Producto Xelsus · En desarrollo
Cuando el puntaje por palabras clave dice 97 y la evidencia dice 54: búsqueda de empleo que le dice la verdad al candidato
Job Hunter reúne ofertas de bolsas de empleo públicas y de las alertas que el candidato ya recibe, las filtra a bajo costo y usa el criterio de la IA solo en la lista corta. En lugar de un porcentaje de coincidencia, devuelve fortalezas, brechas y factores descalificantes frente a la experiencia real del candidato.
Ver Job Hunter ↗97 → 54
Una oferta real: el puntaje rápido coincidía por el título, la lectura basada en evidencia encontró que el trabajo no encajaba
7
Fuentes públicas unidas en un solo conjunto sin duplicados, más las alertas que ya llegan al correo del candidato
2 etapas
Un filtro determinista gratuito decide qué merece una lectura de IA; solo el veredicto de la IA puede recomendar postular
0
Porcentajes de coincidencia inventados. Cada veredicto lista fortalezas, brechas y factores descalificantes
01
El problema
Hoy cada vacante recibe cientos de postulaciones, y los candidatos responden enviando todavía más. La mayoría de las herramientas lo empeora: cuentan palabras clave, muestran un porcentaje de coincidencia y no dicen nada sobre por qué un puesto encaja o qué descalificaría al candidato antes de que una persona lea su postulación.
Además, el mismo puesto aparece en varias bolsas y en varios correos de alerta con nombres apenas distintos. Los candidatos pierden horas ordenando duplicados y aun así postulan a puestos que comparten el título con su experiencia, pero no el trabajo real.
02
Por qué era difícil
- El mismo puesto aparece en varias bolsas y en varios correos de alerta, con títulos y nombres de empresa distintos.
- Buscar palabras clave premia las palabras correctas, no la experiencia correcta.
- Leer cada oferta con un LLM es lento y caro, y un solo porcentaje esconde el razonamiento.
- El correo de un candidato es sensible: el acceso debe ser de solo lectura y limitado a remitentes de alertas de empleo.
- Los perfiles cambian, y los puntajes calculados contra un perfil viejo nunca deben mezclarse con los nuevos.
03
Qué construimos
Una aplicación que corre localmente, con un solo conjunto compartido de ofertas y perfiles, puntajes y decisiones privados para cada persona. La recolección y el puntaje rápido son deterministas; el puntaje considerado es una lectura de IA con un formato de salida estricto. Ese mismo contrato de puntaje lo puede cumplir una llamada a la API o un agente de IA trabajando desde la línea de comandos.
04
Dónde está la innovación
01
Filtro barato, criterio caro
Una primera etapa determinista puntúa cada oferta sin costo. Solo las que superan un umbral, con un tope por corrida, reciben una lectura de IA, y solo esa lectura puede recomendar postular. El criterio caro va donde puede cambiar una decisión.
02
Un veredicto, no un porcentaje
La IA debe responder en un formato estricto: un puntaje general y subpuntajes, elegibilidad por ubicación, fortalezas, brechas, factores descalificantes, las palabras clave que vale la pena reforzar y un resumen corto. El candidato ve el porqué, no solo el cuánto.
03
Software que un agente de IA puede operar
Cada acción central es un comando que recibe y devuelve JSON, y una skill en el repositorio le enseña a un agente de código de IA las reglas para evaluar. En las primeras fases el agente hace la lectura sin una cuenta de API por llamada; más adelante, el mismo contrato lo cumple una llamada a la API. El criterio queda separado de la plomería.
04
Solo evidencia
Las reglas son explícitas: los años de experiencia no prueban una técnica específica, los descalificantes de ubicación y permiso de trabajo se revisan primero, y un descalificante fallido mantiene bajo el puntaje aunque el resto se vea bien. Nunca texto oculto ni relleno de palabras clave.
05
Puntajes atados a una versión del perfil
Cada perfil guardado es una versión. Los puntajes recuerdan contra qué versión se calcularon, así que un cambio de perfil dispara un nuevo cálculo en lugar de mezclar en silencio veredictos viejos y nuevos.
06
Privado por construcción
El acceso al correo es de solo lectura y la lista de remitentes está fija en el código. El cuerpo de los mensajes se lee para extraer los datos de la oferta y luego se descarta. Los datos viven en un archivo en la máquina del propio usuario, y el perfil solo va a un proveedor de IA cuando el usuario lo activa, con su propia cuenta.
05
Lo que mostraron las primeras corridas
La primera recolección reunió 218 ofertas únicas después de unir duplicados. El resultado más útil no fue un número. Fue un desacuerdo entre las dos etapas, con la razón escrita al lado.
Una oferta real, leída dos veces
Un puesto de gerencia en ingeniería de analítica. La empresa se omite.
Puntaje rápido vs. puntaje considerado
97 → 54 · descartar
- Puntaje rápido
- 97
- Puntaje considerado
- 54
- Título
- Coincidía
- Trabajo real
- No coincidía
Por qué importa
- El título y las palabras clave se veían bien
- El trabajo del día a día era otra cosa
- La razón queda escrita, no escondida en un porcentaje
06
Resultados
- Funcionando hoy: recolección desde siete fuentes públicas y desde correos de alertas de empleo, deduplicación, puntaje rápido y considerado, perfiles versionados y un conjunto compartido con decisiones privadas.
- 218 ofertas únicas en la primera recolección, después de unir duplicados entre fuentes.
- El paso de un usuario a varios conservó intactas todas las ofertas y todos los puntajes, con un respaldo tomado antes.
- El embudo del propio candidato junto a referencias publicadas del mercado, para distinguir un CV débil de un mercado brutal.
- Lo que sigue: revisión de descalificantes antes de postular, cobertura requisito por requisito contra el CV y un CV por puesto objetivo a partir de los mismos hechos.
07
Lo que aprendimos en el camino
El desacuerdo es la función
Cuando el puntaje rápido y el considerado no coinciden, esa diferencia es exactamente lo que el candidato necesita ver. Mostrar ambos, con la razón, es más útil que cualquier número único.
Separar el criterio de la plomería
Dejar que un agente de IA cumpla el mismo contrato de puntaje que la API permitió construir y probar el producto con ofertas reales antes de pagar una sola llamada de inferencia.
Nada de puntajes inventados
Conceptos populares como un puntaje universal de currículum no resisten un análisis serio. El producto revisa lo que sí se puede verificar, como si un CV sobrevive al análisis automático, y dice con claridad lo que no puede saber.
Stack
- Next.js
- React
- TypeScript
- Drizzle ORM
- SQLite
- Zod
- Claude API (salidas estructuradas, caché de prompts)
- Gmail API (solo lectura)
- Tailwind CSS
- Skills de Claude Code
¿Buscando su próximo puesto?
Job Hunter se está construyendo a la vista. Vea qué funciona ya, qué viene después y cómo se tratan sus datos.
Visitar Job Hunter ↗Job Hunter es un producto de Xelsus.ai en desarrollo. La oferta del ejemplo es real; la empresa se omite. No se muestra ningún dato personal.