Hunty plataforma de reclutamiento masivo basada en inteligencia artificial

Acerca de

Hunty, una plataforma de reclutamiento masivo impulsada por inteligencia artificial, enfrentaba un desafío estratégico: reducir la dependencia de su sistema de agentes de IA respecto a un único proveedor de Modelos de Lenguaje de Gran Tamaño (LLM) y, simultáneamente, garantizar la calidad de sus servicios de automatización mediante evaluaciones de consistencia. Estas evaluaciones comparan el desempeño de distintos modelos sobre un mismo conjunto de datos privado y curado, construido a partir de sus propios casos de uso con usuarios. En colaboración con Clouxter y aprovechando la infraestructura de AWS, Hunty diseñó e implementó una estrategia para diversificar su ecosistema de IA, mejorar la escalabilidad de sus soluciones y optimizar los costos operativos.

Desafío del cliente

La fuerte dependencia de Hunty en un único proveedor de modelos LLM (OpenAI) implicaba:

• Altos costos tecnológicos por cada interacción procesada.
• Falta de flexibilidad para elegir modelos alternativos según el caso de uso y falta de backups en caso de caída de servicio del proveedor principal. 
• Limitaciones en la escalabilidad, al entrar en nuevos mercados internacionales

Para sostener su crecimiento, Hunty necesitaba una arquitectura de IA más diversificada, escalable y costo-eficiente.

Hunty enfrenta importantes desafíos técnicos relacionados con la evaluación y el control de calidad de las entrevistas automatizadas realizadas por diferentes modelos de lenguaje ya que cuando se considera tener un mecanismo de backup con diferentes modelos de lenguaje es preciso garantizar que diferentes modelos se comportan adecuadamente bajo las mismas circunstancias contextuales en una conversación con un candidato buscando empleo. La compañía carecía de un marco estandarizado para evaluar el rendimiento y la consistencia de diferentes modelos generativos, lo que creó dificultades para seleccionar el modelo más adecuado para escenarios de reclutamiento y selección específicos. 

Si no se abordaban, estos desafíos habrían seguido afectando la capacidad de Hunty para garantizar la equidad, la coherencia y la confiabilidad en las evaluaciones de los candidatos. Exponiendo a la empresa a riesgos de reputación, reduciría la confianza del cliente en las decisiones automatizadas y aumentaría los costos a largo plazo debido a la necesidad de intervención manual y reelaboración.

En la práctica el cliente tuvo que desarrollar un sistema que actuaba como un “load balancer” de modelos LLM según las peticiones que le llegaban de diferentes agentes del ecosistema interno de Hunty, cada uno de ellos con diferentes instrucciones y casos de uso. A este sistema se le llamó Resolver-API (o Agent Resolver).

Solución del socio

Para abordar la necesidad de Hunty de un mecanismo de garantía de calidad auditable, escalable y automatizado para entrevistas basadas en LLM, AWS Partner Clouxter diseñó e implementó una solución basada en un plan de tres fases sobre Amazon Bedrock y servicios complementarios de AWS:

Fase 1 – Despliegue en Bedrock

• Conexión del resolver-API de Hunty para conectarse con endpoints de Bedrock habilitando el uso de los modelos LLM disponibles en la nube de AWS.
• Integración con BigQuery para recopilar métricas en tiempo real.
• Primeras pruebas con modelos de Anthropic (como substituto de GPT en varios casos) y Cohere (para embeddings)

Fase 2 – Experimentación de Modelos

• Evaluación comparativa entre Anthropic y OpenAI  
• Ejecución del proyecto conjunto LLM Eval, orientado a medir y comparar el desempeño de distintos modelos LLM en procesos de screening de candidatos y en tareas multilingües.
• Diseño de la lógica para balanceo dinámico de tráfico entre distintos modelos.

Fase 3 – Fine-Tuning

• Entrenamiento con datos propios de Hunty para personalizar modelos según sectores específicos (salud, retail, etc.)
• Optimización para mejorar precisión en entrevistas automatizadas.

En el núcleo de la solución está Amazon Bedrock, que ejecuta modelos de Anthropic como Claude Sonnet en sus últimas versiones 3.5, 3.7 y 4.0 para analizar conversaciones múltiples y emitir evaluaciones automatizadas basadas en dimensiones de calidad predefinidas. El sistema Resolver-API se conecta a través de Amazon API Gateway, que expone un punto final seguro (/process-hty) protegido por una clave API e integrada con los planes de uso para garantizar la gestión de las cuotas.

Así también, para el sistema de evaluaciones y poder comparar diferentes modelos se usaron benchmarks internos de datos privados de Hunty consumiendo el API de Bedrock y haciendo la analítica de datos internamente con métricas relevantes para los casos de uso del cliente. 

Durante el compromiso, Clouxter proporcionó soporte completo del ciclo de vida: desde la evaluación inicial del sistema y el diseño de la solución, hasta la implementación, las pruebas y la capacitación posterior al despliegue. El socio aseguró el acceso seguro a través de usuarios de IAM controlados por Hunty, siguiendo las estrictas prácticas de gestión de identidad y acceso. Aunque Hunty retuvo la propiedad total de su entorno AWS, Clouxter colaboró activamente durante la implementación y proporcionó un apoyo técnico continuo alineado con las mejores prácticas de AWS.

Resultados y beneficios

Reducción proyectada de costos al migrar parte de las cargas a modelos en AWS Bedrock.

Mayor flexibilidad para elegir el modelo más adecuado según cliente, idioma o caso de uso.

Escalabilidad garantizada, con infraestructura lista para soportar miles de interacciones concurrentes y con arquitectura failover entre diferentes proveedores y modelos.

Base sólida para entrenamientos futuros, alineada con la estrategia de expansión internacional de Hunty.

La solución también fortaleció la trazabilidad y la rendición de cuentas en los procesos automatizados de toma de decisiones, reafirmando el compromiso de Hunty con una inteligencia artificial responsable. Gracias al registro estructurado de auditorías, la generación automática de informes y el monitoreo en tiempo real del rendimiento, Hunty adquirió capacidades clave para mejorar continuamente sus agentes de entrevista y garantizar el cumplimiento de sus estándares internos de calidad en los flujos de reclutamiento.

Sobre el socio

Clouxter es un socio de consultoría avanzado de AWS y proveedor líder de soluciones en América Latina, con un historial comprobado de más de 600 proyectos exitosos de adopción y consolidación en la nube y un equipo con más de 70 certificaciones técnicas de AWS entre arquitectos, ingenieros DevOps y operadores. La compañía cuenta con la competencia de AWS DevOps, que respalda su experiencia en la implementación de culturas DevOps y DevSecOps, así como en la automatización segura de entornos en la nube. Además, ofrece servicios especializados en migración y modernización, acompañando a sus clientes a lo largo de las siete estrategias de migración (7 Rs) y aplicando las mejores prácticas en automatización, seguridad y gobernanza en AWS. Con especialización en servicios clave como AWS Lambda, API Gateway, DynamoDB, Aurora, SageMaker y Bedrock, Clouxter brinda implementaciones de extremo a extremo y servicios administrados 24/7 para sectores como salud, fintech, sector público e ISVs. Actualmente, la compañía se encuentra en proceso de obtener la competencia de IA Generativa de AWS, consolidando su liderazgo en soluciones basadas en inteligencia artificial.