La inteligencia artificial muestra mayor sesgo que los humanos en la selección de personal

El avance en la integración de la inteligencia artificial en procesos críticos, como la selección de personal, trae consigo la promesa de eficiencia, pero también desafíos inherentes. Recientemente, se ha puesto de manifiesto que los sistemas de IA diseñados para cribar currículums y perfiles de candidatos antes de la intervención humana son más propensos a desarrollar y manifestar sesgos que los propios evaluadores humanos.

Esta revelación es particularmente relevante en un contexto donde la automatización en recursos humanos gana terreno. Las empresas adoptan herramientas de IA para optimizar la primera fase de filtrado, un paso que puede determinar quién avanza en el proceso de contratación y quién no. Si estos algoritmos introducen o amplifican prejuicios, las consecuencias pueden ser significativas, limitando la diversidad en los equipos y perpetuando desigualdades estructurales.

Los sesgos algorítmicos pueden surgir de múltiples fuentes, desde los datos con los que se entrena la IA (que a menudo reflejan patrones históricos de discriminación) hasta el diseño de los propios modelos. Esto implica que, en lugar de ofrecer una solución objetiva a los prejuicios humanos, la IA podría estar creando una nueva capa de discriminación sistemática, difícil de detectar y corregir una vez implementada a gran escala. Abordar este problema requiere no solo una supervisión constante, sino también un diseño consciente que incorpore principios de equidad y transparencia desde las etapas iniciales del desarrollo de la IA.