Motor de ranking de CVs con IA: cómo Confipetrol pasó de la búsqueda por palabras clave al razonamiento semántico
Sector
Minería
Línea de Negocio
Software Development
Tecnologías
Ingresos
$45M USD
El cliente: Confipetrol
Las empresas de minería, energía e hidrocarburos gestionan procesos de contratación técnica a gran escala, con miles de postulantes especializados en ingeniería, mantenimiento y operaciones de campo. Filtrar manualmente estos perfiles frente a la demanda operativa del sector resulta cada vez más ineficiente.
El nivel de digitalización en reclutamiento técnico suele limitarse a bases de datos con búsqueda por palabras clave, sin capacidad de análisis semántico. Integrar inteligencia artificial mediante arquitecturas como el Model Context Protocol (MCP) permite razonar sobre cada perfil sin depender de coincidencias literales de texto.
El desafío
Confipetrol tenía un banco de CVs de gran volumen indexado en su plataforma, pero la búsqueda por palabras clave dejaba fuera a candidatos válidos: un perfil que mencionaba «coordinar un equipo técnico» no aparecía en una búsqueda de «gestión de equipos», obligando al reclutador a revisar manualmente decenas de CVs por vacante.
La solución:
Antes de cualquier búsqueda, todo el banco de CVs ya está vectorizado con text-embedding-3 de OpenAI. Sobre esa base, la solución combina Apache Solr y Azure OpenAI (GPT-4o mini) en tres capas —recuperar, reordenar y razonar— orquestadas por un servidor MCP.
Recuperar: filtrado rápido sobre lo existente
Antes de cualquier búsqueda, cada CV se vectoriza con text-embedding-3 de OpenAI: el texto se convierte en vectores numéricos (embeddings) que permiten comparar candidatos por significado, no solo por palabras exactas.
Reordenar y razonar con IA vía MCP
Un servidor MCP con cuatro herramientas conecta el microservicio en Python y FastAPI con Azure OpenAI, comparando el significado de cada CV contra la vacante, no solo sus palabras.
Ranking dinámico y trazable en el chat
El reclutador conversa en lenguaje natural y ve en vivo cada capa del análisis; recibe un Top dinámico con puntaje, fortalezas y brechas por candidato.
Impacto Generado:
Cuantitativo
• Banco completo de CVs históricos consolidado, vectorizado y disponible para búsqueda semántica
• 100 candidatos plausibles filtrados por Solr en milisegundos, primera capa del motor
• 15 finalistas reordenados por significado, no por palabras, en la segunda capa
• 4 herramientas MCP reutilizables por cualquier sistema interno de la organización
Cualitativo
• Ranking justificado por IA, con puntaje, fortalezas y brechas explicadas para cada candidato.
• Búsqueda en lenguaje natural que ya no depende de que el reclutador adivine las palabras exactas del CV.
• Privacidad reforzada: los datos personales del candidato se eliminan antes de enviar cualquier texto a la IA.
• Arquitectura reutilizable vía MCP para futuras integraciones de IA en otros sistemas de la organización.
¿Tu equipo de talento humano enfrenta un reto similar?
Descubre cómo la búsqueda semántica y arquitecturas seguras como MCP pueden transformar tu proceso de selección técnica.
Y ahora cuéntanos
tu desafío tecnológico
Estamos listos para ayudarte a transformar tus ideas en soluciones tecnológicas exitosas.