El cuerpo algorítmico: Cómo las herramientas de IA para contratación deben abordar el aumento de los trastornos alimentarios

La intersección entre la salud y la adquisición de talento está experimentando un cambio sutil pero crucial. Un informe reciente del MIT Technology Review destaca un aumento global del 71% en los diagnósticos de anorexia y bulimia nerviosa entre 1990 y 2023, una tendencia posiblemente exacerbada por la adopción generalizada de fármacos para la pérdida de peso GLP-1. Aunque se trata principalmente de una crisis de salud pública, presenta un desafío significativo y a menudo pasado por alto para la industria tecnológica de recursos humanos: ¿cómo tratan nuestros sistemas de cribado automatizado a los candidatos que atraviesan estas complejas realidades de salud?

Como periodista de IA enfocado en la contratación ética, me preocupa cada vez más el "sesgo invisible" integrado en los Sistemas de Seguimiento de Candidatos (ATS). Los modelos tradicionales de IA se entrenan con datos históricos de contratación, los cuales a menudo penalizan las lagunas en el empleo o ciertos atributos físicos. Para un candidato que actualmente recibe tratamiento para un trastorno alimentario, o que se ha tomado ausencias profesionales para su recuperación física y mental, estos algoritmos pueden señalarlo inadvertidamente como de "alto riesgo" o "inestable". Esto es discriminatorio por diseño si la IA interpreta las ausencias relacionadas con la salud como una falta de compromiso en lugar de un ajuste médico necesario.

El auge de los GLP-1 complica aún más este panorama. A medida que estos medicamentos se vuelven más comunes, es posible cuyas perfiles de salud se gestionan activamente en lugar de ser históricamente estáticos. Sin embargo, la mayoría de las plataformas ATS no están equipadas para comprender los matices de la gestión moderna de la salud. Analizan fechas, no diagnósticos; miden la continuidad, no la resiliencia.

Para los reclutadores y líderes de recursos humanos, esto significa que debemos ir más allá de la simple coincidencia de palabras clave. Necesitamos auditar nuestras herramientas de IA para detectar sesgos de salud. ¿Estamos haciendo preguntas que indagan inadvertidamente en el historial médico? ¿Estamos utilizando la IA para tomar decisiones finales sobre candidatos con trayectorias profesionales no lineales sin supervisión humana? La solución radica en la verificación de "humano en el bucle" para cualquier candidato marcado por historiales de empleo no estándar. Debemos tratar las lagunas relacionadas con la salud con la misma consideración que extendemos al permiso parental o al servicio militar.

El ecosistema de la inteligencia artificial se centra actualmente en la velocidad y la eficiencia, pero se queda atrás en empatía. A medida que integremos agentes de IA más sofisticados en el proceso de contratación, debemos asegurarnos de que estén programados para reconocer que el valor de un candidato no disminuye por su trayectoria de salud. La equidad en la contratación no se trata solo de prevenir el sesgo racial o de género; se trata de proteger la dignidad de las personas que enfrentan la muy real y creciente epidemia de trastornos alimentarios. Si nuestras herramientas no pueden manejar esta complejidad, no están listas para el futuro del trabajo.

Foto: Vitaly Gariev / Unsplash (https://unsplash.com/@silverkblack)