Cómo afectan las herramientas de evaluación con IA al comportamiento de los candidatos a un puesto de trabajo
S
egún el Foro Económico Mundial, más del 90% de los empleadores utilizan sistemas automatizados para filtrar o clasificar solicitudes de empleo, y el 88% de las empresas ya emplea algún tipo de IA para la selección inicial de candidatos.
La mayoría de las empresas, al considerar las herramientas de evaluación con IA, se centran en las mejoras que estas herramientas aportan en términos de eficiencia y calidad. Pero no toman en cuenta cómo la evaluación con IA puede cambiar el comportamiento de los candidatos durante el proceso de evaluación. Nuestra nueva investigación, que examinó a más de 13,000 participantes en 12 estudios, revela que este es un punto ciego crucial.
Los resultados muestran que los candidatos a menudo enfatizaron rasgos analíticos cuando creían que eran evaluados por una IA, al tiempo que restaban importancia a cualidades muy humanas (empatía, creatividad, intuición) que con frecuencia distinguen a los empleados sobresalientes de los meramente competentes. Esto llevó a los candidatos a presentar una versión diferente y potencialmente más homogénea de sí mismos, lo que a su vez afectó a quiénes tienen más probabilidades de tener éxito en un proceso de contratación mediado por IA, con implicaciones para las organizaciones que utilizan IA en decisiones de contratación, promoción o admisión.
Por qué esto es relevante para su organización
Las implicaciones de nuestros hallazgos van más allá de las decisiones individuales de contratación. Cuando los candidatos se representan de manera sistemáticamente incorrecta, las organizaciones enfrentan varios desafíos críticos:
— Distorsión de la reserva de talento: Nuestra investigación sugiere que saber que uno está siendo evaluado por una IA también sesga a los candidatos, haciéndoles creer que deben priorizar sus capacidades analíticas. Como resultado, las empresas podrían estar descartando exactamente a los candidatos que necesitan simplemente por usar IA: ese pensador innovador o líder con inteligencia emocional que usted está buscando podría presentarse como un analista que sigue las reglas porque cree que eso es lo que la IA quiere ver.
— Compromiso de la validez: Cuando los candidatos modifican estratégicamente sus respuestas, la validez fundamental del proceso de evaluación puede verse socavada. Las organizaciones podrían dejar de medir capacidades auténticas y, en su lugar, medir lo que los candidatos creen que la IA valorará más.
— Homogeneización no intencional: Si la mayoría de los candidatos cree que la IA favorece los rasgos analíticos, la fuente de talento podría volverse cada vez más uniforme, lo cual potencialmente socava las iniciativas de diversidad y limita la gama de perspectivas en las organizaciones.
Lo que los líderes pueden hacer
Con base en nuestros hallazgos, las organizaciones pueden tomar varias medidas concretas para abordar el efecto de la evaluación con IA:
— Transparencia radical: No se limite a revelar que utiliza una evaluación con IA, sea explícito sobre lo que realmente evalúa. Comunique claramente que su IA puede valorar (y de hecho valora) rasgos diversos, incluyendo creatividad, inteligencia emocional y capacidad intuitiva para resolver problemas.
— Auditorías conductuales regulares: Implemente revisiones sistemáticas de los resultados de sus evaluaciones con IA. Además de examinar sesgos demográficos, le sugerimos que use estas auditorías para buscar patrones que indiquen adaptación de comportamiento: ¿Las respuestas de los candidatos se están volviendo más homogéneas con el tiempo? ¿Está observando una tendencia hacia presentaciones más analíticas a expensas de otros rasgos valiosos?
— Evaluación híbrida: Algunas organizaciones combinan evaluaciones humanas y de IA. Uno de nuestros estudios muestra que, si bien la evaluación híbrida reduce la tendencia de los candidatos a destacar capacidades analíticas, no la elimina por completo. Para cerrar esa brecha, es necesario capacitar a los responsables de contratación (humanos) para que compensen el efecto de la IA.
El camino a seguir
Las mejoras en eficiencia que brinda la evaluación con IA pueden tener el costo de una presentación auténtica del candidato y, en última instancia, de la diversidad humana que hace que las organizaciones sean innovadoras y resilientes. La solución no es abandonar la IA, sino diseñar sistemas de evaluación que consideren y contrarresten estos cambios de comportamiento.
© 2025 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
According to the World Economic Forum, more than 90% of employers use automated systems to filter or rank job applications, and 88% of companies already employ some form of AI for initial candidate screening.
Most companies, when considering AI assessment tools, focus on the gains the tools bring in terms of efficiency and quality. But what they don’t factor in is how AI assessment may change candidates’ behavior during the assessment. Our new research, examining over 13,000 participants across 12 studies, reveals that this is a crucial blind spot.
The results show that job candidates consistently emphasized analytical traits when they believed AI was evaluating them, while downplaying the very human qualities — empathy, creativity, intuition — that often distinguish outstanding employees from merely competent ones. This drove candidates to present a different and potentially more homogeneous version of themselves, in turn affecting who was likely to succeed in an AI-enabled hiring process, with implications for organizations using AI in hiring, promotions or admission decisions.
WHY THIS MATTERS FOR YOUR ORGANIZATION
The implications of our findings extend beyond individual hiring decisions. When candidates systematically misrepresent themselves, organizations face several critical challenges:
TALENT POOL DISTORTION: Our research suggests that knowing that one is assessed by AI also biases candidates, making them believe that they should prioritize their analytical capabilities. As a result, companies may be screening out exactly the candidates they need simply by using AI: that innovative thinker or emotionally intelligent leader you’re looking for might present themselves as a rule-following analyst because they believe that is what the AI wants to see.
VALIDITY COMPROMISE: When candidates strategically alter their responses, the fundamental validity of the assessment process might be undermined. Organizations may no longer measure authentic capabilities — instead, they may measure what candidates think AI will value the most.
UNINTENDED HOMOGENIZATION: If most candidates believe AI favors analytical traits, the talent pipeline may become increasingly uniform, potentially undermining diversity initiatives and limiting the range of perspectives in organizations.
WHAT LEADERS CAN DO
Based on our findings, organizations can take several concrete steps to address the AI assessment effect:
RADICAL TRANSPARENCY: Do not just disclose AI assessment — be explicit about what it actually evaluates. Clearly communicate that your AI can and does value diverse traits, including creativity, emotional intelligence and intuitive problem-solving.
REGULAR BEHAVIORAL AUDITS: Implement systematic reviews of your AI assessment outcomes. In addition to examining biases regarding demographics, we suggest using these audits to look for patterns indicating behavioral adaptation: Are candidates’ responses becoming more homogeneous over time? Are you seeing a shift toward analytical presentations at the expense of other valuable traits?
HYBRID ASSESSMENT: Some organizations combine human and AI assessments. One of our studies shows that while this hybrid human assessment does reduce candidates’ tendency to highlight analytical capabilities, it does not eliminate it. To close the gap, you need to train your human hirers to compensate for the AI effect.
THE PATH FORWARD
The efficiency gains from AI assessment may come at the cost of authentic candidate presentation and, ultimately, the human diversity that makes organizations innovative and resilient. The solution is not to abandon AI, but to design assessment systems that account for and counteract these behavioral shifts.
La IA generativa podría solucionar las evaluaciones de desempeño (o empeorarlas aún más)
La IA puede alejar las evaluaciones de desempeño de las narrativas laborales y acercarlas a evidencia directa del trabajo en la práctica.
Es difícil utilizar la IA en equipo. Estas 3 prácticas pueden ayudar
He aquí tres prácticas que pueden ayudar a desarrollar la «química humano-IA en los equipos» a medida que evoluciona el lugar de trabajo.
¿Cuáles son los problemas de su empresa en materia de IA?
El “Ethical Nightmare Challenge” (ENC) es un marco de trabajo que puede integrarse con programas existentes de gestión de riesgos de IA.
