Puntuación más inteligente, contratación más precisa: una actualización importante de la API de puntuación de coincidencia de CV

Acabamos de lanzar una de las mejoras más solicitadas para el endpoint de Puntuación de Compatibilidad entre Currículum/CV y Descripción del Puesto. Si estás creando integraciones ATS, herramientas de evaluación de candidatos o paneles de analítica de RR. HH. sobre SharpAPI, esta actualización desbloquea un nivel completamente nuevo de control sobre cómo se calculan las coincidencias.

Aquí tienes todo lo nuevo, por qué importa y cómo empezar a usarlo hoy mismo.

TL;DR

• El parámetro context ahora es un contrato formal de directivas, no una nota de formato libre.
• Obtienes tres formas simples de directivas: EMPHASIZE, DEEMPHASIZE y CREDIT.
• Las directivas ahora influyen en la puntuación overall_match — no solo en las métricas individuales.
• Las credenciales estándar de una familia de roles (piensa en Excel / SQL / Power BI para roles financieros) se reconocen automáticamente incluso cuando la descripción del puesto olvida mencionarlas.
• La longitud máxima de context queda establecida formalmente en 5000 caracteres.

👉 Ve directamente a la página del producto: sharpapi.com/en/catalog/ai/hr-tech/resume-cv-job-match-score

El problema que estábamos resolviendo

Cuando lanzamos por primera vez el endpoint CV Match Score, evaluaba cada currículum frente a cada descripción de puesto usando una tabla de ponderación fija: habilidades, experiencia y stack técnico en la parte superior; educación, certificaciones y habilidades blandas como señales de apoyo. Eso funciona de maravilla para el escenario de contratación promedio — pero la contratación nunca es promedio.

Una startup que contrata a un perfil junior valora la educación y las credenciales mucho más que diez años de experiencia. Un equipo de contratación temporal se preocupa por las habilidades, no por la antigüedad. Una empresa remote-first no quiere que la ubicación reduzca la puntuación en absoluto. Y a veces, la descripción del puesto simplemente olvida enumerar las credenciales obvias — como Excel para un analista financiero — dejando que el motor de puntuación asuma que no importan.

Los clientes seguían haciendo la misma pregunta:

"¿Cómo le decimos al motor que para este rol, la educación importa más que la experiencia?"

Ahora puedes hacerlo.

✨ Qué hay de nuevo

1. Un contrato formal de directivas para el parámetro context

El campo context ya existía, pero su comportamiento era difuso — las instrucciones largas en prosa a menudo tenían efectos impredecibles. Lo hemos reemplazado por un contrato limpio y predecible construido en torno a tres formas de directivas.

Las directivas pueden combinarse libremente en una sola cadena context:

EMPHASIZE: skills. EMPHASIZE: education. DEEMPHASIZE: experience. CREDIT: Excel and Analytics certificates.

Tampoco necesitas memorizar el esquema completo de 20 métricas. Los temas aceptan categorías en inglés sencillo como skills, experience, education, certificates, location, management o tenure, y el motor las asigna internamente a las métricas relacionadas.

2. context ahora modifica la puntuación overall_match

Antes de esta actualización, overall_match se calculaba a partir de un promedio ponderado codificado de forma rígida de las 20 métricas individuales — lo que significaba que, incluso si context desplazaba puntuaciones individuales, el número final general a menudo permanecía obstinadamente igual.

Ya no. Las directivas ahora ajustan la tabla de ponderación interna antes de que se calcule el promedio ponderado. Un solo EMPHASIZE: skills ahora se propaga hasta la puntuación final.

Así es como se ve conceptualmente:

Baseline weights:       skills=3, experience=3, education=1, certifications=1 ...
After EMPHASIZE: skills + DEEMPHASIZE: experience + EMPHASIZE: education:
Adjusted weights:       skills=4, experience=2, education=2, certifications=1 ...
overall_match = Σ(score × adjusted_weight) / Σ(adjusted_weights)

Mismo currículum. Misma descripción del puesto. Distinta lente de evaluación. Esa es la magia.

3. Las credenciales estándar de la familia de roles ahora se reconocen

Aquí tienes un ejemplo real de comentarios de clientes:

Una JD de finanzas decía "Required: Excel, Python, analytics skills" pero no enumeraba certificaciones específicas. Un candidato con certificaciones en Advanced Excel, SQL y Power BI estaba obteniendo certifications_match: 0 — porque la JD no decía nada sobre certificaciones.

Eso es obviamente incorrecto. Esas certificaciones son estándar de la industria para roles financieros, y el motor debería haberlas reconocido.

Con esta actualización, cuando la descripción del puesto no enumera certificaciones requeridas pero el currículum sí incluye credenciales que normalmente se esperan para esa familia de roles, el motor ahora las reconoce proporcionalmente en el rango de 40–70, con la justificación indicada en el campo explanations.

Esto se aplica en distintas familias de roles:

• 💼 Finanzas / roles de analista → Advanced Excel, SQL, Power BI, Tableau
• 👨‍💻 Ingeniería de software → Git, CI/CD, certificaciones de plataformas cloud
• 📊 Gestión de proyectos → PMP, PRINCE2, Scrum, Agile
• 🏥 Salud → CPR, BLS, certificaciones de especialidad

Se acabaron las puntuaciones en cero para credenciales obvias solo porque la JD era deficiente.

4. Límite formalizado de 5000 caracteres en context

Hemos establecido un límite superior claro y generoso de 5000 caracteres para el campo context. Está cómodamente por encima de cualquier carga realista de directivas — suficiente espacio para docenas de directivas más notas explicativas — mientras mantiene el prompt completo dentro de presupuestos de tokens seguros.

Las solicitudes que superen el límite devolverán un error de validación HTTP 422.

Patrones recomendados

Estas son las recetas de context que mejor funcionaron en nuestra validación interna. Úsalas como punto de partida y ajústalas desde ahí.

Patrón 1 — Contratación de nivel inicial / perfiles junior

Prioriza las credenciales y el potencial por encima de los años de experiencia.

EMPHASIZE: skills. EMPHASIZE: education. DEEMPHASIZE: experience. CREDIT: Excel and Analytics certificates.

Patrón 2 — Contratación técnica senior

La coincidencia del stack es crítica; la educación formal es secundaria.

EMPHASIZE: skills. EMPHASIZE: technical_stack_match. DEEMPHASIZE: education.

Patrón 3 — Contratación de liderazgo / gestión

La experiencia de gestión pesa más que las habilidades técnicas prácticas.

EMPHASIZE: management. EMPHASIZE: experience. DEEMPHASIZE: technical_stack_match.

Patrón 4 — Contratación remote-first

La ubicación no debería penalizar en absoluto a los candidatos.

DEEMPHASIZE: location. EMPHASIZE: skills.

Buenas prácticas

• Sé específico. CREDIT: Excel, SQL, Power BI marca la diferencia. Un planteamiento abstracto como "practical competency outweighs formal credentials" no lo hace.
• Usa pares de contraste. Combina EMPHASIZE con DEEMPHASIZE en la misma solicitud — el contraste es una señal fuerte.
• Nombra herramientas y credenciales explícitamente. Evita cualidades vagas como "talent" o "potential".
• Omite instrucciones porcentuales. Directivas como "reduce weight by 50%" se interpretan de forma conservadora como un solo paso de DEEMPHASIZE. Usa directivas discretas — son más fiables.
• Mantén context enfocado. Un puñado de directivas bien orientadas supera a largos párrafos en prosa.

⚠️ Lo que context puede y no puede hacer

Nota sobre las métricas aritméticas: context sigue ajustando su peso en overall_match — simplemente no reescribe la puntuación individual en sí. Si un candidato tiene una antigüedad media de 1 año, stability_score refleja ese hecho independientemente de las directivas, pero puedes hacer que cuente más o menos en el resultado general.

Un ejemplo completo de solicitud

POST /api/v1/hr/resume_job_match_score
Content-Type: multipart/form-data
Authorization: Bearer <YOUR_API_KEY>

file:     <resume.pdf>
content:  "Junior Finance Associate — entry-level role.
           Required: Excel, Python, financial modelling, analytics."
language: English
context:  "EMPHASIZE: skills. EMPHASIZE: education.
           DEEMPHASIZE: experience. CREDIT: Excel and Analytics certificates."

La estructura de la respuesta no cambia — sigues obteniendo las 20 métricas puntuadas más explanations para las más importantes — pero ahora los números reflejarán los pesos ajustados por directivas.

Una nota sobre la no determinación

El parámetro context es nuestra palanca principal para orientar el motor, y lo ajustamos continuamente en función de los casos del mundo real que nuestros clientes nos traen. Si te encuentras con un escenario en el que la salida no coincide con tus expectativas, envíanos la solicitud/respuesta exacta — ese es el comentario más valioso que podemos recibir.

Empieza ahora

¿Listo para probarlo? Aquí tienes tu lista corta:

1. Lee los detalles del producto: Resume/CV & Job Description Compatibility Scoring
2. Míralo en vivo: CVMatchScore.com — un producto totalmente funcional construido sobre este mismo endpoint
3. Obtén una API key desde tu panel de SharpAPI y envía tu primera solicitud
4. Cuéntanos qué falta — cada patrón de directiva que hemos lanzado comenzó como comentarios de clientes

Feliz matching. 🎯

👉 Prueba hoy mismo la API de Puntuación de Compatibilidad entre Currículum/CV y Descripción del Puesto: sharpapi.com/en/catalog/ai/hr-tech/resume-cv-job-match-score

Fotos de stock de currículums por Vecteezy