Ertas para Evaluación de Currículums y RRHH

The Challenge

Los equipos de adquisición de talento en empresas en crecimiento revisan cientos o miles de solicitudes por puesto abierto. La evaluación manual de currículums es lenta, inconsistente y propensa a sesgos inconscientes. Diferentes reclutadores aplican diferentes estándares para el mismo rol, los candidatos calificados son pasados por alto durante períodos de alto volumen, y la presión por avanzar rápidamente lleva a revisiones superficiales que no detectan habilidades transferibles o trayectorias no tradicionales.

Las herramientas de evaluación de IA existentes usan coincidencia de palabras clave que es fácil de manipular y no logra evaluar la calificación real. Un candidato que lista cada palabra clave tecnológica en su currículum puntúa más alto que un ingeniero genuinamente hábil con un currículum conciso. Estas herramientas tampoco pueden adaptarse a requisitos específicos de la organización — tu definición de 'senior' puede diferir del estándar genérico de la industria, y la pila tecnológica específica, la experiencia de dominio y las habilidades blandas que predicen éxito en tu empresa son únicas de tu contexto de contratación. Las herramientas de evaluación estándar optimizan para descripciones de empleo genéricas, no para las necesidades específicas de tu equipo.

The Solution

Ertas permite a los equipos de RRHH ajustar modelos de evaluación con los datos de contratación de su propia organización: currículums que evaluaron reclutadores con experiencia, emparejados con evaluaciones estructuradas según la rúbrica del equipo. El modelo aprende qué cualificaciones, trayectorias y combinaciones de habilidades busca la organización en cada tipo de puesto, y lee lo que la experiencia de cada candidato significa para el puesto en lugar de contar palabras clave.

En Ertas Studio, los equipos de talento entrenan con pares de currículums y evaluaciones estructuradas que califican a cada candidato en ajuste técnico, relevancia de la experiencia, alineación de habilidades y otras dimensiones que define el equipo de contratación. Después, el modelo ajustado lee las nuevas solicitudes y redacta evaluaciones en el formato que los reclutadores ya usan. Exportado desde Hub y ejecutado en los servidores de la empresa, puede funcionar detrás del sistema de seguimiento de candidatos (ATS) como un primer paso de priorización, y una persona sigue revisando a cada candidato. El entrenamiento se ejecuta en las GPU en la nube de Ertas, así que el conjunto de entrenamiento se carga en Ertas: elimina antes nombres, datos de contacto e información demográfica. Las obligaciones de la legislación laboral y de protección de datos, informar a los candidatos sobre la evaluación automatizada y comprobar los sesgos del modelo siguen correspondiendo al empleador.

Key Features

Example Workflow

Una empresa de tecnología que contrata 200 ingenieros al año recibe unas 500 solicitudes por puesto. El equipo de talento exporta 20,000 solicitudes históricas con evaluaciones de reclutadores según una rúbrica de cinco dimensiones, elimina nombres, datos de contacto e identificadores demográficos, y carga el conjunto en Ertas Studio. Los reclutadores sénior revisan una muestra en Data Craft y corrigen las evaluaciones con las que no están de acuerdo. El equipo ajusta un modelo de evaluación, compara los entrenamientos con un conjunto reservado de solicitudes que el modelo nunca vio y realiza sus propias pruebas de sesgo antes de ponerlo en marcha. El modelo elegido se exporta y se sirve en la infraestructura de la empresa, detrás del ATS. Cuando llegan nuevas solicitudes, el modelo redacta una evaluación estructurada según la rúbrica, con una puntuación de prioridad y una breve justificación que cita elementos concretos del currículum. Los reclutadores siguen revisando a cada candidato y empiezan por la lista priorizada. El equipo mide el tiempo de evaluación y la tasa de entrevistas frente a su línea base anterior al modelo, y vuelve a entrenar cuando cambian las rúbricas.