--- title: "Más de 100 vacantes, todas rechazadas: la demanda contra el filtro de Workday" description: "Una demanda colectiva alega que el filtro de candidatos de Workday discriminaba por edad, raza y discapacidad. Quien compra el filtro compra la responsabilidad." slug: "legal-workday" url: "https://catalizadora.ai/blog/legal-workday" cluster: "casos-ia" author: "Pablo Estrada" published_at: "2026-08-26T22:39:42.589+00:00" updated_at: "2026-08-27T16:06:09.976084+00:00" read_minutes: "7" lang: "es" --- # Más de 100 vacantes, todas rechazadas: la demanda contra el filtro de Workday > Una demanda colectiva alega que el filtro de candidatos de Workday discriminaba por edad, raza y discapacidad. Quien compra el filtro compra la responsabilidad. ## Qué pasó Workday es una de las plataformas más extendidas para gestionar recursos humanos. Entre otras cosas, filtra postulaciones: cuando una empresa publica una vacante y recibe cientos de currículums, el sistema ordena y deja arriba a los candidatos que considera pertinentes. Esa función no es accesoria: para muchas vacantes es la primera y única lectura que recibe una postulación. Una demanda colectiva alega que ese filtro automático descartaba aspirantes por edad, raza y discapacidad. El caso, [reportado por HR Dive](https://www.hrdive.com/news/workday-california-AI-bias-lawsuit-feha/823555/) en el marco de la ley antidiscriminación de California, incluye a un aspirante que postuló a más de 100 vacantes y fue rechazado en todas. Son alegatos: el proceso judicial sigue su curso. Pero el mecanismo que describe la demanda merece atención más allá de cómo termine, porque no es exclusivo de Workday. ## Los números - **1.100 millones** — solicitudes rechazadas con las herramientas de Workday en el período del caso - **14.000 personas** — se sumaron a la demanda colectiva antes del cierre del 7 de marzo - **«cientos de millones»** — el tamaño de clase que la propia Workday dijo que el caso podría alcanzar - **100+ vacantes** — postuló Derek Mobley desde 2017 y lo rechazaron en todas *Verificado contra [hcamag.com](https://www.hcamag.com/us/specialization/recruitment/workday-ai-bias-case-moves-forward-putting-hr-hiring-tools-on-notice/580004).* ## Por qué pasó Un filtro de candidatos aprende de decisiones pasadas. Se le muestran contrataciones anteriores y deduce qué perfiles funcionaron. El problema es que esas contrataciones las tomaron personas, en un mercado laboral concreto, con los sesgos que ese mercado tenía. El sistema no inventa un criterio: reproduce el que encontró, y lo aplica de forma consistente a una escala que ninguna persona podría alcanzar. Ahí está el cambio de naturaleza. Un reclutador con prejuicios afecta a los candidatos que pasan por su escritorio. Un filtro con el mismo prejuicio afecta a todos los candidatos de todas las empresas que usan esa plataforma, con la misma regla, todos los días. Más de 100 rechazos consecutivos no son cien decisiones independientes: pueden ser una sola decisión aplicada cien veces. El segundo elemento es de responsabilidad. La empresa que publica la vacante suele suponer que el proveedor ya resolvió el tema del sesgo, porque es un producto grande y usado por muchos. El proveedor entrega una herramienta configurable y asume que cada cliente la ajusta a su contexto. En ese hueco no hay nadie auditando nada, y se sostiene porque ambas partes creen que la otra lo cubre. El tercero es la falta de rastro. Un candidato descartado por un filtro automático no recibe una razón, y muchas veces la empresa tampoco la conserva. Sin ese registro no hay forma de detectar un patrón: ni desde afuera, ni desde adentro. ## Dónde te puede pasar a ti Cualquier organización que compró un filtro automático está en esta situación, aunque no aparezca en una demanda: - Un sistema de selección que ordena currículums según criterios que nadie de la empresa puede explicar. - Un modelo de precios que asigna tarifas por zona y termina correlacionando con nivel socioeconómico. - Un asistente que redacta descripciones de vacantes y arrastra el sesgo del texto con el que fue entrenado. Si tu empresa no puede explicar por qué su sistema rechazó a alguien, la responsabilidad de esa decisión sigue siendo suya. La factura del proveedor no la transfiere. ## Cómo se evita Quien compra el filtro compra también la responsabilidad. Auditar el sesgo del proveedor es parte del proceso, no un extra que se agrega si sobra presupuesto. 1. **Pide la documentación antes de firmar.** Con qué datos se entrenó, qué pruebas de sesgo tiene, con qué frecuencia se auditan. Un proveedor que no puede responder eso está vendiendo una caja cerrada. 2. **Mide la salida por tu cuenta.** Compara las tasas de aprobación por grupo de edad, género y origen sobre tus propios datos. Es un análisis de una tarde y es la única evidencia que vale. 3. **Ningún rechazo automático sin revisión.** El filtro ordena y prioriza; quien descarta definitivamente es una persona. La diferencia entre priorizar y eliminar es toda la diferencia. 4. **Guarda el motivo de cada decisión.** Qué criterio la disparó, qué versión del sistema estaba activa, en qué fecha. Sin eso no hay auditoría ni defensa posible. 5. **Repite la medición.** El sesgo no se corrige una vez: reaparece cuando cambian los datos o la versión del modelo. ## Cómo lo hacemos en Catalizadora Cuando un sistema nuestro clasifica personas —candidatos, leads, solicitudes—, guarda el motivo de cada decisión junto con la versión que la tomó, y esa tabla se puede consultar. Ningún descarte se ejecuta solo: el sistema ordena, un humano cierra. Y antes de conectar cualquier modelo de un tercero medimos su salida sobre los datos del cliente, porque la documentación del proveedor describe su promedio, no tu caso. ## Preguntas frecuentes ### ¿Workday fue declarada responsable? No. Se trata de una demanda colectiva con alegatos y el proceso judicial sigue su curso. Lo que merece atención es el mecanismo que describe, porque no es exclusivo de esa plataforma. ### Si el filtro lo vende un proveedor, ¿responde la empresa que lo usa? Quien compra el filtro compra también la responsabilidad de las decisiones que ese filtro toma sobre candidatos. La factura del proveedor no transfiere esa obligación. ### ¿Cómo se audita el sesgo de un filtro que uno compró hecho? Midiendo su salida sobre los datos propios: comparar las tasas de aprobación por grupo de edad, género y origen. Es un análisis de una tarde y es la única evidencia que corresponde al caso de cada empresa. ### ¿Hay que dejar de usar filtros automáticos de candidatos? No. Hay que separar priorizar de descartar: el sistema ordena y sugiere, una persona cierra, y cada decisión queda registrada con el criterio y la versión que la produjo. --- Source: https://catalizadora.ai/blog/legal-workday Author: Pablo Estrada — AI Catalysts, LLC (catalizadora.ai)