DOI: https://doi.org/1=
0.56712/latam.v6i3.4245
Algoritmos Verdes: Digitalización Ética y Sustenta=
ble
del Reclutamiento Humano
Green Algorithms: Ethical
and Sustainable Digitalization of Human Recruitment
Mirtha Karina Serrano Sotelo
18412@uagro.mx
https://orcid.org/0009-0006-0697-8482
Universidad Hipócrates
Guerrero – México
Juan Gilberto González Velázquez
10228@uagro.mx
https://orcid.org/0009-0005-7445-4157
Universidad Autónoma de Guerrero
Guerrero – México
Artículo
recibido: 30 de junio de 2025. Aceptado para publicación: 25 de julio de 20=
25.
Con=
flictos
de Interés: Ninguno que declarar.
Resumen
El
presente trabajo aborda el concepto de algoritmos verdes en el contexto del
reclutamiento digital, proponiendo una visión ética, sustentable y socialme=
nte
inclusiva de la transformación digital en recursos humanos. A partir de una
revisión documental y normativa, se examina cómo la implementación de
inteligencia artificial en procesos de selección puede generar tanto benefi=
cios
operativos como riesgos éticos, sociales y ambientales. Se identifican tres
ejes críticos: la necesidad de transparencia y explica=
bilidad
algorítmica, la inclusión social en el diseño de sistemas automatizados, y =
la
urgencia de considerar el impacto ambiental de la infraestructura tecnológi=
ca
que soporta la digitalización. El análisis destaca que la eficiencia no pue=
de
desvincularse de principios de equidad y justicia. Por ello, los algoritmos
verdes no deben entenderse como simples mejoras técnicas, sino como
herramientas transformadoras orientadas a garantizar derechos laborales,
justicia digital y responsabilidad ecológica. Se concluye que su implementa=
ción
requiere un enfoque multidisciplinario, políticas internas de gobernanza
tecnológica y un compromiso institucional con el desarrollo sostenible.
Pal=
abras
clave: transform=
ación
digital, reclutamiento automatizado, algoritmos verdes, inteligencia artifi=
cial
ética, desarrollo sustentable, inclusión laboral, derechos digitales
Abstract
This paper addresses the
concept of green algorithms in the context of digital recruitment, proposin=
g an
ethical, sustainable, and socially inclusive vision of digital transformati=
on
in human resources. Based on a documentary and regulatory review, it examin=
es
how the implementation of artificial intelligence in selection processes can
generate both operational benefits and ethical, social, and environmental
risks. Three critical axes are identified: the need for algorithmic
transparency and explainability, social inclusi=
on in
the design of automated systems, and the urgency of considering the
environmental impact of the technological infrastructure that supports
digitalization. The analysis highlights that efficiency cannot be separated
from principles of equity and justice. Therefore, green algorithms should n=
ot
be understood as simple technical improvements, but as transformative tools
aimed at guaranteeing labor rights, digital justice, and ecological
responsibility. It concludes that their implementation requires a
multidisciplinary approach, internal technological governance policies, and=
an
institutional commitment to sustainable development.
Keywords:<=
/span> digital transformation, automated recruitment, gr=
een
algorithms, ethical artificial intelligence, sustainable development, labor
inclusion, digital rights
Todo el contenido de LATAM Revista
Latinoamericana de Ciencias Sociales y Humanidades, publicado en este sitio
está disponibles bajo Licencia Creative Com=
mons.
Cómo
citar: Serrano Sotelo, M. K., &
González Velázquez, J. G. (2025). Algoritmos Verdes: Digitalización Ética y
Sustentable del Reclutamiento Humano. LATAM
Revista Latinoamericana de Ciencias Sociales y Humanidades 6 (3), 3991 – 40=
03.
https://doi.org/10.56712/latam.v6i3.4245
INT=
RODUCCIÓN
Con=
texto
y Justificación
La
convergencia entre los procesos de transformación digital, la adopción de
tecnologías basadas en inteligencia artificial (IA) y la agenda contemporán=
ea
de desarrollo sustentable configura un nuevo paradigma socio-productivo. En
efecto, la digitalización estratégica de las organizaciones redefine sus
modelos de negocio, sus estructuras de gobernanza y sus culturas corporativ=
as,
al tiempo que genera presiones para alinear dichas innovaciones con marcos
éticos y ambientales rigurosos (Vial, 2019). Dentro de este ecosistema, el
reclutamiento automatizado emerge como un ejemplo emblemático: el uso de
algoritmos de IA agiliza la atracción y selección de talento humano, pero
también introduce riesgos de sesgo algorítmico y discriminación que deben
mitigarse mediante principios de IA ética y políticas de inclusión laboral =
(Upadhyay & Khandelwal=
, 2018; Floridi & Cowls, 2019=
; OIT,
2020).
La importa= ncia de este estudio radica en su capacidad para articular una visión integral y crítica sobre los desafíos y oportunidades que emergen en la intersección e= ntre la transformación digital, la ética tecnológica, la sostenibilidad ambienta= l y la inclusión social en el entorno laboral contemporáneo. En un contexto caracterizado por la acelerada digitalización de los procesos productivos, administrativos y relacionales, comprender los conceptos clave—como reclutamiento automatizado, inteligencia artificial ética, algoritmos verde= s o derechos digitales—se vuelve fundamental para formular políticas públicas, estrategias empresariales y marcos normativos que garanticen el equilibrio entre eficiencia tecnológica, justicia social y responsabilidad ambiental.<= o:p>
Desde una
perspectiva organizacional, este estudio permite identificar cómo la
implementación de tecnologías disruptivas, como la inteligencia artificial =
o el
big data, puede optimizar procesos como el
reclutamiento, la toma de decisiones o el análisis de datos, siempre que se
apliquen con criterios éticos y de transparencia (Flor=
idi
& Cowls, 2019). A nivel laboral, resalta la
necesidad de inclusión efectiva de grupos vulnerables mediante mecanismos
automatizados no discriminatorios, fortaleciendo así la equidad en el acces=
o a
oportunidades profesionales (OIT, 2020).
En el ámbi=
to
ambiental, la investigación adquiere relevancia al destacar cómo los algori=
tmos
verdes pueden contribuir a mitigar el impacto ecológico de las infraestruct=
uras
digitales, alineándose con los compromisos del desarrollo sustentable (Lannelongue & Zhao, 2022; CMMAD, 1987). Esto resu=
lta
particularmente pertinente frente al crecimiento exponencial de la demanda
energética en el sector tecnológico, lo cual implica repensar la innovación=
digital
desde una lógica de eficiencia ecológica.
Varios
estudios han abordado la transformación digital y su relación con los proce=
sos
organizacionales subrayando la necesidad de alinear tecnología, estrategia y
cultura
Simultánea=
mente,
la urgencia climática ha posicionado a los algoritmos verdes como pieza cla=
ve
para reducir la huella de carbono de los centros de datos y de los modelos =
de
aprendizaje automático, contribuyendo así a los Objetivos de Desarrollo
Sostenible (Lannelongue & Zhao, 2022). Este
enfoque técnico-ambiental dialoga con la noción clásica de sustentabilidad
presentada en el Informe Brundtland, que aboga por cubrir las necesidades
presentes sin comprometer las de las generaciones futuras (Comisión Mundial
sobre el Medio Ambiente y el Desarrollo [CMMAD], 1987). Bajo este marco, la
tecnología deja de ser un fin en sí mismo para convertirse en un medio que =
habilita
progreso económico, equidad social y protección ecológica.
Ahora bien=
, la
acelerada digitalización también amplifica el debate sobre los derechos
digitales, entendidos como la extensión de las libertades y garantías
fundamentales al ciberespacio. Estos abarcan el acceso universal, la protec=
ción
de datos personales, la privacidad y la libertad de expresión en entornos
virtuales (Gilman, 2021). Asegurar tales derech=
os
resulta indispensable para legitimar cualquier iniciativa de transformación
digital, pues refuerza la confianza pública y previene prácticas de explota=
ción
o vigilancia indebida.
En conjunt=
o,
estos conceptos transformación digital (tabla 1), reclutamiento automatizad=
o,
algoritmos verdes, IA ética, desarrollo sustentable, inclusión laboral y
derechos digitales—constituyen un entramado interdependiente que redefine el
modo en que las organizaciones generan valor y cómo la sociedad se relaciona
con la tecnología. Comprender su interacción crítica no solo fortalece la
competitividad empresarial, sino que también orienta políticas públicas y
estrategias académicas hacia un futuro inclusivo, ético y sostenible.
Tab=
la 1
|
C=
oncepto |
D=
efinición
Académica |
R=
eferencia
APA 7 |
|
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Transformación digital |
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Proceso de adopción estratégica de tecnologías
digitales para modificar profundamente los procesos organizativos, modelo=
s de
negocio y cultura institucional de una organización. |
<=
span
style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-font-family:Robo=
to;
mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:none;
mso-ansi-language:EN-US'>Vial, G. (2019). Understanding digital
transformation: A review and a research agenda. The Journal of Strategic
Information Systems, 28(2), 118–144. ht=
tps://doi.org/10.1016/j.jsis.2019.01.003 |
|
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Reclutamiento automatizado |
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Uso de herramientas tecnológicas basadas en
inteligencia artificial y aprendizaje automático para optimizar procesos =
de
selección y contratación de personal. |
<=
span
style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-font-family:Robo=
to;
mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:none;
mso-ansi-language:EN-US'>Upadhyay, A. K., & Khandelwal, K. (2018).
Artificial intelligence-based recruitment and its impact on human resourc=
es.
International Journal of Advance Research and Innovation, 6(3), 123–127. =
https://ijari.org/assets/papers/vol6issue3/IJARI-DH-18-06-2018-14.p=
df |
|
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Algoritmos verdes |
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Conjunto de algoritmos diseñados para optimizar =
el
consumo energético y reducir el impacto ambiental de los sistemas digital=
es. |
<=
span
class=3DSpellE>Lannelongue,=
G.,
& Zhao, Y. (2022). Towards greener algorithms: Reducing the environme=
ntal
footprint of machine learning. Nature Machine Intelligence,
4(1), 12–14. ht=
tps://doi.org/10.1038/s42256-021-00438-z |
|
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Inteligencia artificial ética |
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Desarrollo y uso de sistemas de IA que respetan =
los
principios de transparencia, equidad, responsabilidad, privacidad y no
discriminación. |
<=
span
class=3DSpellE>Floridi, L., &a=
mp;
Cowls, J. (2019). A unified framework of five principles for AI in societ=
y. Harvard Data Science=
Review, 1(1). ht=
tps://doi.org/10.1162/99608f92.8cd550d1 |
|
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Desarrollo sustentable |
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Desarrollo que satisface las necesidades del
presente sin comprometer la capacidad de las futuras generaciones para
satisfacer sus propias necesidades. |
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Comisión Mundial sobre el Medio Ambiente y el
Desarrollo. (1987). Nuestro futuro común (Informe Brundtland). ONU. https://sustainabledevelopment.un.org/content/documents/5987our-com=
mon-future.pdf |
|
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Inclusión laboral |
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Proceso que garantiza la participación equitativ=
a de
personas en situación de vulnerabilidad o discriminación en el ámbito
laboral, eliminando barreras estructurales. |
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Organización Internacional del Trabajo (OIT).
(2020). La inclusión laboral de las personas con discapacidad. |
|
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Derechos digitales |
<=
span
lang=3Des-419 style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-fo=
nt-family:
Roboto;mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:non=
e;
mso-ansi-language:#580A'>Conjunto de derechos que garantizan a las person=
as
el acceso, control, privacidad, seguridad y libertad en el entorno digita=
l. |
<=
span
style=3D'font-size:10.0pt;font-family:Roboto;mso-fareast-font-family:Robo=
to;
mso-bidi-font-family:Roboto;mso-font-kerning:0pt;mso-ligatures:none;
mso-ansi-language:EN-US'>Gilman, M. E. (2021). Rethinking the right to be
forgotten. Florida Law Review, 73(2), 457–504. =
ht=
tps://scholarship.law.ufl.edu/flr/vol73/iss2/3=
|
En la
actualidad, la transformación digital representa uno de los pilares
fundamentales para el rediseño de las funciones organizacionales,
particularmente en el área de gestión del talento humano. Dentro de este
contexto, los algoritmos han adquirido un papel protagónico al automatizar
procesos de reclutamiento, facilitando la selección de personal mediante
sistemas de inteligencia artificial (IA). No obstante, estas innovaciones
tecnológicas deben analizarse críticamente a la luz de los principios ético=
s,
sociales y ambientales que configuran el paradigma de la sostenibilidad.
El término
“algoritmos verdes” alude a aquellos sistemas algorítmicos diseñados para
operar no solo con eficiencia computacional, sino también en conformidad con
estándares de justicia social, inclusión laboral, respeto por la privacidad=
y
bajo impacto ambiental. Así, se impone la necesidad de explorar los riesgos=
y
oportunidades de estos sistemas en el contexto del reclutamiento humano, co=
n el
fin de transitar hacia una gestión ética, justa y sustentable del capital
humano.
Tra=
nsformación
digital y automatización del reclutamiento
La
transformación digital en el ámbito organizacional ha permitido la integrac=
ión
de tecnologías emergentes como la inteligencia artificial, el aprendizaje
automático (machine learning) y el análisis de big
data, con el fin de optimizar procesos estratégicos, entre ellos, la atracc=
ión
y selección de talento (Bharadwaj et al., 2013)=
. En
particular, el uso de sistemas de seguimiento de candidatos (Applicant Tracking Systems, ATS)
ha demostrado ser eficiente en la reducción de tiempos de contratación, mej=
ora
en la precisión de selección y disminución de costos operativos (Upadhyay & Khandelwal=
, 2018).
Sin embarg=
o,
esta eficiencia operativa conlleva riesgos éticos significativos, especialm=
ente
cuando los algoritmos son entrenados con datos históricos que reflejan sesg=
os
discriminatorios (Raghavan et al., 2020). Así, =
la
dependencia excesiva en herramientas automatizadas puede invisibilizar
criterios humanos esenciales para garantizar un proceso de selección justo y
equitativo.
MET=
ODOLOGÍA
La presente
investigación se desarrolla bajo un enfoque cualitativo de carácter
exploratorio-descriptivo, en virtud de que busca comprender las implicacion=
es
éticas, sociales y operativas derivadas del uso de algoritmos en el
reclutamiento humano, desde una perspectiva de sostenibilidad. La elección =
de
esta metodología se fundamenta en la necesidad de analizar fenómenos comple=
jos
y emergentes que no pueden ser explicados únicamente mediante métricas
cuantificables, sino a través de la interpretación de significados, discurs=
os,
prácticas y normas (Hernández-Sampieri et al., 2014).
Enf=
oque
metodológico y tipo de estudio
El estudio=
es
no experimental, cualitativo y documental, y se basa en el análisis de fuen=
tes
primarias y secundarias relevantes: artículos científicos indexados, normat=
ivas
legales, informes institucionales y guías de ética algorítmica. Su finalida=
d es
generar una interpretación crítica sobre el impacto de los algoritmos en el
reclutamiento humano desde el prisma de la ética digital y la
sustentabilidad.2. Técnicas de recolección de datos
Se emplear=
án
dos técnicas principales:
Rev=
isión
documental y sistemática de literatura
Consiste e=
n la
identificación, análisis y síntesis crítica de literatura académica sobre
transformación digital, ética de la inteligencia artificial, reclutamiento
automatizado y sostenibilidad digital, publicada entre 2015 y 2024. La búsq=
ueda
se realizará en bases de datos científicas como Scopus=
,
Web of Science, Red=
alyc,
Scielo, y Dialnet, utilizando operadores booleanos y descriptores específic=
os
como:
“algori=
thmic
recruitment”
“sustai=
nable
AI”
“ethica=
l
hiring”
“green computing in HR”
Aná=
lisis
normativo y ético
Se revisar=
án
marcos regulatorios vigentes relacionados con protección de datos personale=
s,
decisiones automatizadas y derechos laborales, tales como:
Reglamento
General de Protección de Datos (GDPR, Unión Europea)
Ley Federa=
l de
Protección de Datos Personales en Posesión de los Particulares (México)
Principios
éticos para la IA propuestos por organismos como la OCDE y la UNESCO
Est=
rategia
de análisis de datos
Se aplicar=
á un
análisis de contenido temático que permita identificar patrones conceptuale=
s y
categorías emergentes en las fuentes revisadas. Las categorías iniciales
consideradas son:
Transparen=
cia
algorítmica
Discrimina=
ción
algorítmica
Sustentabi=
lidad
organizacional
Gobernanza
ética de IA
Impacto
ambiental digital
El análisis
será asistido mediante el uso de software especializado en análisis
cualitativo, como ATLAS.ti o NVivo,
para garantizar la trazabilidad, codificación sistemática y validez
interpretativa de los datos (Saldaña, 2021).
Con=
sideraciones
éticas
Dado que el
estudio no implica intervención directa con personas ni manipulación de
variables, no representa riesgo para los participantes. Sin embargo, se ase=
gura
el cumplimiento de principios éticos del Consejo Nacional de Bioética en
Investigación (CONBIOÉTICA) y los Códigos de ética de la UNESCO y la OCDE s=
obre
inteligencia artificial, garantizando:
Uso
responsable de información pública y privada
Criterios =
de
autoría y respeto a la propiedad intelectual
Transparen=
cia
en la interpretación y comunicación de resultados
Mención de
posibles conflictos de interés
Lim=
itaciones
metodológicas
La
investigación se circunscribe a un enfoque documental y no contempla, en es=
ta
fase, trabajo de campo empírico. Por tanto, los hallazgos estarán limitados=
al
análisis teórico y normativo de fuentes secundarias. Sin embargo, estos ins=
umos
pueden servir como base para futuras investigaciones de tipo mixto o
cuantitativo-experimental.
De los
anterior se concluye que la combinación de análisis documental, revisión
normativa y enfoque cualitativo garantiza una aproximación holística, rigur=
osa
y contextualizada al fenómeno de los algoritmos verdes en el reclutamiento
humano. Esta estrategia metodológica permitirá aportar no sólo una
interpretación crítica, sino también propuestas prácticas y éticamente
fundamentadas para el diseño de sistemas de selección de talento que promue=
van
la sustentabilidad, equidad y eficiencia en el ámbito laboral.
DES=
ARROLLO
Teo=
rías
y Modelo
Alg=
oritmos
Verdes: Digitalización Ética y Sustentable del Reclutamiento Humano
La irrupci=
ón
de tecnologías digitales, especialmente los algoritmos de inteligencia
artificial (IA), ha transformado profundamente los procesos de atracción y
selección de talento humano en el mundo corporativo. Esta transformación
digital, sin embargo, ha de enmarcarse en un paradigma sustentable que
contemple tanto la eficiencia operativa como la responsabilidad ética,
ambiental y social.
Tra=
nsformación
digital y algoritmos en la gestión del talento
La
transformación digital implica la adopción de tecnologías digitales para
reconfigurar los procesos organizacionales con el objetivo de lograr mayor
eficiencia, innovación y adaptabilidad (Bharadwaj et
al., 2013). En el caso del reclutamiento humano, esta transformación se
manifiesta en el uso de sistemas de seguimiento de candidatos (ATS), algori=
tmos
de evaluación automatizada y entrevistas basadas en análisis predictivo.
Los algori=
tmos
aplicados al reclutamiento permiten filtrar grandes volúmenes de candidatos,
evaluar comportamientos, predecir compatibilidad con valores corporativos y
optimizar el tiempo de contratación (Upadhyay &=
amp; Khandelwal, 2018). Sin embargo, su implementación pue=
de
generar impactos negativos no previstos si no se considera el marco ético y
sustentable que debe regir su funcionamiento.
Éti=
ca
algorítmica en el reclutamiento automatizado
Los algori=
tmos
verdes hacen referencia a sistemas computacionales diseñados no sólo para
maximizar eficiencia, sino para alinearse con principios éticos y de justic=
ia.
En el ámbito del reclutamiento, esto implica evitar la reproducción de sesg=
os
discriminatorios, garantizar la transparencia de los procesos automatizados=
y
respetar los derechos humanos y laborales de los candidatos.
Eub=
anks (2018) advierte sobre cómo=
la
automatización puede consolidar desigualdades preexistentes si los datos con
los que se entrenan los algoritmos contienen sesgos estructurales. A su vez=
, Raghavan et al. (2020) enfatizan la importancia de au=
ditar
algoritmos de selección con el fin de asegurar su equidad, inclusión y explicabilidad.
Sus=
tentabilidad
digital: más allá del impacto ambiental
La
sustentabilidad en la era digital implica una visión amplia e integrada que
contemple tres dimensiones fundamentales:
Amb=
iental: uso eficiente de recursos
tecnológicos, reducción de huella energética y servidores ecológicos.
Soc=
ial: inclusión digital,
accesibilidad, equidad en el acceso a oportunidades laborales.
Éti=
ca: decisiones justas, explica=
bles
y no discriminatorias.
Job=
in, Ienc=
a
y Vayena (2019) recopilaron más de 84 guías
internacionales sobre ética en inteligencia artificial, concluyendo que exi=
ste
un consenso global sobre cinco principios: justicia, no maleficencia,
autonomía, explicabilidad y responsabilidad. Es=
tos
deben ser aplicados al diseño de algoritmos de reclutamiento para que sean
sustentables.
Alg=
oritmos
responsables y gobernanza digital sustentable
La goberna=
nza
de los algoritmos implica establecer normas y procedimientos para su diseño,
implementación, monitoreo y evaluación. Según Mittelst=
adt
et al. (2016), esto requiere auditorías algorítmicas, mecanismos de apelaci=
ón,
rendición de cuentas y participación multidisciplinaria (jurídica, tecnológ=
ica
y ética) en los procesos de evaluación de IA.
Asimismo, =
es
crucial aplicar el principio de privacy by design para garantizar=
la
protección de los datos personales conforme a normativas como el GDPR en Eu=
ropa
o la LFPDPPP en México (Diario Oficial de la Federación, 2010).
Hac=
ia
un reclutamiento sostenible, inclusivo y digitalmente justo
El enfoque=
de
algoritmos verdes en el reclutamiento propone la creación de sistemas
tecnológicos que respeten los principios del desarrollo sustentable, contem=
plando:
· =
Tra=
nsparencia
y auditabilidad algorítmica.
· =
Inc=
lusión
de poblaciones vulnerables (personas con discapacidad, indígenas, adultos
mayores).
· =
Red=
ucción
del impacto ambiental de los sistemas de procesamiento de datos.
· =
Cum=
plimiento
normativo en derechos laborales y digitales.
Este enfoq=
ue
se alinea con los Objetivos de Desarrollo Sostenible (ODS), en particular el
ODS 8 (trabajo decente y crecimiento económico) y el ODS 10 (reducción de l=
as
desigualdades).
Hoy en día=
la
digitalización del reclutamiento humano, si bien representa un avance
tecnológico significativo, debe integrarse en un modelo sustentable donde l=
os
algoritmos no solo sean eficientes, sino también éticos, inclusivos y
ecológicamente responsables. La construcción de “algoritmos verdes” implica=
una
nueva gobernanza digital centrada en la justicia social, la equidad y la
sostenibilidad, principios indispensables para construir organizaciones
modernas y comprometidas con el desarrollo integral.
La revoluc=
ión
digital ha permeado cada rincón de las organizaciones contemporáneas. Uno de
los sectores más transformados ha sido el de la gestión del talento humano,
especialmente en los procesos de reclutamiento. La aplicación de inteligenc=
ia
artificial (IA) y algoritmos ha optimizado tiempos, reducido costos y gener=
ado
nuevas formas de interacción entre candidatos y empleadores. Sin embargo, e=
stas
innovaciones conllevan una serie de retos éticos, sociales y medioambiental=
es
que aún no han sido plenamente abordados (Upadhyay
& Khandelwal, 2018; Mi=
ttelstadt
et al., 2016).
En la era =
de
la cuarta revolución industrial, la transformación digital ha rediseñado
radicalmente los procesos organizacionales, en especial aquellos vinculados=
a
la gestión del talento humano. El reclutamiento, tradicionalmente dependien=
te
de entrevistas presenciales, revisión de currículums y apreciaciones
subjetivas, ha transitado hacia modelos algorítmicos capaces de procesar
grandes volúmenes de datos, evaluar perfiles en segundos y predecir el éxito
laboral con base en patrones aprendidos. Sin embargo, estos avances no están
exentos de críticas: los algoritmos, si no son diseñados bajo principios
éticos, pueden reproducir sesgos estructurales, excluir sistemáticamente a
grupos vulnerables y operar como "cajas negras" opacas al escruti=
nio
humano (Eubanks, 2018; Rag=
havan
et al., 2020).
Es en este
contexto donde emerge el concepto de algoritmos verdes, entendidos como
sistemas de inteligencia artificial (IA) orientados no solo a la eficiencia
técnica, sino también al respeto por la equidad social, la transparencia
operativa, la protección de datos personales y la sustentabilidad
medioambiental. Esta propuesta implica reconfigurar el reclutamiento digital
para que sea coherente con los Objetivos de Desarrollo Sostenible (ODS), en
especial el ODS 8 (trabajo decente), el ODS 10 (reducción de desigualdades)=
y
el ODS 12 (producción y consumo responsables) (Naciones Unidas, 2015).
Tra=
nsformación
digital y automatización del reclutamiento
La aplicac=
ión
de tecnologías emergentes en recursos humanos ha facilitado la implementaci=
ón
de sistemas como los Applicant Tracking Systems (ATS), entrevistas por video evaluadas por IA=
y
algoritmos de coincidencia de perfiles. Estas herramientas permiten mejorar=
la
eficiencia del proceso de selección, disminuir tiempos de contratación y
reducir costos administrativos (Upadhyay & =
Khandelwal, 2018).
No obstant=
e,
el uso de IA en estos contextos plantea interrogantes relevantes. Diversos
estudios han demostrado que los algoritmos entrenados con datos históricos
tienden a replicar patrones de exclusión de género, raza o edad, afectando =
la
equidad del acceso al empleo (Raghavan et al., =
2020).
Además, la falta de transparencia algorítmica limita la capacidad de los
candidatos para entender y cuestionar las decisiones que afectan directamen=
te
sus oportunidades laborales (Mittelstadt et al.,
2016).
Dim=
ensiones
éticas de los algoritmos en la selección de personal
El debate
sobre ética algorítmica se ha intensificado en los últimos años. Organismos=
internacionales
como la UNESCO (2021) y la OCDE (2019) han propuesto principios rectores que
incluyen la justicia, la transparencia, la explicabili=
dad
y la rendición de cuentas. Aplicados al ámbito del reclutamiento, estos
principios implican garantizar que los sistemas algorítmicos sean auditable=
s,
comprensibles para los usuarios y corregibles en caso de error.
La inclusi=
ón
de estas dimensiones éticas implica también un rediseño de los procesos
internos de las áreas de recursos humanos, incluyendo capacitación en
gobernanza digital, protección de datos y justicia algorítmica (Jobin, Ienca & Vayena, 2019).
Sus=
tentabilidad
digital: impacto ambiental e inclusión social
La
sustentabilidad de la digitalización en recursos humanos también requiere c=
onsiderar
su impacto ecológico. La infraestructura que sostiene la IA (como servidore=
s,
procesamiento en la nube y almacenamiento de datos) tiene un consumo energé=
tico
significativo. La literatura sobre "green =
computing" propone diseñar sistemas energéticame=
nte
eficientes, con menor huella de carbono y uso responsable de hardware (Bawden & Robinson, 2020).
Adicionalm=
ente,
la sustentabilidad digital abarca la inclusión de poblaciones marginadas. Un
sistema algorítmico verdaderamente verde debe garantizar accesibilidad para
personas con discapacidad, hablantes de lenguas originarias y grupos que
tradicionalmente han enfrentado barreras tecnológicas. Este enfoque permite=
una
transición digital justa y coherente con los principios del desarrollo huma=
no
sostenible (Zuboff, 2019).
DIS=
CUSIÓN
La
implementación de algoritmos verdes en los procesos de reclutamiento humano=
no
sólo redefine las prácticas de selección, sino que también desafía las lógi=
cas
tradicionales del desarrollo tecnológico empresarial. Al integrar criterios
éticos, sociales y ambientales en la automatización del talento humano, se
plantea un nuevo paradigma en el que la eficiencia no puede desvincularse d=
e la
justicia y la sostenibilidad. Esta visión integral es fundamental para
consolidar una transformación digital responsable.
En primer
lugar, la transparencia y la explicabilidad de =
los
algoritmos son condiciones necesarias para garantizar la legitimidad de sus
decisiones. La opacidad algorítmica, común en muchos sistemas comerciales,
obstaculiza el ejercicio de derechos fundamentales por parte de los candida=
tos,
como el acceso a información clara sobre las razones detrás de su selección=
o
descarte. De ahí que las auditorías éticas y las metodologías de evaluación=
ex
ante y ex post sean indispensables para verificar que no existan prácticas
discriminatorias ni sesgos reproducidos de forma automatizada (Jobin et al., 2019; Mittelstadt<=
/span>
et al., 2016).
En segundo
lugar, los algoritmos verdes deben concebirse como herramientas para inclui=
r,
no para excluir. Esto requiere incorporar principios de diseño universal,
accesibilidad tecnológica, sensibilidad intercultural y enfoques basados en
derechos humanos. Es decir, no se trata únicamente de ajustar modelos
matemáticos, sino de cambiar la lógica con la que se conceptualiza el éxito=
, el
mérito y el talento en las organizaciones. La inclusión efectiva de grupos
históricamente marginados representa un criterio clave de sustentabilidad
social.
Finalmente=
, la
dimensión ambiental del reclutamiento digital no puede pasar desapercibida.=
Si
bien el discurso sobre transformación digital suele centrarse en la eficien=
cia
operativa y la innovación, rara vez se problematiza el consumo energético y=
la
huella ecológica de la infraestructura algorítmica. En este sentido, se hace
urgente una política de responsabilidad ambiental aplicada a la digitalizac=
ión
de recursos humanos, incluyendo criterios de eficiencia energética,
contratación de servidores sostenibles y reciclaje tecnológico.
En conjunt=
o,
estas reflexiones sugieren que los algoritmos verdes no deben entenderse co=
mo
una simple mejora técnica, sino como una herramienta transformadora en la
búsqueda de un sistema laboral más justo, transparente y respetuoso con el
planeta.
CON=
CLUSIÓN
Los algori=
tmos
verdes representan una oportunidad para reimaginar el
reclutamiento humano en clave de justicia social, transparencia y
sostenibilidad. Su implementación exige un enfoque multidisciplinario que
articule conocimiento técnico, ético y normativo, así como un compromiso
institucional con el respeto a los derechos laborales y digitales. La
digitalización no debe entenderse sólo como una meta de eficiencia, sino co=
mo
un medio para construir organizaciones más equitativas, sostenibles y centr=
adas
en la dignidad humana.
De lo
anterior, se puede afirmar que los algoritmos verdes constituyen una respue=
sta
integral a los desafíos que plantea la transformación digital del reclutami=
ento
humano. Su relevancia radica en la capacidad de integrar eficiencia tecnoló=
gica
con valores fundamentales como la equidad, la inclusión y el respeto por el
entorno. En lugar de adoptar soluciones automatizadas sin cuestionamiento, =
las
organizaciones deben promover marcos de gobernanza ética, políticas de datos
responsables y criterios de sostenibilidad en todas las fases del ciclo de =
vida
algorítmico. Esto no solo fortalece la legitimidad del proceso de selección,
sino que también posiciona a las instituciones como agentes activos en la
construcción de una economía digital justa y sostenible. Así, los algoritmos
verdes no son solo una innovación técnica, sino una apuesta ética por el fu=
turo
del trabajo.
REF=
ERENCIAS
Baw=
den, D., & Robinson, L.
(2020). The dark side of digital:
Understanding the sustainability of digital transformation. Journal of
Documentation, 76(6), 1397–1415. https://doi.org/10.1108/JD-12-2019-0225
Bharadwaj, A., El Sawy, O. A., Pavlou, P. A=
., &
Venkatraman, N. (2013). Digital business strategy: Toward a next generation=
of
insights. MIS Quarterly, 37(2), 471–482. https://doi.org/10.25300/MIS=
Q/2013/37:2.3
Comisión
Mundial sobre el Medio Ambiente y el Desarrollo. (1987). Nuestro futuro com=
ún.
Naciones Unidas. https://sustainabledevelopm=
ent.un.org/content/documents/5987our-common-future.pdf
Diario Oficial de la Federación. (2010).=
Ley
Federal de Protección de Datos Personales en Posesión de los Particulares. =
https://www.dof.gob.mx/nota=
_detalle.php?codigo=3D5150631&fecha=3D05/07/2010
Eubanks, V. (2018). Automat=
ing
inequality: How high-tech tools profile, police, and punish the poor. St.
Martin’s Press.
Flo=
ridi, L., & Cowls, J. (2019). A unified framework =
of
five principles for AI in society. Harvard Data Science Review, 1(1). https://doi.org/10.1162/9960=
8f92.8cd550d1
Gilman, M. E. (2021).
Rethinking the right to be forgotten. Florida Law Review, 73(2), 457–504. <=
/span>https://scholarship.law.ufl.edu/flr/vol73/iss2/3
Hernández-=
Sampieri,
R., Fernández-Collado, C., & Baptista-Lucio, M. P. (2014). Metodología =
de
la investigación (6.ª ed.). McGraw-Hill.
Job=
in, A., =
Ienca,
M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Natu=
re
Machine Intelligence, 1(9), 389–399. https://doi.org/10.1038/s422=
56-019-0088-2
Lan=
nelongue, G., & Zhao, Y. (2022). Towards greener
algorithms: Reducing the environmental footprint of machine learning. Nature
Machine Intelligence, 4(1), 12–14. https://doi.org/10.1038/s422=
56-021-00438-z
Mit=
telstadt, B. D., Allo, P., Tad=
deo,
M., Wachter, S., & Floridi, L. (2016). The =
ethics
of algorithms: Mapping the debate. Big Data & Society, 3(2).
Naciones
Unidas. (2015). Objetivos de Desarrollo Sostenible. https://sdgs.un.org/goals
Organizaci=
ón
Internacional del Trabajo. (2020). La inclusión laboral de las personas con
discapacidad. https://www.ilo.org/global/=
topics/disability-and-work/lang--es/index.htm
Raghavan, M., Barocas, S., Kleinberg, J., & Levy, K. (2020).
Mitigating bias in algorithmic hiring: Evaluating claims and practices.
Proceedings of the 2020 Conference on Fairness, Accountability, and
Transparency, 469–481. https://doi.org/10.1145/3351095.3372828
Sal=
daña, J. (2021). The coding manual for qualitative
researchers (4th ed.). SAGE Publications.
UNESCO. (2021). Recommendat=
ion
on the Ethics of Artificial Intelligence. https://unesdoc.unesco.org/ark:/48223/pf0000381137
Upadhyay, A. K., &
Khandelwal, K. (2018). Artificial intelligence-based recruitment and its im=
pact
on human resources. International Journal of Advance Research and Innovatio=
n,
6(3), 123–127. https://ijari.org/assets/pa=
pers/vol6issue3/IJARI-DH-18-06-2018-14.pdf
Zub=
off, S. (2019). The age of surveillance capitalism: T=
he
fight for a human future at the new frontier of power. PublicAffa=
irs.
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,
publicados en este sitio está disponibles bajo Licencia =
Creative Commons
LATAM
Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción,
Paraguay. ISSN
en línea: 2789-3855, agosto, 2022, Volumen 3, Número 2, p. 1
ISSN en línea: 2789-385=
5,
julio, 2025, Volumen VI, Número 3 p 3966