La inteligencia artificial ya forma parte de muchos procesos de Recursos Humanos en América Latina: ayuda a organizar información, analizar grandes volúmenes de documentos y automatizar tareas que hasta hace poco requerían horas de trabajo manual. Sin embargo, utilizar un chatbot o un sistema generativo para investigar directamente a un candidato plantea un problema diferente, porque un background check no consiste simplemente en encontrar información sobre una persona, sino en comprobar que esa información es correcta, que corresponde efectivamente a esa persona, que procede de una fuente confiable y que resulta relevante para la posición evaluada. Esta diferencia es especialmente importante porque los grandes modelos de lenguaje no funcionan como bases de datos ni como registros oficiales: generan respuestas a partir de patrones estadísticos y, aunque sus resultados pueden parecer precisos y convincentes, también pueden contener información incorrecta o directamente inventada. "El problema no es que la IA se equivoque de vez en cuando, sino que lo hace con total seguridad, sin que exista una fuente que respalde la afirmación", señala el equipo de Validato. Cuando esa información se refiere a una persona real y termina influyendo en una decisión de contratación en cualquier país de la región, el riesgo deja de ser tecnológico para convertirse en un problema de Recursos Humanos, compliance, protección de datos y reputación empresarial.


Cuando una respuesta convincente también puede ser falsa

Un caso ocurrido en Noruega en 2025 ilustra bien el riesgo, aunque haya sucedido fuera de la región: la organización de privacidad noyb presentó una denuncia después de que ChatGPT generara información falsa sobre un ciudadano, describiéndolo como una persona condenada por asesinar a dos de sus hijos e intentar asesinar a un tercero. La respuesta combinaba información inventada con datos reales de la persona, entre ellos su ciudad de residencia y datos sobre sus hijos. El caso es relevante para cualquier organización que use IA generativa para investigar personas, sin importar el país: una respuesta generada por IA podría atribuir a un candidato antecedentes judiciales, problemas financieros, sanciones, controversias profesionales o cualquier otra información que en realidad corresponda a otra persona, y puede mezclar información verdadera y falsa de una manera suficientemente convincente como para que quien recibe el resultado no detecte el problema. Que una respuesta parezca precisa no significa que sea verdadera.Las confusiones de identidad son, además, un riesgo especialmente relevante para empresas latinoamericanas que investigan candidatos con apellidos comunes o que contratan en varios países de la región: dos personas pueden compartir nombre y apellido, haber vivido en la misma ciudad o incluso trabajar en el mismo sector, por lo que un background check profesional no debería considerar una coincidencia de nombre como una identificación, sino contrastar cada hallazgo con la fuente correspondiente antes de incorporarlo a un informe.


América Latina ya está regulando la IA en selección de personal

La región dejó de mirar este tema solo desde afuera. Perú se convirtió en el primer país de América Latina con una ley general de inteligencia artificial: la Ley N.º 31814 y su reglamento, aprobado en septiembre de 2025, clasifican como de alto riesgo a los sistemas de IA utilizados en procesos de empleo y selección de personal, y exigen supervisión humana obligatoria en la toma de decisiones, personal capacitado con autoridad para corregir o detener determinaciones automatizadas, transparencia hacia las personas afectadas y documentación del funcionamiento del sistema durante al menos tres años. En Argentina, la Agencia de Acceso a la Información Pública (AAIP) —la misma autoridad que supervisa la Ley 25.326 de Protección de Datos Personales— publicó desde 2024 una guía para el uso responsable de la inteligencia artificial que exige que los sistemas de IA sean transparentes y explicables, y que incorporen medidas de seguridad para proteger los datos personales que procesan, un criterio directamente aplicable a cualquier herramienta de IA usada para investigar candidatos. México, por su parte, no cuenta todavía con una ley de IA específica, pero la nueva LFPDPPP —vigente desde marzo de 2025 y supervisada por la Secretaría Anticorrupción y Buen Gobierno— exige que cualquier tratamiento de datos personales, incluido el que realiza un sistema de IA, se limite a lo necesario, proporcional y relevante para la finalidad declarada, lo que deja fuera de la ley cualquier "investigación" hecha por chatbot sin una base legal clara. A esto se suman Chile, con la Ley 21.719 de protección de datos personales (vigente desde el 1 de diciembre de 2026, que regula el perfilamiento y las decisiones basadas en tratamiento automatizado) y un proyecto de ley específico de IA en discusión en el Senado; Brasil, con un proyecto de ley de IA aprobado por el Senado en diciembre de 2024 y actualmente en trámite en la Cámara de Diputados, que establece clasificación de riesgo, obligaciones de transparencia y evaluación de impacto algorítmico; y Colombia, que regula el uso de IA en el sector público mediante decretos sectoriales y habilitó desde 2025 un sandbox regulatorio para que las empresas prueben sistemas de IA bajo supervisión. La tendencia regional es clara: la supervisión humana sobre decisiones automatizadas que afectan a personas deja de ser una buena práctica para convertirse, cada vez más, en una obligación legal, ya sea de forma explícita como en Perú o derivada de los principios generales de protección de datos, como en Argentina y México.


El problema no es encontrar información, sino poder demostrarla

La principal diferencia entre una búsqueda informal y un background check profesional es la trazabilidad. No alcanza con saber qué información apareció durante una investigación: también es necesario poder establecer de dónde proviene, a quién corresponde, cuándo fue publicada, si continúa vigente y qué relevancia tiene para la posición evaluada. Este es uno de los principales problemas de utilizar directamente un chatbot para investigar candidatos, ya que una respuesta puede resultar detallada y aparentemente confiable sin ofrecer evidencia suficiente para determinar qué registro, resolución judicial, institución educativa, antiguo empleador o fuente periodística respalda cada afirmación. Incluso cuando un sistema proporciona referencias, esas fuentes deben revisarse directamente y no darse por válidas simplemente porque fueron mencionadas por el modelo: en un background check, la IA no puede convertirse en su propia fuente. Si un hallazgo contribuye a una decisión adversa sobre un candidato en cualquier país de la región, la empresa debería poder reconstruir cómo llegó a esa conclusión, lo que implica conservar la fuente, verificar que la información corresponde a la persona correcta, documentar el análisis realizado y aplicar criterios consistentes entre candidatos comparables. Una conclusión que no puede reconstruirse ni demostrarse difícilmente puede considerarse un resultado sólido de background screening.


Dónde sí aporta valor la inteligencia artificial

La respuesta no consiste en excluir la inteligencia artificial del proceso. Utilizada correctamente, puede aportar una eficiencia considerable: la tecnología puede ayudar a clasificar documentos, estructurar información, detectar posibles coincidencias en grandes volúmenes de datos, asistir en búsquedas de listas de sanciones o personas políticamente expuestas y facilitar una primera revisión de fuentes públicas. En todos estos casos, la IA funciona como una herramienta para acelerar el trabajo, no como sustituto de la verificación. La etapa crítica comienza precisamente después de que aparece un posible hallazgo: un analista debe confirmar que la información corresponde al candidato evaluado, consultar la fuente original cuando sea posible, revisar el contexto, determinar si la información continúa siendo válida y establecer si resulta pertinente para las responsabilidades de la posición. Esa intervención humana no es solamente una medida de precaución frente a posibles errores de la IA; es, cada vez más, un requisito que empiezan a exigir las propias regulaciones de la región, como muestra el caso peruano. El alcance de la revisión también debe guardar relación con el riesgo de la posición: una función ejecutiva con capacidad para autorizar pagos, administrar activos, acceder a información confidencial o tomar decisiones estratégicas presenta necesidades de control diferentes de las de una posición sin acceso a recursos o sistemas sensibles.


Tecnología para acelerar. Personas para verificar.

En Validato entendemos la tecnología como una herramienta para hacer más eficiente el proceso de background screening, pero no como un sustituto de las fuentes ni del análisis profesional. El objetivo de un background check no es producir rápidamente un perfil sobre una persona, sino entregar información que pueda ser identificada, verificada, contextualizada y documentada. Esto implica trabajar con fuentes adecuadas para cada tipo de verificación, confirmar la identidad antes de atribuir un hallazgo a un candidato y mantener una trazabilidad suficiente para comprender cómo se obtuvo cada resultado, además de adaptar el alcance del proceso a la posición y al marco legal aplicable en cada jurisdicción, algo particularmente relevante para organizaciones que contratan en varios países de América Latina, donde cada país avanza a su propio ritmo regulatorio. La inteligencia artificial puede reducir tiempos y facilitar determinadas tareas, pero la velocidad no reemplaza la evidencia.


La pregunta que debería hacerse RR. HH. en América Latina

La IA tiene un lugar importante en el futuro del background screening en la región, pero ese lugar debería ser el de una tecnología de apoyo. Utilizar un chatbot como si fuera una fuente de antecedentes sobre una persona introduce riesgos de información falsa, confusión de identidades y falta de trazabilidad que resultan difíciles de justificar cuando el resultado puede influir en una contratación, y que además de convertirse en un problema legal en Perú, comienzan a serlo también en Argentina, México, Chile, Brasil y Colombia. Para Recursos Humanos, la pregunta relevante no es solamente cuánto puede automatizarse un proceso, sino qué nivel de confianza puede depositarse en su resultado: un background check confiable requiere fuentes verificables, criterios definidos, documentación y revisión humana.


En Validato ayudamos a las organizaciones a estructurar procesos de background screening adaptados al riesgo de cada posición y a las jurisdicciones en las que operan, combinando tecnología con verificación profesional y trazabilidad de los resultados. Para empresas que contratan en América Latina, este enfoque permite incorporar nuevas herramientas sin perder aquello que finalmente da valor a un background check: poder demostrar de dónde proviene la información y por qué puede considerarse confiable.


Nota: Este artículo tiene fines informativos generales y no constituye asesoramiento legal. Las normas aplicables a background checks, protección de datos, inteligencia artificial y procesos de selección varían según el país y las circunstancias particulares de cada caso. Para una evaluación jurídica específica se recomienda consultar a profesionales especializados en la jurisdicción correspondiente.