MIT Tech Review: las IA forman sesgos de contratación más rápido que los humanos

Una estudio documenta lo que los DRH temían sin medirlo: el sesgo algorítmico en el reclutamiento no es heredado, es producido.

En términos sencillos. MIT Technology Review (20/07/2026) reporta una investigación según la cual los LLM pueden desarrollar SUS PROPIOS sesgos de reclutamiento —además de los sesgos heredados de los datos de entrenamiento—. En otras palabras: limpiar los datos no es suficiente.

Contexto

Desde 2023, el debate sobre el sesgo en IA para RRHH oscila entre dos posturas: « reflejo de datos históricos » (sesgo heredado, corregible mediante debiasing) y « amplificador sistémico » (el modelo también genera sesgo, no corregible solo con los datos). El estudio difundido por MIT Tech Review respalda la segunda postura sin invalidar la primera. El marco regulatorio es complejo: la NYC Local Law 144 (auditoría de AEDT) entró en vigor en 2023, California discute un marco sobre decisiones de RRHH asistidas por IA, y el EU AI Act —con umbrales para sistemas de RRHH de « alto riesgo»— se despliega gradualmente a partir de 2026 (transición completa entre 2026 y 2027 según el tipo de sistema).

Los datos

• Publicación: MIT Technology Review, 20/07/2026 (estudio subyacente por verificar en control: naturaleza académica vs. industria, metodología).
• Resultado reportado: los LLM pueden desarrollar sus propias asociaciones sesgadas entre atributos demográficos y juicios de competencia, además de los sesgos ya presentes en los datos de entrenamiento.
• Antecedentes conocidos: Amazon 2018 (herramienta de reclutamiento abandonada por sesgo de género), demanda a Meta 2026 (algoritmo de algorithmic management).

Análisis

Dos puntos. Uno: el argumento «entrenamos mejor, y listo» es insuficiente con estructura constante —una parte de la formación del sesgo es intrínseca al objetivo de maximización, no solo a la fuente de datos—. Dos: las doctrinas jurídicas estadounidense (disparate impact) y europea (AI Act art. 14) convergen en la obligación de auditoría externa, pero ninguna prescribe un método estandarizado. Las empresas prueban con benchmarks propietarios, cuyos resultados son incomparables.

Escenarios

• Central (55 %) : los reguladores (California, NYC, UE) establecen una norma de auditoría en 12-18 meses; los proveedores de HR-tech (Workday, iCIMS, Eightfold) se adaptan sin que el sesgo se resuelva.
• Contentioso (25 %) : una acción colectiva culmina en un acuerdo millonario (nueve o diez cifras); efecto disuasorio en la adopción de LLM en RRHH de primera línea.
• Rehumanización (20 %) : los grandes reclutadores reintegran lo humano en la última fase, al estilo de Meta tras la demanda.

Implicaciones

Para un director de RRHH: documentar la auditoría de sesgos se convierte en una obligación contractual, no en un trámite. Para un inversor en HR-tech: la auditabilidad reemplaza a la precisión como criterio de compra en 2027. Para un fundador: no lanzar un sistema de scoring IA en RRHH sin un módulo de auditoría externa integrado.

A vigilar

• Publicación del estudio primario (ArXiv, revista, informe industrial).
• Seguimiento de la demanda a Meta (algorithmic management).
• Salida del referencial del EU AI Act sobre pruebas de sesgo en RRHH de alto riesgo.