Hunty

Hunty es una plataforma innovadora que revoluciona la búsqueda de empleo al conectar a candidatos con oportunidades laborales de manera eficiente y personalizada. Su modelo se basa en el uso de tecnología avanzada y automatización para optimizar los procesos de contratación masiva. 

Sin embargo, enfrentaban el desafío de evaluar y seleccionar de manera rápida y escalable el modelo de lenguaje (LLM) más adecuado para analizar y clasificar perfiles, mejorar la precisión en las recomendaciones y agilizar el proceso de selección.

Soluciones Implementadas

  • Well-Architected Framework Review (WAFR)
  • Plan de Recuperación de Desastres (DRP)
  • AWS CloudFormation
  • Monitoreo y Optimización de Costos con Cost Explorer
  • Gestión y Seguridad con AWS CloudTrail y CloudWatch

¿Quieres ser el siguiente Caso de Éxito?

¡Contáctanos!

Del desafío al resultado

Hunty necesitaba un marco de evaluación sólido que permitiera comparar diferentes modelos y optimizar el rendimiento del sistema basado en inteligencia artificial:

  • Realizar una evaluación rápida y escalable del rendimiento de los LLM.
  • Crear un marco de evaluación simplificado que permitiera comparaciones rápidas entre diferentes LLM, teniendo en cuenta varios contextos y casos de uso.
  • Mejorar la capacidad para identificar el LLM más adecuado para tareas específicas, optimizar el rendimiento general del sistema y acelerar el proceso de desarrollo de aplicaciones impulsadas por IA.

Para abordar este desafío, diseñamos un proceso integral que incluyó desde la recolección de datos hasta la optimización del modelo seleccionado.

  • Recopilamos datos representativos y aplicamos etiquetado humano para entrenar los modelos.
  • Diseñamos y ajustamos prompts específicos para Claude Sonnet 3.5 v2 de Anthropic.
  • Desarrollamos un procedimiento estructurado para evaluar el rendimiento de los LLM en diferentes tareas.
  • Iteramos sobre los resultados hasta validar el mejor modelo en un entorno de prueba.
  • Implementamos mejoras en el flujo de trabajo para integrar el modelo en producción.

Gracias a la optimización del proceso de evaluación y selección de modelos, Hunty logró mejoras significativas en la eficiencia de su plataforma.

  • Demostramos que Claude Sonnet 3.5 v2 de Anthropic es una opción eficiente en costos y desempeño.
  • Se optimizaron los costos promedio por petición sin afectar la calidad del servicio.
  • Se logró una mayor precisión en métricas clave como F1, accuracy, recall y precisión.
  • El nuevo modelo permite una mejor clasificación y análisis de perfiles, agilizando la contratación.