La adopción de modelos de lenguaje de gran escala (LLM) en los procesos de selección técnica ha generado un nuevo obstáculo económico para los candidatos, quienes deben asumir el costo de suscripciones o créditos API para demostrar su competencia. Este artículo analiza cómo esta exigencia, que no existe en otros sectores, puede desfavorecer a profesionales sin ingresos que buscan empleo, convirtiendo la capacidad de pagar por herramientas de IA en un factor discriminatorio en la búsqueda de trabajo.
El autor, quien ocupa el cargo de Head of Engineering, argumenta que la meritocracia técnica es insuficiente y que la energía y la capacidad de trabajo son igual o más importantes que las habilidades puras. Sin embargo, señala que la introducción de la IA en las pruebas técnicas plantea dilemas éticos y prácticos. Las opciones tradicionales, como proporcionar cuentas corporativas o reembolsar gastos, presentan riesgos de responsabilidad legal y complejidad financiera.
Para mitigar este impacto, el texto propone estrategias de proceso que minimicen el costo para el candidato: retrasar las pruebas técnicas hasta que se haya establecido un interés genuino, reducir la complejidad de los desafíos a niveles que funcionen con planes gratuitos o básicos, y preferir sesiones en vivo donde la IA se ejecute en la infraestructura de la empresa. Además, se sugiere reducir el peso de la revisión de código en favor de conversaciones sobre arquitectura y toma de decisiones, ya que la IA puede generar código, pero no razonamiento crítico. El objetivo final es equilibrar la necesidad de evaluar competencias técnicas con la equidad económica en la contratación.