La demostración es impecable. Tres mil currículums entran al sistema y en minutos salen ordenados de mayor a menor ajuste al puesto. El vendedor te muestra la pantalla, te da una cifra de ahorro en horas de reclutamiento y te pregunta cuándo quieres arrancar el piloto. Casi nadie hace, en ese momento, la única pregunta que importa: ¿con base en qué?
No es una pregunta retórica ni una objeción de principio. Tiene tres formas precisas, y cada una corresponde a algo que el proveedor debería poder demostrarte con documentos, no con una demo. Que su sistema predice lo que dice predecir. Que no produce desventaja sistemática contra grupos protegidos. Que puede explicar cómo decidió, con documentación suficiente para sostener esa explicación ante un candidato o ante una autoridad, y decir quién responde por la decisión. Cuando alguna de las tres no se puede demostrar, el hueco no se queda en lo técnico: produce simultáneamente una exposición jurídica concreta bajo la ley mexicana vigente y un costo operativo que aparece en el peor momento posible.
En las páginas que siguen vas a encontrar qué se está vendiendo hoy bajo la etiqueta de inteligencia artificial para reclutamiento y por qué mecanismo funciona cada cosa; qué dice la evidencia revisada por pares sobre si estas herramientas predicen lo que dicen predecir; qué cuerpos normativos mexicanos ya te alcanzan aunque México no tenga todavía una ley de inteligencia artificial; y trece preguntas concretas que puedes llevarle a tu proveedor actual o a uno que estés evaluando.
Este documento no argumenta contra el uso de inteligencia artificial en reclutamiento. Argumenta contra su uso sin evidencia, que es una cosa distinta. En Psicotest llamamos a la alternativa evaluar con ciencia. Y la ciencia, cuando es seria, deja rastro documental.
La etiqueta cubre al menos seis familias tecnológicas que funcionan por mecanismos distintos, exigen evidencia distinta y fallan de maneras distintas. Tratarlas como una sola categoría es el primer error, y es el que vuelve imposible evaluar a un proveedor: no puedes pedir la evidencia correcta si no sabes qué tipo de afirmación te están haciendo.
El filtrado automatizado de currículums compara el texto de la solicitud con la descripción del puesto, ya sea por coincidencia de palabras clave o por representaciones semánticas más sofisticadas, y devuelve un puntaje o un orden. La entrevista asíncrona con puntuación automática graba las respuestas del candidato sin interlocutor humano, extrae características del habla, del rostro y del lenguaje, y las procesa con modelos de aprendizaje automático. El scoring de ajuste al puesto entrena un modelo sobre el historial de contrataciones de la propia empresa o del proveedor y produce una probabilidad de encaje. La inferencia de rasgos desde huella digital perfila a la persona a partir de redes sociales o patrones de comportamiento en línea, sin instrumento psicométrico de por medio. La evaluación gamificada genera puntuaciones vinculadas a constructos como razonamiento o personalidad a partir de un juego o una simulación. Y los chatbots de preselección aplican reglas de descarte o recogen información estructurada antes de que intervenga un reclutador.
Hay una diferencia importante entre cómo se venden estas herramientas y cómo se usan. Un análisis de datos de archivo de un proveedor real encontró que las entrevistas asíncronas suelen aplicarse a grupos pequeños de candidatos, con cuatro o cinco preguntas, típicamente con treinta segundos para preparar la respuesta y dos minutos para grabarla, y que rara vez se permite al candidato previsualizar las preguntas o volver a grabar (Dunlop et al., 2022). Son configuraciones breves y con escaso margen para anticipar preguntas o corregir una respuesta. El estudio describe cómo se aplican estas entrevistas; no evaluó si esos formatos son psicométricamente robustos.
Sobre cuánto se usa esto en México, hay que ser honestos. En la búsqueda hecha para este documento, con corte a agosto de 2026, no localizamos una estimación específica y desagregada para México, con metodología verificable, sobre el uso de herramientas de inteligencia artificial en reclutamiento. Las cifras que localizamos en esa búsqueda correspondían a adopción de inteligencia artificial en general, o a otros mercados laborales. Preferimos señalar el vacío antes que importar un número que no describe lo que aquí ocurre.
La IA en reclutamiento no es una tecnología, son varias. Aquí distinguimos seis que fallan de maneras distintas: sin saber cuál te está vendiendo tu proveedor, no puedes exigirle la evidencia correcta.
En materia de datos personales. La ley vigente reconoce al titular el derecho a oponerse cuando sus datos sean objeto de un tratamiento automatizado que le produzca efectos jurídicos no deseados o afecte de manera significativa sus intereses, derechos o libertades, y esté destinado a evaluar sin intervención humana determinados aspectos personales o a predecir, entre otras cosas, su rendimiento profesional.
El derecho de oposición no procede cuando el tratamiento es necesario para cumplir una obligación legal del responsable. El reglamento de dicha ley dispone que cuando se traten datos personales como parte de un proceso de toma de decisiones sin que intervenga la valoración de una persona física, el responsable debe informar al titular que eso ocurre. El criterio administrativo oficial que interpreta ese artículo precisa el momento: la comunicación o advertencia debe darse previo a la realización del proceso.
En materia de discriminación. La Ley Federal para Prevenir y Eliminar la Discriminación define, la discriminación indirecta como aquella que se produce en la esfera pública o privada cuando una disposición, un criterio o una práctica aparentemente neutro es susceptible de implicar una desventaja particular para las personas de un grupo específico, o los pone en desventaja, salvo que tenga un objetivo o justificación razonable y legítimo.
Un modelo que no usa ninguna categoría protegida como variable de entrada, pero que produce desventaja sistemática para un grupo, puede encajar de entrada en esa definición, salvo que el criterio tenga un objetivo o justificación razonable y legítimo. La misma ley enumera además, entre las conductas que se consideran discriminación, restringir las oportunidades de acceso al empleo. Y la ley establece la salida: no se juzga discriminatoria la distinción basada en criterios razonables, proporcionales y objetivos cuya finalidad no sea el menoscabo de derechos.
Ahí es donde la evidencia técnica se vuelve jurídica. La evidencia de validez de un instrumento es una pieza central para sostener que un criterio de selección es razonable, proporcional y objetivo. No es una eximente automática —esa es una sobreafirmación que conviene evitar—, pero sin ella la defensa se queda sin su elemento principal.
En materia laboral. La Ley Federal del Trabajo prohíbe a las personas empleadoras negarse a aceptar trabajadores por origen étnico o nacional, género, edad, discapacidad, condición social, condiciones de salud, religión, opiniones, preferencias sexuales, estado civil o cualquier otro criterio que pueda dar lugar a un acto discriminatorio. La fórmula abierta del final es la relevante: un criterio correlacionado con una categoría protegida, aunque no sea idéntico a ella, puede caber en «cualquier otro criterio».
Que México no tenga una ley dedicada exclusivamente a la inteligencia artificial, no significa que la inteligencia artificial no esté regulada en el reclutamiento. Significa que la regulan las leyes de siempre, y ninguna de ellas te exime por haber delegado la decisión en una máquina.
Toda herramienta que ordena o descarta candidatos por su supuesto ajuste, desempeño o potencial hace en el fondo la misma promesa: que quienes obtienen mejor puntaje van a desempeñarse mejor en el trabajo. Las que solo automatizan la comprobación de requisitos objetivos no formulan esa promesa, pero sí deben demostrar la exactitud de sus reglas y la relevancia de esos requisitos para el puesto.
Esa promesa tiene un nombre técnico —validez de criterio— y una forma de comprobarse que lleva décadas establecida: se evalúa a un grupo de candidatos, se contrata a algunos, se mide su desempeño laboral tiempo después con un criterio independiente, y se examina la relación entre ambas cosas.
Como punto de referencia, la revisión meta-analítica de Sackett y colaboradores (2022) sitúa a la entrevista estructurada como el predictor con mayor validez operativa media entre los métodos tradicionales de selección, por encima de las pruebas de conocimiento del puesto, los datos biográficos con clave empírica y las muestras de trabajo. Las implicaciones de esas estimaciones se han discutido después en un artículo focal y en comentarios metodológicos (Sackett et al., 2023); las tratamos como la mejor estimación disponible, no como un dato cerrado.
Ahora la pregunta incómoda: ¿existe evidencia equivalente para las herramientas de inteligencia artificial?
Un estudio psicométrico amplio sobre entrevistas asíncronas puntuadas por aprendizaje automático trabajó con 710 participantes que respondieron una entrevista simulada, y entrenó modelos sobre características extraídas del audio, el video y el texto (Koutsoumpis et al., 2024). El criterio que usaron para validar el modelo fueron las calificaciones de desempeño en la entrevista, no el desempeño laboral posterior. Un estudio previo sobre validez de constructo en este formato, con tres muestras y algo más de mil participantes, se realizó también en condiciones de bajas consecuencias (Hickman et al., 2022).
Esto no es un defecto de esos estudios. Es una característica del estado del campo, y tiene una consecuencia directa: cuando un proveedor te dice que su modelo «predice el desempeño», conviene preguntar el desempeño de qué. Predecir cómo va a calificar un evaluador humano una entrevista es un logro técnico real, pero es una afirmación mucho más modesta que predecir cómo va a trabajar alguien.
Ese mismo estudio aporta un matiz que rara vez aparece en un pitch comercial. Las características verbales —lo que la persona dice— explicaron la mayor proporción de las calificaciones de personalidad hechas por observadores y del desempeño en la entrevista. Para los autoinformes de personalidad no hubo diferencias sustanciales entre modalidades y la varianza explicada fue mucho menor. El audio, por su parte, explicó una proporción relativamente alta del desempeño en entrevista. Dicho de otro modo: qué modalidad aporta depende de qué se esté midiendo, y eso ya es una pregunta que tu proveedor debería poder responder con datos.
El estándar profesional del campo es explícito al respecto. Las recomendaciones que la Society for Industrial and Organizational Psychology publicó en enero de 2023 para la validación y uso de evaluaciones basadas en inteligencia artificial establecen, en su primera sección, que estas evaluaciones deben producir puntuaciones que predigan con exactitud el desempeño laboral futuro u otros resultados relevantes, y que el constructo medido debe ser relevante al puesto y estar respaldado por evidencia científica (SIOP, 2023). El documento no es autónomo: es un suplemento de los Principles for the Validation and Use of Personnel Selection Procedures de la misma organización. Su premisa de fondo es que a una evaluación con inteligencia artificial se le exige lo mismo que a cualquier prueba de empleo, aunque la forma de verificarlo cambie.
El costo operativo de no tener esa evidencia es doble. Estás tomando decisiones de contratación sobre una señal cuya relación con el desempeño nadie ha medido, y no tienes forma de saber si el sistema está mejorando o empeorando tus contrataciones, porque el propio sistema no fue construido para responder esa pregunta.
Si tu proveedor no puede decirte contra qué criterio de desempeño laboral se validó su modelo, no tiene un predictor de desempeño. Tiene un predictor de otra cosa.
El sesgo algorítmico no requiere mala intención ni una variable prohibida en el modelo. Se produce por vías bien documentadas: un sistema entrenado sobre el historial de contrataciones de una empresa aprende los patrones de ese historial, incluidos los discriminatorios; una variable aparentemente neutra puede estar correlacionada con una categoría protegida y funcionar como sustituto de ella; los datos de entrenamiento pueden estar desbalanceados entre subgrupos; y el desempeño del modelo puede degradarse con el tiempo conforme cambia la población que evalúa (Hickman, Huynh, et al., 2025).
Hay un mecanismo adicional, específico de las herramientas que procesan voz. Un estudio publicado en Journal of Applied Psychology comparó la exactitud de la transcripción automática entre personas que hablaban el idioma como segunda lengua y hablantes nativos, entre otras comparaciones, y después probó si esas diferencias se trasladaban a las puntuaciones del modelo (Hickman, Langer, et al., 2025). Encontró sesgo significativo en los servicios comerciales de transcripción en casi todas las comparaciones. Pero ese sesgo no se tradujo en sesgo de medición relevante en las puntuaciones, ni en correlaciones diferenciales ni en diferencias de medias, en las dos muestras de entrevistas simuladas que analizaron.
Ese resultado es tranquilizador, y es sobre todo el ejemplo de lo que un proveedor serio debería poder enseñarte: alguien se tomó el trabajo de medir si la propagación ocurría, en vez de asegurar que no ocurre. La pregunta para el mercado mexicano sigue abierta, porque el estudio se hizo en inglés y con otra población. Lo que puedes exigir no es que tu proveedor te asegure que su modelo «funciona en español», sino que te muestre si midió esa propagación, con qué población y con qué variación regional.
Cómo mides determina si encuentras. Un estudio independiente a gran escala analizó millones de solicitudes evaluadas por los modelos de un mismo proveedor externo, en más de un centenar de empleadores y once sectores, en condiciones reales de producción (Bommasani et al., 2026). Su hallazgo metodológico es el que más directamente te sirve: agregar vacantes distintas puede ocultar disparidades que aparecen al analizarlas por separado.
Los autores reportan que si se agrupan todas las recomendaciones del proveedor como si fueran un solo proceso de contratación, no aparece impacto adverso. Si se examina cada posición por separado, como se haría normalmente en una evaluación de impacto adverso, el impacto adverso aparece en muchas posiciones. La razón es aritmética: si un sistema recomienda mucho a un grupo para cierto tipo de vacante y poco para otro, el promedio de todas las vacantes cancela ambos patrones y el resultado agregado parece limpio.
Eso convierte una pregunta abstracta en una muy concreta. Cuando tu proveedor te entregue una auditoría de sesgo, el dato decisivo no es que la haya hecho: es a qué nivel agregó los datos.
El efecto de concentración de proveedor. El mismo estudio documenta que quienes enviaron varias solicitudes recibieron una recomendación algorítmica de rechazo en todas ellas con más frecuencia de lo esperable si cada empresa decidiera de forma estadísticamente independiente. Los autores llaman a ese patrón rechazo sistémico, y conviene precisar qué observaron: las etiquetas de recomendación del proveedor, no las decisiones finales de contratación. Aportan además un contraste que refuerza el hallazgo: en el estudio previo más grande sobre decisiones de contratación, que no se centraba en inteligencia artificial, la tasa de rechazo generalizado no superó lo esperable bajo decisiones independientes. Eso reduce la plausibilidad de que el patrón se explique solo porque las personas aplican a varias vacantes, aunque no demuestra que sea exclusivo de los sistemas algorítmicos.
Para una empresa mexicana la lectura es de mecanismo, no de magnitud: cuando varios empleadores comparten proveedor, el riesgo deja de estar contenido en una vacante. Cuánto pesa ese efecto aquí todavía no está establecido.
Sobre las técnicas de mitigación. Existe una revisión sistemática e integradora sobre mitigación de sesgo algorítmico publicada en Journal of Applied Psychology (Hickman, Huynh, et al., 2025). La existencia misma de esa literatura debería moderar la promesa comercial de que un modelo fue «desesgado»: es un campo de investigación abierto, con enfoques que compiten entre sí, no un procedimiento resuelto que se aplica una vez y cierra el asunto.
Sobre el contexto mexicano. La Encuesta Nacional sobre Discriminación levantada por el INEGI en 2022 estimó que el 23.7 % de la población de 18 años y más declaró haber sido discriminada en los doce meses previos por alguna característica o condición personal, frente al 20.2 % estimado en 2017 (INEGI, 2023). Ese dato describe discriminación percibida en general, no discriminación algorítmica en procesos de selección, y no lo presentamos como evidencia sobre herramientas de inteligencia artificial. Lo traemos por lo que sí dice: el terreno sobre el que estos sistemas van a operar en México no es neutro, y los datos históricos de contratación que alimentan un modelo se generaron en ese terreno.
Una auditoría que promedia todas las vacantes puede salir limpia mientras el impacto adverso aparece puesto por puesto. La pregunta no es si tu proveedor auditó, sino a qué nivel agregó.
Quién debe acreditar el consentimiento y el aviso. El reglamento vigente en materia de datos personales establece que, la demostración de la obtención del consentimiento es del responsable. En materia de discriminación el mecanismo es más severo. El procedimiento de queja prevé que, si la persona a quien se atribuyen los hechos omite dar contestación a las imputaciones o responde parcialmente, se tendrán por ciertas las conductas presuntamente discriminatorias que se le atribuyan, salvo prueba en contrario.
Explicar no es lo mismo que saber. Conviene distinguir dos cosas que un proveedor puede llamar «explicabilidad». Un modelo interpretable permite entender por qué produjo cierto resultado observando su funcionamiento. En un modelo opaco, las explicaciones se generan después del entrenamiento y aproximan su comportamiento, con una fidelidad que a su vez hay que evaluar. En decisiones de alto impacto existe base técnica para preferir, cuando sea viable, modelos interpretables por diseño (Rudin, 2019). La diferencia importa poco en un recomendador de películas; importa mucho cuando tienes que justificar ante una autoridad por qué una persona concreta no avanzó.
Qué demuestra realmente una auditoría de sesgo. Vale la pena separar lo que un entregable de este tipo acredita de lo que no.
El estándar profesional cierra el círculo. La quinta sección de las recomendaciones de SIOP establece que todos los pasos y decisiones relativos al desarrollo y la puntuación de las evaluaciones basadas en inteligencia artificial deben documentarse para permitir su verificación y auditoría, incluyendo fuentes de datos, algoritmos y métodos de puntuación (SIOP, 2023). La confidencialidad comercial no elimina esa necesidad: el propio documento admite una descripción más general cuando el algoritmo sea propietario, siempre que se indique cómo obtener acceso a los detalles completos. Lo que no es defendible es que no puedas evaluar el uso previsto ni saber quién sí puede auditar el detalle técnico.
Es obligación del responsable demostrar, conforme a lo que indica la ley, el consentimiento del titular.
Cada pregunta admite una respuesta documental. Si la respuesta es una explicación verbal, una referencia genérica a «años de investigación» o una remisión al departamento técnico del proveedor, la pregunta sigue abierta.
Cuidado aquí: el análisis de equidad por categorías protegidas puede requerir tratar datos sensibles —origen racial o étnico y estado de salud están en el catálogo de la ley—, y eso exige finalidad legítima y concreta, minimización, medidas de seguridad y, cuando no opere una excepción, consentimiento expreso y por escrito. No se trata de recolectar categorías protegidas para completar una auditoría.
Esta es la parte incómoda de escribir desde dentro, porque un documento que exige demostraciones tiene que empezar por las propias. Llevamos quince años haciendo psicometría en México, con más de veinticinco millones de evaluaciones aplicadas en veinticinco países en habla hispana, y nada de eso constituye por sí mismo evidencia de validez de ningún instrumento. La escala demuestra experiencia operativa. La validez se demuestra con estudios.
Por eso asumimos tres compromisos concretos frente al tema de este documento:
Ese último punto merece una precisión, porque es donde muchos proveedores se esconden. No sostenemos que toda decisión deba pasar por un revisor humano —ya vimos que la ley mexicana no lo exige de forma general—. Sostenemos que toda decisión debe poder explicarse y que alguien debe poder responder por ella.
Operamos conforme a la normativa mexicana aplicable en materia laboral, protección de datos personales, seguridad y salud en el trabajo, y no discriminación: la Ley Federal del Trabajo, la Ley Federal de Protección de Datos Personales en Posesión de los Particulares, la NOM-035-STPS-2018 y la Ley Federal para Prevenir y Eliminar la Discriminación. No como una lista de cumplimiento, sino porque las cuatro tocan lo que hacemos.
Evaluar con ciencia no significa evaluar sin tecnología. Significa que la tecnología también tiene que poder demostrar lo que afirma.
Si ya tienes un proveedor de inteligencia artificial para reclutamiento. Toma las trece preguntas de la sección anterior y envíaselas por escrito. Pide respuestas documentales con fecha. El tiempo que tarde en contestar, y lo que ese silencio te diga, es información tan útil como las respuestas mismas.
Si estás evaluando incorporar una herramienta. Antes de la demo, revisa nuestro whitepaper Ética en evaluación laboral: ocho principios mínimos, que desarrolla las obligaciones que aplican a cualquier evaluación en un proceso de selección, y Validez y confiabilidad: lo que tu proveedor de psicometría debería poder demostrar, donde está el detalle técnico de la evidencia que aquí solo enunciamos. Ambos están disponibles en nuestro Centro de conocimiento.
Si quieres conocer lo que hacemos. Escríbenos y con gusto te contamos qué ofrecemos y cómo lo respaldamos.
México merece psicometría hecha para México. Durante quince años hemos construido y aplicado instrumentos de evaluación en más de veinticinco millones de evaluaciones, en veinticinco países en habla hispana, con la convicción de que una prueba solo vale lo que vale la evidencia que la respalda.
Entendemos la psicometría como ciencia aplicada, no como trámite ni como ritual. Eso significa normas construidas sobre población local, manuales técnicos disponibles para quien quiera revisarlos, y disposición a decir «esto todavía no lo hemos demostrado» cuando es el caso.
Las empresas que quieren contratar bien, evalúan con ciencia.
Aurora Martínez es Gerente de Investigación en Psicotest. Su trabajo se centra en la construcción y validación de instrumentos psicométricos para población mexicana y en hacer accesibles los criterios técnicos de evaluación a quienes toman decisiones de contratación sin formación en psicometría.
Este documento no sustituye la asesoría de un profesional, ya que es meramente informativo y el lector es el único responsable del uso y aplicación que se le otorgue a dicha información, así como de su interpretación.
