Buscador de empleo con agentes de IA

El problema

Buscar trabajo es, en términos operativos, un problema de datos: cientos de ofertas repartidas en varios portales, una minoría que calza con el perfil y un CV que hay que adaptar en cada postulación.

Con un trabajo de jornada completa, revisar portales todas las noches no era viable. Lo traté como lo que es, un embudo de datos, y automaticé la parte repetitiva.

Base del sistema

La base es ai-job-search, un framework abierto de Mads Lorentzen pensado para el mercado danés. Lo tomé y lo adapté a Chile:

• Traduje las instrucciones, los criterios y las plantillas al español.
• Cambié los CV de LaTeX a Word, que es lo que piden los reclutadores acá.
• Escribí scrapers propios para Empleos Públicos (usando un endpoint JSON que el sitio ocupa internamente) y para centros de estudio y think tanks.
• Agregué una regla que me importa: cada postulación guarda el aviso textual y lo que declaré, para que ningún agente invente experiencia.

De la oferta al PDF

1. /scrape
   BuscarBúsquedas guardadas en cinco grupos: datos y BI, sector público, investigación aplicada y académica.
2. seen
   No repetirLo ya visto queda en seen_jobs.json y se omite en la siguiente pasada.
3. 0–100
   PuntuarPrimero un calce rápido (alto, medio, bajo) y después un puntaje detallado.
4. /apply
   PostularUn agente redacta CV y carta a medida; otro revisa. LibreOffice los pasa a PDF y el CV no puede pasar de dos páginas.
5. csv
   SeguirRegistro por oferta, planilla de seguimiento y fichas para preparar entrevistas.
6. push
   PublicarUn script junta todo en un JSON y actualiza mi visor en GitHub Pages.

¿Cómo se puntúa una oferta?

Sobre 75 puntos es un «calce fuerte». Tener un número me obliga a descartar ofertas que me entusiasman pero no me convienen.

Las piezas

Diez semanas en números

Del 6 de julio al 15 de septiembre de 2026.

Cuántas calzan de verdad

Menos de una de cada seis ofertas calza bien. Sin el filtro, habría gastado la mayor parte del tiempo en postulaciones que no iban a ninguna parte.

Lo que aprendí

• La IA escribe rápido, pero hay que atarla a los hechos. Por eso cada postulación guarda el aviso y lo que declaré, y un segundo agente revisa el CV contra mi perfil real.
• Un puntaje explícito ordena las decisiones. Cuando menos de una de cada seis ofertas calza, el filtro es lo que más tiempo ahorra.
• Adaptar es más útil que inventar. Tomar un buen framework abierto y ajustarlo a mi contexto fue más rápido y mejor que empezar de cero.
• Automatizar lo repetitivo deja tiempo para lo que importa, como preparar bien cada entrevista.