El impacto adverso ocurre cuando un proceso de selección —automatizado o no— rechaza a un grupo protegido en una proporción sustancialmente mayor que a otro, sin que exista una razón relacionada con el desempeño del puesto. No requiere un algoritmo. No requiere intención. Requiere, únicamente, que nadie se haya sentado a medir las tasas de avance por grupo en cada etapa del proceso.
Esto se ha vuelto casi de sentido común cuando se habla de inteligencia artificial en reclutamiento. Lo que no es tan de sentido común es que exactamente el mismo riesgo existe en el proceso más tradicional: una batería de pruebas aplicada por un reclutador humano, una entrevista estructurada, un panel de evaluadores. El impacto adverso no es un defecto de la tecnología. Es un defecto de la ausencia de auditoría, y eso puede pasar en cualquier proceso, con o sin una sola línea de código de por medio.
Estas son cinco señales de que tu proceso de selección —tenga IA o no— podría estar generando impacto adverso sin que nadie lo haya notado:
El estándar más citado para detectarlo —la llamada regla de los cuatro quintos, de las Uniform Guidelines on Employee Selection Procedures (EEOC y otras agencias federales de EE. UU., 1978)— compara la tasa de avance de un grupo protegido contra la del grupo con mayor tasa de avance. Si la proporción cae por debajo de cuatro quintos, hay una señal de impacto adverso que debe investigarse. Es una regla simple, pensada para aplicarse a cualquier procedimiento de selección, sin importar si detrás hay un algoritmo, un examen en papel o una entrevista de dos personas. El problema en la práctica mexicana no es que la regla sea complicada. Es que casi ninguna empresa la aplica si su proceso no involucra tecnología nueva, porque el impacto adverso se sigue percibiendo, equivocadamente, como un riesgo exclusivo de la automatización.
Lo que muchos creen: que si el proceso "se siente justo" —nadie hace comentarios discriminatorios, las preguntas son las mismas para todos— entonces no hay impacto adverso que auditar. Lo que dice la psicometría: la equidad de un proceso no se determina por percepción, se determina midiendo. Es perfectamente posible que un proceso "neutral en apariencia" produzca resultados desiguales por etapa, sin que ningún participante haya actuado de mala fe. Qué debe verificar el lector: si tu empresa puede reconstruir, para las últimas veinte contrataciones, cuántas personas de cada grupo relevante avanzaron en cada etapa del proceso. Si esa información no existe, no hay forma de saber si hay impacto adverso o no.
Lo que muchos creen: que entre más "objetivo" parezca un criterio de corte —un puntaje mínimo, una calificación numérica—, menos necesita supervisión humana. Lo que dice la psicometría: ningún instrumento, por validado que esté, predice perfectamente el desempeño de una persona. Incluso los procedimientos de selección con mayor validez documentada explican una fracción del desempeño futuro, no su totalidad — es lo que muestran, con estimaciones actualizadas, tanto Schmidt y Hunter (1998) como la revisión posterior de Sackett et al. (2022). Los puntos de corte rígidos, aplicados sin revisión en los casos cercanos al límite, amplifican cualquier sesgo que el instrumento pueda tener, en vez de contenerlo. Qué debe verificar el lector: si existe un mecanismo de revisión humana para los candidatos que quedan cerca del punto de corte, antes de descartarlos automáticamente.
Lo que muchos creen: que evaluar "si la persona encaja con el equipo" es un criterio legítimo y neutral de selección. Lo que dice la psicometría: un criterio no ligado explícitamente a una competencia medible del puesto es, por definición, difícil de defender técnicamente, y es exactamente el tipo de criterio donde se cuela con más facilidad el sesgo del evaluador, consciente o no. Qué debe verificar el lector: si cada criterio usado para avanzar o descartar candidatos puede conectarse, por escrito, con una competencia específica que el puesto requiere.
Lo que muchos creen: que si una prueba psicométrica es reconocida internacionalmente, su validez viaja automáticamente a cualquier país donde se aplique. Lo que dice la psicometría: la validez y las normas de un instrumento están ligadas a la población sobre la que se calibraron. Los Standards for Educational and Psychological Testing (AERA, APA y NCME, 2014) son explícitos en este punto: la evidencia de validez no se transfiere automáticamente entre poblaciones distintas, así el instrumento tenga décadas de uso reconocido en su país de origen. Un instrumento normado en otro país puede generar resultados sistemáticamente distintos para un grupo cultural o lingüístico específico en México, sin que el instrumento esté "mal" en sí mismo — simplemente no fue calibrado para ese contexto. Qué debe verificar el lector: si el proveedor de la prueba puede mostrar evidencia de validación y normas específicas para población mexicana o latinoamericana, no solo para la población original del instrumento.
Lo que muchos creen: que, al ser un proceso interno de la empresa, no hay obligación de explicarle a un candidato rechazado por qué no avanzó. Lo que dice la psicometría: más allá de cualquier obligación legal específica, la capacidad de reconstruir y explicar el criterio de una decisión es lo que distingue a un proceso defendible de uno que solo "parece" objetivo. Si nadie en la empresa puede explicar el criterio, tampoco puede auditarlo. Qué debe verificar el lector: si tu equipo de RH podría reconstruir, hoy, el criterio exacto por el que se rechazó a los últimos diez candidatos, sin recurrir a "no cumplió el perfil" como única respuesta.
El impacto adverso no aparece por usar una herramienta específica. Aparece por la ausencia de auditoría, sin importar si el proceso corre sobre un algoritmo, una hoja de cálculo o el criterio de un reclutador experimentado. La pregunta que vale la pena hacerse no es "¿mi proceso usa tecnología riesgosa?", sino "¿alguien ha medido, con datos, si mi proceso trata igual a todos los grupos que deberían tener las mismas oportunidades?".
Si quieres conocer cómo Psicotest documenta validez, normas y evidencia técnica en cada instrumento que aplicamos en México, agenda una conversación con nuestro equipo. Y si te interesa profundizar en cómo este mismo riesgo se manifiesta específicamente en herramientas de IA para reclutamiento, puedes leer el artículo de esta semana: Discriminación algorítmica en reclutamiento: qué evitar
¿El impacto adverso es lo mismo que discriminación intencional? No. La discriminación intencional requiere una decisión consciente de excluir a un grupo. El impacto adverso puede ocurrir sin que nadie haya tenido esa intención; basta con que el resultado final trate desigual a un grupo protegido sin justificación relacionada con el puesto.
¿Qué es la regla de los cuatro quintos? Es un método práctico para detectar impacto adverso: se compara la tasa de avance de un grupo protegido contra la del grupo con mayor tasa de avance en la misma etapa del proceso; si la proporción cae por debajo de cuatro quintos (80%), es una señal de alerta que debe investigarse más a fondo.
¿Necesito un experto en estadística para medir esto en mi empresa? No necesariamente para empezar. Llevar un registro simple de cuántas personas de cada grupo relevante avanzan en cada etapa ya permite detectar patrones evidentes; un análisis más riguroso puede requerir apoyo de un especialista, pero la primera auditoría es más accesible de lo que parece.
¿Esto aplica solo a procesos con pruebas psicométricas? No. Aplica a cualquier etapa del proceso de selección: filtro de currículums, entrevistas, dinámicas grupales, pruebas técnicas y, por supuesto, pruebas psicométricas. El impacto adverso puede originarse en cualquier punto donde se tome una decisión de avanzar o descartar candidatos.
Psicotest es la plataforma de evaluación psicométrica con más de 15 años de trayectoria especializada y más de 20 millones de evaluaciones aplicadas en México y Latinoamérica. Evalúa con ciencia.
Referencias APA
Comisión de Igualdad de Oportunidades en el Empleo [EEOC], Comisión de Servicio Civil, Departamento del Trabajo, & Departamento de Justicia de Estados Unidos. (1978). Uniform guidelines on employee selection procedures. Federal Register, 43, 38290–38315.
Joint Committee on Standards for Educational and Psychological Testing (AERA, APA, & NCME). (2014). Standards for educational and psychological testing. American Educational Research Association.
Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2022). Revisiting meta-analytic estimates of validity in personnel selection: Addressing systematic overcorrection for restriction of range. Journal of Applied Psychology, 107(11), 2040–2068.
Schmidt, F. L., & Hunter, J. E. (1998). The validity and utility of selection methods in personnel psychology: Practical and theoretical implications of 85 years of research findings. Psychological Bulletin, 124(2), 262–274.
