Salario de vigilancia: la IA que sabe lo que aceptarás

Qué es el «salario de vigilancia» y por qué deberías preocuparte como founder

Imagina que antes de que abras la boca para pedir un aumento o negociar una oferta, la empresa ya tiene un número en mente: el mínimo exacto que aceptarías. No es ciencia ficción. Es lo que investigadores y periodistas han comenzado a documentar bajo el concepto de «salario de vigilancia» (o surveillance wages), una práctica emergente en la que algoritmos de inteligencia artificial procesan datos sobre tu historial laboral, tu comportamiento digital y hasta tu situación financiera para determinar, en tiempo real, cuánto vale tu aceptación.

Para los founders que construyen equipos o negocian contratos, entender este fenómeno no es solo una curiosidad tecnológica: es una palanca de poder que podría estar operando silenciosamente en cada proceso de contratación.

Cómo funciona técnicamente un algoritmo de salario

Los sistemas de dynamic wage pricing —o fijación dinámica de salarios— operan de forma similar a los algoritmos de precios que ya conocemos en plataformas de e-commerce o transporte. La diferencia es que el «producto» eres tú como trabajador.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

El proceso típico combina varias fuentes de datos:

Historial de búsqueda laboral: cuántas veces has visitado portales de empleo, qué ofertas has guardado, cuánto tiempo llevas mirando vacantes en determinado rango salarial.
Actividad en plataformas de empleo: plataformas como LinkedIn o Indeed han sido señaladas por experimentos en los que sus motores de IA ajustaban ofertas o recomendaciones en función del comportamiento del usuario.
Datos financieros proxy: ubicación geográfica, historial crediticio (cuando está disponible) o incluso patrones de consumo que se infieren de apps conectadas.
Señales de urgencia: tiempo de desempleo, frecuencia de postulaciones, velocidad de respuesta a mensajes de reclutadores.

Técnicamente, estos modelos aplican machine learning —en particular, modelos de regresión y clasificación— integrados dentro de los ATS (Applicant Tracking Systems) que ya usan miles de empresas para gestionar sus procesos de selección. Herramientas como Paradox.ai, Eightfold AI o HireVue incorporan capas de análisis predictivo que van mucho más allá del simple filtrado de CVs.

Los sectores donde esto ya es una realidad

El fenómeno no es exclusivo de Silicon Valley. Hay sectores donde la fijación algorítmica de compensaciones lleva más tiempo operando:

Gig economy y trabajo por plataforma

Empresas como Uber, DoorDash o Deliveroo fueron pioneras en aplicar precios dinámicos a la mano de obra. En su caso, la lógica es explícita: la tarifa por hora o entrega varía según la oferta y demanda en tiempo real. Pero investigaciones recientes sugieren que algunos algoritmos también consideran el historial individual de aceptación de pedidos para determinar qué incentivos ofrecer —o no ofrecer— a cada conductor.

Trabajo remoto y freelance

Plataformas como Upwork o Fiverr emplean sistemas de pricing dinámico básico, pero la tendencia apunta hacia una personalización más profunda: identificar cuándo un freelancer tiene poca carga de trabajo y ofrecerle proyectos a tarifas más bajas de las que normalmente aceptaría.

Contratación corporativa tradicional

Según un informe documentado por investigadores de la Universidad de Chicago, algoritmos integrados en portales de empleo como Indeed ajustaban la visibilidad de ofertas y las recomendaciones salariales basándose en el historial de clics e interacciones del candidato. Esto significa que dos perfiles con experiencias similares podían recibir ofertas con rangos salariales distintos sin saberlo.

El riesgo real: discriminación sistémica invisible

Lo que hace especialmente peligroso al salario de vigilancia no es solo la asimetría de información, sino su potencial para codificar y amplificar desigualdades existentes.

Un estudio del Brookings Institution (2024) advirtió que los datos proxy utilizados por estos algoritmos —como la ubicación, el tipo de dispositivo o el barrio de residencia— correlacionan históricamente con género, raza y nivel socioeconómico. En la práctica, esto significa que el algoritmo podría «aprender» que ciertos perfiles suelen aceptar salarios más bajos y perpetuar esa realidad sin que nadie lo haya programado explícitamente para discriminar.

El resultado: una brecha salarial de género y raza no generada por decisiones humanas conscientes, sino por patrones estadísticos que el sistema considera óptimos. Y lo más grave, invisible desde dentro de la organización.

Para los founders que contratan, esto plantea una pregunta incómoda: ¿están sus herramientas de RRHH tomando decisiones que podrían exponerles a litigios laborales?

Qué dice la legislación: Europa, EE.UU. y LATAM

Unión Europea

El AI Act de la Unión Europea (aprobado en 2024) clasifica como alto riesgo todos los sistemas de IA utilizados en procesos de contratación y gestión laboral. Esto obliga a las empresas que operen en Europa a realizar auditorías, garantizar explicabilidad algorítmica y documentar el impacto de sus sistemas en los trabajadores. España y Francia ya trabajan en normativas complementarias que exigirían auditorías de algoritmos de RRHH.

Estados Unidos

La EEOC (Equal Employment Opportunity Commission) ha comenzado a investigar casos bajo la doctrina del disparate impact: aunque no exista intención discriminatoria, si un sistema produce resultados desproporcionadamente negativos para grupos protegidos, puede constituir una violación de la ley. Sin embargo, aún no existe una ley federal específica que regule la fijación algorítmica de salarios.

América Latina

En Chile y Brasil se están impulsando propuestas legislativas (2025–2026) para regular el uso de IA en plataformas de trabajo, especialmente en la gig economy. Colombia y México aún están en etapas más tempranas de discusión, aunque organismos como la OIT han publicado recomendaciones para que los gobiernos de la región adopten marcos de transparencia salarial.

Lo que dicen los expertos en economía laboral

El economista Erik Brynjolfsson del MIT ha sido uno de los más contundentes al señalar que estos sistemas crean un desequilibrio de poder estructural: la empresa tiene información perfecta sobre el trabajador, mientras el trabajador navega completamente a ciegas. Esta asimetría, sostiene, es fundamentalmente distinta a la negociación clásica de salarios.

Desde el ámbito de los recursos humanos, la SHRM (Society for Human Resource Management) publicó en 2025 recomendaciones para que las organizaciones adopten políticas de transparencia algorítmica, no solo como práctica ética, sino como escudo ante potenciales demandas laborales.

Qué puede hacer un founder ante esta realidad

Si lideras una startup o scaleup, este tema te toca desde dos ángulos opuestos:

Como empleador

Audita tus herramientas de RRHH: pregunta directamente a los proveedores de tu ATS qué datos utilizan para generar recomendaciones salariales y si sus modelos han sido auditados por sesgo.
Adopta bandas salariales públicas: la transparencia salarial no solo protege a tus empleados; también fortalece tu employer branding en un mercado donde el talento tech prioriza la equidad.
Documenta tus procesos de compensación: en un entorno regulatorio que evoluciona rápido, tener evidencia de tus criterios de fijación salarial puede ser tu mejor defensa legal.

Como profesional que negocia

Gestiona tu huella digital laboral: ser consciente de que tu comportamiento en plataformas de empleo puede ser rastreado es el primer paso para negociar con mayor equidad.
Pide siempre el rango salarial primero: en muchos estados de EE.UU. y en regulaciones europeas emergentes, las empresas ya están obligadas a publicar bandas salariales. Úsalas a tu favor.
Conecta con comunidades de founders donde se comparten experiencias reales de negociación y datos de mercado actualizados.

Conclusión

El salario de vigilancia representa una de las aplicaciones más silenciosas —y potencialmente más dañinas— de la inteligencia artificial en el mercado laboral. No es una amenaza futura: herramientas con estas capacidades ya existen y algunas empresas las usan activamente. La regulación avanza, pero a un ritmo más lento que la tecnología.

Para los founders del ecosistema hispano, la clave está en dos palabras: transparencia y comunidad. Construir organizaciones donde los criterios salariales sean claros protege a tus equipos, reduce el riesgo legal y te posiciona como empleador de referencia en un mercado cada vez más competitivo por el talento tech. Y para navegar estos cambios, no hay mejor recurso que aprender junto a quienes ya están enfrentando estos mismos desafíos.

Profundiza estos temas con nuestra comunidad de founders expertos en IA, RRHH y futuro del trabajo.

Unirme a la comunidad