Bloquea a los solicitantes de empleo falsos antes de que te hagan perder el tiempo

Distinguir las señales del ruido

No todas las "señales de IA" son iguales. Algunas pueden decir mucho sobre la calidad del candidato, otras simplemente muestran atajos en el flujo de trabajo del candidato.

Compartiremos señales de datos reales sobre la autenticidad de la temporalidad, currículums manuales vs. generados por bots, generadores de currículums y más, para ayudarte a diferenciar los verdaderos indicadores de calidad y a ajustar tus filtros de selección.

1. Puntuación de calidad promedio por la temporalidad de la aplicación

En todos los roles, las cohortes con temporalidad auténtica suelen igualar o superar a las postulaciones "frescas" del mismo día en la calidad de la puntuación de coincidencia. Pero no es una regla inquebrantable.

En roles de ingeniería y tecnología, las solicitudes con temporalidad sospechosa pueden alcanzar entre el 10 y el 20%. Para verificar la autenticidad, podrías considerar añadir una pequeña muestra de código o una tarea de corrección de errores.

Considera la temporalidad como una señal secundaria útil y úsala para decidir dónde añadir pruebas de habilidades antes de avanzar a un candidato a la siguiente etapa.

Hallazgo principal: La temporalidad auténtica predice una puntuación de calidad más alta.

Consejos para tu proceso de selección:

• Trata los currículums recientes/del mismo día como “a verificar primero”. Envía una prueba rápida de habilidades o una tarea de escenario antes de hacerlos avanzar.
• Mantén la autenticidad como un criterio secundario y evita los rechazos automáticos basados únicamente en la temporalidad.
• Siempre utiliza la revisión con intervención humana para identificar candidatos excepcionales que tus herramientas de selección podrían pasar por alto.

2. Métodos de creación de currículums: manual vs. generador vs. bots

Los datos parecen confirmar lo que muchos reclutadores saben por instinto: los currículums manuales obtienen la puntuación más alta en calidad.

Pero los currículums generados por creadores también pueden ser sólidos. Estos se observaron entre el 10 y el 30% de las veces, con picos en roles administrativos, de atención al cliente (CS) y de prácticas.

Como era de esperar, las solicitudes generadas por bots están asociadas con una menor calidad, especialmente en puestos de atención al cliente de alto volumen (~23%).

Distribución (general)

• Manual: 70–85%
• Generadores de currículums: 10–30%
• Bots: hasta 10% en total

Puntos críticos por rol

• Asistente Virtual Administrativo: ~47% generadores
• Teleoperador de prospección/Agendador de citas: ~42% generadores
• Community Manager/Diseñador/Redactor de contenido/Becario: ~41% generadores
• Especialista de Atención al Cliente: ~33% generadores
• Líder de equipo de Atención al Cliente: ~23% bots

Estructura tu escala de calidad:

• Manual: Proceder a la entrevista antes si las habilidades coinciden.
• Creador: Verificar la titularidad con tareas sencillas (por ejemplo, precisión en la entrada de datos, simulación de chat con clientes) antes de avanzar.
• Indicadores de bot: Poner en estado de "verificación" para la Auditoría de Currículums y la confirmación de autoría, luego determinar los siguientes pasos.

3. Descripción del puesto y adaptación del currículum

La mayoría de los puestos muestran un comportamiento de copiar y pegar bajo pero notable. Los originales son la mayoría y suelen obtener las puntuaciones más altas.

Cuando hay puntuaciones de calidad disponibles, los datos muestran que una adaptación moderada suele ser aceptable. El riesgo real reside en una alta superposición con la descripción del puesto (JD) (casi copiar/pegar), que se agrupa en ciertas publicaciones de marketing/productos y se correlaciona con puntuaciones de calidad más bajas.

Original vs. adaptado (coincidencia moderada) vs. copiado y pegado:

• Originales: La mayoría en la mayoría de las publicaciones, a menudo 60–80%+.
• Coincidencia moderada (20–40% de superposición): El siguiente más común, generalmente de un dígito medio a dos dígitos bajos.
• Copiado y pegado (>40% de superposición o texto de JD casi exacto): El menos común, pero lo suficientemente visible como para afectar la carga de trabajo y el control de calidad.

Detectar rápidamente a los solicitantes de empleo falsos:

• Marcar y verificar: Utilizar la Auditoría de Currículums para detectar una alta superposición con la descripción del puesto.
• Calibrar las tarjetas de puntuación: Considere el grado de personalización como una señal secundaria. Concéntrese en los resultados, la prueba de portafolio y la experiencia en el área.
• Dé prioridad a lo auténtico: Promueva a los solicitantes originales y con bajo nivel de copia/pegado. Mantenga a los grupos con coincidencia moderada en consideración con una verificación ligera.
• Reduzca el reenvío de spam: Comparta retroalimentación breve de rechazo para disuadir los reenvíos de copia/pegado.
• Monitoree y ajuste: Monitoree las tasas de copia/pegado por rol. Compare la conversión y el rendimiento a 90 días por grupo para ajustar los controles.

¿Qué nos dicen los datos sobre los candidatos falsos en ciertos puestos?

El riesgo de fraude no es uniforme. En puestos de soporte de alto volumen y ciertos trabajos remotos, vemos más candidatos falsos, perfiles generados por IA y currículums falsos reciclados. Las ofertas de empleo creativas/de marketing muestran una mayor superposición con la descripción del puesto, mientras que los puestos técnicos de alto nivel tienden a tener una menor superposición, pero aún así presentan señales de alerta en cuanto a la temporalidad y la autoría.

• Puestos de alto volumen: Mayor temporalidad sospechosa y presencia de bots.
• Puestos de ingeniero de software/tecnología: Mayoría auténtica, pero solicitudes nuevas + del mismo día ~10-20% en algunos puestos.
• Administración/Atención al Cliente/Pasantías: Verifique los currículums generados con pruebas de escenario.

Señales que justifican verificación

Los candidatos fraudulentos generan ruido en la revisión, aumentan el riesgo de robo de identidad e identidades robadas, y exponen vulnerabilidades en su proceso de contratación. Trate estas como señales para verificar, no como rechazos automáticos; asegúrese de que está promoviendo a personas reales con trabajo auténtico.

• Lagunas en la autoría: Detalles de proyectos inconsistentes, enlaces de prueba débiles o viñetas idénticas en múltiples solicitudes.
• Preocupaciones sobre la identidad: Información de contacto contradictoria (cambios de número de teléfono, correo electrónico), discrepancias de ubicación/zona horaria, ofuscación por VPN o actividad inusual en redes sociales.
• Anomalías en la entrevista: Retrasos de voz/video, respuestas guionizadas en entrevistas virtuales o artefactos visuales que sugieren tecnología deepfake.

Diseñe un proceso de contratación a prueba de estafas

Los estafadores son cada vez más sofisticados. Detenga a los candidatos fraudulentos en seco diseñando un proceso de contratación que utilice la inteligencia artificial para bien.

Y haga lo que haga, siempre mantenga a un humano al mando. Aquí tiene algunos consejos para ayudar a reducir las vulnerabilidades en su proceso de reclutamiento.

Etapa 0: Medidas de seguridad del proceso de solicitud

• Active la Auditoría de CV para escanear automáticamente el contenido generado por IA y la superposición de descripciones de puestos.
• Agregue indicaciones de autenticación ligeras (“Comparta sus muestras”, “Enlace a la evidencia”) para verificar.
• Bloquee los archivos adjuntos riesgosos. Escanee en busca de malware para proteger la ciberseguridad.

Etapa 1: Verifique primero los grupos señalados

• Verificación de identidad: Compare la identificación oficial con la imagen del solicitante.
• Escale cuando los patrones de ubicación no coincidan con el historial.
• Solicite pruebas de habilidades mediante tareas cortas y específicas del puesto con pantalla compartida en tiempo real.

Etapa 2: Entrevistas diseñadas para detectar señales de alerta

• Comience con teléfono/audio para reducir el sesgo visual.
• Si es necesario, pasa a entrevistas por video y busca artefactos de deepfake (desincronización labial, iluminación extraña, expresiones congeladas).
• Para los finalistas, añade puntos de control presenciales. Reserva las entrevistas presenciales para roles sensibles y de liderazgo (gestión, finanzas, salud, seguridad).

Etapa 3: Salvaguardas de decisión

• Realiza verificaciones de antecedentes dirigidas para perfiles señalados y roles de alta confianza. Documenta los resultados y la justificación.
• Utiliza tarjetas de puntuación de candidatos centradas en el resultado. Mantén la temporalidad/autoría como señales secundarias para evitar rechazos injustos.

Etapa 4: Precontratación e incorporación

• Antes de que un nuevo empleado comience, reconfirma la identidad (verificación de identidad), vuelve a verificar la información de contacto y valida las necesidades de acceso.
• Inicia la preincorporación rápidamente para asegurar un primer día sin 'ghosting'.

Kit de herramientas y próximos pasos

Haz que los controles de fraude sean claros, consistentes y centrados en el ser humano. Utiliza detecciones de inteligencia artificial como señales—no veredictos.

Política

• Publicar el uso aceptable de la IA (redacción, formato) frente a trucos prohibidos (texto oculto, inyecciones de prompt). Denunciar estafas dirigidas a candidatos y cómo tu equipo maneja a los candidatos falsos.
• Codificar la escalada: Cuándo activar la autenticación, la verificación de identidad y las verificaciones de antecedentes.

Operaciones

• Capacitar a los gerentes de contratación para detectar señales de alerta en las entrevistas y pistas de deepfake; estandarizar los seguimientos para inconsistencias.
• Auditar roles de riesgo trimestralmente (soporte, trabajo remoto de contratistas, trabajadores de TI con alto acceso).
• Establecer normas de evidencia: Resultados, prueba de portafolio, especificidades del dominio sobre la coincidencia de palabras clave

Herramientas

• Usar Auditoría de CV, Información del Candidato, y automatizaciones de etapa para conectar con candidatos auténticos más rápido y dirigir cohortes marcadas a tareas de verificación.

Integrar verificaciones de identidad y documentos. Limitar el acceso durante la incorporación temprana hasta que la verificación se complete.