Utilización de la inteligencia artificial para seleccionar currículos mediante sistemas algorítmicos de coincidencia con perfiles profesionales.

Abstract

El artículo analiza como la inteligencia artificial utilizada para la selección curricular, mediante sistemas algorítmicos de coincidencia, puede influir en la exclusión de candidatos con perfiles profesionales adecuados. El propósito central es abordar el problema científico relacionado con el desconocimiento sobre el funcionamiento de estos algoritmos y su impacto en la equidad de los procesos de contratación. El objetivo principal es evaluar las percepciones, riesgos y oportunidades asociados al uso de IA en el reclutamiento desde la realidad costarricense. Se emplea un enfoque mixto, la fase cuantitativa utiliza un cuestionario aplicado a candidatos y profesionales de recursos humanos para medir conocimiento, confianza y percepción de equidad. En la fase cualitativa, se realiza un análisis documental que recoge experiencias y casos de exclusión percibida, por lo que se aplican estadísticas descriptivas y análisis temático del contenido. Los resultados muestran un bajo nivel de alfabetización sobre algoritmos de selección tanto en candidatos como en reclutadores. Se identifican sesgos derivados del diseño algorítmico, del lenguaje técnico de los currículos y de la confianza excesiva en las recomendaciones automatizadas. La muestra no probabilística limita la generalización. La autoevaluación puede introducir sesgo, futuras investigaciones deben ampliar población y triangulación. Los hallazgos permiten diseñar estrategias de transparencia algorítmica, auditoria técnica y capacitación digital para mejorar la equidad. El estudio aporta evidencia novedosa sobre el impacto del desconocimiento algorítmico en la exclusión laboral en Costa Rica, un fenómeno poco explorado en la región.

This article analyzes how artificial intelligence used for curriculum selection, through algorithmic matching systems, can influence the exclusion of candidates with suitable professional profiles. The central purpose is to address the scientific problem related to the lack of knowledge about how these algorithms work and their impact on the fairness of hiring processes. The main objective is to evaluate the perceptions, risks, and opportunities associated with the use of AI in recruitment within the Costa Rican context. A mixed-methods approach is used. The quantitative phase uses a questionnaire applied to candidates and human resources professionals to measure knowledge, confidence, and perception of fairness. In the qualitative phase, a document analysis is conducted, collecting experiences and cases of perceived exclusion. Descriptive statistics and thematic content analysis are applied. The results show a low level of literacy regarding selection algorithms among both candidates and recruiters. Biases derived from algorithmic design, the technical language of resumes, and excessive reliance on automated recommendations are identified. Research limitations: The non-probability sample limits generalizability. Self-assessment may introduce bias; future research should expand the sample size and use triangulation. The findings allow for the design of algorithmic transparency strategies, technical audits, and digital training to improve equity. The study provides novel evidence on the impact of algorithmic illiteracy on labor exclusion in Costa Rica, a phenomenon that has been little explored in the region.