Qué es el sesgo en la selección de personal

Definición amplia

Hay sesgo en la selección cuando el proceso favorece o perjudica de forma sistemática a un grupo de candidatos por motivos que no tienen que ver con el puesto. Puede venir de las personas que seleccionan, de los criterios fijados en la oferta o de las herramientas. Con la IA el problema no desaparece: se traslada a los datos y a los modelos, y se aplica a muchas más candidaturas a la vez.

Cómo entra en un sistema de IA

• Datos históricos: un modelo que aprende de las contrataciones pasadas aprende también sus preferencias. Google llama sesgo histórico al que ya existe en el mundo y pasa a los datos.
• Variables sustitutas: un dato en apariencia neutro puede hacer de sustituto de un atributo sensible; el ejemplo de Google es el código postal, que puede reflejar ingresos u origen étnico. Otros datos del currículo pueden cumplir la misma función.
• Datos incompletos: el sistema solo sabe cómo rindieron las personas contratadas, no las que se descartaron.

Marco legal

En España, el artículo 9 de la Ley 15/2022, integral para la igualdad de trato y la no discriminación, prohíbe limitaciones o exclusiones en el acceso al empleo por las causas que prevé la ley, «incluidos los criterios de selección», y considera discriminatorios los criterios y sistemas de acceso que produzcan discriminación indirecta por esas causas. El artículo 17 del Estatuto de los Trabajadores declara nulas las decisiones del empresario que den lugar en el empleo a situaciones de discriminación directa o indirecta por los motivos que enumera. El Reglamento europeo de IA advierte en su considerando 57 de que los sistemas de selección pueden perpetuar patrones históricos de discriminación y, tras la reforma del Reglamento (UE) 2026/1744, su artículo 4 bis permite tratar de forma excepcional categorías especiales de datos, con garantías estrictas, cuando sea estrictamente necesario para detectar y corregir sesgos.

No debe confundirse con el «sesgo de selección» (selection bias) de la estadística y el machine learning, que es el error en las conclusiones que aparece cuando el proceso de selección de los datos hace que los observados difieran de forma sistemática de los no observados. El tercer punto de la lista es un caso de ese sesgo estadístico, pero el término no se refiere a la discriminación en la contratación.

Ejemplos de uso

• Recursos humanos y talento

  En recursos humanos, se revisan los criterios de cribado y los datos de entrenamiento antes de poner en marcha una herramienta de selección.

• Datos y analítica

  En analítica, se mide si las tasas de paso de cada fase cambian entre colectivos para detectar un posible sesgo.

• Dirección y estrategia

  En dirección, se tiene en cuenta al pedir al proveedor de una herramienta de selección qué pruebas de sesgo ha hecho y con qué datos.

• Marketing

  En marketing, se revisan el texto y la segmentación de los anuncios de empleo para que no excluyan a ningún colectivo.

Términos relacionados

• Sesgo algorítmico
• IA en la selección de personal

Fuentes

• Ley 15/2022, de 12 de julio, integral para la igualdad de trato y la no discriminación, art. 9
• Estatuto de los Trabajadores, art. 17.1, texto consolidado
• Reglamento (UE) 2024/1689 de Inteligencia Artificial, considerando 57 (DOUE en BOE)
• Reglamento (UE) 2026/1744 (Ómnibus digital sobre IA), art. 1, punto 6, que inserta el art. 4 bis (DOUE en BOE)
• Google for Developers, Machine Learning Glossary: historical bias, proxy (sensitive attributes), selection bias