Un criterio mal escrito no da error: da una puntuación que parece razonable y no distingue a nadie. Estas son las reglas que más diferencia marcan.
Una sola cosa por criterio
Si un criterio mezcla experiencia, idiomas y sector, la IA tiene que resolver tres preguntas con un solo semáforo y acaba puntuando a todo el mundo en ámbar.
Separa. Tres criterios te dejan ver por qué un candidato encaja, no solo cuánto.
Pon el umbral, no el adjetivo
“Senior”, “sólida experiencia” o “buen nivel” significan cosas distintas para cada persona, y también para la IA. Di el número o la condición:
- ❌
Experiencia sólida liderando equipos - ✅
4+ años liderando equipos, entendiendo por liderar tener un puesto tipo lead, manager o C-level
Es exactamente lo que hacen los criterios que propone la plataforma: fíjate en que sus niveles hablan de “4+ years… clearly shown in work history”, no de “mucha experiencia”.
Cuida el nivel ámbar
El verde y el rojo son fáciles; el ámbar es el que decide si la lista te sirve. Es el cajón de “tiene pinta pero no está claro”, y conviene que diga qué es lo que no está claro: fechas ambiguas, un stack mencionado sin contexto, un salto de empresa sin explicar.
Un ámbar bien definido es tu cola de revisión manual. Un ámbar vago es media lista.
Ordena por lo que decide una contratación
El orden pesa: el primero es el que más cuenta. Antes de confirmar, pregúntate cuál es el criterio por el que descartarías a alguien en dos segundos, y ponlo arriba.
Los “nice to have” abajo, o directamente desmarcados: un criterio que no descarta a nadie solo aplana la puntuación.
Prefiere lo que se puede leer en un perfil
La IA lee el perfil del candidato: experiencia, titulares, aptitudes. Puede deducir cuántos años lleva con un stack o si ha pasado por consultoría. No puede saber su expectativa salarial ni si estaría dispuesto a mudarse.
Si el dato no está en el perfil, ningún criterio lo va a sacar.
Prueba con pocos candidatos
Lanza la lista con un máximo bajo, mira cómo han quedado puntuados diez perfiles que ya conoces y ajusta los criterios antes de ampliar. Casi siempre hay un umbral que corregir en la primera pasada, y corregirlo antes de extraer 200 candidatos no cuesta créditos.
El patrón que funciona
[qué validar] + [umbral concreto] + [qué cuenta como evidencia]
Por ejemplo:
4+ años usando dbt, SQL y Python de forma profesional, demostrado en la experiencia laboral y no solo en la sección de aptitudes.