Un currículum que el sistema de selección pueda leer de verdad

Un sistema de seguimiento de candidatos es una base de datos con un formulario delante. Cuando subes un currículum, el sistema no lo «lee» como una persona. Primero convierte el archivo a texto plano (en un PDF extrae la capa de texto; en un DOCX recorre el XML) y después ejecuta un analizador que intenta segmentar ese texto en campos estructurados: datos de contacto, una lista de empresas con cargos y fechas, un bloque de formación y una lista de competencias. Esos campos son lo que los reclutadores buscan, ordenan y filtran.

Por eso el formato importa más de lo que parece. El analizador no sabe que un diseño a dos columnas se lee primero por la izquierda. Recibe el texto en el orden en que la estructura interna del PDF lo emite (con frecuencia intercalando líneas de ambas columnas) y luego intenta adivinar dónde termina un puesto y empieza el siguiente. Un currículum impecable para una persona puede llegar al índice de búsqueda del reclutador como un bloque revuelto sin fechas asociadas a ninguna empresa.

Los principales proveedores (Workday, SAP SuccessFactors, Greenhouse, Lever, iCIMS, Taleo, SmartRecruiters; en España e Hispanoamérica también InfoJobs, Bizneo, Talent Clue y Factorial) usan cada uno su propio analizador y algunos licencian analizadores de terceros. Su comportamiento exacto varía, pero comparten los mismos fallos porque resuelven el mismo problema: convertir un documento libre en datos por campos.

La mayoría de fallos de análisis tienen pocas causas. Los diseños a varias columnas son la más común. Las tablas usadas para alinear, la segunda: muchos analizadores descartan o aplanan las celdas. El texto dentro de imágenes, los iconos en lugar de etiquetas de sección y los datos de contacto en encabezados o pies de página se pierden habitualmente, porque los analizadores suelen omitir esas zonas por completo.

Los encabezados de sección también cuentan. Los analizadores buscan etiquetas reconocibles («Experiencia», «Experiencia profesional», «Formación», «Competencias», o en inglés «Experience», «Education», «Skills» en sistemas internacionales) para decidir a qué campo pertenece un bloque. Títulos creativos como «Mi trayectoria» o «Caja de herramientas» pueden dejar un bloque sin clasificar. Mezclar formatos de fecha («ene. 2022 – actualidad» en una entrada, «2023-03» en otra) dificulta calcular la antigüedad, que algunos sistemas usan como filtro. Un apunte para el mercado hispanohablante: la fotografía, todavía común, es invisible para el analizador; no es un problema mientras no haya texto informativo dentro de la misma imagen.

• Una columna, de arriba abajo, sin cuadros de texto ni barras laterales.
• Datos de contacto en el cuerpo, no en el encabezado ni el pie de página.
• Etiquetas de sección estándar: Experiencia, Formación, Competencias, Certificaciones.
• Texto real en todo: nada de competencias como iconos o barras de nivel.
• Un formato de fecha coherente en todos los puestos (p. ej. «mar. 2022 – actualidad»).
• Guardar como PDF con capa de texto o como DOCX; nunca exportar como imagen.

Los reclutadores configuran búsquedas y preguntas eliminatorias con el vocabulario de la oferta. Si la oferta dice «Kubernetes» y tu currículum dice «orquestación de contenedores», una búsqueda literal no te encuentra, aunque una persona relacionaría ambos. La solución no es pegar la oferta en tu currículum; es describir el trabajo que realmente hiciste con los mismos sustantivos que usa la oferta, allí donde sean exactos.

El análisis de palabras clave de Ravina compara las competencias y herramientas explícitas de la oferta con el texto de tu currículum y muestra qué falta. Deliberadamente no produce un «porcentaje de coincidencia» único: esas cifras sugieren una precisión que ninguna herramienta externa puede tener, porque nadie fuera de la empresa sabe qué buscó realmente el reclutador. Lo que sí puede decirte con fiabilidad es qué términos nombrados en la oferta no aparecen en ningún lugar de tu documento.

Cada uno de los problemas estructurales anteriores se detecta con reglas: contar columnas, detectar tablas, buscar texto en imágenes, comparar encabezados con una lista, validar patrones de fecha, buscar cifras en las viñetas. Ejecutarlos como comprobaciones deterministas significa que el resultado es siempre el mismo, funciona sin conexión y no cuesta nada. Ravina reserva la IA para la parte que se beneficia de ella (reescribir una viñeta para que sea más clara y concreta) y usa tu propia clave de proveedor para eso, así que no hay cuota de análisis que proteger.

Las comprobaciones se agrupan en cuatro bloques: diseño (estructura de columnas, tablas, texto que solo existe dentro de imágenes), tokenización (formatos de fecha, jerarquía de encabezados, datos de contacto localizables), legibilidad de la capa de texto del archivo exportado y calidad de las viñetas (resultados cuantificados, verbos de acción y un filtro de muletillas de aspecto automático). La versión gratuita de este sitio ejecuta el bloque de viñetas en el navegador; el conjunto completo se ejecuta dentro de Ravina.