Si las empresas actuales usan filtros idénticos, los sesgos algorítmicos se convierten rápidamente en una forma de exclusión masiva e industrializada.
Buscar empleo ha consistido desde siempre en multiplicar nuestras oportunidades: enviar cuantos más currículos mejor; llamar a más puertas, adaptar mejor cada candidatura... Si una empresa nos rechazaba, otra podría valorar de forma distinta nuestra experiencia, trayectoria o potencial.
En un mercado de trabajo verdaderamente plural, enviar 20 candidaturas aumenta la probabilidad de encontrar un evaluador distinto. En un mercado monocultural, puede significar exponerse 20 veces a la misma lógica de filtro.
En un mercado laboral cada vez más automatizado, millones de candidatos y profesionales siguen entrando por puertas aparentemente distintas, pero muchos empiezan a encontrarse con la misma cerradura: sistemas algorítmicos de cribado, ránking y recomendación comprados a los mismos proveedores o construidos sobre lógicas muy similares.
El problema ya no es sólo que un algoritmo sea injusto, sino la posibilidad de que una misma infraestructura técnica replique el rechazo entre empleadores diferentes. Ese fenómeno se conoce como monocultivo algorítmico en contratación y se refiere al riesgo de que el mercado parezca diverso por fuera, pero concentre por dentro la primera criba del talento en pocas herramientas, pocos proveedores o pocos criterios automatizados.
La metáfora procede de la agricultura: un monocultivo permite eficiencia y escala, pero también hace al sistema más frágil. Si todos plantan la misma variedad, una plaga puede extenderse por todo el campo. En empleo, si muchas empresas usan sistemas parecidos para decidir quién merece pasar a la entrevista, los errores o sesgos dejan de ser incidentes aislados y pueden convertirse en fallos correlacionados.
Muchas empresas seguirán compitiendo por el talento, pero podrían acabar mirando a los mismos perfiles, descartando a los mismos candidatos atípicos y premiando las mismas señales convencionales.
La pregunta de fondo ya no es si la inteligencia artificial contratará por nosotros, sino quién controla la cerradura. Si millones de personas entran al mercado laboral por puertas distintas, pero todas empiezan a abrirse o cerrarse con la misma lógica algorítmica, la eficiencia puede convertirse en una nueva forma de exclusión industrializada.
Si muchas empresas usan filtros parecidos, sus errores, sesgos o puntos ciegos dejan de ser fallos locales y se convierten en un riesgo sistémico. Más del 90% de los empleadores usa ya algún tipo de sistema automatizado para filtrar u ordenar solicitudes, según datos citados por el World Economic Forum.
Una investigación de la Universidad de Stanford -Algorithmic Monocultures in Hiring- ha analizado millones de candidaturas reales evaluadas por algoritmos de un único proveedor, y revela consecuencias especialmente duras para los candidatos: aplicar más puede dejar de significar exponerse a más oportunidades reales. El estudio de Stanford llama a este fenómeno rechazo sistémico: personas que se presentan a varios puestos y reciben resultados negativos homogéneos por encima de lo esperable si las decisiones fueran independientes. En los datos del estudio, el 4% de quienes aplican a diez posiciones son recomendados para rechazo en todas ellas, una tasa superior a la esperada por azar.
Para las empresas, todo esto implica perder talento sin saberlo: un falso negativo algorítmico no aparece en la cuenta de resultados; simplemente impide que alguien llegue a la entrevista y así, si muchos empleadores usan filtros similares, pueden terminar descartando a los mismos perfiles no convencionales: carreras no lineales, séniors, personas con discapacidad o candidatos que vienen de otros sectores.
El sesgo algorítmico no es una sorpresa. En 2018, Amazon descartó una herramienta experimental de selección porque castigaba señales vinculadas a las mujeres: el modelo había aprendido de datos históricos de contratación dominados por hombres en perfiles técnicos. Aquel episodio mostró que la IA podía convertir las desigualdades pasadas en un criterio futuro. Lo inquietante del monocultivo es otra cosa: si esa lógica de descarte se extiende a muchas empresas, el sesgo deja de ser un fallo interno y se convierte en una exclusión repetida.
Otro estudio de Proceedings of the National Academy of Sciences concluye que "cuando un algoritmo común parece más preciso para cada organización individual, su adopción generalizada puede reducir la calidad agregada de las decisiones". El problema no es sólo que el algoritmo falle; es que todos puedan fallar de la misma manera.
Se busca al verdadero experto en IASólo dos universidades españolas entre las 200 mejores del mundoTecno-optimistas: la nueva clase profesional que domina la IA Comentar ÚLTIMA HORA-
20:34
Page invita al PSOE a la autocrítica y Sánchez le recuerda que en 2016 favoreció la investidura de Rajoy
-
20:04
El doble terremoto de Venezuela deja ya 1.430 personas fallecidas
-
19:47
El Mundial más religioso de la historia: la fe vence a la presión
-
19:28
El futuro canal de la TDT prevé ser rentable en 2030
-
19:19
Alemania moderniza a sus espías ante la amenaza rusa