Una empresa española de tamaño medio recibe entre 150 y 400 candidaturas por oferta publicada en Infojobs. Revisarlas todas de forma manual llevaría entre dos y cuatro jornadas completas de trabajo. El ATS existe precisamente para hacer esa criba sin que el reclutador pierda el juicio — pero configurado mal, descarta exactamente a los perfiles que más interesan.
La criba curricular automatizada no es neutral. Cada decisión de configuración — qué palabras clave buscar, qué campos obligar, qué puntuación mínima exigir — tiene consecuencias directas sobre quién llega a la entrevista y quién no. Este artículo explica cómo funciona el cribado en los sistemas ATS modernos, qué errores cometen la mayoría de los equipos de selección y cómo sacar partido de la IA semántica sin perder candidatos válidos por el camino.
Cómo procesa un ATS los currículums recibidos
Cuando un candidato envía su CV — ya sea por email, portal de empleo o formulario web —, el ATS realiza tres operaciones en cuestión de segundos: parsea el documento, extrae los campos estructurados y aplica las reglas de filtrado definidas por el equipo.
El parsing es el proceso de convertir un PDF o Word en datos estructurados: nombre, email, teléfono, experiencia laboral (empresa, cargo, fechas), formación, idiomas, habilidades. La calidad del parser determina la calidad de toda la criba posterior. Un parser deficiente confunde fechas, fusiona empresas o directamente pierde secciones enteras de currículums con formatos poco convencionales.
Tras el parsing, el ATS aplica los filtros. Aquí es donde la mayoría de los sistemas divergen significativamente.
Filtrado por palabras clave vs. IA semántica: diferencias reales
| Criterio | Filtrado por palabras clave | IA semántica |
|---|---|---|
| Cómo funciona | Busca coincidencias exactas de texto | Comprende contexto y equivalencias conceptuales |
| Ejemplo de acierto | Encuentra "Python" si el CV dice "Python" | Encuentra "Python" aunque el CV diga "desarrollo backend con Flask y Django" |
| Falsos negativos típicos | Alto: sinónimos, abreviaturas, idiomas distintos | Bajo: entiende variantes y contexto profesional |
| Transparencia | Alta: el reclutador sabe exactamente qué busca | Media: requiere validación humana del ranking |
| Riesgo de sesgo | Sesgo por nomenclatura (ej. títulos universitarios) | Sesgo heredado de los datos de entrenamiento |
| Configuración necesaria | Lista de términos por oferta (tiempo: 15-30 min) | Descripción del puesto y criterios de éxito |
| Idóneo para | Requisitos duros y verificables (certificaciones, idiomas) | Perfiles complejos con experiencia diversa |
La respuesta correcta no es elegir uno u otro — es combinarlos. Los filtros de palabras clave sirven para los requisitos excluyentes objetivos: "debe tener certificación PMP", "debe poder trabajar en España sin restricciones". La IA semántica sirve para el ranking de candidatos que superan esos filtros.
"Los sistemas de cribado por palabras clave descartan hasta el 75% de los candidatos cualificados en sectores con nomenclatura técnica variable. La diferencia entre 'director comercial' y 'responsable de ventas' puede sepultar un perfil excelente." — HR Tech Analyst, Equipos y Talento 2025
Los errores de configuración que descartan talento valioso
Exigir el título exacto del puesto
Si el filtro busca "Director de Marketing" y el candidato ha sido "Head of Marketing" durante cinco años en una empresa internacional, el sistema lo descarta. Las denominaciones de puestos varían enormemente entre sectores, tamaños de empresa y épocas. Un buen ATS con IA semántica entiende estas equivalencias; uno mal configurado, no.
Años de experiencia como filtro duro
"Mínimo 5 años de experiencia" parece razonable en el papel. El problema: la mayoría de los parsers extraen los años sumando la duración de cada empleo — sin distinguir si la experiencia es relevante o no. Un candidato con 6 años en puestos no relacionados pasa el filtro; uno con 3 años de experiencia directa y muy relevante, no.
Filtros de educación inflexibles
Exigir "Licenciatura en Administración de Empresas" cuando en realidad vale cualquier carrera universitaria de ciencias sociales — o incluso experiencia equivalente — descarta innecesariamente. El BOE y el marco español de cualificaciones reconocen múltiples vías de acreditación de competencias que los filtros rígidos de ATS no contemplan.
Ignorar candidatos que no aplican en castellano
Para puestos en empresas internacionales o en regiones bilingües, rechazar CVs en inglés, catalán o euskera automáticamente puede eliminar exactamente los perfiles más internacionales que se buscan.
Configuración de filtros que sí funcionan
Divide los criterios en dos categorías antes de configurar nada: excluyentes (sin esto no hay entrevista) y deseables (puntúan positivo pero no eliminan).
Los criterios excluyentes deben ser pocos, objetivos y verificables. Ejemplos válidos: permiso de trabajo en España, certificación técnica específica y obligatoria por normativa (como requisito legal del sector), disponibilidad geográfica cuando no hay teletrabajo.
Los criterios deseables alimentan el ranking. Aquí es donde la IA semántica aporta más valor: puntúa más alto a quien tiene experiencia en el sector, en empresas de tamaño similar, con competencias relacionadas — aunque no use exactamente las palabras del job description.
"La criba curricular bien configurada no es un filtro de exclusión — es un sistema de priorización. El objetivo no es reducir el número de candidatos al mínimo, sino ordenarlos de más a menos relevante para que el reclutador empiece por donde más importa." — SEPE, Guía de Buenas Prácticas en Selección Digital 2024
Marco legal: qué dice la normativa española sobre el cribado automatizado
El Reglamento General de Protección de Datos (RGPD) y la normativa española establecen derechos claros para los candidatos frente al cribado automatizado. El artículo 22 del RGPD otorga a las personas el derecho a no ser objeto de decisiones basadas exclusivamente en tratamiento automatizado cuando esas decisiones produzcan efectos significativos sobre ellas.
En la práctica, esto significa que un ATS puede filtrar y ordenar candidatos — pero la decisión final de descartar o avanzar a alguien debe involucrar criterio humano. La empresa debe informar en su política de privacidad de que usa sistemas automatizados en el proceso de selección. El candidato tiene derecho a solicitar revisión humana de su candidatura.
El SEPE ha publicado orientaciones específicas para empresas sobre transparencia en procesos de selección digital. Consultarlas antes de configurar filtros eliminatorios automáticos es una buena práctica — y en algunos sectores regulados, una obligación.
Cómo Yena gestiona el cribado curricular
Yena combina parsing semántico con ranking por IA entrenada en perfiles de reclutamiento. Cuando se publica una oferta, el sistema analiza las candidaturas recibidas y genera un ranking basado en la relevancia global del perfil — no en coincidencias de texto exacto.
Los filtros excluyentes (cuando el reclutador los configura) funcionan como guardianes objetivos; el ranking semántico ordena el resto. El reclutador ve primero los candidatos más relevantes, con un resumen de por qué el sistema los ha puntuado así — lo que permite validar la lógica o ajustar los parámetros.
Para sacar el máximo partido, explora nuestra herramienta gratuita de análisis de CV con IA y los detalles de matching semántico de candidatos.
Si quieres ver cómo encaja la criba en el proceso completo, el artículo sobre fases del proceso de selección lo contextualiza bien. Para opciones de software en el mercado español, consulta nuestra comparativa de software ATS para agencias de selección en España.
FAQ — Criba curricular y ATS
¿Cuántos candidatos debería pasar la criba curricular?
Depende del volumen y del tipo de puesto. Como referencia: para puestos de nivel medio en España, una tasa de paso del 10-20% del total de candidaturas es habitual. Para puestos muy especializados con pocos candidatos cualificados, puede llegar al 40-50%. Si pasa menos del 5%, los filtros probablemente son demasiado restrictivos y están descartando perfiles válidos.
¿El ATS puede discriminar candidatos ilegalmente?
Sí, si se configura mal. Filtros basados en año de graduación (que correlaciona con edad), nombre o dirección (que pueden correlacionar con origen étnico) o foto son ilegales bajo la normativa española y el RGPD. La revista Equipos y Talento ha documentado casos de sesgos algorítmicos en procesos de selección. Revisar periódicamente los filtros activos es responsabilidad del equipo de RRHH, no solo del proveedor tecnológico.
¿Cómo sé si mi ATS está descartando buenos candidatos?
Prueba de retroalimentación: toma 10 candidatos que hayas contratado en el último año e introduce sus CVs como si fueran nuevas candidaturas. ¿Pasarían los filtros actuales? Si algunos no pasarían, tienes un problema de configuración. Esta prueba debería hacerse cada 6 meses o cuando se modifiquen los criterios.
¿Vale la pena invertir en un ATS con IA semántica si tenemos pocas vacantes?
Si su empresa publica menos de 5 vacantes al mes y recibe menos de 50 candidaturas por oferta, probablemente el valor incremental de la IA semántica no justifica el coste adicional. Los filtros de palabras clave bien configurados son suficientes a ese volumen. La IA semántica empieza a aportar ROI claro a partir de 100+ candidaturas por proceso o cuando los perfiles son muy complejos (dirección, posiciones técnicas especializadas).
¿Qué información hay que comunicar a los candidatos sobre el cribado automatizado?
Como mínimo, en la política de privacidad del proceso de selección: que se usan herramientas automatizadas para procesar candidaturas, qué datos se analizan, cómo pueden solicitar revisión humana y durante cuánto tiempo se conservan los datos. La guía del SEPE sobre selección digital ofrece modelos de textos adaptados a la normativa española.
Criba curricular inteligente con Yena — sin perder talento
IA semántica que entiende el contexto, no solo palabras clave. Configuración en menos de una hora. Prueba gratuita 14 días.