Por Canuto  

Un análisis atribuido a investigadores del NBER y basado en 29,4 millones de perfiles de LinkedIn señala que muchos trabajadores modifican empleos antiguos. El estudio advierte que las referencias retrospectivas a inteligencia artificial pueden distorsionar la lectura histórica de las habilidades laborales.
***

  • Casi 20% de los perfiles analizados modificó retrospectivamente el título o la descripción de un empleo ya terminado.
  • Las incorporaciones de términos como IA, GPT y LLM a puestos anteriores aumentaron más de seis veces después del lanzamiento de ChatGPT.
  • Una fotografía de LinkedIn tomada en 2026 podría sobreestimar cerca de 30% la presencia de habilidades de IA en 2022.

La historia laboral que aparece en LinkedIn no siempre permanece fija después de que un trabajador abandona un empleo. Un análisis atribuido a investigadores del National Bureau of Economic Research (NBER), basado en 29,4 millones de perfiles de LinkedIn en Estados Unidos, encontró que casi una quinta parte había modificado retrospectivamente el título o la descripción de un puesto ya terminado. El fenómeno adquiere una dimensión especial cuando los cambios incorporan vocabulario asociado con la inteligencia artificial.

Según el análisis, las referencias históricas a términos como IA, GPT, LLM o inteligencia artificial en empleos anteriores aumentaron más de seis veces después del lanzamiento de ChatGPT, a finales de 2022. Los autores estiman que una imagen de los perfiles tomada en 2026 podría hacer parecer que la destreza en IA durante 2022 era aproximadamente 30% mayor de lo que mostraban los registros disponibles en ese momento.

El pasado profesional también cambia

Los investigadores describen estas modificaciones como una forma de “viaje en el tiempo” dentro de los perfiles profesionales. La edición mediana ocurrió más de cuatro años después de que terminara el empleo correspondiente, lo que indica que no se trata únicamente de correcciones inmediatas realizadas durante una búsqueda laboral o una actualización rutinaria del currículo.

El patrón tampoco se limita a añadir capacidades que hoy reciben mayor atención. Los perfiles también pierden información: a finales de 2025, los usuarios agregaban lenguaje relacionado con el trabajo remoto casi con la misma frecuencia con que lo eliminaban, mientras que la incorporación de términos vinculados con diversidad e inclusión cayó abruptamente a comienzos de 2025.

La distribución varía de manera considerable entre sectores. Tecnología y comunicación registraron la tasa más elevada de modificaciones retrospectivas, con 31,6% de los perfiles; les siguieron artes y entretenimiento, con 25%, y servicios profesionales y científicos, con 24,1%, frente a una tasa global de 19,7% en el conjunto analizado.

Estas diferencias sugieren que la presión por presentar una trayectoria alineada con las tendencias del mercado puede ser más intensa en determinadas industrias. Sin embargo, las cifras no demuestran por sí mismas que los trabajadores estén inventando experiencia, porque una modificación puede incorporar detalles reales que no figuraban originalmente o describir tareas antiguas mediante un vocabulario que se volvió habitual después.

El efecto sobre la medición de las habilidades

La principal advertencia del análisis no apunta necesariamente a una conducta fraudulenta de los usuarios, sino a la forma en que empresas e investigadores interpretan los datos. Cuando una plataforma permite actualizar hoy la descripción de una actividad realizada años atrás, una consulta posterior mezcla la información contemporánea con la representación actualizada del pasado.

En el caso de la inteligencia artificial, ese problema puede alterar la lectura de la velocidad con que se expandieron las capacidades relacionadas con la tecnología. Si los perfiles revisados en 2026 describen trabajos de 2022 con términos que se popularizaron después, los análisis basados exclusivamente en la fotografía más reciente pueden concluir que esas habilidades ya estaban mucho más extendidas.

La estimación de una sobrevaloración cercana a 30% ofrece una medida concreta de esa distorsión potencial. El dato no significa que toda mención retrospectiva de IA sea falsa, pero sí advierte que las bases de datos laborales deben distinguir entre la fecha en que ocurrió el trabajo y la fecha en que el trabajador decidió describirlo con nuevas palabras.

Para los estudios del mercado laboral, la diferencia resulta relevante porque la historia profesional sirve como insumo para evaluar tendencias de contratación, demanda de capacidades y evolución sectorial. Un perfil actualizado puede ser útil para reclutadores, pero también puede convertirse en una fuente ambigua cuando se utiliza como registro histórico sin conservar versiones anteriores.

Una consecuencia para los algoritmos de contratación

Los perfiles de LinkedIn no solo funcionan como vitrinas profesionales; también alimentan análisis, herramientas de reclutamiento y sistemas automatizados de selección. En un mercado donde los candidatos utilizan herramientas para presentar mejor su experiencia y las empresas recurren a modelos para filtrar grandes volúmenes de postulaciones, la calidad temporal de los datos adquiere importancia.

Esa interacción aumenta la necesidad de conocer cómo se construyeron los datos utilizados por los sistemas de selección. Si un modelo aprende de historiales laborales modificados años después, puede asociar determinadas palabras con periodos o funciones en los que todavía no eran comunes, afectando sus conclusiones sobre la disponibilidad de talento y la experiencia de los candidatos.

La cuestión también se relaciona con el marco regulatorio europeo. La Comisión Europea señala que el Reglamento de Inteligencia Artificial comenzó a ser aplicable el 2 de agosto de 2026, con obligaciones específicas para distintos tipos de sistemas. Los sistemas de IA utilizados en ámbitos como la contratación y el empleo figuran entre los usos considerados de alto riesgo bajo el reglamento, aunque la aplicación de obligaciones concretas puede depender de las disposiciones transitorias y del tipo de sistema.

El artículo 10 de esa legislación exige que los datos de entrenamiento sean pertinentes, suficientemente representativos y, en la medida de lo posible, libres de errores y completos. La norma no fue redactada específicamente pensando en las modificaciones retrospectivas de perfiles, pero el análisis proporciona una estimación numérica sobre la proporción del historial profesional que pudo reescribirse después.

Qué deberían interpretar empresas e investigadores

El hallazgo no permite concluir que las personas estén falsificando sistemáticamente sus currículos. Una actualización puede corregir una omisión, explicar una responsabilidad que antes se resumió demasiado o traducir una tarea existente al lenguaje que actualmente utilizan los empleadores, por lo que la intención individual no puede inferirse únicamente del cambio.

La cautela, no obstante, debe extenderse a quienes emplean estos perfiles como evidencia cuantitativa. Las empresas que entrenan modelos de selección con historiales laborales necesitan considerar que una descripción publicada hoy puede no coincidir con la versión visible cuando el empleo estaba vigente, especialmente en campos donde el vocabulario cambia con rapidez.

Para los investigadores, conservar fechas de edición y versiones históricas permitiría separar mejor la evolución real de las capacidades de la evolución de las palabras utilizadas para describirlas. Sin esa distinción, una tendencia aparentemente acelerada puede reflejar tanto la adopción de una tecnología como la actualización tardía de la manera en que los trabajadores cuentan su experiencia.

El análisis coloca así un límite importante a la confianza automática en los perfiles profesionales como registros inmutables. La carrera por demostrar experiencia en IA puede estar reescribiendo el pasado, y esa alteración afecta no solo a quienes buscan empleo, sino también a los sistemas que intentan medir quién sabía qué y cuándo.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados