Usa una entrevista por voz estructurada para puestos de alto volumen cuando necesites respuestas habladas comparables sin recopilar vídeo; usa después el vídeo en directo para conversaciones con perfiles especialistas o de dirección que requieran profundidad en tiempo real; mantén la preselección telefónica a cargo de un reclutador como ruta equivalente y sin cámara para candidatos de primera línea y para quien la prefiera. Una entrevista en vídeo con IA no es más informativa por sí misma: recoge más datos y, por tanto, exige una justificación más sólida ligada al puesto.
La distinción útil no es entre tecnología antigua y nueva. Es entre la señal que requiere un puesto y la carga que se impone al candidato. El hub de entrevistas con IA y reclutamiento por voz ofrece un contexto más amplio; aquí nos centramos en elegir un formato sin convertir el propio canal en un criterio de selección que nadie ha examinado.
| Entrevista en vídeo asíncrona | Preselección telefónica con IA (voz) | |
|---|---|---|
| Qué hace el candidato | Graba respuestas en vídeo a preguntas fijas, a solas y normalmente dentro de un plazo | Mantiene una conversación hablada por teléfono o desde el navegador; la IA hace preguntas de seguimiento |
| Preguntas de seguimiento | Ninguna; los evaluadores ven las grabaciones después | Sí, dentro de una guía de entrevista aprobada |
| Datos generados | Vídeo, voz, entorno | Audio, transcripción, notas estructuradas |
| Esfuerzo del candidato | Cámara, ancho de banda, un lugar privado, comodidad al ser grabado | Un teléfono o un micrófono; sin cámara |
| Esfuerzo del evaluador | Ver cada grabación o echar un vistazo a una puntuación | Leer un resumen y una ficha de valoración, escuchar cuando haga falta |
| Encaja mejor en | Puestos en los que hablar ante la cámara forma parte del trabajo | Puestos de alto volumen, de primera línea y por turnos; primeras preguntas que se repiten |
| Límite principal | Mayor riesgo de abandono y más datos que justificar | No puede mostrar trabajo práctico; necesita una vía humana para quien la rechace |
Valoración propia, basada en la documentación de los proveedores que revisamos, a noviembre de 2026. Sprad vende una entrevista telefónica y por voz con IA y, por tanto, no es una parte neutral; la regla siguiente está construida para que también funcione si eliges el vídeo.
Los cuatro formatos no son intercambiables
Entrevista por voz: audio estructurado, sin obligación de usar cámara
Una entrevista por voz es una conversación de audio estructurada que el candidato completa de forma asíncrona o en diálogo. Según el flujo de trabajo, puede generar una respuesta de audio, una transcripción, marcas de tiempo y notas específicas del puesto. Sirve para comprobar disponibilidad, motivación, experiencia con turnos, comprensión del idioma o una situación laboral concreta. Su ventaja son las preguntas comparables con una barrera técnica relativamente baja; su límite es que no puede demostrar trabajo práctico ni capacidad de presentación visual.
Para los equipos de reclutamiento, el beneficio está sobre todo en que las primeras conversaciones repetidas quedan recogidas en una estructura coherente. En los precios de Sprad, a 29 de octubre de 2026, una entrevista por voz cuesta 30 créditos (unos 3,00 € al precio de lista de 0,10 € por crédito; una entrevista por chat cuesta 10 y una entrevista en vídeo 80). Con la tarifa plana por candidatura, las entrevistas por chat están incluidas y las entrevistas por voz de cada quinto candidato suman 0,20 € por candidatura. Es el modelo de precios de un proveedor, no un precio universal de mercado ni un sustituto del criterio humano o de una conversación personal posterior.
Entrevista en vídeo asíncrona: respuestas grabadas a preguntas fijas
Una entrevista en vídeo asíncrona pide al candidato que grabe respuestas en vídeo, a menudo dentro de un plazo definido. Da a los evaluadores un formato de respuesta visible e idéntico para todos y puede tener sentido cuando comunicarse ante la cámara forma realmente parte del trabajo. Pero también exige una cámara, ancho de banda, un entorno privado y comodidad al ser grabado, condiciones que a menudo no guardan relación con el éxito en el puesto.
El trabajo no desaparece; pasa de organizar entrevistas a ver, documentar y justificar las valoraciones. El vídeo no es simplemente un audio más rico. Puede incluir imagen, voz, el entorno del candidato y metadatos técnicos, por lo que cada categoría de datos debería tener una finalidad antes de introducir una entrevista en vídeo con IA.
Entrevista en vídeo en directo: una conversación bidireccional programada
Una entrevista en vídeo en directo es una reunión síncrona entre un candidato y un reclutador, un responsable de contratación o un panel. Permite preguntas de seguimiento, profundizar en lo técnico y fijar expectativas mutuas, y por eso encaja en conversaciones con especialistas, de dirección y de fases avanzadas. Su contrapartida es el tiempo humano: programar, asistir, documentar y hacer el debriefing consumen capacidad con cada candidato.
El vídeo en directo no debe confundirse con una respuesta de vídeo grabada. En una reunión en directo, el valor está en poder aclarar y profundizar; en una asíncrona, los evaluadores valoran una respuesta sin posibilidad de repreguntar al momento. Ningún formato debería tratar el aspecto, el fondo o la calidad del vídeo como indicador del rendimiento laboral.
Preselección telefónica: audio dirigido por un reclutador con contexto inmediato
Una preselección telefónica es una conversación breve de audio, dirigida por un reclutador, al inicio de un proceso de selección. Es conocida, flexible y útil cuando el candidato necesita una aclaración inmediata o no quiere usar cámara. Su fortaleza es el contexto humano; su debilidad, la coherencia cuando las preguntas, las notas y el tiempo dedicado varían entre reclutadores.
El coste del software puede ser bajo, pero el tiempo del reclutador es el coste principal. Trata cualquier precio por entrevista como una ilustración de capacidad, no como una promesa: los salarios locales, la duración de la conversación y el trabajo de seguimiento determinan la economía real.
La finalización y la accesibilidad deben condicionar el diseño
No existe una cifra universal creíble que demuestre que la voz, el vídeo o el teléfono produzcan siempre la menor tasa de abandono. La finalización depende de cómo se redacte la invitación, del plazo, del acceso desde el móvil, de la confianza en la finalidad, del idioma y de si el candidato puede elegir una alternativa equivalente. Mide cada paso por separado: invitados, iniciados, completados, alternativa elegida y avanzados a la siguiente fase.
El vídeo puede añadir fricción para quien no tiene un ancho de banda fiable, un lugar privado o comodidad al ser grabado. El audio puede excluir a personas sordas, con dificultades auditivas o con trastornos del habla; el teléfono, también. El criterio práctico es sencillo: explica a los candidatos para qué sirve el formato, ofrece una adaptación o una vía equivalente y asegúrate de que elegirla no reduzca sus posibilidades de avanzar.
Para plantillas operativas y distribuidas, ese criterio suele pesar más que una comparación de funciones. Una guía de herramientas de entrevistas con IA y voz no puede sustituir a probar el recorrido real en un teléfono móvil, durante turnos realistas y en los idiomas que usan los candidatos.
El vídeo genera más datos, y una carga de justificación mayor
Una preselección telefónica genera datos de contacto y notas de la entrevista, y puede generar audio y una transcripción si se graba. Un flujo por voz puede añadir respuestas de audio, texto transcrito, marcas de tiempo e indicadores de valoración estructurados. Un flujo en vídeo añade contenido visual y el entorno del candidato. Más datos implican más decisiones sobre control de acceso, conservación y eliminación; no hacen relevante para la selección cada señal captada.
El Reglamento General de Protección de Datos exige, en el artículo 5 del RGPD, que los datos personales sean adecuados, pertinentes y limitados a lo necesario para la finalidad declarada. En la práctica, vincula cada pregunta a un requisito del puesto, decide por separado si grabar y transcribir, fija plazos de conservación y limita el acceso. El audio puede hacer esa revisión más manejable que el vídeo, pero no la elimina.
Cuando una decisión se basa únicamente en un tratamiento automatizado y tiene efectos jurídicos o similarmente significativos, el artículo 22 del RGPD prevé protecciones específicas, incluida la intervención humana en los casos pertinentes. El Reglamento de IA de la UE, anexo III, incluye entre las áreas de alto riesgo la IA destinada a la contratación, el filtrado de candidaturas y la evaluación de candidatos. Su aplicabilidad depende de la finalidad y de la implantación del sistema, así que consulta a asesores de privacidad, cumplimiento y jurídicos antes de desplegarlo; este artículo no es asesoramiento jurídico.
Para empleadores de la UE y de EE. UU., no des por hecho que una única declaración de privacidad o un único modelo de alojamiento responda a todos los requisitos locales. Evalúa los flujos de datos, la conservación, la puntuación automatizada, las adaptaciones y la supervisión humana en las jurisdicciones afectadas. Si la residencia de los datos en la UE es importante, confírmala por contrato con el proveedor en lugar de deducirla del formato de la entrevista.
Adapta el formato al puesto, no a la marca de la herramienta
Puestos de alto volumen: una entrevista por voz breve suele ser la opción eficiente por defecto cuando hay preguntas imprescindibles claras y muchos candidatos. Estandariza la primera capa sin exigir cámara; una preselección telefónica con un reclutador debe seguir disponible como alternativa. Para el paso previo, el hub de volumen de candidaturas y preselección de CV explica cuándo una revisión estructurada es más proporcionada que otra entrevista.
Puestos especialistas: usa una preselección breve escrita o por voz solo cuando falten uno o dos datos. Pasa al vídeo en directo cuando el equipo de contratación necesite explorar el razonamiento técnico, las decisiones de proyecto o la colaboración en tiempo real. Las evidencias deben seguir viniendo de muestras de trabajo, ejemplos concretos y una rúbrica estructurada, no de la presencia ante la cámara ni de una apariencia pulida en pantalla.
Puestos de primera línea y sin escritorio: el teléfono y la voz deberían tener normalmente prioridad, porque no requieren portátil, escritorio ni un lugar preparado para videollamadas. Las llamadas y WhatsApp pueden facilitar el acceso si el consentimiento, la privacidad y una vía de contacto alternativa están bien diseñados. Un flujo de entrevistas por voz para reclutamiento puede admitir 12 idiomas, pero el canal y el idioma aún deben validarse con el público concreto.
Cuando solo faltan datos: no crees ninguna entrevista. La fecha de incorporación, la autorización de trabajo y la disponibilidad de turnos pueden recogerse en un formulario breve. Un flujo estructurado de preselección de CV puede ser el paso más pequeño y proporcionado cuando el objetivo es recopilar contexto en lugar de montar una conversación.
Una regla de decisión que los reclutadores pueden aplicar mañana
Elige la voz cuando necesites muchas respuestas comparables y relevantes para el puesto sin datos visuales. Elige el vídeo asíncrono solo cuando comunicarse ante la cámara sea realmente relevante para el puesto y exista una alternativa equivalente. Elige el vídeo en directo cuando la necesidad de profundizar con una persona y de hablar con especialistas en tiempo real justifique el coste de programarlo. Elige el teléfono cuando el contexto humano inmediato o el acceso sin cámara importen más que la estandarización.
Un límite declarado: esta regla no demuestra que un formato mejore la calidad de la contratación. Pruébala con un grupo pequeño y diverso de candidatos y compara la finalización, el uso de adaptaciones y la calidad de las decisiones de contratación posteriores. Si el formato no aporta una señal relevante para el puesto, la opción que minimiza los datos es la mejor.
Preguntas frecuentes
¿Es justa una entrevista en vídeo con IA porque todos los candidatos reciben las mismas preguntas?
Las preguntas coherentes mejoran la comparabilidad, pero no garantizan una experiencia justa. El plazo, la exigencia de cámara, el idioma, el método de puntuación y la vía alternativa también influyen en la equidad.
¿Debemos conservar las grabaciones de vídeo?
Solo cuando haya una finalidad clara y documentada y un plazo de conservación definido. Comprueba primero si unas notas estructuradas o una transcripción cubrirían la necesidad legítima de selección con menos datos.
¿Puede la IA rechazar candidatos automáticamente?
Una recomendación automatizada no es lo mismo que una decisión de contratación. Para las decisiones importantes, el RGPD, la Ley de IA de la UE y una revisión humana significativa merecen especial atención; pide asesoramiento sobre el flujo real antes de usarlo.
¿Cuánto debe durar la primera entrevista por voz?
Que sea tan larga como exija la información relevante para el puesto que falta. Empieza con un número reducido de preguntas centradas y mide después la finalización y la calidad de las respuestas, en lugar de copiar una duración de otro proceso.






