Pon a 1.919 candidatos estadounidenses frente a dos sistemas de cribado con IA y fuérzalos a elegir: el atributo que más los mueve no es la tasa de error. Es si decide un revisor humano. En un experimento conjoint preregistrado publicado en septiembre, la intervención humana elevó en 0,272 la probabilidad de que un sistema de cribado fuera elegido — estadísticamente indistinguible de los 0,285 que se ganan al reducir los rechazos injustificados del 30 % al 10 %, con el intervalo de confianza de la diferencia cruzando el cero (Wang, Sturgis & de Kadt, 2026).
Lee el canje dos veces. Dos tercios de tus falsos rechazos, o un nombre sobre la decisión. Los candidatos los valoran casi al mismo precio.
Ese resultado es interesante. El siguiente es caro en términos operativos, porque la mayoría de las rutas de rechazo del mid-market están construidas sobre lo contrario.
Qué precio pusieron 1.919 candidatos cuando el canje era obligatorio
El diseño es la razón para dedicarle atención. Cada participante hizo ocho elecciones entre pares de perfiles de sistemas de cribado con IA — 30.704 perfiles en total — con seis atributos aleatorizados de forma independiente entre sí: autoridad de decisión, tasa de error, explicación, opción de exclusión, apelación y auditoría independiente de sesgos.
La aleatorización independiente es el punto metodológico. La literatura previa suele mover procedimiento y rendimiento a la vez, de modo que no puede decir si los candidatos quieren una apelación por sí misma o solo por los errores que corrige. Este diseño los separa, y estaba preregistrado antes de recoger los datos.
La muestra es de personas activas, no de estudiantes: edad media 36,6 años, 35,0 % desempleados y buscando activamente, y 74,9 % ya evaluados por IA en algún momento de su búsqueda.
Esta es la lista de precios, expresada como cambio en la probabilidad de ser elegido (Wang, Sturgis & de Kadt, 2026):
| Atributo del sistema | Efecto sobre la probabilidad de ser elegido |
|---|---|
| La IA sugiere, el humano decide | +0,287 |
| La IA criba primero, el humano decide | +0,257 |
| Intervención humana agregada | +0,272 |
| Apelación disponible | +0,156 |
| Opción de exclusión disponible | +0,129 |
| Explicación disponible | +0,128 |
| Auditoría independiente de sesgos | +0,068 |
| Reducir la tasa de error del 30 % al 10 % | +0,285 |
La intervención humana agregada superó a la apelación, la opción de exclusión y la auditoría de sesgos, cada una con p < 0,001. La intervención humana, la apelación y la opción de exclusión superaron cada una a la auditoría de sesgos, de nuevo con p < 0,001.
Un humano sobre la decisión vale aproximadamente cuatro veces una auditoría independiente de sesgos.
La apelación no se volvió más valiosa cuando el sistema empeoró
Este es el hallazgo que invierte el orden habitual de remediación.
Si las salvaguardas procedimentales son un seguro contra errores — si una apelación vale porque detecta rechazos injustificados — entonces su valor debe crecer cuando los rechazos injustificados se vuelven más frecuentes. El experimento probó exactamente eso, con un límite de equivalencia preregistrado de ±0,05.
El valor de la apelación no creció. Tampoco el de la opción de exclusión, la auditoría de sesgos o la explicación. La apelación y la opción de exclusión pasaron un límite más estricto de ±0,03; la auditoría de sesgos y la explicación pasaron el ±0,05 registrado. La predicción de corrección de errores no se confirmó para ninguno.
La apelación es el caso más nítido, porque su función correctiva es la más directa de las cuatro. Su interacción con la tasa de error fue no significativa, con un intervalo de confianza del 90 % dentro de ±0,03. El atributo decía a los participantes que existía una revisión. No decía nada sobre lo bien que funcionaba — y eso bastó, en cada tasa de error probada.
La intervención humana fue el único atributo que quedó fuera del límite, y los autores son cautos al respecto: su ventaja fue de 0,285 con una tasa de error del 10 %, 0,289 al 20 % y 0,239 al 30 % — no monótona, sensible a la escala y no significativa bajo logit (p = 0,21). Rechazan explícitamente leerlo como una pérdida de valor de la revisión humana a medida que aumentan los errores. Tú tampoco deberías.
La conclusión utilizable es más estrecha y más firme: el trabajo sobre el rendimiento y el trabajo sobre el procedimiento responden a demandas distintas, y ninguno compra al otro. Un empleador que instala un modelo más preciso retirando al humano de la decisión gana en una dimensión y pierde en la otra.
Una auditoría de sesgos no es algo que un candidato pueda invocar
Mira otra vez la distancia entre apelación (+0,156) y auditoría de sesgos (+0,068). La lectura de los autores es la frase más trasladable del estudio: la autoridad de decisión establece quién decide, la apelación y la opción de exclusión dan al candidato algo que invocar, y una auditoría examina resultados en el conjunto de casos sin ofrecer a ningún individuo una vía.
Son tres funciones distintas, y los regímenes de cumplimiento las tratan de forma muy diferente. La Local Law 144 de Nueva York exige una auditoría de sesgos más un aviso que explique cómo solicitar un proceso alternativo — y los reglamentos de desarrollo no obligan al empleador a proporcionar realmente ese proceso (NYC DCWP, 2023). El EU AI Act toma la otra vía, exigiendo supervisión humana de determinados sistemas de reclutamiento conforme al Anexo III(4)(a) y los Artículos 14 y 26(2), mientras que el Artículo 22 del RGPD concede un derecho cualificado a no ser objeto de una decisión exclusivamente automatizada, con derecho a intervención humana y a impugnar el resultado (EU AI Act, 2024).
Si tu stack de cribado con IA se construyó para satisfacer el primer régimen, tienes documentación a nivel de sistema. Los 1.919 participantes valoraron la documentación menos que todo lo demás.
Dónde tiene que situarse realmente el revisor humano
Un último contraste tiene peso real de diseño. Los participantes prefirieron «la IA sugiere, el humano decide» (+0,287) sobre «la IA criba primero, el humano decide» (+0,257) por 0,030, con p < 0,001 — y esa preferencia no se movió con la tasa de error (cambio en todo el rango +0,005, IC 95 % [−0,026, 0,036]).
La diferencia entre esos dos niveles es pequeña en las palabras y grande en la práctica: solo el primero permite a un humano ver las candidaturas que la IA habría descartado. Los candidatos pagaron una prima medible por ello.
Los datos de comportamiento apuntan en la misma dirección. Entre los candidatos estadounidenses, el 38 % se ha retirado al menos una vez de un proceso de selección precisamente porque incluía una entrevista con IA, y el motivo de abandono más citado — señalado por el 33 % — fue una entrevista en vídeo pregrabada puntuada por IA sin ningún humano presente (Greenhouse, 2026).
¿Se refuerzan entre sí estos atributos? Solo apenas
Sería cómodo que un decisor humano y una apelación se multiplicaran. La evidencia de eso es débil. La apelación se valoró más cuando ya había un humano implicado — +0,025, IC 95 % [0,004, 0,047] — pero la misma interacción pierde significación bajo una especificación logit en el modelo conjunto (p = 0,31). La interacción de la opción de exclusión fue prácticamente cero, en −0,0003.
Trata, por tanto, los atributos como aditivos, no sinérgicos. No estás comprando un paquete en el que un atributo mejora a otro; estás comprando cuatro cosas distintas que los candidatos valoran a cuatro precios distintos. El consejo de secuencia que se deriva es poco glamuroso: compra primero el caro.
La objeción honesta
Tres límites, dichos con claridad.
Son elecciones declaradas, no candidaturas. Una elección hipotética por pares, sin opción de statu quo y sin posibilidad de rechazar ambas, es un instrumento limpio, no un registro de nóminas. Y los atributos se presentaron como sin coste — la apelación del estudio no tiene cola, ni demora, ni resultado incierto, y no es la apelación que realmente operarías.
Un humano nominal no es un humano. Los autores señalan el modo de fallo obvio: un revisor dentro del circuito puede plegarse a la recomendación que debería controlar. La evidencia de campo lo afina. En un experimento de la Harvard Business School con 228 evaluadores revisando 48 propuestas reales, las recomendaciones de IA de «caja negra» mejoraron la calidad de las decisiones, mientras que las mismas recomendaciones acompañadas de una explicación narrativa no — los evaluadores cumplían de forma desproporcionada con las recomendaciones de rechazo, aumentando los falsos negativos (Lane et al., HBS, 2026). Un humano más una justificación persuasiva puede ser peor que cualquiera de los dos por separado. Los candidatos quieren a alguien que decida; tu embudo necesita que quien decide decida de verdad.
Los candidatos se postularán igual, y eso te confundirá. La intención de postularse a empleadores que usan IA en selección promedió 3,24 en una escala de cinco puntos, por encima de la creencia en la legitimidad de la IA en contratación, en 2,85 (p < 0,001), y el 7,8 % de los participantes combinaba una legitimidad por debajo del punto medio con una intención de postularse por encima (Wang, Sturgis & de Kadt, 2026). El volumen de candidaturas es un indicador imperfecto de si los candidatos aceptan tu proceso como legítimo. Un embudo sano arriba no es prueba de consentimiento.
Qué cambiar en la ruta de rechazo antes de que cierre el trimestre
Cuatro movimientos, ninguno requiere una nueva partida presupuestaria.
- Deja de contabilizar el portal de apelaciones como trabajo de precisión. Si tu plan de remediación ante las quejas de confianza de los candidatos es «ajustar el modelo y añadir un formulario de apelación», tienes dos partidas respondiendo a una sola demanda y ninguna respondiendo a la otra. Valóralas por separado, porque los candidatos lo hacen.
- Mueve al humano de supervisar a decidir — en el lado del rechazo en particular. La versión que gana el +0,287 en lugar del +0,257 es un humano que ve lo que el modelo habría descartado, antes de que se descarte. El mecanismo que lo hace duradero es una regla de enrutamiento más que una política: las puntuaciones por debajo del suelo estadístico de su cohorte de rol y seniority se enrutan automáticamente a un revisor humano, en una cola que el reclutador responsable de la vacante no puede cerrar por sí mismo. Scovai documenta públicamente ese enrutamiento y la ponderación que lo sostiene en su página de plataforma si quieres una referencia concreta.
- Nunca cambies la revisión individual por una auditoría. Añadir una auditoría a nivel de sistema eliminando la revisión individual cambia lo que un candidato puede hacer, no solo lo que tú puedes documentar — y canjea el atributo valorado en 0,156 por el valorado en 0,068.
- Sustituye el volumen de candidaturas como métrica de equidad. Instrumenta la tasa de abandono en el paso de cribado con IA y la tasa de finalización en las evaluaciones puntuadas por IA. Esas se mueven cuando los candidatos objetan. Las candidaturas no.
Los derechos procedimentales se justifican por sí mismos. No son una cobertura contra tu tasa de error, y tu tasa de error no los sustituye. Un revisor humano no es una salvaguarda que se añade cuando el modelo resulta poco fiable — con esta evidencia, es lo que los candidatos valoraban desde el principio, y el único atributo que nada más en la lista reemplazó.
Así que abre tu ruta de rechazo esta semana y busca el paso donde aparece el nombre de una persona. Si el único nombre que hay pertenece a un formulario, tienes documentación — no una decisión.
