Usar IA para filtrar currículums no es innovación: es una bomba legal si no puedes explicar la decisión

Usar inteligencia artificial para filtrar currículums parece una decisión moderna, eficiente y casi inevitable.

La empresa recibe demasiadas candidaturas. Recursos humanos no llega. Una herramienta promete ordenar perfiles, detectar coincidencias, puntuar experiencia, resumir trayectorias y priorizar candidatos. Sobre el papel, suena razonable.

El problema es que, cuando una IA analiza, puntúa, clasifica o ayuda a descartar personas, la empresa ya no está usando un simple apoyo administrativo. Está introduciendo un sistema que puede afectar oportunidades laborales, tratar datos personales, generar sesgos y condicionar decisiones relevantes.

Y ahí la frase cómoda deja de servir.

“No decide la IA, decide una persona.”

Depende.

Si la persona solo mira una puntuación, acepta el ranking y no tiene criterio real para apartarse del resultado, no hay supervisión humana seria. Hay delegación maquillada.

La moda peligrosa: que la IA ordene los CV

La selección de personal es uno de los usos más tentadores de la inteligencia artificial. También uno de los más delicados.

Una herramienta puede prometer muchas cosas:

• leer cientos de currículums en minutos;
• identificar experiencia relevante;
• comparar perfiles con una oferta;
• detectar palabras clave;
• resumir trayectorias;
• puntuar candidatos;
• recomendar entrevistas;
• descartar candidaturas poco alineadas.

El incentivo empresarial es evidente: menos tiempo, menos coste, más velocidad y una aparente objetividad.

Pero esa objetividad puede ser una ilusión.

Un sistema que puntúa currículums no opera en el vacío. Usa criterios, datos, instrucciones, modelos, históricos, categorías y patrones. Algunos pueden ser razonables. Otros pueden reproducir sesgos, penalizar trayectorias atípicas o favorecer perfiles parecidos a los que la empresa ya contrataba antes.

La Agencia Española de Protección de Datos recordó el 23 de septiembre de 2026 la necesidad de garantías en herramientas de IA aplicadas al análisis de currículums y puntuación de candidaturas. El enfoque es importante: no se trata de prohibir cualquier uso de IA en recursos humanos, sino de exigir garantías antes de implantar sistemas que pueden afectar a personas.

La pregunta no es si la IA ahorra tiempo.

La pregunta es si la empresa puede explicar y justificar cómo la está usando.

Filtrar no es neutral

Muchas empresas hablan de “filtrar currículums” como si fuera una tarea mecánica. No lo es.

Filtrar significa establecer criterios de preferencia. Significa decidir qué experiencia pesa más, qué formación cuenta, qué trayectoria parece adecuada, qué huecos generan dudas, qué palabras clave importan y qué candidaturas pasan a la siguiente fase.

Cuando esos criterios se automatizan o se apoyan en IA, pueden aparecer riesgos como estos:

• penalizar carreras profesionales no lineales;
• favorecer determinadas universidades, sectores o empresas anteriores;
• descartar perfiles por falta de palabras clave concretas;
• perjudicar a personas con interrupciones laborales por cuidados, enfermedad o maternidad;
• generar efectos indirectos relacionados con edad, origen, discapacidad, género u otras circunstancias;
• convertir una recomendación estadística en una decisión práctica;
• dificultar que el candidato entienda por qué no avanza en el proceso.

El riesgo no siempre está en una orden explícitamente discriminatoria. A veces está en criterios aparentemente neutros que producen efectos desiguales.

Por eso usar IA en selección no puede tratarse igual que usar IA para resumir una noticia o redactar un borrador interno.

Aquí hay personas concretas afectadas.

El problema no es solo que la IA se equivoque

La discusión pública sobre IA suele centrarse en los errores: alucinaciones, respuestas inventadas, puntuaciones absurdas o fallos técnicos.

En selección de personal, el problema puede ser más incómodo.

Una IA puede parecer coherente y, aun así, estar influyendo de forma injustificada en una decisión. Puede ordenar candidatos con una apariencia profesional, generar resúmenes convincentes y asignar puntuaciones que nadie discute porque parecen técnicas.

Ese es el riesgo: que el resultado parezca objetivo solo porque lo ha producido una herramienta.

Si mañana un candidato pregunta por qué fue descartado, la empresa no debería responder con frases vacías:

• “lo dijo el sistema”;
• “la herramienta lo puntuó bajo”;
• “el algoritmo consideró que no encajaba”;
• “la decisión final era humana”.

La empresa debería poder explicar el proceso de forma comprensible: qué datos se trataron, con qué finalidad, qué papel tuvo la herramienta, qué criterios se aplicaron, quién revisó el resultado y qué margen real había para corregirlo.

Si no puede hacerlo, tiene un problema de gobierno de IA.

Qué debe revisar una empresa antes de usar IA en selección

Antes de implantar una herramienta de IA para analizar currículums, puntuar candidaturas o priorizar entrevistas, la empresa debería revisar al menos siete bloques.

### 1. Finalidad concreta

No basta con decir “mejorar selección”.

Hay que definir para qué se usará exactamente la herramienta:

• resumir currículums;
• detectar requisitos mínimos;
• ordenar candidaturas;
• proponer preguntas de entrevista;
• comparar perfiles con una oferta;
• emitir puntuaciones;
• recomendar descartes;
• apoyar decisiones de movilidad interna.

Cada uso tiene un riesgo distinto. No es lo mismo resumir información para que una persona la lea que generar un ranking que condiciona quién pasa a entrevista.

### 2. Datos tratados

Un currículum contiene datos personales. A veces también puede contener información especialmente sensible o datos que permiten inferencias delicadas.

La empresa debería saber:

• qué datos se introducen en la herramienta;
• si se suben CV completos o solo campos limitados;
• si se tratan cartas, pruebas, entrevistas o notas internas;
• si se combinan datos de varias fuentes;
• si el proveedor conserva prompts, documentos o resultados;
• si los datos se usan para entrenamiento o mejora del servicio;
• dónde se almacenan y durante cuánto tiempo.

En selección, la minimización de datos no es un detalle técnico. Es una garantía básica.

### 3. Proveedor y contrato

La herramienta puede parecer útil, pero la empresa debe revisar quién está detrás.

Preguntas mínimas:

• ¿el proveedor actúa como encargado del tratamiento?
• ¿hay contrato de encargo o condiciones empresariales claras?
• ¿intervienen subencargados?
• ¿hay transferencias internacionales?
• ¿se usan los datos para entrenar modelos?
• ¿puede la empresa borrar datos y configurar retención?
• ¿existen medidas de seguridad suficientes?

Esta revisión conecta directamente con la evaluación de proveedores de IA y con el [procedimiento para aprobar herramientas de IA en la empresa](/procedimiento-aprobar-herramientas-ia-empresa/).

### 4. Información al candidato

Si una herramienta de IA interviene en un proceso de selección, la empresa debe revisar cómo informa a los candidatos.

No se trata de llenar la política de privacidad con frases genéricas. Se trata de explicar de forma clara qué papel tiene la tecnología en el proceso, qué datos se tratan y cómo se preservan los derechos de las personas afectadas.

La transparencia no elimina el riesgo, pero la opacidad lo agrava.

### 5. Supervisión humana real

Aquí está una de las trampas más habituales.

Muchas empresas creen que basta con añadir una persona al final del proceso. Pero la supervisión humana no consiste en firmar lo que recomienda la IA.

Para que sea real, la persona debe tener:

• información suficiente sobre cómo se generó la recomendación;
• criterio para cuestionarla;
• tiempo para revisar casos dudosos;
• capacidad para apartarse del resultado;
• instrucciones claras sobre cuándo escalar;
• responsabilidad definida;
• evidencias de la revisión realizada.

Si recursos humanos solo acepta el ranking porque “la herramienta sabe más”, no hay control humano. Hay automatización con barniz humano.

Este punto enlaza con la [supervisión humana de sistemas de IA](/supervision-humana-ia-empresa-ai-act/), que debe bajarse a procedimientos internos y no quedarse en una frase defensiva.

### 6. Evaluación de impacto cuando proceda

Cuando la IA trata datos personales y puede afectar a personas, conviene valorar si hace falta una evaluación de impacto.

En recursos humanos, esa posibilidad debe tomarse en serio. No siempre habrá la misma intensidad de riesgo, pero sí hay factores que pueden exigir una revisión reforzada:

• puntuación o clasificación de personas;
• decisiones que afectan al acceso al empleo;
• tratamiento masivo de candidaturas;
• datos especialmente sensibles o inferencias delicadas;
• uso de proveedores externos;
• automatización relevante;
• dificultad para explicar el resultado;
• riesgo de sesgo o discriminación.

La [evaluación de impacto en IA y datos personales](/evaluacion-impacto-ia-datos-personales-rgpd/) no debería verse como burocracia. En estos casos puede ser la herramienta que obliga a pensar antes de escalar un sistema problemático.

### 7. Evidencias

La empresa debe conservar evidencias proporcionadas de lo que ha revisado y decidido.

Por ejemplo:

• ficha del caso de uso;
• proveedor y contrato revisado;
• datos tratados;
• criterios de uso permitido;
• instrucciones internas para RRHH;
• análisis de riesgos;
• medidas de supervisión;
• decisiones de aprobación, limitación o bloqueo;
• revisiones periódicas;
• incidencias detectadas.

Si el sistema se usa durante meses y nadie puede enseñar qué se aprobó, con qué límites y bajo qué controles, la empresa está improvisando.

La frase peligrosa: “la decisión final siempre la toma una persona”

Esta frase se ha convertido en el comodín de muchas empresas.

Pero una persona al final del proceso no arregla un sistema mal diseñado.

Si la IA ya ha ordenado los candidatos, ocultado perfiles, generado puntuaciones, resumido trayectorias de forma sesgada o condicionado la atención de quien revisa, la intervención humana puede llegar tarde.

La cuestión no es si hay una persona en algún punto del circuito.

La cuestión es si esa persona puede controlar el sistema de verdad.

Puede revisar. Puede entender. Puede corregir. Puede pedir más información. Puede apartarse del resultado. Puede documentar por qué lo hace. Puede detectar patrones anómalos. Puede parar el proceso si algo no encaja.

Si no puede hacer nada de eso, la supervisión es decorativa.

Checklist mínimo antes de usar IA para filtrar currículums

Antes de activar una herramienta de IA en selección, la empresa debería poder responder sí a estas preguntas:

• ¿Está definido el caso de uso exacto?
• ¿Sabemos qué datos personales se tratan?
• ¿Hemos revisado proveedor, contrato, subencargados y retención?
• ¿Está claro si los datos se usan o no para entrenar modelos?
• ¿Se ha informado adecuadamente a los candidatos?
• ¿Hemos analizado sesgos y efectos indirectos?
• ¿Existe supervisión humana real, no solo formal?
• ¿Hay criterios para apartarse de la recomendación de la IA?
• ¿Se conserva evidencia de la evaluación realizada?
• ¿Sabemos cuándo escalar a legal, DPO, IT o dirección?
• ¿Se ha valorado si procede una evaluación de impacto?
• ¿Hay una persona responsable del sistema dentro de la empresa?

Si varias respuestas son “no”, lo prudente no es implantar primero y documentar después.

Lo prudente es parar, revisar y limitar el uso.

No se trata de prohibir la IA en recursos humanos

El debate no debería plantearse como tecnología contra derecho.

La IA puede ayudar en recursos humanos si se usa con límites claros: resumir información, apoyar tareas administrativas, detectar duplicidades, mejorar organización documental o preparar entrevistas sin sustituir el criterio profesional.

Pero otra cosa es puntuar personas, priorizar candidaturas o apoyar descartes sin garantías suficientes.

La frontera no siempre es técnica. Es organizativa y jurídica.

La empresa debe decidir qué usos permite, qué usos limita y qué usos bloquea. Para eso necesita inventario, responsables, proveedores revisados, formación, supervisión y evidencias. La [matriz de responsabilidades de IA](/matriz-responsabilidades-ia-empresa-ai-act-rgpd/) ayuda precisamente a evitar que legal, IT, RRHH y dirección se pasen el problema unos a otros.

Conclusión: si no puedes explicarlo, no lo uses para descartar personas

La frase incómoda es esta:

Si no puedes explicar por qué una persona fue descartada, no deberías usar IA para descartarla.

No porque la IA sea mala por definición. Sino porque en selección de personal no basta con eficiencia. Hace falta trazabilidad, proporcionalidad, transparencia y control real.

Una empresa puede querer innovar. Puede querer reducir carga administrativa. Puede querer ordenar cientos de candidaturas. Todo eso es legítimo.

Pero cuando la herramienta empieza a influir en oportunidades laborales, el listón sube.

Antes de usar IA para analizar, puntuar o filtrar currículums, conviene revisar el circuito completo: datos, proveedor, finalidad, sesgos, información al candidato, supervisión humana, evaluación de impacto y evidencias.

Y si la respuesta interna es “no sabemos muy bien cómo funciona, pero ahorra tiempo”, quizá el problema no está en la IA.

Está en la prisa por delegar una decisión delicada sin haber construido gobierno real.

En Javier Ferrando Abogado ayudamos a empresas a revisar herramientas de IA aplicadas a recursos humanos, proveedores, RGPD, AI Act, evaluación de impacto, supervisión humana y documentación interna. Si quieres revisar un caso concreto antes de implantarlo, puedes solicitar una revisión desde la página de [contacto](/contacto/).

Servicios relacionados

• [Auditoría legal de IA para empresas](/auditoria-legal-ia-empresa/)
• [Evaluación de impacto en IA y datos personales](/evaluacion-impacto-ia-datos-personales-rgpd/)
• [Supervisión humana de sistemas de IA](/supervision-humana-ia-empresa-ai-act/)
• [Procedimiento para aprobar herramientas de IA en la empresa](/procedimiento-aprobar-herramientas-ia-empresa/)
• [Adaptación práctica al AI Act y RGPD para pymes](/adaptacion-ai-act-rgpd-pymes/)
• [Contacto](/contacto/)