Ya entrevistaste a ese candidato. Hace tres semanas, en el audio de dos minutos que nadie pasó a texto.
Martes, 11:40. La vacante de auxiliar administrativo está abierta desde el jueves y el WhatsApp de recursos humanos tiene veintitrés mensajes nuevos, nueve de ellos en audio. En el de 2 min 14 s, una candidata dice en qué barrio vive, que su preaviso es de quince días, que acepta la banda salarial y que tiene medio curso de nóminas hecho. Escuchas, decides que sirve y pasas al siguiente sin escribir una línea.
Escena ilustrativa, armada con lo que se repite en una vacante operativa.
El viernes la responsable pregunta quiénes son los tres finalistas. No tienes tres nombres: tienes nueve audios y un recuerdo. Entonces el proceso vuelve a empezar, escuchando todo otra vez o citando a entrevista a gente que ya respondió.
La tesis de este texto se puede discutir: el audio del candidato no es un recado, es la primera entrevista. Quien lo trata como recado paga dos veces, porque escucha ahora y escucha de nuevo después.
A dónde va una hora de cada vacante
Cuenta de servilleta, con las premisas sobre la mesa para que las cambies por las tuyas:
- 25 candidatos mandan audio a lo largo de una vacante
- media de 1 min 50 s por audio, o sea 45 minutos y 50 segundos solo en la primera escucha
- 10 reescuchas para comparar y redactar las respuestas, 18 minutos más
- total de 1 hora y 4 minutos por vacante, antes de cualquier entrevista de verdad
Doce vacantes al mes suman 12 horas y 48 minutos. Un día y medio de trabajo escuchando a gente hablar, sin una sola frase registrada al final.
Para ponerlo en dinero, usa una referencia pública en vez de un número suelto. En Brasil, donde WhatsApp concentra la contratación operativa, el salario medio de admisión en abril de 2026 fue de R$ 2.386,56, según el resumen ejecutivo del Novo Caged, del Ministerio de Trabajo y Empleo. Con 220 horas mensuales, la hora sale a R$ 10,85, y las doce vacantes cuestan unos R$ 139 en escucha.
Y ahí la cuenta engaña. La pérdida cara no son los R$ 139. Es la candidata que se quedó sin respuesta porque nadie recordaba lo que había dicho.
Qué existe hoy y dónde se para cada salida
| Salida | Qué resuelve | Dónde se para |
|---|---|---|
| Escuchar a 1,5x o 2x | Recorta cerca de un tercio del tiempo de escucha | Nada queda escrito, así que no se puede buscar ni comparar a dos personas |
| Transcripción nativa de WhatsApp | Texto sin salir de la aplicación, generado en el propio teléfono | Un audio por vez, con pulsación larga, y pocos idiomas al lanzamiento |
| Pedir al candidato que escriba | Texto en el origen, con el formato que necesitas | Buena parte no cambia de formato, y el primer contacto se retrasa |
| Anotar a mano lo importante | Registro en el lugar correcto, con tus palabras | El tiempo se duplica, porque es escuchar y después escribir |
| Transcripción automática en WhatsApp Web (ZapVox) | El texto ya está ahí cuando abres la conversación | Exige el ordenador encendido y tiene cuota diaria por plan |
La transcripción nativa es la salida que menos gente conoce. WhatsApp la anunció en noviembre de 2024: mantienes el dedo en el mensaje, tocas transcribir y el texto aparece, generado en el propio teléfono, según el blog oficial. Resuelve el audio suelto. No resuelve una fila de nueve.
La fila que deja atrás cada contratación
El tamaño del problema no es opinión. El portal de empleo de Gupy, en Brasil, tenía 6.114.199 personas candidatas registradas, publicó 1,4 millones de posiciones y registró cerca de 1,02 millones de contrataciones entre julio de 2024 y junio de 2025, según el informe Mercado de Trabajo en Brasil 2026.
Cada una de esas contrataciones dejó atrás una fila de gente esperando una frase. Quien está en esa fila recuerda el silencio y se lo cuenta a los demás.
Lo que tiene el audio y no tiene el currículum
El currículum se redacta para pasar el cribado. El audio se habla sin revisar, y por eso trae lo que de verdad decide: si la persona sabe explicar lo que hacía, si el preaviso entra en tu plazo, si la pretensión es la del anuncio, si ya operó el sistema que usas.
En una vacante operativa, esos cuatro puntos criban mejor que cualquier maquetación de PDF. Y llegan en audio porque el candidato está en la calle, en el descanso, con una mano ocupada. El formato es el suyo, no el tuyo.
Tratarlo como recado es tirar la mejor información del proceso. Es también el motivo por el que tanta gente se queja de no recibir respuesta: el área no guardó nada con lo que responder.
Cuatro pasos que funcionan antes de instalar nada
- Tres preguntas en la propia vacante. En el anuncio y en la primera respuesta, pide los tres datos que deciden el cribado: ciudad o barrio, pretensión y disponibilidad para empezar. El audio sigue valiendo, solo que ahora tiene guion.
- Dos horarios de corte. Escuchar audio de candidatos a las 9:00 y a las 16:30, en bloque. Fuera de ahí nadie abre la bandeja, porque un cribado hecho de diez en diez minutos nunca termina.
- Una línea por candidato, en el mismo sitio. Escuchaste, escribiste: nombre, vacante, los tres datos, decisión en una palabra. Una hoja de cálculo sirve. Lo que importa es que el registro exista fuera de tu cabeza.
- Dos plantillas de respuesta guardadas. Una para quien sigue, otra para quien no sigue por ahora. Con la línea del paso 3 en la mano, cada respuesta sale en cuarenta segundos y la fila se cierra el viernes.
El método es manual y ya tumba la mitad del problema. Lo que queda es justo el paso 3, el que nadie cumple cuando el día aprieta: convertir habla en texto.
Dónde ZapVox acorta cada paso
Con la extensión abierta en WhatsApp Web, la Transcripción automática hace que el audio llegue ya en texto, sin clic, en pocos segundos.
En el paso 1, los Atajos de texto expanden el mensaje con las tres preguntas cuando escribes el atajo y pulsas Tab. En el paso 2, el Resumen en puntos deja un audio de cuatro minutos en pocas líneas, y Ajustes por conversación, en el icono de engranaje, mantiene cada vacante con su propia configuración.
En el paso 3, Notas por contacto guarda tu línea al lado del chat, y Búsqueda dentro de los audios encuentra la palabra dicha cuando la responsable pregunta cuál de ellos aceptó el turno de fin de semana. Al final, Exportar las transcripciones del chat lo saca todo en .txt, y Glosario y nombres a tu manera enseña la grafía de los nombres para que la transcripción no invente apellidos.
¿Quieres probarlo hoy en el WhatsApp de tu empresa? Son 3 días gratis, sin tarjeta.
Dónde se para esto
La transcripción automática vive en el navegador del ordenador. Si la máquina está apagada o WhatsApp Web cerrado, el audio sigue ahí esperando, y en el móvil vuelves a depender de la pulsación larga nativa.
Hay cuota. El plan Free hace 8 transcripciones al día y hasta 15 minutos de audio, el Starter 60 al día y hasta 30 minutos, el Pro 150 al día y hasta 150 minutos, como está en la página de planes. Para una vacante con 25 audios de casi dos minutos, el Free se agota antes del mediodía.
El audio grabado en la calle, con dos personas hablando a la vez, sale peor. Los nombres de barrio y los apellidos fallan más que el resto, y por eso vale la pena configurar el glosario antes de abrir una vacante de mucho volumen.
Y el límite que más importa: la transcripción es una herramienta de trabajo, no un documento con valor probatorio, y no decide quién pasa. Solo garantiza que la decisión se tome leyendo lo que la persona dijo, en vez de recordándolo a medias.
La respuesta que le debes a nueve personas
Abre la vacante más antigua que sigue abierta y cuenta cuántos audios sin escuchar hay en ella. Ese número es tu pasivo de respuesta, y solo crece mientras la fila se escuche de diez en diez minutos.
Instalarlo en Chrome lleva menos tiempo que escuchar un audio de dos minutos. La prueba son 3 días con todo abierto, sin tarjeta de crédito. Cuando termina, la cuenta vuelve sola al plan Free y no se cobra nada.