En las candidaturas más difíciles que recibes — las que están en el límite, donde un cribado de una sola llamada dice no y una persona podría decir sí — las tasas de aprobación pasaron del 4,5 % al 26,2 % cuando el candidato estaba representado por un agente. Es un cambio de acceso de casi seis veces, y no vino de ninguna modificación del modelo, del CV ni de la descripción del puesto. Vino de cambiar el procedimiento.
El dato proviene del estudio de Gao y Jiang sobre contratación mediada por agentes (arXiv, 2026), aceptado en el taller REALM de EMNLP 2026. Le importa a un Head of Operations por una razón que no tiene nada que ver con la retórica de la equidad y todo que ver con si tu cribado de CV con IA puede defenderse dos veces. El mismo estudio encontró que las candidaturas seleccionadas por el procedimiento de dos agentes se repetían con menos frecuencia al reejecutar los casos. La puerta se movió, y se movió de forma inconsistente.
El estudio: 600 pares, dos lados, un conjunto límite
La mayoría del cribado automatizado es un juicio estático. Una sola llamada al modelo lee un CV frente a un puesto y devuelve un veredicto. Gao y Jiang señalan que la contratación no está estructurada así — los empleadores evalúan la idoneidad mientras los candidatos presentan y defienden evidencia de sus cualificaciones — y construyen la versión de dos lados: un agente del lado del empleador y un agente del lado del candidato intercambian evidencia y actualizan sus juicios antes de decidir quién avanza.
Lo ejecutaron sobre 600 pares CV–puesto construidos con dos modelos de frontera, GPT-5.5 y Claude Opus 4.7, y lo compararon con la referencia de una sola llamada sobre el mismo material.
| Medida | GPT-5.5 | Claude Opus 4.7 |
|---|---|---|
| Tasa de avance, una llamada → dos agentes | 33,3 % → 39,3 % | 34,0 % → 35,5 % |
| Tasa de aprobación en el conjunto límite, 3 ejecuciones | 4,5 % → 26,2 % | 6,5 % → 16,1 % |
Lee las dos filas una contra otra. La tasa de avance general se movió seis puntos como máximo — el tipo de deriva que un responsable de operaciones absorbería sin notarla. El conjunto límite, 191 pares comunes a ambos procedimientos, se movió varias veces. El efecto se concentra exactamente donde tu umbral está haciendo el trabajo.
Si tu cribado está calibrado sobre un corte, un candidato que llega con un agente no está marginalmente favorecido. Está siendo evaluado por un procedimiento distinto.
No es un aflojamiento, y ahí está el problema
La lectura obvia es que el cribado de dos agentes es simplemente más permisivo — los candidatos consiguen un abogado, pasan más, recalibras el umbral y sigues adelante. El artículo cierra esa salida explícitamente: «el cribado de dos agentes rechaza candidaturas que la llamada única hace avanzar, cambiando las decisiones en ambas direcciones».
De ahí se siguen dos consecuencias, y la segunda es la costosa.
A volúmenes de aprobación similares, los dos procedimientos hacen avanzar candidaturas distintas. No puedes reproducir los resultados de dos agentes aflojando un cribado de una sola llamada, porque ningún umbral de llamada única recupera las candidaturas que el cribado de dos agentes selecciona de forma consistente. Los procedimientos no son dos posiciones de un mismo dial. Son dos funciones de selección distintas que resultan pasar a un número similar de personas.
Y entre los casos seleccionados en la fase de descubrimiento y reejecutados en pasadas nuevas, las selecciones exclusivas del cribado de dos agentes se repitieron con menos frecuencia que las compartidas por ambos procedimientos — claramente con GPT-5.5, de forma menos cierta con Opus 4.7 — mientras que un seguimiento de llamada única no mostró una caída comparable. Los candidatos que el procedimiento mediado por agentes encontraba por su cuenta eran los menos propensos a ser encontrados de nuevo.
Una decisión que no se reproduce no puede explicarse. Ni a un candidato rechazado que lo pregunta, ni a una apelación interna, ni a un regulador. Bajo el EU AI Act, el reclutamiento y la evaluación de candidatos están en el Anexo III, con las obligaciones de alto riesgo y los deberes del implementador del art. 26 aplicándose ahora desde el 2 de diciembre de 2027 (EU AI Act explorer, 2026). El requisito de supervisión humana del art. 14 presupone que hay algo estable que supervisar. Un registro de cribado que dice este candidato avanzó en esta ejecución no es un registro de supervisión. Es un billete de lotería con marca de tiempo.
En el cribado de CV con IA, el procedimiento — no el modelo — es la variable que controlas
Este hallazgo no está aislado, y eso es lo que debería moverlo de interesante a operativo. Una auditoría independiente de más de 30.000 evaluaciones de CV con LLM sobre tres modelos, comerciales y de pesos abiertos, encontró que los efectos demográficos eran despreciables en todas las condiciones probadas — pero que la mera formulación del prompt resucitaba una preferencia por la antigüedad. Con la experiencia mantenida idéntica, un prompt de evaluación estructurado hizo caer el efecto edad a d=0,02 (p=0,90); un prompt informal, «a ojo», conservó d=0,41 (p=0,03) (Pavlopoulos, 2026). Mismos modelos, mismos CV, mismos candidatos. Procedimiento distinto, respuesta distinta.
La dirección se invierte en condiciones más ricas, lo que endurece el argumento en lugar de suavizarlo. Cuando Karvonen y Marks añadieron contexto de despliegue realista — nombres reales de empresas, descripciones de cultura tomadas de páginas públicas de empleo, restricciones selectivas como «acepta solo al 10 % superior» — indujeron efectos demográficos de hasta 12 puntos porcentuales en las tasas de entrevista a través de seis modelos, y las instrucciones antisesgo en los prompts, que funcionan en benchmarks limpios, dejaron de funcionar (arXiv, 2025).
Tres estudios, tres métodos, una conclusión: el modelo de puntuación no es donde vive tu varianza. El procedimiento que lo rodea, sí.
Por qué esto cuenta ahora y no en 2028
Porque la mitad del lado del candidato ya está desplegada. ManpowerGroup y Everest Group encontraron que el 54 % de los empleadores dice que los CV, candidaturas y preparación de entrevistas generados con IA han hecho más difícil evaluar la capacidad real del candidato, mientras más del 90 % usa IA en sourcing y cribado y menos del 5 % describe los resultados como transformadores (ManpowerGroup, 2026).
Esa brecha — adopción casi universal, valor realizado casi nulo — suele leerse como un problema de herramientas. Gao y Jiang sugieren que es un problema de procedimiento. Ambos lados automatizados, el procedimiento de ninguno especificado, y el comportamiento de la puerta es ya una propiedad emergente de dos sistemas negociando.
Los límites honestos
Mantén el hallazgo en su peso real. Son 600 pares CV–puesto construidos, no contrataciones reales con resultados reales — no hay ninguna medida de si los candidatos que el cribado de dos agentes hizo avanzar luego rindieron. Dos modelos, ambos de frontera, en un momento concreto. Y es un artículo de taller, no un artículo de revista con revisión por pares, así que el resultado sobre la recurrencia en particular debe tratarse como una señal fuerte más que como una estimación asentada.
Lo que sobrevive a esas salvedades es la afirmación estructural, y es la que te cuesta dinero: los procedimientos de cribado difieren en con cuánta fiabilidad se repiten sus decisiones, y nadie lo está midiendo. Si el efecto es real aunque sea a la mitad del tamaño reportado, tus decisiones límite son la parte menos estable de tu embudo y la más propensa a ser impugnada.
Qué hacer al respecto este trimestre
La respuesta útil no es prohibir los agentes de los candidatos — no puedes detectarlos con fiabilidad y el intento te costará los candidatos que siguen las instrucciones. Es hacer del procedimiento, no del modelo, lo que gobiernas. Cuatro movimientos, en orden de coste:
- Ejecuta una prueba de recurrencia sobre las decisiones límite del mes pasado. Toma cincuenta candidaturas que cayeron a pocos puntos de tu corte, reejecútalas por el cribado idéntico y cuenta cuántos veredictos se mantienen. Ese número es tu tasa de reproducibilidad, casi con certeza no lo tienes, y se consigue en una tarde.
- Fija el prompt como configuración, no como hábito de cada reclutador. El resultado de Pavlopoulos dice que un prompt de evaluación estructurado y uno informal son instrumentos distintos. Si tus reclutadores pueden editar libremente lo que el cribado pregunta, estás ejecutando un número indeterminado de procedimientos y atribuyendo su salida a un solo modelo.
- Separa la parte determinista de la puntuación de la parte de juicio, y regístralas por separado. Un componente calculado aritméticamente a partir de los requisitos declarados del puesto se reproduce por construcción; un juicio del modelo, no. La puntuación de Scovai funciona sobre un presupuesto de pesos fijo dividido 50/50 entre ambas, con la mitad de juicio devuelta como cuatro subpuntuaciones separadas a baja temperatura, cada una con su propia razón escrita — una forma de ver cómo se ve esa separación en la práctica es la arquitectura de puntuación.
- Pon la revisión humana donde está la varianza, no donde está el volumen. Tus revisores están hoy repartidos por todo el embudo. El estudio dice que la inestabilidad se concentra en la banda límite — lo que significa que un presupuesto de revisión humana pequeño y dirigido a esa banda compra más defendibilidad que uno mayor repartido de forma uniforme.
Ninguna de estas requiere nueva compra. Las cuatro son decisiones de configuración, que es la buena noticia y también la razón por la que siguen sin tomarse.
La decisión que tienes delante
La contratación mediada por agentes no se anunciará. No hay demo de proveedor, ni partida presupuestaria, ni integración que aprobar. Llega cuando suficientes candidatos traen sus propias herramientas y tu puerta deja de comportarse como dice tu panel — y, con la evidencia disponible, lo primero que se rompe no es la exactitud sino la repetibilidad.
Así que la pregunta que merece estar en la agenda de este trimestre no es si tu cribado de CV con IA es exacto. Es más estrecha y mucho más respondible: si reejecutaras mañana los rechazos del mes pasado, ¿cuántos volverían iguales? Si no lo sabes, eso es lo primero que hay que medir. Todo lo que puedas querer afirmar sobre tu cribado — que es justo, que es explicable, que una persona lo supervisa de forma significativa — depende de una respuesta que hoy no tienes.