Una vacante crítica abierta durante semanas no solo presiona al equipo de Personas: retrasa proyectos, sobrecarga a quienes permanecen y puede afectar ingresos. Por eso, las tendencias en selección basada en datos no consisten en llenar planillas con más indicadores. Consisten en tomar decisiones de contratación con evidencia, sin perder de vista que una persona no es un puntaje ni un currículum.
Para líderes de empresas latinoamericanas, el desafío es concreto: contratar con mayor velocidad, elevar la calidad del ajuste y construir procesos que sean consistentes, defendibles y humanos. La tecnología y la IA pueden aportar mucho, pero no reemplazan una definición clara del cargo, entrevistas bien realizadas ni el criterio de quienes conocen el negocio.
Tendencias en selección basada en datos que cambian la decisión
La selección está dejando atrás la lógica de revisar cientos de CV, entrevistar por intuición y decidir según impresiones difíciles de explicar. La nueva conversación se centra en qué evidencia predice mejor el desempeño, qué señales pueden sesgar la evaluación y cómo usar los datos para mejorar el proceso completo, no solo para automatizar una etapa.
1. Menos volumen de postulaciones, más señales relevantes
Durante años, muchos equipos midieron el éxito de una publicación por la cantidad de personas que postulaban. Sin embargo, recibir mil currículums para una vacante no garantiza contar con mejores candidatos. A menudo, solo traslada el problema al filtro inicial y aumenta el riesgo de descartar talento valioso por falta de tiempo.
La tendencia es diseñar procesos que atraigan perfiles pertinentes y recopilen señales vinculadas directamente al rol. Esto implica definir habilidades técnicas, capacidades de colaboración, nivel de autonomía, motivadores y condiciones reales del cargo antes de salir a buscar. Un buen proceso de datos comienza mucho antes de abrir una plataforma de empleo.
En un cargo comercial, por ejemplo, no basta con filtrar por años de experiencia. Puede ser más útil evaluar la capacidad de estructurar una conversación con clientes, interpretar información comercial y sostener el seguimiento. Para una jefatura, la evidencia sobre liderazgo, priorización y manejo de conversaciones difíciles puede tener más valor que el nombre de la empresa anterior.
2. IA para asistir, no para decidir sola
La IA ya está ayudando a redactar avisos, ordenar antecedentes, identificar coincidencias con un perfil y reducir tareas administrativas. Bien aplicada, permite que los equipos dediquen más tiempo a conversar con las personas y a analizar decisiones complejas. Ese es su mayor aporte.
El riesgo aparece cuando se transforma en una caja negra que recomienda o descarta candidatos sin que nadie pueda explicar por qué. Un algoritmo puede replicar sesgos históricos si fue entrenado con decisiones pasadas poco diversas. También puede sobredimensionar palabras clave y pasar por alto trayectorias no lineales, cambios de industria o experiencias transferibles.
La regla práctica es simple: la IA puede priorizar, sintetizar y apoyar, pero la responsabilidad de la decisión sigue siendo humana. Las organizaciones necesitan revisar los criterios usados, validar resultados, proteger los datos personales y mantener siempre una instancia de evaluación profesional. La velocidad no justifica procesos opacos.
3. Entrevistas estructuradas para reducir el sesgo
Una conversación cercana sigue siendo esencial en selección. Pero una entrevista improvisada suele favorecer a quien genera afinidad inmediata, comunica con soltura o comparte referencias culturales con el entrevistador. Ninguno de esos factores asegura desempeño.
Las entrevistas estructuradas están ganando espacio porque permiten comparar evidencia bajo condiciones similares. No se trata de leer un guion rígido, sino de acordar las competencias críticas, formular preguntas conductuales comparables y usar una pauta de evaluación conocida por quienes entrevistan.
Preguntar “cuéntame una situación en que tuviste que alinear a personas con prioridades distintas” entrega una señal más útil que “¿eres bueno trabajando en equipo?”. Después, la respuesta debe evaluarse con criterios definidos: contexto, acción, capacidad de análisis, resultado y aprendizaje. Así, el equipo puede discutir evidencia en vez de defender impresiones.
4. La calidad de contratación se mide después del ingreso
Contratar no termina cuando la persona firma. Una de las tendencias más relevantes es conectar selección con onboarding, desempeño, permanencia y movilidad interna. Si un nuevo colaborador se va en tres meses, no basta con atribuirlo a una “mala contratación”. Hay que mirar qué ocurrió en todo el sistema.
Tal vez el perfil prometía un tipo de desafío que el rol no ofrece. Tal vez la jefatura no tuvo tiempo para acompañar los primeros meses, la renta estaba fuera de mercado o las expectativas sobre presencialidad no se transparentaron. Los datos de salida temprana, desempeño inicial y experiencia de incorporación permiten detectar esos patrones.
No existe una métrica universal de calidad de contratación. Para una empresa en expansión, puede pesar más la rapidez con que la persona alcanza autonomía. Para una organización que busca reducir rotación, la permanencia y el ajuste con la cultura pueden ser prioritarios. Lo relevante es acordar qué significa una buena contratación para ese negocio y medirlo de forma sostenida.
Qué indicadores ayudan a decidir mejor
No todos los indicadores aportan valor. Medir demasiado puede distraer; medir poco deja al equipo operando a ciegas. Una selección basada en datos necesita un tablero acotado, conectado con decisiones reales y revisado con una frecuencia razonable.
Entre los indicadores más útiles están el tiempo de cobertura por tipo de cargo, la tasa de avance entre etapas, las fuentes que generan candidatos contratados, la tasa de aceptación de ofertas, la permanencia a 90 y 180 días, y la evaluación de desempeño inicial. También conviene escuchar la experiencia de candidatos y jefaturas. Un proceso puede ser eficiente en plazo, pero dañar la reputación empleadora si deja a las personas sin respuesta o entrega información confusa.
La interpretación importa más que el número aislado. Una baja tasa de aceptación puede indicar una oferta poco competitiva, pero también una propuesta de valor mal comunicada o un proceso demasiado lento. Un tiempo de cobertura alto puede responder a una búsqueda especializada o a una definición de perfil que cambia cada semana. Los datos orientan la conversación; no la reemplazan.
Cómo implementar selección basada en datos sin burocratizar el proceso
El punto de partida no es comprar software. Es alinear a la jefatura solicitante, Personas y reclutamiento respecto de la necesidad que se busca resolver. Cuando el perfil está difuso, ninguna herramienta corrige el problema.
Primero, definan entre cinco y siete criterios observables para el cargo. Deben distinguir lo indispensable de lo deseable y considerar tanto capacidades técnicas como comportamientos necesarios para desempeñarse en el contexto real. Luego, establezcan en qué etapa se recogerá evidencia para cada criterio: revisión de antecedentes, entrevista, caso práctico, evaluación psicolaboral o referencias.
Después, acuerden una pauta común para las entrevistas y un mecanismo de cierre. La decisión final debería dejar registro de las razones que la sostienen, las alertas identificadas y las condiciones necesarias para que la persona tenga éxito al ingresar. Esto mejora la trazabilidad y también fortalece el onboarding.
Finalmente, revisen los resultados de manera trimestral. No hace falta esperar un año para descubrir que una fuente no funciona, que una etapa genera abandonos o que ciertos perfiles tienen dificultades de adaptación. Un ciclo corto de revisión permite ajustar con rapidez y aprender como organización.
El criterio humano sigue siendo la ventaja competitiva
La selección basada en datos no busca eliminar la intuición, sino ponerla a prueba. La experiencia de una jefatura puede detectar matices valiosos, pero gana fuerza cuando se contrasta con evidencia comparable y con resultados posteriores. Del mismo modo, un sistema puede ordenar información a gran escala, pero no comprende por sí solo el contexto, el potencial o las condiciones que harán viable una relación laboral.
En Layk co-creamos procesos de reclutamiento y evaluación que integran información, tecnología y conversación profesional. Buscamos, filtramos, entrevistamos y entregamos una mirada clara para que cada decisión responda a las necesidades del cargo, del equipo y del negocio.
La pregunta no es si su organización debe usar más datos para seleccionar. La pregunta es si esos datos están ayudando a elegir mejor, a ofrecer una experiencia más respetuosa y a crear las condiciones para que el talento elegido quiera quedarse. Si la respuesta aún no es clara, conversemos.
