Buscar empleo siempre ha implicado intentar multiplicar las oportunidades: enviar currículos a numerosas empresas, adaptar candidaturas y buscar distintas vías. Sin embargo, en un mercado laboral donde muchas empresas confían en los mismos sistemas automatizados para filtrar candidatos, es probable que un mismo perfil sea repetidamente rechazado por criterios muy similares.

Este fenómeno, conocido como monocultivo algorítmico en contratación, surge cuando un reducido número de proveedores o herramientas con lógicas parecidas dominan la primera fase de selección. Aunque a simple vista el mercado parezca variado, internamente se reproducen los mismos sesgos y errores. Así, los algoritmos que evalúan el talento dejan de ser incidentes puntuales y se convierten en la regla general.

La metáfora agrícola de monocultivo es acertada: plantar una única variedad facilita la producción pero también expone a toda la cosecha a plagas comunes. En el caso del empleo, la dependencia masiva de algoritmos similares hace que las decisiones de contratación puedan estar sesgadas de forma generalizada, afectando especialmente a perfiles atípicos o poco convencionales.

Según datos del World Economic Forum, más del 90% de los empleadores utiliza algún sistema automatizado para ordenar o filtrar candidaturas. Una investigación de la Universidad de Stanford, que analizó millones de aplicaciones evaluadas por un solo proveedor, identificó un fenómeno de "rechazo sistémico": un 4% de los candidatos que aplican a diez ofertas son desestimados en todas ellas con una tasa mayor a la esperada por azar. Esto significa que multiplicar candidaturas no siempre aumenta las opciones reales de éxito cuando las puertas de entrada están controladas por la misma lógica algorítmica.

Para las empresas, esta situación puede pasar desapercibida pero implica una pérdida inadvertida de talento. El algoritmo puede descartar a personas con trayectorias profesionales no lineales, candidatos senior, personas con discapacidad o quienes provienen de sectores distintos, sin que estas decisiones se reflejen en resultados económicos o indicadores tradicionales.

El sesgo algorítmico es un riesgo conocido. En 2018, Amazon retiró su sistema experimental de selección tras descubrir que penalizaba candidatas por basarse en datos históricos con predominancia masculina. Este caso evidenció cómo la inteligencia artificial, sin una supervisión adecuada, puede reproducir desigualdades previas. La preocupación esencial del monocultivo es que ese sesgo pase de ser un fallo aislado a una barrera estructural extendida en el mercado laboral.

Un estudio publicado en Proceedings of the National Academy of Sciences advierte que la adopción generalizada de un mismo algoritmo, pese a parecer funcional para cada empresa individual, puede reducir la calidad global de las decisiones de contratación. El problema no es solo que un algoritmo falle, sino que todos fallen de manera idéntica y repetida.

La creciente automatización y homogeneidad en los procesos de selección obliga a cuestionar quién controla las reglas del acceso laboral y a impulsar diversificación en los filtros para evitar exclusiones masivas. Solo así se podrán garantizar mercados laborales más plurales y equitativos, que reconozcan la diversidad de experiencias y potencial de los candidatos.

Para entender mejor esta problemática puedes consultar el informe del World Economic Forum, el estudio de la Universidad de Stanford y la investigación de la Proceedings of the National Academy of Sciences.