Clasificación con IA

La acción Analizar Respuesta utiliza inteligencia artificial para clasificar automaticamente las respuestas de candidatos en categorías predefinidas.

Concepto

Flujo de Clasificación

1. Enviar mensaje al candidato (pregunta)
       ↓
2. Esperar respuesta (wait_for_response)
       ↓
3. Analizar respuesta (analyze_response)
       ↓
4. Clasificación: CALIFICADO | REQUIERE_REVISION | NO_CALIFICADO
       ↓
5. Switch: Ramificar flujo según resultado

Por qué Usar Clasificación IA

Conjuntos de Clasificación Predefinidos

Calificación de Candidato

Opciones: CALIFICADO | REQUIERE_REVISION | NO_CALIFICADO

Uso: Pre-screening, filtrado inicial, decisiones de avance.

Criterios típicos:

Nivel de Interés

Opciones: INTERESADO | INDECISO | NO_INTERESADO

Uso: Medir engagement, priorizar seguimiento.

Criterios típicos:

Sentimiento

Opciones: POSITIVO | NEUTRAL | NEGATIVO

Uso: Detectar candidatos frustrados, priorizar atención.

Criterios típicos:

Disponibilidad

Opciones: DISPONIBLE_INMEDIATO | DISPONIBLE_CON_TIEMPO | NO_DISPONIBLE

Uso: Planificar fechas de inicio, filtrar por urgencia.

Respuesta Sí/No

Opciones: SI | NO | NO_CLARO

Uso: Preguntas binarias, confirmaciones.

Configuración del Modal

Paso 1: Seleccionar Tipo de Clasificación

En el modal de configuración de "Analizar Respuesta":

Tipo de Clasificación: [Seleccionar conjunto]

Paso 2: Definir Criterios por Categoría

Para cada opción de clasificación, define los criterios específicos:

CALIFICADO - Criterios:

• Tiene 3 o más años de experiencia relevante
• Expectativa salarial dentro del rango ofrecido
• Disponibilidad inmediata o en máximo 2 semanas
• Cumple con los requisitos técnicos del puesto

REQUIERE_REVISION - Criterios:

• Cumple algunos requisitos pero no todos
• La información proporcionada no es clara
• Hay dudas sobre su adecuación al puesto

NO_CALIFICADO - Criterios:

• Menos de 1 año de experiencia en el área
• Expectativa salarial muy por encima del presupuesto
• No tiene disponibilidad en los próximos 3 meses

Paso 3: Configurar Confianza Mínima

Confianza mínima: 70%

Si la IA no alcanza este nivel de confianza, puede:

• Solicitar clarificación al candidato
• Escalar a revisión humana
• Usar clasificación por defecto

Paso 4: Mensaje de Clarificación (Opcional)

Cuando la respuesta es ambigua:

"No me quedo clara tu respuesta. ¿Podrías confirmar si [pregunta específica]?"

Clasificación Personalizada

Crear Categorías Propias

1. Seleccionar "Personalizado" como tipo
2. Agregar opciones con el botón [+ Agregar opción]
3. Definir criterios para cada opción

Ejemplo: Nivel de Experiencia

Mejores Prácticas para Categorías

DO:

• Usar categorías mutuamente excluyentes
• Nombres en MAYUSCULAS_CON_GUIONES
• Máximo 4-5 opciones por clasificación
• Criterios específicos y medibles

DON'T:

• Categorías que se solapan
• Demasiadas opciones (dificulta la IA)
• Criterios vagos o subjetivos
• Nombres con espacios o caracteres especiales

Escribir Criterios Efectivos

Estructura Recomendada

Para cada categoría, incluir:

1. Indicadores positivos - Qué buscar
2. Indicadores negativos - Qué excluye
3. Ejemplos - Frases típicas

Ejemplo completo:

CALIFICADO si cumple TODOS los requisitos:
- Tiene 3 o más años de experiencia en desarrollo web
- Menciona tecnologías clave: React, Node.js, o similares
- Expectativa salarial entre 30,000 y 50,000 MXN
- Disponible para comenzar en menos de 1 mes

Ejemplos de respuestas CALIFICADO:
- "Tengo 5 años de experiencia con React y Node"
- "Mi expectativa es de 40,000 y puedo empezar la próxima semana"

NO clasificar como CALIFICADO si:
- Experiencia menor a 2 años
- Solo menciona tecnologías no relacionadas
- Expectativa mayor a 60,000 MXN

Criterios por Tipo de Pregunta

Pregunta sobre experiencia:

CALIFICADO: 3+ años en el área específica
REQUIERE_REVISION: 1-3 años o experiencia relacionada
NO_CALIFICADO: Menos de 1 año o sin experiencia relevante

Pregunta sobre disponibilidad:

DISPONIBLE_INMEDIATO: Puede comenzar en 0-2 semanas
DISPONIBLE_CON_TIEMPO: Necesita 2-4 semanas de aviso
NO_DISPONIBLE: Más de 1 mes o compromisos actuales

Pregunta sobre salario:

DENTRO_RANGO: Expectativa dentro de ±10% del presupuesto
NEGOCIABLE: Expectativa 10-25% arriba pero flexible
FUERA_RANGO: Expectativa >25% arriba del presupuesto

Usar Resultados de Clasificación

Variables Disponibles

Después de analyze_response:

Ramificar con Switch

Acción: Switch (basado en clasificación)

├── CALIFICADO
│   └── Enviar email de siguiente paso
│   └── Mover a etapa "Entrevista"
│
├── REQUIERE_REVISION
│   └── Notificar a reclutador
│   └── Agendar llamada de clarificación
│
└── NO_CALIFICADO
    └── Enviar email de agradecimiento
    └── Mover a etapa "Descartado"

Condiciones con Confianza

Condición: Si {{confidence}} < 70
├── Verdadero: Enviar pregunta de clarificación
└── Falso: Continuar con clasificación

Flujos Comunes

Pre-screening Automatizado

1. Trigger: Nueva aplicación
2. Enviar: "Hola {{nombre}}, cuéntanos sobre tu experiencia..."
3. Esperar respuesta (24h)
4. Analizar respuesta → Calificación
5. Switch:
   - CALIFICADO → Agendar entrevista
   - REQUIERE_REVISION → Enviar a bandeja de revisión
   - NO_CALIFICADO → Email de agradecimiento

Confirmación de Interés

1. Trigger: Candidato en etapa "Oferta"
2. Enviar: "Te confirmamos la oferta de {{puesto}}. ¿Aceptas?"
3. Esperar respuesta (48h)
4. Analizar respuesta → Sí/No
5. Switch:
   - SI → Iniciar onboarding
   - NO → Cerrar proceso
   - NO_CLARO → Llamar para confirmar

Detección de Candidatos Frustrados

1. Trigger: Mensaje recibido
2. Analizar respuesta → Sentimiento
3. Si NEGATIVO:
   - Notificar a supervisor
   - Priorizar respuesta humana

Mejores Prácticas

Para Resultados Precisos

Evitar Errores Comunes

Calibración Continua

1. Revisar clasificaciones - Semanalmente, revisar muestra
2. Ajustar criterios - Si hay errores sistemáticos
3. Agregar ejemplos - Casos edge que la IA falla
4. Monitorear confianza - Si baja, revisar criterios

Monitoreo y Métricas

En el Dashboard

Query de Análisis

SELECT
  JSON_EXTRACT(variables, '$.classification') as classification,
  COUNT(*) as count,
  AVG(JSON_EXTRACT(variables, '$.confidence')) as avg_confidence
FROM agent_execution
WHERE JSON_EXTRACT(stepLogs, '$[*].actionType') LIKE '%analyze_response%'
GROUP BY classification;

Debugging

Logs Relevantes

[AgentExecution] Analyzing response with AI...
[AgentAI] Classification result: CALIFICADO (confidence: 0.87)
[AgentAI] Reasoning: "Candidato menciona 5 años de experiencia en React..."
[AgentExecution] Storing classification in variables

Problemas Comunes

Proximos Pasos

• Acciones de IA - Todas las acciones IA
• Acumulacion de Variables - Usar resultados
• Acciones de Flujo - Switch y condiciones