¿De verdad un robot está tirando tu CV a la basura?

Mito 1: "El 75 % de los CV nunca los ve un ser humano"

Veredicto: falso. No hay ningún estudio detrás de la cifra.

Es la cifra más repetida de todo el tema, y se ha rastreado hasta su origen más de una vez. En octubre de 2020, Christine Assaf, profesional de recursos humanos, la oyó en una presentación y siguió las citas: el ponente citaba a la empresa de redacción de CV TopResume, TopResume citaba un artículo de Forbes, y el artículo de Forbes no citaba a nadie. Los medios que sí nombraban una fuente, CIO y CNBC, la atribuían a "la firma de servicios de búsqueda de empleo Preptel", una empresa de redacción de CV que cerró en agosto de 2013 y nunca publicó un estudio, un conjunto de datos ni un método (Ask a Manager, que reproduce a Christine Assaf (se abre en una nueva pestaña)).

En julio de 2026, dos académicas canadienses, Leda Salazar de Leon de Mount Royal University y Mehnaz Rafi de la University of Calgary, llegaron a la misma conclusión en The Conversation: la cifra "se originó en un argumento de venta de 2012 de Preptel, una empresa de optimización de currículums que cerró al año siguiente. Nunca se publicó metodología alguna" (The Conversation (se abre en una nueva pestaña)).

El artículo que desató la ola, "Your Résumé vs. Oblivion" de Lauren Weber en el Wall Street Journal en enero de 2012, tampoco lo decía. Cuando en NPR le pidieron que explicara los sistemas, Weber describió un software que "puntúa y clasifica a los candidatos" para que un reclutador pueda abrir la oferta y mirar a los 25 o 50 primeros. Su peor escenario no era la papelera. Era "el fondo del sistema de clasificación" (NPR, Talk of the Nation, febrero de 2012 (se abre en una nueva pestaña)). La cifra oscila entre el 70, el 75 y el 88 % según quién la cuente, que es lo que ocurre cuando nunca hubo un original que comprobar.

Mito 2: "El ATS rechaza tu CV automáticamente"

Veredicto: falso en su mayor parte, y la parte que es cierta es peor que el mito.

En la documentación oficial de Greenhouse, Workday e iCIMS, el único rechazo automático lo desencadenan tus respuestas a las preguntas que el propio empleador plantea en el formulario de solicitud: si tienes la licencia, si puedes trabajar legalmente aquí, si puedes trabajar los fines de semana (Greenhouse, Auto-reject (se abre en una nueva pestaña); Workday Administrator Guide (se abre en una nueva pestaña); iCIMS (se abre en una nueva pestaña)). Ninguno describe una puntuación oculta que rechace un CV. Donde existe emparejamiento por IA, Greenhouse afirma que clasifica a los candidatos en grupos y que "no descarta automáticamente a ningún candidato ni toma ninguna decisión de contratación" (Greenhouse, Talent Matching FAQ (se abre en una nueva pestaña)).

Ahora la parte cierta. Los filtros que configuran los reclutadores son reales, y son toscos. En la encuesta de 2021 de Harvard Business School a 2.275 directivos de Estados Unidos, Reino Unido y Alemania, casi la mitad de las empresas descartaban automáticamente a cualquier candidato con un hueco laboral de más de seis meses, y el 88 % de los directivos dijo que candidatos cualificados de alta especialización quedaban excluidos porque no coincidían con los criterios exactos (Hidden Workers: Untapped Talent (se abre en una nueva pestaña)). Una persona eligió esa regla, y una persona pulsó rechazar sobre el resultado. Assaf lo resumió en una frase: "Un humano rechaza a los candidatos; una computadora clasifica las solicitudes según los datos que le ha dado un humano."

Mito 3: "Una IA lee tu CV"

Veredicto: falso en su mayor parte, por ahora.

En enero de 2024, la Society for Human Resource Management encuestó a 2.366 profesionales de recursos humanos en Estados Unidos. Solo el 26 % de sus organizaciones usaba IA para alguna actividad de recursos humanos; de esas, el 64 % la usaba en algún punto del reclutamiento, las entrevistas o la contratación, y aproximadamente una de cada tres de ese grupo la usaba para revisar o cribar CV (SHRM, 2024 Talent Trends (se abre en una nueva pestaña)). Multiplícalo todo y la IA leía CV en aproximadamente una organización de cada veinte. En todas las demás, el software ejecutaba reglas y búsquedas que una persona había configurado. La proporción crece, y la Ley de IA de la Unión Europea ya clasifica la IA de reclutamiento como de alto riesgo, pero si te imaginas una máquina que entiende tu CV, te estás imaginando la excepción. He descrito lo que hace el sistema típico, paso a paso, en el primer artículo de esta serie (se abre en una nueva pestaña).

Mito 4: "Un ATS no puede leer PDF, y un diseño a dos columnas hace que te rechacen"

Veredicto: medio cierto, y la mitad cierta tiene que ver con el diseño, no con el tipo de archivo.

Primero el tipo de archivo. Greenhouse acepta .doc, .docx, .pdf, .rtf y .txt (Greenhouse, Supported formats (se abre en una nueva pestaña)). iCIMS extrae texto de PDF, Word, OpenDocument, RTF, HTML e incluso archivos de imagen (iCIMS Developer Community (se abre en una nueva pestaña)). Textkernel, cuyo analizador está dentro de muchos de estos sistemas, lee más de 70 formatos, que según dice "cubren casi el 100 % de los documentos que procesamos en la práctica" (Textkernel, Supported File Formats (se abre en una nueva pestaña)). Un PDF exportado desde Word o Google Docs es texto, y un analizador lo lee. Lo que un analizador no puede leer es una imagen de texto: un CV escaneado, o la exportación de una herramienta de diseño en la que las letras son píxeles. Eso requiere reconocimiento óptico de caracteres, que Textkernel vende como complemento y advierte que tarda "considerablemente más en analizarse".

Ahora el diseño. La propia documentación de Textkernel advierte de que los diseños en columnas confunden al analizador y que algunas secciones son "imposibles de analizar a nivel granular" (Textkernel, Parser Output (se abre en una nueva pestaña)). El resultado no es un rechazo. Es un registro en el que tu último empleo queda vinculado al empleador equivocado, o tus habilidades no quedan en ningún campo, y ese registro no aparece cuando el reclutador busca. Nadie te avisa. Mis iconos y mis dos columnas estaban haciendo exactamente esto, durante un año.

Mito 5: "Esconde las palabras clave en texto blanco y el software te clasificará más arriba"

Veredicto: falso, y te cuesta el empleo.

Un analizador no ve el color. Extrae el texto y lo guarda como texto sin formato, y ese texto sin formato es lo que abre el reclutador. Jobscan, una empresa que vende escaneo de CV, muestra qué aspecto tiene: un CV analizado con "Accounting Accounting Accounting" atravesándolo, algo "fácil de detectar una vez que el texto del currículum se ha analizado e introducido en el sistema" (Jobscan, noviembre de 2024 (se abre en una nueva pestaña)). El reclutador ve el truco antes de ver tu nombre.

En 2023 el truco volvió con una forma nueva, dirigida a la criba por IA: pegar la descripción completa del puesto en el CV con letra blanca para que el modelo te empareje con ella (Bruce Schneier sobre un reportaje del Washington Post, agosto de 2023 (se abre en una nueva pestaña)). El mismo truco, la misma vista de texto sin formato, el mismo reclutador. Y en 2023, como muestra el Mito 3, la "IA" que leía la mayoría de los CV seguía siendo un cuadro de búsqueda. Construí Adapt to Success sobre el principio contrario: cambia la estructura y la redacción, nunca los hechos, y nunca nada que un lector no pueda ver.

Mito 6: "Necesitas una coincidencia de palabras clave del 75 %"

Veredicto: el número no existe. Las palabras sí.

El porcentaje de coincidencia procede de las herramientas de escaneo de CV, no del software del empleador. Jobscan, que recomienda apuntar al 75, lo dice en la página de su propio escáner: "cuando envías tu currículum a una oferta, el ATS no puntúa tu currículum. La tasa de coincidencia de nuestro escáner es una herramienta de visualización" (Jobscan, Resume Scanner (se abre en una nueva pestaña)). Un reclutador nunca ve ese número, y nada en los sistemas sobre los que he leído lo calcula.

Lo que ocurre en realidad es más sencillo. El reclutador escribe palabras de la oferta de empleo en un cuadro de búsqueda, y el sistema puede ordenar los registros según lo bien que coincidan con los requisitos (Indeed Career Guide (se abre en una nueva pestaña)). De ahí se siguen dos cosas. Primera, el software se ha vuelto más tolerante con los sinónimos: el analizador de Textkernel normaliza más de 250.000 sinónimos de habilidades en unas 13.000 habilidades en más de 20 idiomas (Textkernel, Tx Platform FAQ (se abre en una nueva pestaña)), así que el "modelador numérico" que era invisible para una búsqueda de "estadístico" en el ejemplo de Weber de 2012 tiene hoy más posibilidades. Segunda, un cuadro de búsqueda sigue encontrando lo que se escribe, y el 88 % de directivos de la encuesta de Harvard que ven a personas cualificadas excluidas por criterios exactos están describiendo precisamente eso. Usa las palabras de la oferta allí donde sean ciertas en tu caso. Ignora el porcentaje.

Mito 7: "Todas las empresas usan un ATS"

Veredicto: medio cierto.

Entre los mayores empleadores es casi cierto. Jobscan revisó las páginas de empleo de las 500 empresas de la lista Fortune 500 de 2026 y detectó un ATS en 487 de ellas, el 97,4 % (Jobscan, agosto de 2026 (se abre en una nueva pestaña)). Es el recuento de un proveedor, hecho leyendo páginas de empleo, pero es un recuento, no una suposición. Entre los empleadores en general el panorama es distinto: la encuesta de Harvard Business School encontró que el 63 % usaba un sistema de gestión de reclutamiento en el conjunto de Estados Unidos, Reino Unido y Alemania, con un 75, 58 y 54 % por país, y un 69 % entre los empleadores con más de 1.000 empleados (Hidden Workers: Untapped Talent (se abre en una nueva pestaña)). Las autoras de The Conversation añaden que las pequeñas empresas son especialmente poco propensas a depender de uno (The Conversation (se abre en una nueva pestaña)). Así que: un gran empleador, casi con seguridad. La empresa con doce empleados en la calle principal, probablemente no. El siguiente artículo de esta serie examina las cifras región por región.

Mito 8: "Una plantilla compatible con ATS es todo lo que necesitas"

Veredicto: falso.

Una plantilla te hace legible. No te hace relevante. Después del analizador viene una persona, y la persona va rápido: en 2018 el portal de empleo Ladders midió con equipos de seguimiento ocular el primer vistazo de los reclutadores a un CV y obtuvo una media de 7,4 segundos (HR Dive sobre el estudio de Ladders (se abre en una nueva pestaña)). El informe de Harvard describe lo que pasa antes de ese vistazo: el software "se basa en gran medida en una lógica 'negativa' para reducir el conjunto de candidatos", eliminando a las personas por lo que les falta en lugar de considerar lo que tienen. Un CV perfectamente analizado que dice las cosas equivocadas simplemente es encontrado, y después descartado, con el pequeño consuelo de que esta vez lo vio una persona. La estructura te mete en los resultados de búsqueda. El contenido te consigue la llamada. Hay cuatro ejemplos de antes y después de ambas cosas en la página ATS explicado (se abre en una nueva pestaña).

Lo que sí es cierto

• El software almacena, busca y clasifica. Las personas rechazan.
• El rechazo automático viene de tus respuestas a las preguntas del empleador, y de los filtros que configuró un reclutador, no de una puntuación oculta del CV.
• Tu CV debe ser legible para un analizador: una sola columna, texto real en lugar de imágenes, encabezados de sección estándar y fechas vinculadas a los empleos a los que pertenecen.
• Tu CV debe contener las palabras que usa la oferta, allí donde sean ciertas en tu caso.
• Después una persona lo lee durante unos siete segundos, así que también debe estar claro para una persona.

Lo que me habría gustado saber

Pasé un año añadiendo iconos a un documento que el software leía como texto, y puliendo columnas que un analizador leía como ruido. Nadie estaba tirando mi CV a la basura. Estaba en una base de datos, con el aspecto del CV de alguien que nunca había hecho lo que pedía la oferta. Los dos primeros puntos de la lista anterior son los que el software puede arreglar, y son lo que hace Adapt to Success: conserva tus hechos y reconstruye la estructura y la redacción para que un analizador y un cuadro de búsqueda puedan leerlos. Los tres últimos son cosa tuya.