Eduardo Marín, Gerente General de Trabajando.com
PONENTE: Eduardo Marín
Ingeniero Comercial, MBA | Más de 20 años de experiencia en gestión de personas y desarrollo organizacional | Gerente General de Trabajando.com
Conferencia: IA y atracción y selección de talento.
Marín llegó a la gerencia general de Trabajando.com hace un año y medio, tras una carrera hecha casi por completo en gestión de personas, no en tecnología. Lo dijo él mismo como una ironía: en una empresa de tecnología, quien lidera no viene del mundo tech. Su argumento es que eso importa, porque la tecnología es un medio, y las personas van bastante más allá de cualquier plataforma que las administre.
Repasó la evolución del reclutamiento en Chile en pocos minutos: avisos impresos en los años 50 y 80, con criterios de selección apoyados en la subjetividad del reclutador; el nacimiento de las bolsas de empleo online entre los 90 y 2000, Trabajando.com nació en 1999, dijo, como una de las primeras «hunter-tech» del país; la llegada de redes sociales y entrevistas por video en los 2010; el impulso al trabajo remoto y los primeros chatbots tras la pandemia; y, entre 2024 y 2026, la irrupción de la IA generativa y agéntica, con reclutamiento autónomo, screening contextual y orquestación completa del proceso. En síntesis: de un proceso manual a un ecosistema continuo, orquestado y basado en datos.
LOS DESAFÍOS QUE NO SE RESUELVEN SOLOS
Marín entregó cifras para retratar el problema actual. Cerca de un 63% de los reclutadores identifica la capacidad de incorporar nuevas habilidades como la principal barrera de transformación organizacional. Entre un 40% y un 60% de los candidatos abandona un proceso de selección cuando lo percibe demasiado lento, considerando que un proceso de contratación completo demora en promedio más de 60 días. A nivel global, proyectó que hacia 2030 se crearán del orden de 170 millones de empleos nuevos, pero se destruirán unos 90 millones, dejando un saldo neto de 78 millones; y estimó que cerca del 40% de las habilidades de la fuerza laboral actual va a cambiar antes de esa fecha.
LO QUE DE VERDAD BUSCAN LOS JÓVENES
Trabajando.com hizo un estudio propio sobre talento joven que, según Marín, rompió algunos supuestos instalados. Se suele asumir que esta generación prioriza propósito por sobre lo material; el estudio mostró que el factor principal para elegir un trabajo fueron los bonos e incentivos monetarios, seguidos de capacitación continua y horario flexible. Y para decidir permanecer en una organización, el salario justo y coherente pesó más del doble que cualquier otro factor un 81%, según los datos que presentó. Marín conectó esto con una realidad económica concreta: hoy muchos jóvenes no acceden a comprar una vivienda ni a formar una familia con la facilidad de generaciones anteriores, lo que empuja el criterio de elección hacia lo pragmático.
Un segundo dato que a Marín le generó satisfacción: los jóvenes siguen señalando a las plataformas de empleo como su principal canal de búsqueda de trabajo, por delante de redes sociales y recomendaciones de conocidos.
MARCA EMPLEADORA Y EXPERIENCIA DEL CANDIDATO
Marín insistió en que la marca empleadora no se puede delegar por completo a un proveedor ni siquiera a uno como Trabajando.com. Contó que es habitual recibir clientes que se quejan de baja convocatoria en un aviso, mientras un competidor del mismo rubro, en la misma plataforma, convoca mucho más: cómo el mercado percibe a esa marca como empleador.
Sobre la experiencia del candidato, citó que cerca de un 56% de los postulantes pierde interés cuando el proceso se extiende demasiado. Añadió otras palancas que toman fuerza: contratación basada en habilidades más que en títulos profesionales específicos, programas de referidos internos Trabajando.com lanzó hace dos años un «portal del colaborador» pensado justamente para formalizar esa vía y flexibilidad laboral, que pasó de ser un beneficio adicional a una condición que algunos candidatos exigen para empezar recién a considerar una oferta.
También describió los verticales que la plataforma desarrolla para segmentos con mayor dificultad de acceso al mercado laboral: mujeres STEM, «Trabajando Pro» para mayores de 50 años y «Trabajando Starter» para cargos de entrada. Sobre este último mencionó una paradoja que calificó de central: mientras las empresas dicen no encontrar talento, los cargos de entrada para jóvenes registran cerca de un 24% de desempleo.
KPI QUE DEBERÍAN MIRAR LOS EQUIPOS DE SELECCIÓN
Marín propuso un set de métricas concretas: visualizaciones por aviso y su conversión a postulación, ratio de aceptación de oferta (cuántas personas seleccionadas efectivamente aceptan), tiempo y costo de contratación, calidad de la contratación evaluada con seguimiento posterior, algo que dijo se hace poco y tasa de retención, siempre comparada contra datos comparables del mismo rubro y segmento.
DÓNDE AYUDA LA IA Y DÓNDE NO DEBE DECIDIR SOLA
El centro de la charla fue una distinción que Marín insistió en marcar con cuidado: IA generativa, la que depende de que una persona le dé instrucciones, un prompt, y devuelve una respuesta, versus IA agéntica, que opera de forma autónoma a partir de objetivos generales y ya no requiere intervención humana en cada paso. Ahí, dijo, está el verdadero riesgo para los procesos de selección.
Repasó categorías donde la IA ya está instalada con distinto nivel de madurez: módulos de screening y ranking integrados en los ATS, entrevistas por video con análisis automatizado, evaluaciones y pruebas gamificadas, y plataformas de reclutamiento más integrales. Advirtió, eso sí, que muchos proveedores hoy construyen estas soluciones sobre modelos de código abierto sin ninguna garantía real de estar libres de sesgo, y contó que Trabajando.com desarrolló su propio proyecto de IA trabajando junto al Instituto Milenio de los Datos, Google y la Escuela de Gobierno de la Universidad Adolfo Ibáñez, precisamente para intentar entrenar los algoritmos evitando que repitan los sesgos humanos que buscan corregir.
Sobre los riesgos de delegar el proceso completo a la IA, fue específico: la responsabilidad legal final siempre recae en la empresa, no en el proveedor de la tecnología; las decisiones de estos sistemas suelen ser poco explicables; un sesgo no corregido puede discriminar a gran escala, no a una sola persona; y hay una pérdida de calidad humana y de capacidad para evaluar el ajuste cultural que, según Marín, ninguna herramienta actual logra suplir.
Como antecedente histórico, mencionó el caso de Amazon, que tuvo que dar de baja un sistema de selección algorítmica por sesgo de género, y un estudio de Stanford, realizado entre 2025 y 2026, que según describió, encontró que más del 25% de los postulantes afrodescendientes resultaban afectados negativamente por sesgos del algoritmo evaluado.
EL MARCO REGULATORIO QUE SE VIENE
Marín repasó el estado regulatorio internacional: la ciudad de Nueva York ya exige auditorías anuales de sesgo a las herramientas de selección con IA, y la Unión Europea clasificó la selección de personas mediante IA como un sistema de alto riesgo, lo que exige evaluación de riesgo, documentación técnica, auditoría de sesgos, supervisión humana y derecho del candidato a una explicación. En Chile, dijo, existe un proyecto de ley sobre IA en discusión en el Senado, y ya está en vigencia —a partir de diciembre— la Ley 21.719 de protección de datos personales, que regula cómo las empresas administran los datos tanto de clientes como de sus propios trabajadores, incluyendo el derecho de las personas a solicitar la eliminación de sus datos.
UN MODELO HÍBRIDO: LA IA ADMINISTRA VOLUMEN, LAS PERSONAS DECIDEN
Marín cerró con una propuesta de diseño concreta. La IA debería encargarse del reclutamiento de alto volumen, el screening inicial, el agendamiento y la comunicación rutinaria con candidatos. Las personas, en cambio, deberían conservar el juicio final en las entrevistas decisivas, la evaluación del ajuste cultural y la oferta final. Y cada etapa del proceso debería tener puntos de control humano explícitos, con la potestad real de anular una recomendación de la IA, no solo de firmarla como trámite.
Propuso una hoja de ruta corta para equipos de selección: partir con un diagnóstico de en qué etapas del embudo la IA agrega más valor y en cuáles presenta más riesgo; auditar sesgos desde el primer día, sin esperar a que la regulación obligue a hacerlo; mantener supervisión humana con capacidad de veto; medir el impacto con KPI de negocio, no solo de proceso; e invertir en personas, no solo en tecnología, porque es común que un equipo reclame falta de talento y al mismo tiempo objete el costo de mejorar su propio proceso de selección.
«Si mañana un candidato pregunta por qué la rechazó, ¿podríamos responderle con evidencia?» Eduardo Marín
Continúa leyendo la serie
Artículo 1: Seminario de Atracción y Selección de Talento 2026
Artículo 2: Rol estratégico de atracción y selección — Eduardo Barros
