveedores y prácticas centradas en la privacidad. Aprende estrategias de cumplimiento que reducen riesgos y fortalecen la confianza.
Leer Más
Comprende el cumplimiento global en contratación, incluyendo GDPR y EEOC. Aprende estrategias para manejar datos de candidatos, prevenir discriminación y asegurar reclutamiento legal a nivel mundial.
Leer Más
El cumplimiento en el reclutamiento es esencial para que las startups eviten riesgos legales. Aprende consejos prácticos sobre anti-discriminación, privacidad de datos y verificación de elegibilidad.
Leer MásZamdit combina todo lo que necesitas para atraer, evaluar y seleccionar talento con rapidez, precisión y sin complicaciones.
No se requiere tarjeta de crédito
