Entre julio de 2025 y enero de 2026, la plataforma de entrevistas Fabric analizó 19.368 procesos de selección hechos con inteligencia artificial. El resultado: el 38,5 por ciento de los candidatos fue marcado por comportamiento de trampa. En julio de 2025 esa cifra era del 9 por ciento. Para septiembre ya había subido al 45 por ciento, y ahí se quedó. En puestos técnicos, casi la mitad de los candidatos hizo trampa, frente al 12 por ciento en puestos comerciales. Y lo más incómodo del hallazgo: el 61 por ciento de quienes hicieron trampa obtuvo un puntaje suficiente para avanzar sin ser detectados.
Esa cifra no describe un problema marginal de un puñado de aspirantes deshonestos. Describe lo que le está pasando, en tiempo real, a cualquier organización que evalúa competencias a través de una pantalla.
La trampa se volvió invisible
Hasta hace poco, hacer trampa en una evaluación digital significaba abrir una pestaña con la respuesta correcta y arriesgarse a que alguien lo notara. Hoy significa correr una superposición invisible en la pantalla, o hablarle a un segundo dispositivo por audio mientras el candidato mira a cámara con total naturalidad. Herramientas como Cluely o Interview Coder generan respuestas en tiempo real sin aparecer en la pantalla compartida, y una encuesta de Codepanion encontró que el 83 por ciento de los candidatos usaría ese tipo de ayuda si creyera que no lo van a descubrir.
El problema no es exclusivo de las entrevistas en vivo. Una investigación de Canvas8 y Multiverse encontró que cerca de la mitad de los buscadores de empleo admite haber usado inteligencia artificial generativa para representar sus habilidades de forma inexacta durante un proceso de selección. Cuando la evaluación completa depende de una pantalla sin nadie del otro lado observando el comportamiento real, la plataforma ya no está midiendo la competencia de la persona. Está midiendo qué tan bien supo usar la inteligencia artificial sin que la plataforma se diera cuenta.
El sesgo que la propia plataforma introduce
El segundo reto no depende de que el candidato haga trampa. Depende de cómo se construyó el algoritmo que califica. El caso más citado sigue siendo el de Amazon, que entre 2014 y 2017 desarrolló en secreto una herramienta de inteligencia artificial para calificar currículums con una escala de una a cinco estrellas. La empresa entrenó el modelo con diez años de currículums recibidos, y como el sector tecnológico ha sido predominantemente masculino, la mayoría de esos currículums venía de hombres, así que el sistema aprendió a preferir candidatos varones. Penalizaba currículums que incluían la palabra "women's" y degradaba a egresadas de universidades exclusivamente femeninas. Amazon corrigió esos casos puntuales, pero perdió la confianza de que el sistema fuera neutral en cualquier otra dimensión que nadie hubiera detectado todavía, y terminó descartando el proyecto por completo.
Una plataforma digital de evaluación no discrimina porque alguien lo programe a propósito. Discrimina porque aprende de datos históricos que ya cargan ese sesgo, y lo reproduce a una escala que ningún evaluador humano individual alcanzaría por sí solo.
El terreno legal que ya cambió
Lo que hasta hace poco era solo un riesgo reputacional ya es, al menos en California, un riesgo legal concreto. Desde el 1 de octubre de 2025, nuevas regulaciones bajo la Fair Employment and Housing Act obligan a los empleadores a responder por cualquier discriminación que resulte del uso de sistemas de decisión automatizados, incluidos los que analizan las expresiones faciales, el tono de voz o el habla de un candidato durante una entrevista en video. La norma nombra explícitamente ese tipo de análisis como una fuente de riesgo de discriminación por discapacidad, origen o género, y hace responsable al empleador incluso cuando la herramienta viene de un proveedor externo. Las empresas ahora deben conservar los datos de estos sistemas durante cuatro años y estar preparadas para auditorías de sesgo.
California suele anticipar hacia dónde se mueve la regulación en otros lugares. Una plataforma de evaluación que hoy analiza el rostro o la voz de un candidato para inferir competencias está construyendo, sin saberlo, la próxima demanda de alguien.
Lo que hacemos distinto en Pro Evaluation System
Estos tres retos comparten una misma raíz: una evaluación que ocurre sin nadie observando el comportamiento real, calificada por un algoritmo que nadie termina de revisar a fondo. Por eso en Pro Evaluation System construimos nuestros modelos de evaluación alrededor de la observación humana de comportamiento, no de un puntaje automático que sale de una caja negra.
Nuestras bandejas de decisión, discusiones de grupo sin líder designado y escenarios bajo presión de tiempo se diseñan junto a expertos en evaluación de talento, y los califica un evaluador entrenado que observa cómo actúa la persona en el momento, no una respuesta que pudo haber escrito una inteligencia artificial minutos antes. No inferimos competencias a partir del rostro o el tono de voz de nadie, así que no cargamos el riesgo regulatorio que California ya empezó a señalar. Y como cada aplicación se diseña a la medida de las competencias que la propia institución definió, no dependemos de un modelo entrenado con datos históricos ajenos que puede haber heredado sesgos que nadie corrige.
Ninguna plataforma digital, por sofisticada que sea, puede garantizar todavía que lo que mide es la persona y no su capacidad de manipular la herramienta. Si tu proceso de evaluación depende hoy de una pantalla sin nadie observando del otro lado, hablemos de cómo se vería con Pro Evaluation System.
Fuentes
- Fabric. We Analyzed 19,368 Interviews. 38.5% Were Cheating. Análisis propio de entrevistas realizadas en la plataforma de Fabric entre julio de 2025 y enero de 2026.
- Codepanion, citado en Fabric, How Candidates Cheat in AI Interviews (And How to Stop It) (2026).
- Canvas8 y Multiverse (2024), investigación sobre uso de inteligencia artificial generativa por parte de buscadores de empleo, citada por HackerEarth.
- Dastin, J. (2018). Amazon Scraps Secret AI Recruiting Tool That Showed Bias Against Women. Reuters.
- California Civil Rights Council. Regulaciones sobre sistemas de decisión automatizados bajo la Fair Employment and Housing Act (FEHA), vigentes desde el 1 de octubre de 2025.
