¿Tu ATS rechaza currículums automáticamente? Mito y realidad

En su mayoría, no. Los sistemas de seguimiento de candidaturas (ATS) no analizan tu currículum en busca de palabras clave para descartarlo en silencio en milisegundos. En un estudio de 2025 con 25 reclutadores de EE. UU., solo alrededor del 8 % había configurado un rechazo automático basado en el contenido; el 92 % no lo había hecho. El «no» rápido que sienten los candidatos casi siempre viene de otros tres sitios: preguntas eliminatorias de elegibilidad, un fallo al procesar el currículum o una persona revisora sepultada bajo el volumen. No un robot leyendo tu prosa.

Esa distancia entre lo que la gente cree y lo que hace de verdad el software importa para dos lectores muy distintos. Si eres candidato, seguramente te han dicho que un bot de palabras clave mató tu candidatura. Si eres fundador o la primera persona al frente de recursos humanos encargada de configurar un ATS, has oído el mismo mito al revés y puede que te tiente activar un rechazo automático agresivo para sobrevivir a la avalancha. Ambos partís de una cifra que nunca fue cierta. Vamos a corregirlo.

La cifra que todos repiten no tiene ningún estudio detrás

La famosa afirmación de que «el 75 % de los currículums los rechaza un ATS antes de que los vea una persona» no es un hallazgo de investigación. No hay estudio, ni encuesta, ni metodología publicada. Se remonta a un argumento de venta de 2012 de Preptel, un proveedor de optimización de currículums que cerró en 2013 sin haber mostrado nunca sus datos.

La consultora de carreras Christine Assaf buscó la fuente y no encontró nada. Como documentaron ella y revisores posteriores, la cifra «se creó sin ningún estudio, encuesta ni contexto», y no aparece en ninguna parte de la literatura académica. El número sobrevivió por una razón: les resulta útil a las empresas que venden servicios de currículums «a prueba de ATS». Una estadística que da miedo vende la cura.

Así que lo primero que hay que jubilar es el titular. Cuando veas ese 75 %, o las variantes del 70 % y del «88 % de las personas cualificadas quedan filtradas», trátalos como folclore de marketing, no como datos. El panorama real es más interesante, y más útil, que el mito.

Lo que sí es cierto: los filtros los ponen las personas

Los sistemas de seguimiento de candidaturas sí excluyen a personas cualificadas. Pero la exclusión viene de criterios definidos por personas, no de un software que decide por su cuenta. Esa distinción lo es todo.

La cifra fiable aquí viene del informe de 2021 de la Harvard Business School y Accenture Hidden Workers: Untapped Talent. Descubrió que el 88 % de los empleadores dijo que candidatos cualificados y de alta cualificación quedan filtrados porque no encajaban exactamente con los criterios del puesto, y el 94 % dijo lo mismo de los candidatos de cualificación media. Es un hallazgo real, con fuente y de gran tamaño. Pero fíjate en lo que mide de verdad: empleadores que admiten que los filtros que ellos configuraron (una titulación obligatoria, la ausencia de lagunas laborales, una coincidencia exacta de palabras clave) rechazan a buenos candidatos.

Uno de los autores del informe lo dijo sin rodeos. Los sesgos incrustados en el software de contratación «no son más que sesgos humanos que se han cableado en la tecnología». El sistema hace lo que una persona le dijo que hiciera. Por eso, cuando la cifra del 88 % se reutiliza como «los ATS rechazan automáticamente al 88 % de los candidatos cualificados», recrea el mismo mito que este artículo desmonta. El villano no es el ATS. Son los criterios.

Entonces, ¿los ATS rechazan currículums automáticamente? Los datos dicen que rara vez

Esta es la pregunta que la gente escribe de verdad en el buscador: ¿rechaza el sistema de seguimiento de candidaturas los currículums automáticamente según su contenido? La mejor medición directa que tenemos dice que casi ninguno lo hace.

En un estudio de Enhancv realizado en septiembre y octubre de 2025, los investigadores entrevistaron a 25 reclutadores de EE. UU. que trabajaban con Workday, iCIMS, Lever, Greenhouse, Teamtailor, Bullhorn y otros. El hallazgo: solo el 8 % (2 de 25) había configurado un rechazo automático basado en el contenido; el 92 % (23 de 25) no lo había hecho. Y los dos que sí lo hacían no rechazaban por el formato ni por una palabra clave ausente. Fijaban umbrales sobre niveles concretos de coincidencia o de experiencia. Su frase de conclusión es la que conviene recordar: «Los ATS no rechazan currículums. Lo hacen las personas.»

Tómalo como un estudio pequeño, no como un censo poblacional. Veinticinco reclutadores son n=25, y conviene leerlo como indicios orientativos más que como una estadística nacional. Pero es una medición primaria, apunta en la misma dirección que otras entrevistas a reclutadores publicadas en otros lugares y encaja con la realidad estructural del embudo: la razón por la que la mayoría de las candidaturas no llega a ninguna parte es el volumen más la revisión humana lenta, algo que abordamos más abajo. La cifra del 8 % no sostiene el argumento por sí sola.

Qué provoca de verdad el «no» instantáneo

Si el rechazo automático por contenido es raro, ¿qué produce esos rechazos rápidos que los candidatos sin duda experimentan? Tres cosas, y ninguna es un robot de palabras clave que juzga tu redacción.

Preguntas eliminatorias. En ese mismo estudio de 2025, el 84 % de los reclutadores se apoyaba en preguntas eliminatorias: filtros explícitos de sí/no sobre autorización de trabajo, una certificación obligatoria o una restricción de ubicación. Son barreras de elegibilidad legítimas, configuradas por el empleador. Si un puesto exige legalmente autorización de trabajo en EE. UU. y respondes «no», recibes un rechazo instantáneo y automático. Ahí el sistema funciona según lo previsto, y criba por tu respuesta a una pregunta directa, no por el análisis de tu prosa.

Fallos al procesar el archivo. A veces el sistema sencillamente no pudo leer tu archivo. Un currículum construido como un PDF cargado de gráficos, o que esconde texto dentro de imágenes o tablas, puede llegar ilegible. Es un fallo técnico, no un juicio sobre tus cualificaciones. Se siente como un rechazo, pero se parece más a una llamada que se corta.

Personas revisoras bajo la presión del volumen. Este es el grande, y es humano. Un solo puesto popular puede atraer cientos o miles de candidaturas en días. Los reclutadores revisan a mano y no dan abasto, así que la mayoría de las candidaturas nunca recibe respuesta. El candidato experimenta el silencio y supone que lo hizo una máquina. En realidad, a una persona se le acabaron las horas.

¿Y las puntuaciones de IA? Ordenan, no dictan

Los sistemas modernos muestran cada vez más una puntuación de IA o de encaje junto a cada candidato, y de ahí nacen los nuevos temores al rechazo automático. Pero en la práctica esas puntuaciones se usan como orientación mucho más que como barrera.

En los datos de Enhancv, el 44 % de los sistemas mostraba una puntuación de IA o de encaje, pero solo el 8 % la usaba de forma definitiva para el rechazo automático. Otro 36 % trataba la puntuación como orientación y volvía a comprobar a los candidatos manualmente, y el 56 % ignoraba la función o no la tenía. A fecha de 2026, herramientas como HiredScore de Workday, las señales de encaje de Lever y el asistente de cribado de Workable ordenan y muestran candidatos. La decisión final la sigue tomando una persona. Algunos sistemas modernos también usan coincidencia semántica en lugar de contar palabras clave literalmente, pero eso no es un hecho general de todos los ATS, y no cambia lo esencial: ordenar no es rechazar.

La conclusión es la misma para ambos públicos. Una puntuación de IA en pantalla es una sugerencia, no un veredicto, a menos que una persona la conecte explícitamente para que lo sea. Y conectarla así, en silencio, es justo el error que mete a los empleadores en problemas.

Por qué sigue pareciendo una caja negra

Si el cribado es sobre todo humano, ¿por qué presentar una candidatura se siente como gritar al vacío? Porque la comunicación está rota, aunque la toma de decisiones no esté del todo automatizada. La queja de fondo es la incertidumbre, no el rechazo.

La investigación Application Black Box de Monster descubrió que cerca de 6 de cada 10 personas que buscan empleo (alrededor del 60 %) dicen que lo más frustrante del proceso es no saber si un ser humano llegó a revisar su candidatura. Súmale la fricción encima: el 61 % ha topado con un error al subir el currículum u otro problema técnico, y aproximadamente el 60 % abandonaría una candidatura en menos de 20 minutos si le parece demasiado larga. (Los porcentajes y los tamaños de muestra varían un poco según la cobertura de esta investigación, así que léelos como «alrededor de 6 de cada 10», no como constantes exactas.) El patrón está claro. La gente no se enfada sobre todo por que le digan que no. Se enfada por no saber nunca si alguien miró.

Es la misma «caja negra» sobre la que escribimos desde el lado del empleador en por qué tu página de empleo pierde candidatos. La sensación de un robot de rechazo automático es, con más frecuencia, simple silencio más una mala experiencia de uso.

El mito no es inofensivo: alimenta un círculo vicioso

Puede que pienses que una estadística falsa es una rareza sin víctimas. No lo es. Tiene costes a ambos lados de la mesa de contratación, y se retroalimentan.

Por el lado del candidato, el mito empuja a la gente a comprar servicios «anti-ATS» de relleno de palabras clave que no hacen nada contra los filtros reales (eliminatorias, volumen, revisión humana). Por el lado del empleador, el mito lleva a los candidatos a la estrategia de disparar a todo lo que se mueva. La investigación de Monster descubrió que alrededor del 48 % de las personas que buscan empleo ahora se postula a muchos puestos rápidamente y con frecuencia, y que el 51 % cambió su forma de buscar trabajo porque no recibe respuesta. Más volumen inunda a los empleadores, lo que tienta a más rechazo automático, lo que produce más silencio, lo que impulsa más disparar a todo. La estadística falsa engrasa cada vuelta de esa rueda. Si quieres los mecanismos a fondo de dónde tiene fugas de verdad un embudo de alto volumen, lo desglosamos en la guía del embudo de contratación.

Cuando el rechazo automático sale mal: el caso iTutorGroup

El rechazo automático es raro, pero cuando está mal configurado y sin documentar se convierte en una responsabilidad legal directa. Hay un caso real y caro que sirve de advertencia para los empleadores que leen esto.

En EEOC contra iTutorGroup, resuelto mediante un decreto de consentimiento aprobado el 8 de septiembre de 2023, el software de contratación de la empresa estaba programado con una regla automática que rechazaba a las candidatas de 55 años o más y a los candidatos de 60 años o más, lo que descartó a más de 200 personas cualificadas. iTutorGroup llegó a un acuerdo por 365 000 dólares. Muchos comentaristas lo calificaron como el primer acuerdo de la EEOC relacionado con la IA en contratación, aunque conviene señalar lo poca «IA» que había en realidad: era un rechazo automático basado en reglas sobre la fecha de nacimiento.

La prueba fue casi de película. Una candidata fue rechazada al instante con su fecha de nacimiento real, volvió a postularse un día después con una fecha de nacimiento más reciente y el resto de la información idéntica, y consiguió una entrevista. Así se ve un rechazo automático mal configurado y sin registrar cuando llega a un tribunal. La lección para un fundador no es «no automatices nunca». Es «no automatices nunca un rechazo que no puedas explicar ni auditar».

Para empleadores: cómo configurar el cribado de forma defendible

Los sistemas de seguimiento de candidaturas son casi universales en la cúspide del mercado. Alrededor del 98 % de las empresas de la lista Fortune 500 usa un ATS (Jobscan, 2025). Así que la herramienta no es la cuestión. La cuestión es cómo la configuras. Esta es la configuración defendible, en cinco movimientos.

1. Usa las preguntas eliminatorias solo para la elegibilidad real. Autorización de trabajo, una licencia legalmente obligatoria, una restricción de ubicación innegociable. Esas son las barreras justas y transparentes. No cueles preferencias dentro de ellas.
2. Deja que la IA lea y resuma, no que decida. Usa las puntuaciones y los resúmenes para cribar y priorizar un montón enorme, para que una persona centre su atención donde importa. Que sea la persona quien diga sí o no.
3. Haz que cada rechazo sea una acción deliberada y atribuida. Una decisión con un nombre y un motivo asociados es defendible. Un proceso en segundo plano que descarta gente en silencio es el modo de fallo de iTutorGroup.
4. Mantén un registro de auditoría. Si dentro de seis meses no puedes reconstruir quién decidió qué, y por qué, no puedes defender la decisión, ni tampoco puedes mejorar el proceso.
5. Cierra el círculo con los candidatos. Incluso un «hemos revisado tu candidatura y seguimos adelante con otras personas» estándar y a tiempo supera al silencio. Es el arreglo más barato para esa sensación de caja negra.

Cómo hace Kit que el cribado sea explicable

La mayoría de los sistemas de seguimiento de candidaturas te dan dos malas opciones: un interruptor opaco de rechazo automático, o un montón manual inmanejable sin registro de quién decidió qué. Kit se construye en torno a una tercera vía. La IA hace la lectura, tu equipo toma la decisión y cada decisión queda registrada. Ese es el antídoto tanto contra la caja negra silenciosa que odian los candidatos como contra el rechazo automático sin documentar que hunde a los empleadores.

• La IA resume; no rechaza automáticamente. La IA de Kit lee las candidaturas y le entrega a una persona el contexto (trayectoria del candidato, historial de etapas, resúmenes de las presentaciones, notas) para que lo revise. No puntúa y descarta a tus espaldas. Es lo literalmente opuesto al robot de palabras clave del mito.
• Cada decisión queda atribuida, auditada y necesita un motivo. Una decisión de contratación en Kit se registra a nombre de quien la tomó, con una justificación obligatoria, y solo los roles adecuados pueden tomarla. Un rechazo automático silencioso se convierte en una decisión documentada y defendible.
• El rechazo es una acción humana con un rastro documental. Rechazar a un candidato es un paso deliberado que le notifica, admite un mensaje personalizado y amable, y puede quedar tras un retardo de enfriamiento configurable. Al otro lado hay una persona, no un proceso en segundo plano. Si quieres dar bien ese paso, mira cómo los comentarios de rechazo construyen tu marca como empleador.
• Las etapas estructuradas hacen que los criterios sean explicables. Como los candidatos avanzan por etapas definidas con revisiones registradas según los mismos criterios, «¿por qué me filtraron?» tiene una respuesta real, y puedes mostrar qué criterio movió a alguien en lugar de señalar una puntuación opaca.

Tu ATS no debería rechazar a la gente en secreto, y no debería dejarla preguntándose si alguien miró. Ese es todo el objetivo de diseño. Empieza a partir de una plantilla de rol ya hecha para que el cribado quede configurado de la forma defendible desde el primer día, o prueba Kit gratis y velo en tu propio proceso de selección.

Preguntas frecuentes

¿Los sistemas de seguimiento de candidaturas rechazan currículums automáticamente? En su mayoría, no. En un estudio de 2025 con 25 reclutadores de EE. UU., solo alrededor del 8 % había configurado un rechazo automático basado en el contenido; el 92 % no lo había hecho. Los rechazos rápidos suelen venir de preguntas eliminatorias de elegibilidad, de fallos al procesar el currículum o de una persona revisora bajo la presión del volumen, no de una IA que escanea tus palabras clave.

¿De dónde salió la estadística del «75 % de currículums rechazados automáticamente»? De un argumento de venta de 2012 de Preptel, un proveedor de optimización de currículums que cerró en 2013. No tiene ningún estudio, encuesta ni metodología detrás. Trátala como folclore de marketing, no como datos.

¿De qué va en realidad la estadística del 88 % de Harvard? El informe Hidden Workers de 2021 de Harvard y Accenture descubrió que el 88 % de los empleadores dijo que candidatos cualificados y de alta cualificación quedan filtrados por no encajar exactamente con los criterios (el 94 % para los de cualificación media). Mide criterios de filtrado configurados por personas, no una IA que decide por su cuenta.

¿Por qué nunca recibo respuesta después de postularme? Normalmente por el volumen más una comunicación rota, no por un robot de palabras clave. Un solo puesto puede atraer cientos de candidaturas, la revisión humana no da abasto, y alrededor de 6 de cada 10 candidatos dicen que su mayor frustración es no saber si un ser humano llegó a mirar (Monster).

¿Activar el rechazo automático es arriesgado para los empleadores? Puede serlo. En EEOC contra iTutorGroup (2023), una regla automática que rechazaba a los candidatos de más edad derivó en un acuerdo de 365 000 dólares. El rechazo automático solo es defendible cuando salta sobre reglas de elegibilidad reales y cada decisión queda atribuida y auditada.

La versión corta: jubila el mito del 75 %, entiende que los filtros los ponen las personas y configura un cribado que puedas explicar de verdad. Usa las eliminatorias para la elegibilidad real, deja que la IA lea para que tu equipo decida más rápido, y deja constancia de cada rechazo con una persona y un motivo asociados. Haz eso y contratar deja de ser una caja negra para todo el mundo, esté a un lado o al otro.