Cuando configuras AI Signals para cribar a los candidatos, la calidad de los resultados depende completamente de la claridad con la que definas la descripción de una señal personalizada.

En este artículo se describen los errores de configuración más frecuentes, se explica por qué provocan resultados poco fiables y se muestra cómo reescribirlos para obtener resultados coherentes.

1. Mantenga la descripción de cada señal inequívoca

AI Signals solo puede ser tan preciso como las instrucciones proporcionadas. Si la descripción de una señal personalizada deja margen de interpretación (por ejemplo, el salario neto frente al salario bruto o la falta de alternativas), el modelo tiene que adivinar, lo que lleva a evaluaciones inconsistentes.

Ejemplo: Expectativas salariales ambiguas

Descripción de la señal:
“La expectativa salarial del candidato no tiene que superar los 4000.”

El problema: La instrucción carece de una moneda, un periodo de tiempo (mensual frente a anual) y una especificación bruta/neta. Un candidato que declare 40 000 podría estar dentro del presupuesto si es anual, pero fuera si es mensual.

Por qué la IA ha llegado a esta conclusión:

• Parámetros poco claros: El modelo no puede determinar si los valores numéricos del CV se refieren a cifras mensuales o anuales.
• Datos que faltan: El modelo no encontró información sobre el salario en el perfil del candidato.

Cómo solucionarlo:

• Sea explícito: Indique la unidad, la moneda, el periodo y el importe bruto/neto de forma explícita (p. ej., “por encima de 4000€ brutos al mes”).
• Capture la información en la candidatura: Añada una pregunta en el formulario de candidatura para conocer las expectativas salariales, ya que los candidatos rara vez proporcionan datos salariales estructurados en un CV estándar.
• Defina una alternativa: Especifique cómo tiene que comportarse la IA si no se proporcionan datos salariales (por ejemplo, ”Si no se indica ningún salario, márquelo como Indeterminado”).

2. Evite la combinación de múltiples criterios en una sola señal

Añadir múltiples requisitos de habilidades o experiencia no relacionados en una sola señal obliga a la IA a realizar un cálculo arbitrario. Una pequeña edición de un criterio puede cambiar todo el resultado, haciendo que sea difícil confiar en los resultados o explicarlos.

Ejemplo: Combinación de múltiples competencias

Descripción de la señal:
“Evalúe la experiencia en BD, finanzas, marketing e ingeniería junto con el trabajo en equipo y la adaptabilidad”.

Por qué la IA ha llegado a esta conclusión:

• Causas del problema: La indicación ha combinado aproximadamente 10 departamentos diferentes y habilidades blandas en una sola verificación, lo que ha generado pruebas contradictorias (por ejemplo, una sólida experiencia en ingeniería pero sin historial de marketing).
• Impacto: Un único resultado compuesto hace que sea imposible auditar cómo se ha evaluado una competencia individual.

Cómo solucionarlo:

• Una señal por criterio: Divida las comprobaciones multicriterio en señales independientes.
• Utilice los campos del sistema: Utiliza los campos del sistema integrados de Personio (como Formación y Experiencia) para aplicar criterios estrictos y estructurados, en lugar de descripciones de IA de formato libre.

3. Utilice el cribado automatizado para criterios binarios o no relacionados con el CV

AI Signals evalúa la evidencia que se encuentra en el CV o el formulario de candidatura. No puede verificar los criterios que los candidatos rara vez incluyen en un currículum, ni debe usarse para normas estrictas de aprobación/desaprobación.

Ejemplo: Información que rara vez se encuentra en un CV

• Descripción de la señal: “El candidato tiene que tener una licencia de conducir regular”.
• El problema: Los currículos rara vez incluyen licencias de conducir o permisos de trabajo, lo que deja a la IA sin pruebas que comprobar. Pedirle a la IA que encuentre las pruebas faltantes a menudo resulta en un marcador innecesario o en una evaluación fallida.
• Cómo solucionarlo: Añada una pregunta específica al formulario de candidatura para recopilar esta información directamente del candidato y, a continuación, dirija la indicación a la respuesta del formulario en lugar del CV.

Ejemplo: Criterios binarios/eliminatorios estrictos

• Descripción de la señal: “El candidato tiene que estar dispuesto a trabajar presencial al menos 3 días a la semana en la oficina”.
• El problema: Los currículos no dicen nada sobre las preferencias híbridas o presenciales, así que la IA suele marcar este requisito como fallido de forma predeterminada. Los criterios de eliminación binarios pertenecen a las normas de cribado, no a las indicaciones de la IA.
• Cómo solucionarlo: Utiliza el cribado automático de Personio (menú desplegable o normas de sí/no) para ver los criterios de eliminación binarios. Reserve AI Signals para evaluaciones cualitativas basadas en la experiencia en las que los matices añadan valor.

Resumen de referencia rápida