Time-to-Fill vs Time-to-Hire

El time-to-fill y el time-to-hire son las dos métricas de throughput de recruiting que se confunden con más frecuencia. Miden cosas distintas, optimizan comportamientos distintos y llevan a conclusiones distintas sobre el desempeño del recruiting. Entender cuál usar y cuándo es la base de la alfabetización en recruiting ops.

Las definiciones claras

• Time-to-fill. Desde el día en que un puesto es aprobado/abierto hasta el día en que un candidato acepta la oferta. Mide el ciclo completo del pipeline, incluyendo demoras upstream (puesto aún no publicado, aprobación lenta, sourcing deficiente).
• Time-to-hire. Desde el día en que un candidato entra al pipeline (postula, es prospectado) hasta el día en que acepta la oferta. Mide la experiencia individual del candidato — cuánto tiempo el equipo hace esperar a un candidato específico.

El mismo numerador (fecha de aceptación de oferta), diferentes denominadores (puesto abierto vs candidato ingresado).

Por qué ambas métricas importan

Diagnostican problemas distintos:

• Time-to-fill alto, time-to-hire bajo. El equipo mueve candidatos rápido una vez que entran al pipeline, pero el pipeline tarda en llenarse. Problema de sourcing. Diagnóstico: descripción del puesto deficiente, canales de sourcing equivocados, desajuste entre el rol y el mercado.
• Time-to-fill bajo, time-to-hire alto. El pipeline se llena rápido pero los candidatos individuales esperan demasiado. Problema de proceso. Diagnóstico: demoras en la coordinación, debriefs lentos, inaccesibilidad del hiring manager.
• Ambos altos. Sourcing Y proceso deficientes. Lo más común en organizaciones de recruiting disfuncionales.
• Ambos bajos. Saludable. O todo funciona, o el rol es demasiado fácil para ser una prueba significativa.

Benchmarks saludables (muy aproximados)

Gran variación según el rol, nivel, mercado y geografía. Los rangos de 2026:

Los mercados de talento competitivos (EE.UU. 2021-2022) produjeron ciclos significativamente más largos; los mercados con oferta generan ciclos más cortos. Los benchmarks internos contra tus propios datos históricos son más útiles que los promedios de la industria.

Errores de medición frecuentes

Tres patrones que los equipos de recruiting cometen rutinariamente:

• Contar desde la publicación del puesto en lugar de la aprobación. La publicación suele rezagarse días o semanas respecto a la aprobación; contar desde la publicación oculta las demoras upstream.
• Contar hasta la extensión de la oferta en lugar de la aceptación. El período oferta-aceptación puede durar 1-3 semanas para roles senior; contar hasta la extensión subestima el ciclo real.
• Excluir candidatos retirados del time-to-hire. Los candidatos que se retiraron a mitad del proceso inflan el time-to-hire agregado; excluirlos produce una señal más plana y honesta.

Por qué estas métricas importan menos de lo que los equipos de recruiting creen

Una trampa común: optimizar las métricas de throughput a expensas de la quality of hire.

• Un time-to-hire de 20 días en una contratación que rota a los 6 meses es peor que un time-to-hire de 35 días en una contratación que se queda 3 años.
• Los objetivos agresivos de time-to-fill empujan a los recruiters a conformarse con candidatos marginales en lugar de esperar mejores ajustes.
• Las culturas de recruiting enfocadas en el throughput invierten sistemáticamente de menos en el trabajo lento y cuidadoso que produce resultados de alta calidad.

El encuadre maduro: las métricas de throughput son restricciones, no metas. La meta es la quality of hire; la disciplina de throughput mantiene la restricción razonable mientras el trabajo de calidad ocurre.

Cómo cambia la IA el panorama

Tres cambios significativos:

• El sourcing más rápido reduce el time-to-fill. Las herramientas de AI sourcing reducen dramáticamente los días dedicados a encontrar candidatos calificados.
• La coordinación más rápida reduce el time-to-hire. GoodTime y ModernLoop comprimen la coordinación de 2 semanas a 2 días.
• El análisis de funnel aumentado por IA identifica demoras. Ashby y Greenhouse Insights señalan las etapas donde los candidatos individuales se estancan, permitiendo intervenir antes de que el time-to-hire se dispare.

El efecto combinado: las herramientas de IA bien desplegadas reducen el time-to-hire un 30-50% mientras el AI sourcing reduce el time-to-fill un 30-60%, con el mismo nivel de calidad de candidatos.

Cómo operacionalizar

1. Rastrear ambas métricas por separado. No confundirlas.
2. Establecer benchmarks por tipo de rol. Los datos históricos internos son más útiles que los benchmarks de la industria.
3. Diagnosticar por etapa del funnel. Cuando el time-to-hire es alto, identificar en qué etapa se estancan los candidatos. Encontrar la intervención correcta.
4. Combinar con quality of hire. Las métricas de throughput sin métricas de calidad impulsan los comportamientos incorrectos.
5. Reportar mensualmente al líder de recruiting; trimestralmente al CHRO. La visibilidad crea responsabilidad.

Errores comunes

• Usar el time-to-fill como el KPI principal de recruiting. La optimización del throughput a costa de la calidad es el error crónico del recruiting.
• Comparar manzanas con naranjas. El time-to-hire de la contratación de ingenieros senior no es comparable al time-to-hire del personal de piso de retail.
• Seleccionar la métrica que favorece el desempeño. Algunos equipos reportan la que (time-to-fill O time-to-hire) luce mejor; esto anula el valor diagnóstico.
• Ignorar las demoras upstream. El time-to-fill que excluye la demora de aprobación del puesto oculta una fuente importante de dolor en el ciclo.

Relacionados

• Quality of hire — la métrica de resultado que estas métricas de throughput no deben desplazar
• Recruiting funnel metrics — datos de diagnóstico por etapa, adyacentes a estas métricas
• Candidate experience — el time-to-hire alto daña la CX directamente
• Ashby — ATS moderno con reportes nativos sólidos de time-to-fill y time-to-hire