Cumplimiento · July 18, 2026 · 9 min de lectura

El impacto adverso y la regla de los cuatro quintos, explicados

El impacto adverso y la regla de los cuatro quintos determinan si tu proceso de contratación supera una auditoría de sesgos. Cómo funciona la proporción del 80 %, dónde falla y cómo monitorizarla.

← Parte de IA de contratación compliance-first: LL144 y la EU AI Act

Puedes llevar a cabo un proceso de contratación que parezca escrupulosamente justo y aun así estar incumpliendo la ley, porque en la contratación la equidad se juzga por los resultados, no por las intenciones. Si seleccionas, evalúas o clasificas candidatos, el impacto adverso y la regla de los cuatro quintos son los conceptos en torno a los cuales gira tu auditoría de sesgos: son la forma en que se comprueba si un proceso de apariencia neutral tiene efecto discriminatorio. Esta guía está dirigida a líderes de talento, reclutadores y responsables de RR. HH. o legales del cumplimiento normativo en herramientas de contratación que necesitan entender qué mide la proporción, dónde puede inducir a error y cómo monitorizarla sin necesidad de convertirse en estadísticos.

Por qué las consecuencias son graves: el impacto adverso se mide sobre los resultados, de modo que una herramienta que todos consideraban neutral puede seguir descartando a un grupo protegido a un ritmo desproporcionado y exponer al empleador. La regulación como la Local Law 144 de NYC y la Ley de IA de la UE ha hecho esa exposición concreta, con auditorías de sesgos y análisis de impacto que han pasado de ser buenas prácticas a requisito legal. Este es un análisis en profundidad de nuestro pilar de contratación con cumplimiento como prioridad: el concepto al que hace referencia toda auditoría y que pocos equipos miden correctamente.

¿Qué es el impacto adverso?

El impacto adverso, denominado a veces impacto dispar, se produce cuando un proceso de selección de apariencia neutral descarta a un grupo protegido a un ritmo sustancialmente mayor que a los demás. Lo que lo distingue es que puede suceder sin ninguna intención de discriminar. Una pregunta eliminatoria, una prueba cronometrada, un filtro de currículums o una puntuación automatizada pueden generar resultados desequilibrados aunque nadie los haya diseñado con ese fin. Precisamente por eso el impacto adverso debe medirse en lugar de darse por descartado: las buenas intenciones no son evidencia, y quienes gestionan el proceso rara vez son quienes perciben su efecto.

Esto importa en cada etapa, no solo en la decisión final. Cada paso de tu proceso — búsqueda, filtro de currículums, evaluaciones, entrevistas, ofertas — es un evento de selección con sus propias tasas de aprobación. Un proceso puede parecer equilibrado en conjunto y contener, aun así, una etapa que descarta silenciosamente a un grupo protegido. Analizar todo el proceso como un único número puede ocultar justo la etapa que causa el problema, razón por la que los profesionales analizan etapa por etapa.

Conviene ser preciso sobre el concepto jurídico que subyace al término. El impacto adverso es la cara práctica y mensurable de lo que el derecho estadounidense denomina disparate impact: una práctica de apariencia neutral que perjudica de forma más severa a un grupo protegido y no puede justificarse por necesidad empresarial. La intención no es necesaria para que exista responsabilidad. Esa es la diferencia crucial respecto al tratamiento dispar, donde la pregunta es si alguien fue deliberadamente tratado de forma desfavorable. Como la intención queda fuera del cuadro, un empleador no puede defenderse ante un hallazgo de impacto adverso alegando que creía sinceramente que el proceso era justo — solo puede hacerlo demostrando que la práctica está relacionada con el puesto y es coherente con la necesidad empresarial, y que no había ninguna alternativa igualmente válida y menos discriminatoria disponible.

¿Cómo funciona la regla de los cuatro quintos?

La regla de los cuatro quintos es la heurística más utilizada para detectar el impacto adverso. El método es deliberadamente sencillo. Se calcula la tasa de selección de cada grupo, se identifica el grupo con la tasa más alta y se compara cada uno de los demás grupos con ella. Si la tasa de cualquier grupo cae por debajo del 80 % — cuatro quintos — de la tasa del grupo más alto, eso es una señal que merece investigación.

Un ejemplo práctico

Supongamos que el grupo con mayor tasa de selección aprueba una etapa de evaluación al 60 %, y otro grupo la aprueba al 40 %. Si se divide 40 entre 60 se obtiene 0,67, claramente por debajo del umbral de 0,8. Esa brecha es una señal de que la etapa puede estar generando impacto adverso y merece un análisis más detallado. No demuestra por sí sola que la evaluación sea discriminatoria o inválida; indica dónde centrar la atención.

La regla tiene su origen en las US Uniform Guidelines on Employee Selection Procedures de 1978, emitidas conjuntamente por los organismos federales de cumplimiento. Fue diseñada como un cribado práctico que personas sin formación estadística pudieran aplicar, no como un test jurídico definitivo. Ese origen explica tanto su utilidad como sus límites: es tosca a propósito, y nunca pretendió ser la última palabra.

Del modo en que se configura el cálculo se derivan dos puntos prácticos. Primero, siempre se compara con el grupo de mayor tasa de selección, no con una media ni con una tasa global, por lo que el punto de referencia puede cambiar entre rondas de contratación a medida que distintos grupos quedan en cabeza. Segundo, la regla se aplica por etapa de selección y por característica relevante, razón por la que un único número de equidad para toda la empresa dice muy poco. El valor de la regla de los cuatro quintos radica en que es suficientemente barata para aplicarla en cada etapa y con frecuencia — y esa frecuencia, no la precisión de ninguna cifra individual, es donde reside su utilidad.

Dónde falla la regla de los cuatro quintos

Al ser una heurística, la regla tiene modos de fallo bien conocidos, y un equipo con el cumplimiento normativo como prioridad debe conocerlos todos antes de apoyarse en esa cifra.

• Muestras pequeñas. Con pocos candidatos en un grupo, una sola contratación o un solo rechazo puede alterar drásticamente la proporción. Un resultado de cuatro de cinco frente a tres de cuatro puede superar el umbral en muestras ínfimas donde la diferencia carece de significado estadístico.
• Falsa tranquilidad. Un proceso puede superar 0,8 y seguir siendo injusto, o contener una etapa discriminatoria enmascarada por una cifra global equilibrada. Superar la proporción no es un certificado de salud.
• Falsas alarmas. Una proporción puede caer por debajo de 0,8 por razones ajenas a la evaluación — la composición del proceso, la autoselección o la captación previa — por lo que un incumplimiento es un motivo para investigar las causas, no para condenar una herramienta.
• Significación estadística. Los reguladores y los tribunales prestan cada vez más atención a las pruebas de significación, más allá de la proporción bruta, preguntándose si la brecha observada es probablemente real o simplemente ruido. La cifra de los cuatro quintos es un punto de partida, no el análisis completo.

Precisamente por eso los reguladores y los regímenes de auditoría como la Local Law 144 de NYC tratan una proporción fallida como un detonante para investigar, no como una constatación automática de discriminación. Cuando una etapa da la señal de alerta, la pregunta pasa a ser si el procedimiento de selección está relacionado con el puesto y es coherente con la necesidad empresarial — el estándar legal que una evaluación demostrablemente relevante y validada está diseñada para cumplir. Una prueba genérica extraída de un banco compartido es mucho más difícil de defender sobre esa base que una vinculada al trabajo real del puesto.

Cómo monitorizar el impacto adverso de forma continua

Las proporciones de impacto no son estáticas. Varían a medida que cambia tu grupo de candidatos, que abres nuevos puestos y que ajustas cada etapa, por lo que una verificación única nunca es suficiente. Los equipos que se adelantan a esto lo tratan como una instrumentación continua, no como una carrera anual la semana antes de que llegue una auditoría. Tres hábitos marcan la diferencia.

Mide por etapa, no solo al final

Realiza el seguimiento de las tasas de selección en cada etapa — cribado, evaluación, entrevista, oferta — porque el impacto adverso suele entrar en un paso concreto. Una proporción de extremo a extremo puede parecer aceptable mientras una sola etapa genera el daño. El seguimiento por etapa no solo indica que algo va mal, sino dónde, lo que convierte una vaga preocupación por la equidad en un problema de ingeniería resoluble.

Conserva los registros que pediría una auditoría

La equidad que no puedes demostrar es la equidad que no puedes defender. Conserva los datos de selección, el razonamiento detrás de las decisiones y la base de validación de cada etapa de evaluación. Cuando un candidato o un regulador pregunta por qué alguien fue descartado, una respuesta defendible se apoya en la relación documentada con el puesto, no en la seguridad de que el equipo actuaba con buena intención.

Mantén una persona responsable

Las etapas automatizadas deben alimentar decisiones que una persona pueda revisar, modificar y explicar. Una revisión humana significativa es tanto una buena práctica como, cada vez más, un requisito legal — y depende de que el proceso genere algo revisable. Aquí es donde el diseño de la evaluación y el cumplimiento normativo se encuentran: construye etapas que generen evidencia concreta y relacionada con el puesto, y la persona en tu cadena tendrá algo honesto con lo que trabajar.

Establece una cadencia, no un recordatorio de calendario

La frecuencia adecuada depende del volumen, no del calendario. Un puesto de alto rendimiento que contrata mensualmente necesita un seguimiento mucho más frecuente que uno que se cubre dos veces al año. La regla práctica es revisar siempre que se hayan acumulado suficientes decisiones para que la proporción de una etapa tenga sentido, y tratar la auditoría anual como la formalización de un seguimiento que ya se está llevando a cabo, no como la única vez que alguien mira. Una cifra que se calcula una vez al año puede estar equivocada durante once meses.

Las muestras pequeñas merecen una atención especial en esta cadencia. Cuando un grupo tiene pocos candidatos para que la proporción de los cuatro quintos sea estable, resiste la tentación de descartar un incumplimiento como ruido o de tratarlo como una prueba. La respuesta honesta es anotarlo, observar si persiste a medida que los números crecen y combinar la proporción bruta con un sentido de la significación estadística antes de sacar conclusiones. Reaccionar en exceso ante fluctuaciones de muestras pequeñas resta credibilidad; ignorar un patrón persistente porque «los números son pequeños» es cómo los problemas reales se esconden.

Cómo encaja el impacto adverso en tu estrategia de sesgos más amplia

Medir el impacto adverso es la mitad de auditoría de la contratación justa; la otra mitad de diseño consiste en dar al sesgo menos lugares por donde entrar desde el principio. Ambas se refuerzan mutuamente. Las etapas estructuradas y estandarizadas producen datos más limpios para monitorizar, y el seguimiento te indica qué etapas estructuradas aún necesitan trabajo. Nuestra guía para reducir el sesgo en la contratación aborda el lado del diseño etapa por etapa — anuncios de empleo inclusivos, cribado basado en habilidades y puntuaciones ancladas en conductas — mientras este artículo cubre la medición que demuestra que esos cambios están funcionando.

El patrón en la regulación moderna de la contratación, desde NYC hasta la UE, es coherente: informa a los candidatos cuando interviene la IA, mantén a una persona significativamente en el proceso, mide los resultados para detectar el impacto adverso y conserva los registros. Los equipos que construyen con ese núcleo común desde el principio, tratando el cumplimiento como una restricción de diseño en lugar de una capa de papeleo, gastan mucho menos que los que parchen cada requisito después de que ocurra.

Dónde encaja H-Evaluate

H-Evaluate fue construido con el cumplimiento como prioridad precisamente para este problema. Las evaluaciones se generan por descripción de puesto a través de un proceso con control de calidad (quality gate), de modo que cada pregunta está relacionada con el puesto por construcción — la base de cualquier defensa de relación con el puesto cuando una etapa activa la señal de alerta bajo la regla de los cuatro quintos. Las muestras de trabajo del AI Sandbox producen artefactos revisables en lugar de puntuaciones opacas, de modo que la persona en tu cadena revisa el trabajo real que hizo el candidato. Los datos de selección se capturan por puesto y por etapa, que es lo que asume el seguimiento continuo del impacto adverso.

Nada de eso elimina tu obligación de realizar el análisis y confirmar los requisitos con asesoramiento jurídico — ninguna herramienta puede hacerlo. Lo que una plataforma de evaluación de candidatos con IA nativa puede hacer es convertir la evidencia en un subproducto habitual de tu forma de contratar, en lugar de algo que reconstruyes bajo presión de plazos. Si estás reconsiderando cómo mides la equidad, ese es el punto de partida.

La regla de los cuatro quintos no te dirá que tu contratación es justa. Solo te dirá dónde mirar — y si construiste un proceso que puedes explicar a un candidato, a un auditor o a un tribunal.