Dos CV, la misma herramienta, el mismo autor, casi el doble de respuestas. En una prueba de campo de dos meses con 204 candidaturas reales enviadas a ofertas activas, un CV generado por IA y enviado tal como salió obtuvo respuesta en el 10 % de las candidaturas. El mismo texto de la IA, personalizado para cada oferta concreta, llegó al 18 % (Kickresume, 2026). Nada cambió en el candidato entre esos dos grupos. Lo que cambió fue cuánto trabajo se puso en la candidatura.
Ese resultado debería reorganizar cómo miras tu propio embudo. La mayoría de los equipos de contratación en 2026 se está preparando para el problema equivocado. El miedo es que las candidaturas escritas por IA sean demasiado pulidas para filtrarlas — que el CV escrito por la máquina pase porque se lee mejor que el humano. Los datos apuntan al revés. El borrador de IA en bruto fue el peor de toda la prueba. Lo que premia tu cribado de CV no es la autoría ni la capacidad. Es el esfuerzo de personalización — y el esfuerzo de personalización es justo el insumo que la IA generativa ha vuelto casi gratuito.
Qué midieron realmente 204 candidaturas reales
El diseño importa, así que aquí está sin rodeos. Entre abril y junio de 2026 aproximadamente, se enviaron 204 candidaturas reales a ofertas activas en el mercado de Nueva York, concentradas en puestos de atención al cliente y de representante comercial — categorías elegidas deliberadamente por su alto volumen. Se rotaron cuatro versiones del CV, 51 candidaturas cada una: un CV humano a una columna, un CV humano a dos columnas, un borrador de IA en bruto y un CV de IA personalizado para cada oferta (Kickresume, 2026).
En toda la prueba, 36 respuestas fueron positivas — alrededor del 18 %, aproximadamente una de cada seis — de las cuales 22 fueron solicitudes directas de entrevista y el resto cribados telefónicos, entrevistas en vídeo, correos positivos e invitaciones a pruebas. La mayoría de las respuestas llegó en menos de tres días.
La diferencia entre grupos es el hallazgo:
- Escrito por una persona, una columna limpia: 31 %
- CV de IA personalizado para cada oferta: 18 %
- Escrito por una persona, dos columnas: 12 %
- Borrador de IA en bruto, enviado tal cual: 10 %
Dentro de esos números hay dos cosas fáciles de pasar por alto. Primero, el CV humano a dos columnas rindió menos que el CV de IA personalizado — el análisis del maquetado sigue costando entrevistas reales a candidatos reales, lo que señala a la capa de extracción más que a los candidatos. Segundo, 30 de las 36 respuestas positivas vinieron de puestos genuinamente bien ajustados, y atención al cliente y soporte por sí solos aportaron 18 de 36. La calidad del encaje dominó todo lo demás en los datos.
Una advertencia honesta, que los propios autores señalan: las versiones salieron por fases y no en paralelo sobre ofertas idénticas, así que los CV humanos encontraron primero las vacantes mejor ajustadas, antes de que el conjunto local de puestos adecuados se agotara — algo que, según los autores, llevó alrededor de una semana en las categorías laborales de mayor volumen del país. Ese factor de confusión infla el dato del CV humano a una columna en una magnitud desconocida. Toma el 31 % como orientación. La comparación que sobrevive al sesgo es la que ocurre dentro del par de IA, donde la herramienta y el autor se mantuvieron constantes y solo varió la personalización: del 10 % al 18 %.
Tu cribado de CV está leyendo esfuerzo, y el esfuerzo se volvió barato
Este es el mecanismo. Cuando un cribado — humano o automático — premia un CV por usar el vocabulario de la oferta, reflejar sus requisitos declarados y poner en primer plano el tercio relevante de una trayectoria, no está midiendo si el candidato sabe hacer el trabajo. Está midiendo si el candidato dedicó veinte minutos a ti en lugar de enviar un archivo genérico.
Durante casi toda la historia de la contratación eso fue una aproximación defendible. El esfuerzo correlacionaba con la motivación, la motivación con el encaje, y el coste de personalizar era lo bastante alto como para ser informativo. Un candidato que reescribía su CV para tu oferta revelaba algo real sobre su orden de preferencias.
La IA generativa rompió el precio de esa señal. Adaptar un CV a una descripción de puesto es hoy una sola instrucción, ejecutada en segundos, con coste marginal cero y volumen ilimitado. La señal no se volvió más ruidosa — se invirtió. Un embudo que premia la personalización hace avanzar ahora preferentemente a los candidatos con mejores herramientas de candidatura, variable que no correlaciona con quién rendirá en el puesto.
Los datos del lado del empleador ya muestran la tensión. Solo alrededor de un tercio de los responsables de contratación dice estar muy seguro de que un CV refleja las habilidades reales de un candidato, y sin embargo cerca de dos tercios siguen usando el cribado de CV como primer paso del embudo; las organizaciones donde el CV es el principal factor de decisión tienen un 35 % más de probabilidad de reportar una mala contratación (Criteria y Lighthouse Research & Advisory, 2026, encuesta a 998 responsables). Por separado, el 54 % de los líderes sénior de talento afirma que los CV y candidaturas generados por IA han hecho más difícil evaluar la capacidad real, mientras más del 90 % de las empresas usa IA en sourcing y cribado y menos del 5 % califica los resultados como transformadores (ManpowerGroup y Everest Group, 2026). Y el 67 % de los responsables de RR. HH. en EE. UU. informa que revisar candidaturas generadas por IA ha ralentizado sus contrataciones, con un 20 % que registra retrasos de más de dos semanas (Robert Half, 2026).
Lee esos cuatro hallazgos juntos y el cuadro es preciso: la puerta que todos abren primero es la que casi nadie se cree, se ha vuelto más caro operarla, y lo que ahora mide se puede comprar.
El resultado de las dos columnas es una alarma aparte
Deja la cuestión de la IA a un lado un momento y mira los dos grupos humanos. El mismo candidato, la misma trayectoria, las mismas afirmaciones — maquetado a una columna, 31 %; maquetado a dos columnas, 12 %. Esa brecha no tiene nada que ver con capacidad, motivación o encaje. Es un artefacto de maquetación.
Los diseños a dos columnas son donde los analizadores de CV fallan de forma habitual: las columnas de texto se entrelazan hasta volverse ilegibles, las barras laterales de habilidades se pierden, las fechas se desprenden de los puestos a los que pertenecen. Si tu sistema de seguimiento de candidaturas puntúa o clasifica sobre campos extraídos automáticamente, una decisión de maquetado tomada por razones estéticas baja en silencio a un candidato en tu lista. En los propios números de la prueba, un CV escrito por una persona con el maquetado equivocado rindió menos que un borrador de IA al que solo se le había apuntado a la oferta (Kickresume, 2026).
Esto merece una tarde de diagnóstico, sea cual sea tu conclusión sobre la personalización. Toma diez CV que descartaste en el cribado el último trimestre, pásalos por tu analizador y lee qué ingirió realmente tu sistema frente a qué envió realmente el candidato. El modo de fallo no es que el analizador devuelva un error — es que el analizador funciona, produce campos degradados, y la clasificación posterior los trata como ciertos.
La objeción: ¿no sigue siendo la personalización una señal real?
La objeción más fuerte merece una escucha justa. Si un candidato se molesta en personalizar — incluso con IA — aun así eligió tu oferta entre las otras cuarenta abiertas en sus pestañas. ¿No revela eso una preferencia?
En parte, y la prueba de campo lo respalda: 30 de los 36 resultados positivos vinieron de puestos bien ajustados, lo que significa que el encaje hacía la mayor parte del trabajo. Pero preferencia y encaje no son la misma variable, y la personalización solo aproxima la primera. Un candidato puede personalizar a la perfección para un puesto que dejará en cinco meses, y un candidato con encaje fuerte, un CV sobrio a una columna y ningún hábito de personalizar puede quedar descartado antes de que un humano lea una palabra. Peor aún, la aproximación se degrada de forma asimétrica: los candidatos con más probabilidad de aplicar en masa con ayuda de IA son exactamente aquellos para quienes personalizar no cuesta nada, así que la correlación entre personalización e interés real se debilita más rápido justo donde el volumen de candidaturas es más alto.
La versión defendible de la objeción es más estrecha de lo que parece. La personalización es evidencia débil de preferencia y casi ninguna evidencia de capacidad. Sirve como criterio de desempate. Es indefendible como insumo de clasificación.
Mide la capacidad, no la artesanía del documento
Unos ochenta años de investigación en selección apuntan en la misma dirección: las muestras de trabajo, las entrevistas estructuradas y las medidas de capacidad cognitiva están entre los predictores más fuertes del desempeño laboral, mientras que los insumos adyacentes al CV, como los años de experiencia y las credenciales educativas, son comparativamente débiles (metaanálisis de Schmidt y Hunter, 1998). Ese hallazgo precede a la IA generativa en un cuarto de siglo. La IA no invalidó el CV — eliminó la última excusa práctica para ponerlo como primer filtro.
La distinción operativa está entre inferir la capacidad a partir de cómo se armó un documento y medirla contra lo que el puesto exige.
Qué cambiar este trimestre
Elige una vacante de alto volumen — esa en la que el número de candidaturas se ha duplicado y tus reclutadores se ahogan en archivos casi idénticos y bien personalizados. Luego haz cuatro cosas:
- Degrada el CV a filtro de exclusión. Responde preguntas de elegibilidad (autorización de trabajo, credencial obligatoria, umbral de experiencia no negociable) y nada más. No produce un ranking.
- Pon una señal estructurada y representativa del trabajo antes del paso de clasificación — una muestra de trabajo breve, una evaluación validada, o una entrevista estructurada puntuada contra los requisitos declarados del puesto en lugar de contra los demás candidatos.
- Pondera los requisitos antes de ver a un solo candidato. Un requisito que bloquea la contratación no debe contar igual que un deseable, y decidir ese orden después de que lleguen las candidaturas es cómo entra la justificación a posteriori en un embudo. La ponderación explícita de la criticidad es la parte de los mecanismos de puntuación que la mayoría de los equipos se salta, y es la parte que hace auditable un ranking.
- Haz una prueba A/B contra una vacante comparable gestionada con el CV primero y vigila dos números: la calidad de contratación a los 90 días, y las horas de reclutamiento recuperadas del filtrado.
Si el grupo de IA personalizada de esa prueba de campo dice algo en términos operativos, es que tu embudo pagará con gusto una prima por veinte minutos de trabajo de prompt. La pregunta de este trimestre es si clasificarías candidatos sobre esa base a sabiendas. Hasta que la señal de capacidad vaya por delante del documento, tu cribado de CV está comprando veinte minutos de trabajo de prompt y llamándolo evidencia — y esa es la compra que repites cada vez que abres el pipeline.