Para Empresas Dificultad: media

🤖

Automatizar Evaluación y Filtrado de Candidatos con IA y Automatización

Optimiza tu proceso de reclutamiento: ahorra hasta 15 horas semanales de revisión manual y reduce drásticamente el tiempo de respuesta a los candidatos.

Iván Jiménez Moreno·Especialista en automatización·26 de junio de 2026

Ahorro estimado

10-20 horas/semana

Implementación

2-4 semanas

Herramientas

6

¿Prefieres que te lo montemos nosotros? El plan en 15 min, gratis. Pídenos el plan →

Herramientas que analizamos

Make Com

Orquestador de flujos de trabajo y conexión entre aplicaciones

Esencial

OpenAI API

Motor de inteligencia artificial para análisis de CVs y scoring

Esencial

Typeform: Formularios Conversacionales Que Generan Más Respuestas en 2026

Captación de datos estructurados y pruebas iniciales

Esencial

El Problema: El cuello de botella del talento

En cualquier empresa en crecimiento, el departamento de Recursos Humanos se enfrenta a un desafío constante: el volumen de candidaturas. Cuando una vacante se publica, es común recibir cientos de solicitudes, muchas de las cuales no cumplen con los requisitos mínimos de formación, experiencia o competencias técnicas.

El proceso tradicional de filtrado es manual, lento y emocionalmente agotador. Un reclutador debe abrir cada CV, leerlo, compararlo con la descripción del puesto y registrar el resultado en una base de datos o sistema de seguimiento. Este proceso conlleva varios riesgos:

1. Fatiga de decisión: Tras revisar 50 currículums, la capacidad de atención disminuye, lo que puede llevar a descartar talento valioso o aceptar perfiles mediocres por puro agotamiento.
2. Tiempos de respuesta lentos: Los mejores candidatos suelen estar en el mercado durante muy poco tiempo. Si el filtrado manual tarda días o semanas, la competencia se llevará el talento.
3. Falta de estandarización: La evaluación subjetiva hace que dos reclutadores puedan valorar de forma distinta el mismo perfil, restando objetividad al proceso.

La Solución Automatizada

La automatización inteligente no consiste en dejar que una máquina tome decisiones de contratación, sino en implementar un sistema de “Pre-selección Aumentada”.

La idea es crear un flujo de trabajo donde los datos del candidato fluyan de forma autónoma desde el momento en que aplican hasta que llegan a la mesa del reclutador con un resumen ejecutivo y una puntuación de adecuación. Mediante el uso de modelos de lenguaje (LLMs) y plataformas de integración, podemos transformar un documento no estructurado (un PDF de un CV) en datos estructurados y comparables en cuestión de segundos.

Este sistema permite que el equipo de talento humano pase de ser “lectores de currículums” a “evaluadores de personas”, centrando su energía en la entrevista y la cultura organizacional, mientras la tecnología se encarga del trabajo pesado de clasificación.

Stack Tecnológico Recomendado

Para construir una solución robusta sin necesidad de un equipo de ingeniería dedicado, recomendamos un stack basado en herramientas no-code y low-code:

1. Captación (Input): Typeform o Tally. En lugar de recibir solo un archivo adjunto, utilizamos formularios inteligentes que obligan al candidato a responder preguntas clave (años de experiencia, herramientas específicas, disponibilidad). Esto nos da datos limpios desde el inicio.
2. Orquestación (El Cerebro): Make. Esta herramienta actúa como el pegamento. Recibe la respuesta del formulario, envía el CV a la IA, recibe el análisis y guarda todo en la base de datos.
3. Inteligencia (Análisis): OpenAI (GPT-4o/o1). Mediante una instrucción técnica (prompt engineering), la IA analiza el contenido del CV frente a la descripción del puesto (JD) y extrae puntos clave, detecta incongruencias y asigna un score de coincidencia.
4. Gestión (Output/Base de Datos): Airtable. Funciona como un ATS (Applicant Tracking System) personalizado. Aquí es donde el reclutador ve el tablero con los candidatos ordenados por su puntuación de IA, sus notas y el estado de su proceso.

Cómo Implementarlo: Paso a Paso

Implementar esta solución requiere una metodología estructurada para asegurar que la IA sea un aliado y no un obstáculo.

Paso 1: Estandarización de la Entrada de Datos

No confíes únicamente en el archivo PDF. Diseña un formulario de aplicación que incluya preguntas de filtrado de “sí/no” o de selección múltiple. Por ejemplo: “¿Tienes disponibilidad para viajar?” o “¿Cuántos años de experiencia tienes en Python?”. Estos datos son mucho más fáciles de procesar para la automatización que el texto libre.

Paso 2: Configuración del Flujo en Make

Crea un escenario que se active cada vez que se reciba una nueva respuesta en tu formulario. El flujo debe seguir esta lógica:

1. Trigger: Nueva respuesta en Typeform.
2. Acción de descarga: Obtener el archivo PDF del CV alojado en la nube.
3. Acción de lectura (OCR/Parsing): Si el PDF es complejo, se puede usar un módulo de extracción de texto.
4. Envío a la IA: Enviar el texto del CV + la descripción del puesto al módulo de OpenAI.

Paso 3: Ingeniería de Prompts para el Scoring

Este es el paso más crítico. No basta con decirle a la IA “evalúa este CV”. Debes darle un marco de trabajo. Un prompt efectivo para este caso debe incluir:

• Rol: “Eres un experto en selección de talento técnico”.
• Tarea: “Compara el CV adjunto con la descripción del puesto proporcionada”.
• Criterios: “Evalúa de 1 a 10 los siguientes puntos: Experiencia técnica, Nivel de idiomas, Educación”.
• Formato de salida: “Devuelve la respuesta exclusivamente en formato JSON con los campos: score_total, resumen_perfil, puntos_fuertes, puntos_de_atencion”.

Paso 4: Visualización y Gestión en Airtable

Configura Airtable para que reciba el JSON de la IA. Crea vistas de “Tablero” (Kanban) donde los candidatos se muevan por etapas: Nuevo, Pre-seleccionado por IA, Entrevista Humana, Oferta, Rechazado.

Resultados Esperados

Es importante entender que los resultados varían según la complejidad de los puestos, pero una implementación bien diseñada suele mostrar las siguientes tendencias:

• Reducción del tiempo de revisión inicial: Se estima que el tiempo dedicado a leer currículums que no encajan con el perfil puede reducirse en gran medida, permitiendo al equipo centrarse solo en los perfiles con un score superior a un umbral predefinido (por ejemplo, >7/10).
• Mejora en la velocidad de contratación (Time-to-Hire): Al eliminar los días de espera de la revisión manual, el contacto con los candidatos destacados puede ser casi inmediato.
• Consistencia en la evaluación: El sistema aplica los mismos criterios de puntuación a todos los candidatos, reduciendo el sesgo involuntario que surge de la fatiga humana.

Nota: Estas estimaciones son orientativas y dependen de la calidad de los datos de entrada y la configuración de la automatización.

Ejemplo de Aplicación

Imaginemos una empresa de desarrollo de software que abre una vacante para un “Senior Backend Developer”.

1. La Aplicación: El candidato completa un formulario donde indica que tiene 5 años de experiencia en Go y Node.js, y sube su CV en PDF.
2. La Automatización: Make detecta la nueva entrada, extrae el texto del PDF y lo envía a OpenAI junto con la descripción del puesto de la empresa.
3. El Análisis de la IA: La IA detecta que, aunque el candidato menciona Go, su experiencia principal es en Java, y que su nivel de inglés (según el CV) es medio, cuando la empresa requiere avanzado.
4. El Resultado: En Airtable, el candidato aparece con un score de 6/10 y una nota automática: “Perfil sólido en Java, pero experiencia limitada en el lenguaje principal solicitado (Go). Nivel de inglés por debajo del requerido”.
5. La Decisión: El reclutador, al ver el tablero, decide pasar directamente al siguiente candidato que tiene un 9/10, ahorrándose 10 minutos de lectura y análisis manual.

Conclusión y Siguiente Paso

Automatizar la evaluación de candidatos no es una cuestión de reemplazar el juicio humano, sino de liberarlo. Al delegar la clasificación de datos y el filtrado inicial a un sistema de IA y automatización, las empresas pueden escalar sus procesos de contratación sin necesidad de aumentar linealmente su equipo de Recursos Humanos.

¿Quieres empezar a escalar tu proceso de selección? El primer paso es auditar tu proceso actual: identifica cuántas horas pasa tu equipo revisando perfiles que no cumplen los requisitos y empieza por automatizar esa tarea específica utilizando un stack sencillo de Make y OpenAI.

Sobre el autor

Iván Jiménez Moreno

Especialista en automatización · Fundador de AutomatizayEscala.com

Analiza herramientas de automatización, IA y productividad para emprendedores y PYMEs hispanohablantes. Más de 180 herramientas evaluadas con metodología propia en 5 dimensiones.