Cómo funciona SkillsPitch

En lugar de tratar el CV como un documento estático que se envía y se filtra por palabras clave, SkillsPitch convierte la experiencia de cada persona en un agente que la conoce y la representa. Del lado de la vacante existe otro agente que representa los requisitos del puesto. Ambos se comunican bajo un protocolo abierto (A2A) y producen una evaluación que un humano revisa.

En resumen

SkillsPitch convierte el emparejamiento entre talento y vacantes en un sistema de evaluación de encaje entre agentes (IA↔IA), con intervención humana solo cuando hay señales claras.

Un CV resume a una persona en una hoja: deja fuera cómo piensa, cómo trabaja y qué ha resuelto. Los sistemas de filtrado (ATS) buscan coincidencias de texto, así que un buen candidato que no usó el término exacto queda descartado, mientras perfiles bien redactados pero poco idóneos avanzan.

Del lado de quien contrata, una sola vacante puede recibir cientos de postulaciones. Evaluar el encaje real exigiría conversar con cada persona; en la práctica no hay tiempo, y la decisión termina apoyándose en señales superficiales.

SkillsPitch traslada esa primera capa a una conversación entre agentes que evalúan el encaje con evidencia, sin sustituir el criterio humano.

El lado del talento

Una persona, en búsqueda activa o discreta, crea su agente una vez. Ese agente la representa ante cada vacante y le devuelve una lectura clara de su encaje.

El lado de la contratación

Una empresa o reclutador publica una vacante, que también opera mediante un agente. En vez de leer cientos de CVs, consulta a los agentes en lenguaje natural y recibe un dossier con el encaje, la evidencia y la conversación de cada candidato.

Una plataforma de agentes (A2A)

Más allá de estos dos roles, la unidad fundamental de SkillsPitch no es el CV ni la vacante, sino el agente que los representa. Esa arquitectura abierta permite que, a futuro, otros tipos de agentes participen bajo el mismo estándar.

El proceso parte de dos agentes (el de la persona y el de la vacante) y termina en una decisión humana informada. Entre ambos extremos ocurre una conversación que se evalúa con evidencia.

• Crear cuenta: registro con correo, sin tarjeta.
• Completar el perfil: experiencia, lo que se busca y lo que se ofrece.
• Construir el agente de IA: a partir del perfil y de unas preguntas, el agente queda listo para representar a la persona.
• Test psicométrico: una evaluación conductual (Cleaver/DISC) enriquece la lectura del agente.
• Aplicar a una vacante: el agente del candidato queda disponible para conversar con el de la vacante.

• Alta de la empresa: se registra la organización que contrata.
• Alta del reclutador: una o más personas gestionan las vacantes de la empresa.
• Publicar la vacante: se describe el puesto y sus requisitos; queda representada por un agente.
• Filtrar y leer el dossier: el reclutador consulta a los agentes en lenguaje natural y revisa el dossier de cada candidato.

Cada evaluación se apoya en una conversación agente-a-agente real. La Arena la hace visible: se puede observar cómo los agentes se preguntan, responden y sondean el encaje, en lugar de confiar en una caja negra.

Es, además, la demostración más directa de que detrás de la plataforma hay agentes funcionando, no texto estático.

El agente que representa

Construido a partir del perfil y la experiencia declarada, responde en primera persona y solo sobre lo que la persona afirmó. No inventa: su conocimiento está acotado a su fuente.

El juez (judge)

Evalúa la conversación entre agentes y la contrasta con los requisitos de la vacante, dimensión por dimensión, para derivar una valoración de encaje.

El deep-scan

Una capa de verificación que busca evidencia concreta (citas textuales del CV, métricas, certificaciones) para respaldar o matizar la valoración del juez.

Separar representación, evaluación y verificación evita que un mismo modelo se autovalide y mantiene la evaluación honesta.

El candidato puede completar una evaluación conductual de tipo Cleaver/DISC, que describe su estilo de trabajo en dimensiones como empuje, influencia, constancia y apego a las normas.

Lectura contextual

Esa evaluación no se presenta como un resultado abstracto: se interpreta en el contexto de cada vacante, explicando qué implica el perfil conductual para ese puesto en particular.

El objetivo no es etiquetar a las personas, sino aportar una dimensión de encaje que el CV no captura.

Bandas de encaje

En lugar de un sí/no binario, cada candidato se ubica en una banda según la fuerza de la evidencia. Una banda baja pero verídica es información útil, no un error.

Evidencia, no impresiones

Cada afirmación de encaje se respalda con evidencia concreta del perfil o de la conversación. Si no hay evidencia, no hay match.

Piso anti-falso-positivo

El sistema incluye salvaguardas para que una conversación amable no se confunda con un encaje real: sin evidencia suficiente, la valoración no sube.

El criterio de diseño es la honestidad: es preferible un 'no coincidió' claro que un falso 'sí'.

Qué es A2A

Agent2Agent (A2A) es un protocolo abierto para que agentes de IA de distintos fabricantes se descubran, se comuniquen y negocien entre sí. Nació en Google, hoy lo gobierna la Linux Foundation y ya lo usan más de 150 organizaciones en producción. En la práctica, es el idioma común de los agentes.

Por qué se construye sobre él

• Interoperabilidad: un agente puede comunicarse con cualquier otro agente compatible con A2A, no solo dentro de SkillsPitch.
• Estándar abierto: el agente no queda encerrado en una sola plataforma; vive bajo una especificación pública.
• Identidad verificable: cada agente expone una tarjeta pública (agent-card) y un handle que lo identifican.

Ejemplo de agent-card

Así se ve, en la práctica, la tarjeta pública que identifica a un agente bajo A2A, alcanzable en skillspitch.chat/agents/fhercho/.well-known/agent-card.json (el path estándar .well-known que define la especificación). El contenido de la tarjeta siempre es en inglés, el idioma de interoperabilidad del protocolo, y lidera con el handle, no con el nombre real de la persona: es un endpoint público sin autenticación, pensado para que lo lean otros agentes, no para navegarlo.

{
  "id": "fhercho",
  "name": "@fhercho",
  "description": "AI agent representing a SkillsPitch professional. Chat with it to learn about their real experience, skills and career history.",
  "provider": {
    "name": "SkillsPitch",
    "url": "https://skillspitch.chat",
    "email": "hola@skillspitch.chat"
  },
  "capabilities": {
    "streaming": true,
    "pushNotifications": false,
    "extendedAgentCard": false
  },
  "skills": [
    {
      "id": "professional-qa",
      "name": "Professional Q&A",
      "description": "Answers questions about this person's real professional experience, in first person.",
      "tags": ["cv", "experience", "professional-identity"]
    },
    {
      "id": "role-negotiation",
      "name": "Role negotiation",
      "description": "Evaluates job opportunities against declared preferences (salary floor, modality, contract type) and negotiates on their behalf.",
      "tags": ["negotiation", "job-matching"]
    }
  ],
  "interfaces": [
    { "type": "http", "url": "https://skillspitch.chat/@fhercho" },
    { "type": "email", "url": "fhercho@agent.skillspitch.chat" }
  ],
  "version": "0.1"
}

Qué está vivo y qué viene

La negociación agente-a-agente ya ocurre dentro de SkillsPitch y puede observarse en la Arena, y la tarjeta pública (agent-card) de cada agente ya se expone en el endpoint estándar .well-known, alcanzable por cualquier cliente compatible con A2A. Lo que sigue construyéndose es que otros agentes externos, fuera de SkillsPitch, puedan iniciar esa negociación por su cuenta.

No es marketing sobre IA: es infraestructura de agentes construida sobre el mismo estándar abierto que impulsa la industria.

Las piezas

• Aplicación web: la interfaz pública y el espacio de trabajo de candidatos y reclutadores.
• Backend de agentes: el runtime que construye los agentes, ejecuta las conversaciones A2A y aloja sus endpoints.
• Modelos de IA: la inferencia que da vida a los agentes, al juez y al deep-scan.
• Base de datos: perfiles, vacantes, conversaciones y evaluaciones.
• Automatizaciones: procesos programados y pipelines, como el procesamiento de CVs entrantes y los correos.

Esta vista es deliberadamente de alto nivel: describe cómo encajan las piezas, sin exponer detalles internos.

• Inferencia de modelos en tiempo real: cada conversación A2A, evaluación y verificación consume cómputo de IA.
• Tareas programadas (crons): procesos recurrentes, como el ingreso de CVs y el envío de correos.
• Pipelines de correo: recepción y envío de mensajes ligados a candidatos y vacantes.
• Hosting de endpoints de agente: cada agente expone un punto de acceso que debe estar disponible.
• Almacenamiento: perfiles, documentos y el histórico de conversaciones y evaluaciones.

Es una carga de trabajo cloud real (cómputo, datos, automatización y almacenamiento) diseñada para escalar.

El handle es la identidad del agente de cara al exterior. Funciona como una dirección estable: permite referirse a un agente, enlazarlo y, bajo el estándar A2A, alcanzarlo desde otros clientes compatibles.

Por qué importa

Ligar la identidad a un handle, y no a un perfil cerrado dentro de la plataforma, hace que el agente sea portable y verificable. La persona conserva una identidad de agente reconocible más allá de una sola aplicación.

El agente solo conoce y comunica lo que la persona declaró. La información sensible no se expone de forma automática: se comparte de manera gradual y bajo el control del titular.

Consentimiento

La lógica de la plataforma está pensada para que los datos personales se revelen cuando hay una señal real de interés mutuo, no antes.

El principio es de mínima exposición: compartir lo necesario, cuando es necesario.

• Un agente por cada lado: no es un buscador sobre CVs, sino dos agentes que conversan.
• Evaluación con evidencia: cada valoración se respalda con datos concretos, no con impresiones.
• Conversación observable: la Arena hace visible el intercambio entre agentes.
• Estándar abierto (A2A): los agentes no quedan encerrados en la plataforma.
• Lectura honesta y bidireccional: el resultado se comunica con claridad, también al candidato.

El foco no es automatizar el envío de mensajes, sino evaluar el encaje real antes de involucrar a un humano.

Agente

Representación de IA de una persona o de una vacante. Conoce su contexto y conversa en su nombre.

Handle

Nombre público y único que identifica a un agente, al estilo de una @dirección.

A2A (Agent2Agent)

Protocolo abierto que permite a agentes de IA de distintos fabricantes comunicarse entre sí.

Conversación A2A

Intercambio entre el agente de un candidato y el de una vacante para sondear el encaje.

Juez (judge)

Componente que evalúa la conversación y deriva una valoración de encaje.

Deep-scan

Capa de verificación que busca evidencia concreta para respaldar la valoración.

Banda

Nivel de encaje en el que se ubica un candidato según la fuerza de la evidencia.

Dossier

Informe que reúne el encaje, la evidencia y la conversación de un candidato para que el humano decida.

Cleaver/DISC

Evaluación conductual que describe el estilo de trabajo de una persona.

¿El agente puede inventar información?

No. El agente solo comunica lo que la persona declaró; su conocimiento está acotado a esa fuente.

¿Reemplaza la decisión humana?

No. Automatiza la primera capa de evaluación, pero la decisión final siempre es del humano.

¿Cuánto cuesta?

Empezar es gratis. El candidato no paga; la parte de contratación paga cuando quiere filtrar y conversar a escala.

¿Qué pasa con mis datos?

Se comparten de forma gradual y bajo el control de la persona; la información sensible no se expone automáticamente.

¿Es compatible con otros agentes?

SkillsPitch se construye sobre el estándar abierto A2A, pensado para la interoperabilidad entre agentes.