Imagina que envías tu currículum a una oferta de trabajo y el sistema que lo lee está programado para desconfiar de ti simplemente porque eres humano. No es ciencia ficción distópica, sino la conclusión de un estudio publicado en agosto de 2025 por Jiannan Xu, Gujie Li y Jane Y Jiang.
La investigación revela que los grandes modelos de lenguaje favorecen sistemáticamente los textos generados por ellos mismos frente a los redactados por personas. Este sesgo de autopreferencia persiste incluso cuando la calidad del contenido es idéntica en ambos casos.
Los algoritmos prefieren su propia escritura humana
Las cifras son contundentes. Las inteligencias artificiales mostraron una preferencia de entre el 67% y el 82% hacia los documentos que ellas mismas habían creado. El sistema no evalúa la competencia, sino la familiaridad estilística con su propia output.
Esta dinámica tiene consecuencias directas en la vida laboral. En simulaciones de procesos de selección para veinticuatro profesiones distintas, los candidatos que utilizaban la misma IA que evaluaba sus solicitudes tuvieron entre un 23% y un 60% más de posibilidades de ser contratados.
Sus rivales, igual de cualificados pero con currículums escritos por humanos, partían con una desventaja estructural insalvable bajo estos criterios automatizados.
La administración y las ventas sufren mayor discriminación
El impacto no se reparte de manera uniforme. El sesgo resulta especialmente grave en los sectores empresarial y administrativo. Roles como los de ventas o contabilidad presentan una vulnerabilidad mayor a estos favoritismos algorítmicos.
La automatización de la recepción de currículums, diseñada para agilizar la búsqueda de talento, corre el riesgo de dejar vacantes sin cubrir. El sistema descarta candidatos idóneos por no ajustarse al patrón textual que la máquina considera óptimo.
No se trata de un defecto irreversible.
Ajustar los criterios corrige el favoritismo algorítmico
Jiannan Xu, Gujie Li y Jane Y Jiang proponen una solución técnica viable. El sesgo puede reducirse significativamente mediante microajustes en el funcionamiento de las inteligencias artificiales.
Bastaría en teoría con aflojar ligeramente los criterios de selección. Esta modificación permitiría que el sistema dé luz verde a los candidatos aptos para cada puesto, independientemente de quién haya redactado su historial profesional.