¿Una entrevista con IA entiende los acentos? Inglés no nativo

HireVue y Braintrust dicen que su IA puntúa lo que dices, no cómo suenas: tu voz se convierte en texto y lo que se puntúa es el texto. Según esa descripción, el riesgo es que en la transcripción quede una palabra equivocada. Todas las pruebas publicadas que encontramos muestran que el reconocimiento de voz comete más errores con el inglés no nativo, y con variedades como el inglés de la India o el de Nigeria, que con el inglés de Estados Unidos. En la prueba más reciente, los mejores sistemas todavía se equivocaron en cerca de una de cada veinte palabras en oraciones cortas leídas en voz alta. Haz la entrevista de práctica de la plataforma con el micrófono que de verdad vas a usar y, donde la plataforma lo permita, escucha la grabación o lee los subtítulos.

Los datos sobre las plataformas vienen de la documentación pública de Mercor, HireVue y Braintrust, consultada el 6 de octubre de 2026. Los resultados de investigación vienen de los artículos que aparecen en las fuentes y describen los sistemas que se probaron en su momento. Todas esas fuentes están en inglés; las citas son traducción nuestra. Offermic no está afiliada a ninguna de las plataformas que se nombran aquí.

Tus palabras se puntúan como texto

La declaración de explicabilidad de HireVue de 2026 (su Explainability Statement) describe tres etapas: se transcribe lo que dices, un modelo de lenguaje lee la transcripción y la respuesta se puntúa tomando como referencia las calificaciones que evaluadores humanos expertos dieron a respuestas similares. Dice que la IA “se basa exclusivamente en lo que dicen los candidatos” y que no analiza las expresiones faciales, el lenguaje corporal ni el tono de voz. Braintrust dice que su entrevistador AIR analiza “tus palabras, no tu apariencia, tu tono ni tu contexto”.

Mercor dice que su entrevistador de IA genera una transcripción de tus respuestas y evalúa tu desempeño. No dice si se usa algo más que la transcripción, y señala que algunas entrevistas ponen a prueba habilidades de idioma.

Donde lo que se puntúa es el texto, una palabra mal entendida se puntúa como si la hubieras dicho: “we cut churn” (redujimos la pérdida de clientes) transcrito como “we cut church” (algo así como “recortamos iglesia”) es otra oración. El ejemplo es nuestro, no un caso registrado. Si lo que buscas son frases, consulta nuestra guía sobre la entrevista de trabajo en inglés.

Qué midieron los estudios

Ninguno de estos estudios probó una plataforma de entrevistas; probaron el tipo de software de reconocimiento de voz del que dependen las plataformas. Usan medidas de error distintas, así que compara dentro de una misma fila, no entre filas.

Estudio	Sistemas probados	Habla utilizada	Resultado
DiChristofano y colegas, prepublicación (preprint), 2022	Las API de voz de Amazon, Google y Microsoft, ejecutadas en 2021	2,713 hablantes nacidos en 171 países que leen un mismo párrafo (el Speech Accent Archive)	Los tres funcionaron significativamente mejor con hablantes de inglés como primera lengua. En una escala de 0 a 1 de información perdida, la brecha promedio fue de 0.14.
Sanabria y colegas, ICASSP 2023	Whisper (modelo grande), un sistema comercial no identificado, wav2vec 2.0	Unas 40 horas de conversaciones por videollamada en muchas variedades del inglés	La tasa de error por palabra de Whisper fue de 19.7% en estas llamadas, frente a 2.7% en inglés de Estados Unidos leído y con audio limpio. Todos los modelos empeoraron con el inglés de la India, de Jamaica y de Nigeria.
Graham y Roll, JASA Express Letters, 2024	Whisper, versión 3	El mismo párrafo del archivo en 18 acentos, más conversaciones de exámenes	En conjunto, los acentos nativos se transcribieron con más precisión, aunque los hablantes suecos y alemanes superaron a los británicos. Los hablantes vietnamitas y tailandeses (22 y 15 personas) tuvieron la mayor cantidad de errores. La conversación resultó más difícil que la lectura en voz alta.
McGuire, prepublicación, 2025	AssemblyAI Universal-2, Deepgram Nova-2, Rev.ai V2, Speechmatics Ursa-2, Whisper large-v3	24 hablantes no nativos, cuatro de cada una de seis lenguas maternas, que leen oraciones cortas de palabras comunes	Whisper y AssemblyAI promediaron 5.4% y 5.6% de errores. Cuatro hablantes estadounidenses de control promediaron 0.7% entre todos los sistemas; los cuatro hablantes vietnamitas, 14.3%. Los hablantes de hindi tuvieron el error más bajo de los grupos no nativos.

Cómo leemos esto:

• El mejor resultado reciente es bueno, con material fácil. Una palabra de cada veinte está cerca de la tasa de error que el mismo artículo cita para los transcriptores humanos, pero las oraciones de McGuire eran cortas y solo usaban palabras comunes. Con un párrafo más largo, Graham y Roll reportan 11.5% para las mujeres y 14.0% para los hombres con la misma versión de Whisper, hablantes nativos incluidos, en grabaciones que, según señalan ellos mismos, pueden haber estado en los datos de entrenamiento de ese sistema.
• El inglés de la India no es un caso cerrado. Sanabria encontró una caída con el inglés de la India en conversación. Los hablantes de hindi de McGuire tuvieron el error más bajo de sus grupos no nativos, aunque seguía siendo varias veces la tasa de los estadounidenses.
• Los grupos son pequeños. Graham y Roll encontraron menos errores en los hablantes que empezaron con el inglés más jóvenes, así que tu resultado puede quedar lejos del de tu grupo.

Rev.ai, el proveedor que HireVue nombra, fue uno de los cinco sistemas de McGuire: el peor en las oraciones leídas (8.6%) y el mejor en grabaciones espontáneas más largas de 22 hablantes (6.3% conservando las muletillas y las repeticiones, 10.3% al quitarlas). HireVue no dice qué versión ni qué configuración usa.

Qué dicen las plataformas

	Mercor	HireVue	Braintrust AIR
Sobre los acentos	Nada publicado; no se nombra el sistema de voz	Ver más abajo	Dice que AIR está “diseñado para entender una amplia variedad de acentos del inglés”; sin cifras
Pedir que repita	Las preguntas frecuentes dicen que le pidas a la IA que repita o aclare	No hay entrevistador en vivo; la pregunta se muestra por escrito o en video	No se indica
Practicar antes	Gratis, ilimitada, no se comparte con las empresas	Preguntas de práctica que puedes reproducir	No se indica
Segundos intentos	Hasta tres repeticiones	Lo fija el empleador: de 1 a 5 intentos de grabación por pregunta, o ilimitados; HireVue recomienda tres en total	“Normalmente”, una oportunidad por pregunta

Solo HireVue nombra su sistema de voz y da cifras. Su declaración de 2026 dice que la transcripción viene de Rev.ai y que, en las pruebas de la propia HireVue, la tasa de error por palabra en inglés en Estados Unidos promedió menos de 10%, mientras que los otros sistemas que probó quedaron entre 15 y 25%. Dice que Rev.ai también superó a las alternativas cuando se comparó a hablantes nativos con hablantes no nativos “con diversos acentos”, pero no da cifras.

Una declaración anterior, fechada en 2022 y todavía enlazada desde el centro legal de HireVue, sí las daba: 12% de error por palabra para un acento canadiense y 22% para participantes de China con Rev.ai, frente a 17% y 45% de las alternativas. Son cifras de 2022 sobre un sistema que, según HireVue, se sigue mejorando.

Otros cuatro puntos de la declaración de 2026:

• Las respuestas ininteligibles pasan a una persona. Si el sistema no puede detectar suficiente contenido, lo que incluye los casos en que un candidato no logra “hablar con la claridad suficiente para que se le entienda” o tiene “problemas técnicos con la entrada de su micrófono”, la respuesta queda “marcada para revisión humana” en lugar de puntuarse con IA. El texto de 2022 dice que esto suele ocurrir cuando se entienden menos de cinco palabras, así que no detectará una respuesta con unas pocas palabras equivocadas.
• Puedes optar por que no te evalúe la IA. En ese caso los reclutadores califican las mismas grabaciones con las mismas escalas de calificación, y HireVue dice que tomar esa opción no te excluye del proceso de contratación. No encontramos datos públicos sobre si la revisión humana trata mejor o peor a los hablantes no nativos, así que esto es una opción, no una recomendación nuestra.
• El tiempo de preparación lo configura el empleador. La declaración enumera de 0 a 5 minutos o ilimitado, y recomienda un minuto. Usa el que te den para volver a leer la pregunta.
• Las solicitudes de adaptaciones van al empleador. El ejemplo de la declaración es tiempo adicional para un candidato con una discapacidad; no describe nada para quienes hablan inglés como segundo idioma.

Las preguntas frecuentes de Mercor añaden que las entrevistas son en inglés salvo que se indique otra cosa, que los subtítulos vienen activados por defecto y que la entrevista con IA es su “método estándar y el único para preseleccionar candidatos”. Nuestra página sobre Mercor y nuestra página sobre HireVue explican cada formato a fondo.

Cuatro cosas que hacer distinto

1. Usa la práctica para probar cómo te oye el sistema

Ninguna cifra publicada te dice cómo maneja una plataforma tu voz con tu micrófono, así que la práctica es lo más parecido a una prueba. Durante las preguntas de práctica de HireVue puedes cambiar de micrófono o ajustar el volumen.

Mercor no dice si los subtítulos muestran tus palabras o solo las del entrevistador, y dice que no puede compartir las transcripciones. Si tus palabras aparecen, anota las que salgan mal y luego pronúncialas con más cuidado o cámbialas por otras más sencillas.

Offermic, la app que hacemos nosotros, ofrece simulacros de entrevista hablados en inglés y muestra en vivo subtítulos de lo que te oyó decir, así que puedes detectar las palabras que un sistema de voz entiende mal. Puede que no use el mismo sistema de voz que la plataforma que te va a tocar, así que tómalo como un ensayo, no como una predicción.

2. Arregla el audio antes de preocuparte por tu acento

Mercor recomienda audífonos y un micrófono externo. Los estudios sobre acentos no probaron micrófonos, así que lo demás es nuestra opinión: usa audífonos con micrófono en un cuarto silencioso y, antes, escucha una grabación tuya hecha con ellos.

3. No te apresures, y termina tus oraciones

La evidencia respalda no apresurarse; no respalda hablar a paso de tortuga.

Goldwater, Jurafsky y Manning (2010) analizaron los errores de dos reconocedores en conversaciones telefónicas de Estados Unidos; el acento no formaba parte del estudio. Los errores fueron mínimos a velocidades de habla típicas y aumentaron en los extremos, de forma marcada con el habla rápida. Cuánto duraba cada palabra importó más que la velocidad general: las palabras a las que se les dio más tiempo que el promedio fueron las mejor reconocidas. La primera palabra de una repetición inmediata, y las palabras justo anteriores a una palabra que quedó a medias, tuvieron tasas de error de 10 a 14 puntos por encima del promedio.

Entre oyentes humanos, Munro y Derwing (2001) encontraron que el habla en segundo idioma mejor calificada era algo más rápida que la habitual de esos hablantes; el habla muy rápida y la muy lenta recibieron calificaciones más bajas.

Ninguno de los dos estudios probó un sistema actual. Nuestra opinión: un poco más despacio que tu ritmo natural más rápido está bien; a mitad de velocidad, no. Dale a cada palabra su duración completa y termina la oración que se te enredó en lugar de cortarla a media palabra. En Mercor, llena en voz alta el tiempo que necesitas para pensar (“Let me think about the best example”, es decir, “Déjeme pensar cuál es el mejor ejemplo”): sus preguntas frecuentes advierten que los silencios prolongados pueden hacer que la IA intervenga.

4. Di las palabras poco comunes una vez y luego en lenguaje sencillo

El mismo estudio de 2010 encontró que, cuanto menos probable era una palabra, más veces se equivocaba el reconocedor. A menudo son las palabras que sostienen tu respuesta: nombres de productos, herramientas, siglas, el nombre de tu empleador. Nuestra opinión: di el nombre una vez, con claridad, y luego di qué es con palabras corrientes, para que el sentido sobreviva aunque el nombre no.

Este ejemplo se escribió para este artículo; no corresponde a un candidato ni a un proyecto reales.

Lo que nadie publica

Ninguna de las tres plataformas publica la precisión de la transcripción por acento del sistema que usa hoy. Nadie dice si el paso de puntuación trata de forma distinta la gramática de quien habla inglés como segundo idioma: una transcripción puede ser perfecta palabra por palabra y aun así leerse como no nativa, y las revisiones de sesgo que HireVue describe son por género, edad y raza o etnia, no por primera lengua.

Para ver qué evalúan los entrevistadores de IA más allá de la transcripción, consulta cómo pasar una entrevista con IA.