Talento en la era de la IA: qué buscan las empresas

 

Introducción

La inteligencia artificial se ha insertado en el reclutamiento a través de sistemas de seguimiento de candidatos, filtros de currículum, herramientas de matching y módulos de evaluación digital. Una revisión sistemática reciente sobre la transformación digital del proceso de selección describe ATS capaces de evaluar y puntuar currículums, así como sistemas que analizan entrevistas asincrónicas; de manera convergente, la literatura sobre ética del reclutamiento asistido por IA documenta usos en redacción de vacantes, cribado de CV y análisis de videoentrevistas, mientras que otros estudios muestran aplicaciones en agenda de entrevistas, screening y análisis de fuerza laboral (Baranyi, 2025; Hunkenschroer & Luetge, 2022; Madanchian et al., 2024).

Al mismo tiempo, el efecto de la IA sobre el trabajo parece ser más una reconfiguración de tareas que una sustitución total de ocupaciones. La Organización Internacional del Trabajo (ILO) sostiene que el efecto predominante de la IA generativa será la augmentación de ocupaciones, no su automatización completa, y que la mayoría de los puestos seguirá requiriendo aporte humano; por su parte, la Organización para la Cooperación y el Desarrollo Económicos (OECD) muestra que muchos trabajadores expuestos a IA no necesitarán habilidades avanzadas de IA, pero sí verán cambiar las tareas que realizan y las competencias que se les exigen. En paralelo, el World Economic Forum (WEF) reporta que las empresas están elevando la importancia de habilidades como pensamiento analítico, liderazgo, resiliencia, alfabetización tecnológica, curiosidad y aprendizaje continuo (ILO, 2023; ILO, 2025; OECD, 2024; WEF, 2025).

A partir de esta evidencia, la tesis central de este artículo es que, en la era de la IA, las empresas ya no buscan únicamente credenciales, títulos o años de experiencia; buscan talento capaz de demostrar competencias en entornos híbridos, de interactuar con sistemas automatizados sin perder autenticidad y de aportar juicio, comunicación, aprendizaje continuo y criterio ético allí donde la automatización no basta (OECD, 2025a; UNESCO, 2024b; WEF, 2025).

Marco conceptual

Conceptualmente, el problema puede entenderse en la intersección de tres nociones: reclutamiento algorítmico, mercados laborales orientados a habilidades y señalización de competencias. El reclutamiento algorítmico incluye ATS y herramientas de IA que filtran, comparan y priorizan candidaturas; la literatura advierte que estos sistemas no son neutrales porque operan sobre decisiones previas de datos, diseño y criterios de evaluación. Kelan (2024) resume este punto al proponer que la inclusión o exclusión algorítmica en contratación se juega en tres planos: datos, diseño y decisiones. En paralelo, la OECD sostiene que, en un enfoque skills-first, la manera en que las personas señalizan sus habilidades se vuelve casi tan importante como las habilidades mismas, porque los grados ya no reflejan por sí solos todo lo que una persona sabe hacer (Kelan, 2024; OECD, 2025a).

Desde una perspectiva ética y regulatoria, la promesa de eficiencia y objetividad convive con riesgos de discriminación, opacidad y afectación de derechos. Dos revisiones ampliamente citadas concluyen que el reclutamiento asistido por IA ofrece oportunidades, pero también puede producir trato desigual, discriminación implícita y percepciones de injusticia si los datos son sesgados o si el sistema se implementa sin transparencia ni auditoría (Hunkenschroer & Luetge, 2022; Köchling & Wehner, 2020). Esta preocupación ya se refleja en la regulación: la Comisión Europea considera de alto riesgo a los sistemas de IA usados para analizar y filtrar solicitudes de empleo o evaluar candidatos, y exige gestión de riesgos, documentación, supervisión humana y monitoreo del funcionamiento. En términos prácticos, esto equivale a sostener procesos de seguimiento intensivo posimplementación —similares a lo que en gestión se suele llamar hypercare— para validar resultados y corregir desvíos antes de que se consoliden injusticias (European Commission, 2026).

Metodología

Este texto adopta una revisión documental integradora con finalidad analítica. Se sintetizaron artículos académicos revisados por pares, reportes de organismos internacionales, documentos regulatorios y reportes especializados recientes sobre cinco ejes: reclutamiento asistido por IA y ATS, sesgos algorítmicos, percepción de candidatos, transformación de las habilidades demandadas y papel de las instituciones de educación superior. El propósito no fue construir una metaanálisis cuantitativa, sino elaborar una interpretación rigurosa y articulada de la evidencia disponible para responder a la pregunta central del artículo.

Desarrollo

 Automatización del reclutamiento y transformación del rol del reclutador 

Una primera consecuencia del uso de IA en reclutamiento es que desplaza el trabajo del reclutador desde tareas administrativas hacia funciones más estratégicas. La literatura muestra que la automatización se concentra en actividades repetitivas y de alto volumen, como revisión inicial de CV, organización de entrevistas o estandarización del matching entre requisitos y trayectorias; al mismo tiempo, los estudios sobre transformación digital de la función de reclutamiento indican que los reclutadores desarrollan un nuevo autoentendimiento y asumen una función de mediación entre necesidades organizacionales, perfiles disponibles y cambio tecnológico (Gilch & Sieweke, 2021; Hunkenschroer & Luetge, 2022). Desde la perspectiva del candidato, esta eficiencia puede ser valiosa —por ejemplo, en tiempos de respuesta más rápidos—, aunque no elimina preocupaciones sobre la calidad del juicio automatizado (Horodyski, 2023).

En este nuevo marco, las empresas parecen desplazarse de un modelo centrado en credenciales a uno más cercano a la lógica skills-first. La OECD muestra que la señalización directa de habilidades va en aumento, especialmente en habilidades digitales, de negocios y específicas de sector, y subraya que las titulaciones ya no reflejan plenamente las competencias efectivas de una persona. El WEF, por su parte, reporta que las habilidades de mayor crecimiento entre 2025 y 2030 serán IA y big data, ciberseguridad, alfabetización tecnológica, pensamiento creativo y analítico, resiliencia, liderazgo e interés por el aprendizaje permanente. A su vez, la OECD encuentra que, en ocupaciones altamente expuestas a IA, siguen siendo muy demandadas las habilidades de gestión y procesos de negocio, al mismo tiempo que aumentan las demandas de habilidades emocionales, cognitivas y digitales. En conjunto, esto sugiere que las empresas buscan perfiles híbridos: personas con base técnica suficiente, pero también con capacidad para coordinar, comunicar, aprender y adaptarse (OECD, 2024; OECD, 2025a; WEF, 2025). 

 Reclutamiento algorítmico y adaptación del candidato

Para los candidatos, este cambio implica que el currículum deja de ser un documento estático y se convierte en un artefacto estratégico. La investigación sobre herramientas de IA para CV muestra que los currículums mejoran cuando integran palabras clave y verbos de acción presentes en la descripción del puesto, y que las plataformas de optimización comparan el CV contra benchmarks de vacante para ofrecer retroalimentación sobre gramática, longitud, coincidencia de palabras clave, claridad y legibilidad para ATS. El mismo estudio documenta que varias instituciones de educación superior ya contratan plataformas con IA que ofrecen retroalimentación en tiempo real sobre entrevistas, búsqueda de empleo y currículums. En otras palabras, competir en el mercado actual exige no solo tener experiencia, sino traducirla de manera legible tanto para personas como para sistemas automatizados; sin embargo, la literatura también advierte que esas herramientas solo son útiles si no sustituyen la autenticidad de la experiencia del candidato (LeFebvre & LeFebvre, 2025; OECD, 2025a).

El problema es que la eficiencia algorítmica no garantiza justicia. Una revisión sistemática en recursos humanos concluye que los sistemas algorítmicos pueden derivar en trato injusto, discriminación implícita y descontento si aprenden de datos sesgados o poco representativos; Kelan (2024) agrega que el sesgo puede incubarse no solo en los datos, sino también en el diseño del sistema y en la forma en que se codifican juicios subjetivos dentro de la tecnología. El caso de Amazon se volvió emblemático justamente porque su herramienta de reclutamiento perjudicó a mujeres, lo que obligó a abandonar el proyecto (Dastin, 2018). En consecuencia, la evidencia apunta a que la IA no debe tratarse como verdad absoluta: requiere auditoría, transparencia, rendición de cuentas y colaboración estrecha entre profesionales de RR. HH. y desarrolladores para fijar criterios, límites y protocolos de supervisión (Köchling & Wehner, 2020; Kelan, 2024; Soleimani et al., 2025).

También importa cómo viven los candidatos estos procesos. Un estudio con cuatro experimentos encontró que los solicitantes perciben los procedimientos de contratación guiados solo por algoritmos como menos justos que los procesos humanos o los procesos en que el algoritmo asiste a un humano, en parte porque sienten que el sistema no reconoce su singularidad. No obstante, otra investigación reporta que muchos candidatos sí perciben la IA como útil y fácil de usar, especialmente por la reducción del tiempo de respuesta. Esta tensión es clave: los candidatos valoran la rapidez, pero no quieren ser reducidos a una representación incompleta de sí mismos. De ahí que la mejor práctica no sea “más automatización”, sino automatización con intervención humana significativa (Lavanchy et al., 2023; Horodyski, 2023; European Commission, 2026). 

 Nuevas habilidades demandadas en el mercado laboral

Aquí entra con fuerza el papel de la UNESCO y, en particular, de UNESCO IESALC. Los marcos de competencias de UNESCO para estudiantes y docentes proponen una aproximación humanista a la IA basada en agencia humana, ética, comprensión de fundamentos de IA, pedagogía, creatividad, diseño de soluciones y desarrollo profesional continuo. En el ámbito universitario, la propia UNESCO plantea que las instituciones de educación superior deben fortalecer las competencias que siguen siendo esenciales en la era de la IA: pensamiento crítico, creatividad, colaboración y razonamiento ético. A la vez, el diagnóstico de IESALC advierte una brecha preocupante: las respuestas institucionales siguen siendo fragmentadas, centradas muchas veces solo en lineamientos de uso, cuando harían falta marcos integrales de competencias para enseñanza, investigación y gestión (UNESCO, 2024a; UNESCO, 2024b; UNESCO, 2025a; Valentini & Blancas, 2025).

La urgencia educativa no es abstracta. IESALC resume que alrededor del 60% de los empleos se verá afectado por la IA y que una mayoría relevante de estudiantes se siente poco preparada para ese escenario; además, la encuesta global de UNESCO muestra que dos tercios de las instituciones de educación superior ya tienen o están desarrollando orientaciones sobre uso de IA, pero en América Latina y el Caribe el avance es menor que en Europa y Norteamérica. Este rezago es importante porque la empleabilidad ya no debe concebirse solo como “conseguir un empleo”, sino como desarrollar competencias portátiles que permitan obtener, sostener y reconfigurar trabajo digno. Por ello, la educación superior debe combinar alfabetización en IA, formación ética, desarrollo docente, servicios de carrera, y rutas flexibles como microcredenciales; estas últimas, según la OECD, pueden volver a la educación superior más flexible y responsiva, aunque su impacto todavía requiere más evidencia (UNESCO, 2025b; Galán-Muros et al., 2025; OECD, 2025c).

Finalmente, la función institucional no se agota en el aula. UNESCO documenta experiencias en las que la colaboración universidad-industria, apoyada por tecnologías educativas, fortalece capacidades docentes, alinea currículos con necesidades laborales y convierte a las universidades en co-desarrolladoras de ecosistemas de habilidades. Esto es particularmente relevante en un contexto donde la formación profesional necesita ser más situada, más flexible y más conectada con problemas reales del mercado sin caer en una subordinación acrítica a la lógica empresarial. La tarea de la educación superior no es obedecer a la IA, sino preparar a las personas para usarla, comprenderla, cuestionarla y gobernarla (UNESCO, 2026; OECD, 2025b).

Discusión 

La respuesta a la pregunta “¿qué buscan las empresas?” puede sintetizarse en cinco grandes dimensiones. Primero, buscan fluidez digital y alfabetización tecnológica, no necesariamente especialización profunda en IA para todos los puestos, pero sí capacidad para trabajar con herramientas digitales y comprender sus lógicas básicas. Segundo, buscan competencias cognitivas de orden superior, especialmente pensamiento analítico, resolución adaptativa de problemas y creatividad. Tercero, buscan competencias socioemocionales y de coordinación, como liderazgo, influencia social, comunicación del valor propio y trabajo colaborativo. Cuarto, buscan aprendizaje continuo y adaptabilidad, porque el inventario de habilidades cambia con rapidez. Y quinto, buscan capacidad de señalizar habilidades de forma clara, verificable y contextualizada frente a sistemas y reclutadores. Esta caracterización surge de la convergencia entre evidencia laboral, educativa y de reclutamiento (OECD, 2024; OECD, 2025a; OECD, 2025b; WEF, 2025; UNESCO, 2024b).

No obstante, estos hallazgos también dejan ver una tensión estructural. El giro hacia habilidades y señales puede ampliar oportunidades para quienes no encajan en trayectorias lineales de credenciales, pero también puede castigar a quienes no dominan las reglas implícitas de la visibilidad digital, la redacción estratégica del CV o el uso reflexivo de herramientas de IA. Dicho de otro modo: un mercado laboral más “orientado a habilidades” no es automáticamente más justo. La justicia depende de cómo se diseñan los sistemas, de cuánto peso se les da en la decisión final, de si existe derecho a explicación y de si los candidatos disponen de apoyo educativo y tecnológico para presentarse en condiciones razonables (Lavanchy et al., 2023; Köchling & Wehner, 2020; European Commission, 2026; Soleimani et al., 2025).

En esa tensión, las instituciones educativas dejan de ser actores periféricos y pasan a ser co-productoras de empleabilidad. Su responsabilidad ya no consiste solo en transmitir contenidos disciplinarios, sino en enseñar a los estudiantes a demostrar competencias, a interactuar críticamente con herramientas de IA, a entender los límites de los filtros algorítmicos y a sostener una identidad profesional auténtica frente a procesos automatizados. Si las universidades se limitan a publicar lineamientos o a permitir un uso espontáneo de estas herramientas, probablemente quedarán por detrás de la velocidad del cambio. Si, en cambio, integran marcos de competencias, formación docente, servicios de carrera y alianzas con el entorno productivo, pueden convertirse en un puente efectivo entre la formación y el trabajo en la era algorítmica (Valentini & Blancas, 2025; UNESCO, 2025a; UNESCO, 2026).

Conclusiones

La evidencia revisada permite sostener que el talento en la era de la IA se define menos por la acumulación de títulos y más por la capacidad de movilizar, comunicar y actualizar habilidades en contextos donde la evaluación ocurre simultáneamente ante sistemas automatizados y ante juicio humano. Las empresas buscan personas que sepan trabajar con tecnología, aprender rápido, resolver problemas no rutinarios, comunicar con claridad su propuesta de valor y ejercer criterio ético en entornos inciertos. En ese sentido, el “buen candidato” ya no es solamente quien sabe hacer algo, sino quien puede demostrarlo de forma legible, pertinente y adaptable (OECD, 2024; OECD, 2025a; WEF, 2025).

También queda claro que la IA no elimina la necesidad de juicio humano; la desplaza y la vuelve más importante. Los sistemas de reclutamiento pueden liberar tiempo, ampliar cobertura y ordenar grandes volúmenes de información, pero solo producen valor organizacional legítimo cuando están sometidos a supervisión, auditoría, transparencia y revisión continua. Por eso, la empresa del presente no debería aspirar a un reclutamiento “totalmente automatizado”, sino a una arquitectura híbrida donde la IA apoye y el criterio profesional decida (Hunkenschroer & Luetge, 2022; European Commission, 2026; Soleimani et al., 2025).

Para las instituciones de educación superior, la conclusión es igualmente contundente: formar para el trabajo ya implica formar para convivir con la IA. Eso exige rediseño curricular, alfabetización crítica en IA, fortalecimiento docente, acompañamiento en empleabilidad, microcredenciales y alianzas universidad-industria sensibles al contexto. Como limitación, este artículo es una revisión documental y no un estudio empírico sectorial; por ello, futuras investigaciones deberían contrastar estas tendencias en campos concretos —por ejemplo, TI, salud, administración o ingeniería— y en regiones específicas de América Latina. Aun con esa salvedad, la dirección general es nítida: en la era de la IA, las empresas buscan talento híbrido, y las instituciones educativas están llamadas a cultivarlo deliberadamente (UNESCO, 2025a; UNESCO, 2025b; Valentini & Blancas, 2025; Galán-Muros et al., 2025; OECD, 2025c).

Referencias

• Baranyi, V. (2025). Systematic literature review on the digital transformation of the personnel selection process. German Journal of Human Resource Management. https://doi.org/10.1177/23970022251363012
• Dastin, J. (2018, October 11). Insight - Amazon scraps secret AI recruiting tool that showed bias against women. Reuters.
• European Commission. (2026). Navigating the AI Act.
• Galán-Muros, V., Ricaurte, K., & Banerjee, I. (2025). Breaking barriers: The role of higher education in advancing employability for all. UNESCO IESALC & Lumina Foundation.
• Gilch, P. M., & Sieweke, J. (2021). Recruiting digital talent: The strategic role of recruitment in organisations’ digital transformation. German Journal of Human Resource Management, 35(1), 53–82. https://doi.org/10.1177/2397002220952734
• Gmyrek, P., Berg, J., & Bescond, D. (2023). Generative AI and jobs: A global analysis of potential effects on job quantity and quality. International Labour Organization.
• Horodyski, P. (2023). Applicants' perception of artificial intelligence in the recruitment process. Computers in Human Behavior Reports, 11, 100303. https://doi.org/10.1016/j.chbr.2023.100303
• Hunkenschroer, A. L., & Luetge, C. (2022). Ethics of AI-enabled recruiting and selection: A review and research agenda. Journal of Business Ethics, 178, 977–1007. https://doi.org/10.1007/s10551-022-05049-6
• Kelan, E. K. (2024). Algorithmic inclusion: Shaping the predictive algorithms of artificial intelligence in hiring. Human Resource Management Journal, 34(3), 694–707. https://doi.org/10.1111/1748-8583.12511
• Köchling, A., & Wehner, M. C. (2020). Discriminated by an algorithm: A systematic review of discrimination and fairness by algorithmic decision-making in the context of HR recruitment and HR development. Business Research, 13, 795–848. https://doi.org/10.1007/s40685-020-00134-w
• Lavanchy, M., Reichert, P., Narayanan, J., & Savani, K. (2023). Applicants’ fairness perceptions of algorithm-driven hiring procedures. Journal of Business Ethics, 188(2), 125–150. https://doi.org/10.1007/s10551-022-05320-w
• LeFebvre, L., & LeFebvre, R. A. (2025). RESEARCH-AI résumés: Learning to improve self-presentation for the labor market. Frontiers in Education, 10, 1576196. https://doi.org/10.3389/feduc.2025.1576196
• OECD. (2024). Artificial intelligence and the changing demand for skills in the labour market.
• OECD. (2025a). Empowering the workforce in the context of a skills-first approach: Skills signalling in OECD countries.
• OECD. (2025b). OECD Skills Outlook 2025.
• OECD. (2025c). Micro-credentials for lifelong learning and employability.
• Soleimani, M., Intezari, A., Arrowsmith, J., Pauleen, D. J., & Taskin, N. (2025). Reducing AI bias in recruitment and selection: An integrative grounded approach. The International Journal of Human Resource Management.
• UNESCO. (2024a). AI competency framework for students.
• UNESCO. (2024b, September 3). What you need to know about UNESCO’s new AI competency frameworks for students and teachers.
• UNESCO. (2025a). AI for skills development in higher education 2025–2026.
• UNESCO. (2025b, September 2). Two-thirds of higher education institutions have or are developing guidance on AI use.
• UNESCO. (2026, February 5). Strengthening university–industry collaboration for youth skills development through EdTech partnerships.
• Valentini, A., & Blancas, A. (2025). The challenges of AI in higher education and institutional responses: Is there room for competency frameworks? UNESCO IESALC.
• World Economic Forum. (2025). The Future of Jobs Report 2025.

 Talent in the Age of Artificial Intelligence: What Are Companies Looking For?

Abstract

The use of artificial intelligence (AI) in recruitment has transformed how organizations identify and evaluate talent. Through tools such as Applicant Tracking Systems (ATS), companies automate routine tasks while shifting focus toward strategic activities and candidate experience. In this context, talent is increasingly defined by the ability to adapt to algorithm-driven processes, effectively communicate value, and demonstrate relevant skills.

At the same time, concerns about algorithmic bias highlight the need for hybrid decision-making models that combine AI with human judgment. This transformation is also influencing higher education, which must adapt to develop hybrid skill profiles aligned with a digital labor market. Overall, companies are seeking adaptable, digitally literate professionals capable of evolving alongside technological change.