Imaginemos una situación sencilla.
Subes el currículum de un candidato, añades los requisitos del puesto y, unos segundos después, recibes un resultado: 82/100.
Suena cómodo. Pero ¿qué significa exactamente ese 82?
Por qué una sola puntuación no es suficiente
¿Qué experiencia del candidato resulta realmente relevante para el puesto? ¿Qué requisito está respaldado por información concreta del currículum? ¿Qué falta? ¿Y dónde no ha podido encontrar el sistema información suficiente?
Una sola cifra no responde a estas preguntas.
Aquí se encuentra, desde nuestro punto de vista, la diferencia entre una IA que simplemente ofrece un resultado y una IA que realmente ayuda al reclutador a trabajar.
Una misma puntuación puede significar cosas diferentes
Dos candidatos pueden recibir la misma puntuación de 82/100 por razones completamente distintas.
El primero puede tener una experiencia relevante sólida, pero su currículum no menciona una tecnología importante.
El segundo puede incluir casi todas las palabras clave necesarias, pero el currículum no permite comprender hasta qué punto ha trabajado realmente con ellas.
La puntuación es la misma. La decisión del reclutador puede ser completamente diferente.
Una IA útil debe explicar el resultado
No basta con que una herramienta de IA diga: «Este candidato encaja con el puesto en un 82%».
Debe ayudar a comprender qué hay detrás del resultado:
- qué requisitos están respaldados por información concreta del currículum;
- qué aspectos parecen dudosos o requieren aclaraciones;
- qué requisitos no ha podido encontrar el sistema;
- dónde no existe información suficiente para llegar a una conclusión fiable;
- en qué evidencias se basa la puntuación final.
De esta forma, la puntuación deja de ser una cifra abstracta y se convierte en un resultado que el reclutador puede comprobar y utilizar en su trabajo.
«No aparece en el currículum» no significa «el candidato no sabe hacerlo»
No son la misma conclusión.
Si una habilidad o experiencia no se menciona en el currículum, esto no demuestra que el candidato no la tenga. La información puede estar descrita con otras palabras, aparecer sin suficiente detalle o haberse omitido por completo.
La IA no debe crear una ilusión de precisión cuando no existe. Si no hay suficiente información, el sistema debe indicarlo claramente en lugar de sustituir las evidencias que faltan por una suposición presentada con seguridad.
De una puntuación a un análisis verificable
Para un reclutador resulta mucho más útil ver no solo el resultado, sino también el razonamiento que ha llevado hasta él.
La IA deja entonces de ser un sistema en el que simplemente hay que confiar y se convierte en una herramienta cuyo resultado puede revisarse y verificarse.
El reclutador puede volver a un requisito concreto, comparar la conclusión con el currículum original, añadir su propio contexto y decidir qué preguntas conviene plantear al candidato.
Cómo abordamos este principio en Qualex
Este es el enfoque que intentamos seguir en Qualex.
No se trata únicamente de mostrar una puntuación, sino de permitir que el reclutador vea qué requisitos están confirmados, dónde existen carencias, dónde falta información y en qué se basa el análisis.
Porque es mucho más importante entender por qué la puntuación es exactamente 82, ¿no? ;)
Nuestras redes sociales
Sigue las novedades de Qualex, las noticias del producto y los códigos promocionales de descuento.