La conversación sobre IA en Recruiting suele empezar por lo espectacular: screening automático, matching, resúmenes de entrevistas, scorecards generadas, outreach “perfecto”.

El problema es que, si tu proceso está desordenado, la IA no lo arregla. Lo amplifica. Y eso puede salir carísimo.

  • Carísimo en tiempo (porque automatizás errores).
  • Carísimo en calidad (porque descartás mal).
  • Carísimo en reputación (porque la experiencia del candidato se degrada).
  • Carísimo en credibilidad interna (porque el negocio deja de confiar en Recruiting).
  • ¡Carísimo en tokens!
El paso 0 no es elegir una herramienta. Es ordenar el sistema.

1) Mapeá el proceso real (una página)

Antes de sumar IA, armá un mapa end-to-end de cómo contratan hoy:

  • Apertura: quién pide la búsqueda, quién aprueba, qué insumos existen.
  • Atracción: por dónde entra el talento, desde qué fuentes de reclutamiento.
  • Evaluación: etapas, entrevistas, tests.
  • Decisión: quién decide y con qué evidencia.
  • Cierre: oferta, negociación, firma.

Sumale dos capas:

  • Herramientas (ATS, LinkedIn Recruiter, scheduling, tests, planillas paralelas, etc.)
  • Personas (recruiter, hiring manager, entrevistadores, dirección, legal/finanzas si aplica)

Si en el mapa aparecen planillas “porque el ATS no alcanza”, pasos duplicados o aprobaciones difusas, ya encontraste fricción.

2) Trazabilidad por fuentes (sin esto, estás a ciegas)

Medí performance por 4 fuentes mínimas:

  • Postulados (inbound)
  • Referidos
  • Sourcing directo (cold candidates)
  • Externos / agencias

Mirá conversiones, no solo volumen:

  • % que llega a entrevista
  • % que llega a final
  • % que recibe oferta
  • % que acepta

Y si podés: alguna señal de calidad (feedback de HM, permanencia temprana, desempeño inicial). Sin esto, es fácil “optimizar” hacia la fuente equivocada.

3) Cuellos de botella: dónde se pierde valor

Buscá tres cosas:

  • Etapas donde se acumula demora (aging por etapa)
  • Caídas abruptas en el funnel (conversiones)
  • Variabilidad: roles similares con tiempos totalmente distintos

Aging sirve, pero interpretado con contexto: no toda búsqueda debería tardar lo mismo. Lo importante es detectar demoras evitables (esperas por decisión, etapas redundantes, handoffs confusos).

4) Auditoría de entrevistas y decisiones

La IA se apoya en lo que le das. Si la evaluación es inconsistente, la automatización amplifica inconsistencias.

Chequeo rápido:

  • ¿Hay scorecards o hay “me gustó/no me gustó”?
  • ¿Se evalúa lo acordado en kickoff o cada entrevistador inventa criterios?
  • ¿Se documenta evidencia o todo queda en una conversación?

5) Inventario del stack: qué pagamos y para qué

Hacé una lista con 4 columnas:

  • Herramienta
  • Costo estimado
  • Para qué se compró
  • Para qué se usa hoy

Este ejercicio suele revelar features pagadas que nadie usa, herramientas duplicadas y procesos paralelos. Si ya estás pagando un stack caro, primero hacelo funcionar con criterio.

Principio rector: no automatizar pasos que sobran

Elon Musk contó que en Tesla se pasaron con la automatización en fábrica y que fue un error: automatizar por automatizar puede empeorar el sistema. En Recruiting pasa igual: si una etapa no agrega valor, automatizarla solo la vuelve más rápida… y más dañina.

Checklist “Paso 0” (7 días)

  1. Mapa end-to-end en 1 página
  2. Etapas definidas + criterio de avance por etapa
  3. Performance por fuente (las 4 mínimas)
  4. Conversiones por etapa (aunque sea imperfecto)
  5. Inventario de herramientas + propósito real
  6. Scorecards y decisiones con evidencia
  7. Eliminar 1 paso que no agrega valor
Después de esto, la IA deja de ser un juguete y pasa a ser palanca.