Cómo redactar un CV que te ayude a burlar los filtros que ponen las empresas

Contenido Exclusivo

La nota a la que intentas acceder es exclusiva para suscriptores

Suscribirme

Conocé nuestros planes
y disfrutá de El País sin límites.

Ingresar

Si ya sos suscriptor podés
ingresar con tu usuario y contraseña.

Era inevitable: cuando las empresas simplificaron la solicitud de empleo en línea, las postulaciones llegaron a raudales. Para sortear esta creciente marea de currículums, los departamentos de recursos humanos recurren cada vez más a sistemas de inteligencia artificial para seleccionar a los candidatos que se consideran buenos. Entonces, si bien la solicitud puede ser tan fácil como hacer clic con el mouse, es probable que ese currículum se elimine en el olvido y no termine frente a un reclutador.

Para evitar ser atrapados por ese tamiz, los solicitantes de empleo deben comprender los nuevos sistemas, que se han extendido a más industrias y puestos.

Las llamadas herramientas de contratación predictiva evalúan los currículums al encontrar palabras clave relacionadas con categorías como habilidades, experiencia y educación, y las pondera de acuerdo con los requisitos del trabajo y cualquier otro factor que la empresa de contratación haya especificado.

El sistema puede valorar positivamente a los solicitantes que trabajaron en determinadas empresas y puede inferir la antigüedad en una habilidad que aparece en su historial laboral.

La inteligencia artificial se utiliza para comprender qué quieren decir las personas, por ejemplo, si Carleton es el nombre de una persona, un alma mater o una firma para la que trabajó el solicitante.

Los sistemas de software pueden estar menos sesgados que los evaluadores humanos porque se programan para ignorar características como la edad, el sexo, la raza y otras categorías protegidas. Pasar por la selección automática puede requerir adaptar el CV, no solo la carta de presentación, a cada trabajo que se está solicitando. Greg Moran, director ejecutivo de OutMatch, sistema que analiza a más de 10 millones de postulantes al año para compañías como Pepsi, Toyota y Walmart, confirmó que las siguientes acciones ayudarían a los solicitantes a evitar el rechazo automático.

Incluya en su currículum las mismas palabras clave, o similares, que utiliza la publicación de trabajo para los conocimientos, habilidades, experiencia y deberes involucrados. Utilice las palabras clave más relevantes en su trabajo más reciente en la lista. Si menciona el análisis de datos en un trabajo hace 10 años, pero no en un trabajo más reciente, el algoritmo puede darle menos peso.

Palabras como «significativo», «fuerte» y «dominio» en la descripción de un trabajo pueden ser indicios de que esas habilidades tendrán un gran peso, por lo que deben enfatizarse en su currículum e incluirse en las descripciones de su experiencia más actual.

Cuantifique siempre que sea posible. «Dirigí un equipo de cinco que aumentó las ventas en un 40% en dos años» funciona mejor que «Dirigí un equipo que aumentó significativamente las ventas».

Asegúrese de que el sistema pueda «leer» su currículum. En algunos sistemas, el formato de archivo PDF puede hacer que su currículum aparezca como una sola imagen, por lo que Microsoft Word puede ser una mejor opción. El formato elegante con columnas o imágenes agregadas puede ser menos legible si el sistema está escaneando de izquierda a derecha. Y no intente engañar al software con palabras clave en texto blanco; los creadores ya han pensado en eso.

Mencione todas sus habilidades. El sistema puede buscar experiencia específica con, por ejemplo, el lenguaje de programación R o Tableau, así que no los agrupe como «experiente en análisis de datos».

La inteligencia artificial utilizada por los sistemas de contratación puede generar consecuencias dañinas no deseadas, dijo Hong Qu, especialista de la Universidad de Stanford. Es el creador de AI Blindspot, un conjunto de prácticas que ayudan a los equipos de software a reconocer sesgos inconscientes y desigualdades estructurales que podrían afectar la toma de decisiones de su software.

«Los sistemas aún pueden tener sus propias formas de sesgos y pueden excluir a los solicitantes calificados», dijo.

Una empresa puede dar prioridad a los currículos de aspirantes a ingenieros que asistieron a las mismas universidades que ingenieros exitosos de la industria. Los solicitantes de universidades para mujeres o históricamente para negros pueden ser más propensos a ser rechazados, por ejemplo, si los rangos superiores de ingenieros en una industria son predominantemente hombres blancos.

Los sesgos generados por el sistema pueden extenderse más allá de la detección. Por ejemplo, los reclutadores pueden estar sujetos a un «sesgo de automatización», lo que le da más peso a un análisis porque proviene de un sistema informático. Agrupar a los candidatos que hayan superado la selección para la siguiente evaluación, en lugar de clasificarlos según las puntuaciones otorgadas por el software, puede aliviar este efecto.

Se necesitan auditorías frecuentes para comprender a quién está filtrando el sistema. También debe diseñarse con transparencia, para que los humanos puedan entender por qué se tomó una decisión individual. Si bien los sistemas se están generalizando, son incipientes y los críticos dicen que hay poca regulación que asegure transparencia. De hecho, el autoexamen puede revelar problemas que pueden dañar la reputación de una empresa.