Cómo evaluar a ingenieros y medir su talento real en la era de la IA

Para evaluar el talento real de un ingeniero cuando la IA puede falsear las respuestas, permite la IA en la prueba y puntúa cómo el candidato la dirige, la verifica y la corrige. Plantéale una tarea de depurar y ampliar código que no escribió y aplica una rúbrica estructurada que pondere el razonamiento, la validación de resultados y el análisis de compromisos por encima de que el resultado sea correcto sin más. El cuello de botella del trabajo ya no es escribir código, sino verificarlo, así que tu entrevista debería medir la verificación.

Ya no puedes distinguir a los dos candidatos por lo que entregan. Uno dirige a un asistente de IA con criterio, detecta sus errores y entrega algo sólido. El otro le pide al mismo modelo, recibe un código que parece funcionar y no tiene ni idea de que está mal. Ambos superan la prueba para casa. La diferencia solo aparece después: en producción, en la cola de revisión y en la confianza que pierde tu equipo. Esto es un problema de diseño de la evaluación, y tiene solución sin prohibir la IA ni jugar a los detectives. Para entender el cambio de mercado que hay detrás de todo esto, lee el panorama completo sobre el colapso de las credenciales.

El problema de oferta que los equipos de contratación acaban de heredar

La cantera de candidatos está cada vez más llena de ingenieros que saben entregar con un asistente pero no saben razonar sin él. La prueba más clara viene de las instituciones que los forman: los suspensos se han disparado y el profesorado señala públicamente el abuso de la IA como causa.

En la primavera de 2026, la tasa de suspensos del curso CS 10 en UC Berkeley alcanzó el 35,3 %, frente a menos del 10 % tanto en la primavera de 2024 como en la de 2025, según los datos de calificaciones publicados por el Daily Californian. CS 61A registró un 10,6 % de suspensos y EECS 127 un 16,8 %. La nota media del semestre cayó a un aprobado raspado (2,3 sobre 4), muy por debajo de la horquilla orientativa del departamento, entre 2,8 y 3,3.

El profesor titular Dan Garcia atribuyó el desplome a un “enorme aumento de la deshonestidad académica” por el uso de grandes modelos de lenguaje, y citó casi 30 estudiantes pillados copiando en los exámenes para casa solo en CS 10. La profesora Gireeja Ranade observó que los estudiantes tenían dificultades con los requisitos previos de álgebra lineal; uno reconoció que su clase de álgebra lineal aplicaba una “política de internet abierto e IA abierta” en deberes y exámenes. Desde entonces, más de 1.300 docentes de la UC han firmado una petición para reinstaurar el SAT y el ACT en las admisiones a carreras STEM.

Esa clase de álgebra lineal con “política de IA abierta” es todo el problema en miniatura. La IA no solo ayudó a los estudiantes a copiar en un examen de informática. Tapó las carencias de base un escalón antes, así que un estudiante puede aprobar una asignatura cuyos requisitos previos nunca llegó a asimilar. Para cuando esa persona llega a tu proceso de selección, la brecha es invisible sobre el papel y solo aflora cuando algo se rompe y el asistente se equivoca.

Por qué prohibir la IA en la entrevista mide mal el trabajo

Prohibir la IA en una entrevista técnica pone a prueba una forma de trabajar que ningún ingeniero en activo usa ya. Optimiza tu evaluación para una habilidad que el puesto ya no recompensa de forma aislada y, encima, es imposible de hacer cumplir.

La IA ya forma parte del desarrollo normal. El State of Code Developer Survey 2026 de Sonar, basado en más de 1.100 desarrolladores, encontró que el 42 % del código que se commitea ya está generado o asistido por IA, con una proyección del 65 % para 2027. En Google, el CEO Sundar Pichai informó en una actualización de abril de 2026 de que alrededor del 75 % del código nuevo lo genera la IA y lo revisan ingenieros, frente al 50 % del otoño anterior (según la cobertura de Exponent y Tekedia sobre el programa interno). Cuando tres cuartas partes del código nuevo en una de las grandes organizaciones de ingeniería arrancan con un asistente, una entrevista que prohíbe el asistente está midiendo una ficción.

Los responsables de ingeniería ya notan que la medición se rompe. El AI Workforce Transformation Report 2025-2026 de Karat, elaborado a partir de 400 líderes de ingeniería de EE. UU., India y China, encontró que el 71 % afirma que la IA dificulta evaluar las habilidades técnicas. El mismo informe señala que a los buenos ingenieros se les valora ahora en el triple o más de su retribución total, lo que eleva el coste de equivocarse en el cribado. La respuesta del sector es permitir la IA, no prohibirla: en torno al 38 % de las organizaciones permite ya la IA en las entrevistas técnicas, según el análisis de abril de 2026 de IEEE-USA, con una adopción cercana al 25 % entre los empleadores de Nueva York y una proyección que apunta hacia el 50 %. Empresas como Canva, Rippling, Red Hat, Meta y Shopify ya la permiten.

Por qué “cazar al tramposo” es una carrera armamentística perdida

Intentar pillar el uso de IA es una pelea que vas a perder una y otra vez. Las herramientas de detección van por detrás de las herramientas para copiar, y la distancia crece, así que cualquier estrategia basada en “prohíbelo y píllalos” caduca en cuanto la pones en marcha.

Los números son contundentes. Según Fabric, que analizó más de 50.000 candidatos, el uso de IA para copiar en las pruebas para casa más que se duplicó: del 15 % en junio de 2025 al 35 % en diciembre de 2025. Las herramientas modernas resuelven las pruebas para casa estándar en menos de cinco minutos y muestran las respuestas mediante superposiciones invisibles en la GPU que nunca aparecen al compartir pantalla. Fabric informa de que el 59 % de los responsables de contratación ya sospecha que los candidatos usan IA en las pruebas, y los líderes consultados por Karat estiman que más de la mitad de los candidatos usa IA aunque se les diga que no. Mirando más adelante, Gartner proyecta que para 2028 uno de cada cuatro perfiles de candidato será falso, construido a partir de texto, voz o deepfakes sintéticos (citado vía Fabric).

No puedes ganar una carrera armamentística de renderizado contra un software que se esconde de la pantalla. Así que deja de intentarlo. Que la detección falle no es motivo para desesperarse; es el argumento para cambiar lo que mides. Si no puedes saber con fiabilidad si se usó IA, diseña una evaluación en la que dé igual, porque usar bien la IA es justo lo que quieres observar.

La señal de verdad pasó de la generación a la verificación

La habilidad escasa ya no es producir código. Es juzgar si el código que produjo un asistente es de verdad correcto, y arreglarlo cuando no lo es. Sonar lo nombra sin rodeos: el efecto neto de la IA es un “cuello de botella de verificación”, no un aumento de productividad sin más.

Los datos que hay detrás de esa frase dan que pensar. En la encuesta de Sonar, el 96 % de los desarrolladores no confía plenamente en el código generado por IA, pero solo el 48 % siempre lo verifica antes de commitearlo, y el 38 % dice que revisar código de IA cuesta más esfuerzo que revisar el de un humano. El coste de la verificación tampoco desaparece en el filtro de QA. El informe State of AI-Powered Engineering 2026 de Lightrun encontró que el 43 % de los cambios de código generados por IA siguen necesitando depuración manual en producción tras pasar QA y staging (según VentureBeat).

Lee esos dos hechos juntos. Una parte grande y creciente del código está generada por IA, y una parte grande de ese código está sutilmente mal de formas que sobreviven a las comprobaciones automáticas y llegan a producción. El ingeniero que aporta valor en ese mundo es el que lee el resultado con espíritu crítico, monta una reproducción mínima, revisa los logs y demuestra que la solución funciona en lugar de fiarse del modelo. Esa es la capacidad que tu entrevista necesita sacar a la luz. Si el cuello de botella del trabajo es la verificación, la evaluación debería medir la verificación.

Qué medir de verdad: dirige, verifica, corrige

Deja de puntuar si el candidato produjo una función correcta. Empieza a puntuar cómo dirige al asistente, verifica su resultado y se recupera cuando se equivoca. Es el modelo que los programas punteros ya han adoptado, y se traslada limpiamente a un ciclo del tamaño de una startup.

El piloto de IA de Google que se ha hecho público permite un asistente aprobado en la ronda de código para puestos júnior y de nivel medio en EE. UU., y puntúa la “fluidez con la IA, incluyendo ingeniería de prompts, validación de resultados y habilidades de depuración”. Y lo decisivo: los candidatos que “se apoyan en exceso en la IA sin demostrar su propia comprensión” reciben una valoración negativa. Esa única decisión de diseño es toda la tesis: la fluidez suma puntos, la dependencia los resta. DoorDash fue más allá y sustituyó su ronda de código tradicional por una sesión de trabajo asistida por IA de 60 minutos sobre un proyecto realista, puntuada según “el uso de herramientas, el enfoque de depuración, el criterio y la comunicación bajo restricciones reales”. El equipo de ingeniería de DoorDash es explícito: “los verdaderos factores diferenciadores son la toma de decisiones, el razonamiento a nivel de sistema y la responsabilidad sobre el resultado”.

Las guías de entrevistas de programas como Formation y Sierra convergen en el mismo lenguaje de validación: los buenos candidatos “crean una reproducción mínima, leen los logs y escriben comprobaciones específicas para demostrar que una solución funciona, en lugar de fiarse a ciegas del resultado de la IA”. Dos formatos de tarea sacan esto a la luz mejor que ninguno.

La tarea de depurar y ampliar código que no escribió

El ejercicio con más capacidad de diagnóstico es leer y arreglar código que el candidato no escribió. “¿Sabes leer el código de otra persona, encontrar qué falla y arreglarlo?” es la pregunta que la dependencia de la IA no puede falsear, porque el trabajo es verificación, no generación. Entrégale al candidato un código pequeño y a medio funcionar, con un fallo lógico plantado a propósito: de esos que parecen correctos y pasan un test ingenuo. Luego pídele que lo encuentre, lo arregle y amplíe el sistema con una funcionalidad realista.

La IA está permitida de forma explícita. Lo que observas es cómo se orienta en código desconocido, si reproduce el fallo antes de “arreglarlo”, si se fía de la primera sugerencia del asistente o la comprueba, y cómo reacciona cuando el modelo propone con total seguridad algo que está mal. Un candidato dependiente pega el error en un prompt y entrega lo que le devuelva. Uno fluido usa el asistente para ir más rápido sin dejar de ser dueño de cada decisión.

La conversación de diseño de sistemas que obliga a sopesar compromisos

Acompaña la tarea de depuración con una discusión de diseño de sistemas que obligue a razonar los compromisos de forma explícita. No “diseña Twitter”, sino una decisión concreta y acotada: ¿cómo cachearías esto?, ¿por dónde se rompe bajo carga?, ¿qué sacrificas al elegir la opción más simple? La IA puede esbozar un diagrama de arquitectura. Lo que no puede, en un ida y vuelta en vivo, es defender una decisión cuando la presionas y ajustarla cuando añades una restricción. La conversación revela si el razonamiento es del candidato o del modelo.

La rúbrica: cinco criterios que merece la pena puntuar

Mantén la rúbrica corta, conductual e inclinada hacia el criterio por encima del resultado. Puntúa a cada candidato con los mismos cinco criterios para que la señal sea comparable en todo tu proceso.

1. Dirige bien la IA. Prompts claros y con intención; sabe qué pedir y por qué, en lugar de soltar el problema entero y cruzar los dedos.
2. Verifica el resultado. Reproduce, lee logs, escribe comprobaciones específicas; no commitea por fe.
3. Corrige los errores de la IA. Detecta la sugerencia plausible pero equivocada y explica por qué está mal.
4. Razona los compromisos. Defiende decisiones, sopesa alternativas, se ajusta ante nuevas restricciones.
5. Comunica y asume responsabilidad. Va narrando su razonamiento, gestiona el alcance y responde por el resultado.

Por qué las muestras de trabajo ganan a las credenciales y a LeetCode

Una muestra de trabajo demostrada está entre las señales de contratación de mayor validez jamás medidas, y se ha mantenido durante 25 años. El clásico metaanálisis de Schmidt y Hunter (1998) en psicología del personal sitúa la validez de las muestras de trabajo en torno a 0,54 y la validez de las entrevistas estructuradas en torno a 0,51, con un compuesto de capacidad mental general más muestra de trabajo cercano a 0,63. Una revisión posterior de Roth, Bobko y McFarland (2005) deja las muestras de trabajo más cerca de 0,33, aún muy por encima de los indicadores débiles.

Los indicadores débiles son justo los que la IA rompe ahora. Los currículums, los años de experiencia y las credenciales sin verificar están casi al final de las tablas de validez, y la señal del título se degrada en tiempo real, como muestran las notas de Berkeley. Los acertijos de algoritmos memorizados no salen mejor parados: una ronda de LeetCode en vivo es tan falseable con IA y tan poco informativa como una prueba para casa, y por eso los cribados al estilo LeetCode se están quedando obsoletos. La lección es coherente en la investigación y en el mercado. Observa a la persona haciendo trabajo realista y razonando sobre él. No confíes en que una credencial haga ese trabajo por ti.

Hay, además, un dividendo de equidad. DoorDash informa de que los formatos asistidos por IA permiten que “los ingenieros con trayectorias no tradicionales brillen de verdad”, porque el asistente cierra la brecha de ejecución y la ronda mide el criterio, que se transfiere desde las matemáticas, la física o el autoaprendizaje. Permitir la IA no es una concesión a los tramposos. Ensancha el embudo para incluir a personas que razonan bien aunque no siguieran el camino estándar de la informática.

Cómo montar esto en tu propio proceso

No necesitas un servicio externo de entrevistas ni un proveedor de supervisión para hacer esto. Necesitas dos etapas, configuradas una sola vez: un ejercicio de código con IA permitida construido en torno a la verificación, y un debrief en vivo estructurado con una rúbrica de verdad. Este es el hueco que Kit cubre para equipos del tamaño de una startup. Para la contratación de perfiles júnior, la plantilla Junior Engineer Pipeline trae las dos etapas ya configuradas.

Kit es un ATS nativo de IA con un pipeline configurable y por etapas, y dos tipos de etapa ya existentes encajan directamente con este diseño. La etapa de ejercicio de código se apoya en plantillas de GitHub, así que en lugar de un prompt de partida en blanco del tipo “construye X”, aprovisionas una plantilla de depura-este-código / amplía-este-sistema-a-medias: la forma de tarea que premia la verificación por encima de la generación. Kit se encarga del montaje del repositorio, las instrucciones, la entrega automática al cumplirse el plazo y el archivado. Tus instrucciones pueden decirlo sin rodeos: “La IA está permitida; te pediremos que nos expliques cómo la dirigiste y la verificaste”. Luego la etapa de entrevista en vivo lleva la rúbrica, con asignación de revisores y revisión estructurada del equipo para que los cinco criterios se puntúen igual para cada candidato y sigan siendo comparables a lo largo del embudo.

Una salvedad honesta. Ninguna herramienta, Kit incluido, detecta de forma fiable el uso de IA; los datos sobre las superposiciones invisibles lo dejan claro. Esa limitación es precisamente la razón por la que la respuesta está en el diseño de la tarea y la rúbrica, no en la detección. El papel de Kit es facilitar que ese diseño correcto se lance y se estandarice, no jugar al gato y al ratón con las herramientas para copiar. Para el artículo complementario sobre la prueba en sí, lee cómo estructurar ejercicios de código que los candidatos no odien.

El cambio es fácil de enunciar y más difícil de resistir de lo que debería. Deja de prohibir la IA, porque el trabajo la usa. Deja de detectar la IA, porque esa carrera no la ganas. En su lugar, diseña una evaluación en la que usar bien la IA sea la habilidad visible: una tarea de depurar y ampliar sobre código desconocido, una conversación de compromisos que la IA no pueda escribir por ti, y una rúbrica que puntúe cómo el candidato dirige, verifica y corrige al asistente. Así distingues al ingeniero que manda sobre la IA del que simplemente depende de ella, y esa es la diferencia entre una contratación que entrega y otra que te llena la cola de revisión.

Preguntas frecuentes

¿Debería dejar que los candidatos usen IA en una entrevista de código?

Sí, en las rondas en las que quieras medir cómo trabajan. El trabajo usa IA a fondo (el 42 % del código que se commitea ya está asistido por IA, según Sonar), así que una ronda sin IA pone a prueba una forma de trabajar que nadie usa. Mantén el uso de IA específico de cada ronda: DoorDash, por ejemplo, la permite en su sesión de trabajo asistida por IA pero no en todas las rondas. Puntúa cómo el candidato dirige y verifica al asistente, no si produjo una función correcta él solo.

¿Cómo detectas si un candidato depende demasiado de la IA?

No lo detectas mediante supervisión, que los datos muestran que es una carrera armamentística perdida. Lo sacas a la luz con el diseño de la tarea. Plántale una tarea de depurar y ampliar sobre código desconocido con un fallo lógico plantado, y observa si verifica el resultado del asistente o se fía a ciegas. La dependencia aflora en el momento en que el modelo se equivoca con total seguridad y el candidato no se da cuenta.

¿Cuál es el mejor formato de entrevista técnica en 2026?

Una muestra de trabajo de depurar y ampliar sobre código que el candidato no escribió, acompañada de una conversación acotada de diseño de sistemas, ambas con IA permitida y una rúbrica que pondera el razonamiento por encima del resultado. Las muestras de trabajo tienen la mayor validez predictiva de la literatura sobre selección de personal (en torno a 0,33-0,54 según Schmidt y Hunter), muy por encima de los currículums, los años de experiencia o los acertijos de algoritmos memorizados.

¿Permitir la IA perjudica a los candidatos no tradicionales?

Al contrario. DoorDash informa de que los formatos asistidos por IA permiten brillar a ingenieros con trayectorias no tradicionales, porque el asistente cierra la brecha de ejecución y la ronda mide el criterio, que se transfiere desde campos como las matemáticas y la física. Permitir la IA ensancha el embudo para incluir a quienes razonan bien aunque no siguieran el camino estándar de la informática.