Encontrar al Candidato Ideal entre 25.000 Currículums
Una consultora tecnológica recibe 25.000 currículums al mes para 200 vacantes. El filtro por palabras clave descarta a buenos candidatos que describen su experiencia con otras palabras ('orquesté la migración a la nube' en vez de 'AWS') y deja pasar a quien rellena el CV de términos de moda. Los reclutadores tardan 23 días en presentar finalistas.
De dónde sale el dinero
Qué hacer ahora
- 1Medir el coste de una vacante abierta por día (facturación perdida).
- 2Búsqueda semántica sobre la base de candidatos con auditoría de equidad.
- 3Revisión humana del top 20 y explicación de cada recomendación.
Para llevar al comité
Una página con la decisión, el impacto, los riesgos, los pasos y el KPI de seguimiento.
Se abre la ventana de impresión: elige "Guardar como PDF".
Ojo: más volumen no siempre es más beneficio
Contratar más rápido a quien se parece a los contratados del pasado puede subir la rotación o reducir diversidad. Mide la calidad de la contratación a un año, no solo la velocidad.
KPI para el comité
Días hasta contratación y rotación en el primer año.
Detalle para tu equipo de datos
Técnica propuesta: Embeddings + Búsqueda Vectorial
Por qué: El problema es de significado: experiencias equivalentes descritas con palabras distintas. Los embeddings representan currículums y vacantes en el mismo espacio semántico, y la búsqueda vectorial encuentra los más cercanos entre miles en milisegundos. Es una herramienta de priorización con humano al final.
Coste de equivocarse: Un falso negativo es un gran candidato que nunca se ve; un ranking sesgado puede suponer discriminación y sanción regulatoria.
Datos necesarios: Currículums en texto libre (PDF) y perfiles profesionales.; Descripciones de vacantes y perfiles de empleados que han tenido éxito en cada puesto.; Histórico de procesos: quién pasó a entrevista, quién fue contratado y su evaluación a un año.