Regulación y Cumplimiento — 2026-04-20
En 2024 se presentaron alegaciones ante organismos de EE.UU. sobre herramientas de IA usadas en contratación. Qué considerar al revisar evidencia y equidad en evaluaciones.
Por Jens MeyerDirector de HR Catalisis
En 2024 se hicieron alegaciones ante organismos de EE.UU. sobre posibles efectos discriminatorios de herramientas de evaluación de IA utilizadas en contratación. Las alegaciones deben distinguirse de hechos establecidos y de conclusiones sobre otros instrumentos.
Para cualquier empresa que use evaluaciones psicométricas en su proceso de selección, esta noticia merece atención honesta, no silencio ni descarte.
¿Qué es el sesgo algorítmico en evaluaciones? El sesgo algorítmico ocurre cuando un sistema de IA produce resultados que sistemáticamente desfavorecen a grupos protegidos —por raza, género, discapacidad, edad— sin que eso esté justificado por el desempeño laboral real.
La causa más común: el modelo se entrenó con datos históricos de contratación que ya contenían sesgos humanos. El algoritmo aprende a replicarlos. Una investigación publicada en VoxDev en mayo de 2025 encontró que herramientas de contratación con IA favorecían sistemáticamente a candidatas mujeres sobre hombres afrodescendientes con calificaciones idénticas. El problema no es la IA en sí. Es la IA entrenada con datos sesgados sin auditoría independiente.
La distinción crítica: herramientas de IA vs. psicometría validada. El caso mencionado involucra herramientas de análisis de video y screening algorítmico de CV — no específicamente instrumentos psicométricos como ADEPT-15. Esta distinción importa.
La evidencia sobre diferencias entre grupos depende del método y del instrumento. No debe suponerse que una familia de pruebas esté libre de sesgo: revisa estudios técnicos y análisis de equidad para la población y el uso previstos. ISO 10667 ofrece orientación sobre la prestación de servicios de evaluación; no certifica por sí sola un instrumento ni demuestra que ADEPT-15 cumpla requisitos particulares.
No toda herramienta con el nombre "IA" es equivalente. Un test psicométrico validado psicométricamente no es lo mismo que un algoritmo de análisis de microexpresiones faciales.
Qué pueden hacer las empresas: solicita documentación sobre fiabilidad, validez y análisis de equidad pertinente al uso previsto; comprueba si las normas son adecuadas para la población evaluada; y establece revisión humana y registros conforme a las leyes aplicables. Los requisitos de conservación documental varían según la jurisdicción y el tipo de decisión; verifica la normativa vigente con asesoría legal.
El fondo del asunto: la preocupación por el sesgo algorítmico es legítima y debe tomarse en serio. La respuesta correcta no es eliminar las evaluaciones — es elevar los estándares de lo que se acepta como evaluación válida.
Las normas de prestación de servicios de evaluación, la documentación técnica, las evidencias de validez y los análisis de equidad sirven para revisar una herramienta. Ninguno de estos elementos por sí solo demuestra que un instrumento sea adecuado para cualquier población o uso.
¿Quieres revisar la equidad y validación de tus herramientas de evaluación? Hablemos.