Entrenar entrevistas con IA, sin reemplazar al humano que decide
Síntesis
· 3 min de lectura
- Entrenar entrevistas con un modelo de lenguaje grande (LLM) es útil como simulacro para practicar preguntas y escuchar respuestas coherentes, ofreciendo disponibilidad y consistencia.
- Un estudio con estudiantes de medicina demostró que los LLM son una herramienta eficaz para el entrenamiento, destacando la calidad de la conversación y la ventaja de estar disponible y no cambiar el cuadro clínico, aunque no reemplazan la interacción humana.
- Los LLM funcionan como un sparring para practicar la pauta de entrevista estructurada y calibrar la repregunta, pero no deben usarse para puntuar postulantes, detectar mentiras o cerrar posiciones críticas.
- Para evitar contaminar el proceso real, el entrenamiento con IA debe realizarse en una sala de práctica separada, utilizando pautas reales, con un debrief humano y sin que las notas del modelo se incorporen al expediente del candidato.
- La consistencia en la presentación de síntomas es un beneficio del simulacro con IA, pero el juicio sobre la vida laboral de un candidato y la presencia social requieren la intervención de una persona.
Este análisis es para ti si
- Usted busca comprender cómo las herramientas de inteligencia artificial pueden optimizar la fase de entrenamiento en procesos de selección sin comprometer la calidad de la decisión final.
- Usted necesita implementar metodologías para capacitar a su equipo de reclutamiento en la aplicación de pautas de entrevista estructuradas, aprovechando la eficiencia de la tecnología.
- Usted evalúa la incorporación de nuevas tecnologías en la gestión de talento y requiere discernir entre los usos beneficiosos de la IA para la práctica y sus limitaciones en la toma de decisiones críticas de contratación.
Generada con IA y revisada por Francisco Fernández.
Me han vendido, este año, «entrevistador con IA, 24/7, mismo criterio». Parte de esa frase es un ensayo útil. La última —mismo criterio, decidiendo— es el salto que Hryszko y colegas no dan.
Entrenar entrevistas con un LLM es usar un modelo de lenguaje como simulacro: el estudiante (o el reclutador) practica preguntas, escucha respuestas coherentes, repite. Jarosław Hryszko, Artur Michałek y Adam Roman (2026), en BMC Medical Education, lo probaron con estudiantes de medicina: modelos comerciales, fine-tuning QLoRA, una web app, entrevistas en profundidad con los alumnos. La conversación les pareció buena. La disponibilidad, un lujo. La consistencia de síntomas, mejor que el compañero que improvisa. Y, en la misma frase: no reemplaza la interacción con un paciente real.
Traducción a talento: ensaya la pauta estructurada. No dejes que el simulacro firme la terna. Lo que el modelo no lee —empatía, cuerpo— va en la siguiente columna.
En síntesis
- LLM = sparring de horario y consistencia, no juez.
- El paper es educación médica, no un ATS. La analogía es de uso, no de validez de hiring.
- Role-play humano sigue siendo el techo; el modelo, el piso de práctica.
- En selección: practica repregunta; puntúa gente de carne.
- Cargo crítico: evaluación, no un chat.
Lo que los estudiantes sí dijeron
El entrenamiento clásico (pares, pacientes estandarizados) exige agenda y dinero. El LLM recorta eso. Los alumnos subrayaron:
- Calidad de conversación «buena».
- Ventaja vs métodos tradicionales: estar disponible y no cambiar el cuadro clínico a cada rato.
- Límite explícito: hace falta la persona.
Eso es un ensayo, no un meta de validez predictiva. No cites este DOI para «la IA entrevista mejor».
| Uso | Encaja | No encaja |
|---|---|---|
| Practicar la pauta BEI/STAR | Sí | Puntuar al postulante |
| Calibrar repregunta | Sí | Detectar mentira o «fit cultural» |
| Onboarding de entrevistadores | Sí | Cerrar una gerencia |
Figura 1. El modelo aguanta las 2 a.m. El juez, no. Separar ensayo de decisión es el diseño, no un slogan.
Cómo entrenar sin contaminar el proceso real
- Sala de práctica, no de proceso. El candidato nunca habla con el bot de entrenamiento.
- Pauta real. El creador BEI/STAR y el scorecard son el temario.
- Debrief humano. Un par revisa si te desviaste a rapport (Rao).
- Cero notas del modelo al expediente. Si el LLM resume, es borrador. La firma es tuya.
- Finalistas: persona. Presencia social (Gao) y juicio. El trial Pro arma el instrumento; el cierre, un humano.
Cuando el vendor venda «entrevistador 24/7»
Análisis de IA en selección, sin relleno.
Figura 2. La consistencia es el plus del simulacro. El juicio sobre una vida laboral no se simula.
Fuente y derechos
Hryszko, J., Michałek, A. y Roman, A. (2026). Application of large language models in medical interview training: a study with medical students. BMC Medical Education, 26, 586. https://doi.org/10.1186/s12909-026-08819-2
Estudio de formación médica. No es validación de un entrevistador automático de candidatos.
© Obrii. Contenido original. Reproducción no autorizada.
Lo que más nos preguntan
Respuestas breves a las dudas que más aparecen sobre este tema.
- ¿Se puede entrenar entrevistas con inteligencia artificial?
- Sí, como complemento. Hryszko, Michałek y Roman (2026) afinaron LLM y armaron una app para que estudiantes de medicina practicaran entrevistas. Valoraron disponibilidad y consistencia de síntomas. Recalcaron que no sustituye al paciente real ni al estandarizado.
- ¿Eso autoriza a entrevistar candidatos con un chatbot?
- No. El paper es formación clínica simulada, no selección laboral. El mecanismo útil es consistencia y repetición. El mecanismo prohibido es dejar que el modelo sea juez de un finalista. Evaluación humana; IA para ensayar.
- ¿Qué ventaja tiene el LLM frente al role-play entre pares?
- Horario, menos coordinación, menos costo que un paciente estandarizado, y un retrato de síntomas más estable entre prácticas. La desventaja: no hay cuerpo, no hay empatía plena, no hay riesgo real de dañar a alguien. Por eso es ensayo.
- ¿Cómo usarlo en un equipo de reclutamiento?
- Para que el entrevistador practique la pauta BEI/STAR, repregunte y no se desvíe. No para puntuar al candidato. El scorecard lo llena un humano. Guía en /recursos.
- ¿La consistencia del modelo es un plus en hiring?
- En entrenamiento, sí: el «paciente» no cambia el relato a cada rato. En hiring, un candidato no es un dataset. La consistencia que importa es la de la pauta humana, no la del bot.
- ¿Dónde cierra Obrii?
- Trial para armar pauta y pruebas. En cargo crítico, [evaluación psicolaboral](/servicios/evaluacion-psicolaboral) con entrevista humana de finalistas — no un LLM como árbitro.