La noticia: un juez de California deja avanzar la demanda por sesgo algorítmico contra Workday
El 22 de junio de 2026, la jueza federal Rita F. Lin, de la Corte del Distrito Norte de California, rechazó la mayoría de los intentos de Workday de que se desestimara la demanda colectiva presentada por Derek Mobley, un candidato afroamericano, mayor de 40 años y con antecedentes de ansiedad y depresión, quien fue rechazado en más de 100 postulaciones a empleos que usaban las herramientas de screening de Workday. La resolución permite que sigan adelante los reclamos por discriminación bajo la ley californiana FEHA y bajo la ADA (ley federal de discapacidad), aunque descartó por temas procesales el reclamo específico de impacto dispar por raza y la tesis de que Workday responde como “empleador” directo.
Lo relevante no es solo el resultado puntual, sino a quién apunta: Mobley vs. Workday es el primer caso de este tipo en Estados Unidos donde un tribunal habilita que una demanda por sesgo en la contratación, avance directamente contra el proveedor de la tecnología de screening y no solo contra las empresas que la usaron para filtrar candidatos. El caso sigue en curso, con una resolución de fondo esperada para lo que resta de 2026 y ha sido cubierto ampliamente por medios especializados como HR Dive y HR Executive, además de figurar en el propio repositorio de litigios de la EEOC (Comisión de Igualdad de Oportunidades en el Empleo de EE.UU.).
Qué cambia para los equipos de reclutamiento y selección
Aunque el fallo es de un tribunal estadounidense y aplica leyes locales (FEHA, ADA), su lógica de fondo importa a cualquier reclutador que hoy usa, o está evaluando usar, herramientas de IA para filtrar CVs o rankear candidatos, también en Chile y Latinoamérica. La señal central es esta: la responsabilidad ya no se limita a “qué empresa contrató”, sino también a “qué sistema decidió y con qué criterios”. Eso obliga a repensar al menos tres decisiones concretas que un equipo de RRHH toma todas las semanas.
La primera es la trazabilidad: si un sistema de IA descarta automáticamente a un candidato, el equipo de selección debe poder explicar, con datos concretos, por qué ese perfil quedó fuera. Un ranking o filtro que funciona como “caja negra”, sin criterios documentados ni forma de auditarlos, es exactamente el tipo de diseño que quedó expuesto en el caso Mobley. La segunda es la supervisión humana real: no basta con que un reclutador “pueda” revisar las decisiones del sistema, sino que debe hacerlo de forma activa antes de que un descarte sea definitivo, sobre todo en las etapas más tempranas del embudo, donde más candidatos quedan fuera sin haber tenido contacto humano. La tercera es la debida diligencia sobre los propios proveedores de tecnología: antes de sumar una herramienta de IA al proceso de selección, vale la pena preguntar explícitamente cómo fue entrenado el modelo, qué variables usa para evaluar a una persona y qué mecanismos de auditoría o apelación existen si un candidato reclama.
Ninguno de estos puntos es una razón para abandonar la automatización del reclutamiento; el propio caso confirma que la tendencia (más IA gestionando el embudo de postulantes) es imparable. Pero sí marca una diferencia clara entre herramientas que reemplazan el criterio humano de forma opaca y herramientas que lo apoyan dejando registro de cada paso, con el reclutador tomando la decisión final sobre cada candidato.
Cómo se relaciona esto con IntelCV
En IntelCV diseñamos el proceso justamente para que la IA acelere las tareas repetitivas del reclutamiento (recepción y filtrado inicial de CVs, aplicación de tests, coordinación de entrevistas) sin quitarle al reclutador el control sobre las decisiones que importan: cada candidato llega con un informe completo para que sea el equipo de selección, y no un algoritmo a ciegas, quien decida quién avanza. Si quieres ver cómo funciona esa combinación de automatización con criterio humano en tu propio proceso, puedes revisar el detalle en nuestros servicios o escribirnos directamente a través de contacto.