Cribado de currículums con ia. Un ejemplo ilustrativo, no un resultado de cliente: la agencia y todas las cifras de aquí son supuestos. La selección de currículums con ia es un software que lee los currículums entrantes, puntúa cada uno frente a los requisitos imprescindibles de un puesto y entrega al reclutador una preselección ordenada para aprobar. No contrata ni descarta a nadie por su cuenta; un reclutador da el visto bueno antes de que un candidato avance o reciba un no.
Para ilustrar, imagina una agencia de selección cuyo tiempo hasta la preselección es lento. Supón que cada puesto abierto recibe unos 100 currículums y que un reclutador dedica unos 6 minutos a la primera lectura de cada uno: encontrar datos, cotejar requisitos, volver a teclear en el ats. Son supuestos para el ejemplo, no mediciones de un cliente.
Detrás de este artículo no hay ningún encargo real, así que no hay resultado que contar. Lo que sí podemos mostrar es el diseño. El pipeline puntúa y ordena, pero nunca descarta automáticamente. Un reclutador aprueba cada preselección, y cada ejecución deja un registro de auditoría de lo que puntuó el modelo y por qué.
#¿qué consume el tiempo entre un puesto abierto y una preselección?
Un equipo en esta situación empezaría midiendo, no construyendo: sentarse con dos reclutadores y cronometrar la primera lectura sobre una muestra de candidaturas. Los juicios suelen ser rápidos. Lo lento es buscar, leer y volver a teclear.
- Abrir cada currículum y localizar los años de experiencia, las habilidades nombradas y la ubicación o el permiso de trabajo, multiplicado por una pila de currículums por puesto.
- Cotejar esos datos con los requisitos imprescindibles de ese puesto concreto, que cambian en cada vacante.
- Volver a teclear una preselección en el ats y escribir la nota de por qué cada candidato entró, repartido entre interrupciones.
- Esperar. Una pila leída a medias queda ahí hasta que el reclutador vuelve, y los buenos candidatos se enfrían.
Así que el objetivo nunca fue «leer más rápido». Fue «dejar de hacer que un reclutador cace datos que ya están en la página».
#¿cómo acorta la selección de currículums con ia el tiempo hasta la preselección?
¿cómo reduce la ia el tiempo hasta la preselección en reclutamiento?
Lee cada currículum entrante, extrae los datos que exige un puesto, puntúa al candidato frente a sus requisitos imprescindibles y redacta una preselección ordenada para que el reclutador revise en lugar de leer en frío. El ahorro está en la primera lectura en frío, que un equipo puede cronometrar antes y después. Un reclutador sigue aprobando cada preselección antes de que nadie reciba respuesta.
El pipeline funciona en cuatro pasos: extraer los datos de un currículum sin estructurar, puntuar al candidato contra los requisitos indispensables declarados del puesto, ordenar la pila con la razón de cada puntuación adjunta, y luego enrutar la preselección a la cola de aprobación de un reclutador. Nada sale de esa cola sin que un humano haga clic en aprobar.
El diseño reutiliza el patrón de procesamiento de documentos de las reclamaciones y la recepción de facturas, ajustado a selección de personal. La forma es la que describe nuestra página de casos de uso de operaciones: extraer de una entrada no estructurada, puntuar, enrutar, aprueba una persona. Se plantearía como un proyecto de implementación de ia, y el código es tuyo.
#¿la ia rechaza candidatos por su cuenta?
We are
Stennir construye un pipeline de cribado de redactar y revisar que puntúa y ordena, y luego entrega cada preselección a un reclutador que la aprueba.
We aren't
No es un filtro de auto-rechazo que descarta candidatos en silencio, y no es una caja negra que puntúa sin mostrar sus razones.
No. Cada puntuación lleva la razón que dio el modelo, y cada ejecución queda registrada. En este diseño un reclutador humano aprueba cada preselección que llega a un candidato y nadie es descartado automáticamente. Cuando un reclutador discrepa de una puntuación, la nota está ahí para discutirla, lo que además da la señal para ajustar los requisitos de cada puesto.
En la práctica, el modelo hace la primera lectura y el reclutador decide, partiendo de una pila ordenada con las razones adjuntas en lugar de una bandeja de entrada en frío.
#¿qué podrían hacer los reclutadores con el tiempo recuperado?
Lo que un modelo no puede hacer: llamar a los candidatos preseleccionados mientras el currículum sigue fresco. Pasar el trabajo de leer a hablar es el objetivo. Una llamada rápida a un candidato fuerte suele marcar la diferencia entre una colocación y un competidor que llegó antes.
Si diriges un equipo de talento u operaciones y la primera lectura se te come la semana, es el tipo de cosa que diseñamos. Empezamos midiendo en qué se va realmente el tiempo y luego diseñamos un pipeline de borrador y revisión que tu equipo posee. cuéntanos qué estás construyendo y te diremos si este patrón encaja antes de que nadie escriba código.
