Scovai Scovai
Talent Intelligence 2026-11-09 1 min read

La experiencia de dominio perdió terreno en las fichas de evaluación de entrevistas de Anthropic. Su cuota de contrataciones técnicas junior pasó del 27 % al 9 %.

DSL

Dr. Sarah Liu

La experiencia de dominio perdió terreno en las fichas de evaluación de entrevistas de Anthropic. Su cuota de contrataciones técnicas junior pasó del 27 % al 9 %.

La cuota junior de las contrataciones técnicas en Anthropic cayó del 27 % al 9 %. Esa cifra se ha comentado hasta la saciedad. La que está por debajo, no: un codificador automatizado leyó las fichas de evaluación de entrevistas redactadas por los responsables de contratación para miles de empleados incorporados desde 2024, y encontró que entre los candidatos técnicos «los mayores incrementos se dieron en los comentarios sobre la autonomía y el juicio de los candidatos», mientras que «la discusión de la experiencia de dominio se redujo como proporción de la evaluación global» (Anthropic, 2026).

Casi todo lo que sabemos sobre la IA y la contratación de perfiles de entrada proviene de los anuncios de empleo: lo que los empleadores dicen querer antes de conocer a nadie. El informe de empleo de Anthropic del 16 de octubre hace algo más inusual: lee lo que los entrevistadores escribieron después de la conversación.

Dos cifras, dos objetos distintos. La cifra de plantilla está en disputa, como mostraré. La cifra de las fichas de evaluación es aquella para la que su propia rúbrica de entrevista no está preparada.

Qué midieron realmente las fichas de evaluación de entrevistas

El informe es un estudio con datos internos de una sola empresa: registros de uso de IA, métricas de producción, encuestas a empleados, datos de Slack y de calendario, registros de decisiones de contratación, más 17 entrevistas a empleados. El autor principal, Nathan Wilmers, está en MIT Sloan; el trabajo lo publica Anthropic misma.

Sobre la composición, dos cifras distintas importan y no deben mezclarse. La proporción de empleados de nivel junior dentro de los departamentos técnicos «descendió del 21 % al 14 % desde principios de 2025». La proporción de contrataciones técnicas junior «cayó aún más rápido, del 27 % al 9 %». La segunda es un cambio en la composición de quién se contrata, no un recorte de plantilla: el informe afirma con claridad que la contratación técnica «ha seguido creciendo en términos absolutos» mientras la empresa «triplicó su tamaño en el último año». Quien lea del 27 % al 9 % como una reducción del 65 % en la contratación junior lo ha interpretado mal.

Lo que dijeron los managers acompaña a los datos. Encuestados en abril de 2026, «una mayoría de managers describió contratar buscando un conjunto distinto de competencias debido a la IA», mientras que «alrededor de un tercio de los managers de ML y un quinto de los de SWE declararon contratar menos debido a la IA». La mayoría cambió los criterios. Una minoría recortó volumen. Ese orden es toda la historia.

La capa de las fichas de evaluación

La evidencia distintiva es textual. En 2024, los responsables de contratación anotaban el historial de un candidato con herramientas de IA en «alrededor del 5 % de las evaluaciones para puestos técnicos, y el 7 % para no técnicos». Para 2026 esas tasas se habían triplicado en los puestos técnicos y cuadruplicado en los no técnicos. El informe ofrece las bases de 2024 y los multiplicadores solo en palabras, por lo que los valores finales no están publicados, e inventarlos fabricaría una precisión que la fuente no tiene.

Por debajo de eso, el reequilibrio más profundo. Para los candidatos técnicos: autonomía y juicio al alza con el mayor margen, experiencia de dominio a la baja como proporción de la evaluación. Para los candidatos no técnicos: «la orientación al cliente y a la misión aumentó, mientras que la discusión de las capacidades de ejecución disminuyó». La explicación de un manager es el resumen más limpio de esta lógica en todo el documento: «Espero que los modelos sigan siendo irregulares, así que para mi equipo quiero perfiles intercambiables entre dominios».

Observe qué no lleva cifra asociada. El aumento en autonomía y juicio se reporta de forma direccional, como el mayor cambio, sin porcentaje. Esa es una limitación de la evidencia, no una razón para descartarla, pero significa que este hallazgo respalda una dirección de avance, no una magnitud.

Una sola empresa no es un referente

Los autores del informe son más directos en esto que la mayoría de los comentarios: «Hay muchas partes de las prácticas de empleo de Anthropic que no pueden replicarse en el conjunto de la economía». La empresa genera entre dos y cuatro veces más ingresos por empleado que Meta y Google en su punto álgido. Es n = 1, autopublicado, sin auditoría externa y situado en el extremo de la intensidad de IA. Nada en él establece una tendencia a escala económica.

La literatura más amplia está en desacuerdo activo justo en el punto que la mayoría extrae de él. El análisis de Lambert y Schindler sobre 243 millones de nuevas contrataciones y 407 millones de anuncios de empleo en Estados Unidos, Reino Unido, Canadá y Australia encontró que un aumento de dos desviaciones estándar en la exposición a la IA generativa o en la exposición al trabajo remoto se asociaba, por separado, con una caída de alrededor de cinco puntos porcentuales en la cuota junior hacia 2025, pero cuando ambas se introducían conjuntamente el coeficiente de la IA «se atenúa marcadamente y a menudo se vuelve estadísticamente indistinguible de cero», mientras el efecto del trabajo remoto se mantenía robusto (Lambert & Schindler, 2026). Su lectura: la escalera junior rota podría ser una historia sobre dónde se trabaja, no sobre qué se automatiza.

Los datos de gasto a nivel de empresa cortan de nuevo en la dirección contraria. Al vincular el gasto en IA observado en 21.559 empresas estadounidenses con registros de plantilla, Ramp y Revelio Labs encontraron que los adoptantes de alta intensidad aumentaron su plantilla de nivel de entrada en torno a un 12 % en los dos años posteriores a la adopción, mientras que los de baja intensidad no mostraron ningún cambio estadísticamente significativo (Ramp, 2026). Una inversión fuerte en IA, en ese conjunto de datos, se asoció con más contratación junior, no con menos.

Así que la afirmación causal sobre el colapso junior está sin resolver, y un Head of Operations no tiene por qué planificar plantilla a partir de ella. La afirmación sobre los criterios es otra cuestión.

Lo que converge son los criterios, no el recuento

He aquí por qué el hallazgo de las fichas de evaluación merece atención pese al n = 1. Coincide con evidencia extraída de un tipo de dato completamente distinto, a una escala completamente distinta.

El Global AI Jobs Barometer 2026 de PwC analizó más de mil millones de anuncios de empleo en seis continentes, con un análisis en profundidad de 2,4 millones de puestos de nivel de entrada en Estados Unidos. Se halló que los puestos junior expuestos a la IA tenían siete veces más probabilidad que los junior menos expuestos de exigir competencias tradicionalmente senior: juicio, pensamiento estratégico, liderazgo motivador, inteligencia emocional. Los anuncios que encajan en ese perfil «seniorizado» crecieron un 35 % desde 2019, incluso mientras el conjunto de ofertas de inicio de carrera se estancaba en los sectores con alta exposición a la IA (PwC, 2026).

Los anuncios registran lo que los empleadores publicitan. Las fichas de evaluación registran lo que los entrevistadores premiaron después de conocer a la persona. Son superficies de medición independientes, recogidas por partes distintas con incentivos distintos, y se movieron en la misma dirección: hacia el juicio y la autonomía, lejos de la ejecución especializada.

La convergencia entre métodos independientes es más débil que una estimación causal única, pero más fuerte que dos anécdotas. Es suficiente para actuar, porque la acción es económica y comprobable localmente.

Y el desajuste que expone está vivo en la mayoría de los sistemas de contratación del mid-market. La requisición de nivel de entrada ahora pide juicio senior, mientras la banda salarial, la rampa de 90 días y el modelo de mentoría siguen suponiendo a un principiante. Mientras tanto, los reclutadores de titulados en el Reino Unido reportaron entre 141 y 172 candidaturas por vacante en los sectores más saturados (ISE, 2026), lo que significa que la capa de cribado está bajo más presión de volumen que nunca, justo en el momento en que lo que merece la pena cribar ha cambiado.

Qué debería hacer un Head of Operations este trimestre

La auditoría que esto implica es lo bastante pequeña para hacerla uno mismo antes de que cierre el próximo ciclo de contratación.

  1. Saque sus últimas veinte fichas de evaluación de entrevistas. No la rúbrica: los comentarios en texto libre que sus entrevistadores escribieron realmente.
  2. Codifique cada línea en uno de cuatro grupos: profundidad especializada de dominio, ejecución e implementación, autonomía y juicio, y evidencia de trabajo eficaz con herramientas de IA.
  3. Cuente. Si los dos primeros grupos dominan —y en la mayoría de las empresas de 50 a 500 FTE lo harán, porque es exactamente lo que la rúbrica se diseñó para provocar—, está seleccionando con más dureza en las dos categorías que perdieron terreno en la empresa más avanzada en este camino.
  4. Después compruebe lo más difícil: si su proceso es siquiera capaz de observar las otras dos. La autonomía y el juicio no aparecen en un CV ni en un ejercicio técnico cronometrado. Aparecen en cómo alguien encuadra un problema ambiguo, decide qué no hacer y explica un compromiso que resolvió mal.

Ese último punto es la restricción real, y es un problema de medición antes de ser un problema de criterios. Los títulos académicos y los cargos son proxies de la experiencia de dominio, el atributo que está perdiendo peso. El juicio y la autonomía exigen evidencia demostrada: evaluación estructurada, problemas trabajados, un registro de decisiones en lugar de un registro de puestos. Los instrumentos del lado del candidato construidos para esta distinción, entre ellos el Talent Passport de Scovai, certifican la capacidad demostrada con un rango percentil por competencia en lugar del historial solo, que es la forma que la evidencia tendría que adoptar para ser cribable a gran volumen.

Dos cautelas antes de reescribir nada. No use esto para justificar un recorte en la contratación junior; la evidencia causal no lo respalda, y los datos de gasto a nivel de empresa apuntan en sentido contrario. Y no elimine la experiencia de dominio de sus criterios: «se redujo como proporción de la evaluación global» es un reequilibrio, no una supresión. En un equipo de operaciones de 200 personas sin función de entrenamiento de modelos, el conocimiento de dominio sigue siendo aquello por lo que pagan sus clientes.

La decisión que tiene delante

El resumen honesto de la evidencia es este: nadie puede decirle todavía si la IA reducirá su capa junior. Varios conjuntos de datos creíbles discrepan. Pero dos fuentes independientes —mil millones de anuncios de empleo y miles de fichas de evaluación de entrevistas— coinciden en aquello contra lo que se evalúan los puestos que sobreviven, y la mayoría de las rúbricas de entrevista no se han movido en respuesta.

Sus fichas de evaluación de entrevistas son un registro escrito de lo que su organización cree que predice el desempeño. Las de Anthropic son dos años de esa creencia cambiando en texto medible. Las suyas están ahora mismo en su ATS, sin leer como conjunto de datos.

Lea veinte este trimestre. Si siguen premiando al candidato que más sabe por encima del candidato que mejor decide, ha encontrado la corrección de mayor apalancamiento del trimestre, y cuesta una tarde, no una partida presupuestaria.

Ready to go beyond the CV?

Scovai's AI-powered Talent Passport reveals what resumes can't: personality, potential, and true job fit.