Resumen Técnico: La confianza en el núcleo: Desentrañando la adopción de la IA en la adquisición de talento desde la perspectiva del candidato

1. Planteamiento del problema

La integración de la Inteligencia Artificial (IA) en la adquisición de talento (TA, por sus siglas en inglés) ha transformado el reclutamiento de tareas operativas rutinarias a funciones de toma de decisiones estratégicas. Mientras que los sistemas de IA automatizan la búsqueda, el filtrado y la contratación predictiva, su adopción plantea significativas preocupaciones éticas y psicológicas entre los solicitantes de empleo. La literatura existente se centra predominantemente en las perspectivas organizacionales y de gestión, enfatizando la eficiencia operativa y la mitigación de sesgos, mientras que descuida ampliamente el punto de vista del candidato.

Los marcos actuales de adopción de tecnología, como el Modelo de Aceptación de la Tecnología (TAM), dependen fuertemente de la "Utilidad Percibida" (PU) y la "Facilidad de Uso Percibida" (PEU). Sin embargo, estos constructos son insuficientes para explicar la adopción en contextos de alto riesgo y sensibilidad, como la contratación, donde las dimensiones éticas (equidad, rendición de cuentas, transparencia, privacidad) y los factores cognitivos (alfabetización en IA) juegan papeles críticos. Además, el papel mediador de la confianza en la vinculación de estos factores éticos y cognitivos con la intención de comportamiento sigue siendo poco explorado, particularmente en naciones en desarrollo como la India, donde la alfabetización digital y la confianza institucional varían significamente.

2. Metodología

Este estudio emplea un diseño de investigación cuantitativo y transversal para validar empíricamente un modelo de Aceptación de la Tecnología (TAM) extendido y adaptado a la adquisición de talento impulsada por la IA desde la perspectiva del candidato.

• Recolección de datos: Los datos se recopilaron mediante un cuestionario estructurado distribuido a través de un muestreo de no probabilidad (conveniencia) en LinkedIn, dirigido a buscadores de empleo activos y profesionales. Se retuvieron un total de 432 respuestas válidas para el análisis.
• Instrumento: La encuesta utilizó una escala Likert de 5 puntos (1 = Totalmente en desacuerdo a 5 = Totalmente de acuerdo) compuesta por 44 ítems a través de nueve constructos:
  • Constructos TAM: Utilidad Percibida (PU), Facilidad de Uso Percibida (PEU).
  • Constructos Éticos: Equidad Percibida (PF), Rendición de Cuentas Percibida (PA), Transparencia Percibida (PTY), Privacidad y Seguridad de Datos (PPD).
  • Constructo Cognitivo: Alfabetización en IA (AL).
  • Mediador: Confianza (PTR).
  • Variable Dependiente: Intención de Comportamiento (BIU).
  • Nota: Los ítems para PU, PEU, PF, PTY, PPD y BIU fueron adaptados de escalas establecidas (p. ej., Davis, 1989; Shin et al., 2020), mientras que los ítems de Alfabetización en IA y Rendición de Cuentas Percibida fueron desarrollados por los investigadores basados en la literatura.
• Análisis: El análisis estadístico se realizó utilizando SPSS para estadísticas descriptivas y pruebas de confiabilidad, y AMOS para el Modelado de Ecuaciones Estructurales (SEM). El estudio evaluó la confiabilidad (Alfa de Cronbach, Confiabilidad Compuesta), la validez (convergente y discriminante mediante el criterio de Fornell-Larcker) y las relaciones hipotetizadas. Los efectos de mediación se probaron mediante bootstrapping con 5,000 muestras.

3. Contribuciones clave

El artículo hace avanzar la literatura sobre la adopción de la IA de tres maneras principales:

1. Marco centrado en el candidato: Cambia el enfoque de la eficiencia organizacional hacia la experiencia del solicitante, desarrollando un marco que integra dimensiones éticas (principios FAT, privacidad) y cognitivas (alfabetización en IA) en el TAM tradicional.
2. El papel de la confianza: Valida empíricamente la Confianza como un mecanismo psicológico mediador fundamental que vincula las percepciones éticas y la alfabetización en IA con la intención de comportamiento.
3. Relevancia contextual: Aborda un vacío en la literatura respecto a la adopción de la IA en el contexto indio, una nación en desarrollo donde la exposición digital y las dinámicas de confianza institucional pueden diferir de los contextos occidentales.

4. Resultados

El modelado de ecuaciones estructurales arrojó los siguientes hallazgos clave:

• Efectos directos sobre la intención de comportamiento:

  • La Confianza surgió como el predictor más fuerte de la intención de comportamiento de los candidatos para usar los sistemas de TA impulsados por IA ($\beta = 0.490, p < 0.001$).
  • La Alfabetización en IA también demostró una asociación positiva directa significativa con la intención de comportamiento ($\beta = 0.114, p = 0.013$).
  • La Utilidad Percibida ($\beta = 0.219$) y la Facilidad de Uso Percibida ($\beta = 0.130$) mostraron efectos positivos pero comparativamente menores sobre la intención de comportamiento.
  • La Rendición de Cuentas Percibida no exhibió una relación directa significativa con la confianza o la intención de comportamiento ($p = 0.101$).

• Análisis de mediación (Efectos indirectos):

  • La Confianza medió significativamente la relación entre la Equidad Percibida, la Transparencia Percibida, la Privacidad/Seguridad de Datos y la Intención de Comportamiento.
  • La Alfabetidad en IA mostró un efecto indirecto secuencial significativo sobre la intención de comportamiento a través de la ruta: Alfabetidad en IA $\rightarrow$ Facilidad de Uso Percibida $\rightarrow$ Utilidad Percibida $\rightarrow$ Intención de Comportamiento ($\beta = 0.182$).
  • La Rendición de Cuentas Percibida no mostró un efecto indirecto significativo a través de la confianza (el intervalo de confianza incluyó el cero).

• Confiabilidad y Validez:

  • Todos los constructos demostraron una alta consistencia interna (Alfa de Cronbach > 0.93) y una validez convergente satisfactoria (AVE > 0.5).
  • La validez discriminante se confirmó ya que la raíz cuadrada de la AVE para cada constructo superó las correlaciones inter-constructo.

5. Significación y Reivindicaciones

Los autores afirman que este estudio proporciona una comprensión integral de los factores que impulsan la aceptación de la IA por parte de los candidatos en el reclutamiento. La significación de los hallazgos reside en las siguientes afirmaciones:

• La confianza es primordial: En escenarios de contratación de alto riesgo, la confianza es un motor más crítico para la adopción que las métricas de utilidad tradicionales. Los candidatos están dispuestos a interactuar con los sistemas de IA principalmente cuando confían en la equidad y el manejo de sus datos por parte del sistema.
• Las percepciones éticas impulsan la confianza: La equidad percibida, la transparencia y la privacidad/seguridad no son solo preocupaciones independientes; funcionan como antecedentes que construyen la confianza necesaria para la adopción. Entre estos, la equidad percibida tuvo el impacto más fuerte en la confianza.
• El papel de la alfabetización: La alfabetización en IA actúa como un facilitador cognitivo crucial. Reduce la complejidad percibida de los sistemas de IA, aumentando así la utilidad percibida y la facilidad de uso, y aumentando directamente la confianza en la tecnología.
• La rendición de cuentas "invisible": El estudio sugiere que, si bien la rendición de cuentas es teóricamente importante, puede ser demasiado abstracta o estar oscurecida ("caja negra") para que los candidatos la perciban directamente, lo que la hace menos influyente en sus intenciones de comportamiento inmediatas en comparación con factores tangibles como la equidad y la transparencia.

El artículo concluye que el diseño y la implementación responsable de los sistemas de reclutamiento habilitados por IA deben priorizar los mecanismos de construcción de confianza, asegurar la transparencia ética y fomentar la alfabetización en IA entre los candidatos, en lugar de centrarse únicamente en la eficiencia operativa.