Estados, brechas técnicas y métricas: dando vida a las candidaturas
Implementación del seguimiento de estados de postulación, análisis de brechas (Gap Analysis) y consultas analíticas sobre las candidaturas.
Una vez que el copiloto es capaz de almacenar ofertas y extraer automáticamente las tecnologías que piden, surge la siguiente necesidad práctica: ¿en qué estado se encuentra cada proceso y qué posibilidades reales tengo de superarlo con mi perfil actual?
En esta segunda fase del desarrollo de Job Hunt Copilot, me concentré en tres funcionalidades esenciales: modelar el estado actual de una postulación, automatizar el análisis de brechas (Gap Analysis) y construir métricas agregadas de las candidaturas.
El ciclo de vida de una candidatura
Un proceso de selección pasa por estados bien diferenciados: desde la candidatura enviada (APPLIED) y el primer filtro (SCREENING) hasta la entrevista técnica (TECHNICAL_INTERVIEW), culminando en una oferta (OFFER), un rechazo (REJECTED) o una retirada (WITHDRAWN).
En esta versión mantengo el estado actual y una fecha de creación y actualización de cada candidatura. Al cambiarlo, puedo añadir notas de seguimiento que se acumulan en la candidatura. Desde la herramienta MCP actualizar_estado_proceso, basta con indicar al modelo:
Actualiza mi postulación en esta empresa a entrevista técnica programada para el próximo martes.
El servicio JobApplicationService actualiza la entidad y guarda las notas proporcionadas. El historial detallado de transiciones y los tiempos de cada fase quedan como una posible evolución, no como una capacidad de esta versión.
Análisis de brechas: oferta vs. perfil real
Uno de los puntos más valiosos del sistema es GapAnalysisService. Cuando postulamos a una vacante, a menudo dudamos si cumplimos con el perfil o qué aspectos debemos justificar mejor en una carta de presentación o llamada inicial.
Dado que en PostgreSQL disponemos tanto de mis habilidades (UserSkill) como de las competencias asociadas a la oferta (JobApplicationSkill), el servicio realiza una intersección determinista por nombre:
- Habilidades coincidentes (Matching Skills): competencias obligatorias de la oferta que figuran en mi perfil.
- Habilidades faltantes (Missing Skills): competencias obligatorias que no figuran en mi perfil.
- Deseables conocidas: competencias opcionales de la oferta que sí figuran en mi perfil.
Esta separación evita el autoengaño y me da una foto nítida de qué puntos débiles debo mitigar antes de dar el siguiente paso.
Analítica y métricas del embudo
Tener los datos estructurados abre la puerta a consultas que un bloc de notas nunca podría responder. Implementé AnalyticsService y expuse la herramienta obtener_resumen_metricas, que puede devolver el recuento actual por estado y las competencias más frecuentes en candidaturas rechazadas.
Con estas funciones puedo solicitar resúmenes como:
- Distribución por estado: cuántas candidaturas están actualmente aplicadas, en screening, en entrevista, con oferta, rechazadas o retiradas.
- Top de tecnologías en rechazos: qué competencias se repiten con mayor frecuencia en aquellas candidaturas que resultaron descartadas. Esta métrica orienta qué temas podría priorizar en mis próximas horas de estudio.
APPLIED (12) | SCREENING (4) | TECHNICAL_INTERVIEW (2) | OFFER (1) | REJECTED (5)
|
+--> Competencias frecuentes en rechazos
Lo que me llevo
Pasar de registrar información pasiva a obtener retroalimentación activa transforma la dinámica de buscar empleo. El copiloto ya no solo recuerda qué hice, sino que me ayuda a decidir si merece la pena aplicar a una oferta concreta y en qué temas concentrarme según el retorno que estoy obteniendo. En la última entrega, abordaremos la preparación de entrevistas técnicas con IA, la contenedorización con Docker Compose y las lecciones aprendidas construyendo este servidor MCP.