Las herramientas de inteligencia artificial generativa han transformado la búsqueda de empleo, facilitando la creación de solicitudes, pero reduciendo la información que proporcionan a los empleadores para evaluar la idoneidad de los candidatos. A medida que las solicitudes escritas pierden su valor informativo, las empresas recurren con mayor frecuencia a indicadores generales como la experiencia laboral previa, lo que crea, sin querer, importantes barreras de entrada para candidatos cualificados sin una formación tradicional. Dado que los empleadores no logran comprender el valor social que aporta una contratación exitosa, el proceso de selección estándar de una sola etapa suele generar fallos de mercado sistémicos, donde candidatos con alto potencial y sin experiencia quedan totalmente excluidos. Para contrarrestar estas ineficiencias, las empresas pueden implementar un proceso de contratación en varias etapas con evaluaciones intermedias económicas, como pruebas de habilidades o entrevistas, que generen información útil antes de las costosas evaluaciones completas. En definitiva, si bien la saturación generalizada de la IA degrada la información inicial de los candidatos, la introducción de métodos de evaluación secuenciales puede restablecer el funcionamiento del mercado y rescatar oportunidades laborales para trabajadores talentosos que, de otro modo, pasarían desapercibidos.
Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "Can Labor Markets Function in the Age of AI? The Evaluation Bottleneck in Hiring". Por Itai Ashlagi y colegas. Publicado el 24 de Septiembre de 2026.
El resumen, la transcripción, y la traducción fueron hechas usando herramientas de software de Inteligencia Artificial.
El resumen se presenta en la forma de un diálogo entre dos personajes sintéticos que llamaremos Alicia y Beto.
Resumen
A
Ahora mismo, puedes usar la IA para escribir una carta de presentación impecable, a nivel Harvard, en unos pocos segundos.
B
Sí, literalmente segundos.
A
Ya veo. Quiero decir, nunca ha sido tan fácil postular a un trabajo. Ya sea que estés contratando para tu equipo o buscando tu próximo gran puesto, realmente necesitas escuchar esto.
B
Absolutamente.
A
Porque está cambiando completamente el panorama.
B
Lo está haciendo.
A
Y hablando matemáticamente, esa misma conveniencia podría estar, bueno, destruyendo el mercado laboral. Podría estar bloqueando a toda una generación de talento fuera de la fuerza laboral.
B
Lo cual es bastante aterrador cuando lo piensas. Estamos viendo un colapso fundamental en cómo los humanos demuestran su valía unos a otros en un entorno profesional.
A
Exacto.
B
Las mismas herramientas que construimos para empoderar a los solicitantes de empleo están desencadenando un colapso estructural en la contratación. Y ahora los investigadores tienen las matemáticas para mostrarnos por qué.
A
Sí, y esto es en lo que nos metemos hoy. Estamos extrayendo de este fascinante artículo de investigación preliminar de septiembre de 2026. Se titula: "¿Pueden funcionar los mercados laborales en la era de la IA? El cuello de botella de la evaluación en la contratación".
B
De Ashlagi, Johari, Kleinberg, y Murthy.
A
Claro. Exacto. Así que nuestra misión para esta inmersión profunda es realmente comprender este enorme cambio de paradigma. Porque la parte más difícil de la contratación solía ser encontrar solicitantes, ¿verdad?
B
Claro. La búsqueda (sourcing) era el cuello de botella.
A
La búsqueda. Sí. Pero ahora lo más difícil es realmente creer en ellos.
B
Sí, esa es una gran forma de decirlo.
A
Así que vamos a explorar por qué el aumento de la IA generativa en el mercado laboral está creando esta extraña paradoja donde tener aplicaciones perfectas conduce a cero ofertas de trabajo. Y también veremos la solución matemática que proponen los investigadores para ayudarnos a salir de este lío.
B
Bien, vamos a desgranar esto. Para realmente captar el alcance del problema, tenemos que mirar cómo están actuando los solicitantes en este entorno de alta IA.
El cuello de botella de la contratación con IA: cómo la IA generativa distorsiona la selección y cómo la contratación por etapas lo soluciona.
A
Claro. La realidad en el terreno.
B
Exacto. Los buscadores de empleo están desplegando IA generativa para redactar currículums, para adaptar instantáneamente sus cartas de presentación a descripciones de trabajo muy específicas. Y están enviando estas aplicaciones perfectamente optimizadas a una escala masiva, masiva.
A
En la superficie, si eres un candidato escuchando esto, eso suena como una gran victoria.
B
Oh, totalmente.
A
Estás ahorrando horas de tedioso formato y suenas increíblemente profesional haciéndolo. La IA solo está escaneando la descripción del trabajo, extrayendo las palabras clave exactas que el empleador quiere escuchar y entrelazándolas en una narrativa que te hace parecer el candidato ideal literal.
B
Sí, se siente como un superpoder para el solicitante. Pero el problema surge cuando alejas el zoom. Tienes que mirar el efecto agregado de millones de personas haciendo exactamente lo mismo simultáneamente.
A
Claro.
B
Las empresas están recibiendo repentinamente este asombroso volumen de materiales de solicitud. Y como cada solicitante está usando una IA para adaptar su currículum a la misma descripción de trabajo exacta, los materiales que recibe la empresa se están volviendo cada vez más idénticos.
A
Lo cual tiene sentido. Todos están utilizando las mismas palabras clave.
B
Exacto.
Y los investigadores destacan una distinción realmente crítica aquí. Señalan que la IA generativa aumenta drásticamente el ajuste superficial de una solicitud. Pero reduce por completo el contenido predictivo de ese ajuste.
A
Así que parece personalizado, pero en realidad no te dice nada real.
Es como la inflación de notas académicas, pero para las cartas de presentación.
B
Oh, esa es una analogía perfecta.
A
Claro, porque si todos en el grupo de solicitantes envían una carta de presentación impecable y shakesperiana, la carta misma se vuelve completamente inútil como forma de destacar.
B
Sí.
A
Tener una A+, no significa que seas un genio, si a toda la clase se le entregara una A+ por una máquina.
B
Lo fascinante aquí es cómo esto se relaciona con la economía. Esto se relaciona directamente con el concepto de "señal".
A
Bien, desglósalo para nosotros.
B
Entonces, para que cualquier "señal" sea valiosa en un mercado, ya sea una carta de presentación, un currículum adaptado o un portafolio, tiene que tener un costo de producción.
A
¿Como tiempo o esfuerzo?
B
Exacto. Tradicionalmente requiere tiempo y esfuerzo intenso, investigación profunda para demostrar que realmente entiendes la misión específica de una empresa. Ese costo gastado es la prueba real. Es la señal de que eres un candidato de alta calidad.
A
Porque un candidato de baja calidad no molestaría en invertir tanto trabajo.
B
Precisamente. Pero en el momento en que el costo de generar esa señal cae a prácticamente cero, que es lo que hace la IA, la señal pierde todo su valor económico.
A
Vaya.
Entonces, la empresa realmente solo está mirando un muro de ruido en ese punto.
B
Un muro total de ruido.
A
Quiero decir, un gerente de contratación ahora tiene una pila de mil currículums idénticos y perfectamente optimizados. Y están completamente ciegos sobre cuáles están adjuntos a seres humanos competentes.
B
Correcto. La fricción central en la contratación ha cambiado fundamentalmente. Ya no se trata del acto físico de enviar una solicitud o de procesar un pedazo de papel.
A
Claro. La fricción ahora se trata de la prueba.
B
Exacto. Se trata de la generación de evidencia individualizada y creíble de idoneidad. Los investigadores realmente mapean esto matemáticamente. Definen una variable para la varianza del ruido en estos materiales de solicitud.
A
Y a medida que la IA se vuelve más popular, ...
B
Sí, a medida que la saturación de la IA aumenta en el mercado, la varianza de este ruido se dispara justo al mismo tiempo. Consecuentemente, el costo efectivo para la empresa de identificar a un candidato verdaderamente compatible se vuelve astronómicamente alto.
A
Ok, entonces escucho esta idea de que las empresas están abrumadas por el texto de la IA. Y mi primer instinto es preguntarme, ¿por qué no usarían simplemente un filtro de IA para leer los currículums de la IA?
B
Es la siguiente pregunta lógica, sí.
A
Claro. Porque vemos herramientas de detección de IA y software de filtrado automatizado por todas partes ahora. Se siente como si esto debería ser una carrera armamentista entre diferentes algoritmos. No una situación en la que el gerente de contratación humano simplemente se rinda ante el ruido.
B
El artículo aborda realmente la lógica central allí. Y es súper interesante. El problema no es qué tan rápido puede analizar una empresa el texto. El problema es la degradación de la información latente dentro del texto mismo.
A
Significa que la verdad detrás de las palabras simplemente desaparece.
B
Exacto.
A
Ok.
B
Incluso la herramienta de filtrado de IA más avanzada no puede extraer una señal genuina de compatibilidad humana de un documento que fue generado artificialmente para ser una coincidencia perfecta. El texto, en sí mismo, es el ruido.
A
Oh, vaya.
Así que un filtro de IA que analiza texto generado por IA es básicamente una máquina leyendo su propio reflejo.
B
Es exactamente eso.
No le dice a la empresa nada sobre el ser humano real sentado detrás del teclado. Y debido a eso, los gerentes de contratación humanos tienen que cambiar su comportamiento para sobrevivir a la inundación. Terminan apoyándose en un concepto estadístico llamado "reponderación bayesiana" ("Bayesian re-weighting").
A
Déjame intentar desglosar cómo entiendo la reponderación bayesiana, especialmente para cualquiera que esté escuchando y pueda ser como un recién graduado atrapado en esta situación exacta.
B
Sí, adelante.
A
Entonces, en estadística, tu creencia sobre algo está compuesta por dos partes.
- Primero, tienes la nueva evidencia específica justo delante de ti. En este caso, es el currículum del solicitante, ¿verdad?
- Y segundo, tienes tu conocimiento previo (prior), que es tu suposición base basada en datos históricos o características de un grupo amplio.
B
Sí. Es tu punto de partida.
A
Correcto. Así que normalmente usas la nueva evidencia para actualizar tu conocimiento previo. Pero si la nueva evidencia, el currículum, se demuestra que es ruido totalmente poco confiable, matemáticamente no puedes actualizar tu creencia.
B
Literalmente no puedes.
A
Así que estás obligado a tirar la evidencia específica por la ventana y confiar totalmente en tus suposiciones previas.
B
Esa es una síntesis perfecta del mecanismo. Cuando los materiales de solicitud individualizados se vuelven altamente ruidosos e inconfiables, la respuesta racional para cualquier empresa es poner menos peso en esos materiales específicos y poner el máximo peso en el conocimiento previo.
A
Y en el contexto de un gerente de contratación mirando una pila de currículums, ese conocimiento previo es la experiencia pasada observable.
B
Exacto.
A
Básicamente están haciendo una pregunta directa. ¿Ha tenido esta persona un trabajo similar en esta industria antes?
B
Claro. Para ilustrar cómo esto remodela completamente el mercado laboral, los investigadores construyen un modelo que define cuatro tipos distintos de solicitantes.
A
Ok.
B
Estos tipos se basan en dos factores. Experiencia observable y compatibilidad latente. Y compatibilidad simplemente significa que eres genuinamente bueno en el trabajo y encajas perfectamente en el puesto, sin importar lo que tu currículum diga.
A
Claro. Es tu habilidad subyacente real.
B
Sí. Así que tienes solicitantes que son experimentados y compatibles, experimentados e incompatibles, inexpertos y compatibles, e inexpertos e incompatibles.
A
Ok. Y el grupo que realmente destaca es el solicitante inexperto pero compatible.
B
Sí. Aquellos que reciben el mayor golpe.
A
Piensa en una joven de 22 años que acaba de terminar la universidad, ¿verdad? Son brillantes. Son muy adaptables y absolutamente destrozarían el trabajo, si se les diera la oportunidad. Son genuinamente compatibles.
B
Pero tienen cero años de experiencia observable oficial.
A
Claro. No tienen historial en la industria todavía.
B
Las matemáticas del artículo muestran que este grupo específico, los solicitantes inexpertos y compatibles, son completamente aplastados en un entorno de alta IA.
A
Porque no tienen ese conocimiento previo.
B
Exacto. Carecen del historial observable que los gerentes de contratación ahora están usando como su filtro principal y a veces único. Hace 10 años, un candidato como este podría haber usado una carta de presentación singularmente perspicaz o un currículum estructurado creativamente como una señal fuerte y costosa.
A
Para demostrar que eran un mejor ajuste que un candidato mayor, quizás mediocre.
B
Exacto. Pero la IA generativa les ha robado permanentemente la capacidad de proporcionar esa señal.
A
Porque el candidato mediocre mayor solo está usando IA para generar una carta de presentación que suena exactamente tan brillante.
B
Sí. La señal genuina de la joven está completamente ahogada por el ruido artificial.
A
Así que para superar la dependencia del gerente de contratación en la experiencia pasada, el nuevo entrante necesita evidencia individualizada y abrumadoramente fuerte. Pero las matemáticas demuestran básicamente que transmitir esa evidencia en una solicitud escrita estándar es ahora prácticamente imposible.
B
Lo que trae a colación una tensión fascinante. Aquí es donde se pone realmente interesante. Porque el comportamiento de la empresa aquí es un ejemplo de libro de texto de discriminación estadística.
A
Ok, espera. Permíteme cuestionarlo un poco. ¿No está la empresa actuando completamente racionalmente aquí? Quiero decir, suena como estereotipación clásica, juzgar a alguien por sus rasgos de grupo. Porque literalmente no puedes verificar sus rasgos individuales.
B
Sí.
A
¿Están las empresas haciendo algo mal? ¿O solo están tratando de sobrevivir a la inundación de la IA?
B
Esa es una opinión completamente válida. Y tienes razón. Están juzgando a individuos por rasgos de grupo amplios. Específicamente, años en la fuerza laboral. Simplemente porque no pueden verificar rasgos individuales.
A
Claro. Suena increíblemente injusto para el solicitante. Pero desde la perspectiva de la empresa, no lo están haciendo por malicia o discriminación por edad.
B
No, para nada.
A
Lo están haciendo para minimizar sus propios costos de filtrado porque se están ahogando en un mar de spam. Es una táctica de supervivencia completamente racional para el negocio.
B
Es racional en privado para la empresa, sí. Pero es devastador para los nuevos entrantes en el mercado laboral.
El modelo refleja perfectamente las preocupaciones del mundo real sobre el subempleo elevado para los recién graduados universitarios.
A
Porque simplemente están siendo filtrados.
B
Exacto. Están siendo discriminados racionalmente por un sistema que acaba de perder el mecanismo para verificar su potencial individual.
A
Así que si las empresas están actuando racionalmente por su propia supervivencia, pero sus acciones están creando este desastre para toda una generación de trabajadores jóvenes, ya no estamos hablando solo de mala suerte, ¿verdad?
B
No, no lo estamos.
A
Estamos hablando de un fallo sistémico del mercado.
B
Exacto. Y para mapear por qué este comportamiento racional conduce a un fallo del mercado probado matemáticamente, el artículo compara las motivaciones privadas de la empresa con lo que los economistas llaman "un planificador social".
A
Un planificador social, ok.
B
Sí, el planificador social básicamente representa el bienestar total de toda la economía. Todos los involucrados.
A
Bueno, déjame intentar conceptualizar esta diferencia entre el costo de una empresa privada y el excedente total del planificador social. Porque es un concepto genial.
B
Sí, ¿cómo lo enmarcarías?
A
Pienso en una ciudad que considera una nueva línea de tránsito público.
B
Ok.
A
Una empresa privada que mira el proyecto podría calcular que los ingresos por la venta de boletos de tren nunca cubrirán el enorme costo de perforar todos esos túneles. Así que se retiran. Su umbral privado no se cumple.
B
Correcto, es un mal negocio para ellos.
A
Pero un gobierno municipal actuando como planificador social mira exactamente el mismo proyecto y decide construirlo de todos modos. ¿Por qué? Porque la ciudad tiene en cuenta el beneficio social total.
B
Veo a dónde vas.
A
La nueva línea de tren reduce la congestión del tráfico. Trae clientes a negocios locales y permite que los residentes de ingresos más bajos accedan a trabajos mejor pagados en toda la ciudad. La empresa privada no le importa el tráfico o los negocios locales en su balance, pero la sociedad sí.
B
Eso capta la dinámica hermosamente.
Así que si llevamos eso de vuelta al mercado laboral, la empresa solo calcula su valor privado al hacer una buena contratación. Comparado contra el costo exorbitante de entrevistar a candidatos para atravesar el ruido de la IA.
A
Claro.
B
Pero el planificador social mira el excedente total. Eso incluye el valor para la empresa más el valor transformador para el joven trabajador que realmente obtiene el trabajo, comienza una carrera, paga impuestos y contribuye a la economía.
A
Lo cual es enorme.
B
Es masivo. Y como las empresas no internalizan ese excedente adicional de trabajadores, su umbral para quién vale la pena entrevistar es significativamente más alto que el umbral de la sociedad.
A
Así que es como un minero de oro que simplemente deja de cavar porque la tierra superficial se puso demasiado gruesa. El oro está absolutamente ahí abajo y la sociedad necesita el oro, pero el minero decide que la pala simplemente no vale el esfuerzo.
B
Esa es exactamente la cosa. La empresa es mucho más rápida para decir que "tamizar estos mil currículums idénticos simplemente no vale nuestro tiempo y dinero". Mientras que la sociedad necesita desesperadamente que tamizen esos currículums para que gente tan talentosa pueda realmente conseguir trabajo.
A
Y debido a esta brecha creciente entre el corte estricto de la empresa y las necesidades más amplias de la sociedad, los investigadores demuestran que un entorno de alta IA desencadena dos fallos masivos del mercado, ¿verdad?
B
Sí, dos fallos distintos.
El primero se llama "no empleo, fallo de filtrado" ("no hire, screening failure").
A
Eso suena bastante sencillo. La empresa simplemente cierra por completo.
B
Esencialmente, sí. La empresa mira el grupo de solicitantes ruidoso, calcula el costo disparado de intentar encontrar el talento real escondido en él, y se da cuenta de que el costo simplemente no vale su retorno esperado.
A
Así que se rinden.
B
Eligen no filtrar a nadie. Dejan la vacante completamente abierta. Mientras tanto, el planificador social mirando el beneficio total para la economía determinaría claramente que vale la pena el costo de filtrar y contratar a alguien. El ruido paraliza literalmente al negocio.
A
Y la empresa preferiría simplemente funcionar con personal reducido y escaso, en lugar de gastar miles de dólares en horas humanas tratando de entrevistar a personas que podrían ser solo sueños generados por IA.
B
Exacto.
A
Ok, entonces, ¿cuál es el segundo modo de fallo?
B
El segundo es "el fallo de filtrado de inexperiencia y compatibilidad" ("inexperienced compatible screening failure"). En este escenario, la empresa decide que todavía necesita contratar. Pero establecen su corte de filtrado tan alto que solo evalúan a candidatos con experiencia observable extensa.
A
Dependiendo puramente de ese conocimiento previo de nuevo.
B
Sí, excluyen completamente a todos los trabajadores inexpertos y muy adecuados del proceso de entrevista. Contratar a esas jóvenes talentosas aumentaría drásticamente el excedente social total. Pero la empresa se niega a pagar el costo de filtrado y las matemáticas para encontrarlos.
A
Las matemáticas se vuelven increíblemente sombrías a medida que el uso de la IA se acerca a la saturación total del mercado, ¿verdad?
B
Muy sombrío. Si conectamos esto con el panorama general, los investigadores se refieren a esto como "el límite alto de la IA" ("high AI limit").
A
Ok.
B
A medida que la varianza del ruido se acerca a su máximo absoluto, las creencias posteriores individualizadas colapsan por completo hacia los conocimientos previos de nivel de grupo.
A
Significa que el currículum individual significa literalmente nada.
B
Nada. La probabilidad de que un trabajador inexperto y talentoso sea excluido del grupo de contratación no solo aumenta. Se acerca matemáticamente al 100%.
A
Es un bloqueo completo.
B
Toda una generación de talento choca contra un muro de ladrillos. No porque no sean lo suficientemente buenos. Sino porque el mecanismo de evaluación mismo se ha derrumbado.
A
Exacto. El proceso de contratación simplemente deja de ser sobre brillantez o adaptabilidad específicas. Se degrada en este filtro brusco basado puramente en los años de servicio. Es básicamente el colapso matemático de la meritocracia.
B
Realmente lo es. Y si el embudo de contratación tradicional permanece inalterado, el artículo sugiere que este resultado es básicamente inevitable.
Sin embargo, los investigadores sí proponen una salida de esta trampa a través de una solución endógena.
A
Endógena ... ¿significa?
B
Significa que la solución surge naturalmente desde dentro del sistema mismo a medida que las empresas innovan para resolver su propio cuello de botella de filtrado. El cambio estructural que modelan se llama "contratación por múltiples etapas" ("multi-stage hiring").
A
Ok, contratación por múltiples etapas. Actualmente el modelo de contratación estándar es básicamente un salto de dos pasos. ¿Verdad? Tienes el filtro inicial del currículum. Y si pasas eso, saltas directamente a una evaluación completa y muy costosa como un panel de entrevista de varias horas con personal sénior.
B
Claro.
A
Pero el problema es que la IA arruinó el filtro del currículum, haciendo que ese gran salto sea ahora demasiado arriesgado financieramente para la empresa.
B
Exacto. Así que la solución es insertar una evaluación intermedia relativamente barata en medio del embudo. Y este paso intermedio involucra tareas que la IA generativa matemáticamente no puede fingir.
A
Así que estamos hablando de pruebas de habilidad supervisadas en vivo. El ejercicio de muestra de trabajo supervisado se realiza en un navegador seguro. Entrevistas de video preliminares cortas y estructuradas donde el candidato tiene que responder preguntas técnicas en el momento, sin mirar una segunda pantalla.
B
Exacto, ese tipo de cosas.
A
Pero espera, permíteme ser el Abogado del Diablo por un segundo.
B
Claro.
A
Porque sé que cualquiera que haya estado buscando trabajo recientemente se va a quejar de esta idea.
B
Oh, estoy seguro.
A
Ya escuchamos constantes quejas sobre rondas interminables de entrevistas, proyectos prácticos que ocupan fines de semana enteros, simplemente el agotamiento general del candidato.
Bueno, los oyentes realmente quieren hacer una prueba de habilidad en vivo solo para conseguir una entrevista. La solución propuesta a la IA haciendo que el proceso de solicitud sea demasiado fluido es diseñar intencionalmente un sistema con más obstáculos.
B
Esto plantea una pregunta importante. Y es totalmente justo cuestionar la fricción añadida.
A
Claro.
B
Pero la clave es comprender cómo este tipo específico de fricción altera matemáticamente la ecuación de contratación. Todo se reduce a adquirir una nueva señal creíble.
A
Ok, porque la señal antigua está muerta.
B
Exacto. El corte de filtrado privado de la empresa es actualmente demasiado alto para que un candidato inexperto cruce, basándose solo en un currículum generado por IA.
Pero si la empresa ofrece una prueba de habilidad en vivo, están reintroduciendo el costo del esfuerzo que la IA borró.
A
Ya veo. Cuando un candidato se sienta y completa exitosamente una prueba en vivo e in-falsificable, instantáneamente genera una señal verificada.
B
Sí. En el momento en que aprueba, el cálculo matemático de la compatibilidad posterior de la empresa, que es simplemente la probabilidad estadística de que sea realmente un buen ajuste para el trabajo, se dispara drásticamente.
A
Supera el corte de costo estricto de la empresa.
B
Exacto. Haciendo que ese joven solicitante sea matemáticamente digno del alto costo de traerlo para una entrevista completa.
A
Así que es un obstáculo extra, pero reemplaza el obstáculo hueco y sin sentido antes de añadir una carta de presentación que una máquina simplemente va a leer y descartar de todos modos.
B
Correcto. Es un obstáculo significativo.
A
Es la diferencia entre hacer trabajo tedioso y realmente audicionar para el puesto.
B
Y el artículo demuestra explícitamente que esta evaluación intermedia rescata al solicitante inexperto y compatible.
A
Oh, eso es enorme.
B
Realmente lo es. A altos niveles de saturación de IA, casi todos los solicitantes inexpertos presentados que habrían sido rechazados automáticamente bajo el método antiguo de filtrado de currículums, ahora obtienen una ruta de probabilidad positiva para ser contratados.
A
Eso es increíble.
B
Beneficia a la empresa al evitar el cierre total de la contratación que discutimos. Y proporciona un salvavidas literal para los trabajadores jóvenes que de otro modo encontrarían la puerta completamente cerrada.
A
Entonces, ¿qué significa todo esto para ti? Si estás ahí en el mercado laboral postulando a trabajos ahora mismo, tienes que darte cuenta de que las reglas de la gravedad han cambiado fundamentalmente.
B
Absolutamente.
A
Ya no puedes confiar en texto perfectamente optimizado y un PDF para que te noten. Necesitas buscar activamente formas de proporcionar señales verificadas y difíciles de falsificar de tu talento.
B
Construye un portafolio público, contribuye a proyectos de código abierto.
A
Claro. O busca específicamente empleadores que usen pruebas de habilidad en vivo porque son los escenarios donde realmente puedes demostrar tu valía sin ser ahogado por bots.
B
Y la conclusión es igualmente urgente para los gerentes de contratación. Si sigues confiando en métodos de filtrado tradicionales y simplemente filtras currículums basándote puramente en la falta de experiencia observable, estás matemáticamente garantizado a filtrar a una generación de talento excepcional.
A
Te estás cegando.
B
Completamente. Debes implementar evaluaciones de prueba de IA intermedia para medir con precisión la compatibilidad antes de hacer tus recortes o te quedarás atrás de los competidores que sí lo hacen.
A
Esta investigación apunta realmente a un cambio de paradigma masivo. Y nos deja esta reflexión final bastante provocadora para considerar.
B
Sí, ¿cuál es esa?
A
Si la IA generativa inevitablemente impulsa el valor de señal de las solicitudes escritas a cero absoluto, es posible que estemos presenciando el evento de extinción del currículum tradicional.
B
Vaya.
A
Sí. Quiero decir, podríamos estar acercándonos rápidamente a un futuro donde nunca tengas que decirle a un empleador lo que puedes hacer en un papel. En cambio, el primer paso para postular a cualquier trabajo podría simplemente ser entrar en una simulación virtual o un entorno de caja de arena para mostrarlo.
B
Mostrando en lugar de contar.
A
Exacto.
Por muy caótica y frustrante que se sienta esta transición ahora, la muerte del currículum podría forzar el nacimiento de un mercado laboral perfectamente meritocrático.
B
Un sistema basado en la habilidad real.
A
Correcto. Un mundo donde al sistema no le importan cómo se vean tus credenciales en papel y solo le importa si realmente puedes hacer el trabajo.
Entradas
