Cómo funciona realmente el matching de candidatos con AI: un enfoque de dos capas
Has escuchado el pitch cientos de veces: “matching de candidatos con AI.” Pero, ¿qué significa realmente? La mayoría de las herramientas te dan un porcentaje — “78% de coincidencia” — y esperan que confíes. Sin evidencias. Sin explicaciones. Sin forma de saber si la AI es brillante o está alucinando.
Eso no es matching. Es un número mágico.
El matching real de candidatos necesita dos cosas: velocidad y explicabilidad. Necesitas evaluar más de 20 candidatos al día sin gastar 10 minutos en cada uno — pero también necesitas entender por qué un candidato obtuvo esa puntuación, para tomar decisiones informadas y tener conversaciones de screening significativas.
Así es como un enfoque de dos capas resuelve ambos problemas.
El problema del matching de una sola capa
La mayoría de los sistemas de matching usan uno de dos enfoques, y ambos tienen defectos fatales.
Solo palabras clave
El enfoque más simple: extraer palabras clave de la descripción del puesto, verificar si aparecen en el perfil del candidato. ¿“React” en el JD? Buscar “React” en el CV. ¿Lo encontraste? Punto anotado.
Esto se rompe rápido:
- Los sinónimos son invisibles. Un candidato que lista “React.js” no coincide con una búsqueda de “ReactJS.”
- El contexto se pierde. “5 años de Python” en el perfil de un candidato podría significar 5 años de scripting para automatización — no 5 años construyendo sistemas backend en producción.
- La seniority es una suposición. Las palabras clave no pueden decirte si la trayectoria profesional del candidato va en la dirección correcta.
- Las habilidades transferibles no existen. Un ingeniero de datos en Scala con 6 años de experiencia en sistemas distribuidos no coincidirá con la búsqueda “Python data engineer” — aunque probablemente podría hacer el trabajo.
Las palabras clave capturan lo obvio. Todo lo interesante se les escapa.
Solo AI
El enfoque opuesto: enviar el perfil completo del candidato y la descripción del puesto a un LLM, preguntar “¿qué tan bien encaja esta persona?” y analizar la respuesta.
Esto es mejor con los matices — la AI entiende que “Series A company” implica “startup” — pero introduce nuevos problemas:
- El costo se acumula. Si envías perfiles completos a un modelo de lenguaje grande por cada candidato, gastas $0.05-0.15 por evaluación.
- La latencia es notable. Un análisis completo de AI toma 5-15 segundos.
- Excesivo para desajustes obvios. Si un JD requiere 8+ años de experiencia y el candidato tiene 2, no necesitas AI para saberlo.
- Inconsistencia. Hazle la misma pregunta al mismo LLM dos veces, y podrías obtener puntuaciones diferentes.
El matching con AI es poderoso pero costoso y a veces poco fiable para verificaciones básicas.
La solución de dos capas
La respuesta no es elegir entre palabras clave y AI. Es usar ambas — en el orden correcto.
Capa 1: Matching determinístico (gratuito, instantáneo)
La primera capa maneja todo lo que puede evaluarse con reglas y comparaciones. Sin AI. Costo cero. Resultados instantáneos.
Qué verifica la Capa 1:
Coincidencia de palabras clave. Extrae habilidades y tecnologías de los requisitos del JD. Verifica cada una contra los datos parseados del CV del candidato. Calcula un porcentaje de coincidencia.
Años de experiencia. El JD dice “5+ años de desarrollo backend.” El CV del candidato muestra que su primer rol backend comenzó en 2021. Matemática simple: 5 años. Verificado.
Ajuste de ubicación. El puesto es “Berlín, híbrido.” El candidato está en “Múnich, abierto a reubicación.” La Capa 1 marca esto como coincidencia parcial — mismo país, diferente ciudad, reubicación mencionada.
Alineación salarial. El presupuesto es €70-85k. La expectativa del candidato es €80k. Bandera verde — dentro del rango.
Requisitos obligatorios. El JD tiene 3 requisitos obligatorios: React, TypeScript y 3+ años. La Capa 1 verifica cada uno independientemente y da un resultado binario: pasa/no pasa.
El resultado es una evaluación base que detecta desajustes obvios instantáneamente. Si un candidato falla 3 de 5 requisitos obligatorios en la Capa 1, probablemente no necesites la Capa 2 para saber que es una coincidencia débil. Pero la Capa 1 también conoce sus límites — marca todo lo que no puede evaluar como “necesita revisión de AI.”
Capa 2: Análisis de matices con AI (rápido, contextual)
La Capa 2 toma el control donde terminan las reglas y comienza el juicio.
Análisis de trayectoria profesional. ¿El candidato está creciendo en la dirección correcta? Alguien que pasó de Junior Frontend → Mid Frontend → Senior Frontend → Lead Frontend está en un track IC claro. Si el JD es para Staff Engineer, la AI reconoce qué trayectoria es mejor.
Relevancia de dominio. El JD es para una empresa fintech. El candidato pasó 4 años en una startup de pagos. La Capa 1 no capturaría “payments” como relevante para “fintech” — pero la Capa 2 entiende que pagos es un subdominio fintech.
Habilidades transferibles. Un candidato con 6 años de experiencia en Scala y Apache Spark se postula para un puesto de “Python + PySpark.” La Capa 1 ve cero coincidencia de palabras clave para el requisito de lenguaje. La Capa 2 reconoce que la transición Scala → Python es común y relativamente fácil para ingenieros de datos.
Identificación de brechas con preguntas de screening. Aquí es donde la Capa 2 realmente brilla. En lugar de simplemente marcar “falta: experiencia en Kubernetes,” genera una pregunta clarificadora: “El CV del candidato no menciona Kubernetes, pero tiene 3 años de experiencia en Docker y AWS ECS. Pregunte: ¿Ha trabajado con Kubernetes en alguna capacidad?”
La AI no solo puntúa. Te dice qué preguntar después.
Cómo se ve la scorecard
Cuando ambas capas terminan — típicamente en menos de 5 segundos — obtienes una scorecard estructurada:
Evaluación general
| Campo | Valor |
|---|---|
| Puntuación | 82 / 100 |
| Veredicto | Coincidencia fuerte |
| Recomendación | Hacer screening a este candidato |
Desglose por requisitos
| Requisito | Estado | Fuente | Evidencia |
|---|---|---|---|
| React, 3+ años | ✅ Verde | Capa 1 | ”React” encontrado en 3 roles, el más antiguo 2022 (4 años) |
| TypeScript | ✅ Verde | Capa 1 | Listado en habilidades, usado en 2 roles recientes |
| Node.js backend | 🟡 Amarillo | Capa 2 | Node.js no listado, pero tiene Express.js en un rol |
| Dominio fintech | ✅ Verde | Capa 2 | 4 años en PayTech (startup de pagos) — fuerte relevancia fintech |
| Liderazgo de equipo | 🟡 Amarillo | Capa 2 | Lideró equipo de 2 personas en un proyecto, sin rol formal de líder |
| Kubernetes | 🔴 Rojo | Capa 1 | No encontrado en CV. Experiencia en Docker + ECS presente |
Banderas
Banderas verdes:
- Trayectoria frontend fuerte (Junior → Mid → Senior en 5 años)
- Experiencia en dominio fintech alineada con el puesto
- Expectativa salarial (€78k) dentro del presupuesto (€70-85k)
Banderas amarillas:
- Experiencia en Node.js backend poco clara — necesita screening
- Experiencia de liderazgo es informal — clarificar expectativas
Banderas rojas:
- Kubernetes no mencionado — si es requisito duro, puede ser un bloqueante
Preguntas para screening
- “Tu CV muestra amplia experiencia en Docker y AWS ECS. ¿Has tenido alguna exposición a Kubernetes — en el trabajo, en proyectos personales o a través de certificaciones?”
- “Veo que lideraste un equipo de 2 personas en el proyecto de migración de pagos. ¿Te interesa pasar a un rol de líder técnico más formal?”
- “Tienes Express.js listado en tu rol en Acme Corp. ¿Cuánto trabajo backend de Node.js hacías día a día versus trabajo frontend de React?”
Por qué ninguna capa funciona sola
| Escenario | Solo Capa 1 | Solo Capa 2 | Ambas capas |
|---|---|---|---|
| Falta palabra clave obligatoria | ✅ Lo detecta | ✅ Lo detecta | ✅ Lo detecta |
| Ingeniero Scala para rol Python | ❌ Sin coincidencia → rechazado | ✅ Reconoce habilidades transferibles | ✅ C1 marca brecha, C2 añade matiz |
| Candidato tiene 2 años, JD pide 5 | ✅ Matemática simple | ✅ Pero más lento y caro | ✅ C1 detecta al instante |
| ”Startup de pagos” para rol fintech | ❌ Palabras clave no coinciden | ✅ Entiende el dominio | ✅ C2 añade relevancia de dominio |
| Costo por evaluación | $0.00 | $0.01-0.02 | $0.01 (C1 es gratuita) |
| Velocidad | Instantáneo | 3-5 segundos | 3-5 segundos total |
La Capa 1 es rápida, gratuita y fiable para verificaciones estructuradas. La Capa 2 es matizada, contextual y explica su razonamiento. Juntas, producen una scorecard en la que puedes confiar y que puedes usar.
La ventaja de la explicabilidad
Lo que separa un buen sistema de matching de un generador de números mágicos: evidencia.
Cada puntuación en la scorecard de dos capas está respaldada por una pieza específica de evidencia del perfil del candidato. “82/100” no significa que la AI “sintió” que era un 82. Significa:
- 5 de 6 requisitos pasaron las verificaciones de la Capa 1 ✅
- La Capa 2 encontró fuerte relevancia de dominio (+puntos)
- La Capa 2 identificó 2 brechas que necesitan screening (−puntos, pero recuperables)
- Salario y ubicación son ambas banderas verdes (+puntos)
Cuando entras a una llamada de screening, no solo sabes la puntuación. Sabes exactamente qué preguntar, exactamente qué validar, y exactamente qué le importa al hiring manager.
Qué significa esto para tu flujo de trabajo
Con matching de dos capas, tu revisión diaria de candidatos cambia dramáticamente:
- Abre tu pipeline — ves 15 candidatos asignados a un puesto
- Revisa las puntuaciones — 3 verdes (85+), 7 amarillos (60-84), 5 rojos (menos de 60)
- Empieza con los verdes — abre la scorecard, revisa las banderas, anota las preguntas de screening
- Revisa los amarillos — la scorecard te dice exactamente qué falta y si es recuperable
- Salta los rojos con confianza — la Capa 1 detectó desajustes en requisitos duros
Lo que solía tomar 5-15 minutos por candidato ahora toma 30 segundos de revisión de scorecard. Con 20 candidatos al día, eso son más de 2 horas ahorradas — no por hype de AI, sino por un flujo de trabajo estructurado y basado en evidencia.
¿Quieres ver el matching de dos capas en acción? Prueba Inga CRM gratis — asigna un candidato a un puesto y obtén tu primera scorecard en menos de 5 segundos.
¿Listo para dejar de copiar y pegar?
Únete a los reclutadores que ahorran más de 3 horas diarias con un flujo de trabajo potenciado por IA.
Empezar gratis