Qué significa la demanda contra Workday por IA en contratación para cualquier ATS

Sí, hoy se puede demandar por discriminación en la contratación al proveedor de un sistema de seguimiento de candidatos (ATS). En Mobley contra Workday (Distrito Norte de California, caso n.º 3:23-cv-00770-RFL), un tribunal federal resolvió que una herramienta de contratación con IA puede responder de forma directa como “agente” de las empresas que la utilizan. Desde entonces, el tribunal ha certificado una acción colectiva por discriminación por edad de alcance nacional que podría abarcar a cientos de millones de candidatos. El fallo no solo sienta a Workday en el banquillo. Sienta en el banquillo a un patrón de diseño: el pipeline opaco, automatizado y sin intervención humana que descarta candidatos por defecto, y sobre el que funciona la mayoría de las herramientas de cribado con IA.

Es el avance legal más relevante para el software de contratación en una década, y cambia la forma en que fundadores, responsables de talento y referentes de cumplimiento deberían evaluar cada ATS que tocan. A continuación verás qué dice realmente el caso, de dónde nace la responsabilidad y cómo es, en la práctica, un stack de contratación AI-native defendible.

Este artículo es información general, no asesoramiento legal. Consulta tu situación concreta con un abogado laboralista.

La demanda que puso a todo ATS sobre aviso

Mobley contra Workday es una demanda federal que alega que el sistema de recomendación de candidatos basado en IA de Workday descarta de forma desproporcionada a los candidatos por edad, raza y discapacidad. Importa a cualquier equipo de contratación porque un tribunal ha permitido que el caso avance contra el propio proveedor del software, y no solo contra las empresas empleadoras.

Lo que tiene en vilo ahora mismo a los responsables de talento es un plazo. Un tribunal federal autorizó la notificación formal a posibles miembros de la acción colectiva, con una fecha límite de adhesión del 7 de marzo de 2026 para los candidatos de 40 años o más a quienes la plataforma de Workday no recomendó. Ese plazo es la razón por la que el caso vuelve a la actualidad, y por la que tus candidatos, tu consejo y tu equipo legal quizá empiecen a preguntar qué hace exactamente tu propio cribado con IA.

En resumen: la amenaza regulatoria que preocupaba a los equipos de contratación durante años ha cambiado de forma. Las agencias federales dieron marcha atrás en la fiscalización en 2025, pero los litigios privados de clase y colectivos tomaron el relevo. La exposición no desapareció. Pasó de los reguladores a los abogados de los demandantes y a las legislaturas estatales.

¿Qué es Mobley contra Workday?

Mobley contra Workday es una demanda por discriminación presentada en 2023 por Derek Mobley, quien alegó que las herramientas de cribado con IA de Workday lo rechazaron en alrededor de 100 candidaturas, con una tasa de éxito prácticamente nula para superar el primer filtro automatizado. Demandó al amparo del Título VII, la Ley de Estadounidenses con Discapacidades (ADA) y la Ley contra la Discriminación por Edad en el Empleo (ADEA).

Dos fallos convirtieron el caso en un precedente:

• 12 de julio de 2024: el tribunal admitió a trámite las pretensiones según las cuales Workday, un proveedor de software y no el empleador, puede responder de forma directa como “agente” de sus clientes empleadores.
• 16 de mayo de 2025: el tribunal certificó de forma condicional una acción colectiva ADEA de alcance nacional que abarca a “todas las personas de 40 años o más que, desde el 24 de septiembre de 2020 hasta la actualidad, se presentaron a oportunidades laborales a través de la plataforma de candidaturas de Workday y no recibieron recomendaciones de empleo”.

La escala es asombrosa. En sus escritos judiciales, Workday declaró que se rechazaron 1.100 millones de candidaturas con sus herramientas durante el período relevante, y el tribunal reconoció que la acción colectiva podría alcanzar a “cientos de millones” de personas.

Una salvedad clave: Workday niega haber actuado de forma indebida y el caso está en la etapa de notificación a la colectividad, no en una declaración de responsabilidad. Nada de esto afirma que Workday haya discriminado. Lo que hizo el tribunal fue decidir que estas pretensiones son lo bastante plausibles como para seguir adelante, y que el proveedor no puede escudarse en el “nosotros solo vendemos software”.

La teoría del “agente”: por qué tu proveedor puede ser responsable

El núcleo jurídico del caso es la teoría del “agente”, y es la parte que todo comprador de un ATS debería entender. Las leyes federales contra la discriminación alcanzan no solo a los empleadores, sino también a sus “agentes”. La pregunta era si un proveedor de software puede ser un agente. El tribunal dijo que sí, cuando el software toma o recomienda la decisión de rechazar o hacer avanzar al candidato.

La jueza Rita Lin sostuvo que la demanda “alega de forma plausible que los clientes de Workday delegaron en Workday su función tradicional de rechazar candidatos o hacerlos avanzar a la etapa de entrevista”. La consecuencia legal es directa: cuando el software de un proveedor ejecuta la decisión de cribado, el proveedor ocupa el lugar del empleador a efectos de responsabilidad por discriminación.

En qué se diferencia del “es solo una herramienta”

El tribunal trazó una línea nítida entre una herramienta pasiva y un decisor activo. Una hoja de cálculo que almacena datos de candidatos es una herramienta. Un software que clasifica candidatos y recomienda a quién rechazar es otra cosa. En palabras del tribunal: “Workday sí califica como agente porque se alega que sus herramientas cumplen una función tradicional de contratación al rechazar candidatos en la etapa de cribado y recomendar a quién hacer avanzar”.

Este es el patrón de diseño que está a juicio. El riesgo no es “usar IA en la contratación”. El riesgo es delegar el juicio humano sobre quién avanza en una caja negra que nadie puede explicar, auditar ni anular. Si tu ATS rechaza candidatos de forma automática sin revisión humana y sin registro de la decisión, has recreado exactamente el escenario de hechos que el tribunal consideró lo bastante plausible para litigar, y tu proveedor puede ahora compartir la responsabilidad contigo.

No es solo Workday: Eightfold y el frente de la FCRA

El caso Workday abrió la puerta, y otras teorías ya la están cruzando. El 7 de julio de 2025, el tribunal amplió la colectividad de Mobley para incluir a los candidatos procesados con las funciones de HiredScore AI de Workday, y ordenó a Workday identificar a los clientes que las habían activado. El alcance sigue ensanchándose.

Un caso distinto abre un frente legal completamente nuevo. En Kistler y otros contra Eightfold AI Inc., presentado el 20 de enero de 2026 en California y trasladado a la jurisdicción federal, los demandantes alegan que el modelo de Eightfold rastrea “miles de millones de puntos de datos” para generar “informes” y rankings ocultos de candidatos. La infracción alegada no tiene nada que ver con la ley antidiscriminación. Es la Ley de Informes Crediticios Justos (FCRA) y la ICRAA de California, las normas que regulan los informes sobre consumidores.

El planteamiento es difícil de olvidar: un candidato clasificado por su “probabilidad de éxito” a partir de datos rastreados de la web y de redes sociales que nunca vio es, en la práctica, el objeto de un informe crediticio oculto. La FCRA exige divulgación, consentimiento y derecho a impugnar. Una herramienta de cribado con IA que clasifica a las personas usando datos que no pueden ver ni corregir se enfrenta ahora a una segunda teoría de responsabilidad, independiente de la primera.

Lecciones de EEOC contra iTutorGroup

Nada de esto es hipotético. En un acuerdo de conciliación (consent decree) aprobado en septiembre de 2023, iTutorGroup pagó 365.000 dólares para zanjar la demanda de la EEOC según la cual su software de contratación rechazaba automáticamente a las candidatas mayores de 55 años y a los candidatos varones mayores de 60. Se lo describió ampliamente como el primer acuerdo de la EEOC por discriminación en contratación con IA.

La prueba fue casi de manual. Un candidato envió dos solicitudes idénticas que solo se diferenciaban en la fecha de nacimiento, y solo obtuvo una invitación a entrevista con la fecha más joven. Así se ve la discriminación automatizada por edad en la práctica: no es maldad, es una regla incrustada en un software que nadie revisó.

El sesgo es real, y es medible

Las teorías legales se apoyan en una afirmación de hecho: que las herramientas de cribado con IA producen resultados sesgados. La evidencia más sólida no es anecdótica. Es experimental.

Un estudio de Brookings de 2025 puso a prueba el cribado de currículums con IA en tres sistemas de embeddings de grandes modelos de lenguaje, comparando alrededor de 554 currículums con 571 descripciones de puestos y generando unas 40.000 comparaciones por modelo. Los resultados fueron contundentes:

• Los nombres asociados a personas blancas fueron preferidos el 85,1 % de las veces, frente al 8,6 % de los nombres asociados a personas negras.
• Los nombres de hombres fueron favorecidos el 51,9 % de las veces, frente al 11,1 % de los nombres de mujeres.
• En la comparación interseccional más dura, los currículums de hombres negros fueron seleccionados un 0 % de las veces frente a los de hombres blancos.

El sentido de un estudio de intercambio de nombres es que lo único que cambia es el nombre. El sesgo vive en el modelo, no en quien lo usa. Lo que significa que un empleador que confía en un cribado con IA sin auditar no está eliminando el sesgo humano. Está escalando un sesgo distinto y eliminando el juicio humano que quizá lo habría detectado.

La presión regulatoria: la Ley de IA de la UE y la nueva ley española de gobernanza de la IA

Justo cuando la fiscalización federal en EE. UU. se relajaba, la ley se endurecía a este lado del Atlántico. En España, los equipos de contratación responden a dos capas que se refuerzan entre sí: el reglamento europeo y la norma nacional que lo desarrolla.

La Ley de IA de la UE clasifica la IA de reclutamiento y selección de candidatos como de alto riesgo. Las obligaciones de alto riesgo incluyen evaluación de riesgos, documentación, pruebas de sesgo, supervisión humana y transparencia, con multas de hasta 15 millones de euros o el 3 % de la facturación global. Se aplica de forma extraterritorial a cualquiera cuya salida de IA afecte a personas en la UE. (Un proyecto de Omnibus Digital de IA aplazaría algunas obligaciones de alto riesgo de agosto de 2026 a diciembre de 2027; trata ese calendario como sujeto a cambios.)

España le pone dientes nacionales al reglamento europeo. El Proyecto de Ley Orgánica para el buen uso y la gobernanza de la Inteligencia Artificial, aprobado en Consejo de Ministros el 26 de mayo de 2026, adapta la Ley de IA de la UE al ordenamiento español. Confirma de forma expresa que la IA de selección de personal es de alto riesgo, exige supervisión humana garantizada de esos sistemas y establece un régimen sancionador de hasta 35 millones de euros o el 7 % de la facturación anual global para las infracciones más graves. La autoridad de vigilancia del mercado es la AESIA (Agencia Española de Supervisión de la Inteligencia Artificial, con sede en A Coruña), con la AEPD para los aspectos de protección de datos. La dirección es la contraria a la del repliegue estadounidense: en España la regulación se está apretando, no aflojando.

El repliegue regulatorio no es un puerto seguro

En EE. UU. ha sido tentador leer el repliegue federal de 2025 como un permiso. La EEOC retiró sus documentos de orientación sobre IA en enero de 2025, y la Orden Ejecutiva 14281 instruyó a las agencias a despriorizar la fiscalización por impacto dispar (disparate impact) en abril de ese año. Pero retirar una guía no deroga las leyes: el Título VII, la ADA y la ADEA siguen otorgando acciones privadas, y esos litigios privados son precisamente el motor que impulsa Mobley.

Para una empresa que contrata en España, sin embargo, la lectura es la inversa. Tu exposición no nace del Título VII estadounidense, sino del marco propio de no discriminación —el artículo 14 de la Constitución, el artículo 17 del Estatuto de los Trabajadores y la Ley 15/2022 integral para la igualdad de trato y la no discriminación— sumado a la Ley de IA de la UE. Y ahí la tendencia no es de repliegue, sino de endurecimiento. No existe un único equivalente español de la EEOC: la vigilancia se reparte entre la AESIA (sistemas de alto riesgo), la AEPD (decisiones automatizadas y elaboración de perfiles) y la Inspección de Trabajo y Seguridad Social (discriminación laboral). Para saber qué te aplica en concreto, consulta a tu asesoría laboral.

Descarte automático opaco frente a un stack de contratación con IA defendible

Aquí está el replanteo que importa: la IA en la contratación no es la responsabilidad. La IA opaca y sin rendición de cuentas en la contratación sí lo es. El patrón de Workday y Eightfold, el pipeline de descarte automático sin persona y sin registro, es lo que los tribunales están examinando con lupa. La alternativa defendible es un ATS AI-native que sea explicable, con intervención humana, registrado y con divulgación por diseño.

Seis principios de diseño separan a uno del otro:

1. Puntuación explicable. Los candidatos se puntúan según criterios nombrados y definidos por personas, no por un modelo oculto. Puedes mostrar el trabajo.
2. Intervención humana en el bucle. Una persona toma la decisión de rechazar o hacer avanzar. La IA asiste; no decide.
3. Registro de decisiones. Cada rechazo deja constancia de un motivo. Las anulaciones exigen una justificación estructurada. Construyes un rastro defendible sobre la marcha.
4. Reversibilidad y período de enfriamiento. Los rechazos no son instantáneos ni irreversibles. Hay una ventana para detectar errores.
5. Divulgación. Se informa a los candidatos de que la IA asiste en el cribado, en línea con las obligaciones de transparencia de la Ley de IA de la UE y con el deber de información sobre algoritmos del Estatuto de los Trabajadores (art. 64.4.d).
6. Pruebas de sesgo. Los resultados de puntuación pueden exportarse y revisarse para detectar impacto adverso, de forma periódica, no solo cuando te demandan.

Si estás evaluando un ATS AI-native, estos seis principios son tu lista de verificación. Pide a cualquier proveedor que demuestre cada uno. Los que no puedan te están vendiendo el patrón de diseño que ahora mismo está a juicio.

Cómo está construido Kit para estar del lado defendible

Kit es un ATS AI-native, lo que lo coloca de lleno en la categoría bajo escrutinio. Justamente por eso está construido del modo defendible. Cada riesgo legal del caso se corresponde con una decisión de arquitectura concreta.

El hilo que recorre todo esto es el mismo principio sobre el que el tribunal trazó una línea: una persona, no un modelo, cumple la función tradicional de contratación de decidir quién avanza. Por eso también los equipos combinan el cribado de Kit con asistentes de IA que gestionan el pipeline mediante MCP, donde el asistente prepara y recomienda, pero el reclutador decide. Para ser honestos con la barrera de protección: estos son principios de diseño que hacen alcanzable el cumplimiento. No son una garantía legal, ni un certificado de conformidad con la Ley de IA de la UE, ni un sustituto de tu propio asesor legal ni de tus propias auditorías de sesgo.

Una lista de verificación práctica para cualquier ATS AI-native

Sea cual sea la herramienta que uses, puedes reducir tu exposición hoy mismo. Pon a prueba tu stack actual con esta lista:

• Puntuación explicable. ¿Puedes producir, para cualquier candidato, los criterios y las puntuaciones que motivaron la decisión? Si la respuesta es “lo decidió el modelo”, ahí está el problema.
• Intervención humana en la puerta del rechazo. ¿Revisa una persona antes de que se rechace a alguien de forma automática? El avance automático es mucho menos arriesgado que el rechazo automático.
• Registros de decisiones. ¿Existe un registro duradero de por qué se rechazó a cada candidato, incluida cualquier anulación?
• Enfriamiento y reversibilidad. ¿Puedes detectar y revertir un rechazo equivocado antes de que llegue al candidato?
• Divulgación. ¿Informas a los candidatos de que la IA asiste en el cribado allí donde la ley lo exige?
• Pruebas de sesgo periódicas. ¿Puedes exportar los datos de puntuación y ejecutar un control de impacto adverso por edad, raza y género?
• Condiciones con el proveedor. ¿Tu contrato aborda quién es responsable si la herramienta produce resultados sesgados?

Una evaluación justa y estructurada no es solo una postura legal. También es un mejor proceso de contratación, por la misma razón por la que los ejercicios de código estructurados ganan a las entrevistas a ojo y por la que un reclutamiento ético que respeta al candidato atrae mejores perfiles.

La conclusión

Mobley contra Workday no prohibió la IA en la contratación. Dejó algo claro: si tu software decide a quién se rechaza, y nadie puede explicar ni anular esa decisión, tu proveedor y tu empresa comparten la exposición. El camino defendible no es abandonar la IA. Es mantener a una persona como responsable, hacer la puntuación explicable, registrar las decisiones y divulgar la herramienta. El sesgo es real y medible, la presión regulatoria se endurece en la UE y en España, y ningún repliegue regulatorio al otro lado del Atlántico es un puerto seguro.

Integra la auditabilidad desde el principio, y la IA se convierte en un activo de tu contratación, no en una responsabilidad esperando una citación judicial.

Si quieres ver cómo es una contratación explicable y con intervención humana dentro de un software, comienza una prueba gratuita de Kit y recorre tú mismo el pipeline con un candidato.