Una criba curricular útil empieza con requisitos relacionados con el trabajo y conserva una revisión humana de los casos dudosos. Para comprobar que el proceso no descarta perfiles válidos, audita una muestra de candidaturas incluidas y excluidas: compara el requisito, la evidencia del CV, el resultado del sistema y la decisión final.
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 puede parsear el documento, extraer campos estructurados y aplicar reglas definidas por el equipo. La velocidad y la calidad dependen del formato, la configuración y el proveedor.
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 | Calcula similitudes según el modelo y los datos; requiere validación |
| Ejemplo de acierto | Encuentra "Python" si el CV dice "Python" | Puede relacionar términos próximos, pero debe probarse con ejemplos reales |
| Falsos negativos típicos | Debe medirse con una muestra conocida | Debe validarse con perfiles retenidos y excluidos |
| Transparencia | Depende de cómo se documenten reglas y excepciones | Depende de la evidencia visible y de la posibilidad de corregir |
| Riesgo de sesgo | Sesgo por nomenclatura (ej. títulos universitarios) | Sesgo heredado de los datos de entrenamiento |
| Configuración necesaria | Lista de términos y criterios por oferta | Descripción del puesto y criterios de éxito |
| Idóneo para | Requisitos duros y verificables (certificaciones, idiomas) | Perfiles complejos con experiencia diversa |
La respuesta puede ser combinarlos: use requisitos excluyentes pocos y verificables, y ranking para priorizar. Pruebe cada criterio con perfiles que sabe que deberían pasar y con exclusiones deliberadas.
«Director comercial» y «responsable de ventas» pueden describir experiencias relacionadas. Compruebe variantes y perfiles excluidos en su propio conjunto de prueba; no use una cifra anónima como evidencia.
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 debe servir para priorizar y permitir revisión. Documente qué elimina, qué solo ordena y cómo se corrige un falso negativo.
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 describe parsing y matching semántico para apoyar la revisión de candidaturas. Compruebe en su cuenta qué campos, razones, criterios y correcciones están disponibles antes de atribuir una función al producto.
Si el plan permite filtros y ranking, el reclutador debe distinguir qué criterio excluyó y qué señal solo cambió el orden. Guarde las decisiones y revise un conjunto de perfiles retenidos y excluidos.
Para evaluar el flujo, consulte nuestra herramienta gratuita de análisis de CV con IA y los detalles del matching semántico de candidatos.
Si desea ver cómo encaja la criba en el proceso completo, consulte el artículo sobre fases del proceso de selección. Para opciones de software en el mercado español, consulte nuestra comparativa de software ATS para agencias de selección en España.
Ejemplo: auditar una muestra de CV incluidos y excluidos
Imagina una vacante ficticia de técnico de soporte con atención en español e inglés. La muestra siguiente enseña cómo registrar la evidencia y corregir una conclusión cuando el CV expresa una habilidad con otros términos. Los perfiles, datos y decisiones son inventados.
En pantallas pequeñas, desplaza la tabla horizontalmente.
| Perfil de muestra | Requisito acordado | Evidencia en el CV | Resultado inicial | Revisión y decisión |
|---|---|---|---|---|
| A — incluido | Inglés para atender incidencias | Indica atención a usuarios en inglés; nivel no especificado | Incluido para revisión | Mantener en revisión; confirmar nivel en una pregunta de trabajo |
| B — excluido | Experiencia con soporte a clientes | Describe resolución de incidencias para usuarios, aunque no usa la expresión «soporte al cliente» | No aparece en la primera búsqueda por término | Añadir a la muestra de revisión; evidencia relacionada, alcance aún por confirmar |
| C — excluido | Conocimiento de una herramienta concreta | No menciona la herramienta; sí enumera tareas parecidas | No cumple en la revisión inicial | No tratar la ausencia de una palabra como prueba de incapacidad; comprobar si el uso de esa herramienta es realmente imprescindible |
| D — incluido | Experiencia con soporte a clientes | Menciona atención de tickets y escalado de incidencias | Incluido para revisión | La evidencia es pertinente; verificar responsabilidades y contexto en entrevista |
Haz una comprobación de falsos descartes con personas que conozcan el trabajo y el lenguaje habitual de los CV de tu mercado. Si un candidato excluido aporta evidencia pertinente, revisa el criterio, la búsqueda o el proceso de comprobación; conserva la razón de cada cambio. Una muestra auditada no demuestra por sí sola que la herramienta encuentre todos los perfiles válidos.
¿Cómo detectar falsos descartes en una criba de CV?
Revisa una muestra de candidaturas incluidas y excluidas frente a criterios definidos para el puesto. Registra la evidencia textual, el resultado inicial, la corrección humana y la razón de la decisión; deriva a comprobación cualquier requisito que el CV no permita confirmar.
Yena: aprobar el perfil y revisar resultados (inglés) · Yena: evidencias e información desconocida (inglés)
FAQ — Criba curricular y ATS
¿Cuántos candidatos debería pasar la criba curricular?
Depende del volumen, del rol y de la calidad de las candidaturas. Defina un rango para su proceso y revise periódicamente falsos negativos; una tasa universal no demuestra que el filtro sea correcto.
¿El ATS puede discriminar candidatos ilegalmente?
Sí, una configuración puede producir discriminación o resultar ilícita según el criterio, la finalidad y el contexto. El año de graduación, el nombre, la dirección o la foto pueden actuar como señales indirectas; no los convierta en reglas automáticas sin revisar la normativa aplicable. Consulte la AEPD y documente qué excluye, qué solo ordena y cómo se revisan los falsos negativos.
¿Cómo sé si mi ATS está descartando buenos candidatos?
Prueba de retroalimentación: seleccione, por ejemplo, diez candidatos contratados recientemente e introduzca sus CV como nuevas candidaturas. ¿Pasarían los filtros actuales? Si alguno no pasara, revise la configuración y repita la prueba cuando cambien los criterios.
¿Vale la pena invertir en un ATS con IA semántica si tenemos pocas vacantes?
Puede valer la pena si los perfiles son difíciles de describir o si necesita comparar una base existente. Haga una prueba con su volumen, sus criterios y el coste del plan; no use un umbral universal.
¿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.
Algunos de nuestros clientes
Pruébalo con tu equipo
Aclara los criterios antes de revisar resultados
La pantalla muestra un perfil de búsqueda editable con requisitos y preferencias. Pruébalo con un puesto real, revise las pruebas disponibles en los perfiles devueltos y decida qué información requiere comprobación humana.
- Defina el requisito de trabajo que va a comprobar
- Diferencie la evidencia de la información desconocida
- Asigne una persona y un siguiente paso para cada punto por confirmar
