Etiquetas de candidatos: guía práctica para procesos de alto volumen
Usar etiquetas de candidatos acelera la contratación, mejora el flujo de candidatos y facilita el cumplimiento RGPD en procesos de alto volumen.
Las etiquetas de candidatos son las marcas internas de un ATS que permiten clasificar, filtrar y mover perfiles automáticamente entre etapas del proceso de selección. Bien diseñadas, reducen el tiempo de contratación y mejoran la calidad del pipeline en operaciones de alto volumen. Su uso, sin embargo, exige una taxonomía clara y un marco de cumplimiento alineado con el RGPD, especialmente cuando intervienen automatizaciones o inteligencia artificial en el cribado.
En resumen:
- La creación de una taxonomía clara y con responsables definidos ayuda a evitar la fragmentación y mantiene la coherencia en la clasificación de candidatos.
- Es recomendable comenzar con un número reducido de etiquetas activas y ampliar solo cuando el volumen justifique, para facilitar su gestión y limpieza posterior.
- Las etiquetas deben disparar acciones automáticas en el ATS para optimizar la velocidad y precisión del proceso de selección, reduciendo la intervención manual.
- La protección de datos exige informar a los candidatos sobre los procesos automatizados y evitar etiquetas que impliquen categorías sensibles para cumplir con el RGPD.
Tabla de contenidos
- Por qué importan las etiquetas en procesos de alto volumen
- Cómo diseñar una taxonomía de etiquetas: reglas y metodología
- Plantillas y ejemplos listos para usar
- Integración en ATS y automatizaciones: reglas, triggers y pruebas
- Privacidad y sesgos: qué exige el RGPD y cómo mitigarlo en la práctica
- Perspectiva del autor: lecciones prácticas y errores comunes
- Cómo Filmijob facilita la gestión de etiquetas y automatizaciones
- Fuentes
- Preguntas frecuentes
Por qué importan las etiquetas en procesos de alto volumen
Cuando un equipo de reclutamiento gestiona cientos de candidaturas simultáneas, la clasificación manual se convierte en el principal cuello de botella. Las etiquetas resuelven ese problema al convertir criterios de decisión (fuente, competencias, urgencia, resultado de una prueba) en filtros instantáneos dentro del ATS.
El impacto se nota en tres frentes. Primero, en el tiempo operativo: un reclutador que filtra por etiqueta en lugar de leer cada perfil dedica menos horas al triage y más a las entrevistas que realmente importan. Segundo, en el reporting, ya que las etiquetas alimentan directamente indicadores como el tiempo en pipeline, la tasa de conversión por etapa o el abandono.
- Reducen el trabajo manual de búsqueda y clasificación de candidatos.
- Permiten segmentar comunicaciones según la etapa del proceso.
- Facilitan medir dónde se pierde tiempo o se abandona el pipeline.
La velocidad del proceso está directamente ligada a la retención de candidatos en el pipeline, según el análisis de Filmijob sobre aceleración de la preselección: cuanto más rápido avanza un perfil de una etapa a otra, menor es la probabilidad de que abandone el proceso antes de la decisión final.
Cómo diseñar una taxonomía de etiquetas: reglas y metodología
Una taxonomía de etiquetas funciona cuando cada marca tiene un propósito único y nadie duda de qué significa. El primer error habitual es crear etiquetas ambiguas que se solapan en su función, lo que obliga al equipo a revisar manualmente qué candidatos quedaron mal clasificados.
Los principios de diseño más útiles son sencillos: claridad en el nombre, una sola responsabilidad por etiqueta y ausencia de duplicados entre categorías. Una etiqueta como «urgente» no debería competir con «prioritario» si ambas describen lo mismo desde ángulos distintos.
- Define las categorías principales: estado del candidato, fuente de captación, competencias detectadas, nivel de urgencia y elegibilidad legal.
- Asigna un prefijo por categoría (por ejemplo,
fuente:,skill:,estado:) para que el filtrado sea inmediato y evitar confusiones entre tipos de etiqueta. - Decide la granularidad según el volumen: procesos masivos requieren pocas etiquetas amplias, mientras que vacantes cualificadas admiten etiquetas más específicas sobre certificaciones o herramientas.
- Nombra un propietario de la taxonomía, normalmente alguien del equipo de operaciones de talento, responsable de aprobar nuevas etiquetas.
- Establece ciclos de revisión trimestrales para eliminar etiquetas obsoletas y fusionar las redundantes.
Consejo profesional: empieza con un número limitado de etiquetas activas; añadir categorías es fácil, pero limpiar una taxonomía inflada con uso prolongado no lo es.
La gobernanza importa tanto como el diseño inicial. Sin un propietario claro, cada reclutador termina creando sus propias variantes y la taxonomía se fragmenta en semanas.
Plantillas y ejemplos listos para usar
Las plantillas siguientes se pueden adaptar directamente a la mayoría de ATS sin rediseñar la estructura completa.
Para procesos masivos, como los habituales en retail o restauración, una taxonomía mínima funciona mejor:
estado:nuevo,estado:entrevistado,estado:oferta,estado:contratado,estado:descartado.fuente:portal-empleo,fuente:referido,fuente:redes-sociales.urgencia:alta,urgencia:media,urgencia:baja.
Para vacantes cualificadas, donde las competencias técnicas pesan más que la velocidad, conviene añadir etiquetas de habilidades y certificaciones:
skill:excel-avanzado,skill:ingles-c1,certificacion:prl-nivel2.elegibilidad:permiso-trabajo-vigente.
Un flujo típico combina ambos niveles: un candidato entra como estado:nuevo y fuente:portal-empleo; al superar el cribado automático recibe skill:validado; si pasa la entrevista, se le añade estado:entrevistado y se dispara un correo de seguimiento. Cada cambio de etiqueta puede ir acompañado de una nota humana breve (por ejemplo, «buena comunicación, pero disponibilidad limitada los fines de semana») que preserva contexto donde la etiqueta sola no basta.
Integración en ATS y automatizaciones: reglas, triggers y pruebas
Las etiquetas ganan valor real cuando disparan acciones automáticas, no solo cuando describen un estado. Un trigger habitual asigna fuente:referido en el momento de la candidatura y otro añade screening:aprobado cuando el resultado de una prueba supera un umbral definido.
- Configura triggers por fuente de captación para segmentar el origen sin intervención manual.
- Usa el resultado del cribado automático para mover candidatos entre etapas sin revisión previa en los casos claros.
- Dispara alertas cuando una palabra clave crítica aparece o falta en el CV, como una certificación obligatoria.
El riesgo principal es la contradicción entre etiquetas: un perfil marcado simultáneamente como descartado y entrevistado genera confusión en el reporting y errores en las automatizaciones que dependen de esos estados. Antes de escalar cualquier regla nueva conviene probarla en un entorno de pruebas, después con un piloto sobre un proceso real de bajo riesgo y solo entonces extenderla al conjunto del pipeline. La automatización combinada con revisión humana reduce los falsos negativos que un sistema puramente automático puede generar en la fase de cribado.
Consejo profesional: revisa los logs de etiquetado mensualmente; una auditoría rápida detecta duplicados y reglas contradictorias antes de que afecten a un volumen grande de candidatos.
Privacidad y sesgos: qué exige el RGPD y cómo mitigarlo en la práctica
Etiquetar candidatos mediante reglas automáticas puede constituir elaboración de perfiles cuando el sistema evalúa aspectos de la persona para predecir su idoneidad, y el RGPD limita la toma de decisiones automatizadas que produzcan efectos significativos sobre el candidato, exigiendo salvaguardas y derecho a intervención humana.
En la práctica, esto se traduce en obligaciones concretas:
- Informar a los candidatos de que existen procesos automatizados de cribado y de su lógica general.
- Garantizar que una persona pueda revisar y revertir una decisión automática antes de que sea definitiva.
- Evaluar si el tratamiento requiere una evaluación de impacto en la protección de datos cuando se combinan datasets o se usan tecnologías novedosas como IA.
- Evitar etiquetas que infieran o repliquen categorías sensibles (origen, religión, salud) aunque no se hayan solicitado explícitamente.
La AEPD ha advertido sobre la implantación de herramientas de IA en el análisis de currículums, recomendando integrar la protección de datos desde el diseño y documentar cada decisión automatizada relevante para el candidato. El documento técnico del Grupo de Trabajo del Artículo 29 detalla además los derechos de acceso y rectificación que cualquier persona candidata puede ejercer sobre su perfil.
Perspectiva del autor: lecciones prácticas y errores comunes
Tras observar decenas de implementaciones de taxonomías de etiquetas, el error más repetido no es la falta de tecnología sino el exceso de ambición inicial: equipos que diseñan cincuenta etiquetas antes de haber probado ninguna. La falta de un propietario claro es el segundo problema más común, porque sin gobernanza cada reclutador improvisa sus propias variantes.
La recomendación práctica es empezar simple, medir el impacto en el tiempo de respuesta durante 30 a 90 días y ajustar la taxonomía solo con datos reales, nunca con suposiciones sobre lo que «podría» necesitarse.
— Alejandro
Cómo Filmijob facilita la gestión de etiquetas y automatizaciones
Diseñar una taxonomía es solo la mitad del trabajo: aplicarla de forma consistente en numerosos procesos diarios requiere una plataforma que automatice el etiquetado en lugar de depender de la disciplina manual del equipo.
Filmijob centraliza la publicación de ofertas, el filtrado inteligente y las videoentrevistas en diferido en un solo flujo, lo que permite que las etiquetas se asignen automáticamente según el resultado del cribado o la fuente de captación, sin que el equipo de RRHH tenga que clasificar perfil por perfil.
- Automatización de captación y etiquetado según fuente y resultado de screening.
- Filtrado inteligente que combina etiquetas con criterios estructurados de decisión.
- Gestión que conserva el historial de etiquetas para futuras vacantes.
El onboarding típico incluye la configuración inicial de la taxonomía de etiquetas junto con el equipo, adaptada al sector y al volumen de contratación. Consulta los planes y precios de Filmijob para elegir el nivel que corresponde a tu volumen de procesos activos.
Fuentes
Para profundizar en el marco legal y en la práctica operativa, conviene revisar el artículo 22 del RGPD, la nota de la AEPD sobre IA en selección y las ventajas del seguimiento de candidatos en un ATS documentadas por Filmijob.
- La Agencia recuerda las garantías para utilizar IA en el análisis de currículums | AEPD
- Regulation - 2016/679 - EN - gdpr - EUR-Lex
- Regulation of the Data Protection Authority on processing operations for which a data protection impact assessment is required (DSFA-V)
Preguntas frecuentes
¿Qué diferencia hay entre una etiqueta y un estado del candidato?
Un estado describe la fase del proceso en la que se encuentra el candidato, como «entrevistado» o «contratado», mientras que una etiqueta puede describir cualquier atributo adicional: fuente, competencia o urgencia. En la práctica, los estados suelen implementarse como un tipo concreto de etiqueta dentro del ATS.
¿Las etiquetas automáticas necesitan siempre una evaluación de impacto?
No siempre, pero cuando el sistema combina datasets o usa tecnologías novedosas como inteligencia artificial para evaluar candidatos, conviene valorar si se requiere una evaluación de impacto en protección de datos. La AEPD recomienda documentar esta valoración incluso cuando el resultado sea que no es obligatoria.
¿Cuántas etiquetas debería tener una taxonomía inicial?
No existe un número universal, pero conviene empezar con una taxonomía reducida, de menos de veinte etiquetas activas, y ampliarla solo cuando el volumen de procesos lo justifique. Añadir categorías es sencillo; limpiar una taxonomía inflada después de meses de uso descontrolado exige mucho más esfuerzo.
¿Cómo se evita el sesgo al etiquetar candidatos automáticamente?
La medida más eficaz es evitar etiquetas que infieran categorías sensibles como origen, religión o salud, aunque no se hayan solicitado explícitamente, y auditar periódicamente los resultados del cribado automático. El documento del Grupo de Trabajo del Artículo 29 detalla los derechos de acceso y rectificación que respaldan estas auditorías.
