La entrevista de fluidez en IA: cómo las empresas evalúan las habilidades de IA en 2026 (y cómo prepararse)

En resumen: La señal de demanda es real y medible. En el informe Future of Jobs 2025 del Foro Económico Mundial, basado en más de 1.000 empleadores que representan a más de 14 millones de trabajadores en 55 economías, dos tercios de los empleadores afirmaron que planean contratar talento con habilidades específicas de IA, y la IA y los grandes datos encabezan la lista de habilidades de crecimiento más rápido. El AI Index de Stanford HAI muestra lo mismo desde el lado de la demanda: las habilidades de IA se mencionan en el 2,5 % de las ofertas de empleo de Estados Unidos, y el grupo de habilidades de IA agéntica creció más de un 280 % en un solo año. Lo que casi ninguna guía profesional explica es cómo esa demanda se convierte en una evaluación, y aquí la evidencia resulta genuinamente sorprendente. Una corrección metaanalítica publicada en 2022 en el Journal of Applied Psychology dio la vuelta al ranking en el que la selección de personal se ha apoyado desde 1998. Las pruebas de muestra de trabajo, tratadas durante mucho tiempo como el patrón oro, cayeron de una validez de 0,54 a 0,33. Las entrevistas estructuradas se convirtieron en el mejor predictor individual, con 0,42. Las entrevistas no estructuradas, todavía el formato más común en la práctica, bajaron a 0,19. Este artículo te da los datos de demanda verificados, la tabla de validez corregida, un análisis original de cuánto se desplazó cada método y un protocolo de preparación de cuatro puertas basado en lo que realmente predice el desempeño y no en lo que suena impresionante.

En algún punto entre el «somos una empresa orientada a la IA» de la oferta y la conversación real con la persona que contrata, algo se pierde. La oferta dice que la fluidez en IA es imprescindible. La entrevista pregunta si has usado ChatGPT. Sales sin idea de qué se estaba midiendo, y a menudo la empresa tampoco la tiene.

No es un problema menor. Es la brecha entre una señal de demanda inusualmente bien documentada y una práctica de evaluación en gran medida sin documentar, improvisada y, según un cuerpo de investigación que la mayoría de los reclutadores nunca ha leído, frecuentemente dirigida a las cosas equivocadas.

El movimiento útil es separar las dos preguntas. ¿Qué sabemos realmente sobre la demanda de habilidades de IA por parte de los empleadores? ¿Y qué sabemos realmente sobre qué métodos de selección predicen si alguien hará bien el trabajo? Ambas tienen respuestas sólidas y públicas. Casi nadie las pone una al lado de la otra.

La señal de demanda, medida como corresponde

El informe Future of Jobs 2025 es la mejor evidencia disponible sobre la intención de los empleadores, porque los encuesta directamente en lugar de inferir a partir de los anuncios de empleo. Su muestra abarca más de 1.000 empleadores que representan a más de 14,1 millones de trabajadores en 22 grupos sectoriales y 55 economías.

Tres de sus hallazgos enmarcan todo lo demás. La mitad de los empleadores planea reorientar su negocio en respuesta a la IA. Dos tercios planean contratar talento con habilidades específicas de IA. Y el 40 % prevé reducir su plantilla allí donde la IA pueda automatizar tareas. Los tres van juntos, y cualquier lectura honesta debe sostenerlos a la vez: la misma transición que crea la demanda de contratación es la que elimina puestos.

En cuanto a habilidades, la IA y los grandes datos encabezan la lista de las de crecimiento más rápido para el periodo 2025-2030, seguidas de redes y ciberseguridad y después alfabetización tecnológica. Pero la habilidad central más buscada no es técnica en absoluto. El pensamiento analítico sigue primero, y siete de cada diez empresas lo consideran esencial. El pensamiento creativo, la resiliencia, la flexibilidad y la agilidad, junto con la curiosidad y el aprendizaje permanente, deberían seguir ganando importancia.

La escala del ajuste queda capturada en una de las imágenes más claras del informe. Si la fuerza laboral mundial fuera de 100 personas, 59 necesitarían formación para 2030. Los empleadores prevén que 29 podrían recualificarse en sus puestos actuales y 19 recualificarse y ser reubicadas en otra parte. Once probablemente no recibirían la formación que necesitan. Ese estrechamiento golpea con más fuerza al inicio de la carrera, algo que examinamos por separado en los datos sobre la desaparición de los puestos júnior.

Mientras tanto, los trabajadores pueden esperar que el 39 % de sus habilidades actuales se transformen o queden obsoletas en el mismo periodo. Esa cifra merece una segunda mirada, porque está bajando en lugar de subir: era del 44 % en la edición de 2023 y del 57 % en 2020. La inestabilidad de habilidades es real, y se está desacelerando.

Los datos del lado de las ofertas del AI Index de Stanford HAI cuentan una historia compatible. Las habilidades de IA aparecen en el 2,5 % de las ofertas de empleo de Estados Unidos, un aumento del 55 % interanual y del 297 % frente a hace una década. El grupo de habilidades de IA agéntica pasó del 0,06 % al 0,23 % de las ofertas en un solo año, un incremento superior al 280 % que representa unas 90.000 ofertas. Singapur, con el 4,7 % de las ofertas, y Hong Kong, con el 3,5 %, van por delante de Estados Unidos en proporción.

Mantén a la vista ese 2,5 %, porque es la cifra que mantiene la honestidad del asunto. Las habilidades de IA son el requisito de crecimiento más rápido del mercado laboral y siguen nombrándose explícitamente en una pequeña minoría de ofertas. Ambas cosas son ciertas.

La parte que nadie cuenta a los candidatos: el marcador cambió

Aquí gira la historia. Los empleadores tienen demanda de habilidades de IA. Para actuar en consecuencia tienen que evaluar a personas. Y la ciencia de la evaluación se reescribió en silencio en 2022 de un modo que apenas ha llegado a la práctica de selección.

Durante veinticinco años, la práctica se apoyó en un metaanálisis de Schmidt y Hunter de 1998 que estableció el ranking canónico de los métodos de selección. En 2022, Sackett, Zhang, Berry y Lievens publicaron en el Journal of Applied Psychology una corrección que mostraba que las correcciones por restricción de rango usadas en la literatura anterior habían producido en general sobrecorrecciones sustanciales. Al recalcular las estimaciones correctamente, el ranking no se desplazó ligeramente. Se reordenó.

Tabla 1: validez corregida de los métodos de selección (verificado, Sackett et al. 2022)

Método de selección	Schmidt y Hunter 1998	Sackett et al. 2022
Entrevistas de empleo (estructuradas)	0,51	0,42
Pruebas de conocimiento del puesto	0,48	0,40
Biodata codificado empíricamente	0,35	0,38
Pruebas de muestra de trabajo	0,54	0,33
Pruebas de aptitud mental general	0,51	0,31
Pruebas de integridad	0,41	0,31
Centros de evaluación	0,37	0,29
Intereses	0,10	0,24
Responsabilidad (global)	0,31	0,21
Entrevistas de empleo (no estructuradas)	0,38	0,19
Experiencia laboral (años)	0,18	0,07

Fuente: Sackett, Zhang, Berry y Lievens, Journal of Applied Psychology, 2022, tal como se presenta en Industrial and Organizational Psychology, 2023. Los valores son estimaciones de validez operativa para predecir el desempeño laboral.

Lee dos veces la última fila. Los años de experiencia, aquello en torno a lo cual se organiza la mayoría de los currículums y lo que más preocupa a la mayoría de los candidatos, tienen una validez operativa de 0,07. Es, con diferencia, el predictor más débil de la tabla.

Para ver el tamaño de la reordenación, la tabla siguiente calcula el desplazamiento. Esta comparación es nuestro propio análisis, obtenido al poner las dos series publicadas de estimaciones una junto a otra y ordenar cada una dentro de los once métodos que aparecen en ambas.

Tabla 2: cuánto se desplazó cada método (marco editorial de CEOtudent, derivado de las dos tablas publicadas)

Método	Puesto 1998	Puesto 2022	Movimiento	Cambio de validez
Biodata codificado empíricamente	8	3	sube 5	+0,03
Intereses	11	8	sube 3	+0,14
Pruebas de conocimiento del puesto	4	2	sube 2	-0,08
Entrevistas estructuradas	2	1	sube 1	-0,09
Pruebas de integridad	5	5	ninguno	-0,10
Centros de evaluación	7	7	ninguno	-0,08
Responsabilidad (global)	9	9	ninguno	-0,10
Experiencia laboral (años)	10	11	baja 1	-0,11
Pruebas de muestra de trabajo	1	4	baja 3	-0,21
Aptitud mental general	2	5	baja 3	-0,20
Entrevistas no estructuradas	6	10	baja 4	-0,19

Los puestos se calculan dentro de los once métodos reportados tanto en 1998 como en 2022. Los valores empatados comparten posición.

Dos resultados importan para quien se prepara para una entrevista en la era de la IA.

Primero, la entrevista estructurada es ahora el mejor predictor individual disponible, y la no estructurada está cerca del fondo. La diferencia no está en las personas ni en la dificultad de las preguntas. Está en si todos los candidatos reciben las mismas preguntas, puntuadas con una rúbrica definida. Misma sala, mismo entrevistador, mismo puesto: la estructura duplica aproximadamente el valor predictivo.

Segundo, la prueba de muestra de trabajo cayó más que cualquier otra cosa en la tabla. Esto resulta incómodo para el momento actual, porque la muestra de trabajo, en forma de tarea para casa o ejercicio en directo, es precisamente el formato al que recurren los empleadores cuando quieren evaluar la fluidez en IA. Sigue prediciendo. Ya no predice mejor que una entrevista estructurada bien construida, y cuesta mucho más tiempo a ambas partes.

Qué significa esto para cómo se evalúa la fluidez en IA

Ahora juntemos las dos mitades. Los empleadores tienen una demanda verificada de habilidades de IA, ningún instrumento establecido para medirlas y un cuerpo de evidencia que dice que lo que hace predictiva a una evaluación es la estructura.

Lo que se sigue de ahí es una afirmación sobre mecánica y no un hallazgo de encuesta, así que lo etiquetamos claramente como nuestro propio marco: un proceso de selección moderno tiene cuatro puertas, cada una puede albergar una prueba de fluidez en IA y cada una recompensa una preparación distinta.

El modelo CEOtudent de las cuatro puertas

Puerta uno, el documento. Tu currículum y tu perfil se leen primero, cada vez más por un modelo de lenguaje y no por un analizador de palabras clave. Esta puerta evalúa si tu uso de la IA se lee como una práctica de trabajo y no como una lista de herramientas. «Familiarizado con ChatGPT» es una lista de herramientas. «Reconstruí nuestro ciclo semanal de informes en torno a un bucle de borrador y verificación asistido por modelo, reduciendo el tiempo de entrega de dos días a tres horas» es una práctica de trabajo. Cómo se comporta realmente este lector lo tratamos en detalle en nuestra guía sobre cómo escribir un currículum cuando lo lee primero una IA.

Puerta dos, la comprobación de conocimientos. Las pruebas de conocimiento del puesto ocupan el segundo lugar en la tabla corregida, con 0,40, y son baratas de administrar, lo que hace probable su expansión. Para la fluidez en IA esto significa preguntas con respuestas correctas: qué es una ventana de contexto y por qué limita el trabajo con documentos largos, por qué un modelo afirma con seguridad un dato falso, qué datos no pueden pegarse en una herramienta de terceros según la política de tu empresa. Esta puerta se puede estudiar, y justamente por eso merece estudiarse.

Puerta tres, la muestra de trabajo. La tarea para casa o el ejercicio en directo. Validez de 0,33 y bajando, pero a los empleadores les sigue encantando, así que te la vas a encontrar. La trampa aquí es específica de la fluidez en IA: el ejercicio normalmente no evalúa si puedes sacarle una respuesta a un modelo. Evalúa si te diste cuenta de que la respuesta era errónea. Hoy cualquiera puede producir resultados. La habilidad escasa y visible es la pasada de verificación.

Puerta cuatro, la entrevista estructurada. El predictor más fuerte, con 0,42, y el lugar donde la fluidez en IA se evalúa peor con más frecuencia, porque la conversación se desvía hacia preferencias de herramientas. Prepárala como cualquier entrevista estructurada: situaciones concretas, tus acciones específicas, resultados medibles. La versión específica de IA de una buena respuesta siempre contiene un juicio. Dónde usaste el modelo, dónde decidiste deliberadamente no usarlo y cómo supiste distinguirlo.

Ese último punto merece llevarse. En las cuatro puertas, lo que se evalúa no es la familiaridad con herramientas. Es un juicio calibrado sobre cuándo la herramienta es fiable, un asunto con su propia literatura de investigación y sus propios modos de fallo, incluida una tendencia bien documentada a aceptar lo primero que dice el modelo. Si quieres la capacidad de fondo en lugar de la táctica de entrevista, empieza por cuándo confiar en las recomendaciones de la IA y cuándo no y sigue con el argumento más amplio de que el juicio se está convirtiendo en la capacidad más escasa de la era de la IA. La distinción entre alfabetización y fluidez real la trazamos en alfabetización en IA frente a fluidez en IA.

Tabla 3: protocolo de preparación por puerta (marco editorial de CEOtudent)

Puerta	Formato	Validez	Qué se evalúa en realidad	Preparación de mayor retorno
1	Cribado documental	no aplica	Si el uso de IA se lee como flujo de trabajo y no como vocabulario	Reescribir dos viñetas como cambio de flujo antes y después, con cifras
2	Comprobación de conocimientos	0,40	Si entiendes los límites del modelo	Aprender límites de contexto, mecánica de alucinaciones y reglas de datos de tu sector
3	Muestra de trabajo	0,33	Si detectas el error	Incorporar un paso de verificación visible en lo que entregues
4	Entrevista estructurada	0,42	Si tu juicio está calibrado	Preparar tres situaciones, una de ellas donde rechazaste la salida de la IA

Qué no hacer

Dos advertencias, ambas fundadas en la evidencia anterior y no en la convención de las columnas de consejos.

No pongas los años de experiencia como tu argumento central. Con una validez operativa de 0,07 son la señal más débil de la tabla, y organizar toda tu propuesta en torno a ellos significa competir en la dimensión que menos predice.

No trates el volumen como estrategia. Si las puertas más fuertes son la entrevista estructurada y la prueba de conocimiento del puesto, y ambas recompensan una preparación específica para un puesto específico, entonces las candidaturas no son unidades intercambiables. Menos candidaturas, mejor preparadas, dominan, y la aritmética empeora cuanto mayor es el grupo de aspirantes.

Preguntas frecuentes

¿Los empleadores evalúan realmente las habilidades de IA o solo aparece en la oferta?
La demanda está verificada: dos tercios de los empleadores del informe Future of Jobs 2025 dijeron que planean contratar talento con habilidades específicas de IA, y la IA y los grandes datos encabezan la lista de habilidades de crecimiento más rápido. Cómo convierte cada empleador eso en una evaluación no está estandarizado ni bien documentado públicamente. Precisamente por eso, prepararse para las cuatro puertas supera a prepararse para un único formato imaginado.

¿Debo mencionar qué herramientas de IA uso?
Menciona el flujo de trabajo, no la herramienta. Los nombres de herramientas envejecen rápido y señalan familiaridad más que capacidad. Un cambio descrito en cómo se hace el trabajo, con una cifra asociada, sobrevive tanto al cribado documental como a la entrevista estructurada.

¿Merece la pena una certificación en IA?
Júzgala por la puerta a la que ayuda. Una certificación que enseñe de verdad limitaciones del modelo, manejo de datos y práctica de verificación alimenta la puerta dos, donde las pruebas de conocimiento están en 0,40. Una certificación que sea un tutorial de herramienta no alimenta nada, porque ninguna puerta de la tabla corregida recompensa por sí sola la familiaridad con herramientas.

¿Y si todavía no tengo experiencia con IA en el trabajo?
El pensamiento analítico sigue siendo la habilidad central más buscada, considerada esencial por siete de cada diez empresas, y un 39 % de transformación de habilidades para 2030 significa que el mercado espera explícitamente que la gente llegue a mitad de la transición. Un solo flujo de trabajo bien documentado que hayas reconstruido, por pequeño que sea, supera cualquier declaración general de entusiasmo.

¿Por qué las entrevistas se sienten tan arbitrarias?
A menudo porque no están estructuradas, lo que tiene una validez operativa de 0,19, cerca del fondo de la tabla corregida. La estructura es la mayor diferencia de calidad entre procesos de selección, y como candidato puedes crearla en parte: pregunta cuáles son los criterios de éxito del puesto y luego responde en función de ellos.

Fuentes

• Foro Económico Mundial, Future of Jobs Report 2025, enero de 2025
• Sackett, Zhang, Berry y Lievens, Revisiting meta-analytic estimates of validity in personnel selection: Addressing systematic overcorrection for restriction of range, Journal of Applied Psychology, 2022
• Sackett, Zhang, Berry y Lievens, Revisiting the design of selection systems in light of new findings regarding the validity of widely used predictors, Industrial and Organizational Psychology, 2023
• Schmidt y Hunter, The validity and utility of selection methods in personnel psychology, Psychological Bulletin, 1998
• Stanford Institute for Human-Centered Artificial Intelligence, AI Index Report, capítulo de mercado laboral elaborado con datos de ofertas de empleo de Lightcast
• Dahlke y Sackett, 2017, y Roth et al., 2003 y 2011, para las diferencias entre subgrupos reportadas junto a la tabla de validez

---

Este contenido fue recopilado con el apoyo de la IA tras una investigación exhaustiva, y luego redactado y preparado para su publicación por el equipo editorial de CEOtudent.

This post is also available in: