Para generar un resumen de filtrado por cada postulante
Preguntas de entrevista sugeridas por postulante, vinculadas a la publicación de empleo
Decisiones de contratación tomadas por IA: los empleadores tienen siempre la última palabra
WorkOnward
Nueva York, NY
Tecnología de RR. HH. / Plataforma de contratación
Amazon Bedrock, Amazon EventBridge, Amazon S3, Amazon RDS (PostgreSQL)
WorkOnward es una plataforma de contratación hiperlocal que conecta a pequeñas empresas con personas locales que buscan empleo sin escritorio. Los empleadores en la plataforma enfrentaban un proceso de filtrado manual que consumía mucho tiempo tras recibir las postulaciones de los candidatos. Avahi implementó una solución de filtrado de entrevistas impulsada por IA basada en Amazon Bedrock, que evalúa automáticamente a los postulantes frente a los requisitos del puesto, genera resúmenes para los empleadores con preguntas de entrevista sugeridas y coordina la programación de entrevistas. La solución reduce la carga de filtrado manual para los empleadores de pequeñas empresas, manteniendo al mismo tiempo la coherencia con la experiencia actual de los candidatos en WorkOnward.
WorkOnward opera una plataforma de contratación hiperlocal diseñada específicamente para negocios locales tradicionales, como restaurantes y otras pequeñas empresas que buscan conectar con personas locales que buscan empleo, en su mayoría sin escritorio. La plataforma gestiona todo el flujo de trabajo de contratación, desde la publicación de ofertas de empleo por parte del empleador hasta la vinculación de candidatos y la coordinación de entrevistas. Con un equipo de ingeniería reducido que gestionaba múltiples prioridades de producto simultáneas, WorkOnward buscaba extender las capacidades de IA hacia el lado del empleador en su plataforma para disminuir el esfuerzo manual requerido durante la fase de filtrado de postulantes.
Después de que los empleadores publicaban ofertas de empleo en la plataforma de WorkOnward y los candidatos se postulaban mediante la funcionalidad de emparejamiento existente, los empleadores se encontraban con una importante carga de filtrado manual. Era necesario revisar individualmente a cada postulante según los requisitos del puesto, preparar preguntas de entrevista relevantes y coordinar los horarios de las entrevistas con constantes mensajes de ida y vuelta. Para los propietarios de pequeñas empresas, que ya contaban con recursos y tiempo limitados, este proceso de filtrado consumía horas valiosas que podrían haber dedicado a la gestión de sus negocios.
WorkOnward ya había desarrollado funciones de programación asistidas por IA para los candidatos en su plataforma, pero la experiencia del empleador carecía de una automatización equivalente. Sin resolver esta brecha, los empleadores continuarían dedicando un tiempo excesivo a tareas de filtrado repetitivas, lo que podría ralentizar su proceso de contratación y reducir la propuesta de valor de la plataforma para las pequeñas empresas a las que sirve.
Asimismo, los flujos de contratación asistidos por IA conllevan consideraciones legales y de equidad, incluidas las normativas sobre herramientas automatizadas para la toma de decisiones de empleo, como la Ley Local 144 de la Ciudad de Nueva York. Cualquier solución debía generar resúmenes de filtrado y sugerencias en lugar de decisiones de contratación automatizadas, preservando la supervisión humana durante todo el proceso.
Amazon Bedrock proporcionó las capacidades de alojamiento de modelos fundacionales que WorkOnward requería para el filtrado inteligente de postulantes, sin exigir que la empresa desarrollara y mantuviera su propia infraestructura de IA. El modo de inferencia optimizado para latencia de Bedrock permitió generar resúmenes de filtrado en menos de 10 segundos por postulante, cumpliendo con los requisitos de capacidad de respuesta necesarios para un flujo de trabajo orientado a los empleadores. La integración del servicio con el entorno de AWS existente de WorkOnward (almacenes de datos PostgreSQL y Amazon S3) simplificó la arquitectura del flujo de datos, mientras que Amazon EventBridge brindó la orquestación de eventos necesaria para la coordinación de horarios.
Este proyecto se llevó a cabo tras una evaluación previa de IA en la que Avahi y WorkOnward revisaron conjuntamente la arquitectura de la plataforma y clasificaron los casos de uso prioritarios de IA. Dicha evaluación colaborativa consolidó la comprensión de Avahi sobre el entorno técnico y los objetivos de negocio de WorkOnward. Cuando WorkOnward decidió priorizar el filtrado del lado del empleador antes de la secuencia recomendada originalmente, Avahi estuvo en condiciones de adaptarse rápidamente, ya que había mapeado previamente las estructuras de datos y los puntos de integración de la plataforma. La cuenta de AWS existente y el esquema de acceso IAM entre ambas organizaciones agilizaron aún más el proyecto.
Avahi implementó una solución de filtrado impulsada por IA que se integra con la infraestructura existente de publicaciones de empleo y datos de postulantes de WorkOnward. La solución lee datos estructurados de los postulantes y de las publicaciones de empleo desde la base de datos PostgreSQL y el almacenamiento de Amazon S3 de WorkOnward; luego, utiliza un modelo fundacional alojado en Amazon Bedrock para evaluar a cada postulante frente a los requisitos establecidos en la oferta de empleo.
El componente de filtrado genera un resumen estructurado para cada postulante, en el que se compara su perfil con los requisitos del puesto, como las habilidades requeridas, la disponibilidad y la ubicación. Estos resúmenes se fundamentan en los datos específicos de la publicación de empleo y del postulante proporcionados, e incluyen un registro estructurado de la justificación del filtrado para respaldar cualquier auditoría de sesgo o revisión de cumplimiento que WorkOnward deba solicitar en el futuro.
El componente de generación de preguntas de entrevista utiliza el mismo modelo alojado en Bedrock para producir hasta cinco preguntas sugeridas por postulante. Estas preguntas se adaptan a la oferta de empleo específica y se fundamentan en el perfil del postulante. El sistema muestra menos de cinco preguntas solo cuando no dispone de suficiente contenido comprobable, evitando así fabricar información.
Para la programación de entrevistas, Avahi desarrolló un componente de programación en entorno aislado (sandbox) orquestado a través de Amazon EventBridge, el cual replica el patrón de interacción ya establecido en el flujo de los candidatos de WorkOnward. Los empleadores pueden proponer un horario de entrevista, y los candidatos pueden aceptarlo o sugerir un horario alternativo. Este componente pone a prueba el intercambio de programación en un entorno de pruebas sin modificar el sistema de producción de los candidatos de WorkOnward, lo que permite a la empresa evaluar el modelo antes de comprometerse con su integración definitiva.
Los resúmenes de filtrado, las preguntas sugeridas para la entrevista y las solicitudes de programación se envían a través de los canales de notificación existentes para empleadores de WorkOnward, sin requerir una nueva interfaz de usuario. Esto permite una implementación más rápida y mantiene la coherencia con la experiencia actual del empleador en la plataforma.
Documentación de la arquitectura técnica que cubre la capa de filtrado, el flujo de datos, el esquema de registro y el diseño de coordinación de horarios
Selección confirmada del modelo de Bedrock para los componentes de filtrado y generación de preguntas
Prototipo funcional de filtrado que demuestra la evaluación de postulantes asistida por IA frente a los requisitos de la publicación de empleo
Componente de generación de preguntas de entrevista que produce preguntas relevantes y fundamentadas para el puesto por postulante
Componente de programación para empleadores en entorno de pruebas que demuestra la propuesta de horarios de entrevista y la coordinación de respuestas de los candidatos
Código de muestra y fragmentos de integración para los componentes de filtrado y programación basados en Bedrock
Demostración operativa de extremo a extremo de la experiencia de filtrado y programación
Informe técnico de resumen con hallazgos y próximos pasos recomendados
Sesión de transferencia de conocimientos sobre arquitectura y vías de extensión para el equipo de ingeniería de WorkOnward
La solución valida que el filtrado y la coordinación de entrevistas asistidos por IA pueden reducir significativamente el tiempo de filtrado manual que los empleadores dedican actualmente en la plataforma WorkOnward. Al automatizar la comparación de los perfiles de los postulantes frente a los requisitos del puesto y generar preguntas de entrevista pertinentes, el sistema traslada el esfuerzo del empleador desde tareas de evaluación repetitivas hacia conversaciones de mayor valor con los candidatos.
El registro estructurado de los resúmenes de filtrado y su justificación subyacente prepara a WorkOnward para cumplir con posibles requisitos normativos, incluida la capacidad de respaldar auditorías de sesgo independientes antes de cualquier despliegue en producción con candidatos reales. El componente de programación en entorno aislado sienta las bases para extender la experiencia de programación del candidato hacia los empleadores, preservando la coherencia de la plataforma y demostrando al mismo tiempo la viabilidad técnica del patrón de integración.
WorkOnward
Nueva York, NY
Tecnología de RR. HH. / Plataforma de contratación
Amazon Bedrock, Amazon EventBridge, Amazon S3, Amazon RDS (PostgreSQL)
WorkOnward es una plataforma de contratación hiperlocal que conecta a pequeñas empresas con personas locales que buscan empleo sin escritorio. Los empleadores en la plataforma enfrentaban un proceso de filtrado manual que consumía mucho tiempo tras recibir las postulaciones de los candidatos. Avahi implementó una solución de filtrado de entrevistas impulsada por IA basada en Amazon Bedrock, que evalúa automáticamente a los postulantes frente a los requisitos del puesto, genera resúmenes para los empleadores con preguntas de entrevista sugeridas y coordina la programación de entrevistas. La solución reduce la carga de filtrado manual para los empleadores de pequeñas empresas, manteniendo al mismo tiempo la coherencia con la experiencia actual de los candidatos en WorkOnward.
WorkOnward opera una plataforma de contratación hiperlocal diseñada específicamente para negocios locales tradicionales, como restaurantes y otras pequeñas empresas que buscan conectar con personas locales que buscan empleo, en su mayoría sin escritorio. La plataforma gestiona todo el flujo de trabajo de contratación, desde la publicación de ofertas de empleo por parte del empleador hasta la vinculación de candidatos y la coordinación de entrevistas. Con un equipo de ingeniería reducido que gestionaba múltiples prioridades de producto simultáneas, WorkOnward buscaba extender las capacidades de IA hacia el lado del empleador en su plataforma para disminuir el esfuerzo manual requerido durante la fase de filtrado de postulantes.
Después de que los empleadores publicaban ofertas de empleo en la plataforma de WorkOnward y los candidatos se postulaban mediante la funcionalidad de emparejamiento existente, los empleadores se encontraban con una importante carga de filtrado manual. Era necesario revisar individualmente a cada postulante según los requisitos del puesto, preparar preguntas de entrevista relevantes y coordinar los horarios de las entrevistas con constantes mensajes de ida y vuelta. Para los propietarios de pequeñas empresas, que ya contaban con recursos y tiempo limitados, este proceso de filtrado consumía horas valiosas que podrían haber dedicado a la gestión de sus negocios.
WorkOnward ya había desarrollado funciones de programación asistidas por IA para los candidatos en su plataforma, pero la experiencia del empleador carecía de una automatización equivalente. Sin resolver esta brecha, los empleadores continuarían dedicando un tiempo excesivo a tareas de filtrado repetitivas, lo que podría ralentizar su proceso de contratación y reducir la propuesta de valor de la plataforma para las pequeñas empresas a las que sirve.
Asimismo, los flujos de contratación asistidos por IA conllevan consideraciones legales y de equidad, incluidas las normativas sobre herramientas automatizadas para la toma de decisiones de empleo, como la Ley Local 144 de la Ciudad de Nueva York. Cualquier solución debía generar resúmenes de filtrado y sugerencias en lugar de decisiones de contratación automatizadas, preservando la supervisión humana durante todo el proceso.
Amazon Bedrock proporcionó las capacidades de alojamiento de modelos fundacionales que WorkOnward requería para el filtrado inteligente de postulantes, sin exigir que la empresa desarrollara y mantuviera su propia infraestructura de IA. El modo de inferencia optimizado para latencia de Bedrock permitió generar resúmenes de filtrado en menos de 10 segundos por postulante, cumpliendo con los requisitos de capacidad de respuesta necesarios para un flujo de trabajo orientado a los empleadores. La integración del servicio con el entorno de AWS existente de WorkOnward (almacenes de datos PostgreSQL y Amazon S3) simplificó la arquitectura del flujo de datos, mientras que Amazon EventBridge brindó la orquestación de eventos necesaria para la coordinación de horarios.
Este proyecto se llevó a cabo tras una evaluación previa de IA en la que Avahi y WorkOnward revisaron conjuntamente la arquitectura de la plataforma y clasificaron los casos de uso prioritarios de IA. Dicha evaluación colaborativa consolidó la comprensión de Avahi sobre el entorno técnico y los objetivos de negocio de WorkOnward. Cuando WorkOnward decidió priorizar el filtrado del lado del empleador antes de la secuencia recomendada originalmente, Avahi estuvo en condiciones de adaptarse rápidamente, ya que había mapeado previamente las estructuras de datos y los puntos de integración de la plataforma. La cuenta de AWS existente y el esquema de acceso IAM entre ambas organizaciones agilizaron aún más el proyecto.
Avahi implementó una solución de filtrado impulsada por IA que se integra con la infraestructura existente de publicaciones de empleo y datos de postulantes de WorkOnward. La solución lee datos estructurados de los postulantes y de las publicaciones de empleo desde la base de datos PostgreSQL y el almacenamiento de Amazon S3 de WorkOnward; luego, utiliza un modelo fundacional alojado en Amazon Bedrock para evaluar a cada postulante frente a los requisitos establecidos en la oferta de empleo.
El componente de filtrado genera un resumen estructurado para cada postulante, en el que se compara su perfil con los requisitos del puesto, como las habilidades requeridas, la disponibilidad y la ubicación. Estos resúmenes se fundamentan en los datos específicos de la publicación de empleo y del postulante proporcionados, e incluyen un registro estructurado de la justificación del filtrado para respaldar cualquier auditoría de sesgo o revisión de cumplimiento que WorkOnward deba solicitar en el futuro.
El componente de generación de preguntas de entrevista utiliza el mismo modelo alojado en Bedrock para producir hasta cinco preguntas sugeridas por postulante. Estas preguntas se adaptan a la oferta de empleo específica y se fundamentan en el perfil del postulante. El sistema muestra menos de cinco preguntas solo cuando no dispone de suficiente contenido comprobable, evitando así fabricar información.
Para la programación de entrevistas, Avahi desarrolló un componente de programación en entorno aislado (sandbox) orquestado a través de Amazon EventBridge, el cual replica el patrón de interacción ya establecido en el flujo de los candidatos de WorkOnward. Los empleadores pueden proponer un horario de entrevista, y los candidatos pueden aceptarlo o sugerir un horario alternativo. Este componente pone a prueba el intercambio de programación en un entorno de pruebas sin modificar el sistema de producción de los candidatos de WorkOnward, lo que permite a la empresa evaluar el modelo antes de comprometerse con su integración definitiva.
Los resúmenes de filtrado, las preguntas sugeridas para la entrevista y las solicitudes de programación se envían a través de los canales de notificación existentes para empleadores de WorkOnward, sin requerir una nueva interfaz de usuario. Esto permite una implementación más rápida y mantiene la coherencia con la experiencia actual del empleador en la plataforma.
Documentación de la arquitectura técnica que cubre la capa de filtrado, el flujo de datos, el esquema de registro y el diseño de coordinación de horarios
Selección confirmada del modelo de Bedrock para los componentes de filtrado y generación de preguntas
Prototipo funcional de filtrado que demuestra la evaluación de postulantes asistida por IA frente a los requisitos de la publicación de empleo
Componente de generación de preguntas de entrevista que produce preguntas relevantes y fundamentadas para el puesto por postulante
Componente de programación para empleadores en entorno de pruebas que demuestra la propuesta de horarios de entrevista y la coordinación de respuestas de los candidatos
Código de muestra y fragmentos de integración para los componentes de filtrado y programación basados en Bedrock
Demostración operativa de extremo a extremo de la experiencia de filtrado y programación
Informe técnico de resumen con hallazgos y próximos pasos recomendados
Sesión de transferencia de conocimientos sobre arquitectura y vías de extensión para el equipo de ingeniería de WorkOnward
La solución valida que el filtrado y la coordinación de entrevistas asistidos por IA pueden reducir significativamente el tiempo de filtrado manual que los empleadores dedican actualmente en la plataforma WorkOnward. Al automatizar la comparación de los perfiles de los postulantes frente a los requisitos del puesto y generar preguntas de entrevista pertinentes, el sistema traslada el esfuerzo del empleador desde tareas de evaluación repetitivas hacia conversaciones de mayor valor con los candidatos.
El registro estructurado de los resúmenes de filtrado y su justificación subyacente prepara a WorkOnward para cumplir con posibles requisitos normativos, incluida la capacidad de respaldar auditorías de sesgo independientes antes de cualquier despliegue en producción con candidatos reales. El componente de programación en entorno aislado sienta las bases para extender la experiencia de programación del candidato hacia los empleadores, preservando la coherencia de la plataforma y demostrando al mismo tiempo la viabilidad técnica del patrón de integración.
Exploremos juntos sus oportunidades de IA de alto impacto en una sesión gratuita
