Preguntas de entrevista

El agente de IA se encarga de la parte rutinaria de la preparación de la entrevista: leer el currículum, compararlo con la descripción del puesto y elaborar un borrador de preguntas. El reclutador deja de empezar desde cero cada vez y recibe un escenario estructurado que solo resta revisar y ajustar al contexto del candidato concreto.

Flujo de trabajo típico:

1. El reclutador o el hiring manager carga el currículum del candidato y la descripción del puesto en el sistema — mediante integración con HRIS o directamente en el almacenamiento de archivos.
2. El agente de IA extrae las competencias clave de la descripción del puesto y las compara con la experiencia indicada en el currículum.
3. El agente elabora un borrador de la lista de preguntas: behavioral, technical, situational — en función del nivel del puesto y la etapa de la entrevista.
4. A cada pregunta se adjunta contexto del currículum — un proyecto concreto, una habilidad o una laguna en la experiencia que conviene aclarar en la conversación.
5. El escenario finalizado se guarda en HRIS o está disponible para el reclutador como documento antes de la reunión.
6. Tras la entrevista, el reclutador indica qué preguntas funcionaron mejor, y esa retroalimentación se tiene en cuenta al generar futuros escenarios.

El resultado: cada candidato recibe una entrevista adaptada a su experiencia, no un cuestionario uniforme para todos. Esto es especialmente importante en posiciones middle+, donde las preguntas superficiales no ofrecen señal sobre las habilidades reales.

Lo que la automatización NO hace

• No toma la decisión de contratación — esa sigue siendo tarea del reclutador y el hiring manager, que se apoyan en la discusión en vivo y la pericia.
• No reemplaza el diálogo en vivo: el escenario generado es un borrador, no un guion rígido del que no se puede apartar en la conversación.
• No evalúa los soft skills ni el ajuste cultural de forma automática a partir de las respuestas — para eso se necesita interpretación humana.

El enfoque entra en la categoría «generación de contenido (borradores)»: la IA prepara el primer borrador, la persona lo valida y lo pone en marcha. Esto reduce la carga de la parte creativa del trabajo del reclutador, pero deja el control final de calidad en manos del equipo.

La implementación técnica usa un stack no-code: la combinación de una plataforma de automatización (por ejemplo, un motor de workflow o Zapier), un proveedor de LLM y un almacén de documentos. El reclutador no escribe código: la configuración se limita a nodos y prompts.

Flujo de datos

Los datos siguen una ruta predecible: fuente de CV → procesamiento LLM → generación del guion → entrega al reclutador.

1. Disparador. Un nuevo CV aparece en el almacén de archivos (Google Drive, Dropbox, SharePoint) o en el módulo de candidatos del HRIS. La plataforma de automatización detecta el evento.
2. Extracción de texto. Se extrae la capa de texto del PDF o DOCX. Para los documentos escaneados se añade un paso de OCR, lo que aumenta el tiempo de procesamiento.
3. Carga de la descripción del puesto. En paralelo, el sistema obtiene el job description actualizado del HRIS o de un documento predefinido.
4. Llamada al LLM. El CV y la descripción del puesto se envían al prompt junto con la plantilla: «elabora N preguntas sobre la competencia X, vincúlalas a puntos concretos del CV».
5. Estructuración de la respuesta. El LLM devuelve el guion en formato estructurado (Markdown o JSON), que resulta más sencillo de parsear y actualizar.
6. Entrega. El guion finalizado se guarda de nuevo en el HRIS (se adjunta a la ficha del candidato) o se envía al reclutador como documento y notificación en la aplicación de mensajería.

Componentes de la solución

Pasos de implementación

1. Definición de plantillas. El equipo de HR define qué tipos de preguntas se necesitan para distintos roles (junior/middle/senior, engineering/sales/ops). Esto se convierte en un conjunto de plantillas de prompt.
2. Configuración de integraciones. Conexión de la plataforma de automatización al HRIS y al almacén de archivos mediante conectores preconfigurados. En este paso se verifica que el sistema tenga permisos de lectura sobre los CV y el job description.
3. Ingeniería de prompts. Configuración iterativa de prompts: procesamiento de 10–20 CV, comparación de las preguntas generadas con las que redactaría el reclutador manualmente.
4. Configuración de la salida. Selección del formato del guion: documento Markdown, página en Notion, ficha en HRIS. El equipo decide dónde resulta más cómodo trabajar con el resultado.
5. Lanzamiento piloto. Trabajo en paralelo: el reclutador prepara las preguntas tanto manualmente como a través del agente y luego las compara. Se recopila feedback durante 2–3 semanas del piloto.
6. Despliegue al equipo. Tras el piloto: formación del resto de reclutadores (1–2 horas), incorporación de un feedback loop para recopilar evaluaciones tras las entrevistas.

Control de calidad

La generación de contenido mediante LLM requiere control: el modelo puede omitir contexto o emitir una pregunta genérica. El mínimo de verificaciones incluye la revisión humana obligatoria antes de enviar el guion a uso, una auditoría periódica de calidad por muestreo y una prohibición explícita de formulaciones discriminatorias (por edad, sexo, estado civil). En la configuración del prompt se incluyen reglas conformes con la política de la empresa y la legislación de protección de datos.

Para lanzar la automatización, el equipo necesita un conjunto mínimo de datos y accesos. La mayoría de las SMB ya cuenta con todo lo necesario — basta con un HRIS o un almacenamiento en la nube para documentos.

Datos y accesos

• Descripciones actualizadas de vacantes con enumeración de competencias clave y requisitos.
• Currículums de candidatos en formato digital (PDF o DOCX con capa de texto).
• Acceso de lectura al HRIS o al almacenamiento de archivos donde se encuentran los currículums.
• Permiso de escritura de retorno — para adjuntar el guion a la ficha del candidato.
• Cuenta con un proveedor LLM con una clave API activa y un límite que cubra el volumen esperado de entrevistas.

Preparación del equipo

• Un responsable de la configuración — reclutador o HR ops, dispuesto a dedicar 1–2 semanas a la configuración de plantillas y prompts.
• Acuerdo de los reclutadores para trabajar con el borrador y llevarlo al guion final, en lugar de esperar el resultado «ideal» del modelo.
• Acuerdo con el abogado o el DPO de que los currículums de los candidatos pueden transferirse a un modelo LLM externo (o se utiliza la versión enterprise con procesamiento en la jurisdicción requerida).

Cronograma por etapas

La complejidad weekend implica el lanzamiento de la versión MVP en 2–4 semanas:

1. Configuración de integraciones y plantillas de vacantes — 3–5 días hábiles.
2. Prompt engineering en una muestra de 10–20 currículums — 3–5 días hábiles.
3. Piloto con un equipo de reclutadores y recopilación de retroalimentación — 1 semana.
4. Despliegue para el resto de reclutadores — 1–2 días de formación.

Si no hay HRIS y los currículums están dispersos por correo, se añade un paso de recopilación de datos en un único repositorio — esto extiende el lanzamiento a 4–6 semanas.