Contratar ingenieros en la era de la IA: problemas nuevos y cómo resolverlos

Select Language

Blog

La IA ha roto el proceso clásico de contratación técnica por los dos lados. Los candidatos usan IA para escribir CVs, enviar cientos de candidaturas y, a veces, resolver la entrevista en tiempo real. Las empresas usan IA para filtrar ese volumen, con riesgos de sesgo y nuevas obligaciones legales. Este artículo repasa los seis problemas nuevos más importantes y qué están haciendo los equipos para resolverlos.

1. La avalancha de candidaturas generadas con IA

El problema. LinkedIn recibe unas 11.000 candidaturas por minuto, un 45% más que el año anterior, según The New York Times citado por eWeek. Según Gartner, el 39% de los candidatos usa IA al postularse, sobre todo para redactar el CV (54%) y la carta (50%). El resultado son CVs muy pulidos y muy parecidos entre sí: el texto deja de ser una señal fiable del candidato.

Cómo resolverlo.

Añadir fricción con sentido. Una o dos preguntas específicas del puesto, o un ejercicio breve, filtran mejor que un CV y cuestan poco al candidato motivado.
Buscar señales difíciles de fabricar. Código público con historial, contribuciones a proyectos, referencias y proyectos que se puedan comentar en la entrevista.
Dar más peso a los canales directos. Referidos, comunidades y eventos técnicos generan menos volumen y más calidad que un anuncio abierto.
Usar IA para ordenar, no para descartar a ciegas. Si se automatiza el cribado, una persona debe revisar los rechazos en los casos dudosos (ver problema 5).

2. Trampas con IA en la entrevista técnica

El problema. Existen herramientas que leen la pantalla y el audio de la videollamada y dictan la respuesta al candidato en tiempo real. La más conocida, Interview Coder (hoy Cluely), nació anunciándose para "hacer trampa en cualquier cosa" y su creador perdió una oferta de Amazon tras contar cómo la había usado. En la encuesta de Gartner, un 6% de los candidatos admite haber cometido fraude en entrevistas, y la cifra real probablemente es mayor.

Cómo resolverlo. Las empresas están tomando dos caminos opuestos, y ambos funcionan si se aplican con coherencia:

Volver a lo presencial en el momento clave. Google ha reintroducido al menos una ronda presencial "para asegurarse de que los fundamentos están ahí", según Sundar Pichai; Cisco y McKinsey van en la misma línea, informa Axios.
Permitir la IA y evaluar cómo se usa. Meta prueba entrevistas en las que el candidato puede usar un asistente, porque así trabajará después y la trampa pierde sentido. Google pilota en 2026 una ronda de comprensión de código con Gemini disponible, según la Universidad de Miami.
Preguntar el porqué, no solo el qué. Pedir que el candidato explique sus decisiones, cambie un requisito a mitad del ejercicio o depure su propio código deja en evidencia a quien solo lee una respuesta.
Poner las reglas por escrito. Decir de antemano qué herramientas se pueden usar convierte la trampa en una falta clara y evita castigar a quien usa IA de buena fe.

3. Candidatos falsos y fraude de identidad

El problema. Ya no se trata solo de hacer trampa, sino de que el candidato no es quien dice ser. Gartner prevé que en 2028 uno de cada cuatro perfiles de candidato en el mundo será falso. Según un estudio de GetReal Security con 668 responsables de seguridad, el 41% de las grandes empresas ya ha contratado e incorporado a algún candidato fraudulento.

El caso más grave son los trabajadores informáticos de Corea del Norte que consiguen empleos en remoto con identidades robadas. En junio de 2025, el Departamento de Justicia de EE. UU. registró 29 "granjas de portátiles" en 16 estados y contó más de 100 empresas afectadas, incluidas firmas del Fortune 500. En perfiles técnicos el riesgo es doble: el sueldo financia al régimen y el empleado obtiene acceso al código y a los sistemas.

Cómo resolverlo.

Verificar la identidad en varios momentos, no solo al firmar. Documento, prueba de vida en la videollamada y la misma persona en todas las rondas.
Cruzar la huella digital. LinkedIn, GitHub, referencias y antiguos compañeros deben contar la misma historia; Huntress marcó como riesgo de fraude al 23% de sus candidatos entre septiembre y noviembre de 2025.
Vigilar el onboarding. Envío del portátil a una dirección distinta a la declarada, accesos desde ubicaciones inesperadas o cámara siempre apagada son señales de alerta.
Tratarlo como un riesgo de seguridad. El equipo de seguridad debe participar en el proceso de contratación de perfiles con acceso a sistemas críticos.

4. Las pruebas técnicas clásicas ya no miden lo que importa

El problema. Los ejercicios de algoritmos tipo LeetCode y las pruebas para casa se diseñaron para medir si alguien sabe escribir código. Hoy cualquier modelo los resuelve en segundos, y en el día a día el ingeniero escribe cada vez menos código desde cero. La prueba se vuelve fácil de engañar y, además, poco relevante: mide una habilidad que el puesto ya no exige tal cual.

Cómo resolverlo. Las habilidades que ahora marcan la diferencia son leer código ajeno, detectar errores en código generado, especificar bien un problema y tomar decisiones de diseño. Algunos formatos que las miden mejor:

Revisión de código. Entregar un pull request con fallos sutiles (de seguridad, de lógica, de rendimiento) y pedir que el candidato lo revise.
Trabajo sobre un repositorio real. Depurar, ampliar o refactorizar código existente, como en la ronda de comprensión de código que pilota Google.
Ejercicio con IA permitida. Observar cómo el candidato divide el problema, qué le pide al asistente y qué comprueba antes de aceptar la respuesta.
Diseño de sistemas y conversación sobre proyectos pasados. Son difíciles de delegar en una IA en tiempo real y revelan criterio y experiencia.

5. Sesgo, opacidad y regulación del cribado automático

El problema. Para absorber el volumen, las empresas filtran con IA, y los candidatos lo saben. Según Gartner, solo el 26% confía en que la IA le evalúe con justicia y un 25% confía menos en la empresa que la usa. Un modelo entrenado con contrataciones pasadas puede reproducir sus sesgos, y un rechazo automático sin explicación deja fuera a buenos perfiles poco convencionales.

En Europa, además, es un tema legal. La Ley de IA de la UE clasifica como de alto riesgo los sistemas que filtran candidaturas o evalúan candidatos. El Ómnibus Digital, en vigor desde julio de 2026, retrasó esas obligaciones hasta el 2 de diciembre de 2027, pero no las elimina.

Cómo resolverlo.

Inventariar dónde se usa IA en el proceso. Incluidas las funciones de IA que traen de serie el ATS y las plataformas de empleo.
Mantener a una persona en las decisiones de descarte. La IA puede ordenar y resumir; la decisión de rechazar debe poder explicarse y revisarse.
Auditar resultados por grupos. Comparar tasas de paso entre perfiles para detectar sesgos antes de que lo haga un regulador.
Ser transparente con el candidato. Explicar qué se automatiza y ofrecer una vía de revisión humana mejora la confianza y prepara para 2027.

6. Menos puestos junior y una cantera en riesgo

El problema. Si un agente hace las tareas que antes se daban a un perfil junior, la tentación es no contratarlo. El Stanford Digital Economy Lab midió con datos de nóminas de ADP una caída relativa del 16% en el empleo de jóvenes de 22 a 25 años en ocupaciones expuestas a la IA desde finales de 2022, con la ingeniería de software entre las más afectadas. En esas mismas ocupaciones, el empleo de los mayores de 30 creció. A corto plazo ahorra costes; a medio plazo, nadie formará a los seniors de dentro de cinco años.

Cómo resolverlo.

Redefinir el puesto junior, no eliminarlo. Menos tareas mecánicas y más revisión, pruebas, depuración y trabajo guiado con agentes.
Evaluar potencial en lugar de experiencia. Capacidad de aprender, criterio al usar IA y comprensión de fundamentos pesan más que el número de años.
Invertir en mentoría estructurada. Emparejar a cada junior con un senior y reservar tiempo para ello; la IA acelera el aprendizaje si alguien revisa lo que produce.
Planificar la plantilla a varios años. Ver la contratación junior como inversión en la cantera, no como un coste que la IA ha vuelto innecesario.

Un proceso rediseñado para la era de la IA

Ninguna medida resuelve todo por sí sola; lo que funciona es repartir los controles a lo largo del proceso. Cada paso cubre uno de los problemas anteriores, y el problema de la cantera junior se resuelve fuera del proceso, al decidir qué puestos se abren.

La IA no ha hecho innecesaria la contratación técnica, pero sí ha cambiado qué hay que medir. Los equipos que antes se adapten tendrán una ventaja clara: contratarán a personas que saben trabajar con IA y no solo a las que saben pasar una prueba.

Fuentes

¡Contáctanos!