Hacer trampas con IA en las entrevistas ya es la norma. Aquí tienes la solución

Hacer trampas con IA en las entrevistas consiste en usar asistentes de IA en tiempo real, LLM en modo voz o deepfakes para superar de forma deshonesta una entrevista en directo. En una auditoría de 2026 sobre 19 368 entrevistas realizadas con IA, el 38,5 % de los candidatos fue marcado por hacer trampas con ayuda de IA y el 61 % de ellos aun así puntuó por encima del umbral de aprobado. La entrevista en directo por sí sola ya no verifica las competencias y, cada vez más, tampoco verifica la identidad.

Ese es el hallazgo incómodo para cualquiera que trate el «superó la técnica» como una verdad absoluta. La señal en la que se apoya todo tu proceso ha dejado, sin hacer ruido, de separar lo real de lo falso. Esta guía cubre hasta qué punto está extendido realmente el problema, por qué tu puntuación de aprobado ha perdido su significado, la ola aparte y más inquietante de candidatos que ni siquiera son personas reales, y los cambios concretos de proceso que restauran la confianza sin comprar ni un solo software espía de supervisión.

¿Cómo de grave es hacer trampas con IA en las entrevistas en 2026?

Grave, y empeorando rápido, sobre todo en ingeniería. El conjunto de datos más claro viene de Fabric, una plataforma de entrevistas con IA que auditó 19 368 entrevistas en directo entre julio de 2025 y enero de 2026 y marcó al 38,5 % de los candidatos por conductas de trampa asistida por IA.

Lo alarmante es la trayectoria. La tasa de marcado de Fabric pasó del 9 % en julio de 2025 al 45 % en septiembre de 2025 y luego se mantuvo elevada hasta enero de 2026. Es multiplicarse por cinco en un solo trimestre, no la «triplicación» de la que informaron algunos medios. Sea cual sea el múltiplo exacto, hacer trampas pasó de ser un caso raro y marginal a una probabilidad de cara o cruz en unos noventa días.

Ingeniería es el epicentro. En ese mismo conjunto de datos, las entrevistas de ingeniería de software mostraron una tasa de trampas del 48 % frente al 12 % en ventas. Esa brecha no es un misterio. Las preguntas de programación tienen respuestas limpias y verificables, que es justo el tipo de resultado que un asistente de IA en tiempo real produce bien. Un juego de rol de ventas es caótico e interpersonal; un problema de estructuras de datos está a un prompt de tener una solución correcta.

Tampoco leas ese 48 % como «un problema solo de ingenieros júnior». Las herramientas que impulsan la cifra son indiferentes al puesto y no requieren esfuerzo: una superposición en pantalla no distingue si la pregunta es un LeetCode de dificultad media o un ejercicio sénior de diseño de sistemas, y el mismo asistente que resuelve el recorrido de un árbol binario redactará encantado una respuesta de arquitectura verosímil. Cuanto más alto es el puesto, más caro sale el error y más pulido tiende a verse en cámara el candidato al que una superposición le va soplando las respuestas.

Una advertencia honesta antes de seguir: Fabric vende tanto entrevistas con IA como detección de trampas, así que tiene un interés comercial en una cifra que asuste. Toma sus datos como orientativos. Si aun así conviene fiarse de la tendencia, es porque los anclajes independientes, que veremos más abajo, cuentan la misma historia desde ángulos completamente distintos.

Por qué tu puntuación de aprobado ya no significa nada

El fallo no es que los tramposos suspendan la entrevista. Es que la aprueban. En la auditoría de Fabric, el 61 % de los tramposos marcados aun así puntuó por encima del umbral de aprobado de 7,0 sobre 10 y habría avanzado sin detección alguna.

Detente un momento en esto. La puntuación que registra tu sistema de seguimiento de candidaturas, esa que un responsable de contratación lee como «competencia verificada», aprobó a la mayoría de las personas que debía haber atrapado. Las trampas no degradaron la señal en los márgenes. La invirtieron. Una puntuación alta en una prueba de recuerdo en tiempo real ahora correlaciona con tener buenas herramientas al menos tanto como con tener buenas competencias.

Los métodos explican por qué la detección por intuición falla. Este es el desglose de Fabric sobre cómo hicieron trampas los candidatos:

Las dos categorías principales, aproximadamente cuatro de cada cinco casos, no dejan rastro al compartir pantalla de forma estándar. Herramientas de asistencia como Cluely e Interview Coder se anuncian abiertamente como superposiciones invisibles que soplan respuestas durante una llamada en directo sin aparecer cuando el candidato comparte su pantalla. No vas a detectar esto observando los ojos de alguien. El formato en sí está comprometido.

Que conste: Fabric también halló que el 83 % de los candidatos afirmó que haría trampas si supiera que no lo van a pillar. Es una actitud autodeclarada, no un comportamiento, así que dale poco peso. Pero replantea el problema correctamente: esto no es cosa de unos pocos que actúan mal. Es la respuesta por defecto ante un sistema que volvió las trampas triviales y la detección, puro teatro.

El segundo problema: ¿el candidato es siquiera una persona real?

Hacer trampas con las respuestas presupone un candidato real que recibe ayuda ilícita. La ola más nueva y más inquietante elimina ese supuesto. En una proporción creciente de casos, la persona que está en la llamada no es quien dice ser y, a veces, ni siquiera es una única persona real.

La demostración que debería zanjar el argumento de «nuestras entrevistas en vídeo lo detectan» vino de la Unit 42 de Palo Alto Networks. Un investigador sin experiencia en manipulación de imágenes, con una GPU de consumo de hace cinco años, construyó un candidato en vídeo sintético convincente en unos 70 minutos. No fue un laboratorio de un Estado-nación. Fue una tarde y una tarjeta gráfica de gaming. Si ese es el suelo, cuatro entrevistas en vídeo en directo no son verificación de identidad.

La magnitud la corroboran fuentes que no venden software de entrevistas. El informe de 2026 de GetReal Security halló que el 41 % de los responsables de TI, ciberseguridad, riesgo y fraude afirma que su organización ha contratado e incorporado a un candidato fraudulento, y el 88 % dijo haberse topado con intentos de deepfake o suplantación al menos de vez en cuando. Gartner, una firma de analistas sin nada que ganar en la batalla de la detección, prevé que en 2028 uno de cada cuatro perfiles de candidatos a nivel mundial será falso. Etiqueta ese dato como una previsión, pero apunta en la misma dirección que todo lo demás.

Esto no es un fraude hipotético a la espera de ocurrir. Es una operación activa e industrializada. El Departamento de Justicia de EE. UU. ha emprendido una serie de acciones contra un esquema norcoreano sistemático que usa deepfakes e identidades robadas para infiltrar operativos en puestos técnicos remotos en EE. UU., y la CNBC ha informado de directivos tecnológicos que describen falsos aspirantes inundando sus embudos de contratación en remoto. El proveedor de análisis de voz Pindrop midió un aumento del 1 300 % en los intentos de fraude con deepfakes en 2024. Lee esos múltiplos concretos de proveedores como orientativos, pero lo importante es la convergencia entre fuerzas del orden, analistas e investigadores independientes.

El caso canónico es el operativo norcoreano de KnowBe4. En julio de 2024, la empresa de formación en seguridad contrató a un «ingeniero de software» que resultó ser un operativo norcoreano usando una identidad estadounidense válida robada a una persona real, con una foto de banco de imágenes retocada con IA para que coincidiera. El personaje superó una verificación de antecedentes, la comprobación de referencias y cuatro entrevistas en vídeo distintas. En cuanto llegó el Mac que le envió la empresa, empezó a cargar malware; las herramientas de KnowBe4 detectaron la anomalía y bloquearon el dispositivo en 25 minutos. No hubo brecha, pero la lección es contundente: cuatro entrevistas en vídeo en directo no son verificación de identidad, y esto es ya una operación documentada y sistemática, no un hecho aislado.

Ten en cuenta que la mayoría de las estadísticas de identidad más impactantes también vienen de proveedores que venden detección de deepfakes. Por eso los argumentos de peso aquí se apoyan en los anclajes independientes: la previsión de Gartner, la demostración práctica de la Unit 42 y el incidente de KnowBe4, plenamente documentado. Las cifras de los proveedores son coherentes con esos anclajes, no un sustituto de ellos.

Por qué las entrevistas de código en directo se convirtieron en el eslabón más débil

La entrevista de código en directo está singularmente expuesta porque combina dos cosas en las que la IA es buena: producir respuestas limpias y verificables, y hacerlo de forma invisible. Es el objetivo de mayor valor de tu proceso y el más fácil de comprometer.

Piensa en lo que realmente evalúa una ronda de código en tiempo real. Premia el recuerdo rápido de patrones algorítmicos bajo observación, que es exactamente la tarea en la que un modelo de lenguaje sobresale y un humano nervioso no. Un candidato que usa una superposición no necesita entender la solución. Necesita leerla en la pantalla mientras asiente. El entrevistador ve una pantalla compartida que parece completamente normal porque el asistente se renderiza fuera de la superficie compartida.

Es la misma debilidad estructural que ya mató a la pizarra como señal autónoma. Como argumentamos en el alegato contra las entrevistas de pizarra, los formatos de acertijo bajo observación miden más el rendimiento bajo vigilancia que el criterio de ingeniería, y las superposiciones de IA remataron la faena al volver trivial resolverlos en silencio. La respuesta que funciona no es software de vigilancia. Es un cambio de formato hacia evaluaciones que pongan a prueba el razonamiento y la comunicación, las dos cosas que una superposición todavía no puede falsear en el toma y daca de una conversación en directo.

Hay un atajo tentador aquí, y conviene nombrarlo para que puedas rechazarlo. Cuando los equipos se dan cuenta de que la ronda en directo está comprometida, el primer instinto suele ser comprar supervisión: registro de pulsaciones, seguimiento ocular, bloqueo del navegador, panorámicas forzadas de la cámara por toda la sala. Resístete. Castiga a los candidatos honestos con una experiencia de nivel interrogatorio, no hace nada contra un deepfake que cumple encantado con cada comprobación, y los proveedores de superposiciones iteran más rápido que los detectores. De un problema de formato no se sale vigilando. Se sale rediseñando el formato.

Conviene separarlo con claridad: esto es un problema distinto del sesgo de la IA en el cribado de currículums. Aquello va de que tu algoritmo sea injusto con candidatos reales. Esto va de verificar que un candidato es quien —y lo que— dice ser. Ambos importan, y las soluciones no chocan, pero no confundas los dos.

Qué verifica de verdad a un candidato: tres puntos de control

Los datos respaldan tres movimientos estructurales, ninguno de los cuales requiere un detector de deepfakes. El objetivo es que la legitimidad sea una propiedad de tu proceso, en lugar de una conjetura que hace un entrevistador cansado un viernes por la tarde.

1. Vincula la evaluación a una identidad verificada

Las videollamadas anónimas son el eslabón débil porque nada ata a la persona a una identidad estable y auditable a lo largo de tu proceso. Sustituye el enlace de llamada improvisado por un inicio de sesión en un portal del candidato, para que cada envío y cada etapa queden ligados a la misma sesión autenticada. Eso, por sí solo, no prueba que alguien no sea un impostor. Lo que hace es crear un hilo de identidad continuo sobre el que puedes razonar, y te da el lugar natural para añadir un punto de control de identidad exigente (una verificación de documento oficial en la etapa de oferta, por ejemplo) donde lo que está en juego lo justifique.

2. Traslada el peso del recuerdo en tiempo real a los ejercicios prácticos

El recuerdo en tiempo real es el formato que mejor alimenta a la IA. Un ejercicio práctico revisado, una tarea relevante para el puesto que el candidato completa y luego defiende, es mucho más difícil de falsear de forma convincente en profundidad. Además, predice el rendimiento mejor que un sprint de pizarra. Los datos aquí necesitan un matiz: los metaanálisis más antiguos situaban la validez de los ejercicios prácticos en torno a 0,54, pero un reanálisis de 2022 de Sackett y colegas revisó a la baja muchas de esas estimaciones, situando los ejercicios prácticos cerca de 0,33 (las entrevistas estructuradas en torno a 0,42). Incluso con la cifra conservadora, un ejercicio práctico es una señal fuerte y legalmente defendible porque toma muestras directamente del trabajo. Combínalo con una defensa en directo en la que el candidato explique y modifique sus propias decisiones, y la superposición se queda sin nada que soplar.

3. Mantén un registro auditable a nivel de etapa

Cuando se cuestione la legitimidad de una contratación seis meses después, «recuerdo que entrevistó bien» no es una respuesta. Necesitas un rastro reconstruible: quién evaluó al candidato en cada etapa, cuándo, sobre qué entregable y qué puntuación le dio. Un registro auditable no previene el fraude por sí solo, pero convierte una pregunta sin respuesta en una cronología documentada, y es lo que los auditores, los equipos de seguridad y tu propio yo futuro pedirán.

Cómo rediseñar las etapas de tu entrevista en torno a la verificación

Este es el cambio de mentalidad: la verificación no es una herramienta que atornillas por encima. Es una propiedad de un proceso en el que cada etapa y cada ejercicio son un objeto de primera clase ligado a una única identidad de candidato autenticada. Cuando tu sistema de seguimiento modela el proceso así, los tres puntos de control anteriores dejan de ser disciplina manual y se convierten en la forma en que el sistema ya funciona.

Justo por eso Kit trata el ciclo de vida de la etapa de entrevista como datos estructurados y no como una carpeta de notas. Unos cuantos elementos básicos concretos encajan directamente con los puntos de control:

• Portal del candidato ligado a la identidad. Kit usa autenticación por enlace mágico, de modo que cada acción del candidato ocurre dentro de la misma sesión autenticada en lugar de una llamada anónima. El trabajo queda atado a un hilo de identidad estable a lo largo de cada etapa, que es la base que necesita cualquier estrategia de verificación.
• Ejercicios de código como ejercicios prácticos asíncronos. Los ejercicios de código de Kit están integrados con GitHub y se revisan de forma asíncrona, que es exactamente el cambio de formato que recomiendan los datos: alejarse del recuerdo en tiempo real que una superposición puede alimentar, hacia un ejercicio práctico defendido que no puede.
• Revisión del equipo y cuadros de evaluación. La puntuación estructurada y colaborativa es donde afloran las anomalías: una respuesta en directo que contradice el ejercicio práctico, una puntuación que no cuadra con el currículum, un envío que «quedó demasiado limpio». Plantéalo como un proceso que tu equipo ejecuta sobre la revisión y la votación que ya existen en Kit, no como un detector de fraude automatizado.
• Historial a nivel de etapa como registro auditable. Como las etapas y los ejercicios son objetos modelados con marcas de tiempo y propietario, obtienes el rastro reconstruible gratis. La legitimidad pasa a ser algo que puedes señalar más tarde, no algo que esperas recordar.

Para dejar claro lo que esto no es: Kit no incluye detección de deepfakes, verificación biométrica ni supervisión de vídeo, y deberías desconfiar de cualquier proveedor que prometa un detector mágico de mentiras. La solución duradera es estructural. La verificación de identidad propiamente dicha, donde de verdad la necesitas, es un punto de control que añades en las etapas de mayor riesgo, superpuesto a un proceso que ya sabe quién hizo qué y cuándo.

En resumen

La entrevista en directo dejó de ser una prueba. Con un 38,5 % de candidatos marcados por hacer trampas, un 61 % de ellos aprobando de todos modos y un candidato sintético construible en 70 minutos, «superó la técnica» ya no es un hecho con el que puedas contar. El instinto de combatir esto con más vigilancia es una trampa; las superposiciones son invisibles y los deepfakes salen baratos, así que la detección siempre irá por detrás.

La estrategia que perdura es estructural. Vincula las evaluaciones a una identidad verificada, inclina tu circuito hacia ejercicios prácticos defendidos en vez del recuerdo en tiempo real, y mantén un registro auditable para que la legitimidad de cualquier contratación pueda reconstruirse. Haz eso, y la verificación deja de ser una herramienta aparte que compras y empieza a ser una propiedad de cómo funciona tu proceso. Si quieres un proceso de selección construido así desde la primera etapa, descubre cómo Kit modela el ciclo de vida de la entrevista.