Caso Eurofirms: recomendación de candidatos y asistencia interna con IA

Separar matching de decisión

El recomendador ayuda a ordenar perfiles frente a requisitos predefinidos. Un ranking no demuestra que alguien sea adecuado ni debe convertirse en rechazo automático. El especialista revisa datos, requisitos y contexto antes de contactar o descartar.

Comprobar requisitos y datos de entrada

La calidad del resultado depende de vacantes y perfiles actualizados. Distingue requisito imprescindible, deseable y dato no disponible. Si falta un campo, no infieras una capacidad o cualificación a partir del historial.

Auditar atributos y posibles sesgos

La fuente menciona excluir sesgos por género, raza, orientación sexual o discapacidad, como objetivo declarado del diseño. Una pyme debe definir evaluación y revisión con especialistas, probar resultados por grupos cuando sea legítimo y apropiado, y no asumir equidad por el solo hecho de no pasar explícitamente un atributo.

Mantener trazabilidad de la recomendación

Registra qué requisitos, fuentes y versión sustentaron la sugerencia. El reclutador puede corregir datos y documentar una excepción. Evita convertir un score opaco en criterio único o enviar candidaturas sin autorización del equipo.

Tratar el asistente interno como otro producto

La herramienta de Teams busca documentos y contesta preguntas de empleados, incluso temas laborales o legales según la nota. Marca fuentes y fecha, restringe documentos por rol y dirige dudas que requieren interpretación profesional al canal correcto. No es el mismo agente que recomienda candidatos.

Medir cada aplicación por separado

Para matching, evalúa relevancia de shortlist, revisión y decisión, sin atribuir contratación al sistema solo por ordenar perfiles. Para soporte, mide respuesta correcta, fuente, transferencia y repetición de preguntas. Un indicador conjunto ocultaría problemas de una función.

Aplicación a una pyme de selección

Empieza con un asistente interno para encontrar procedimientos aprobados y una cola de revisión para recomendaciones. Exige fuentes, pruebas por vacante y auditoría. No automatices decisiones de empleo; conserva quién revisó y por qué.

Fuentes y documentación

• Telefónica — IA generativa en Eurofirms People First — Caso comunicado por la empresa o proveedor tecnológico; las declaraciones y métricas se atribuyen a esa fuente y no son resultados auditados ni extrapolables a una pyme.