Technical Context
No veo esta discusión como "trampas de los candidatos", sino como una nueva superficie de ataque a su proceso de evaluación. En el chat, colegas discuten cómo detectar si un candidato lee respuestas de la pantalla, compartiendo enlaces a textream.fka.dev — una herramienta apodada "apuntador de pistas". Paralelamente suena el consenso laboral: alejarse de preguntas de conocimiento general y "cuestionar a fondo" la experiencia del currículum: proyectos concretos, decisiones concretas, compromisos concretos.
Lo que me llama la atención como arquitecto: técnicamente, las pistas LLM hoy casi no requieren integración. Un segundo monitor, una superposición (overlay) o una ventana separada es suficiente para el candidato. Muchas herramientas de esta clase no necesitan ser conocidas ni estar indexadas; pueden ser de nicho, self-hosted y cambiar de dominio rápidamente. Por eso, intentar "prohibir Textream" como entidad es un objetivo falso. El objetivo correcto es lograr que las pistas no permitan al candidato pasar su filtro sin competencia real.
En la discusión se observa: "se nota en los ojos cómo siguen las líneas". Sí, los marcadores de comportamiento a veces atrapan las pistas, pero no construyo la defensa sobre esto. Primero, escala mal y es subjetivo. Segundo, los candidatos se adaptan rápido: cámara más alta, texto más cerca, pausas naturales. Tercero, corre el riesgo de castigar erróneamente a un ingeniero fuerte con peculiaridades de comunicación.
Técnicamente, tiene tres planos de control:
- Contenido de las preguntas: cuánto están vinculadas a la experiencia personal y requieren un contexto que la LLM no tiene.
- Formato de interacción: solución conjunta en vivo, depuración, trabajo con artefactos, no un monólogo.
- Contorno de herramientas: supervisión (proctoring) mínima/registro donde se justifique por riesgo y sea legalmente correcto.
Las entrevistas presenciales, como notaron los colegas, son ciertamente más fiables. Pero en proyectos reales veo que lo totalmente presencial es un lujo: equipos distribuidos, velocidad de contratación, geografía. Significa que hay que diseñar una entrevista "resistente a lo remoto", no soñar con volver a las salas de reuniones.
Business & Automation Impact
Si contrata ingenieros, analistas, gerentes de producto o incluso operadores de procesos, el apuntador LLM convierte la entrevista clásica en un mal conjunto de datos (dataset). Cree haber seleccionado a los fuertes, pero en realidad compró un discurso bonito y respuestas de plantilla. El precio del error no es solo el salario. Es el incumplimiento de plazos, toxicidad en el equipo, inflación de la deuda técnica y un ciclo de contratación repetido.
¿Quién gana en la nueva realidad? Las empresas que saben evaluar el proceso, no la "corrección de la respuesta". Pierden aquellos cuya entrevista es una lista de preguntas de internet y verificación de términos. Lo veo constantemente: tan pronto como una pregunta tiene un "párrafo ideal" de una LLM, deja de distinguir niveles.
Reconstruyo las entrevistas en torno a los artefactos del candidato y su realidad:
- Tomo un proyecto del currículum y pido restaurar el contexto: por qué eligieron esa BD, por qué ese pipeline específico, qué se rompió en producción.
- Hago preguntas sobre compromisos: qué simplificaría si tuviera que abaratar la infraestructura un 30%.
- Doy una breve depuración: log de incidente, fragmento de código, esquema de cola — y observo cómo la persona piensa en voz alta y dónde pone los sensores.
Paradójicamente, en este punto también ayuda la automatización con IA por parte del empleador. En mi práctica en Nahornyi AI Lab, no implementamos "IA para reemplazar al entrevistador", sino automatización alrededor del proceso: rúbricas de evaluación estructuradas, auto-resúmenes de grabaciones, extracción de tesis y contradicciones, control de cobertura de competencias. Esto reduce el ruido y hace que la decisión sea consistente entre diferentes entrevistadores.
Sin embargo, hay un matiz: si comienza a usar IA para el scoring de candidatos, está obligado a mantener la arquitectura transparente. ¿Quién y en base a qué tomó la decisión? ¿Qué datos se usaron? ¿Dónde se almacenan las grabaciones? La arquitectura de soluciones IA para RR.HH. siempre choca no con el modelo, sino con los contornos de acceso, auditoría y bases legales del procesamiento de datos.
Strategic Vision & Deep Dive
Espero que los "apuntadores" se conviertan en un estándar tal como lo fue el autocompletado en los IDE. Y entonces la pregunta sonará diferente: ¿contratamos personas que saben trabajar eficazmente con LLM, o personas que pueden hacerlo sin ella? Mi respuesta es: ambos, pero para diferentes roles y con diferentes interfaces de control.
En los proyectos de Nahornyi AI Lab ya veo un patrón: las empresas que hacen seriamente la implementación de IA en procesos (soporte, ventas, analítica, producción) comienzan a exigir a los empleados "habilidad con herramientas". Pero a menudo fallan en lo básico: en la capacidad humana de diagnosticar un problema, formular hipótesis y verificar el resultado. El apuntador ayuda a formular el texto, pero no crea intuición ingenieril.
Por eso mi consejo no trivial: no luche contra las pistas con prohibiciones — luche con el diseño de tareas. Incorporo en la entrevista "giros de guion" donde la plantilla se desmorona:
- Cambio la restricción a la mitad: "ahora imagina que por RGPD/PII no se puede registrar (log)". El candidato fuerte reestructura la solución, el débil se atasca.
- Pido nombrar 2 alternativas y el criterio de elección. La LLM dará una lista, pero sin prioridad interna y sin vínculo al presupuesto/riesgo.
- Pregunto por el "mayor desafío técnico" y profundizo en detalles: métricas, línea de tiempo, qué se revirtió, qué se midió tras el arreglo.
La trampa que veo a menudo: la empresa complica la supervisión, hace la entrevista desagradable y termina perdiendo candidatos fuertes más rápido de lo que atrapa a los tramposos. La utilidad aquí es más importante que el hype: control suave + guion de entrevista inteligente dan la mejor relación de precisión y conversión.
Más adelante será solo más duro: los procesos remotos serán la norma y las herramientas de pistas, más invisibles. Ganarán quienes conviertan la contratación en un sistema de ingeniería: medible, repetible, con retroalimentación del rendimiento de las personas contratadas.
Si desea reestructurar la contratación para la era LLM — desde la estructura de la entrevista hasta los contornos de datos y automatización de la evaluación — le invito a discutir la tarea con Nahornyi AI Lab. Escríbame, Vadym Nahornyi, y le propondré un esquema práctico que proteja la calidad de la contratación sin convertir el proceso en un interrogatorio.