Si las empresas actuales usan filtros id�nticos, los sesgos algor�tmicos se convierten r�pidamente en una forma de exclusi�n masiva e industrializada. Buscar empleo ha consistido desde siempre en multiplicar nuestras oportunidades: enviar cuantos m�s curr�culos mejor; llamar a m�s puertas, adaptar mejor cada candidatura... Si una empresa nos rechazaba, otra podr�a valorar de forma distinta nuestra experiencia, trayectoria o potencial.En un mercado de trabajo verdaderamente plural, enviar 20 candidaturas aumenta la probabilidad de encontrar un evaluador distinto. En un mercado monocultural, puede significar exponerse 20 veces a la misma l�gica de filtro.En un mercado laboral cada vez m�s automatizado, millones de candidatos y profesionales siguen entrando por puertas aparentemente distintas, pero muchos empiezan a encontrarse con la misma cerradura: sistemas algor�tmicos de cribado, r�nking y recomendaci�n comprados a los mismos proveedores o construidos sobre l�gicas muy similares.El problema ya no es s�lo que un algoritmo sea injusto, sino la posibilidad de que una misma infraestructura t�cnica replique el rechazo entre empleadores diferentes. Ese fen�meno se conoce como monocultivo algor�tmico en contrataci�n y se refiere al riesgo de que el mercado parezca diverso por fuera, pero concentre por dentro la primera criba del talento en pocas herramientas, pocos proveedores o pocos criterios automatizados.La met�fora procede de la agricultura: un monocultivo permite eficiencia y escala, pero tambi�n hace al sistema m�s fr�gil. Si todos plantan la misma variedad, una plaga puede extenderse por todo el campo. En empleo, si muchas empresas usan sistemas parecidos para decidir qui�n merece pasar a la entrevista, los errores o sesgos dejan de ser incidentes aislados y pueden convertirse en fallos correlacionados.Muchas empresas seguir�n compitiendo por el talento, pero podr�an acabar mirando a los mismos perfiles, descartando a los mismos candidatos at�picos y premiando las mismas se�ales convencionales.La pregunta de fondo ya no es si la inteligencia artificial contratar� por nosotros, sino qui�n controla la cerradura. Si millones de personas entran al mercado laboral por puertas distintas, pero todas empiezan a abrirse o cerrarse con la misma l�gica algor�tmica, la eficiencia puede convertirse en una nueva forma de exclusi�n industrializada.Si muchas empresas usan filtros parecidos, sus errores, sesgos o puntos ciegos dejan de ser fallos locales y se convierten en un riesgo sist�mico. M�s del 90% de los empleadores usa ya alg�n tipo de sistema automatizado para filtrar u ordenar solicitudes, seg�n datos citados por el World Economic Forum.Una investigaci�n de la Universidad de Stanford -Algorithmic Monocultures in Hiring- ha analizado millones de candidaturas reales evaluadas por algoritmos de un �nico proveedor, y revela consecuencias especialmente duras para los candidatos: aplicar m�s puede dejar de significar exponerse a m�s oportunidades reales. El estudio de Stanford llama a este fen�meno rechazo sist�mico: personas que se presentan a varios puestos y reciben resultados negativos homog�neos por encima de lo esperable si las decisiones fueran independientes. En los datos del estudio, el 4% de quienes aplican a diez posiciones son recomendados para rechazo en todas ellas, una tasa superior a la esperada por azar.Para las empresas, todo esto implica perder talento sin saberlo: un falso negativo algor�tmico no aparece en la cuenta de resultados; simplemente impide que alguien llegue a la entrevista y as�, si muchos empleadores usan filtros similares, pueden terminar descartando a los mismos perfiles no convencionales: carreras no lineales, s�niors, personas con discapacidad o candidatos que vienen de otros sectores.El sesgo algor�tmico no es una sorpresa. En 2018, Amazon descart� una herramienta experimental de selecci�n porque castigaba se�ales vinculadas a las mujeres: el modelo hab�a aprendido de datos hist�ricos de contrataci�n dominados por hombres en perfiles t�cnicos. Aquel episodio mostr� que la IA pod�a convertir las desigualdades pasadas en un criterio futuro. Lo inquietante del monocultivo es otra cosa: si esa l�gica de descarte se extiende a muchas empresas, el sesgo deja de ser un fallo interno y se convierte en una exclusi�n repetida.Otro estudio de Proceedings of the National Academy of Sciences concluye que "cuando un algoritmo com�n parece m�s preciso para cada organizaci�n individual, su adopci�n generalizada puede reducir la calidad agregada de las decisiones". El problema no es s�lo que el algoritmo falle; es que todos puedan fallar de la misma manera.