Un enfoque de clasificación no supervisada para un sistema de recomendación de currículums vitae basado en la similitud semántica

Abstract

En el marco del proceso de transformación digital que atraviesan todas las industrias, esta tesis explora el uso innovador de la inteligencia artificial, con un enfoque en el procesamiento del lenguaje natural (NLP), para mejorar los procesos de reclutamiento dentro de las organizaciones. La investigación se centra en el desarrollo de un sistema avanzado y económicamente eficiente de clasificación y recomendación de candidatos para vacantes laborales, utilizando datos no estructurados extraídos de currículums vitae y descripciones de puestos de trabajo. Los resultados sugieren que es totalmente factible generar una mejora significativa en la eficiencia operativa de los procesos de selección con recursos limitados. El sistema desarrollado permite analizar un enorme volumen de candidatos en cuestión de segundos logrando realizar inferencias con un porcentaje de acierto que promedia el 90%, lo cual permitiría reducir costos y tiempos de contratación, además de minimizar los sesgos humanos en la selección inicial de candidatos. Este trabajo no solo confirma la viabilidad de implementar estas tecnologías en entornos empresariales reales debido a su bajo costo computacional, sino que también sugiere un cambio de paradigma hacia un enfoque más justo y equitativo en el reclutamiento, asegurando que todos los candidatos puedan ser considerados basados en su compatibilidad con el puesto.