En los últimos años Canadá ha apostado fuertemente por dos pilares que consideran esenciales para su futuro económico: la inmigración y la inteligencia artificial. El plan nacional "AI for All" promete que la IA impulse la productividad, la competitividad y genere nuevas oportunidades en todos los sectores. Al mismo tiempo, el país depende cada vez más de los inmigrantes para sostener el crecimiento de su fuerza laboral; entre 2016 y 2021, cuatro quintas partes del aumento del empleo provinieron de recién llegados. Sin embargo, la convergencia de ambas agendas plantea un reto inesperado: cuando la IA pasa a decidir quién accede a los puestos de trabajo, ¿no corre el riesgo de filtrar injustamente a los candidatos inmigrantes?

La doble revolución: inmigración e IA

Según datos de la OCDE, los inmigrantes ya representan una proporción creciente de la fuerza laboral en los países desarrollados, y su contribución al crecimiento económico, la innovación y la sostenibilidad demográfica es indiscutible. En Canadá, esa tendencia es aún más pronunciada: la política migratoria abierta ha sido el motor principal para compensar el envejecimiento poblacional y la escasez de talento en sectores como tecnología, salud y construcción.

Paralelamente, la adopción de tecnologías de IA en las empresas canadienses se ha duplicado en el último año, según Estadísticas de Canadá. Herramientas de análisis de CV, algoritmos de matching y plataformas de entrevistas automatizadas están pasando de ser una novedad a una práctica estándar en los procesos de selección. La promesa es clara: reducir sesgos humanos, acelerar la contratación y mejorar la adecuación entre habilidades y puestos.

Cuando la IA filtra…

A primera vista, la automatización parece una solución ideal para eliminar prejuicios inconscientes que pueden afectar a los candidatos inmigrantes. No obstante, varios estudios recientes, incluidos los de la iniciativa Bridging Divides de la Universidad Metropolitana de Toronto, señalan que los algoritmos pueden reproducir y amplificar los sesgos presentes en los datos de entrenamiento. Si los modelos se alimentan de historiales de contratación donde predominan perfiles locales, es probable que favorezcan a candidatos con trayectorias similares, penalizando a quienes llegan de fuera.

Ejemplos concretos incluyen:

  • Filtros de palabras clave: sistemas que priorizan términos específicos de la experiencia canadiense (por ejemplo, certificaciones locales) pueden descartar CVs que, aunque fuertes, presentan credenciales extranjeras.
  • Modelos de puntuación basados en redes sociales: algoritmos que analizan la presencia digital pueden desfavorecer a inmigrantes con menos actividad en plataformas canadienses.
  • Entrevistas automatizadas con reconocimiento facial o de voz: estas tecnologías pueden presentar mayor tasa de error para acentos o rasgos faciales menos comunes en la población dominante.

Subempleo: una señal de alerta

El problema no se limita al filtro inicial. Incluso cuando los inmigrantes logran pasar la primera barrera, el subempleo sigue siendo una realidad alarmante. Según el Instituto de Políticas Migratorias, más del 30 % de los profesionales calificados que llegan a Canadá terminan trabajando en ocupaciones que no requieren su nivel de formación. La IA, al canalizar a los candidatos hacia roles que “encajan” según sus datos, puede estar reforzando este fenómeno, limitando la movilidad ascendente y la plena utilización del talento.

¿Por qué es crucial abordar el sesgo algorítmico?

  1. Impacto económico: la subutilización del capital humano inmigrante representa una pérdida de productividad que puede costar miles de millones al PIB canadiense.
  2. Equidad social: la percepción de que el sistema laboral favorece a los locales erosiona la cohesión social y la confianza en las instituciones.
  3. Competitividad global: en la carrera por atraer talento internacional, las políticas que garanticen procesos de selección justos son un factor diferenciador frente a otras naciones.

Caminos a seguir

Los investigadores de Bridging Divides proponen varias medidas para mitigar los riesgos:

  • Auditorías de sesgo regulares: obligar a las empresas a someter sus algoritmos a revisiones independientes que evalúen su desempeño en grupos demográficos diversos.
  • Transparencia de criterios: requerir que los sistemas de IA expliquen qué variables influyen en la puntuación de los candidatos, permitiendo a los solicitantes corregir posibles deficiencias.
  • Datos de entrenamiento inclusivos: incorporar historiales de contratación de empresas con alta proporción de empleados inmigrantes para equilibrar los patrones de decisión.
  • Programas de validación de credenciales extranjeras: acelerar la equivalencia de títulos y certificaciones para que los algoritmos reconozcan la relevancia de la experiencia internacional.

Conclusión

La convergencia entre la estrategia de IA y la política migratoria de Canadá constituye una oportunidad única para diseñar un mercado laboral más inclusivo y productivo. Sin embargo, si los algoritmos continúan operando con datos sesgados, el país corre el riesgo de convertir una ventaja competitiva en una barrera estructural para los inmigrantes. La clave estará en combinar la innovación tecnológica con una regulación proactiva y una vigilancia constante, asegurando que la IA sea un facilitador de oportunidades y no un filtro discriminatorio.

Al fin y al cabo, el éxito de "AI for All" dependerá tanto de la capacidad de la tecnología para potenciar la economía como de su habilidad para integrar a todos los actores que la conforman, incluidos los millones de inmigrantes que ya son parte esencial del futuro canadiense.