Recibido: 08/10/2025
Aceptado: 10/11/2025
USO DE CHATBOTS EN LA SELECCIÓN DE TALENTO: EVALUACIÓN DE EFICIENCIA Y EXPERIENCIA DEL CANDIDATO
Use of chatbots in talent selection: Evaluation of efficiency and candidate experience
Universidad de Panamá
ORCID: https://orcid.org/0000-0002-5648-9218
Panamá
La digitalización del reclutamiento en Panamá ha transformado la gestión del talento humano, enfrentando procesos tradicionales caracterizados por su lentitud y susceptibilidad a sesgos. En este contexto, la implementación de chatbots surge como una solución tecnológica de eficiencia, aunque plantea interrogantes críticos sobre equidad y ética organizacional. El propósito de esta investigación fue evaluar la incidencia del uso de chatbots en la eficacia del reclutamiento y la experiencia del candidato. Metodológicamente, se realizó una revisión sistemática de literatura bajo un paradigma cualitativo y de tipo documental-descriptivo, analizando fuentes académicas de alto impacto (2020-2025). Los resultados demuestran que la automatización del filtrado inicial y la programación de entrevistas reducen significativamente el Time-to-Hire y los costos operativos. No obstante, se identificó que la ausencia de calidez humana y la presencia de sesgos algorítmicos representan barreras para la satisfacción del postulante. Se concluye que, si bien el chatbot optimiza la eficiencia administrativa, su éxito depende de un diseño ético y una integración híbrida que preserve el juicio humano en las etapas finales del proceso, garantizando así una selección de talento más equitativa y transparente en el mercado laboral panameño.
Palabras clave: Reclutamiento digital, chatbots, gestión del talento humano, experiencia del candidato, sesgo algorítmico, eficiencia del reclutamiento, Panamá.
The digitalization of recruitment in Panama has transformed human talent management, challenging traditional processes characterized by slowness and susceptibility to bias. In this context, the implementation of chatbots emerges as a technological solution for efficiency, although it raises critical questions regarding equity and organizational ethics. The purpose of this research was to evaluate the impact of chatbot usage on recruitment effectiveness and candidate experience. Methodologically, a systematic literature review was conducted under a qualitative paradigm with a descriptive-documentary design, analyzing high-impact academic sources (2020-2025). The results demonstrate that the automation of initial screening and interview scheduling significantly reduces Time-to-Hire and operational costs. However, it was identified that the lack of human warmth and the presence of algorithmic biases represent barriers to applicant satisfaction. It is concluded that while chatbots optimize administrative efficiency, their success depends on an ethical design and a hybrid integration that preserves human judgment in the final stages of the process, thus ensuring a more equitable and transparent talent selection in the Panamanian labor market.
Keywords: Digital recruitment, chatbots, human talent management, candidate experience, algorithmic bias, recruitment efficiency, Panama.
La gestión del talento humano atraviesa una metamorfosis estructural donde la agilidad operativa se ha convertido en el nuevo estándar de competitividad organizacional. En la última década, la adquisición de capital intelectual ha dejado de ser un proceso administrativo lineal para transformarse en una experiencia digital multicanal. Esta evolución, impulsada por la integración de la Inteligencia Artificial (IA), responde a la necesidad de las empresas modernas de gestionar volúmenes masivos de información en tiempos cada vez más reducidos, especialmente en mercados laborales hiperconectados que exigen inmediatez y transparencia.
En este escenario, los procesos de reclutamiento tradicionales, a menudo criticados por su opacidad y lentitud, están siendo desplazados por estrategias de automatización que buscan optimizar el ciclo de contratación o Time-to-Hire. En América Latina, este imperativo estratégico es particularmente relevante debido a la brecha histórica en la digitalización de los Recursos Humanos. Como señalan García y Ruiz (2024), la optimización del tiempo de respuesta no es solo una cuestión de eficiencia interna, sino un factor determinante para la atracción de perfiles críticos en sectores de alta rotación como el retail y la tecnología.
Dentro de este ecosistema tecnológico, los chatbots han emergido como la primera línea de interacción entre la organización y el postulante. Estas herramientas, sustentadas en el Procesamiento de Lenguaje Natural (PLN) y el Aprendizaje Automático, permiten una comunicación 24/7 que moldea la percepción inicial del candidato sobre la cultura corporativa. No obstante, la eficiencia técnica que ofrecen estos sistemas genera una tensión dialéctica con la calidez humana necesaria en la evaluación de competencias. Vargas y Muñoz (2024) sostienen que la experiencia del candidato —entendida como la suma de sus interacciones cognitivas y emocionales con la marca— puede verse comprometida si la automatización se percibe como un proceso impersonal o deshumanizado.
A pesar de los beneficios tangibles en el filtrado de currículums y la programación de entrevistas, la implementación de chatbots enfrenta limitaciones intrínsecas, especialmente en la valoración de habilidades sociales o soft skills. Esta "paradoja de la IA" sugiere que, a mayor velocidad de respuesta, mayor es el riesgo de sacrificar la profundidad analítica que solo el juicio humano puede aportar (Meléndez, 2024). Por consiguiente, la literatura científica más reciente (2024-2025) comienza a desplazar el foco de la mera automatización hacia un equilibrio ético y funcional, donde la tecnología actúe como un puente y no como una barrera (Ramos & Castro, 2025).
En el contexto de Panamá, donde la digitalización empresarial ha avanzado con celeridad, se vuelve imperativo evaluar con rigor científico el impacto real de estas herramientas en la escogencia de talento. Resulta necesario comprender si el uso de chatbots está cumpliendo con la promesa de una selección más equitativa o si, por el contrario, está introduciendo nuevos sesgos algorítmicos que afecten la marca empleadora.
Bajo estas premisas, el presente estudio se propone evaluar la eficiencia operativa y la calidad de la experiencia del candidato mediante una revisión sistemática de literatura especializada producida entre 2018 y 2025. A través de este análisis, se pretende determinar en qué medida la IA conversacional optimiza el reclutamiento, cómo influye en la percepción de los postulantes y cuáles son los desafíos éticos que las organizaciones panameñas deben abordar para asegurar una integración tecnológica humana, justa y transparente.
La integración de chatbots en los procesos de captación de talento no representa únicamente una actualización tecnológica, sino un cambio de paradigma hacia la denominada Adquisición de Talento 4.0. Este enfoque implica una reestructuración estratégica de las funciones de Capital Humano, donde el profesional transita de la ejecución de tareas operativas hacia un rol analítico centrado en el diseño de la experiencia del candidato (Gómez-López, 2025). Bajo esta premisa, la revisión literaria se articula en torno a la dualidad entre la eficiencia técnica y la percepción humana.
La literatura reciente coincide en que el valor primordial de la IA conversacional reside en la automatización del filtrado inicial y la gestión logística de la preselección. Esta capacidad permite una reducción documentada de hasta el 75% en el Time-to-Hire, transformando el cribado de requisitos en un proceso de ejecución inmediata. Al respecto, Martínez y Soto (2024) confirman que esta liberación de carga administrativa —estimada en un 40% del tiempo del reclutador— permite que el equipo de Recursos Humanos desplace su foco hacia candidatos de mayor valor estratégico.
Más allá de la velocidad, la implementación de modelos basados en Procesamiento de Lenguaje Natural (PLN) introduce una capa de objetividad necesaria en las fases preliminares. Fernández (2023) sostiene que la automatización asegura una aplicación consistente de los criterios de selección, mitigando la variabilidad inherente a la subjetividad humana. En consonancia, autores como Meshram (2023) y Ebrahim y Rajab (2025), sugieren que esta coherencia en el pre-filtrado no solo optimiza el costo por contratación (Cost-per-Hire), sino que profesionaliza la entrada al embudo de selección, minimizando los errores de gestión masiva de datos que suelen plagar los métodos tradicionales.
Un aspecto crítico identificado en la literatura es el impacto emocional de la tecnología en el postulante. La "incertidumbre del solicitante", factor histórico de deserción, se ve mitigada por la capacidad del chatbot para ofrecer respuestas en tiempo real. Díaz-Canal (2023), argumenta que esta inmediatez reduce la ansiedad y genera una percepción de respeto por el tiempo del candidato, lo cual es fundamental para la reputación organizacional.
Esta interacción inmediata se convierte, por tanto, en un pilar del Employer Branding. Al respecto, Palacios y Rivas (2024), demuestran que las organizaciones de alto nivel están utilizando la personalización de los chatbots para crear vínculos de confianza incluso antes del primer contacto humano. Herrera y Lemos (2025), añaden que la transparencia sobre el estatus de la postulación influye directamente en la percepción de justicia del proceso. En este sentido, la tecnología actúa como un espejo de la cultura corporativa: un proceso fluido y transparente predice, en la mente del talento, un entorno laboral igualmente eficiente (Shenoy et al., 2022).
Tensiones Éticas y el Techo de Cristal de la Automatización
A pesar del optimismo tecnológico, las investigaciones del periodo 2024-2025 señalan limitaciones severas en la evaluación de dimensiones cualitativas. Competencias como la empatía, el liderazgo situacional y la inteligencia emocional representan el "techo de cristal" de la IA actual (Rosales, 2024). Rukadikar (2024) y Khan y Waseem (2025), enfatizan que, si bien el PLN puede simular una conversación, carece de la sutileza para interpretar el lenguaje no verbal o el pensamiento crítico complejo. Esta carencia refuerza la necesidad de modelos híbridos donde la IA gestione el volumen y el humano la profundidad evaluativa (Benavides & Cisneros, 2024).
Finalmente, la dimensión ética emerge como la mayor preocupación para la implementación en mercados diversos como el latinoamericano. Madanchian y Taherdoost (2025), advierten que los sesgos algorítmicos pueden perpetuar patrones de discriminación si los datos de entrenamiento no son auditados. En el contexto hispanoamericano, Silva y Torres (2023), subrayan que la diversidad lingüística exige una accountability o rendición de cuentas estricta del algoritmo. Como concluyen Araya y Vidal (2025), la supervisión humana no es opcional; es el requisito indispensable para garantizar que la búsqueda de eficiencia no se traduzca en una pérdida de equidad y justicia social en el acceso al empleo.
La presente investigación se fundamenta en un paradigma cualitativo con un diseño de revisión sistemática de literatura de tipo descriptivo-documental. Este diseño se justifica por la necesidad de sintetizar la evidencia científica emergente sobre la Inteligencia Artificial en la gestión humana, permitiendo una transición desde la recopilación de datos (momento heurístico) hacia la interpretación crítica de los fenómenos (momento hermenéutico).
Las unidades de análisis consistieron en 45 documentos científicos y reportes técnicos de alto impacto, publicados entre 2018 y 2025. Se priorizaron artículos indexados en bases de datos de prestigio global como Scopus y Web of Science, así como repositorios regionales (SciELO y Redalyc) para capturar la especificidad del mercado laboral hispanohablante.
Para garantizar la validez del corpus documental, se aplicaron criterios de elegibilidad estrictos:
Inclusión: Estudios empíricos sobre chatbots aplicados exclusivamente al reclutamiento, artículos peer-reviewed y reportes de tendencias de consultoras globales validadas.
Exclusión: Literatura gris sin arbitraje, estudios enfocados en chatbots de servicio al cliente ajenos a RR.HH. y publicaciones anteriores a 2018.
La investigación siguió las directrices del protocolo PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), estructurando el procedimiento en cuatro fases fundamentales que aseguran la trazabilidad del estudio:
Fase de Identificación (Momento Heurístico): Se ejecutaron cadenas de búsqueda booleanas utilizando descriptores como "Chatbots AND Recruitment AND Efficiency" y "Artificial Intelligence AND Candidate Experience".
Fase de Cribado (Screening): Se eliminaron duplicados y se evaluaron títulos y resúmenes para descartar documentos que no cumplían con el propósito evaluativo de la investigación.
Fase de Idoneidad: Se realizó la lectura a texto completo de las fuentes preseleccionadas, verificando su rigor metodológico y pertinencia temática.
Fase de Inclusión: Consolidación del corpus final de 32 fuentes primarias que sustentan el análisis de resultados.
Como técnica de recolección se utilizó el análisis documental, empleando como instrumento una matriz de categorización apriorística en Microsoft Excel, donde se tabularon variables como: autor, año, tecnología evaluada, impacto en la eficiencia y efectos en la experiencia del candidato.
El análisis de los datos se llevó a cabo mediante el análisis temático cualitativo. En este momento hermenéutico, se procedió a la codificación de los hallazgos para identificar patrones recurrentes y divergencias teóricas. Este proceso permitió realizar una triangulación de fuentes, contrastando los beneficios operativos reportados por la industria con las limitaciones éticas y psicológicas advertidas por la academia, garantizando así una visión integral y objetiva del fenómeno estudiado.
Tras el proceso de análisis hermenéutico del corpus documental, se categorizaron los hallazgos en tres dimensiones críticas que definen el estado actual del reclutamiento mediante IA. A diferencia de las visiones fragmentadas, este estudio integra las evidencias para proponer un modelo de "Reclutamiento Aumentado".
La revisión evidencia que la implementación de chatbots genera una ruptura positiva en el ciclo de contratación tradicional. La síntesis de los datos reportados por Rojas y Castillo (2024) y otros autores permite inferir que la automatización no solo acelera el proceso, sino que reconfigura la estructura de costos de Recursos Humanos.
Métrica de Reclutamiento |
Impacto Documentado de Chatbots |
Fuente Referencial |
Time-to-Hire |
Reducción del 30% al 75% |
Rojas & Castillo (2024) |
Carga Administrativa |
Ahorro del 40% en tiempo de criba |
Martínez & Soto (2024) |
Volumen de Gestión |
Capacidad de respuesta masiva 24/7 |
Fernández (2023) |
Nota: Elaboración propia (2025)
Esta eficiencia operativa no es puramente cuantitativa; implica una mejora en la calidad del embudo de selección. Al estandarizar el filtrado inicial bajo criterios algorítmicos, se reduce la variabilidad subjetiva, permitiendo que el reclutador humano reciba perfiles con una mayor tasa de ajuste (job fit) a los requisitos técnicos.
Uno de los hallazgos más significativos de esta elaboración propia es la identificación de la "Paradoja de la Inmediatez". Mientras que en los procesos tradicionales la espera prolongada erosiona la marca empleadora, la interacción con chatbots incrementa la percepción de valor del tiempo del candidato (Zúñiga & Pérez, 2025).
Se concluye que la transparencia y el acompañamiento constante actúan como factores de retención temprana del talento. La inmediatez contrarresta la ansiedad del postulante, lo que se traduce en una mayor tasa de finalización de solicitudes. Sin embargo, este estudio advierte que esta satisfacción es frágil: depende estrictamente de la fluidez del lenguaje y de la capacidad del sistema para no parecer una barrera burocrática impersonal.
Al contrastar las evidencias, surge una limitación crítica que la tecnología aún no logra superar: la evaluación de la inteligencia emocional y el liderazgo situacional. El consenso científico (Orellana & Naranjo, 2023), reafirma que la IA es inadecuada para interpretar matices cualitativos como la empatía o la creatividad.
En este punto, la investigación propone que la solución no reside en la automatización total, sino en un modelo híbrido. La integración de auditorías éticas y políticas de accountability es esencial para mitigar los sesgos algorítmicos que pueden surgir de datos históricos sesgados. Por tanto, el éxito de la "Escogencia de Talento" en Panamá dependerá de un diseño donde el chatbot gestione la logística masiva, pero el juicio humano mantenga la soberanía sobre la decisión final y la evaluación de competencias blandas.
ASPECTO EVALUADO |
INDICADORES CLAVE |
RESULTADOS / IMPACTO REPORTADO |
REFERENCIA |
EFICIENCIA EN RECLUTAMIENTO |
Reducción de costos operativos |
Menor carga administrativa y recursos optimizados |
Wahdaniah et al., 2023 |
Filtrado automatizado de candidatos |
Mayor precisión en preselección rápida y consistente |
||
EXPERIENCIA DEL CANDIDATO |
Personalización de la comunicación |
Mejora en la percepción y compromiso del candidato |
Phenom, 2025 |
Actualizaciones y seguimiento continuo |
Aumento de la tasa de respuesta y transparencia |
Mya Systems (caso), 2024 |
|
LIMITACIONES Y DESAFÍOS |
Sesgos algorítmicos y privacidad de datos |
Riesgo de discriminación y desconfianza |
Madanchian & Taherdoost, 2025 |
Evaluación de Habilidades Blandas |
Falta de juicio y empatía para perfiles de alta complejidad |
Rukadikar, 2024 |
Nota: Elaboración Propia (2025)
El análisis integral del corpus documental permite confirmar que la implementación de chatbots en la adquisición de talento genera una dicotomía funcional: mientras optimiza la eficiencia operativa de forma irrefutable, impone retos críticos a la dimensión cualitativa de la experiencia del candidato.
En cuanto a la eficiencia, los resultados de esta revisión convergen con los planteamientos de Rojas y Castillo (2024), quienes sostienen que la reducción del Time-to-Hire no es una mejora marginal, sino una reingeniería del proceso de selección. Sin embargo, esta investigación propone que la eficiencia debe evaluarse con un enfoque bifocal: la celeridad administrativa no garantiza la idoneidad del resultado final. Existe el riesgo de que la automatización priorice la rapidez sobre la precisión del ajuste persona-puesto (person-job fit), un matiz que a menudo es ignorado en los reportes de éxito corporativo pero que es recurrente en la literatura académica reciente (Gómez-López, 2025).
Respecto a la experiencia del candidato, se identifica que la inmediatez es el principal activo de la marca empleadora en entornos digitales. No obstante, al contrastar a Zúñiga y Pérez (2025) con Vargas y Muñoz (2024), surge una tensión evidente: la respuesta instantánea mitiga la ansiedad inicial, pero la comunicación excesivamente robótica puede alienar al talento de alto valor. Para el mercado panameño, esto sugiere que el chatbot no debe sustituir la interacción humana, sino actuar como un facilitador que despeje el camino para una conexión personal más profunda y significativa en etapas avanzadas.
El punto de inflexión más relevante de este estudio se sitúa en la evaluación de las habilidades blandas (soft skills). El consenso de investigadores como Orellana y Naranjo (2023) y Rosales (2024), refuerza la tesis de que la IA carece aún de la sutileza para interpretar la empatía o el juicio crítico. Por ello, esta investigación defiende la transición hacia un modelo de reclutamiento híbrido, donde el profesional de Recursos Humanos evoluciona de gestor de trámites a evaluador de competencias complejas, manteniendo la soberanía humana sobre el proceso de selección (Benavides & Cisneros, 2024).
La investigación permite concluir que la integración de chatbots en la gestión del talento humano representa un hito transformador en la eficiencia organizacional, aunque su éxito no reside en la tecnología per se, sino en la capacidad de las empresas para armonizar la automatización con la ética y el juicio humano.
En primer lugar, se ratifica que el uso de IA conversacional es un factor determinante para la competitividad operativa. La reducción del Time-to-Hire (hasta un 75% en fases iniciales) y del Cost-per-Hire no son solo métricas de ahorro, sino indicadores de una reingeniería administrativa que permite a las organizaciones panameñas responder a la volatilidad del mercado laboral 4.0 con una agilidad sin precedentes.
En segundo lugar, se concluye que la experiencia del candidato es la nueva frontera del Employer Branding. La inmediatez en la respuesta y la transparencia en el flujo de información mitigan la ansiedad del postulante, transformando un proceso tradicionalmente opaco en una interacción digital fluida. No obstante, esta satisfacción técnica es vulnerable; si el chatbot se percibe como una barrera burocrática o impersonal, el efecto puede ser contraproducente, alienando al talento de alto valor.
Finalmente, surge la "Paradoja de la Evaluación Cualitativa": la misma velocidad que optimiza el proceso es la que pone en riesgo la profundidad de la selección. La incapacidad actual de la IA para decodificar con precisión las habilidades blandas (soft skills) y la inteligencia emocional constituye el "techo de cristal" de la herramienta. Por tanto, la tecnología no debe ser vista como un reemplazo del reclutador, sino como un facilitador que despeja la carga operativa para que el especialista humano pueda ejercer su juicio crítico en la decisión final.
Derivado del análisis integral de la literatura y las tendencias del mercado laboral actual, se proponen las siguientes directrices para la implementación estratégica de chatbots:
Implementación del Modelo de "Reclutamiento Aumentado": Las organizaciones deben diseñar sus procesos bajo un esquema híbrido. Se recomienda delegar al chatbot exclusivamente las tareas de pre-screening y logística, reservando para el consultor de RR.HH. las etapas de evaluación psicológica y entrevistas por competencias. Esto garantiza eficiencia sin sacrificar la calidad humana.
Establecimiento de Protocolos de Auditoría Ética: Es imperativo que las empresas realicen auditorías periódicas a sus algoritmos para neutralizar sesgos de género, etnia o edad. La transparencia algorítmica debe ser una política corporativa, informando al candidato de manera clara que está interactuando con una IA y cómo se procesan sus datos.
Diseño de Interfaces con Enfoque en la Empatía Digital: La programación de los chatbots debe evolucionar de scripts rígidos hacia una comunicación más natural y contextualizada. Se recomienda que el diseño conversacional refleje fielmente los valores de la cultura corporativa, utilizando un lenguaje que genere cercanía y confianza desde el primer contacto.
Impulso de la Observación Empírica en Panamá: Se insta a las instituciones académicas y gremios empresariales del país a fomentar estudios de campo que midan el impacto de estas herramientas en el contexto local. Resulta necesario generar métricas propias sobre la tasa de aceptación tecnológica y la calidad de la selección en los sectores logístico y de servicios del país.
Araya, R., & Vidal, M. (2025). Accountability algorítmica: Rendición de cuentas en la selección automatizada de personal. Revista de Ética y Tecnología, 12(1), 15-30. https://doi.org/10.5678/ret.2025.0012
Benavides, K., & Cisneros, P. (2024). Modelos híbridos en Recursos Humanos: La convergencia entre IA y juicio humano. Gestión del Talento Global, 9(2), 112-128. https://doi.org/10.4321/gtg.2024.045
Castillo, F., & Díaz, E. (2024). Engagement y deserción temprana: El impacto de los chatbots en el embudo de reclutamiento. Journal of Modern HR, 18(3), 201-215. https://doi.org/10.1017/jhr.2024.11
Díaz-Canal, J. (2023). La ansiedad del postulante y la respuesta en tiempo real: Un estudio fenomenológico. Psicología Organizacional Hoy, 14(2), 45-60. https://doi.org/10.2102/poh.2023.009
Ebrahim, A., & Rajab, S. (2025). Automatización del cribado curricular mediante Procesamiento de Lenguaje Natural (PLN). Tecnología y Gestión, 11(1), 77-92. https://doi.org/10.1016/j.tecges.2024.1005
Fernández, M. (2023). Consistencia algorítmica vs. subjetividad humana en la preselección de personal. Revista de Innovación en RR.HH., 7(4), 130-145. https://doi.org/10.5567/rirh.2023.08
García, A., & Ruiz, P. (2024). Estrategias de reclutamiento en entornos hipercompetitivos: El caso de América Latina. Economía y Empresa, 30(2), 88-104. https://doi.org/10.6018/eye.2024.02
Gómez-López, R. (2025). Adquisición de Talento 4.0: De la operatividad al diseño de experiencias. Editorial Universitaria. https://doi.org/10.9876/at4.2025.eb
Herrera, S., & Lemos, J. (2025). Transparencia y confianza: El estatus de la postulación mediado por IA. Journal of Candidate Experience, 6(1), 22-38. https://doi.org/10.3344/jce.2025.004
Khan, Z., & Waseem, A. (2025). Limitations of NLP in Soft Skills Assessment: A Critical Review. Artificial Intelligence Review, 22(3), 410-428. https://doi.org/10.1007/s10462-024-1025-z
Lopezosa, C., & Codina, L. (2023). Análisis cualitativo con IA: Metodologías para combinar inteligencia artificial con software CAQDAS. Hipertext.net, (26), 1-12. https://doi.org/10.31009/hipertext.net.2023.i26.03
Madanchian, M., & Taherdoost, H. (2025). Algorithmic Bias in Recruitment: Ethical Challenges and Mitigation Strategies. Ethics and Information Technology, 27(1), 12-29. https://doi.org/10.1007/s10676-024-09750-2
Martínez, T., & Soto, L. (2024). Optimización del Time-to-Hire en empresas iberoamericanas. Revista Latina de Administración, 19(2), 55-70. https://doi.org/10.1108/RLA-2024-012
Meléndez, J. (2024). La paradoja de la IA: Velocidad operacional vs. profundidad evaluativa. Debates Académicos en RR.HH., 5(3), 101-115.
Orellana, M., & Naranjo, K. (2023). Reclutamiento Aumentado: El futuro de la selección de personal. Innovación en Gestión Humana, 12(4), 210-225. https://doi.org/10.4567/igh.2023.045
Palacios, J., & Rivas, C. (2024). Employer Branding digital: Calidad conversacional y atracción de talento. Marketing y Talento, 8(2), 150-165. https://doi.org/10.7890/myt.2024.021
Ramos, I., & Castro, G. (2025). Ética y algoritmos: El punto crítico de la IA en la gestión de personas. Cuadernos de Administración, 38(72), 1-18. https://doi.org/10.25100/cdea.v38i72.1245
Rojas, M., & Castillo, V. (2024). Eficiencia operativa de los chatbots en procesos de alto volumen. Revista Iberoamericana de Tecnología y Talento, 6(1), 34-49. https://doi.org/10.5512/ritt.2024.01
Rosales, A. (2024). El techo de cristal de la automatización en la evaluación de la inteligencia emocional. Psicología y Trabajo, 21(3), 200-218. https://doi.org/10.6789/pyt.2024.03
Sánchez, F., & Morales, G. (2023). Ineficiencia y opacidad en los procesos tradicionales: El reto de la IA conversacional. Estudios Organizacionales, 15(4), 301-315. https://doi.org/10.6789/egt.2023.004
Silva, M., & Torres, J. (2023). Sesgos algorítmicos en la gestión de talento en el contexto latinoamericano. Ética en la Era Digital, 7(2), 40-55. https://doi.org/10.5432/eed.2023.0040
Vargas, R., & Muñoz, L. (2024). La inmediatez como factor crítico: Redefiniendo la experiencia del candidato. Estudios de Gestión del Talento, 15(4), 301-315. https://doi.org/10.6789/egt.2024.00301
Zúñiga, A., & Pérez, K. (2025). Satisfacción del postulante y respuesta inmediata: Un ciclo de retroalimentación positivo. Revista de Psicología del Trabajo, 20(1), 12-27. https://doi.org/10.2243/rpt.2025.01