La mitad de tus candidatos ha usado IA para escribir sus currículums. Ya lo sabes. Una encuesta de KraftCV de 2026 sitúa la cifra en un 70 %. Tu instinto es encontrar la manera de detectar cuáles están generados por IA y descartarlos.
Ese instinto es erróneo. La detección es un parche. El cribado estructurado y basado en criterios es la solución, y funciona sea quien sea el autor del currículum.
Por qué la detección falla como estrategia de cribado
Las herramientas de detección de IA se crearon para la integridad académica, no para la contratación. Analizan patrones de escritura para estimar si un texto fue generado por una máquina. En un contexto de selección, esto genera tres problemas.
En primer lugar, la precisión no es fiable. Una prueba independiente de PCWorld concluyó que GPTZero solo alcanzó un 62 % de precisión con documentos reales, a pesar de afirmar un 99 % en pruebas controladas. Originality.ai muestra tasas de falsos positivos de entre el 8 % y el 12 %.
En segundo lugar, la señal no es útil. Saber que un currículum tiene ayuda de IA no te dice nada sobre si el candidato puede hacer el trabajo. Solo indica que usó una herramienta de escritura, de la misma categoría que probablemente usa tu propio equipo para las descripciones de puestos y los correos de contacto.
En tercer lugar, la detección perjudica a las personas equivocadas. Los candidatos que editan ligeramente el texto de la IA pueden pasar el filtro, mientras que quienes escribieron su currículum en un inglés que no es su lengua materna pueden ser marcados. El resultado es un filtro que se correlaciona con el estilo de escritura, no con la idoneidad para el puesto.
Método 1: cribado basado primero en criterios
El sustituto más eficaz de la detección es una primera criba basada en criterios. Antes de leer un solo currículum, define los requisitos no negociables del puesto:
- Autorización para trabajar en tu ubicación
- Certificaciones o licencias requeridas
- Umbrales mínimos de experiencia
- Nivel de idioma
- Habilidades técnicas específicas
CriteriaMatch te permite definir estos criterios una sola vez y aplicarlos automáticamente a cada currículum que llega. La IA comprueba cada currículum frente a tus requisitos en cuestión de segundos. Un currículum muy bien redactado que no tiene la certificación requerida sigue fallando. Un currículum sencillo de un candidato cualificado sigue superando la criba.
Este enfoque es inmune al texto generado por IA porque evalúa hechos, no la calidad de la prosa. Además, crea un estándar de cribado documentado y auditable, algo que la detección nunca puede ofrecer. Para saber más sobre por qué los detectores de IA crean más problemas de los que resuelven, y qué considerar antes de integrar una API de detección, tratamos esos compromisos por separado.
Para ver en la práctica cómo funciona el cribado basado en criterios, consulta nuestra guía sobre cómo CriteriaMatch ayuda a los reclutadores a filtrar candidatos.
Método 2: puntuación de ajuste frente a la descripción del puesto
Tras el cribado por criterios, la siguiente capa es la relevancia. ¿La trayectoria del candidato encaja con lo que el puesto necesita de verdad?
AI Score evalúa los currículums frente a tu descripción del puesto y devuelve un ranking de coincidencia con fortalezas y debilidades concretas. No le importan la estructura de las frases ni la variedad de vocabulario. Le importa si la experiencia, las habilidades y la trayectoria del candidato se alinean con los requisitos del puesto.
La respuesta no es detectar la IA, sino cribar por lo que realmente necesitas.
Una puntuación alta de AI Score significa que el candidato encaja con el puesto. Una puntuación baja significa que no encaja. Si usó ChatGPT para escribir el currículum es irrelevante para ese juicio.
Método 3: preguntas de entrevista estructuradas a partir del análisis de lagunas
Aquí es donde los defensores de la detección preguntan: «¿y la verificación?». Buena pregunta. La respuesta son las entrevistas estructuradas.
La investigación demuestra de forma consistente que las entrevistas estructuradas predicen el rendimiento laboral entre dos y tres veces mejor que las conversaciones no estructuradas. Un análisis de Sapia.ai de 2026 encontró coeficientes de validez de entre 0.51 y 0.63 para las entrevistas estructuradas, frente a 0.20 a 0.38 para los formatos no estructurados. El acuerdo entre entrevistadores alcanza aproximadamente un 85 % con formatos estructurados, frente a un 40 % aproximado con formatos no estructurados (ResReader, 2026). Las organizaciones que usan entrevistas estructuradas también informan de una mejora del 55 % en la diversidad de candidatos.
InterviewGen genera preguntas de entrevista específicas para cada puesto analizando el currículum de cada candidato frente a la descripción del puesto. Identifica las lagunas —donde el currículum es vago, donde las afirmaciones sobre experiencia son escasas o donde hay un desajuste entre las habilidades declaradas y los requisitos del puesto— y crea preguntas que profundizan exactamente en esas áreas.
Si un candidato afirmó «diseñé una migración a microservicios» en un currículum pulido con IA, InterviewGen generará preguntas que comprueben si sabe explicar las decisiones técnicas, los compromisos y los resultados. La entrevista es la capa de verificación. El currículum es solo el punto de partida.
Método 4: combina los métodos en un proceso
El enfoque de cribado más sólido combina estos métodos en capas:
- CriteriaMatch: filtro de requisitos imprescindibles. Aprobado o suspendido. Elimina a los candidatos que no alcanzan el mínimo, independientemente de la calidad del currículum.
- AI Score: puntuación de ajuste. Ordena a los candidatos restantes según su relevancia para el puesto. Muestra las mejores coincidencias para la revisión humana.
- InterviewGen: pruebas de profundidad. Genera preguntas específicas para los finalistas según sus lagunas y afirmaciones concretas. Convierte una entrevista genérica en una herramienta de verificación.
Cada capa detecta lo que la anterior no ve. Y ninguna depende de adivinar si un candidato usó IA para escribir su currículum.
La ventaja del cribado estructurado
Más allá de gestionar los currículums escritos con IA, este enfoque resuelve otros problemas que probablemente tenga tu equipo:
- Consistencia: cada candidato se evalúa con los mismos criterios y la misma descripción del puesto. Se acabó el «me gustó su actitud» frente a «no me gustó el formato».
- Velocidad: la comprobación de criterios y la puntuación de ajuste se hacen en segundos, no en horas. Tu equipo revisa una lista ya ordenada en lugar de una pila sin filtrar.
- Defendibilidad: cada decisión de cribado se basa en criterios definidos y puntuaciones documentadas. Si un candidato pregunta por qué fue descartado, tienes una respuesta concreta que se sostiene.
- Reducción del sesgo: los métodos estructurados reducen la brecha de sesgo de alrededor del 40 % documentada en los procesos de contratación no estructurados (Hyring, 2026).
Deja de detectar. Empieza a cribar.
El «problema» del currículum escrito con IA es en realidad un problema de cribado. Si tu proceso depende de leer el estilo para juzgar a los candidatos, la IA lo romperá. Si depende de criterios verificables, puntuación de ajuste y entrevistas estructuradas, no importa cómo se haya escrito el currículum.
Construye un proceso de cribado que funcione con el fondo, no con el estilo. Es el único enfoque que escala.