Reconstruimos nuestro propio proceso de contratación con IA

Les decimos a los clientes que empiecen por ese proceso interno aburrido que pueden medir. Este es el nuestro.

Reclutamos ingenieros sénior a gran escala, y dos etapas de esa operación dependían del escaso tiempo disponible de especialistas: evaluar si un candidato es realmente tan bueno como dice su currículum y convertir a un candidato calificado en un perfil que un cliente quiera leer. Ambas requerían tiempo de especialistas y se volvían más lentas a medida que crecíamos. Las rediseñamos en torno a la IA. Esto es lo que hay dentro.

Primera etapa: el entrevistador limitaba la evaluación

La evaluación técnica inicial requería reclutadores con suficiente conocimiento de ingeniería para evaluar a desarrolladores experimentados en varias tecnologías. Es un perfil de contratación muy específico, e incluso un buen profesional tiene límites: alguien que domina Python y Django termina evaluando a un ingeniero sénior de Node, y una conversación que empieza en Python pasa a infraestructura en la nube, bases de datos, seguridad y sistemas distribuidos.

El problema más grave era más sutil. Cuando un candidato conocía una tecnología mejor que el entrevistador, este no podía distinguir con fiabilidad entre un conocimiento profundo real y una respuesta que simplemente sonaba correcta. Por eso, la profundidad de una evaluación dependía en parte de quién la realizaba.

Coordinar dos agendas para cada entrevista también limitaba la capacidad de evaluación.

Qué construimos en su lugar

No automatizamos la entrevista. Nos preguntamos para qué servía.

Para los ingenieros sénior, la pregunta útil no es si pueden resolver un ejercicio aislado. Es cómo piensan: cómo abordan la incertidumbre, qué alternativas consideran, si pueden identificar ventajas y limitaciones, por qué eligen una arquitectura en lugar de otra y qué hacen cuando una solución introduce una nueva restricción. Los desafíos de programación no responden nada de eso y les piden a candidatos experimentados que pasen horas escribiendo código al principio de un proceso con el que todavía no se han comprometido.

Por eso construimos una evaluación conversacional. El candidato recibe una situación técnica y explica, con sus propias palabras, cómo la abordaría. No hay un cuestionario fijo: el sistema lee cada respuesta y decide cómo continuar. Si una conversación empieza en Python y llega a una arquitectura en la nube, se puede profundizar en esa arquitectura; si el diseño depende de una estrategia de bases de datos, la conversación pasa al diseño, el rendimiento y la consistencia. Sigue el razonamiento del propio candidato entre distintas áreas, que es la forma de distinguir la familiaridad teórica de la experiencia práctica, y elimina la exigencia de que un entrevistador domine personalmente cada tecnología que pueda surgir.

Las evaluaciones se realizan bajo demanda y en paralelo, de modo que los candidatos pueden elegir un momento en el que están preparados en lugar de coordinar dos agendas.

El resultado es estructurado, en lugar de anecdótico: el conocimiento profundo demostrado, el nivel de experiencia correspondiente y la posición del candidato en relación con todos los demás que hemos evaluado. El inglés hablado se evalúa a partir de la misma conversación. Ambos resultados aparecen en la vista del reclutador junto al perfil, como información que lee una persona. La IA puntúa; no toma decisiones de contratación. Ningún candidato avanza ni queda descartado solo por un puntaje.

Segunda etapa: el perfil listo para el cliente

Todavía había que presentar a los candidatos calificados a los clientes en nuestro formato estándar: experiencia, responsabilidades, tecnologías y participación real en cada proyecto. Desde principios de 2025, usamos un agente en producción para convertir transcripciones de entrevistas en perfiles listos para el cliente.

Nunca se trató solo de escribir. Para representar a un ingeniero sénior con precisión, tienes que entender cómo se usó cada tecnología en cada proyecto, qué implementó personalmente el candidato frente a lo que entregó su equipo y qué detalles le importarán realmente al cliente. Sin ese contexto técnico, se omiten cosas, se simplifican o se exageran sin que resulte evidente. Cada perfil llevaba de dos a seis horas.

El agente toma la transcripción y extrae un esquema fijo: las tecnologías de cada puesto y el verbo asociado a cada una —construyó, mantuvo, evaluó, migró—; el trabajo que el candidato implementó personalmente, separado de lo que entregó el equipo; su rol y su nivel real de participación; los detalles técnicos relevantes para presentarlo. Luego redacta el perfil en nuestro formato. No es un resumen de la entrevista, sino un documento con una función: hacer comprensible el perfil de un ingeniero sénior para alguien que decide si quiere conocerlo.

La parte difícil fueron los pronombres. Las entrevistas se cuentan en «nosotros». Un perfil tiene que ser honesto sobre el «yo». Un modelo al que le pides un resumen convierte sin problema «migramos el servicio de pagos» en una afirmación de que el candidato migró el servicio de pagos. Conseguir que examine cada frase para atribuirla correctamente y que descarte una afirmación cuando la transcripción no la respalda fue la mayor parte del desarrollo. Esa es la diferencia entre un perfil en el que el cliente confía y uno que apenas hojea.

De dos a seis horas pasamos a unos diez minutos por perfil.

Qué nos enseñaron los comentarios de producción

Iteramos sobre resultados reales: errores, omisiones, inconsistencias y casos límite. Cada corrección se convirtió en una regla: cómo tratar un proyecto descrito solo en plural, qué hacer con una tecnología mencionada una vez de pasada y cuándo «lideró» significa liderar y cuándo significa participar.

Las reglas que habíamos escrito de antemano se equivocaban en gran medida sobre dónde estarían los problemas. Los comentarios de producción nos mostraron qué reglas necesitaba realmente el sistema.

Qué medimos

Preparar cada perfil pasó de dos a seis horas a unos diez minutos. Estas cifras describen nuestro propio proceso de preparación de perfiles.

Las horas por perfil nos dan una unidad concreta para medir. En la evaluación, los puntajes técnicos y de inglés hablado son información para un reclutador, junto al perfil. No son decisiones automáticas de contratación.

Qué le diríamos a cualquiera que esté haciendo esto

Pregúntate para qué sirve la etapa antes de automatizarla. Podríamos haber construido una versión más rápida de la entrevista que ya hacíamos. La entrevista que realmente necesitábamos era otra.

La calidad de la transcripción marca el límite. Todo lo que viene después —el perfil, el nivel de experiencia y el nivel de inglés— hereda los errores de la transcripción. Dedicamos más tiempo a eso que a elegir cualquier modelo.

Deja que las correcciones definan las reglas. Revisa resultados reales para detectar errores, omisiones y problemas de atribución. Esas correcciones revelan casos límite que el diseño por sí solo puede pasar por alto.

Mide la unidad. Horas por perfil. Entrevistas por día. No «productividad».

Construimos esto para nosotros. Empieza por identificar dónde la disponibilidad de especialistas, el conocimiento escaso o los traspasos manuales limitan una operación. Luego define una unidad concreta para medir antes de rediseñar el proceso.