Ya usas d.vinci porque mantiene la selección estructurada: las candidaturas llegan a un solo lugar, los stakeholders siguen un workflow y puedes avanzar rápido cuando el proceso está limpio. El cuello de botella suele empezar un paso antes: la preselección de CV en d.vinci sigue significando abrir archivos, revisar perfiles e intentar comparar candidatos de forma coherente.

Sprad + Atlas es un módulo conectado de terceros que se integra en d.vinci. No es una función nativa de d.vinci y no sustituye a tu ATS. Atlas lee las nuevas candidaturas de d.vinci, analiza y estructura los CV, los puntúa frente a tu descripción de puesto real (opcionalmente frente a patrones de tus mejores profesionales) y escribe de vuelta en d.vinci una shortlist ordenada y transparente. Si quieres ver la idea del workflow en el contexto del producto, Sprad describe la capa de automatización en Sprad Automate.

El resultado práctico es sencillo: en lugar de cotejar CV a mano, los reclutadores empiezan el día con una lista ordenada y un razonamiento breve y auditable por candidato dentro de d.vinci. Mantienes tu configuración actual de d.vinci, los permisos, las fases y los informes: Atlas añade la puntuación y la automatización por encima.

Por qué la preselección de CV en d.vinci suele seguir siendo manual (incluso con un buen ATS)

d.vinci se usa mucho en la región DACH como sistema de seguimiento de candidaturas (ATS) y suite de reclutamiento. Cubre lo esencial: recepción de candidaturas, fichas de candidatos, fases del pipeline, colaboración y comunicación estructurada. Muchos equipos usan además preguntas eliminatorias y filtros para precualificar a los candidatos.

Aun así, queda la parte que consume tiempo y genera incoherencias: entender qué significa un CV para tu puesto concreto. Dos candidatos pueden usar palabras distintas para la misma competencia. Los cargos cambian según la empresa y el país. Las señales de seniority se esconden en el alcance de los proyectos, no en las palabras clave. Y cuando el volumen se dispara, hasta un buen proceso se convierte en “triaje”.

En la práctica, los equipos que hacen preselección de CV en d.vinci se topan siempre con los mismos problemas:

  • El cruce entre CV y puesto se hace de cabeza. Los reclutadores comparan candidatos mentalmente y dejan notas que varían según la persona y el día.
  • Las shortlists son difíciles de justificar. Los hiring managers preguntan “¿por qué estos tres?” y la respuesta suele ser una mezcla de intuición y notas sueltas.
  • Se pierden buenos candidatos. Sobre todo los de trayectorias no lineales, con otra terminología o con experiencia en distintos sectores.
  • La preselección le quita tiempo al trabajo humano. Las entrevistas, la alineación con los stakeholders y la experiencia del candidato son lo primero que se resiente.
  • La coherencia es difícil a escala. Entre sedes, reclutadores o agencias, el listón se va desplazando.

Si tu objetivo es “contratar más rápido”, la primera palanca a menudo no es el sourcing. Es convertir la preselección en un paso repetible y respaldado por evidencias, que siga dejando el control en manos de las personas.

Cómo funciona la preselección de CV con IA en d.vinci con Sprad + Atlas (paso a paso)

Atlas es el coworker de IA para RR. HH. de Sprad. Lo que lo distingue no es “chatear con una IA”. Es esto: Atlas se conecta con todo tu people stack mediante integraciones, construye un People Data Knowledge Graph y ejecuta workflows dentro de las herramientas que ya usas. Sprad lo plantea como una capa de automatización e inteligencia, y no como otro sistema de registro. Encontrarás un resumen de este enfoque de integración en la página de integraciones de Sprad.

Para la preselección de CV en d.vinci, el flujo funciona por eventos: cuando pasa algo en d.vinci, Atlas reacciona. La implementación exacta depende de tu configuración de d.vinci y de las opciones de integración (acceso a datos por API, exportaciones o patrones con middleware). El flujo funcional se mantiene estable.

1) Disparador: llega una nueva candidatura a d.vinci

Un candidato se postula a través de tu portal de empleo de d.vinci o de un canal importado. La ficha del candidato se crea o se actualiza en d.vinci. Este evento es el disparador para Atlas.

2) Atlas recoge los datos del candidato y el contexto del puesto

Atlas obtiene lo que necesita para puntuar con precisión, por ejemplo:

  • Archivo(s) de CV / résumé y documentos adjuntos
  • Campos del perfil del candidato que ya están en d.vinci
  • La descripción de puesto real que usa tu equipo (no una plantilla genérica)
  • Opcional: preguntas de preselección y sus respuestas, si las usas
  • Opcional: señales internas que definen el éxito (ver el paso 4)

Aquí es donde un módulo conectado supera a una herramienta que solo analiza CV. No quieres solo texto extraído. Quieres contexto del puesto y reglas de puntuación que se ajusten a cómo contratas.

3) Análisis y estructuración: convertir un CV en campos utilizables

Atlas analiza el CV y lo estructura en campos homogéneos. Normalmente incluye:

  • Puestos, empleadores, fechas, antigüedad, progresión de carrera
  • Skills y herramientas (incluidos sinónimos y términos relacionados)
  • Formación, certificaciones, idiomas
  • Pistas sobre proyectos (alcance, ámbitos, resultados) cuando existen

El objetivo no es “embellecer” el CV. Es normalizarlo para poder comparar a los candidatos con los mismos ejes.

4) Scoring: contraste con la descripción del puesto (y, opcionalmente, con patrones de tus mejores profesionales)

Después, Atlas puntúa a cada candidato frente a los requisitos del puesto que te importan. Aquí es donde la preselección de CV en d.vinci pasa de basarse en palabras clave a basarse en el significado.

Puedes usar dos modos de scoring, según la gobernanza y los datos disponibles:

  • Scoring por descripción de puesto (por defecto): Atlas contrasta skills, señales de seniority y patrones de experiencia con tu descripción de puesto y tus criterios imprescindibles.
  • Scoring por patrones de éxito (opcional): Atlas puede incorporar patrones de tus mejores profesionales actuales, de modo que lo aprendido en el desarrollo de personas retroalimente la selección. Requiere una gobernanza cuidadosa, porque, si se hace sin cuidado, puede codificar sesgos históricos.

Y lo más importante: Atlas genera un razonamiento transparente para la puntuación. No recibes solo “82/100”. Recibes una explicación breve como esta: skills imprescindibles A/B/C cubiertos, coincidencia parcial en D, falta la certificación E, experiencia relevante en el ámbito X, seniority acorde con el alcance Y.

5) Escritura de vuelta en d.vinci: shortlist ordenada + razonamiento

Después, Atlas escribe los resultados de vuelta en d.vinci para que los reclutadores sigan en un solo sistema. Los patrones habituales de escritura de vuelta incluyen:

  • Una puntuación numérica (campo personalizado)
  • Una nota breve de explicación (qué ha determinado la puntuación)
  • Etiquetas (por ejemplo: “encaje sólido en el ámbito” o “falta un requisito imprescindible”)
  • Una vista ordenada o una lista que se puede ordenar según la puntuación

Los reclutadores pueden seguir entonces su proceso habitual: revisar a los mejores candidatos, comprobar que el razonamiento tiene sentido y decidir quién avanza. Atlas no necesita rechazar automáticamente a nadie para ser útil.

6) Controles con intervención humana (para que la IA asista y no decida)

En las organizaciones de la región DACH, que “decida la IA” rara vez es aceptable: ni culturalmente, ni desde el punto de vista legal, ni ante los comités de empresa. El workflow está diseñado para que las personas sigan siendo responsables:

  • Los reclutadores y los hiring managers deciden cómo usar la puntuación (orden, umbrales, marcas).
  • El razonamiento es visible, así que la puntuación se puede cuestionar.
  • Las reglas se pueden ajustar por familia de puestos (ventas, ingeniería, operaciones).
  • La automatización puede limitarse a ordenar y redactar, sin tomar decisiones.

Esa combinación de automatización, explicabilidad y control humano es lo que convierte la preselección de CV en d.vinci en algo que puedes escalar sin perder confianza.

Preselección de CV en d.vinci: antes y después de añadir el scoring de Atlas

Si quieres valorar si merece la pena un módulo adicional, compara el “trabajo que hacen las personas” antes y después. El objetivo no es eliminar el criterio humano. Es eliminar la revisión repetitiva y la comparación inconsistente.

Paso Flujo habitual de preselección de CV en d.vinci (muy manual) Preselección de CV en d.vinci con Atlas como módulo conectado
Recepción Las candidaturas llegan a d.vinci; el reclutador abre los CV uno por uno. Las candidaturas llegan a d.vinci; Atlas las recoge automáticamente.
Comprensión del contenido del CV El reclutador interpreta a mano la terminología, los cargos y el alcance de los proyectos. Atlas analiza los CV y los estructura en campos y señales homogéneos.
Cruce con el puesto El reclutador compara el CV con la descripción del puesto de cabeza; los criterios pueden desviarse. Atlas puntúa frente a tu descripción de puesto real con criterios coherentes.
Shortlist El reclutador crea una shortlist con notas, marcas y un orden subjetivo. Atlas escribe de vuelta en d.vinci una shortlist ordenada, con el razonamiento de cada candidato.
Colaboración con los hiring managers “¿Por qué este candidato?” suele exigir explicaciones adicionales y volver atrás. Los hiring managers ven la puntuación y su justificación; las conversaciones arrancan antes desde las evidencias.
Gobernanza Es difícil auditar por qué se priorizó a unos candidatos más allá de las notas en texto libre. El razonamiento está estandarizado; puedes documentar los cambios de criterios por puesto.

El mayor cambio está en dónde se va el tiempo de los reclutadores. En la preselección de CV en d.vinci manual, el tiempo desaparece leyendo y comparando. Con Atlas, el tiempo se dedica a lo que las personas hacen mejor: entrevistas, calibración y comunicación con los candidatos.

Qué puedes automatizar en la preselección de CV en d.vinci (sin romper tu proceso)

A veces los equipos oyen “preselección con IA” y dan por hecho que se trata de un motor de rechazo opaco. Ese no es el único modelo, y rara vez es el mejor punto de partida en Europa.

Estos son los bloques de automatización que encajan bien como extensión de d.vinci:

Ordena a los candidatos, no los descartes automáticamente

Empieza con la ordenación y un razonamiento claro. Deja la decisión de avanzar en manos de las personas. Así reduces el riesgo operativo y facilitas las conversaciones con el comité de empresa.

Detecta pronto las carencias en requisitos imprescindibles (y documéntalas)

Si una certificación, un nivel de idioma o un permiso es innegociable, Atlas puede marcarlo de forma coherente. Los reclutadores no tienen que volver a comprobar el mismo requisito 80 veces.

Gestiona CV multilingües sin cambiar el workflow

En la selección en la región DACH es habitual mezclar CV en alemán y en inglés. Una capa de scoring puede normalizar la terminología entre idiomas y escribir después los resultados en d.vinci en el idioma que prefieras para notas y etiquetas.

Estandariza las notas de preselección para que sigan siendo legibles

Muchos equipos ya escriben notas en d.vinci. Atlas puede redactar notas breves y estructuradas a partir del CV y de los requisitos del puesto. Los reclutadores las editan y las aprueban. Así el registro se mantiene coherente y es más fácil de auditar después.

Cierra el círculo: lleva a la selección lo que significa “hacerlo bien” en el desarrollo

Esta es la ventaja estratégica: si tu organización ya trabaja con un desarrollo estructurado, puedes usar esas señales para afinar los criterios de selección. La plataforma de Sprad incluye también flujos de performance y desarrollo; un punto de entrada es la suite de talent management. La idea no es clonar a tu plantilla. Es aprender qué skills y experiencias se correlacionan con el éxito en tu contexto y validar esas hipótesis en el reclutamiento.

Dos escenarios realistas de automatización de la preselección de CV en d.vinci

Para valorar el encaje, ayuda imaginar el cambio en el “día a día”. Los escenarios siguientes describen patrones de workflow, no resultados prometidos. Tus resultados dependerán de la claridad de los puestos, la calidad de los datos y la adopción.

Escenario 1: selección de alto volumen, donde la preselección se lleva casi todo el tiempo

Gestionas varios puestos en paralelo. Cada puesto recibe un flujo constante de candidatos. Los reclutadores dedican gran parte de la semana a la primera lectura. Los hiring managers quieren listas “top 10” rápido y quieren entender por qué esos candidatos están en la lista.

Con Atlas conectado a d.vinci:

  1. Cada nueva candidatura se puntúa a los pocos minutos de llegar.
  2. Los reclutadores abren d.vinci y ven una vista ordenada: el mejor encaje arriba.
  3. Cada candidato tiene una nota breve con el “porqué”, redactada de forma coherente.
  4. Los reclutadores comprueban el grupo de cabeza y lanzan las entrevistas.
  5. Cuando los requisitos cambian a mitad de búsqueda, la rúbrica de scoring se actualiza y la lista se reordena.

La ventaja operativa no es que “la IA sustituya a los reclutadores”. Es que “los reclutadores dejan de hacer la comparación repetitiva de la primera pasada”. Eso es lo que hace que la preselección de CV en d.vinci resulte más ligera sin cambiar tu ATS.

Escenario 2: puestos difíciles de cubrir, donde necesitas señal y no volumen

Contratas perfiles especializados. El problema no es que haya demasiados candidatos. El problema es que “parece parecido” engaña. Los candidatos tienen experiencia cercana y necesitas entender rápido hasta qué punto es transferible.

Con Atlas puntuando frente a tu descripción de puesto, puedes poner el énfasis en:

  • cercanía de ámbito (sectores similares, entornos regulados, sistemas comparables)
  • profundidad frente a amplitud (señales de seniority en el alcance de los proyectos)
  • evidencias de ownership (resultados, amplitud de stakeholders, escala)

Sigues leyendo CV. Solo que empiezas desde una shortlist ordenada y una justificación estructurada. Eso hace que las revisiones con los hiring managers sean más rápidas y más coherentes entre entrevistadores.

Por qué una capa de integración es mejor que comprar “otra herramienta de preselección más”

Si ya usas d.vinci, cambiar de ATS para conseguir una mejor preselección suele ser un mal trato:

  • migración y gestión del cambio
  • volver a formar a reclutadores y hiring managers
  • rehacer integraciones con portales de empleo, HRIS, informes y aprobaciones
  • riesgo para el proceso durante selecciones en curso

El modelo de Sprad es distinto: mantienes d.vinci como sistema de registro y añades una capa de automatización que se acopla a él. Por eso importa lo de “una IA para todo tu stack de RR. HH.”. La preselección es solo un workflow. Una vez montadas las integraciones, puedes automatizar otros pasos del reclutamiento sin cambiar de sistema.

Modelo comercial: proyecto de puesta en marcha y después costes de IA según el uso

Sprad presenta Automate como un servicio llave en mano: “Diseñamos el workflow. Funciona solo.” El patrón habitual que se describe es un proyecto de puesta en marcha único (a menudo medido en semanas y no en trimestres) y, después, costes continuos de API de IA (por ejemplo, OpenAI o Anthropic) en lugar de licencias SaaS por usuario. Los detalles dependen de tu gobernanza, del modelo elegido y del volumen.

Este modelo suele encajar con equipos que:

  • quieren una automatización medible sin añadir otra interfaz de uso diario
  • prefieren pagar por el volumen real de procesamiento de IA
  • necesitan sincronización bidireccional para que los resultados vuelvan a d.vinci

Ve más allá de la preselección cuando estés listo

Una vez conectado Atlas, muchos equipos pasan a rutinas adyacentes, siempre con d.vinci como ATS:

  • programación y coordinación de entrevistas
  • borradores personalizados de correos de rechazo a escala
  • preselección por voz o vídeo con controles antispam (ver Sprad)
  • apoyo al sourcing activo (ver Atlas People Search)

Ese camino de “ampliar más adelante” importa. Te permite empezar con la preselección de CV en d.vinci, demostrar la gobernanza y el ROI, y automatizar después más pasos sin cambiar tu ATS principal.

Notas de gobernanza en la región DACH: RGPD, AI Act y comité de empresa (Betriebsrat), sin carácter vinculante

Si operas en Alemania, Austria o Suiza, la automatización de la preselección se mueve en un marco real de cumplimiento normativo y cogestión. Puedes diseñarla de forma responsable, pero necesitas las salvaguardas adecuadas.

RGPD: céntrate en la transparencia, la minimización y la intervención humana

El RGPD no prohíbe la IA. Sí exige una finalidad clara, salvaguardas adecuadas y un tratamiento cuidadoso de los datos personales. Dos anclas prácticas para diseñar la preselección de CV en d.vinci son:

  • Minimización de datos: extrae solo los campos necesarios para puntuar y ajusta la conservación a tu política de reclutamiento.
  • Supervisión humana: usa la IA como apoyo a la decisión, no como responsable automático de la decisión final.

Si valoras una “decisión automatizada”, revisa el art. 22 del RGPD en el texto oficial de EUR-Lex. Muchos equipos eligen una configuración conservadora: ordenación + razonamiento, y personas que deciden quién avanza.

AI Act de la UE: clasifica el caso de uso y documenta los controles

El AI Act de la UE trata muchos casos de uso de IA relacionados con el empleo como de alto riesgo y exige gestión de riesgos, documentación y supervisión. Las obligaciones exactas dependen del papel de proveedor o responsable del despliegue y de la clasificación del sistema. Como contexto de fuente primaria, consulta el portal del AI Act de la Comisión Europea en EU digital strategy.

En la práctica, para la preselección de CV en d.vinci necesitas:

  • criterios de scoring claros por puesto
  • explicabilidad (por qué se obtuvo esa puntuación)
  • registros de auditoría (qué se ejecutó, cuándo y con qué datos de entrada)
  • responsabilidad definida: los reclutadores y los hiring managers siguen siendo los responsables

Comité de empresa (Betriebsrat): implica pronto la cogestión en las reglas de selección

En Alemania, los comités de empresa pueden tener derechos de cogestión sobre las directrices de selección. Una referencia habitual es el §95 BetrVG, disponible en el sitio oficial del gobierno Gesetze im Internet. Si se aplica y cómo, depende de tu configuración exacta y debe valorarse con tus interlocutores internos.

Un diseño que suele ser más fácil de consensuar:

  • La IA ordena a los candidatos y redacta notas de preselección.
  • Nada de rechazo automático basado solo en la puntuación.
  • Los criterios están documentados y se pueden ajustar.
  • Los reclutadores pueden corregir y deben confirmar las decisiones.

Así la herramienta mantiene un papel de apoyo y refuerza la explicabilidad en las conversaciones de selección.

Checklist de evaluación: qué preguntar al comparar opciones de preselección de CV en d.vinci

Cuando los compradores buscan “preselección con IA para d.vinci”, muchas herramientas se parecen en las demos. Las diferencias aparecen en la profundidad de la integración, la gobernanza y cuánto trabajo sigue siendo manual.

Usa esta checklist para evaluar cualquier complemento de preselección de CV en d.vinci (incluido Atlas):

  • ¿Escribe los resultados de vuelta en d.vinci? Si los reclutadores tienen que vivir en otra interfaz, la adopción cae.
  • ¿Es explicable el scoring? Quieres un razonamiento breve y legible, no solo un número.
  • ¿Puedes puntuar frente a tu descripción de puesto real? No frente a una lista genérica de competencias.
  • ¿Puedes cambiar las reglas de scoring por familia de puestos? Ingeniería y ventas rara vez comparten las mismas señales.
  • ¿Cómo se gestionan los sesgos? Pregunta qué datos de entrada se usan, cuáles se excluyen y cómo se monitoriza la deriva.
  • ¿Qué controles de gobernanza existen? Registros de auditoría, aprobaciones, ajustes de conservación, controles de acceso.
  • ¿Dónde se alojan y se procesan los datos? Especialmente relevante para compradores de la región DACH y del sector público.
  • ¿Cuánto tarda la puesta en marcha? Incluye los plazos de TI, seguridad y comité de empresa.
  • ¿Cómo escala el precio? Por usuario o por procesamiento de IA según el uso cambia tu economía unitaria.
  • ¿Puede ir más allá de la preselección? Programación, borradores de rechazo, apoyo al sourcing, workflows de onboarding.

Si un proveedor no sabe responder a esto con claridad, el riesgo es que compres “una IA que redacta textos” en lugar de una automatización que reduzca la carga de trabajo dentro de d.vinci.

Dónde encaja Sprad + Atlas en un stack de reclutamiento con d.vinci

Sprad es una plataforma de RR. HH. con la IA por delante (entre sus clientes hay marcas como Zalando y Dior, y empleadores del sector público como la ciudad de Stuttgart). Tiene tres pilares: workflows de talent management, un sistema de recomendaciones de empleados y Atlas como coworker de IA en todo el stack de RR. HH.

Para un cliente de d.vinci, eso suele significar:

  • d.vinci sigue siendo el ATS y la columna vertebral del proceso.
  • Atlas se convierte en la capa de automatización e inteligencia para workflows como la preselección de CV en d.vinci.
  • Con el tiempo, puedes ampliar la automatización a referrals, sourcing, onboarding y rutinas de personas.

Si las recomendaciones forman parte de tu mix de contratación, el pilar de referrals está diseñado para integrarse con los workflows de ATS existentes y usa varios canales (incluidos WhatsApp, SMS, Teams, Slack y correo electrónico). Una referencia de partida es el sistema de recomendaciones de empleados de Sprad, que a menudo se presenta como un canal de alto ROI que se beneficia de una preselección más rápida cuando los candidatos llegan al ATS.

Notas prácticas de implantación: qué significa “módulo conectado” en la vida real

“Integración” puede significar cualquier cosa, desde una exportación CSV hasta un workflow totalmente bidireccional. Para la preselección de CV en d.vinci, conviene buscar una configuración en la que Atlas pueda leer y escribir:

  • Leer: perfil del candidato + CV + descripción del puesto + contexto de fase y estado.
  • Escribir: puntuación, nota de justificación, etiquetas y, opcionalmente, la siguiente acción sugerida.

Durante la puesta en marcha, define pronto tres cosas:

  1. Tu rúbrica de scoring por puesto. Imprescindibles, deseables y ponderación.
  2. Tu “formato de explicabilidad”. Un párrafo breve que los hiring managers puedan leer rápido.
  3. Tu límite de gobernanza. Solo ordenar, o ordenar + mover de fase automáticamente (muchos equipos empiezan solo con la ordenación).

Esa claridad previa evita el fallo más común: una puntuación de IA que parece ingeniosa pero no se corresponde con cómo deciden tus hiring managers.

Si empiezas con la preselección de CV en d.vinci, ¿cuál es la siguiente automatización con más impacto?

La preselección suele ser el primer paso porque es repetitiva y fácil de medir. Cuando funciona, el siguiente workflow suele estar justo al lado: coordinar entrevistas y mantener alineados a los stakeholders.

Atlas está diseñado para ejecutar rutinas en las herramientas en las que tu equipo ya trabaja (calendario, correo, Slack/Teams, ATS). Si quieres una visión más amplia de ese enfoque de “IA en todo el stack”, Sprad lo plantea en el Sprad Workspace.

A partir de ahí, las ampliaciones habituales son:

  • Briefings para hiring managers: un mensaje semanal que resume el pipeline y los bloqueos.
  • Programación: proponer huecos, enviar reservas y reducir el ir y venir.
  • Borradores de comunicación con candidatos: mensajes coherentes y específicos por puesto que los reclutadores aprueban.
  • Sourcing activo: encontrar y ordenar perfiles, y hacer seguimiento del contacto (ver People Search).

Por qué esto importa para la preselección de CV en d.vinci: no quieres una solución puntual que mejore un paso y deje el resto igual. Un enfoque de módulo conectado te permite acumular ahorro de tiempo a lo largo de todo el flujo de reclutamiento.

FAQ: respuestas directas sobre la preselección de CV en d.vinci con un módulo de scoring externo

¿Sustituye esto a d.vinci?

No. La idea es mantener d.vinci como tu ATS y añadir Atlas como capa de automatización que lee de d.vinci y escribe de vuelta en él.

¿Atlas rechaza candidatos automáticamente?

Se puede configurar de distintas maneras, pero muchos equipos de la región DACH empiezan solo con la ordenación y un razonamiento transparente. Las personas deciden quién avanza.

¿Qué significa “scoring transparente” en la práctica?

Cada puntuación va acompañada de una justificación breve: qué requisitos se cumplen, qué carencias hay y qué evidencias del CV respaldan la valoración. Eso hace que la preselección de CV en d.vinci sea auditable y más fácil de comentar con los hiring managers.

¿Puede el scoring reflejar nuestros requisitos reales?

Ese es el objetivo central del diseño: puntuar frente a tu descripción de puesto y tus criterios reales, no frente a listas genéricas de palabras clave. Se puede añadir, de forma opcional, un scoring por patrones de éxito con controles de gobernanza.

¿Cómo afecta esto al RGPD y a los comités de empresa?

La IA en el ámbito laboral exige una gobernanza cuidadosa. Muchos equipos reducen el riesgo usando la IA como apoyo a la decisión (ordenación + razonamiento), documentando los criterios, limitando los datos a lo necesario y manteniendo a las personas como responsables de las decisiones. Como contexto legal, consulta textos oficiales como el RGPD en EUR-Lex y el §95 BetrVG en Gesetze im Internet.

¿Qué deberíamos medir para demostrar el valor?

Mide el tiempo de preselección por puesto, el tiempo desde la candidatura hasta la primera invitación a entrevista, la calidad de la shortlist (por ejemplo, la tasa de entrevista a oferta) y la satisfacción de los hiring managers con la claridad de la shortlist. Esas métricas muestran si la preselección de CV en d.vinci se está volviendo más rápida y más coherente.

Una forma realista de avanzar (sin convertirlo en un megaproyecto de TI)

Si quieres probar el scoring con IA sobre d.vinci, un camino seguro es un piloto acotado:

  1. Elige una familia de puestos con contratación recurrente y criterios claros.
  2. Define los imprescindibles y los deseables en lenguaje llano.
  3. Ejecuta el scoring de Atlas en paralelo a la preselección humana durante un periodo corto.
  4. Compara la coincidencia de las ordenaciones y ajusta la rúbrica.
  5. Después, escribe las puntuaciones de vuelta en d.vinci para que los reclutadores sigan en un único flujo.

Este enfoque mantiene estable la preselección de CV en d.vinci mientras validas la calidad del scoring, la explicabilidad y la gobernanza.

Si quieres más detalle de producto sobre cómo plantea Sprad el diseño de workflows y la automatización en las herramientas de RR. HH., los mejores puntos de entrada son Sprad Automate, para workflows llave en mano, y las integraciones de Sprad, para el modelo de “conectarlo todo y escribir de vuelta los resultados”.

Jürgen Ulbrich

CEO y cofundador de Sprad

Jürgen Ulbrich cuenta con más de una década de experiencia en la creación y dirección de equipos y empresas de alto rendimiento. Como experto en programas de recomendación de empleados y en procesos de feedback y desempeño, Jürgen ha ayudado a más de 100 organizaciones a optimizar sus estrategias de captación y desarrollo de talento.

Plantillas y descargas gratuitas

Únete a la comunidad en solo 26 segundos y accede gratis a más de 100 recursos, plantillas y guías.

Plantilla gratuita de marco de competencias (Excel y Sheets)
Vídeo
Gestión de skills
Plantilla gratuita de marco de competencias (Excel y Sheets)
Plantilla gratuita de matriz de skills para Excel y Google Sheets
Vídeo
Gestión de skills
Plantilla gratuita de matriz de skills para Excel y Google Sheets

La People Powered HR Community es para profesionales de RR. HH. que ponen a las personas en el centro de su trabajo de RR. HH. y reclutamiento. Juntos, convirtamos nuestra convicción compartida en un movimiento que transforme el mundo de RR. HH.