Wiselook recauda €1.1M para evaluar talento con IA y ciencia

¿Por qué Wiselook levanta €1.1M y ya factura en el Ibex 35?

Wiselook ha cerrado una ronda de €1.1M y ya factura cerca de €200.000 con clientes del Ibex 35, según datos publicados por La Razón. La compañía, fundada en Madrid en junio de 2025 por Rocío Fernández-Rubíes, aspira a algo poco habitual en el ecosistema HR Tech: que cada decisión sobre personas —contratación, promoción, movilidad— se apoye en un modelo psicométrico validado, no solo en un LLM bien entrenado.

El número importa menos que la tesis: en la mayoría de empresas, las evaluaciones profundas llegan solo a una élite de comités de dirección, mientras el resto de la plantilla recibe información estandarizada o, directamente, ninguna. Fernández-Rubíes lo resume con una frase que podría ser el lema del proyecto: «Los procesos tradicionales no son escalables». Para 2027, la compañía se ha marcado como objetivo ingresar entre €1M y €1.5M.

¿Qué es Claire y por qué no es «otra IA de entrevistas»?

El producto estrella es Claire, un agente conversacional que plantea situaciones profesionales y profundiza con nuevas preguntas según la respuesta del candidato. Frente a los tests de cuatro casillas —tan populares en plataformas de reclutamiento— Claire deja al candidato explicar libremente qué haría ante, por ejemplo, un conflicto dentro de un equipo.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

El marco de evaluación es estable, pero la conversación es única para cada persona, explica la CEO. Además, el sistema puede adaptarse al modelo de competencias de cada organización: innovación, liderazgo o colaboración no significan lo mismo en una empresa industrial que en una tecnológica o una distribuidora.

Wiselook prefiere hablar de «habilidades humanas» —pensamiento crítico, pensamiento estratégico, comunicación, capacidad de juicio, colaboración— y no de habilidades blandas. La distinción no es cosmética: en un mercado donde la IA está abaratando el acceso al conocimiento técnico, esas capacidades pesan cada vez más en la contratación.

¿Cómo valida Wiselook su modelo psicométrico?

Lo que separa a Wiselook de la mayoría de competidores es, según su fundadora, el método. La empresa asegura haber desarrollado un modelo psicométrico propio en colaboración con un equipo de la Universidad Autónoma de Madrid (UAM), con participación de especialistas en psicometría, competencias, ética y redes neuronales.

La diferencia es relevante: la IA no decide qué medir, sino que permite llevar el modelo a miles de conversaciones y procesarlas a escala. En plena fiebre de modelos generativos aplicados a cualquier proceso, la empresa busca marcar distancia con un enfoque que recuerda más a la investigación académica que al producto SaaS típico.

Los sesgos algorítmicos son otra pieza central. Wiselook dice realizar auditorías continuas y trabajar con Eticas.ai, firma especializada en auditoría algorítmica. La CEO hace especial énfasis en el sesgo de edad, «del que se habla muy poco» y que considera difícil de detectar.

También lidian con el problema inverso: candidatos que intentan engañar a la máquina. La compañía utiliza sistemas de proctoring y diseña las preguntas para que la persona no sepa qué competencia se está evaluando. Aun así, Fernández-Rubíes no promete infalibilidad: «La creatividad humana suele ir por delante».

¿Qué problema resuelve Wiselook en la gestión de talento?

El modelo de Wiselook descansa sobre una observación incómoda. Las grandes empresas concentran recursos sofisticados de evaluación en una pequeña élite de profesionales —comités de dirección, perfiles críticos— mientras el resto accede, en el mejor de los casos, a pruebas estandarizadas. La fuente cifra ese privilegio en torno al 5% de la plantilla.

El resultado, según la CEO, es que las compañías terminan tomando decisiones de promoción, movilidad o potencial con información desigual y, a menudo, filtrada por la percepción del responsable directo. Cuando un algoritmo se entrena con esos datos, hereda el sesgo.

Por eso Wiselook busca convertir la evaluación en algo continuo y accesible para toda la organización, no en un privilegio reservado al 5%. La información que genera Claire sirve para contratar, pero también para promociones, movilidad interna, planes de sucesión o formación.

¿Cómo está evolucionando el HR Tech español?

Wiselook no opera en el vacío. España vive un momento de profesionalización del HR Tech, con eventos como el Talent Summit de la Fundación Transforma España y mapas sectoriales como el de Skiller Academy, que catalogan decenas de startups nacionales en categorías como employer branding, applicant tracking, evaluación de competencias, payroll o evaluación del desempeño, según recogió Bolsamania.

La propia Wiselook obtuvo en diciembre de 2025 la condición de empresa emergente al amparo de la Ley de Startups, un sello regulatorio que en España facilita fiscalidad y acceso a programas públicos. Tras operar únicamente en español, la compañía ya ha preparado su modelo en inglés y mira al mercado internacional, aunque sus primeros clientes son españoles.

¿Qué significa esto para tu startup?

Wiselook no es solo una curiosidad del HR Tech español. Su enfoque ilustra tres tendencias que cualquier founder —del sector People o de cualquier otro vertical— debería tener en el radar.

La IA por sí sola no es producto. El llamado AI washing se ha convertido en un problema reputacional serio. Si tu startup promete IA, necesitas explicar qué mide, con qué base científica y qué garantías de auditoría ofreces, especialmente si tu producto toma decisiones sobre personas, salud, crédito o empleo.
El sesgo es un riesgo de producto, no un detalle ético. Si construyes modelos para clientes corporativos, integra auditorías algorítmicas desde el MVP. Jugadores como Eticas.ai ya ofrecen ese servicio en España; añadirlo a tu narrativa comercial es una ventaja competitiva, no un coste.
La internacionalización empieza por el idioma, no por el mercado. Wiselook primero consolidó en español con clientes del Ibex 35 y después llevó el modelo al inglés. Es un patrón útil para founders de LATAM y España: el primer cliente de referencia pesa más que el primer mercado «grande» al que apuntas.

Dos acciones concretas para aplicar hoy

Audita el lenguaje de tu pitch. Sustituye «usamos IA» por qué mide tu modelo, con qué datos se entrena y qué validación externa tiene. Si no puedes responder a esas tres preguntas, vuelve al laboratorio antes de salir a vender.
Incorpora un protocolo mínimo de proctoring o anti-fraude. Aunque no trabajes en selección, si tu producto depende de input humano —formación, evaluación, comunidades— asume que un porcentaje de usuarios intentará manipularlo. Mejor diseñarlo desde el día uno que improvisarlo después de un incidente.