Cómo el cribado de CV con IA reduce el tiempo de contratación sin ocultar sesgos

Un reclutador que criba 300 CV para un puesto de backend dedica unas 23 horas antes de concertar una sola entrevista. Automatizar ese paso es fácil. Lo difícil es hacerlo sin incorporar en silencio los patrones de contratación del pasado.

El coste real de un cribado lento

Entre doce clientes de la beta de EvalCV, la mediana entre la candidatura y la primera entrevista fue de 11 días laborables. La mayor parte era espera: CV aguardando a alguien con contexto suficiente para leerlos bien. Los candidatos fuertes rara vez esperan tanto. Hacia el octavo día, un tercio de los preseleccionados ya había aceptado otro proceso.

Dónde se esconde el sesgo en el cribado automatizado

La mayoría de las herramientas de cribado aprenden de decisiones de contratación pasadas. Si esas decisiones favorecían ciertas universidades, códigos postales o trayectorias, el modelo aprende a favorecerlas también y presenta el resultado como una cifra objetiva.

El problema son los indicadores indirectos, no el modelo

Los nombres y las fotos son evidentes. Los huecos en la carrera, los años de graduación y los domicilios no lo son, pero se correlacionan igual de fuerte con características protegidas. EvalCV los elimina antes de puntuar y deja constancia de que lo hizo.

«Una puntuación que nadie puede explicar es solo una forma más rápida de cometer los mismos errores.»

Puntuaciones que se pueden explicar

En lugar de entrenarse con resultados pasados, EvalCV puntúa cada CV únicamente frente a los requisitos escritos en la oferta de empleo. Cada punto de la puntuación corresponde a un requisito y a una línea citada del CV como evidencia.

En el portal para reclutadores, el desglose de la puntuación enumera cada requisito con la frase del CV que lo cumple. Los reclutadores pueden pasar de un número a las palabras que lo respaldan, y discrepar si lo desean.

Qué devuelve la API

La misma evidencia está disponible por programación, de modo que los equipos que integran EvalCV en su ATS también pueden mostrarla a los responsables de contratación.

POST /v1/score
{ "job_id": "job_8f2c41", "cv_id": "cv_31d0a7" }

200 OK
{
  "score": 78,
  "matched": ["Spring Boot", "PostgreSQL", "5+ years backend"],
  "missing": ["Kubernetes in production"],
  "evidence": [{
    "requirement": "Spring Boot",
    "quote": "Led migration of 14 services to Spring Boot 3"
  }],
  "excluded_signals": ["name", "photo", "date_of_birth", "address"]
}

La lista de señales excluidas

El campo excluded_signals existe para los auditores. Registra qué campos se eliminaron antes de que el modelo viera el CV, en todas y cada una de las solicitudes.

Medir con honestidad el tiempo de contratación

Tras ocho semanas, la mediana hasta la primera entrevista bajó de 11 a 4 días laborables. Más útil aún: la proporción de candidatos entrevistados con trayectorias no tradicionales subió ligeramente en lugar de bajar, justo lo contrario de lo que temíamos.

Pruébelo con sus propias vacantes. El plan gratuito de EvalCV le permite puntuar CV frente a una oferta real. Los planes y límites están en evalcv.com.

Qué haríamos de otra manera

Lanzamos la puntuación antes que la vista de evidencias. Los reclutadores confiaron menos en las cifras en esas primeras semanas, y con razón. La próxima vez, la explicación irá primero.