Según una encuesta sobre gestión de personas realizada a 748 líderes de recursos humanos, los reclutadores dedican una media de 17,7 horas por vacante al trabajo administrativo. Eso es más de dos días hábiles por contratación. Una encuesta separada de SmartRecruiters de 2024 encontró que el 45% de los líderes de adquisición de talentos dedican más de la mitad de sus horas de trabajo a tareas que podrían automatizarse. Esta carga administrativa obliga a realizar una selección superficial que pasa por alto a los candidatos calificados y al mismo tiempo avanza las coincidencias en función del formato y la densidad de palabras clave en lugar de una alineación genuina de competencias.
En esta publicación, demostramos cómo crear un asistente de reclutamiento impulsado por inteligencia artificial utilizando Amazon Bedrock que aporta eficiencia a la evaluación de candidatos, genera preguntas de entrevista personalizadas y proporciona información basada en datos para las decisiones de contratación humana. Esta publicación presenta una arquitectura de referencia con fines de aprendizaje, no una solución lista para producción. Amazon Bedrock y los servicios de AWS utilizados aquí son herramientas de uso general que los clientes pueden combinar para admitir una amplia variedad de casos de uso, incluidos los flujos de trabajo de contratación. La arquitectura demuestra un enfoque posible; los clientes deben adaptarlo a sus requisitos específicos.
Aprenderá a implementar capacidades de IA especializadas para el análisis de currículums, la calificación de candidatos, la evaluación de habilidades y la generación de preguntas de entrevistas, con Amazon Bedrock Guardrails que proporciona anonimización de PII, detección rápida de ataques y filtrado de contenido relacionado con sesgos, todo trabajando en conjunto a través de una arquitectura coordinada sin servidor. La solución utiliza la API Converse de Amazon Bedrock con Amazon Nova Pro, AWS Lambda para el procesamiento, Amazon API Gateway para el enrutamiento, Amazon DynamoDB y Amazon Simple Storage Service (Amazon S3) para el almacenamiento de datos y Amazon Bedrock Guardrails para la evaluación responsable de la IA.
El asistente de selección de candidatos de IA utiliza modelos básicos (FM) disponibles en Amazon Bedrock para ayudar con la evaluación de candidatos, agilizar la preparación de entrevistas y proporcionar información basada en datos para las decisiones de contratación. Los procesos de la solución se reanudan con un análisis integral, calcula puntuaciones de compatibilidad multidimensional y genera preguntas de entrevista personalizadas basadas en los requisitos laborales y los perfiles de los candidatos.
La capa de autenticación y frontend utiliza AWS Amplify para alojar la aplicación web y Amazon Cognito para la autenticación del usuario. Amazon Cognito maneja el registro de usuarios, el inicio de sesión y proporciona tokens JWT que son validados por el autorizador de Cognito de Amazon API Gateway en cada solicitud de API.
La capa backend utiliza Amazon API Gateway para enrutar solicitudes a funciones especializadas de AWS Lambda, y cada función Lambda maneja un flujo de trabajo específico. Las funciones Lambda llaman a la API de Amazon Bedrock Converse para realizar un análisis profundo del currículum, calcular puntuaciones de compatibilidad y generar preguntas de entrevista específicas para cada función.
El siguiente diagrama ilustra la arquitectura de AI Recruiting Assistant.
La arquitectura contiene las siguientes secciones clave:
Capa frontal: AWS Amplify aloja una aplicación web responsiva basada en React que proporciona a los reclutadores una interfaz intuitiva para administrar ofertas de trabajo, revisar evaluaciones de candidatos generadas por IA y acceder a materiales personalizados de preparación de entrevistas.
Capa de seguridad: Amazon Cognito administra el registro y la autenticación de usuarios, proporcionando tokens JWT que son validados por el autorizador de Amazon API Gateway Cognito en cada solicitud de API. Los roles de AWS Identity and Access Management (IAM) brindan acceso con privilegios mínimos para que las funciones de AWS Lambda interactúen con los servicios de almacenamiento e inteligencia artificial. Los clientes son responsables de configurar adecuadamente estos controles de seguridad.
Capa API: Amazon API Gateway organiza las comunicaciones cliente-servidor a través de puntos finales RESTful para la gestión de trabajos, la búsqueda de candidatos con tecnología de IA, el procesamiento de carga de currículums y los servicios de generación de preguntas de entrevistas.
Capa de procesamiento: las funciones especializadas de AWS Lambda manejan los flujos de trabajo de reclutamiento, cada uno diseñado con configuraciones de memoria y tiempo de espera adecuadas.
Capa de procesamiento de IA: los FM de Amazon Bedrock realizan análisis utilizando la API de Converse para realizar análisis profundos de currículum, calcular puntuaciones de compatibilidad multidimensional, generar preguntas de entrevista específicas para roles e identificar habilidades transferibles. Amazon Bedrock Guardrails filtra cada solicitud anonimizando la PII en la entrada, bloqueando los intentos de inyección rápida del contenido del currículum y negando respuestas que hagan referencia a la demografía de los candidatos.
El siguiente fragmento de código muestra cómo la solución utiliza Amazon Bedrock Guardrails (que automáticamente anonimiza la PII en la entrada antes de que el modelo la procese), indicaciones estructuradas con puntuación basada en evidencia e instrucciones del sistema que tienen en cuenta los sesgos:
import json SYSTEM_PROMPT = """Usted es un analista de reclutamiento experto. Evalúe a los candidatos basándose exclusivamente en habilidades, experiencia y calificaciones demostradas. No haga referencias ni haga suposiciones basadas en nombres de candidatos, detalles de contacto, datos demográficos o características personales. Concéntrese solo en las calificaciones relevantes para el trabajo. Para cada reclamo, cite el texto del currículum específico como evidencia.""" ANALYSIS_PROMPT = """Analice el siguiente currículum del candidato en comparación con los requisitos del trabajo. Devuelva una respuesta JSON estructurada. {job_description} {resume_content} Proporcione su análisis en el siguiente formato JSON: {{ "compatibilityScore": 0-100, "scoreJustification": "Razonamiento basado en evidencia con citas de currículum", "technicalSkills": {{ "matched": [{{"skill": "X", "evidence": "resume quote"}}], "missing": ["skill3"], "transferable": [{{"skill": "Y", "evidence": "resume quote"}}] }}, "experienceAnalysis": {{ "relevantYears": 0, "industryAlignment": "high|medium|low", "keyAccomplishments": ["logros con evidencia"] }}, "fortalezas": ["fortaleza con evidencia específica del currículum"], "preocupaciones": ["preocupación por el contexto"], "interviewQuestions": [ {{ "question": "Texto de pregunta específico", "propósito": "Qué evalúa esta pregunta", "lookFor": "Indicadores de respuesta ideales" }} ], "overallRecommendation": "strong_match|good_match|partial_match|weak_match" }}""" respuesta = bedrock_client.converse( modelId=model_id, system=[{"text": SYSTEM_PROMPT}], mensajes=[{ "role": "usuario", "contenido": [{"text": ANALYSIS_PROMPT.format( job_description=job_description, resume_content=resume_content )}] }], inferenceConfig={ "maxTokens": 4096, "temperature": 0.2, "topP": 0.9 }, guardrailConfig={ "guardrailIdentifier": guardrail_id, "guardrailVersion": guardrail_version, "trace": "enabled" } ) # Validar salida informativa para el reclutador; no es una recomendación de contratación, intente: análisis = json.loads( respuesta["salida"]["mensaje"]["contenido"][0]["texto"]) excepto json.JSONDecodeError: análisis = {"error": "El modelo devolvió JSON no válido"}
Nota: Utilizamos una temperatura baja (0,2) para producir evaluaciones de candidatos consistentes y reproducibles. Cuando Guardrails interviene (por ejemplo, bloqueando una inyección rápida integrada en un currículum), la respuesta incluye una acción GUARDRAIL_INTERVENED: implementar el manejo de errores para registrar estos eventos y devolver una respuesta alternativa segura al reclutador.
Capa de datos: Amazon DynamoDB almacena ofertas de trabajo estructuradas y resultados de análisis. Amazon S3 proporciona almacenamiento para los currículums de los candidatos con cifrado del lado del servidor (AES-256), bloqueo de acceso público y políticas de depósito solo HTTPS.
Los siguientes pasos describen el flujo de solicitudes cuando un reclutador analiza candidatos:
El reclutador abre la aplicación web alojada en AWS Amplify y se autentica a través de Amazon Cognito. El reclutador crea una oferta de trabajo con los requisitos del puesto, las habilidades requeridas y el nivel de experiencia. El reclutador carga los currículums de los candidatos (formato PDF, DOCX o TXT) para la oferta de trabajo. La interfaz envía una solicitud POST al punto final de Amazon API Gateway /matches. El autorizador de API Gateway Cognito valida el token JWT del encabezado de la solicitud. API Gateway enruta la solicitud autenticada a la función Lambda de reclutamiento de IA. La función Lambda recupera la publicación de trabajo de Amazon DynamoDB y los currículums de los candidatos de Amazon S3. La función llama a la API de Amazon Bedrock Converse con los requisitos del trabajo y el contenido del currículum. Amazon Bedrock analiza a cada candidato, calcula puntuaciones de compatibilidad, identifica fortalezas e inquietudes y genera preguntas de entrevista personalizadas. Los resultados se almacenan en Amazon DynamoDB y se devuelven al reclutador en la interfaz web.
Análisis inteligente de currículum
Los procesos de la solución se reanudan y luego los analizan para determinar la profundidad de las habilidades y la relevancia de la experiencia en lugar de depender únicamente de la concordancia de palabras clave. Calcula puntuaciones de compatibilidad con los requisitos laborales con evidencia específica del texto del currículum e identifica habilidades transferibles que la evaluación manual a menudo pasa por alto.
Emparejamiento avanzado de candidatos
El sistema compara los perfiles de los candidatos con las descripciones de los puestos mediante el procesamiento del lenguaje natural (NLP) y proporciona puntuaciones de coincidencia basadas en porcentajes con evidencia de currículum citada. Destaca las fortalezas y preocupaciones de los candidatos y los clasifica por compatibilidad para una revisión eficiente del reclutador.
Preparación personalizada de entrevistas.
La solución crea preguntas de entrevista personalizadas basadas en roles laborales específicos y antecedentes de los candidatos, generando marcos de evaluación con rúbricas de puntuación. Produce guías de entrevistas detalladas con temas para iniciar conversaciones y sugerencias de seguimiento.
Automatización del flujo de trabajo
El sistema ayuda con tareas administrativas repetitivas y admite acciones masivas. Se integra con los sistemas existentes a través de API RESTful y proporciona análisis de uso.
Antes de comenzar, verifique que tenga:
Estimación del costo: para realizar pruebas con 100 candidatos, el costo total es de aproximadamente entre 1 y 2 dólares al mes. Amazon Bedrock (Nova Pro a $0,80/$3,20 por millón de tokens de entrada/salida) cuesta menos de $1 por 100 análisis. Amazon Bedrock Guardrails agrega aproximadamente $0,01 por candidato. Otros servicios mencionados en esta publicación se encuentran dentro de la capa gratuita de AWS para volúmenes de prueba. Para obtener estimaciones detalladas, utilice la Calculadora de precios de AWS.
Importante: Verifique la coherencia de la región de AWS
Verifique que lo siguiente esté configurado para usar la misma región de AWS: su región predeterminada de configuración de AWS, la región donde ha habilitado el acceso al modelo de Amazon Bedrock y todos los recursos creados durante la implementación.
Implementar la infraestructura backend. Incurrirá en costos por los recursos de AWS utilizados en esta solución.
La consola lo redirecciona a AWS CloudFormation con la URL de la plantilla previamente completada en los parámetros de la pila.
Para Nombre de pila, ingrese un nombre para su implementación (predeterminado: AIRecruiterAssistantBlogSetup). Para BedrockModelId, elija el modelo de Amazon Bedrock que desea utilizar (predeterminado: Amazon Nova Pro). Revise la configuración de la pila. Elija Crear pila. Después de una implementación exitosa, tenga en cuenta los siguientes valores de la pestaña Salidas de la pila de CloudFormation: ApiGatewayUrl CognitoUserPoolId CognitoClientId AWSRegion AmplifyAppUrl AmplifyConsoleUrl
Implementar la aplicación frontend
Descargue el archivo AIRecruitingAssistantFrontEndAmplifyDeployment.zip. Navegue a AmplifyConsoleUrl en Salidas de CloudFormation. Elija la aplicación frontend del sistema de reclutamiento ai. Elija Implementar actualizaciones. En Método, elija Arrastrar y soltar. Elija el archivo .zip para cargar. Elija Guardar e implementar.
Una vez implementada la infraestructura y ejecutando la aplicación frontend, puede probar la funcionalidad principal de AI Recruiting Assistant a través de la interfaz web.
Paso 1: configurar los ajustes de la aplicación
Navegue a la página Configuración del sistema e ingrese los valores de las salidas de su pila de CloudFormation:
URL de API Gateway: ingrese ApiGatewayUrl ID del grupo de usuarios de Amazon Cognito: ingrese CognitoUserPoolId ID de cliente de Amazon Cognito: ingrese CognitoClientId Región de AWS: ingrese la región de AWS
Paso 2: Registro de usuario e inicio de sesión
Elija REGÍSTRESE en la página de inicio de sesión. Ingrese su nombre, correo electrónico y una contraseña segura. Elija Crear cuenta.
Ingrese el código de verificación único enviado a su correo electrónico. Elija Verificar correo electrónico.
Después de una verificación exitosa, inicie sesión con su correo electrónico y contraseña.
Paso 3: crear una oferta de trabajo
Navegue hasta el panel de AI Recruiting Assistant y cree una nueva publicación de trabajo.
Especifique los requisitos detallados, incluido el título del puesto, las habilidades requeridas, el nivel de experiencia y la descripción del puesto. Esta información constituye la base para el análisis y la búsqueda de candidatos impulsados por IA.
Elija Crear trabajo. Esto creará el puesto de trabajo en el portal de contratación.
Elija Ver detalles para revisar los detalles del trabajo.
Puede elegir Administrar currículums para cargar currículums de candidatos para el trabajo que se creó.
Paso 4: Cargue los currículums de los candidatos
Utilice la función Cargar currículums para enviar solicitudes de candidatos para su análisis. El sistema acepta formatos de archivos PDF, DOCX y TXT.
Nota: Esta carga basada en la interfaz de usuario demuestra la funcionalidad de la solución con fines de prueba. En entornos de producción, los currículums normalmente se envían a través del portal de empleo de su organización, se almacenan automáticamente en Amazon S3 y se procesan mediante activadores basados en eventos.
Paso 5: Generar análisis de IA y preguntas de entrevista
Elija Buscar mejores coincidencias para iniciar un análisis de IA de los candidatos cargados con respecto a su oferta de trabajo. El sistema procesa el contenido del currículum, calcula puntuaciones de compatibilidad, identifica fortalezas e inquietudes clave y genera preguntas de entrevista personalizadas.
Elija Ver detalles para revisar los detalles del candidato, puntaje de coincidencia, fortalezas, inquietudes y recomendaciones de entrevistas.
Utilice el botón Preguntas de la entrevista para generar preguntas de entrevista personalizadas.
Los resultados incluyen puntuaciones de compatibilidad, evaluaciones de habilidades, análisis de experiencias, preguntas de entrevistas e ideas clave, todo respaldado por evidencia específica del currículum.
Antes de implementar en producción, revise las siguientes consideraciones de seguridad, cumplimiento y escalamiento.
Seguridad y responsabilidad compartida
La seguridad es una responsabilidad compartida entre AWS y los clientes. AWS es responsable de la seguridad de la infraestructura de nube subyacente, mientras que los clientes son responsables de proteger sus datos, configurar controles de acceso, implementar cifrado y verificar que el uso de los servicios de AWS cumpla con sus requisitos de cumplimiento. Para obtener más información, consulte el modelo de responsabilidad compartida de AWS.
La plantilla de CloudFormation implementa los siguientes controles de seguridad:
Acceso público de bloque S3 habilitado en depósitos Autorizador de Amazon API Gateway Cognito que valida tokens JWT en métodos que no son OPTIONS Cifrado S3 del lado del servidor (AES-256) y DynamoDB para currículums candidatos en reposo con recuperación en un punto en el tiempo habilitada Regulación a nivel de etapa de Amazon API Gateway (100 solicitudes/segundo, límite de ráfaga 50) Permisos de IAM de Amazon Bedrock con alcance para los roles de ejecución específicos de FM y Lambda con políticas de IAM con privilegios mínimos con alcance para ARN de recursos específicos Amazon Bedrock Guardrails con detección rápida de ataques, anonimización de PII, negación de temas de sesgo demográfico y filtrado de contenido (evita la fuga de PII) Política de depósito S3 que aplica acceso solo HTTPS Política de ciclo de vida S3 para vencimiento automático de currículum (período de retención configurable para cumplimiento de GDPR/CCPA) Amazon Cognito con MFA (TOTP) opcional para autenticación de usuario Seguimiento activo de AWS X-Ray en funciones Lambda y API Gateway para visibilidad de solicitudes de extremo a extremo (mejora la detección)
Los clientes son responsables de configurar las políticas del grupo de usuarios de Amazon Cognito, administrar el acceso de los usuarios, habilitar AWS CloudTrail para el registro de auditoría y agregar controles de seguridad según los requisitos de su organización.
Modelo de amenazas y análisis de seguridad.
Para verificar la seguridad de nuestro sistema de reclutamiento de IA, llevamos a cabo un ejercicio de modelado de amenazas para identificar posibles riesgos de seguridad, analizar vectores de ataque y validar nuestros controles de seguridad. Esta sección documenta las amenazas clave que enfrenta el sistema, incluido el acceso no autorizado a la PII candidata, ataques de inyección rápida a través del contenido del currículum y abuso de API, junto con sus vectores de ataque, mitigaciones asignadas y evaluaciones de riesgos residuales. Al abordar sistemáticamente estas amenazas, ayudamos a proteger la privacidad de los candidatos, mantener la integridad del sistema y cumplir con los estándares de seguridad empresarial.
Equidad y uso responsable de la IA
Esta solución ayuda con la evaluación y puntuación de los candidatos, que es una aplicación de IA de alto riesgo. Los clientes son responsables de validar que las evaluaciones generadas por IA no introduzcan sesgos entre las clases protegidas. Considere implementar procedimientos de prueba de imparcialidad, revisiones de auditoría periódicas de las puntuaciones generadas por IA y puntos de control de revisión humana obligatorios en puntos de decisión críticos. Los reclutadores siguen siendo responsables de las decisiones finales de contratación y deben utilizar los conocimientos generados por la IA como un insumo entre muchos en su proceso de evaluación.
Privacidad de datos y cumplimiento
Los clientes son responsables de verificar que su implementación cumpla con las regulaciones de protección de datos aplicables, incluidas GDPR, CCPA y las leyes laborales regionales. Considere implementar políticas de retención de datos utilizando reglas de ciclo de vida de Amazon S3, flujos de trabajo de eliminación de datos para solicitudes de derecho de borrado de candidatos y registros de acceso a través de AWS CloudTrail para realizar un seguimiento de quién accedió a la información de los candidatos. AWS proporciona capacidades de seguridad y certificaciones de cumplimiento para los servicios subyacentes, pero los clientes deben configurar estas características de acuerdo con sus requisitos normativos específicos.
Validación de entradas y seguridad del contenido.
La solución acepta currículums subidos por los usuarios y los procesa a través de Amazon Bedrock FM. Considere implementar límites de tamaño de archivo para la carga de currículums, validación de contenido mediante inspección del tipo de archivo (no solo extensiones de archivo) y desinfección de entradas para los campos del formulario de publicación de empleo para ayudar a prevenir ataques de inyección. La limitación de solicitudes de Amazon API Gateway puede ayudar a prevenir el abuso de los puntos finales de API.
Escalando al nivel empresarial
Esta solución está diseñada para pruebas y evaluación. Al escalar a un entorno de producción, considere las siguientes mejoras en seguridad, observabilidad y resiliencia operativa:
Protección de API: agregue AWS WAF a su etapa de Amazon API Gateway con reglas basadas en tarifas para evitar abusos y el conjunto de reglas comunes administradas por AWS para la protección top 10 de OWASP. Esto agrega aproximadamente $6/mes pero proporciona mitigación de denegación de servicio distribuida (DDoS) y filtrado de bots. Observabilidad y alertas: configure alarmas de Amazon CloudWatch para tasas de error de AWS Lambda, respuestas de Amazon API Gateway 5xx y eventos de limitación de Amazon Bedrock. Habilite el registro de invocaciones del modelo de Amazon Bedrock para capturar pares de solicitud/respuesta para seguimientos de auditoría. Utilice los seguimientos de AWS X-Ray (ya habilitados en esta solución) para identificar cuellos de botella de latencia en todo el flujo de solicitudes. Validación de salida: implemente una lógica de reintento con retroceso exponencial para los casos en los que el modelo devuelve JSON con formato incorrecto. Almacene los mensajes del sistema en AWS Systems Manager Parameter Store para realizar versiones sin volver a implementarlos, o utilice la administración de mensajes de Amazon Bedrock para la creación centralizada de mensajes, la optimización, el control de versiones y la comparación en paralelo entre los modelos básicos. Administración de concurrencia: establezca la concurrencia reservada de AWS Lambda para evitar que una ráfaga de solicitudes de análisis agote su cuota de servicio de Amazon Bedrock. Supervise las métricas de limitación de Amazon Bedrock y solicite aumentos de cuota de servicio antes de escalar. Automatización del ciclo de vida de los datos: la solución incluye políticas de ciclo de vida de S3 para la caducidad del currículum. Para producción, intégrelo con las políticas de retención de datos de su organización e implemente flujos de trabajo de eliminación automatizados para solicitudes de derecho de borrado de candidatos según GDPR y CCPA.
Flexibilidad del modelo
La abstracción de la API de Converse ayuda a proporcionar flexibilidad para actualizar a FM más nuevos a medida que estén disponibles, sin necesidad de cambios en el código de la aplicación. La plantilla de CloudFormation incluye un parámetro para seleccionar el modelo de Amazon Bedrock, de modo que pueda cambiar entre los modelos admitidos según sus requisitos de precisión y costo.
Importante: Los recursos de AWS implementados por esta solución generan cargos continuos hasta que se eliminan. Esto incluye almacenamiento de Amazon S3, tablas de Amazon DynamoDB, alojamiento de AWS Amplify y grupos de usuarios de Amazon Cognito. AWS Lambda y Amazon Bedrock generan cargos únicamente cuando se utilizan. Complete los siguientes pasos de limpieza para dejar de incurrir en cargos.
Advertencia: Al eliminar el depósito de Amazon S3, se eliminan permanentemente los currículums de los candidatos y los materiales de entrevistas generados. Si debe conservar estos datos por motivos legales, de cumplimiento o de mantenimiento de registros, exporte o haga una copia de seguridad del contenido del depósito antes de eliminarlo.
Vaciar el depósito de Amazon S3: navegue hasta la consola de Amazon S3, seleccione el depósito creado por la solución, elija Vaciar y confirme. Elimine la aplicación AWS Amplify: navegue hasta la consola de AWS Amplify, seleccione la aplicación ai-recruitment-system-frontend y elija Eliminar. Elimine la pila de CloudFormation: en la consola de AWS CloudFormation, seleccione su pila y elija Eliminar. Esto elimina las funciones Lambda, Amazon API Gateway, tablas de Amazon DynamoDB, recursos de Amazon Cognito y roles de IAM. Verifique la eliminación del depósito de Amazon S3: si CloudFormation no eliminó automáticamente el depósito, navegue hasta la consola de Amazon S3 y elimínelo manualmente. Verifique la limpieza: en la consola de AWS CloudFormation, confirme que el estado de la pila muestra DELETE_COMPLETE. Verifique la consola de Amazon S3 para verificar que se haya eliminado el depósito. Verifique la consola de AWS Amplify para verificar que la aplicación se haya eliminado.
Después de implementar y probar esta solución, considere las siguientes mejoras:
Reclutamiento conversacional de múltiples turnos: utilice Amazon Bedrock AgentCore con el SDK de Strands Agents para crear un asistente de reclutamiento conversacional con memoria entre sesiones, lo que permite preguntas de seguimiento e interacciones contextuales. Divulgación de candidatos asistida por IA: agregue un flujo de trabajo de AWS Step Functions activado por puntuaciones altas de coincidencia que genere un borrador de correo electrónico de divulgación personalizado y notifique al reclutador para su revisión. El reclutador puede ver el perfil del candidato, editar el borrador y aprobar o rechazar la divulgación. Los correos electrónicos aprobados se pueden enviar a través de Amazon Amazon Simple Email Service (Amazon SES). Gestión de canalización de ingesta de currículums en tiempo real: reemplace las cargas manuales con una canalización basada en eventos utilizando notificaciones de eventos de Amazon S3 y AWS Step Functions para procesar automáticamente los currículums a medida que llegan desde su portal de empleo. Panel de auditoría de sesgos: cree un panel de Amazon QuickSight que rastree las distribuciones de puntajes entre grupos demográficos anónimos para monitorear el sesgo estadístico en las evaluaciones generadas por IA a lo largo del tiempo.
AI Recruiting Assistant muestra cómo Amazon Bedrock puede ayudar a reducir la carga administrativa que consume más de 17 horas por vacante para el reclutador promedio. Al utilizar modelos básicos a través de la API de Converse, puede automatizar la selección de currículums, la calificación de candidatos y la generación de preguntas de entrevistas, lo que permite a los reclutadores centrarse en la evaluación de candidatos y la construcción de relaciones que impulsan el éxito en la contratación. Según el informe Future of Recruiting 2025 de LinkedIn, los equipos de talentos que utilizan herramientas de IA generativa ahorran aproximadamente el 20% de su semana laboral, el equivalente a un día completo.
La arquitectura es extensible, por lo que puede adaptarla a sus flujos de trabajo de contratación. Para agregar capacidades como la divulgación de candidatos asistida por IA, la programación inteligente o secuencias de seguimiento dinámicas, agregue funciones Lambda y puntos finales de API Gateway.
El código de muestra de esta publicación está disponible bajo la licencia MIT-0. Consulte el archivo de LICENCIA para obtener más detalles.
Descargo de responsabilidad: este contenido se proporciona únicamente con fines informativos y no debe considerarse asesoramiento legal o de cumplimiento. Los clientes son responsables de realizar su propia evaluación independiente de la información contenida en este documento y de cualquier uso de los productos o servicios de AWS.
Sobre los autores
Puneeth Ranjan Komaragiri
Puneeth es director técnico principal de cuentas en AWS. Le apasiona especialmente el seguimiento y la observabilidad, la gestión financiera de la nube y los dominios de IA generativa. En su puesto actual, Puneeth disfruta colaborando estrechamente con los clientes, utilizando su experiencia para ayudarlos a diseñar y diseñar sus cargas de trabajo en la nube para lograr una escala y resiliencia óptimas.
Sanjay Shankaranarayanan
Sanjay es gerente técnico senior de cuentas en AWS con más de cinco años de experiencia ayudando a clientes empresariales a navegar por el almacenamiento, la seguridad y la IA/ML. Colabora con los clientes para impulsar la modernización de aplicaciones y la migración a la nube en AWS, ayudándolos a adoptar los últimos servicios y mejores prácticas. Fuera del trabajo, lo encontrarás practicando deportes o recorriendo senderos con su perro, Simba.