Llevo años en esto. Lo suficiente para haber escuchado la misma frase en demasiadas conferencias del sector: «el headhunting es una profesión de relaciones humanas, y eso nunca lo va a reemplazar ninguna máquina.»
La primera vez que la escuché, asentí. La segunda, me pareció razonable. La décima, empecé a sospechar que era una mentira cómoda. Hoy, después de haber trabajado con organizaciones en varios países, de haber visto por dentro cómo toman decisiones de talento empresas europeas, latinoamericanas e internacionales de perfiles muy distintos, y de llevar años con las manos metidas en los mercados (no desde la tribuna, sino desde dentro) puedo decirlo sin rodeos: esa frase es el refugio intelectual de quien tiene miedo de mirarse al espejo.
No es que la IA vaya a eliminar el headhunting. Es que va a eliminar la versión mediocre del headhunting. Y el problema es que esa versión mediocre representa, con honestidad, una parte enorme de lo que el sector hace hoy.
La IA no sustituye al headhunter. Sustituye al headhunter que cobra por cosas que ya puede hacer una máquina.
El modelo de negocio que nadie se atrevió a cuestionar
Durante décadas, el modelo ha funcionado igual: una empresa necesita cubrir un puesto senior, llama a una firma de búsqueda, paga entre el 15% y el 30% del salario bruto anual del candidato, y espera.
La firma dedica semanas a construir una longlist, hacer llamadas, filtrar, presentar una shortlist de tres o cuatro nombres y, si todo va bien, al cabo de dos o tres meses hay contratación.
En ese modelo, el valor percibido venía de dos cosas: acceso a candidatos que no están en el mercado visible, y criterio para evaluar el encaje real más allá del CV. Ambas siguen siendo reales.
El problema es la arquitectura que las soportaba: horas de research manual, bases de datos gestionadas en Excel, llamadas en frío a candidatos que no saben quién eres.
Esa arquitectura no la ha matado la IA. La mató LinkedIn hace diez años.
La IA ha llegado simplemente a rematar lo que ya estaba herido de muerte.
Lo que antes tardaba dos semanas ahora tarda cuatro horas. No porque la IA sea mágica, sino porque el 70% de ese tiempo era búsqueda, consolidación y formateo de información. Exactamente lo que los modelos de lenguaje hacen mejor que cualquier analista junior, sin descanso, sin margen de error humano y sin facturar horas extra.
Lo que he visto desde dentro de las organizaciones
He tenido la suerte, y a veces la incomodidad, de sentarme en muchas mesas distintas. He trabajado con empresas que facturan decenas de millones y con multinacionales que operan en veinte países. He visto culturas organizativas radicalmente diferentes: la disciplina operativa de una empresa industrial centro europea, la velocidad y el caos productivo de una scale-up anglosajona, la jerarquía soterrada de ciertos grupos familiares del sur de Europa.Y en todas ellas, sin excepción, he detectado el mismo patrón cuando hablamos de talento senior: el problema rara vez es encontrar a la persona.
El problema casi siempre es saber exactamente qué persona necesitan, para qué momento concreto de la organización, y si esa organización está realmente preparada para incorporarla.
Eso no lo hace ningún proceso de búsqueda estándar. Requiere haber visto suficientes incorporaciones salir mal para entender qué señales ignoramos cuando salieron bien.
Lo que diferencia un proceso de búsqueda real del resto
Voy a explicar cómo trabajo, porque creo que la metodología dice más de un profesionalque cualquier credencial.
No arranco un proceso cuando tengo el mandato firmado. Arranco mucho antes.
Los mercados en los que opero los conozco con la profundidad de quien lleva años escuchándolos, no de quien los estudia cuando tiene una posición que cubrir. Mantengo conversaciones continuas con perfiles relevantes — directivos, especialistas, personas que están haciendo cosas interesantes en sus sectores — sin tener ningún proceso abierto. Sin agenda. Sin el sesgo de quien busca encajar a alguien en un hueco concreto. Son conversaciones de fondo, de las que construyen confianza y contexto real. No networking de tarjeta de visita y apretón de manos. Cuando llega el mandato, no empiezo desde cero. Tengo un mapa mental del mercado que se ha ido construyendo durante meses o años. Sé quién está pensando en moverse y quién no. Sé quién tiene una relación tensa con su consejo. Sé quién acaba de liderar una transformación que no aparece en ningún titular pero que es exactamente lo que mi cliente necesita. Sé quién dice que no está buscando pero que con la conversación correcta, en el momento correcto, se mueve. Ese conocimiento no se puede comprar.No se puede automatizar. Y no se puede fingir durante más de diez minutos frente a un candidato que lleva veinte años en el mercado.Con las empresas para las que trabajo pasa algo parecido. Me niego a gestionar un proceso si no entiendo la organización desde dentro: su cultura real (no la que aparece en la web), sus tensiones internas, el momento estratégico en el que se encuentran, qué le pide el consejo al equipo directivo este año, qué conversaciones son difíciles y por qué, quién tiene el poder real más allá del organigrama. Me comporto, en la medida de lo posible, como un trabajador más que conoce la casa. No como un proveedor externo que llega con un briefing de dos páginas y vuelve con tres CVs tres semanas después. Eso tiene un coste. Requiere tiempo, acceso y una confianza que no se construye enuna reunión de kick-off. Pero es la única forma de hacer este trabajo con honestidad. Porque si no conozco realmente a mi cliente y realmente al mercado, lo único que estoy haciendo es gestionar información. Y eso, hoy, lo hace mejor una máquina.
El headhunter que sobrevive no es el que sabe usar ChatGPT. Es el que tiene algo que decir cuando ChatGPT ya ha hecho los deberes.
El error más grande del sector: seguimos midiendo el pasado
Aquí está la crítica que más incomoda al sector y que, sin embargo, es la más importante. Durante décadas, la evaluación de un candidato se ha construido sobre una premisa que nadie ha cuestionado en voz alta: el pasado predice el futuro. Si alguien ha liderado una transformación digital en una empresa parecida, puede liderar la tuya. Si alguien tiene veinte años de experiencia en el sector, tiene el criterio que necesitas. Si alguien viene de una empresa de referencia, tiene el nivel que buscas. Esa lógica tiene un nombre académico, — validez predictiva del historial, y durante mucho tiempo fue la mejor herramienta disponible. El problema es que el contexto en el que operan las organizaciones ha cambiado de forma tan radical que medir el pasado ya no es suficiente. A veces, ni siquiera es relevante.Lo que necesitamos medir hoy es el futuro. No lo que alguien ha hecho, sino el impacto que puede tener en el momento exacto en que se encuentra esa compañía. En su ciclo concreto. Con sus tensiones concretas. Con el equipo que tiene hoy, no el que tenía hace tres años. Con el mercado que va a enfrentar mañana, no el que venció ayer. Un director de operaciones extraordinario en un entorno de hiper-crecimiento puede ser un desastre en un proceso de reestructuración. Un CFO que ha construido estructuras financieras complejas puede ser exactamente lo que no necesitas si lo que tu empresa necesita ahora es velocidad y simplificación. La brillantez en un contexto no se transfiere automáticamente a otro. Y sin embargo, el sector sigue evaluando como si lo hiciera.
La pregunta correcta no es "¿qué ha hecho esta persona?" sino "¿qué puede hacer esta persona en este momento de esta organización?" Son preguntas distintas. Requieren instrumentos distintos. Y la segunda es infinitamente más difícil de responder y mucho más valiosa.
Estoy trabajando activamente en ello. En desarrollar marcos y herramientas que permitan evaluar no el historial de un candidato, sino su potencial de impacto en el contexto específico del cliente: el momento del ciclo de vida de la empresa, la madurez del equipo que va a liderar, los retos estratégicos del próximo año, la brecha entre donde está la organización y donde necesita estar. Es un problema complejo, con variables que resisten la cuantificación fácil, y precisamente por eso me parece el problema más interesante del sector. Nadie lo ha resuelto bien todavía. Y ahí, creo, está el próximo salto real del headhunting de calidad.
La amenaza que nadie menciona en las conferencias
Se habla mucho de la IA como herramienta. Se habla muy poco de la IA como competidor directo. En los próximos dos o tres años, las plataformas de reclutamiento van a integrar capacidades de búsqueda autónoma que hoy son exclusivas de las firmas especializadas. LinkedIn ya lo está haciendo. Los ATS han empezado a añadir scoring automático. Y cuando una empresa mediana pueda hacer de forma autónoma lo que hoy le cuesta un porcentaje de salario a una firma externa, la pregunta no es si el mercado se va a ajustar. Es cuánto va a tardar. Las firmas que operen en el espacio del medio (ni ágiles, ni profundas, ni baratas, ni especializadas) — van a desaparecer. No de golpe. Lentamente, mandato a mandato, cliente a cliente que no vuelve. El mercado no les va a avisar. Simplemente dejará de llamarlas.
La trampa del optimismo tecnológico
No quiero que esto suene a un manifiesto anti-IA. Sería deshonesto. Uso inteligencia artificial todos los días y me ha dado una capacidad operativa que antes era imposible sin un equipo detrás. Pero hay una trampa en el optimismo tecnológico que veo repetirse: confundir eficiencia con propuesta de valor.
Que un proceso sea más rápido no significa que sea mejor. Que puedas presentar una long list de veinte candidatos en 48 horas no significa que esos veinte candidatos sean los correctos, ni que el cliente sepa realmente lo que busca, ni que la incorporación vaya a funcionar. La velocidad sin criterio es ruido. Y el sector tiene el riesgo real de producir más ruido más rápido, con la convicción de que eso es innovación.
El futuro del headhunting no es humano versus máquina. Es humano con máquina, compitiendo contra humanos que todavía no lo han entendido.
Un cierre sin red
Voy a terminar con algo que raramente se dice en público en este sector, porque incomoda a demasiada gente. El headhunting ha vivido décadas protegido por la opacidad. Por la asimetría de información entre quien busca talento y quien lo tiene. Por el hecho de que loscandidatos no sabían lo que las empresas pagaban por encontrarlos, y las empresas nosabían si realmente necesitaban a alguien externo o simplemente no habían hecho biensu trabajo de cultura y retención.
La IA no ha creado este momento. Lo ha acelerado. Ha puesto sobre la mesa, de forma brutal y sin protocolo, una pregunta que el sector lleva años evitando: ¿cuánto de lo que cobráis es valor real, y cuánto es fricción disfrazada de expertise? No tengo la respuesta para todos. Sí la tengo para mí. Y la he encontrado en el único sitio donde siempre ha estado: en la incomodidad de preguntarte, con honestidad, qué parte de lo que haces resiste el escrutinio y qué parte es hábito disfrazado de valor. Lo que queda no es un proceso. No es una metodología. No es un fee structure. Lo que queda es el conocimiento real de un mercado construido durante años deconversaciones sin agenda. Es la confianza de una empresa que te deja ver lo que no leenseña a nadie. Es la capacidad de medir no lo que alguien ha sido, sino lo que puede llegar a ser, aquí, ahora, en este momento, y tener las herramientas para demostrarlo. El headhunting tradicional va a morir. Y mi pregunta para el sector, para ti, que estás leyendo esto, es simple y no tiene respuesta cómoda: Cuando desaparezca todo lo que la máquina puede hacer, ¿qué te queda? Si tardas más de diez segundos en responder, ya tienes la respuesta.
Sergio Torres
Headhunter especializado en perfiles ejecutivos senior. He trabajado con organizaciones en España, Europa y Latinoamérica en los momentos que más importan: los que definen quién lidera la siguiente etapa. Creo que el headhunting de calidad empieza mucho antes de tener un mandato y termina mucho después de cerrar una posición.