La inteligencia artificial ya forma parte de muchos procesos de Recursos Humanos en México: 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 México, 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 mexicana que use IA generativa para investigar personas: 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 en México, donde es común que varios candidatos compartan nombre y apellidos paterno y materno: 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.


México ya tiene reglas que limitan lo que un chatbot puede "investigar"

Aunque México todavía no cuenta con una ley federal de inteligencia artificial, el uso de IA para investigar candidatos ya choca con varias normas vigentes. La nueva Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP) —vigente desde marzo de 2025 y supervisada por la Secretaría Anticorrupción y Buen Gobierno, tras la extinción del INAI— 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. Un chatbot que "investiga" a un candidato generando o recopilando información sin una base legal clara ya está, en los hechos, fuera de ese marco. A esto se suma el criterio de la Suprema Corte de Justicia de la Nación (SCJN), que ha señalado que exigir de forma generalizada una carta de no antecedentes penales puede ser incompatible con los principios constitucionales de igualdad, no discriminación y libertad de trabajo cuando no existe una relación objetiva con las funciones del puesto: un criterio que se vuelve todavía más relevante cuando es un sistema automatizado, y no una persona, quien decide qué antecedentes buscar y cómo interpretarlos.


En paralelo, desde abril de 2026 la Comisión de Ciencia y Tecnología del Senado mexicano impulsa una iniciativa para una ley general de inteligencia artificial, que propone fortalecer el Consejo Mexicano de Ética para la IA y la Robótica y crear una red nacional de monitoreo del uso de la IA, con foco en derechos humanos y protección de datos personales. La iniciativa todavía está en trámite y, a diferencia de leyes ya vigentes en otros países de la región, por ahora no define obligaciones específicas de supervisión humana para sistemas de alto riesgo. Esto no exime a las empresas mexicanas: mientras la ley de IA avanza, son la LFPDPPP y los criterios de la SCJN los que ya establecen límites concretos para cualquier herramienta —humana o automatizada— que participe en la verificación de candidatos. La tendencia regional, además, apunta en una sola dirección: Perú ya aprobó la primera ley general de IA de América Latina (Ley N.º 31814), exigiendo supervisión humana obligatoria en sistemas usados para selección de personal, mientras Argentina, Chile, Brasil y Colombia avanzan con sus propios marcos. México se mueve en la misma dirección, aunque todavía sin una ley de IA propia en vigor.


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 México, 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 —algo que además resulta indispensable si un candidato ejerce sus derechos ARCO sobre esa información—. 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. El alcance de la revisión también debe guardar relación con el riesgo del puesto: 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, respetando siempre los principios de la LFPDPPP. 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 México

La IA tiene un lugar importante en el futuro del background screening en México, 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 bajo la LFPDPPP y los criterios de la SCJN, y que la futura ley de IA mexicana —cuando se apruebe— probablemente vuelva todavía más explícitos. 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 mexicanas a estructurar procesos de background screening adaptados al riesgo de cada posición y alineados con la legislación vigente, combinando tecnología con verificación profesional y trazabilidad de los resultados. 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 pueden variar y evolucionar. Para una evaluación jurídica específica se recomienda consultar a profesionales especializados en la materia.