Ya no aplico a ofertas de trabajo. Un multi-agent system las evalúa, genera mi CV personalizado y prepara la aplicación. Yo reviso y decido. La primera semana buscando trabajo en IA lo hice todo manual: leer JDs, mapear skills, rellenar formularios. La segunda semana ya no aplicaba — estaba construyendo Career-Ops.
631 evaluaciones después, Career-Ops toma más decisiones de filtrado que yo. Es un AI job search tool construido como multi-agent system: lee ofertas, las puntúa en 10 dimensiones, genera AI resumes personalizados y automatiza aplicaciones. Yo reviso y decido. La IA hace el trabajo analítico.
El Problema#
Buscar trabajo como ingeniero senior en IA es un trabajo a jornada completa. Cada oferta exige leer la JD, mapear tus skills contra los requisitos, adaptar el CV, escribir respuestas personalizadas y rellenar formularios de 15 campos. Multiplica eso por 10 ofertas al día.
Lectura repetitiva.
El 70% de las ofertas no encajan. Lo descubres después de leer 800 palabras de JD.
CVs genéricos.
Un PDF estático no puede destacar los proof points relevantes para cada oferta.
Formularios manuales.
Cada plataforma pide lo mismo en formatos distintos. Copiar y pegar 15 veces por aplicación.
Tracking inexistente.
Sin sistema, olvidas dónde aplicaste. Duplicas esfuerzo o pierdes el seguimiento.
Feedback zero.
Aplicas, esperas, y no sabes si el problema era el fit, el CV o el timing.
Mercado global.
El sector AI se mueve a nivel internacional. Los referrals locales no escalan cuando aplicas a empresas en 6 países distintos.
No es que sea difícil. Es que es repetitivo. Y lo repetitivo se automatiza.
Los 12 Modos del Agente IA#
Career-Ops no es un script ni un bot de auto-apply. Es un sistema multi-agente con 12 modos operativos, cada uno un skill file de Claude Code con su propio contexto, reglas y herramientas. Un agente IA que razona sobre el dominio del problema y ejecuta la acción correcta.
Por Qué Modos, No Un Prompt
Contexto preciso.
Cada modo carga solo la información que necesita. auto-pipeline no carga reglas de contacto. apply no carga lógica de scoring.
Testabilidad.
Un modo se prueba de forma aislada. Cambiar la lógica de PDFs no toca la evaluación.
Evolución independiente.
Añadir un modo nuevo no rompe los existentes. Training se añadió 3 semanas después del primer deploy.
auto-pipelinePipeline completo: extraer JD, evaluar A-F, generar report, PDF y tracker.
ofertaEvaluación individual con 6 bloques: resumen, CV match, nivel, compensación, personalización, entrevista.
ofertasComparación y ranking de múltiples ofertas.
pdfPDF ATS-optimized personalizado por oferta con proof points y keywords.
pipelineProcesamiento batch de URLs desde inbox.
scanDescubrimiento de ofertas: navega portales de empleo y páginas de careers de empresas target. Muchas ofertas no aparecen en agregadores.
batchProcessing paralelo con conductor + workers. 122 URLs en cola simultánea.
applyForm-filling interactivo con Playwright. Lee la página, recupera evaluación y genera respuestas.
contactoHelper de outreach para LinkedIn.
deepResearch profundo de empresas.
trackerDashboard de estado de aplicaciones.
trainingEvalúa cursos y certificaciones contra el North Star.
Scoring en 10 Dimensiones#
Cada oferta pasa por un framework de evaluación con 10 dimensiones ponderadas. El resultado es un score numérico (1-5) y un grade A-F. No todas las dimensiones pesan igual — Role Match y Skills Alignment son gate-pass: si fallan, el score final cae.
| Dimensión | Qué Mide | Peso |
|---|---|---|
| Role Match | Alineación entre requisitos y proof points del CV | Gate-pass |
| Skills Alignment | Overlap de stack técnico | Gate-pass |
| Seniority | Nivel de stretch y negociabilidad | Alto |
| Compensation | Market rate vs target | Alto |
| Geographic | Remote/hybrid/onsite factibilidad | Medio |
| Company Stage | Startup/growth/enterprise fit | Medio |
| Product-Market Fit | Resonancia del dominio del problema | Medio |
| Growth Trajectory | Visibilidad de carrera | Medio |
| Interview Likelihood | Probabilidad de callback | Alto |
| Timeline | Velocidad de cierre y urgencia | Bajo |
Distribución de Scores
21
Score >= 4.5 (A)
52
Score 4.0-4.4 (B)
71
Score 3.0-3.9 (C)
51
Score < 3.0 (D-F)
El 74% de las ofertas evaluadas no pasan del score 4.0. Sin el sistema, habría invertido horas leyendo JDs que no encajan.
El Pipeline#
auto-pipeline es el modo estrella. Una URL entra, y sale un report de evaluación, un PDF personalizado y una línea en el tracker. Zero intervención manual hasta la revisión final.
Extraer JD.
Playwright navega a la URL, extrae el contenido estructurado de la oferta.
Evaluar 10D.
Claude lee JD + CV + portfolio y genera scoring en las 10 dimensiones.
Generar report.
Markdown con 6 bloques: resumen ejecutivo, CV match, nivel, compensación, personalización y probabilidad de entrevista.
Generar PDF.
HTML template + keyword injection + adaptive framing. Puppeteer renderiza a PDF.
Registrar tracker.
TSV con company, role, score, grade, URL. Auto-merge vía script Node.js.
Dedup.
Comprueba scan-history.tsv (680 URLs) y applications.md. Zero re-evaluaciones.
Batch Processing
Para volumen alto, el modo batch lanza un conductor que orquesta workers paralelos. Cada worker es un proceso Claude Code independiente con 200K de contexto. El conductor gestiona la cola, trackea progreso y fusiona resultados.
122
URLs en cola
200K
Contexto/worker
2x
Retries por fallo
Fault-tolerant: un fallo en un worker no bloquea el resto. Lock file previene doble ejecución. Batch resumible — lee el estado y salta los completados.
Crear CV con IA — Personalizado por Oferta#
Un CV genérico pierde. Career-Ops crea CV con IA: genera un PDF distinto para cada oferta, inyectando keywords de la JD y reordenando la experiencia por relevancia. No es un template: es un CV optimizado para ATS construido desde los proof points del CV real.
Extraer 15-20 keywords de la JD.
Las keywords aterrizan en el summary, primera bullet de cada rol y sección de skills.
Detectar idioma.
JD en inglés genera CV en inglés. JD en español genera CV en español.
Detectar región.
Empresa en EEUU genera formato Letter. Europa genera A4.
Detectar arquetipo.
6 archetypes del North Star. El summary cambia según el perfil.
Seleccionar proyectos.
Top 3-4 por relevancia. Jacobo para roles de agentes. Business OS para ERP/automation.
Reordenar bullets.
La experiencia más relevante sube. El resto baja, no desaparece.
Renderizar PDF.
Puppeteer convierte HTML a PDF. Fonts self-hosted, single-column ATS-safe.
6 Arquetipos
| Arquetipo | Proof Point Principal |
|---|---|
| AI Platform / LLMOps | Self-Healing Chatbot (71 evals, closed-loop) |
| Agentic Workflows | Jacobo (4 agentes, 80h/mes automatizadas) |
| Technical AI PM | Business OS (2,100 campos, 50 automations) |
| AI Solutions Architect | pSEO (4,730 páginas, 10.8x tráfico) |
| AI FDE | Jacobo (vendido, operando en producción) |
| AI Transformation Lead | Exit 2025 (16 años, comprador mantiene sistemas) |
El mismo CV. 6 framings distintos. Todo real — las keywords se reformulan, nunca se inventan.
Antes y Después#
| Dimensión | Manual | Career-Ops |
|---|---|---|
| Evaluación | Leer JD, mapeo mental | 10D scoring automático, grade A-F |
| CV | PDF genérico | PDF personalizado, ATS-optimized |
| Aplicación | Formulario manual | Playwright auto-fill |
| Tracking | Spreadsheet o nada | TSV + dedup automático |
| Discovery | LinkedIn alerts | Scanner: portales + careers pages de empresas target |
| Batch | Una a una | 122 URLs en paralelo |
| Dedup | Memoria humana | 680 URLs deduplicadas |
Resultados#
El sistema lleva 2 meses en producción. 631 reports sobre 516 ofertas únicas (algunas re-evaluadas tras cambios de criterios). Números vivos — el tracker crece cada día.
631
Reports generados
68
Aplicaciones enviadas
354
PDFs generados
0
Re-evaluaciones
Stack
Claude Code
Agente LLM: razonamiento, evaluación, generación de contenido
Playwright
Browser automation: scan de portales y form-filling
Puppeteer
Renderizado PDF desde HTML templates
Node.js
Scripts auxiliares: merge-tracker, cv-sync-check, generate-pdf
tmux
Sesiones paralelas: conductor + workers en batch
Lecciones#
Automatiza el análisis, no la decisión
Career-Ops evalúa 631 ofertas. Yo decido en cuáles invertir tiempo. El HITL no es una limitación — es el diseño. La IA descarta el ruido, el humano aporta el criterio.
Los modos son mejores que un prompt largo
12 modos con contexto preciso funcionan mejor que un sistema prompt de 10,000 tokens. Cada modo carga solo lo que necesita. Menos contexto = mejores decisiones.
El dedup es más valioso que el scoring
680 URLs deduplicadas significan 680 evaluaciones que no tuve que repetir. El dedup ahorra más tiempo que cualquier optimización de scoring.
El CV es un argumento, no un documento
Un PDF genérico no convence a nadie. Un CV que reorganiza los proof points por relevancia, inyecta las keywords correctas y adapta el framing al arquetipo — ese CV sí convierte.
Batch > secuencial, siempre
El modo batch con workers paralelos procesa 122 URLs mientras yo hago otra cosa. La inversión en orquestación paralela se paga en la primera ejecución.
El sistema ES el portfolio
Construir un sistema multi-agente para buscar trabajo en multi-agente es la prueba más directa de competencia. No necesito explicar que sé hacer esto — lo estoy usando.
FAQ#
Esto no es hacer trampa?
Career-Ops automatiza el análisis, no la decisión. Leo cada report antes de aplicar. Reviso cada PDF antes de enviarlo. Es la misma filosofía que un CRM: el sistema organiza, yo decido.
Por qué Claude Code y no un pipeline de scripts?
Un script no razona. Career-Ops adapta el scoring según el contexto de la empresa, reformula keywords sin inventar y genera reports narrativos — no templates rellenados.
Cuanto cuesta ejecutar esto?
Cero coste marginal por evaluación. Career-Ops corre sobre mi plan Claude Max 20x ($200/mes), que uso para todo: portfolio, chatbot, artículos y Career-Ops. 631 evaluaciones sin un solo invoice extra.
El modo apply rellena formularios automáticamente?
Lee la página con Playwright, recupera la evaluación cacheada y genera respuestas coherentes con el scoring. Yo reviso antes de enviar — siempre.
Qué pasa cuando el scanner encuentra una oferta duplicada?
scan-history.tsv almacena 680 URLs vistas. Dedup por URL exacta + match normalizado de company+role en applications.md. Zero re-evaluaciones.
Es replicable?
Requiere Claude Code con acceso a Playwright y un directorio de trabajo estructurado. Los skill files definen la lógica de cada modo. Es replicable, no es plug-and-play.
Sistemas Relacionados#
Career-Ops demuestra las mismas competencias que estos sistemas. Cada uno es un case study completo con arquitectura, métricas y lecciones.
El Chatbot Que Se Cura Solo | Case Study
Agente IA Jacobo | Case Study
Business OS | Case Study
SEO Programático | Case Study
Pregunta
Abre el chat y pregunta cómo construí Career-Ops. O revisa los otros sistemas que demuestran las mismas competencias.