¿Los ATS rechazan el 75% de los CV? Lo más antiguo que hallamos

Las fuentes más antiguas que encontramos de la afirmación de que los sistemas de seguimiento de candidatos (ATS) rechazan el 75% de los currículums antes de que los vea una persona son dos artículos de marzo de 2012. Los dos le atribuyen una cifra del 75% a una misma empresa, Preptel, que vendía una herramienta de optimización de currículums, y ninguno dice cómo se obtuvo el número. El software de contratación sí rechaza a algunos candidatos, mediante preguntas eliminatorias (knockout questions) y reglas de rechazo automático que definen los empleadores, y varios productos clasifican o valoran a los candidatos que quedan, lo que puede influir en a quién se lee primero. No encontramos ningún recuento publicado de cuántas postulaciones se rechazan así.

Revisamos las fuentes el 9 de octubre de 2026. Todas están en inglés, y las citas que aparecen aquí las tradujimos nosotros. Offermic, que publica esta página, vende un creador de currículum, así que tenemos un interés comercial propio en lo que creas sobre los currículums y el software de contratación. No estamos afiliados a ninguna de las empresas que aquí se nombran.

Las fuentes más antiguas de la cifra del 75%

Salimos a buscar dos cosas: el lugar fechado más antiguo en que aparece el número, y cualquier cosa que muestre cómo se midió.

La aparición más antigua que encontramos es un artículo de Meridith Levinson, de CIO.com. La dirección de CIO.com que probamos lleva hoy a otro artículo, posterior, así que leímos la copia de Computerworld, que lo fecha el 4 de marzo de 2012. Empieza diciendo que los sistemas de seguimiento de candidatos

matan el 75% de las posibilidades de los candidatos de conseguir una entrevista en cuanto envían sus currículums, según Preptel, proveedor de servicios de búsqueda de empleo.

El artículo no nombra ningún estudio detrás del número y no da muestra ni método. Presenta al director ejecutivo de Preptel, Jon Ciampi, como exgerente general de SumTotal Systems, “un fabricante de sistemas de seguimiento de candidatos”, y dice que su empresa “se propone ayudar a quienes buscan empleo a penetrar en estos sistemas”.

La segunda, una columna de Marvin Walberg para Scripps Howard News Service con fecha del 22 de marzo de 2012, enumera cuatro cosas que, según dice, pasan “En la mayoría de las empresas”. Una de ellas:

Al menos el 75 por ciento de los currículums se descartan por usar las palabras equivocadas.

La línea que sigue a la lista dice: “Estas estadísticas las ofrece Jonathan Ciampi, presidente y fundador de Preptel Corp., en Danville, California”. Preptel volvió a publicar el comienzo de la columna en su propio sitio el 2 de abril de 2012.

Así que, en el plazo de un mes, la cifra apareció con dos redacciones, una atribuida a la empresa y otra a su fundador. La primera admite dos lecturas, que tres de cada cuatro candidatos se quedan sin posibilidades o que las posibilidades de cada candidato caen en tres cuartas partes, y el artículo no dice cuál. Las dos se acercan a la afirmación que hoy se repite, y ninguna es su oración exacta: la parte de que una persona nunca ve el currículum no va unida a la cifra en ninguno de los dos artículos. La columna de Scripps es la que más se acerca. Su lista empieza con “Las computadoras leen tu currículum primero, no los humanos”, y su cuarto consejo dice que “un humano solo lo leerá si coincide bien con la descripción del puesto”.

Los dos artículos apuntan a Preptel, así que fuimos a su propio sitio tal como lo conservó Internet Archive, y leímos o revisamos con búsquedas 18 páginas de capturas hechas entre 2010 y 2013.

El producto de Preptel, Resumeter, puntuaba un currículum frente a una descripción del puesto. La página del producto, en una captura de septiembre de 2010, dice: “Los currículums no los descartan las personas, los descartan las computadoras”. Preptel tenía un interés comercial en ese mensaje, como nosotros lo tenemos en el nuestro.

La página de inicio, en la captura del 9 de marzo de 2012, enlazaba a un solo informe, lo que lo volvía el lugar obvio para buscar el número. Es un boletín de investigación de Bersin & Associates escrito por Josh Bersin, con fecha del 18 de marzo de 2011, sobre el producto de Preptel, y la cifra del 75% no está en él. Lo que informa es una “pequeña prueba”: un solo currículum, escrito para coincidir a la perfección con un puesto de científico clínico, enviado a “un sistema de seguimiento de candidatos típico de Taleo”. El currículum “solo obtuvo un 43 por ciento de “relevancia” en el ATS” después de que el analizador (parser) perdió un empleo, una ubicación y dos títulos académicos. Luego está la imagen que muestra la puntuación. Es una captura de pantalla de una lista de resultados de búsqueda de candidatos ordenada por una columna “Relevance” (relevancia), atribuida a una “Bersin & Associates and Preptel Live Test” (prueba en vivo de Bersin & Associates y Preptel), y el currículum de prueba es su primera fila, con 43%; el candidato siguiente tiene 42%. El artículo de CIO.com vuelve a contar la prueba sin ese detalle. Que un analizador haya leído mal un solo currículum en 2011 no es una tasa de rechazo.

Preptel sí publicó afirmaciones sobre sus propios datos. Unas entradas de blog de Jon Ciampi con fecha del 29 de diciembre de 2011 informan de valoraciones promedio de “job fit” (ajuste al puesto) “Tras analizar miles de currículums de personas que buscan empleo”. Esas entradas no contienen la cifra del 75%, y no dan una muestra exacta ni un método.

La más reciente de las 18 páginas es la página de inicio en la captura del 7 de octubre de 2013. Lleva un aviso que dice “hemos tenido que cerrar el servicio” y les pide a los clientes que descarguen sus currículums a más tardar el 30 de agosto de 2013.

Casi un año después de esa fecha, una columna de consejos de Fortune del 22 de agosto de 2014 le dijo a un lector que la “tasa de rechazo del 75%” “probablemente salió de un estudio de una firma de servicios de búsqueda de empleo llamada Preptel”. La columna no da título, fecha ni muestra de ese estudio. La carta del lector, tal como se publicó, no da ningún número: dice que un colega leyó que los sistemas “rechazan la mayoría de los currículums antes de que un ser humano siquiera intervenga en el proceso”.

Dónde se acaba el rastro

No encontramos ningún estudio, conjunto de datos, tamaño de muestra ni método de Preptel detrás del número. Tampoco encontramos una fuente de 2012 que diga que el 75% de los currículums se rechaza antes de que los vea una persona.

Nuestra lectura tiene límites. Internet Archive guarda varios cientos de direcciones más del sitio de Preptel que no abrimos, y no leímos la cobertura de esa época que está detrás de un muro de pago.

“Atribuida a Preptel” es, por lo tanto, hasta donde llega la evidencia. Dos autores se la atribuyeron a la empresa o a su fundador, la empresa volvió a publicar a uno de ellos, y no encontramos ningún lugar donde Preptel explicara el número.

Qué midió el informe de Harvard y Accenture

La evidencia publicada más sólida que encontramos de que el software deja gente fuera con sus filtros es “Hidden Workers: Untapped Talent”, de Joseph Fuller, Manjari Raman, Eva Sage-Gavin y Kristen Hines, publicado en septiembre de 2021 por el Project on Managing the Future of Work de Harvard Business School y por Accenture. Se apoya en dos encuestas. Una abarcó a 2,275 ejecutivos de Estados Unidos, el Reino Unido y Alemania, y la aplicó en línea una firma externa en enero y febrero de 2020. La otra abarcó a 8,720 trabajadores de los mismos tres países.

Los autores separan el ATS, al que llaman “una herramienta orientada al flujo de trabajo”, de un Recruiting Management or Marketing System (RMS, sistema de gestión o de marketing de reclutamiento), que apoya a los reclutadores en tareas que incluyen la “puntuación automatizada de candidatos”. Cerca de dos tercios de los empleadores encuestados (63%) dijeron que usan un RMS, y el informe dice que “más del 90% de los empleadores de nuestra encuesta usan su RMS para filtrar o jerarquizar inicialmente a los posibles candidatos de calificación media (94%) y de alta calificación (92%)”.

Sobre si los filtros dejan fuera a personas aptas, informa: “Una gran mayoría (88%) de los empleadores está de acuerdo, y nos dice que candidatos aptos de alta calificación quedan descartados del proceso porque no coinciden con los criterios exactos establecidos por la descripción del puesto. Ese número subió a 94% en el caso de los trabajadores de calificación media”. El 88% y el 94% salen de una pregunta que respondieron solo los empleadores cuya organización usa un RMS, y suman las respuestas “Sí, a veces”, “Sí, a menudo” y “Sí, siempre”.

El informe es específico sobre un filtro: “El 48% de los empleadores filtraba a los candidatos de calificación media en función de vacíos laborales de más de seis meses”. De un currículum con un vacío así, los autores escriben: “Un reclutador nunca verá la postulación de ese candidato, aunque podría cumplir todos los requisitos del empleador”. Los ejemplos del informe son criterios que fijó el empleador, como un título universitario, una credencial, años de experiencia o un vacío en el historial laboral, y su propio título para el problema es “Sistemas automatizados de reclutamiento configurados de manera inflexible”.

Una oración le pone tamaño al filtrado, como estimación: “Hasta el 78% de los líderes empresariales que entrevistamos estimó que la mitad o más de los candidatos de calificación media eran eliminados por el filtrado, y el 80% dijo que más de la mitad de los candidatos a puestos de alta calificación quedaban descalificados de forma similar”. Aparece impresa sin la pregunta y sin el número de líderes que la respondieron.

Todo esto son respuestas de ejecutivos, recogidas a principios de 2020: creencias y estimaciones sobre sus propias organizaciones. El informe no examinó las postulaciones ni el software de ningún empleador, y no da ninguna proporción medida de currículums rechazados por software. Respalda la afirmación de que muchos empleadores filtran con software y creen que al hacerlo pierden a personas aptas. No respalda el 75% ni ninguna otra tasa medida.

Lo que 25 reclutadores le dijeron a Enhancv

La principal evidencia publicada que encontramos en el otro sentido viene de Enhancv, que vende un creador de currículum. Su página, publicada el 3 de noviembre de 2025 y actualizada el 30 de septiembre de 2026, informa de “25 entrevistas a fondo con reclutadores y profesionales de adquisición de talento radicados en Estados Unidos, realizadas por Enhancv entre septiembre y octubre de 2025”.

Su número principal: “De esos reclutadores, 23 (92%) dijeron que sus sistemas no rechazan automáticamente los currículums por formato, contenido o diseño”. El resto: “Solo 2 de 25 reclutadores (8%) dijeron que su ATS rechaza automáticamente a los candidatos por motivos distintos de las preguntas eliminatorias”. La página ubica el filtrado en otra parte: “Las preguntas eliminatorias son los verdaderos filtros: el 84% de los reclutadores se apoya en ellas para filtrar por autorización para trabajar, certificaciones o ubicación”. También informa que “el 44% de los reclutadores dijo que su ATS incluye una puntuación de IA o de “ajuste””.

La misma página describe cómo una postulación puede quedar sin leer aunque no la hayan rechazado. Una puntuación puede enterrarla: “Puntuación baja ≠ rechazo automático, pero en puestos con muchas postulaciones puede mandarte al fondo de la pila”. Y dice con su propia voz que muchos currículums nunca se leen: “La realidad es que, incluso en empresas que prometen “todos los currículums revisados”, muchos nunca llegan a verse”. Una de las personas entrevistadas, que ocupa una vicepresidencia de recursos humanos, estimó que una sola pregunta sobre residencia y patrocinio de visa elimina “probablemente al 30%” de los candidatos a los puestos técnicos que la empresa publicaba en ese momento. Es la estimación de una sola persona sobre un solo empleador.

El primer límite lo enuncia la propia Enhancv: “El tamaño de la muestra es intencionalmente pequeño, pero rico en profundidad cualitativa. Estos hallazgos representan temas constantes entre los reclutadores, no estadísticas representativas a nivel nacional”. Las cifras son lo que los reclutadores dijeron sobre sus sistemas. Nadie inspeccionó los sistemas, y la página no dice cómo se eligió a los 25. El artículo, además, recomienda las plantillas de Enhancv en su propio texto. Algo que no pudimos cuadrar: la página dice que los dos reclutadores con rechazo automático usan Bullhorn y BambooHR, y en otra parte describe a un reclutador que usa Phenom y aplica un umbral de puntuación para rechazar las coincidencias bajas. No concilia las dos cosas.

Las entrevistas de Enhancv respaldan la afirmación de que la mayoría de estos 25 reclutadores dijo que quien rechaza es una persona. No pueden decirte qué pasa en el empleador al que te postulaste.

Qué dicen los documentos de los propios proveedores de ATS

El tercer tipo de evidencia es lo que publican los propios proveedores, que leímos en las fechas que figuran en la lista de fuentes. Esas páginas muestran lo que un empleador puede activar, y ninguna dice cuántos empleadores lo hacen ni a cuántos candidatos elimina una regla.

También escribimos una página aparte sobre cada uno de los cinco proveedores, hecha con su documentación pública: Workday, Greenhouse, Lever, iCIMS y Ashby.

Las reglas que define un empleador pueden rechazarte automáticamente

Greenhouse documenta una regla así con el nombre de auto-reject (rechazo automático): “Con auto-reject, tu organización puede configurar reglas de postulación para que, según la respuesta de un candidato a una pregunta, este sea rechazado automáticamente como posible candidato”. El mismo artículo de soporte añade: “Quienes estén configurados para recibir notificaciones sobre nuevas postulaciones de candidatos no recibirán notificación de los candidatos rechazados automáticamente”.

La base de conocimientos de Ashby tiene una función con el mismo nombre: “Auto-Reject te permite rechazar automáticamente a los candidatos cuyas postulaciones enviadas cumplen ciertas condiciones”. El empleador elige una pregunta del formulario de postulación y las respuestas que activan la regla, y las reglas “solo pueden configurarse para ejecutarse en el momento en que el candidato envía su postulación”. La página también explica cómo un reclutador puede filtrar a los candidatos rechazados automáticamente para revisarlos.

Lever, en una entrada de blog de diciembre de 2021, lo planteó en términos de preguntas eliminatorias: “Las preguntas eliminatorias definidas por los reclutadores y los gerentes de contratación eliminan automáticamente a los posibles candidatos que no cumplen los criterios mínimos indispensables de los puestos (p. ej., cierto número de años de experiencia o certificaciones)”.

La línea de iCIMS es de otro tipo. Viene de una entrada de glosario sobre los sistemas de seguimiento de candidatos, que describe la categoría y no es una especificación del producto de iCIMS. La entrada enumera tres cosas que ese tipo de software le permite hacer a una empresa, y la tercera es “Filtrar y dejar fuera automáticamente a los candidatos que no son viables”.

En los documentos de Greenhouse y de Ashby, la regla lee una respuesta del formulario de postulación. Ninguna de las dos páginas describe una regla que lea la redacción o el diseño del currículum.

Funciones que clasifican o valoran a los candidatos

Las preguntas frecuentes de Talent Matching, de Greenhouse, dicen que la función usa algoritmos para “clasificar al grupo de candidatos en categorías de coincidencia (como Strong, Good, Partial, Limited o Needs manual review)” frente a criterios que define el empleador. Y añaden: “Talent Matching no rechaza ni hace avanzar automáticamente a ningún candidato, incluidos los candidatos de las categorías de coincidencia más bajas o los etiquetados como “Needs manual review”. Todas las decisiones de contratación y sobre el destino de cada candidato las toma el equipo de contratación”. Un currículum con “problemas de formato o técnicos poco frecuentes” que la función no puede analizar queda etiquetado como “Needs manual review” (requiere revisión manual), y esos candidatos “deben ser revisados por tu equipo”.

Workday escribió en una publicación de junio de 2025: “Las herramientas de reclutamiento con IA de Workday ofrecen información sobre qué tan bien coinciden las aptitudes de un candidato con los requisitos de un puesto publicado”. Y: “Workday AI no toma decisiones de contratación”.

La página de IA de Ashby dice: “La IA nunca ‘jerarquiza’ a los candidatos ni les da calificaciones numéricas; una persona siempre debe participar en la toma de decisiones”. Su base de conocimientos describe más de lo que esa oración sugiere. El artículo sobre AI-Assisted Application Review (revisión de postulaciones asistida por IA) les dice a los revisores que pueden agregar una columna “AI Job Criteria Met Percentage” (porcentaje de criterios del puesto cumplidos según la IA) y les indica: “ordena por esta columna para jerarquizar a los candidatos del que mejor encaja (el porcentaje más alto) al que menos encaja (el más bajo)”.

La publicación de Lever de 2021 sostiene que “la inteligencia artificial no es una función de un ATS que pueda o deba tomar decisiones importantes sobre con quién deberían o no deberían seguir adelante los equipos de talento”. La misma publicación nombra “archivar automáticamente a las personas no calificadas” entre las formas en que la IA puede ayudar.

Qué dice una ley de Estados Unidos sobre la preselección automatizada

La ciudad de Nueva York pone condiciones al uso de algunas herramientas automatizadas de contratación. Su Department of Consumer and Worker Protection (DCWP, el departamento municipal de protección al consumidor y al trabajador) dice que la Local Law 144 de 2021 “prohíbe a los empleadores y a las agencias de empleo usar una herramienta automatizada de decisión de empleo a menos que la herramienta haya sido sometida a una auditoría de sesgo dentro del plazo de un año respecto del uso de la herramienta, que la información sobre la auditoría de sesgo esté disponible públicamente y que se hayan entregado ciertos avisos a los empleados o a los candidatos a un puesto”. El DCWP fijó el 5 de julio de 2023 como inicio de la aplicación de la ley.

Las preguntas frecuentes del DCWP definen una herramienta automatizada de decisión de empleo como una herramienta informática que usa aprendizaje automático, modelos estadísticos, análisis de datos o inteligencia artificial, que ayuda a los empleadores a tomar decisiones de empleo y que “Asiste sustancialmente a la toma de decisiones discrecional o la reemplaza”. La preselección cuenta: “La Ley define decisión de empleo de manera más amplia para incluir la preselección”. La ley se aplica solo a un empleador o una agencia de empleo que usa una herramienta así “en la ciudad”. Ahí, a los candidatos a un puesto que residen en la ciudad de Nueva York se les debe informar que se usa una herramienta y qué “aptitudes o características para el puesto” va a evaluar, 10 días hábiles antes del uso. El aviso puede estar en la oferta de empleo, enviarse por correo postal o electrónico, o colocarse en la sección de empleo del sitio web del empleador.

Ninguna de las dos páginas del DCWP da una cifra sobre la frecuencia con que esas herramientas rechazan a alguien. Las preguntas frecuentes sí dicen que la síntesis publicada de una auditoría de sesgo debe incluir “las tasas de selección o de puntuación” y los índices de impacto de todas las categorías, así que en esas síntesis existen tasas de herramientas individuales. No las recopilamos. Las dos páginas definen el alcance de la ley por lo que hace una herramienta, no por llamarse sistema de seguimiento de candidatos.

Qué significa esto para tu postulación

Esta sección es nuestra opinión.

Los rechazos automáticos que documentan los proveedores actúan sobre respuestas a preguntas que escribió el empleador, así que trata las preguntas de la postulación como la puerta de entrada. Lee cada una y respóndela con exactitud. Si una respuesta veraz no cumple un requisito, cambiar la redacción de tu currículum no cambiará el resultado de esa regla.

La clasificación que describen los proveedores y el informe de Harvard compara un currículum con criterios que fijó el empleador. Donde un requisito de la oferta sea cierto en tu caso, dilo con palabras sencillas y fáciles de encontrar. No agregues lo que no puedas respaldar: un entrevistador puede preguntar por cualquier línea, y nuestra guía de preguntas de entrevista sobre tu currículum explica cómo se arman esas preguntas.

Mantén el archivo lo bastante simple para que se pueda analizar. La prueba de Bersin de 2011 y la nota de Greenhouse sobre “problemas de formato o técnicos” muestran que el software puede no lograr leer un currículum, y un diseño sencillo con títulos de sección estándar reduce ese riesgo.

No persigas un número. La puntuación de un verificador es del verificador. Con la nuestra pasa lo mismo: la puntuación del currículum de nuestro creador de currículum es una medida nuestra, no una puntuación de ningún sistema de seguimiento de candidatos, y ningún empleador la ve. Sus reglas están publicadas en esa página, que también reúne declaraciones de proveedores en su sección sobre los ATS.

Después, prepárate para la entrevista que el currículum consiga. Nuestra herramienta gratis de preguntas según tu currículum enumera las preguntas que tu currículum tiene más probabilidades de despertar.

Los límites de esta página

Ninguno de los dos lados de esta discusión tiene una tasa medida. La cifra del 75% no tiene un método que hayamos podido encontrar. La mejor evidencia que encontramos de que el software deja gente fuera con sus filtros es una encuesta sobre lo que creen unos ejecutivos, y la mejor evidencia que encontramos contra el rechazo automático generalizado son 25 entrevistas publicadas por una empresa que vende un creador de currículum. No encontramos ninguna página de un proveedor que informe a cuántos candidatos rechazan las reglas de sus clientes.

La documentación de los proveedores cambia sin aviso, y los productos también. Si la página de postulación o el aviso del propio empleador te dice algo distinto de esta página, guíate por lo que dice el empleador.