por Simon Bodych
Actualizado 01 sept 2026
13 min de lectura
La mayoría de procesos de selección ya no se gestionan en hojas de cálculo ni en bandejas de entrada desbordadas. Se gestionan en un ATS, Applicant Tracking System, o sistema de seguimiento de candidatos. Y sí, casi todas las grandes empresas lo usan. Distintos análisis del sector, entre ellos Jobscan, sitúan la adopción entre las empresas Fortune 500 en torno al 98 %. En compañías medianas la cifra también subió con fuerza desde 2020, sobre todo por el auge de la contratación remota y el volumen de candidaturas.
Desde fuera, mucha gente reduce el ATS a una idea muy simple: “el software que filtra currículums”. Esa definición se queda cortísima. Para un equipo de selección, un ATS es la base central de datos de talento, el motor del flujo de contratación, el registro de cumplimiento, la herramienta de búsqueda interna y, en muchos casos, el punto de conexión con portales de empleo, calendarios, evaluaciones técnicas y sistemas de RR. HH.
Entender cómo funciona un ATS de verdad exige mirar bajo el capó. Hay bases de datos, parsers de CV, índices de búsqueda, reglas de automatización, permisos por rol, integraciones por API y modelos de ranking que ayudan a ordenar candidatos. Algunas plataformas añaden IA, otras solo automatización clásica. En ambos casos, la lógica importa mucho más de lo que suele contarse.
Este artículo explica el recorrido completo, desde que una vacante se aprueba hasta que una persona firma la oferta. También aclara qué hace realmente el software con un currículum, por qué a veces “lee mal” un documento, cómo buscan los recruiters dentro del sistema y qué errores cometen muchas empresas al configurarlo.
Un ATS es, en esencia, una base de datos de candidatos con capas de automatización para reclutamiento. Guarda vacantes, solicitudes, historiales de avance, comentarios de entrevistadores, puntuaciones, documentos y trazabilidad de cada paso del proceso.
No sirve solo para “recibir CV”. Sirve para ordenar el caos. Imagina una empresa que publica 30 vacantes al mes y recibe 400 candidaturas por posición. Son 12.000 solicitudes mensuales. Sin una estructura clara, el equipo de selección pierde información, duplica perfiles, responde tarde y acaba contratando peor.
Las plataformas más conocidas, como Greenhouse, Lever, Workday Recruiting, SmartRecruiters, iCIMS o Teamtailor, comparten una lógica bastante parecida, aunque la interfaz y el nivel de sofisticación cambien. Casi todas incluyen los mismos bloques fundamentales:
Dicho de otro modo, un ATS se parece más a un CRM especializado en selección que a un simple buzón de currículums. La diferencia es que en lugar de clientes, gestiona personas candidatas y decisiones de contratación.
Por dentro, un ATS moderno suele ser una aplicación SaaS montada sobre infraestructura cloud. No hace falta complicarlo con jerga innecesaria. Lo importante es entender sus capas.
Las candidaturas entran por varios canales. No solo por la página de empleo de la empresa. También por agregadores, portales generalistas, referidos internos, importaciones manuales e incluso herramientas de sourcing.
Canales de entrada habituales:
Aquí suele haber una API REST o conectores estándar que permiten enviar datos estructurados en JSON o XML. Esos datos incluyen nombre, email, teléfono, vacante asociada, respuestas a preguntas de filtrado y archivos adjuntos, normalmente CV y carta de presentación.
En cuanto entra una candidatura, el sistema intenta convertir un documento desordenado en campos utilizables. Eso es el parsing. El archivo puede ser PDF, DOCX, RTF o incluso texto copiado desde LinkedIn. El parser extrae contenido y lo divide en piezas lógicas.
Campos que un ATS suele intentar identificar:
Muchos proveedores no desarrollan este módulo desde cero. Licencian tecnología de parsing a empresas como Textkernel, DaXtra o Sovren, aunque los grandes fabricantes a veces tienen su propio motor.
Una vez parseada la información, el sistema la guarda en tablas estructuradas. Normalmente hay un identificador único de candidato y, además, relaciones con vacantes, etapas, evaluaciones, notas y adjuntos.
Campos típicos del esquema interno:
A nivel técnico, es muy habitual combinar una base relacional, como PostgreSQL o MySQL, con un índice de búsqueda tipo Elasticsearch u OpenSearch. La base relacional garantiza consistencia. El índice acelera búsquedas complejas entre miles o millones de perfiles.
Aquí es donde el recruiter pasa gran parte del tiempo. Busca candidatos por skills, años de experiencia, ubicación, etapa del proceso o coincidencia con la vacante. El sistema devuelve resultados ordenados según relevancia, fecha, afinidad o reglas internas.
Sin esta capa, un ATS sería una base de datos inútil. Encontrar a la persona adecuada entre 50.000 perfiles sería una pesadilla.
Cada candidatura avanza por etapas definidas. El ATS registra quién movió a la persona, cuándo, por qué motivo y qué feedback dejó. Esa trazabilidad no es un detalle menor. Ayuda a coordinar el proceso y también a cumplir políticas internas y requisitos legales.
Etapas habituales del embudo:
Ver el proceso paso a paso ayuda mucho más que cualquier definición. Vamos con un caso típico.
Todo empieza con una requisición. No es solo un título de puesto. La vacante suele incluir departamento, manager responsable, centro de coste, modalidad de trabajo, salario orientativo, justificación de contratación y nivel de prioridad.
En empresas grandes, esta fase pasa por aprobaciones. Finanzas valida presupuesto. RR. HH. revisa banda salarial. Dirección aprueba headcount. El ATS encadena estas validaciones y deja constancia.
Una vez aprobada, la vacante se publica en la web de empleo de la empresa y, si hay integración, también en varios portales externos. La gracia del ATS está en publicar una vez y distribuir en varios sitios.
Un anuncio puede acabar en:
La calidad de esta integración importa más de lo que parece. He visto empresas perder candidaturas porque el formulario externo no sincronizaba bien con el ATS o porque las preguntas knockout no viajaban correctamente. Eso genera duplicados, errores y frustración.
Cada solicitud crea un registro. El sistema asigna un ID interno, guarda la fuente y marca la fecha exacta de entrada. También puede adjuntar respuestas a preguntas de preselección, por ejemplo: “¿Tienes permiso de trabajo en España?” o “¿Cuál es tu expectativa salarial bruta anual?”.
Algunas empresas añaden preguntas de descarte automático. Por ejemplo, para un puesto de conductor, “¿Dispones del permiso C+E?”. Si la respuesta es no, el sistema puede mover la candidatura directamente a descarte. Bien usado, ahorra tiempo. Mal configurado, elimina talento válido por una simple ambigüedad.
El parser procesa el archivo y rellena campos estructurados. Si el CV está limpio, el resultado suele ser bastante decente. Si lleva tablas raras, columnas mal montadas, iconos por todas partes o textos incrustados como imagen, la calidad baja.
Un ejemplo simple de extracción podría quedar así:
Ese contenido se convierte en datos consultables. Ya no es solo un PDF adjunto. Es un perfil explotable dentro del sistema.
Aquí entra la revisión del recruiter. A veces mira una lista ordenada por fecha. Otras, una lista ordenada por ajuste. También puede filtrar por ubicación, salario esperado, disponibilidad, nivel de idioma o preguntas de elegibilidad.
Un buen ATS acelera esta fase porque permite ver de un vistazo la información clave. Uno mal configurado obliga a abrir perfil por perfil, y eso mata la productividad.
Si el perfil avanza, el ATS coordina la agenda con Outlook o Google Calendar, envía invitaciones y registra evaluaciones. Algunos sistemas incluyen scorecards con criterios cerrados, como comunicación, conocimientos técnicos y encaje con el rol, puntuados del 1 al 5.
Ese detalle mejora mucho la calidad de decisión. Obliga a evaluar con criterios comparables y evita el clásico “me dio buena impresión”, que suena intuitivo pero vale poco.
Cuando la empresa decide contratar, el ATS registra la oferta, la fecha de aceptación y el estado final. En muchas compañías, aquí se conecta con el HRIS o sistema de recursos humanos para crear la ficha del nuevo empleado. El candidato deja de ser candidato y pasa a empleado.
Si la persona no sigue, el sistema guarda el motivo de descarte: falta de experiencia, expectativas salariales altas, no encaje técnico, retirada voluntaria, etc. Esa información sirve para reporting y para mejorar procesos futuros.
Aquí conviene desmontar un mito. El ATS no “entiende” un CV como lo haría una persona. Lo que hace es aplicar reglas, patrones estadísticos y modelos de clasificación para identificar piezas de información.
Emails, teléfonos, fechas y códigos postales suelen detectarse con expresiones regulares y patrones relativamente predecibles. Esta parte funciona bastante bien. Si escribes un teléfono como +34 611 222 333, el sistema casi siempre lo captará.
Los modelos de lenguaje aplicados al parsing intentan clasificar términos como empresa, cargo, skill, titulación o certificación. Si aparece “AWS Certified Solutions Architect”, el sistema trata de identificarlo como certificación. Si aparece “Kubernetes”, suele marcarlo como competencia técnica.
El parser intenta reconocer dónde empieza experiencia profesional, dónde sigue formación y dónde están las aptitudes. Lo hace buscando encabezados y pistas de formato. Si el CV tiene una estructura clara, el resultado mejora mucho.
Algunos sistemas no se quedan en la extracción literal. También intentan unificar sinónimos. Por ejemplo, “Excel avanzado”, “Microsoft Excel” y “Excel” pueden acabar agrupados bajo una misma etiqueta. Lo mismo ocurre con cargos parecidos, como “desarrollador backend” y “backend developer”.
Los errores más comunes no son misteriosos. Suelen venir de un formato pobre o de datos ambiguos.
Por eso muchas recomendaciones para “superar el ATS” siguen teniendo sentido. No porque el sistema sea malvado, sino porque necesita estructura.
No todos los ATS asignan una puntuación visible, pero casi todos ayudan a priorizar candidatos de alguna forma. A veces es una nota sobre 100. Otras, un ranking interno. En plataformas más básicas, el orden solo depende de filtros y coincidencia textual.
Un modelo de scoring razonable puede mezclar factores como estos:
Pongamos un ejemplo. Una vacante para analista de datos pide SQL, Python, Power BI, 3 años de experiencia y residencia en Madrid o modalidad híbrida. Una candidata con SQL y Python fuertes, 4 años de experiencia, Power BI básico y residencia en Getafe podría recibir una puntuación alta, quizá 81 sobre 100. Otra con 10 años de experiencia en análisis, pero sin SQL claro en el CV, podría quedarse por debajo.
Aquí viene la parte incómoda. El scoring no sustituye el criterio humano. Nunca debería hacerlo. Si la descripción de puesto está mal redactada o llena de palabras vacías, la puntuación saldrá torcida. Si la configuración del ATS penaliza sin sentido a candidatos con trayectorias no lineales, el equipo perderá perfiles muy buenos.
En selección de verdad, el ranking sirve para priorizar revisión, no para decidir por sí solo. Cualquier empresa que entregue la contratación a una puntuación automática está comprando velocidad a costa de criterio. Mala idea.
Una de las funciones más útiles de un ATS es la búsqueda interna. Los recruiters no esperan siempre a que entren candidaturas nuevas. También revisan la base histórica. Y ahí la búsqueda booleana marca la diferencia.
Operadores básicos:
Ejemplos prácticos:
Esto permite rescatar talento ya conocido. En una empresa con 200.000 perfiles almacenados, una buena query puede ahorrar días de sourcing.
Un ATS aislado sirve, pero se queda corto. Su valor real crece cuando se conecta con otras herramientas.
Integraciones más habituales:
Si una integración falla, el problema no suele ser pequeño. Puede romper el reporting de fuentes, duplicar candidaturas o hacer que entrevistas importantes no se registren. He visto empresas con datos de time to hire completamente inutilizables por una mala integración entre ATS y sistema de onboarding.
Si el sistema está configurado con cabeza, RR. HH. puede medir bastante más que el número de currículums recibidos.
Métricas clave de contratación:
Pongamos una cifra sencilla. Si una empresa recibe 500 candidaturas para una vacante y solo 20 pasan a entrevista inicial, la tasa de conversión es del 4 %. Si de esas 20 solo 2 llegan a oferta, quizá el problema está en la calidad del sourcing o en unos filtros iniciales demasiado amplios. Sin datos, todo acaba siendo intuición.
En Europa, y especialmente en España, esto no se puede tratar a la ligera. Un ATS gestiona datos personales sensibles desde el punto de vista organizativo: historial laboral, datos de contacto, notas de entrevistas y, a veces, documentación adicional. El RGPD obliga a controlar acceso, finalidad, conservación y consentimiento.
Un ATS serio debe permitir:
Aquí no hay mucho margen para improvisar. Una base de datos histórica de candidatos sin política de retención clara es una bomba de cumplimiento esperando estallar. La Agencia Española de Protección de Datos lo deja bastante claro en sus orientaciones sobre tratamiento de datos personales en el ámbito laboral y de selección.
El software no arregla un proceso mediocre. Solo lo hace más rápido. Y ese es el gran problema de muchas implantaciones.
Errores que veo con frecuencia:
Un detalle muy concreto. Si el formulario de candidatura tarda 12 minutos en completarse desde móvil, estás perdiendo gente. No por falta de interés, sino por fricción absurda. En perfiles de alta demanda, eso se paga caro.
No todas las empresas necesitan la misma herramienta. Un ATS para una startup de 40 empleados no tiene nada que ver con el que necesita una multinacional con 3.000 contrataciones al año.
Criterios útiles para evaluar proveedores:
Mi consejo es simple. Antes de comprar demos bonitas, mapea tu proceso real. Si no sabes cuántas etapas usas, quién decide qué y dónde se atasca el pipeline, cualquier ATS te parecerá bueno durante la demo y mediocre tres meses después.
Conviene decirlo claro. Un ATS no “rechaza” personas por capricho. Ejecuta reglas, ordena información y ayuda a priorizar. La decisión final suele seguir en manos humanas, aunque el sistema influya mucho en qué perfiles se revisan antes.
Si una persona candidata quiere facilitar la lectura del CV por parte de estos sistemas, hay varias prácticas sensatas: usar encabezados claros, incluir skills relevantes con el mismo nombre que aparece en la oferta, evitar diseños extremos y mantener las fechas y cargos bien definidos. No hace falta escribir para robots. Hace falta escribir con claridad.
Un ATS bien configurado no es un enemigo del talento. Es una infraestructura de selección. Centraliza datos, acelera tareas repetitivas, mejora la trazabilidad y permite contratar con más orden. También puede introducir sesgos, automatizar malas decisiones y empeorar la experiencia del candidato si se implanta sin criterio.
La diferencia está en cómo se diseña el proceso y cómo se usa la herramienta. El software ayuda. No piensa por ti. Y, sinceramente, tampoco debería.
Para los equipos de RR. HH., entender la arquitectura y la lógica interna del ATS ya no es un lujo técnico. Es parte del trabajo. Quien domina ese sistema contrata con más rapidez, con mejores datos y, normalmente, con menos caos.
Compartir:
No comments yet. Be the first to share your thoughts!
21 min de lectura
21 min de lectura
19 min de lectura
