Durante años, muchas empresas evaluaron candidatos con ejercicios técnicos remotos.
El problema es que ese modelo empezó a romperse.
No porque los ejercicios no sirvan.
Sino porque el contexto cambió.
Hoy cualquier persona puede usar inteligencia artificial para resolver una prueba, mejorar una respuesta, redactar una explicación o incluso simular experiencia que no tiene. Y eso obliga a las empresas a repensar cómo entrevistan, especialmente en roles donde hay alta demanda de trabajo y mucha competencia por conseguir una oportunidad.
Hasta hace poco, era bastante común enviar una prueba para resolver en 24, 48 o 72 horas.
El candidato recibía una consigna.
Trabajaba solo.
Entregaba el resultado.
La empresa evaluaba calidad, prolijidad y criterio.
Ese proceso tenía sentido.
Pero hoy tiene un problema enorme: es cada vez más difícil saber qué parte del trabajo hizo realmente el candidato, qué parte resolvió con ayuda de una IA, qué parte copió de otro lado y qué parte entiende de verdad.
Esto no significa que usar IA esté mal.
De hecho, en muchos trabajos modernos, usar bien la IA es una habilidad muy valiosa.
El problema aparece cuando la empresa evalúa una cosa y el candidato entrega otra.
La empresa quiere entender cómo piensa una persona.
El candidato entrega un resultado final optimizado.
Entre una cosa y la otra, puede haber una distancia enorme.
Por eso muchas entrevistas están cambiando.
Cada vez tiene menos sentido evaluar únicamente el resultado final de un ejercicio hecho en soledad. Lo importante pasa a ser ver el proceso.
Cómo entiende el problema.
Cómo pregunta.
Cómo divide una tarea.
Cómo toma decisiones.
Cómo usa herramientas.
Cómo valida una respuesta.
Cómo reacciona cuando se equivoca.
Cómo aprende algo nuevo en el momento.
En perfiles técnicos, esto se ve muy claro con el crecimiento del live coding con IA.
Ya no se trata solo de escribir código frente a una pantalla. Se trata de resolver un problema en vivo, pudiendo usar herramientas modernas, pero mostrando criterio real.
Porque en el trabajo diario nadie programa como en 2015.
Hoy muchos equipos usan copilotos, asistentes, agentes, documentación automática, generación de tests, revisión de código y herramientas que aceleran muchísimo el proceso.
Entonces la pregunta ya no es:
“¿Puede resolver esto sin ayuda?”
La pregunta es:
“¿Puede resolver esto bien usando las herramientas que realmente va a tener en el trabajo?”
Hay una diferencia importante.
Un candidato que usa IA para acelerar una tarea, pero entiende lo que está haciendo, puede ser muy valioso.
Puede pedir una primera solución.
Puede detectar errores.
Puede mejorar una implementación.
Puede discutir alternativas.
Puede coordinar distintos agentes.
Puede usar la herramienta para aprender más rápido.
Eso es cada vez más parecido al trabajo real.
En cambio, un candidato que solo copia y pega sin entender tiene un problema. Puede pasar una prueba remota, pero probablemente no pueda sostener una conversación técnica, explicar decisiones o adaptarse cuando la consigna cambia.
Ahí es donde la entrevista en vivo vuelve a ser importante.
No como una prueba de presión innecesaria.
Sino como una forma de mirar el razonamiento real detrás del resultado.
En procesos de selección masivos, el fraude siempre existió.
CVs inflados.
Experiencia exagerada.
Pruebas hechas por otra persona.
Respuestas copiadas.
Referencias dudosas.
Pero con la IA, algunas de estas prácticas se volvieron más fáciles de escalar.
Una persona puede preparar mejores respuestas.
Puede adaptar su CV a cada búsqueda.
Puede practicar entrevistas con simuladores.
Puede generar ejercicios completos.
Puede aparentar más seniority del que realmente tiene.
Por eso, las empresas necesitan procesos más inteligentes.
No necesariamente más largos.
Mejores.
Procesos que reduzcan el fraude, pero que también sean justos con los buenos candidatos. Porque el objetivo no debería ser castigar el uso de tecnología, sino distinguir entre quien usa herramientas con criterio y quien solo intenta pasar una barrera.
En muchos sectores hay una demanda de trabajo muy alta.
Muchas personas aplican a muchas búsquedas al mismo tiempo. Las empresas reciben cientos o miles de postulaciones. Los equipos de RRHH tienen que filtrar más rápido, con menos margen de error y con más presión por contratar bien.
En ese contexto, un ejercicio remoto largo puede parecer eficiente, pero no siempre lo es.
Puede generar mucho ruido.
Puede desalentar a buenos candidatos.
Puede favorecer a quienes tienen más tiempo disponible.
Puede ser fácil de tercerizar o resolver artificialmente.
Puede dar una falsa sensación de objetividad.
Por eso, cada vez más empresas buscan instancias más cortas, más reales y más conversacionales.
Menos “entregame este archivo en tres días”.
Más “resolvamos juntos una situación parecida a la del trabajo”.
Una buena entrevista moderna no debería prohibir la IA automáticamente.
Debería observar cómo se usa.
Algunas preguntas útiles pueden ser:
¿Cómo encarás el problema?
¿Qué le pedirías primero a una IA?
¿Cómo sabés si la respuesta está bien?
¿Qué parte revisarías manualmente?
¿Qué harías si el agente propone una solución incorrecta?
¿Cómo explicarías esta decisión a otra persona del equipo?
¿Qué aprendiste durante la resolución?
Estas preguntas dicen mucho más que un resultado perfecto entregado sin contexto.
Porque el trabajo cambió.
Y si el trabajo cambió, las entrevistas también tienen que cambiar.
Las mejores entrevistas no van a ser las que intenten volver al mundo previo a la IA.
Van a ser las que acepten que las herramientas ya son parte del trabajo.
Pero con una condición: el candidato tiene que poder demostrar criterio.
No alcanza con entregar algo que funciona.
Hay que entenderlo.
Hay que poder explicarlo.
Hay que poder corregirlo.
Hay que poder mejorarlo.
Hay que poder trabajar con otros, incluso con agentes de IA.
La entrevista laboral dejó de ser solo una prueba de conocimiento.
Ahora también es una prueba de adaptación.
Y en un mercado con alta demanda de trabajo, nuevas herramientas y más riesgo de fraude, las empresas que mejor entrevisten van a tener una ventaja enorme.
No por hacer procesos más difíciles.
Sino por hacerlos más parecidos al trabajo real.
