El mito de la escasez de talento: por qué al sistema le interesa que sobremos (y cómo el algoritmo nos descarta)

Nos dicen a diario, desde tribunas corporativas e institucionales, que debemos someternos a un ciclo infinito de reskilling (reciclaje profesional) si no queremos que la Inteligencia Artificial nos deje en la calle. Jóvenes altamente cualificados, con expedientes brillantes y competencias actualizadas, lanzan cientos de currículums a las plataformas de contratación y selección, solo para ser descartados en milisegundos por los filtros opacos de los sistemas ATS (Applicant Tracking Systems). De forma paralela, profesionales experimentados ven cómo sus trabajos se devalúan o se fragmentan en microtareas de plataformas bajo la atenta mirada de la gestión algorítmica.

La narrativa hegemónica, profundamente tecno-determinista, insiste en culpar al individuo: si no encuentras tu lugar en el mercado de trabajo es porque no te has adaptado lo suficiente, porque careces de la resiliencia demandada o porque no dominas las últimas digital skills. ¿Pero esto es así, o al menos es todo?

La tesis que aquí defiendo es que la realidad material que experimentamos en las empresas no es un problema de "falta de talento". Las empresas no sufren una sequía de perfiles cualificados; lo que presenciamos es un problema de diseño estructural y de asimetría de poder. La escasez de talento es un mito funcional, una construcción discursiva que oculta cómo el sistema de clasificación algorítmica y la automatización están diseñados para generar un excedente continuo de trabajadores.

El algoritmo se comporta como un portero de discoteca

En la actualidad, la puerta de entrada al mercado laboral está custodiada por líneas de código. En este sentido, los sistemas ATS y los algoritmos de selección basados en IA han asumido el rol de árbitros absolutos de la empleabilidad.

No obstante, como advierte la socióloga Sabine Pfeiffer, las innovaciones tecnológicas no se incorporan a las actividades productivas simplemente porque sean técnicamente viables, sino porque obedecen a lógicas de rentabilidad y control. La automatización de la criba curricular mediante sistemas ATS no busca necesariamente descubrir al candidato idóneo desde una perspectiva humanista, sino abaratar el coste del proceso de selección imponiendo un molde estandarizado y funcional a los intereses corporativos.

En este sentido, informes recientes sobre el mercado de software de selección en 2026 revelan una realidad desoladora: hasta un 80% de los currículums son descartados automáticamente, a menudo no por falta de idoneidad del candidato, sino por simples fallos de "parseo" (lectura de formato) o por una desviación semántica respecto a las palabras clave exigidas por la máquina.

La Organización Internacional del Trabajo (OIT), en su reciente documento de trabajo La IA en la gestión de Recursos Humanos (WP154, 2025), alerta de que estos sistemas frecuentemente operan bajo objetivos reduccionistas, se entrenan con datos de baja calidad o sesgados, y están programados de forma tan opaca que socavan su propia utilidad teórica. Se rechaza a candidatos excepcionales simplemente porque su trayectoria incluye una pausa por cuidados familiares o porque su titulación no coincide exactamente con la taxonomía rígida del algoritmo. Al delegar la criba inicial en una "caja negra", el capital invisibiliza el talento que no se ajusta al molde histórico de éxito de la empresa, molde que tradicionalmente ha estado atravesado por sesgos de género, clase y procedencia.

Este filtro algorítmico no es una disfunción técnica que se arregle con un parche de software; es un mecanismo disciplinario. Cuando los trabajadores interiorizan que su supervivencia material depende de descifrar las reglas ocultas de una máquina de contratación, adaptan su lenguaje, homogeneizan sus trayectorias y aceptan condiciones de entrada más bajas, debilitando su posición negociadora antes incluso de firmar un contrato.

Figura 1. Ilustración de un algoritmo de caja negra bloqueando currículums en una cinta transportadora con visualización de código. Generado con Gemini (Google, 2026)

La población excedente y el paradigma del postrabajo

Para desentrañar esta trampa discursiva de la supuesta "escasez", es imprescindible recuperar la noción sociológica de población excedente —el clásico ejército industrial de reserva conceptualizado por Marx—, magistralmente actualizada por Nick Srnicek y Alex Williams en su obra Inventar el futuro: Poscapitalismo y un mundo sin trabajo (2017). Como advierten estos autores, el capitalismo, por su propia arquitectura inmanente, posee una tendencia ineludible a automatizar procesos para reducir los costes laborales y quebrar el poder de negociación de la fuerza de trabajo.

Hace más de una década, estudios como el de Frey y Osborne (2013) pronosticaban que casi la mitad del empleo estaba en alto riesgo de ser automatizado. Sin embargo, la sociología crítica nos demuestra que el capital no busca necesariamente eliminar al trabajador de forma absoluta, sino precarizarlo y empujarlo hacia los márgenes.

A diferencia de las visiones apocalípticas o ingenuas que pronostican el "fin del trabajo" como un evento repentino provocado por androides, desde la sociología crítica observamos que la automatización bajo lógicas de mercado no elimina mágicamente a los trabajadores. En su lugar, los empuja hacia los márgenes de la estructura ocupacional. Esta población excedente no es un fallo o un daño colateral del sistema, es una característica central de su diseño.

El General Intellect capturado y la asimetría de poder

La asimetría de poder entre el capital y el trabajo se manifiesta en este escenario en toda su crudeza material. Si lo analizamos estrictamente desde el nivel de desarrollo de las fuerzas productivas, la humanidad posee hoy una base tecnológica (Big Data, robótica avanzada, Inteligencia Artificial generativa) que permitiría liberar al ser humano de la inmensa mayoría del trabajo penoso y rutinario. Tecnológicamente, podríamos estar a las puertas de ese "reino de la libertad", apoyados en el conocimiento social acumulado (General Intellect) a lo largo de generaciones.

Sin embargo, la realidad social en la actualidad dicta un rumbo radicalmente opuesto. Las tecnologías de la Cuarta Revolución Industrial no se están desplegando para emancipar a la sociedad, sino para subsumir el trabajo vivo y someterlo a una vigilancia milimétrica de los algoritmos. El capitalismo de plataformas extrae nuestro conocimiento social (los datos que generamos al trabajar, al comunicarnos, al resolver problemas), lo procesa en infraestructuras privadas y nos lo devuelve en forma de "cajas negras". Estas plataformas fragmentan la jornada laboral, ocultan las lógicas de las decisiones de contratación y diluyen la responsabilidad patronal tras la excusa de que "el algoritmo lo ha decidido así".

Hacia una infraestructura pública para el trabajo decente

Cualquier análisis riguroso, alejado de posiciones neoluditas, exige reconocer el problema logístico subyacente. Los defensores de los sistemas ATS y del filtrado algorítmico exponen un argumento empírico sólido: la democratización digital ha provocado que una sola oferta de empleo reciba miles de candidaturas desde cualquier parte del mundo. Un departamento de Recursos Humanos tradicional, compuesto por personas, sufriría un colapso cognitivo y operativo inmediato si tuviera que analizar cada currículum de manera manual, exhaustiva y cualitativa. Desde esta óptica técnica, el algoritmo aporta una eficiencia indiscutible que agiliza el mercado y permite procesar volúmenes de datos que superan la capacidad humana.

No obstante, el problema surge al confundir la eficiencia logística de la máquina con la justicia distributiva. La paradoja de este modelo a gran escala radica en que, para gestionar la abundancia de candidaturas, el sistema aplica métricas de estandarización brutales. La eficiencia se logra a costa de homogeneizar el talento. Al penalizar sistemáticamente la anomalía (un hueco en la vida laboral, una transición de carrera atípica o un formato creativo), el algoritmo institucionaliza una exclusión estructural. Resuelve el embudo burocrático de la empresa, sí, pero lo hace despojando al proceso de su dimensión ética, descartando perfiles inmensamente valiosos que no encajan en un modelo estadístico entrenado con los prejuicios del pasado basado en el género, la edad, la procedencia geográfica o cultural, etc. de los candidatos.

Si asumimos que la técnica es política sedimentada, nuestro imperativo inmediato es repolitizar el desarrollo tecnológico. Autores como Srnicek y Williams (2017), arrancando de una tradición de pensamiento anterior, proponen una sociedad basada en el postrabajo no como una utopía, sino como un programa político pragmático y urgente frente a la barbarie de la precarización contemporánea. Este marco de acción exige poner en el centro al ser humano, cubriendo sus necesidades materiales básicas, y desacoplando esto de la obligación coercitiva de vender su fuerza de trabajo en mercados dominados por monopolios algorítmicos.

El camino hacia una transición digital justa y democrática debería asentarse sobre tres pilares innegociables:

1. Implementación de una Renta Básica Universal, un suelo material que desactive el chantaje de la supervivencia y devuelva a la ciudadanía la libertad real para rechazar empleos algorítmicamente degradados.
2. Reducción drástica de la jornada laboral sin pérdida salarial, capitalizando los masivos incrementos de productividad generados por la IA para redistribuir el empleo existente y ampliar el tiempo dedicado a los cuidados, la política y el ocio.
3. Recuperación del control democrático sobre el diseño algorítmico, garantizando la transparencia frente a las cajas negras en la selección y evaluación de personal, asegurando que la IA complemente las capacidades humanas en lugar de subsumirlas

Figura 2. Infografía sobre los tres pilares de una transición digital justa. Generado con Gemini (Google, 2026)

Solo arrebatando el timón de la automatización a las lógicas de extracción corporativa lograremos que la tecnología deje de operar como una fábrica inagotable de población excedente. El conocimiento cristalizado en la Inteligencia Artificial debe retornar a sus legítimos creadores, la sociedad, convirtiéndose finalmente en una infraestructura pública orientada a sostener la vida, la salud y el trabajo decente. ¿Estaremos a la altura del desafío para reclamar la agencia sobre nuestro propio futuro laboral?

Si crees que necesitamos un futuro del trabajo más justo, comparte este artículo en tus redes profesionales. También te animamos a visitar otros artículos relacionados donde profundizamos en temáticas clave para profesionales, líderes y académicos interesados en la transformación del trabajo. Y si quieres seguir profundizando en cómo la tecnología está reescribiendo las reglas del juego laboral, suscríbete al blog. Aquí, las personas siempre van antes que el código.

Para saber más...

Frey, C. B., & Osborne, M. A. (2013). The future of employment: How susceptible are jobs to computerisation? Technological Forecasting and Social Change, 114, 254-280.

Pasquale, F. (2015). The Black Box Society: The Secret Algorithms That Control Money and Information. Harvard University Press.

Pfeiffer, S. (2016). Robots, Industry 4.0 and Humans, or Why Assembly Work Is More than Routine Work. Societies, 6(2), 16.

Srnicek, N. (2018). Capitalismo de plataformas. Caja Negra Editora.

Srnicek, N., & Williams, A. (2017). Inventar el futuro: Poscapitalismo y un mundo sin trabajo. Malpaso Ediciones.