Doce candidatos reales. Expedientes idénticos, fotos idénticas, cualificaciones idénticas en cada condición. Lo único que cambiaba era lo que el evaluador había visto en los perfiles intercalados entre ellos. Cuando esos otros perfiles llevaban fotos generadas por IA, los doce candidatos reales pasaban a entrevista el 72,5 % de las veces. Cuando los mismos perfiles llevaban fotos corrientes, el 77,4 % (Cornell, Florida y Penn, arXiv 2610.22553, 2026).
Nada de esas doce personas había cambiado. Sus probabilidades sí.
Este es el hallazgo en el que debería detenerse un responsable de operaciones. Gran parte del debate sobre las fotos generadas por IA en la selección las trata como un problema de honestidad del candidato: alguien retocó su foto, ¿nos importa? El experimento apunta a algo menos cómodo. El coste no recae sobre el candidato que usó la imagen sintética. Recae sobre todos los que se evalúan después, y nada en un registro de cribado estándar muestra que haya ocurrido.
Qué probó realmente el experimento
El estudio es una simulación de selección preregistrada con 570 adultos estadounidenses que evalúan candidatos para un único puesto, Customer Success Associate (arXiv 2610.22553, 2026). Cada evaluador puntuó primero a los mismos cuatro candidatos de referencia. Después se le asignó al azar a una de tres condiciones en las que ocho perfiles iban acompañados de:
- rostros reales sin modificar,
- versiones retocadas de esos mismos rostros, calibradas con un filtro de mejora de un solo toque para consumidores, o
- rostros generados por IA.
Entre esos ocho se intercalaban doce candidatos reales de prueba, idénticos en las tres condiciones. Las cualificaciones escritas se mantuvieron fijas para cada posición de perfil. Sin nombres, sin ubicaciones.
El diseño separa dos preguntas que la investigación sobre selección suele mezclar. Primera: ¿cambia un rostro sintético cómo se puntúa a ese candidato? Segunda: ¿cambia ver rostros sintéticos cómo el evaluador puntúa a la siguiente persona real? Los autores dicen con claridad cuál les interesaba: su pregunta principal «era si las imágenes cambiaban cómo los participantes evaluaban a los candidatos reales que venían después».
El candidato con la foto generada por IA ganó poco. Los candidatos reales pagaron.
El efecto directo: pequeño y mixto
Los perfiles con un rostro generado por IA obtuvieron puntuaciones algo mejores. La empleabilidad subió b = 0,162 en una escala de 1 a 7 (P = 0,015) y la fiabilidad b = 0,130 (P = 0,047). Pero el resultado que importa en operaciones, el paso a entrevista, no se movió de forma significativa: 84,8 % para los perfiles con rostro generado por IA frente a 82,5 % con rostros reales, un odds ratio de 1,218 con P = 0,265 (arXiv 2610.22553, 2026).
Así que el candidato que presenta la foto sintética compra una valoración algo más cálida y ninguna ventaja fiable para llegar a entrevista.
El efecto posterior: consistente y significativo en los tres resultados
Los que se movieron fueron los doce candidatos reales idénticos. Los evaluadores que habían visto rostros generados por IA los puntuaron más bajo en empleabilidad (b = −0,146, P = 0,042) y en fiabilidad (b = −0,172, P = 0,007), y los pasaron menos a entrevista: odds ratio de 0,768, P = 0,037, que es la diferencia de 72,5 % frente a 77,4 % de la frase inicial. Los valores P unilaterales preespecificados, ajustados por Holm, fueron 0,037, 0,037 y 0,011 (arXiv 2610.22553, 2026).
La diferencia de unos cinco puntos es una resta mía de dos tasas publicadas. El tamaño del efecto que respaldan los autores es el odds ratio.
El control que lo convierte en un efecto de imagen sintética, no de retoque
La condición retocada es lo que convierte un resultado interesante en uno útil. La exposición a fotos retocadas no produjo ningún efecto posterior: la empleabilidad fue 5,26 en ambas condiciones, el paso a entrevista 78,2 % frente a 77,4 %, la fiabilidad 5,23 frente a 5,22 (arXiv 2610.22553, 2026).
El retoque convencional, el que ya tiene cualquier perfil de LinkedIn, no movió la línea base. El conjunto generado por IA sí.
Por qué las fotos generadas por IA en selección son un problema de lote, no de candidato
Lea el resultado como alguien de operaciones y no como un especialista en ética. La unidad del daño no es el candidato. Es la cola.
La probabilidad de un candidato de llegar a entrevista se movió varios puntos según quién más estuviera en la pila del evaluador, mientras su propio expediente permanecía constante. En la mayoría de los procesos de cribado de la mediana empresa, la composición del lote no es una variable controlada. Las candidaturas llegan en el orden en que las entrega el portal de empleo, los reclutadores las revisan por sesiones y nadie registra qué imágenes vio un evaluador antes de puntuar a un candidato concreto. Eso convierte la mezcla de imágenes en una entrada no controlada de una decisión que se espera que pueda defender.
No es la primera vez que el contexto del evaluador pesa más que lo evaluado. En un programa de entrevistas con IA en producción, estudiado sobre 2.611 grabaciones, un revisor puntuó los mismos lotes 0,79 desviaciones estándar por debajo de otro, y esa brecha de severidad fue lo bastante grande como para aplanar una mejora real de 0,53 DE del sistema subyacente (Zhang, Liu y Esposito, arXiv 2610.07003, 2026). Otro contexto, la misma lección: una puntuación lleva información sobre el evaluador y sobre el contexto de evaluación además de sobre el sujeto, y la mayoría de las organizaciones solo auditan al sujeto.
Por qué su control de impacto adverso no lo verá
El control instintivo contra el sesgo en el cribado en Estados Unidos es la regla de las cuatro quintas partes: una tasa de selección de un grupo inferior a cuatro quintos de la del grupo más alto se considera, en general, por las agencias federales evidencia de impacto adverso (29 CFR 1607.4(D), Uniform Guidelines).
Hay dos razones por las que esa prueba es ciega a este efecto. Es mi inferencia a partir del estudio, no un hallazgo del estudio.
La razón es demasiado pequeña para activar el umbral. 72,5 % sobre 77,4 % es aproximadamente 0,94, muy por encima del umbral de 0,8. Un cambio real y estadísticamente significativo en el avance pasa el filtro estándar con holgura.
El grupo afectado no es un grupo demográfico. Los candidatos perjudicados no comparten nada salvo la sesión en la que fueron revisados. El análisis de impacto adverso desglosa los resultados por características protegidas; no tiene una columna para «fue evaluado después de una foto sintética». Si la mezcla de imágenes de un lote se correlaciona con quién postula por qué canal, o a qué hora, el efecto puede aparecer después como una brecha demográfica inexplicada sin causa visible.
Para los equipos que operan en la UE el calendario no es urgente, pero está fijado: los sistemas de selección y evaluación de candidatos entran en el anexo III, y el artículo 113 modificado les aplica el régimen de alto riesgo desde el 2 de diciembre de 2027 (EU AI Act, artículo 113). Una entrada no documentada en una puntuación humana es una posición débil que defender bajo cualquier régimen de auditoría, sea cual sea la fecha que le aplique.
Lo que el estudio no demuestra
El artículo es cuidadoso con sus límites, y una lectura creíble debe recogerlos.
- El estímulo fue deliberadamente extremo. Los rostros generados por IA se eligieron por su alta atractividad valorada, con una media de 5,75 sobre 7, frente a 2,99 de los rostros reales del mismo conjunto. Los autores escriben que el efecto posterior «no debe asumirse como descriptivo de la producción ordinaria de cada generador».
- El mecanismo es desconocido. En palabras de los autores, «el experimento nos dice que la exposición importó, no por qué». Las imágenes generadas y las retocadas no estaban igualadas en atractividad, así que la fuente de la imagen no queda separada con nitidez de la intensidad del tratamiento. Cualquier relato sobre regularidad sintética frente a pura atractividad es especulación.
- Sin relación dosis-respuesta. El análisis de arrastre preespecificado no encontró efecto acumulativo a medida que los evaluadores veían más imágenes sintéticas. «Cuantas más fotos de IA, peor» no tiene respaldo.
- Un puesto, una sesión, solo evaluadores estadounidenses, reclutados en línea. Un reclutador real, con contexto del ámbito y un puesto familiar, podría comportarse de forma distinta en cualquiera de los dos sentidos.
- Las señales de subgrupo no son afirmaciones. El efecto posterior se distingue de cero entre los evaluadores varones y aparece cierta heterogeneidad de raza por exposición, pero las interacciones formales de género no fueron significativas y esos análisis no estaban preespecificados (arXiv 2610.22553, 2026).
Nada de esto revierte el punto operativo. Lo dimensiona. No hace falta creer que el efecto sea grande en su proceso para aceptar que es una entrada que hoy no puede ver.
Qué debería hacer un responsable de operaciones este trimestre
La buena noticia es que este es uno de los pocos hallazgos de sesgo con un remedio barato y mecánico.
Saque los rostros de la superficie de puntuación
Si una foto no es un requisito del puesto, no debería estar en la pantalla donde un revisor puntúa a un candidato. Oculte las imágenes en la fase de preselección de su ATS, o elimínelas al ingresar. Esto suprime a la vez el efecto directo y el contraste posterior, y con esta evidencia no cuesta nada en señal: el estudio mantuvo constantes las cualificaciones, y aun así los rostros de otros candidatos movieron el resultado.
Registre lo que vio cada revisor, no solo lo que decidió
Si las fotos deben seguir visibles para algunos puestos, registre las sesiones de cribado: qué candidatos puntuó un revisor, en qué orden, en una misma sentada. Sin ese registro no podrá comprobar después los efectos de contexto, ni responder a un auditor que pregunte por qué dos candidatos similares tuvieron resultados distintos.
Audite por sesión y por cola, no solo por demografía
Añada lote, revisor y sesión como dimensiones de su revisión trimestral de cribado. La evidencia sobre severidad de los evaluadores sugiere que encontrará efectos de revisor antes que efectos de imagen; ambos son más baratos de detectar en un panel que en una disputa.
Sea preciso sobre lo que hace con las imágenes un cribador de IA
Hay un detalle del artículo que es fácil pasar por alto. Los autores intentaron una versión del experimento con evaluadores de IA y la abandonaron en el piloto: los modelos multimodales de frontera sabían identificar el contenido de la imagen si se les preguntaba directamente, pero «no incorporaban de forma consistente esa información visual en los juicios de contratación» (arXiv 2610.22553, 2026). Un primer filtro automatizado puede, por tanto, no reaccionar a la imagen en absoluto, mientras que el revisor humano posterior sí. El diseño defendible especifica que el rostro no es una entrada de puntuación en ninguna etapa, ni para el modelo ni para las personas. Es el estándar que Scovai fija para su entrevistador, que puntúa solo el fondo, nunca el tono, el acento ni el rostro; sea cual sea su plataforma, escriba la regla equivalente y compruebe que se cumple.
La decisión de este trimestre
El candidato con la foto sintética ganó poco. Las doce personas revisadas después perdieron cerca de cinco puntos de probabilidad de entrevista por algo que nunca estuvo en su expediente. Las fotos generadas por IA en selección no son una cuestión de honestidad del candidato; son una cuestión de si su proceso de cribado controla sus propias entradas.
Elija: quitar los rostros de la pantalla de preselección antes de que abra el próximo ciclo de contratación, o empezar a registrar las sesiones de cribado para poder demostrar que la cola no decidió. No hacer ninguna de las dos cosas significa que las probabilidades de un candidato dependen de quién postuló justo antes, y no podrá demostrar lo contrario.