Entrevistamos a Javier Cañizares, Founder & CEO de Hirint, plataforma HR Tech que combina psicología, datos e inteligencia artificial para mejorar la selección y evaluación de talento. Javier cuenta con más de 9 años de experiencia en desarrollo de negocio internacional. Ha desarrollado su carrera entre España, Noruega, Polonia y Francia, trabajando también con mercados de Latinoamérica. Es especialista en HR Tech, ventas y business development, con foco en soft skills, talento y reducción de sesgos en selección. Desde Hirint impulsa una visión de gestión de personas más objetiva, ágil y basada en datos.
Hirint es una plataforma HR Tech de evaluación de talento que mide soft skills y hard skills para identificar el mejor encaje con cada puesto. Combina ciencia del comportamiento, tecnología de datos e inteligencia artificial para ayudar a las empresas a tomar decisiones de selección más rápidas y objetivas. Su biblioteca de tests permite evaluar candidatos y empleados de forma ágil, con resultados orientados al job fit. La compañía pone el foco en reducir sesgos, mejorar la experiencia del candidato y optimizar los tiempos de contratación. Con Hirint, los equipos de RR. HH. pueden seleccionar, desarrollar y retener talento basándose en datos fiables.
¿El problema está en la falta de talento o en cómo se identifica?
Considero que el talento está ahí, el problema es que no sabemos verlo. Llevamos años utilizando sistemas diseñados para un mercado que ya no existe: uno lineal, estable, predecible. Y el mercado laboral de hoy no tiene nada que ver con eso.
Las empresas siguen filtrando por títulos y palabras clave en un CV mientras dejan escapar personas con un potencial enorme. Y luego dicen que no encuentran talento. La paradoja es llamativa, pero tiene una explicación sencilla: estamos buscando mal. Así, el reto no es conseguir más candidatos. Es aprender a leer mejor a las personas.
¿Ha quedado obsoleto el currículum tradicional?
Pienso que no ha muerto, pero ya no es suficiente. El CV te cuenta lo que alguien ha hecho. No te dice cómo lo ha hecho, cómo se comporta bajo presión, cómo aprende cuando algo no sale bien. Dos personas con exactamente el mismo currículum pueden ser completamente distintas en un entorno real. Además, hay otro problema injusto: el CV penaliza mucho a quien ha tenido una carrera no lineal. Gente que ha cambiado de sector, que ha aprendido sola, que tiene capacidades transferibles brutales pero que no encajan en el molde. Esos perfiles directamente desaparecen del proceso. Así, estamos pasando de contratar por credenciales a contratar por evidencia de habilidades reales y eso lo cambia todo.
¿Qué riesgos tiene seguir contratando con métodos poco estructurados?
El riesgo principal es confundir afinidad con capacidad. Somos muy malos evaluando personas de forma objetiva. Tenemos sesgos por todos lados, el efecto halo, las primeras impresiones, la afinidad cultural… Y cuando el proceso depende de la intuición de quien entrevista, la calidad de la decisión baja muchísimo. Lo que me llama la atención es que muchas entrevistas siguen midiendo si alguien "cae bien" en lugar de si tiene las competencias que el puesto necesita. Y claro, luego tienes dos entrevistadores que han hablado con el mismo candidato y llegan a conclusiones opuestas. Eso no es un proceso, es una lotería.
¿Qué aporta un enfoque basado en datos y psicometría?
Lo que aporta es algo que normalmente no se ve hasta que ya se ha contratado a alguien. Y a veces ni entonces. Es la capacidad de aprendizaje, tolerancia a la presión, orientación al cliente, potencial de liderazgo, cómo se adapta alguien al cambio. Son cosas que no aparecen en ningún CV y que en una entrevista de cuarenta minutos tampoco vas a detectar. También permite identificar riesgos de desajuste antes de contratar. Hay perfiles técnicamente muy buenos que luego no funcionan en el equipo o en el contexto concreto del puesto. Eso tiene un coste enorme y es evitable. La psicometría bien aplicada convierte algo subjetivo en información comparable. Y cuando le añades datos históricos e inteligencia artificial, empiezas a entender qué perfiles realmente funcionan en tu organización. No en abstracto. En tu empresa, en ese equipo, en ese momento.
¿Cómo se mide la calidad del match más allá de la velocidad?
Pienso que la velocidad está bien, pero es la parte fácil de medir. Lo que de verdad importa es qué pasa después. Cómo rinde la persona, cómo se adapta, si se queda, si crece. Eso es un buen match. No que el proceso haya durado dos semanas menos. Muchas empresas tienen el problema al revés: contratan rápido y contratan mal. Y luego pagan ese error durante meses. Cuando conectas datos de desempeño real con las habilidades que mediste antes de contratar, empiezas a descubrir patrones. Qué perfiles funcionan en qué contextos. Eso es lo que permite tomar mejores decisiones, no solo más rápidas.
¿Por qué las empresas siguen equivocándose tanto al contratar?
Porque nunca han medido el coste real de equivocarse. Se mide tiempo de cobertura, coste por contratación, métricas de proceso, pero nadie está mirando si esas decisiones se traducen en buen desempeño seis meses después. Y si no mides eso, es imposible mejorar. Además, hay una falsa seguridad que da mucho problema. La gente confía mucho en su intuición, en que lleva años entrevistando y que "tiene ojo para las personas". Eso es exactamente lo que genera los peores errores. Contratar siempre se ha tratado más como un arte que como una disciplina. Y eso tiene consecuencias.
¿Puede la IA eliminar sesgos en selección o solo los transforma?
No los elimina automáticamente. Si el modelo está mal construido, los amplifica. La clave está en cómo diseñas el sistema, qué datos usas, qué supervisión hay detrás. Una IA entrenada con datos históricos sesgados va a reproducir esos sesgos a escala. Eso es un problema serio y hay que nombrarlo. Dicho eso, una IA bien diseñada sí puede reducir muchos de los sesgos humanos más clásicos. Porque evalúa bajo criterios homogéneos, no le afecta si alguien le cae mejor o peor, no tiene un mal día. Pero tiene que ser explicable. Y el humano tiene que seguir dentro de la decisión. La tecnología aporta señales, no veredictos.
¿Qué competencias valoran más hoy las empresas?
Cada vez más, una mezcla de todo. Pero lo que está ganando peso son las capacidades que la IA no puede reemplazar fácilmente. Las habilidades técnicas siguen siendo necesarias, claro. Pero solas no son suficientes. Lo que marca la diferencia en entornos que cambian rápido es la adaptación, el aprendizaje continuo, el pensamiento crítico, saber colaborar de verdad. La IA está acelerando este proceso más de lo que parece. Muchas hard skills se automatizan o quedan obsoletas en poco tiempo. Las capacidades cognitivas y conductuales, en cambio, se vuelven más estratégicas. Las empresas más avanzadas ya no buscan solo experiencia. Buscan potencial. Y eso es un cambio de mentalidad importante.
¿Ganar la guerra del talento depende ahora de saber identificarlo mejor?
Completamente. Antes la ventaja estaba en generar volumen, en tener la marca empleadora más atractiva, en recibir más candidaturas. Eso ya no es suficiente. Ahora el diferencial está en la inteligencia sobre el talento. En saber mapear habilidades, detectar potencial que otros no ven y tomar decisiones más precisas. Las empresas que lo hagan bien tendrán una ventaja enorme. Y hay algo que cada vez me convence más: el problema del talento no es de escasez. Es de visibilidad. El talento existe. Lo que falta es la capacidad de verlo.
¿Cómo será el proceso de selección ideal en los próximos años?
Pienso que más científico, pero más humano a la vez. Y sé que eso puede sonar contradictorio, pero no lo es. La automatización va a ocuparse de todo lo que hoy consume tiempo sin aportar valor real: el filtrado, el análisis de información, la generación de recomendaciones. Y eso va a liberar a los recruiters para hacer lo que de verdad importa: conversar con las personas, entender contextos, tomar decisiones complejas. El futuro no es quitar personas del proceso. Es quitarles la parte que no deberían estar haciendo. Y en paralelo, el proceso va a volverse mucho más basado en datos. Igual que nadie toma hoy una decisión financiera importante sin números encima de la mesa, nadie tomará una decisión de talento sin medir habilidades y potencial de forma rigurosa.
¿Qué les dirías a los directivos que todavía contratan como hace diez años?
Que el mercado ya cambió. Aunque sus procesos todavía no se hayan enterado. Seguir contratando solo por CV, por intuición o por experiencia pasada es como intentar competir hoy con herramientas de hace una década. Puedes seguir haciéndolo, pero cada vez te va a costar más. Las empresas que no evolucionen hacia modelos basados en habilidades y evidencia van a cometer más errores, van a perder talento que ni saben que están perdiendo, y van a quedar por detrás de organizaciones más ágiles. En definitiva, el talento del futuro no se va a identificar por lo que alguien escribió en un currículum. Se va a identificar por lo que realmente es capaz de hacer. Y quien lo entienda antes, lleva ventaja.