Un artículo de análisis publicado en el blog placementist desmonta el pánico generado en redes y prensa a partir del estudio de Stanford "Algorithmic Monocultures in Hiring" (FAccT 2026), que analiza datos de la herramienta de selección pymetrics —no de la "contratación con IA" en general— con 4,2 millones de solicitudes, 3,4 millones de candidatos y 156 empresas. El hallazgo central, válido, es que auditorías agrupadas por empresa pueden pasar el control de impacto adverso mientras un análisis por puesto revela discriminación: en 1.746 puestos, un 11 % perjudicaba a solicitantes negros (10,6 % tras corrección estadística) y cerca de una cuarta parte de las candidaturas negras recaían en esos puestos. El autor subraya que pymetrics entrena con empleados actuales como ejemplos "buenos" y perfiles aleatorios como "malos", sin evidencia de que prediga rendimiento. Los propios autores reconocen que la "monocultura" algorítmica —ser rechazado por el mismo modelo en muchas empresas— aparece en "raras instancias" porque el 84 % de los candidatos solo solicitó un puesto y solo el 0,02 % solicitó diez. El estudio, además, no evaluó HireVue, citado como contexto. El texto también señala una cuestión de gobernanza de datos: el dato racial autod Declarado lo facilitaron los candidatos al proveedor, no procede de los ficheros EEO-1 oficiales, separados por ley.
Noticias agregadas con IA