Cómo diseñar entrevistas técnicas estructuradas para mitigar sesgos de contratación

I. Introducción: la falacia de la intuición y el sesgo en la contratación técnica

Durante décadas, la entrevista técnica se ha apoyado en un supuesto peligroso: que un evaluador experimentado puede "reconocer" al buen candidato en los primeros minutos de conversación. La investigación citada por la Sociedad Canadiense de Psicología (CPA) desmonta esa creencia. Según su ficha técnica sobre entrevistas estructuradas, los entrevistadores forman impresiones iniciales a partir del currículum o del primer contacto y luego pasan el resto de la sesión buscando, sin darse cuenta, evidencia que confirme esa primera impresión. Este fenómeno —el sesgo de confirmación— convierte la entrevista no estructurada en una conversación de "café" que ofrece muy poca información real sobre el desempeño futuro y una protección legal débil para la organización.

El equipo de investigación de personas de Google llegó a una conclusión equivalente tras analizar decenas de miles de entrevistas internas: durante los primeros encuentros tomamos juicios rápidos e inconscientes, fuertemente influidos por creencias previas, y dejamos de evaluar la complejidad real de las competencias del candidato. Por eso Google migró hacia un modelo de entrevista estructurada, con preguntas idénticas, escalas de calificación idénticas y decisiones basadas en calificaciones predeterminadas.

Este giro también implicó abandonar prácticas históricas que hoy se consideran obsoletas. Los acertijos de ingenio o "brain teasers" —como el clásico problema de los tres interruptores y las tres bombillas— fueron parte de las entrevistas de Google en la década de 2000, hasta que Laszlo Bock, entonces vicepresidente sénior de Operaciones de Personal, los calificó públicamente como "una pérdida de tiempo" en 2013, ya que no predicen absolutamente nada sobre el desempeño laboral. En paralelo, la investigación de Microsoft Research sobre carga cognitiva en entrevistas de pizarra ("Dazed") documentó que resolver problemas técnicos frente a un pizarrón genera duraciones de fijación visual un 60% más cortas y hasta tres veces más regresiones oculares que resolver el mismo problema en papel, evidencia de un estrés añadido que no aporta señal sobre la capacidad real del candidato y que, según los propios autores, puede reforzar sesgos en la contratación.

II. Marco legal y rigor metodológico de la selección estructurada

La estandarización de las entrevistas técnicas no es solo una buena práctica de gestión de talento: en Estados Unidos tiene un anclaje normativo directo. Las Directrices Uniformes sobre Procedimientos de Selección de Empleados (Uniform Guidelines on Employee Selection Procedures, 29 CFR Part 1607) establecen el marco de referencia que los empleadores deben seguir para justificar cualquier procedimiento de selección —incluida la entrevista— como "relacionado con el puesto y consistente con la necesidad del negocio". La Comisión para la Igualdad de Oportunidades en el Empleo (EEOC) recuerda que las pruebas de empleo, cognitivas, de personalidad o de muestras de trabajo, pueden vulnerar la ley federal antidiscriminación de dos maneras: por trato dispar intencional o por impacto adverso, es decir, cuando un procedimiento aparentemente neutral excluye de forma desproporcionada a un grupo protegido sin que exista una justificación de necesidad de negocio. Un proceso no estructurado, donde cada evaluador improvisa preguntas y criterios, es terreno fértil para ambos tipos de riesgo.

La respuesta metodológica frente a este riesgo empieza, según la CPA, con el análisis del trabajo (job analysis): antes de medir al candidato hay que definir con precisión qué hace el puesto, qué incidentes críticos enfrenta y qué comportamientos distinguen a un desempeño efectivo de uno deficiente. Solo a partir de ese análisis se derivan preguntas conductuales (para candidatos con experiencia) o situacionales (para perfiles junior), evitando el error habitual de medir "encaje cultural" con criterios vagos. Este mismo principio es la base de guías especializadas sobre qué hace realmente un puesto técnico antes de diseñar cualquier filtro de selección, como se desarrolla en nuestra guía sobre las funciones y la ruta de aprendizaje de un desarrollador backend, un ejercicio de definición de rol que debería preceder a cualquier rúbrica de entrevista.

III. Diseño de rúbricas objetivas y escalas BARS

Una vez definido el puesto, el siguiente paso es traducir esas competencias en criterios de evaluación observables. Google articula su metodología de entrevista estructurada en cuatro componentes: preguntas validadas y relevantes para el rol, registro exhaustivo de las respuestas del candidato, calificación mediante rúbricas estandarizadas y capacitación con calibración de los entrevistadores. El tercer componente es el más determinante desde el punto de vista técnico: las rúbricas deben describir con lenguaje concreto qué distingue una respuesta sobresaliente, sólida, limítrofe o deficiente, de modo que dos evaluadores distintos lleguen a la misma conclusión frente a la misma evidencia.

Este tipo de instrumento corresponde a lo que la literatura académica denomina "escalas de calificación ancladas en el comportamiento" (behaviorally-anchored rating scales, BARS). Según la evidencia recopilada por la plataforma eSkill sobre entrevistas estructuradas, estas herramientas de evaluación estructurada son más predictivas del desempeño futuro que las entrevistas no estructuradas, y la investigación académica de los últimos veinte años documenta de forma consistente un aumento de la validez predictiva junto con una reducción de las diferencias entre grupos demográficos, es decir, menor impacto adverso.

El anclaje conductual funciona mejor cuando se combina con muestras de trabajo (work samples) específicas del rol: la EEOC incluye explícitamente las pruebas de tareas de muestra —simulaciones, pruebas de desempeño y previsualizaciones realistas del puesto— dentro de los procedimientos de selección legítimos cuando están correctamente validados. En la práctica federal estadounidense, el programa piloto de evaluación basada en expertos en la materia (SME-QA) de la Oficina de Administración de Personal (OPM) llevó este principio al extremo: solo avanzaban en el proceso los candidatos que superaban una revisión de portafolio de trabajo y una entrevista estructurada evaluada por expertos técnicos en activo, con un banco de preguntas de tipo pasa/no pasa diseñado junto con recursos humanos. Para roles de ingeniería de software, este mismo enfoque de muestra de trabajo puede anclarse en tareas reales del stack tecnológico del puesto, un criterio que conviene contrastar con nuestra comparativa de lenguajes de programación backend más utilizados a la hora de decidir en qué lenguaje o entorno debe resolverse el ejercicio técnico.

Conviene además no confundir la rúbrica de entrevista con un test estandarizado de habilidad cognitiva o de personalidad: como señala TTI Success Insights, cada tipo de evaluación responde una pregunta distinta —capacidad técnica, estilo de trabajo, juicio situacional o integridad— y ninguna, por sí sola, sustituye a las demás. La responsabilidad legal de justificar la relación entre el instrumento y el puesto recae siempre en el empleador, no en el proveedor de la herramienta, lo que refuerza la necesidad de documentar el vínculo entre cada criterio de la rúbrica y el análisis previo del puesto.

IV. Calibración y entrenamiento sistemático de evaluadores

Diseñar una rúbrica objetiva es una condición necesaria, pero no suficiente. Google identifica la capacitación y calibración de entrevistadores como el cuarto pilar de su modelo, precisamente porque una rúbrica mal aplicada reproduce las mismas inconsistencias que pretende eliminar. La experta en efectividad de contratación Melissa Harrell, del equipo de People Analytics de Google, subraya que las entrevistas estructuradas evitan las trampas de otros métodos comunes solo cuando los entrevistadores están bien entrenados para hacer las preguntas planificadas y aplicar la guía de calificación con precisión.

El caso del piloto de contratación de expertos en experiencia de usuario del gobierno federal estadounidense, documentado por la iniciativa Performance.gov, ilustra cómo se opera esta calibración en la práctica. Bajo la metodología SME-QA, expertos en la materia de alto desempeño trabajaron junto a profesionales de recursos humanos durante dos días completos para documentar la experiencia especializada requerida en forma de competencias y niveles de dominio, y luego construyeron evaluaciones de pasa/no pasa —incluyendo entrevistas estructuradas— para medir esas competencias. Recursos humanos tuvo un rol central en la capacitación de los SME y en la revisión de sus justificaciones sobre por qué cada candidato avanzaba o no, garantizando que el criterio no dependiera del juicio individual de un solo evaluador.

El registro documental de la evidencia es la otra cara de la calibración. Google recomienda anotar de forma comprensiva las respuestas del candidato durante la entrevista para que evaluadores adicionales puedan revisar el desempeño sin depender de la memoria o la impresión subjetiva de quien condujo la sesión. En el piloto federal, este principio se tradujo en dos rondas encadenadas: una entrevista asíncrona en video donde los candidatos grababan sus respuestas a preguntas idénticas, seguida de una entrevista telefónica estructurada uno a uno con un experto en la materia, ambas documentadas para su revisión posterior. Esta arquitectura de doble filtro, con evidencia escrita en cada etapa, es replicable en procesos de selección técnica de cualquier tamaño, y conecta directamente con la etapa siguiente del ciclo de talento: una vez calibrado el criterio de contratación, ese mismo estándar de competencias documentado debería alimentar el diseño del proceso de onboarding técnico del nuevo empleado, para verificar en los primeros meses si la señal de la entrevista se confirma en el puesto real.

V. Estandarización de la ejecución de la entrevista

La CPA resume en cuatro características lo que distingue a una entrevista verdaderamente estructurada de una que solo lo aparenta: sofisticación de las preguntas derivadas de un análisis de puesto, consistencia en la formulación —el mismo conjunto de preguntas, en el mismo orden, para todos los candidatos—, estandarización de la evaluación mediante una clave de calificación predefinida, y limitación estricta de la construcción de rapport o conversación informal previa. Este último punto es menos intuitivo de lo que parece: las preguntas de "romper el hielo" y las charlas informales, si se permiten, deben ejecutarse de manera estructurada y común a todos los aspirantes, evitando además cualquier tema prohibido por la legislación de derechos humanos, porque de lo contrario introducen una variable de afinidad personal que contamina la comparación entre candidatos.

El sondeo estandarizado —es decir, las preguntas de seguimiento que un entrevistador puede o no hacer tras una respuesta incompleta— también debe definirse de antemano. Permitir que cada evaluador improvise sus repreguntas reintroduce la misma variabilidad que la estructura buscaba eliminar, y es una de las razones por las que Google advierte que los entrevistadores deben ceñirse a la rúbrica en lugar de confiar en que "ya saben entrevistar bien".

En cuanto al formato de la prueba técnica, la evidencia de Microsoft Research sobre carga cognitiva ofrece una alternativa concreta al pizarrón tradicional: resolver el mismo problema en papel, en lugar de de pie frente a una pizarra, reduce medibles indicadores de presión y carga cognitiva sin cambiar la dificultad del ejercicio. Los propios investigadores plantean esto como un paso hacia procesos de entrevista técnica más inclusivos, en la misma línea que llevó a Google a eliminar los acertijos de ingenio de su repertorio: la dificultad artificial del formato no debe confundirse con la dificultad legítima del contenido técnico que se quiere evaluar. Para roles de ingeniería, esta distinción es especialmente relevante al construir el ejercicio técnico y su rúbrica de evaluación, un criterio que conviene revisar junto con las expectativas de perfil documentadas en nuestra guía sobre cómo evaluar un currículum técnico de ingeniería de software, de modo que el criterio de la entrevista sea coherente con el criterio de preselección documental.

VI. Conclusión y ciclo de mejora continua

Ninguna de las ventajas descritas es permanente si el proceso se congela. Google advierte que uno de los mayores retos de mantener un sistema de entrevistas estructuradas es la necesidad de refrescar constantemente el banco de preguntas, porque los candidatos comparan notas entre sí y una pregunta filtrada pierde su capacidad discriminante. Esto exige una auditoría periódica de las rúbricas —no solo de las preguntas— para confirmar que los anclajes conductuales siguen reflejando el desempeño real en el puesto, especialmente en roles técnicos donde las herramientas, lenguajes y prácticas cambian con rapidez.

El resultado, medido con datos internos de Google, justifica el esfuerzo de mantenimiento: las entrevistas estructuradas resultaron más predictivas del desempeño laboral posterior que las no estructuradas al comparar las puntuaciones de entrevista con las puntuaciones de desempeño de esas mismas contrataciones; los entrevistadores ahorraron en promedio 40 minutos por entrevista al usar preguntas y guías prediseñadas, y los candidatos —incluidos los rechazados— reportaron mayor satisfacción: quienes pasaron por una entrevista estructurada calificaron su experiencia un 35% más favorablemente que quienes no lo hicieron, incluso cuando el resultado final fue un rechazo. Estos tres indicadores —validez predictiva, eficiencia del entrevistador y experiencia del candidato— son el criterio más razonable para decidir cuándo rotar preguntas, recalibrar evaluadores o rediseñar por completo una rúbrica que ya no discrimina con precisión entre el desempeño sobresaliente y el meramente adecuado.