Sesgos en videoentrevistas: cómo detectarlos y reducirlos desde RRHH
Descubre cómo los sesgos afectan las videoentrevistas y aprende a reducirlos con criterios observables, evaluaciones compartidas y calibración periódica.
Los sesgos sí influyen en cómo evaluamos a los candidatos por vídeo, y la evidencia lo confirma. La calidad audiovisual y la modalidad, síncrona o asincrónica, los amplifican. Una medida inicial útil es implantar scorecards compartidas con criterios observables, y completarlas con calibración periódica entre evaluadores.
En resumen:
- La calidad audiovisual influye en la contratación y las advertencias no corrigen el efecto; define reintentos o alternativas ante problemas de conexión.
- Un metaanálisis de 24 estudios halló que las entrevistas tecnológicas reducen el atractivo organizacional, con un efecto más marcado en las modalidades asincrónicas.
- Usa preguntas iguales y una rúbrica compartida; registra evidencias antes de consultar las notas del equipo y revisa cada competencia en todas las grabaciones.
- Las rúbricas no eliminan el sesgo de género: en un estudio, la competencia pesó en mujeres altamente cualificadas y la comunicación no verbal en hombres.
- Excluye del baremo el fondo, el acento y el estilo comunicativo, salvo que sea una competencia del puesto, y comunica esos criterios antes de grabar.
Tabla de contenidos
- Qué sesgos cognitivos aparecen al evaluar candidatos por vídeo
- Cómo el formato y la calidad técnica amplifican los sesgos
- Buenas prácticas operativas para reducir los sesgos
- Cómo diseñar una rúbrica o scorecard para videoentrevistas
- Evidencia empírica relevante para RRHH
- Contexto cultural y diversidad en la lectura de una videoentrevista
- Inteligencia artificial y algoritmos de evaluación: qué sesgos pueden introducir
- Formación continua para evaluadores: cómo mantener la reducción de sesgos
- Mi criterio para procesos de alto volumen
- Preguntas frecuentes
- Fuentes
Qué sesgos cognitivos aparecen al evaluar candidatos por vídeo
Un sesgo es, en origen, una desviación sistemática del juicio, y en selección se manifiesta de formas muy concretas. Estos son los que más vemos en videoentrevistas:
- Afinidad: puntuamos mejor a quien se parece a nosotros, por ejemplo porque comparte trayectoria o forma de hablar, y el vídeo muestra el hogar y el entorno del candidato, lo que alimenta la identificación.
- Halo y horn: una buena sonrisa inicial eleva todas las notas; un tropiezo en la primera respuesta las hunde.
- Confirmación: buscamos en las respuestas lo que confirma la impresión que ya teníamos del currículum.
- Primera impresión: la impresión inicial puede pesar más que el contenido sólido.
- Recencia: al revisar muchas grabaciones seguidas, recordamos mejor las últimas respuestas de cada vídeo y los últimos candidatos de la jornada.
- Apariencia y atractivo: el encuadre cercano de la cámara hace que el aspecto físico ocupe casi toda la pantalla.
- Estereotipos: asociamos acento, edad o género con competencias que no hemos observado.
A todos ellos se suman factores técnicos como la iluminación, el fondo o la resolución, que el evaluador interpreta, sin darse cuenta, como señales de profesionalidad.
Cómo el formato y la calidad técnica amplifican los sesgos
La investigación experimental señala que la calidad audiovisual funciona como un indicador involuntario de la calidad del candidato. En una serie de experimentos controlados, quienes aparecían en vídeos de alta calidad fueron valorados como más contratables que quienes aparecían en grabaciones con peor conexión, y advertir a los evaluadores de que ignoraran esa diferencia no eliminó el efecto.
Dato clave: advertir a los evaluadores de que ignoren la calidad del vídeo no elimina el sesgo audiovisual, por lo que la corrección debe venir del diseño del proceso y no de la buena voluntad.
La modalidad también cuenta. Un metaanálisis de 24 estudios señala que las entrevistas mediadas por tecnología reducen la percepción de atractivo organizacional, con efectos más marcados en las asincrónicas. Otra línea de trabajo sobre presencia social indica que el vídeo reduce la sensación de presencia no verbal en ambas partes, lo que afecta a las percepciones de equidad.
La consecuencia práctica es clara: sin correctivos, penalizamos a quien tiene peor infraestructura, algo que nada tiene que ver con su desempeño futuro.
Buenas prácticas operativas para reducir los sesgos
Este procedimiento puede aplicarse hoy mismo en cualquier equipo de selección:
- Diseñe preguntas estructuradas. Todas las personas candidatas responden a las mismas preguntas, vinculadas a competencias con comportamientos observables.
- Use rúbricas compartidas. Cada evaluador puntúa con la misma escala y justifica por escrito cada nota, antes de ver las de sus colegas.
- Calibre a los evaluadores de forma periódica. Revisen juntos grabaciones de muestra y analicen las discrepancias significativas.
- Fije una política para audio y vídeo deficientes. Defina si el candidato puede reintentar, si se ofrece una alternativa síncrona o si se anota la incidencia en la evaluación.
- Establezca reglas claras de regrabación. Documente cuántos intentos se permiten y bajo qué condiciones, para que todos reciban el mismo trato.
Consejo profesional: Evalúe cada competencia en bloque, una pregunta tras otra para todos los candidatos, en lugar de ver cada vídeo completo; reduce el efecto halo y la sensación de «ya lo tengo decidido».
Para ampliar el lado del candidato, nuestros consejos para realizar videoentrevistas incluyen instrucciones que conviene enviar antes de la grabación, y las pautas para videoentrevistas eficientes en RRHH detallan la operativa del equipo.
Cómo diseñar una rúbrica o scorecard para videoentrevistas
Una rúbrica útil es corta, cerrada y verificable. Esta es la secuencia que recomendamos:
- Elija las competencias clave para el puesto y tradúzcalas en conductas observables, por ejemplo «explica un conflicto con un cliente y la decisión que tomó» en lugar de «buena comunicación».
- Defina una escala cerrada con descriptores. Por ejemplo, use descriptores que distingan entre no demostrar la conducta, demostrarla parcialmente y demostrarla con evidencias concretas.
- Exija campos obligatorios: evidencia textual extraída de la respuesta, tiempo de revisión y nombre del evaluador, para poder auditar después.
- Calibre con una sesión piloto. Varios evaluadores puntúan las mismas grabaciones y se comparan las notas; las diferencias grandes indican descriptores ambiguos que hay que reescribir.
- Mida la consistencia entre evaluadores tras cada ronda y ajuste la rúbrica si la dispersión no baja.
Sin un sistema compartido para registrar las notas, las grabaciones se acumulan como archivos que nadie sabe cómo comparar.
Evidencia empírica relevante para RRHH
Tres hallazgos sostienen estas recomendaciones. Primero, un estudio en contexto hispanohablante sobre herramientas asincrónicas halló que los sesgos del evaluador influyen de forma significativa en las recomendaciones de contratación, con patrones distintos según el género: en mujeres muy cualificadas pesó sobre todo la competencia (OR = 342,893) y en hombres muy cualificados la comunicación no verbal (OR = 3,711).
Las rúbricas estandarizadas ayudan a mitigar varios sesgos, pero no neutralizan por completo los basados en género; deben complementarse con calibración y auditoría.
Segundo, los experimentos sobre calidad audiovisual muestran que la advertencia no basta. Tercero, el metaanálisis sobre entrevistas mediadas por tecnología indica un efecto más acusado en las asincrónicas.
Contexto cultural y diversidad en la lectura de una videoentrevista
Lo que un evaluador interpreta como seguridad, cercanía o profesionalidad depende de su cultura. El contacto visual sostenido, el ritmo de las pausas, la gesticulación o el tono de voz varían entre regiones, generaciones y comunidades. En un equipo de selección hispanohablante conviven formas de hablar muy distintas entre países, y un acento o una cadencia pueden leerse como falta de firmeza cuando solo son una variante lingüística.
El formato audiovisual agrava el problema, porque muestra el entorno doméstico del candidato. Un espacio reducido, un hogar compartido o una habitación sin fondo neutro dicen mucho sobre recursos y poco sobre capacidad. Si no lo gestionamos, convertimos diferencias socioeconómicas y culturales en puntuaciones.
Recomendamos tres medidas concretas. Primera, evaluar solo el contenido de lo que se dice contra los descriptores de la rúbrica, y dejar fuera del baremo el estilo comunicativo salvo que sea una competencia definida del puesto. Segunda, contar con evaluadores de perfiles diversos y comparar sus notas en la calibración. Tercera, explicar a los candidatos con antelación qué se valora y qué no, incluido que no se penalizará el fondo ni el entorno. Así reducimos la arbitrariedad y damos más oportunidades reales a quien no encaja en el molde habitual.
Inteligencia artificial y algoritmos de evaluación: qué sesgos pueden introducir
Algunas plataformas incorporan análisis automático de voz, expresión o contenido para ordenar a los candidatos. La promesa es atractiva en procesos masivos, pero un algoritmo hereda los sesgos de los datos con los que se entrenó y puede reproducirlos a gran escala y con apariencia de objetividad. El metaanálisis sobre entrevistas mediadas por tecnología señala que el uso de IA modera algunos efectos, lo que invita a revisar cada herramienta en lugar de darla por neutral.
Nuestra recomendación es usar la automatización para tareas de apoyo, como captación, seguimiento y filtrado por criterios objetivos, y mantener el juicio humano en la valoración de cada respuesta. En Filmijob lo planteamos así: automatizamos el trabajo operativo y dejamos que las personas evalúen con criterios claros y trazables.
Para cualquier sistema automático conviene exigir tres cosas: saber qué señales analiza, poder auditar los resultados por grupos de candidatos y conservar siempre una vía de revisión humana. Un proceso que no puede explicar por qué ordena a un candidato por delante de otro no es defendible ante el propio candidato ni ante el equipo legal.
Formación continua para evaluadores: cómo mantener la reducción de sesgos
Una sola sesión de concienciación no cambia el comportamiento. Los experimentos muestran que advertir al evaluador no elimina el sesgo audiovisual, así que la formación debe ser práctica y repetida. Proponemos un ciclo sencillo:
- Entrenamiento con casos reales. Evaluar grabaciones anonimizadas con la rúbrica y comparar después las notas de todo el grupo.
- Calibración periódica. Sesiones breves, por ejemplo cada trimestre o al abrir un perfil nuevo, para recuperar el criterio común.
- Retroalimentación individual. Mostrar a cada evaluador si puntúa sistemáticamente por encima o por debajo del grupo.
- Cuidado de la técnica. Formar al equipo en el trato de la conducta del entrevistador, como dejar un breve silencio tras la respuesta para no leer una pausa como inseguridad. Nuestra guía de preparación en videoentrevistas para reclutadores recoge esta práctica.
El objetivo es que el criterio compartido sobreviva a la rotación del equipo y a la presión del volumen.
Mi criterio para procesos de alto volumen
En volumen, la tentación es ir deprisa y revisar lo mínimo. Mi consejo es priorizar rúbricas y calibración antes que cualquier otra mejora, medir el efecto con indicadores simples tras cada cambio y empezar con un piloto por puesto antes de escalar. La equidad no se pierde por falta de intención, sino por falta de método.
— Alejandro
Preguntas frecuentes
¿Qué es un sesgo de detección?
Es la tendencia a notar más fácilmente lo que esperamos encontrar, por lo que unos candidatos son observados con mayor atención que otros. En una videoentrevista ocurre cuando el evaluador busca señales de lo que ya sospecha. Las rúbricas con descriptores cerrados limitan este efecto.
¿Cuáles son ejemplos de sesgos cognitivos?
Entre los más habituales en selección están la afinidad, el halo, la confirmación, la primera impresión, la recencia y los estereotipos. Todos aparecen al valorar grabaciones y se describen con ejemplos en este artículo.
¿Cómo se calcula el sesgo?
No existe una única fórmula. En selección se compara la distribución de notas por grupo de candidatos y la dispersión entre evaluadores que puntúan las mismas grabaciones. Estudios como el realizado en herramientas asincrónicas usan razones de probabilidades (odds ratios) para medir el peso de cada variable.
¿Qué es el sesgo del entrevistador?
Es la distorsión que introduce el propio evaluador al interpretar al candidato según sus preferencias, experiencias o expectativas previas. Se reduce con preguntas estructuradas, rúbricas compartidas y calibración entre evaluadores.
Fuentes
- Researchgate
- Audiovisual quality impacts assessments of job candidates in video interviews: Evidence for an AV quality bias | Cognitive Research: Principles and Implications | Springer Nature Link
