Contexto técnico
Vi una demostración y lo que me llamó la atención no fue la interfaz bonita, sino el stack tecnológico. Muestra la automatización de IA en torno a SmolLM 3 de Hugging Face: un modelo pequeño, datasets abiertos como FineWeb y FinePDF, y un escenario muy realista donde se necesita extraer una estructura de currículums en PDF.
Esto me gusta por una razón: no intentan forzar un modelo enorme en una tarea que requiere un pipeline de extracción preciso. Para la implementación de IA en RRHH, este es el enfoque sensato: primero el análisis sintáctico (parsing), luego la normalización, después la validación de campos, y no un único prompt mágico para todo.
Si observamos la mecánica, la idea es simple. El PDF pasa por una capa de extracción de texto, luego el SLM identifica entidades como experiencia, stack tecnológico, contactos, fechas y habilidades, y finalmente un workflow organiza todo en un formato estructurado para un ATS o CRM.
Y aquí me detuve. En la práctica, la parte más molesta no es la inferencia, sino las entradas desordenadas: CV de dos columnas, fuentes extrañas, tablas, maquetación rota. FinePDF no está ahí por estética, sino para evitar que el modelo y el pipeline fallen con el primer currículum de diseño.
Otra señal importante de la demo: la apuesta no es por un «agente que lo resolverá todo por sí mismo», sino por la orquestación de pasos. Yo mismo, en sistemas así, casi siempre construyo un pipeline determinista con etapas explícitas y reinicios, porque el negocio no necesita magia, sino repetibilidad.
Impacto en el negocio y la automatización
Para el reclutamiento, el beneficio es muy concreto. El equipo deja de transcribir manualmente los currículums en los campos del sistema, y el tiempo de la primera selección se reduce drásticamente, especialmente en procesos masivos.
Ganan las empresas con contratación masiva, las operaciones internas de RRHH y el reclutamiento externalizado. Pierden quienes esperan que un LLM «de caja» sin configuración entienda las plantillas de CV locales, la jerga del sector y los PDF mal formateados.
La segunda ventaja práctica es el coste. SmolLM 3 abre un camino viable para las soluciones de IA para empresas allí donde antes el presupuesto se agotaba por un modelo grande o por el trabajo manual, que nadie consideraba como un gasto de infraestructura.
Pero sigue siendo necesario construirlo uno mismo y con una mentalidad de ingeniería: enrutamiento, control de calidad, registro de logs, escenarios de fallback. En Nahornyi AI Lab resolvemos precisamente este tipo de cosas para nuestros clientes, cuando no solo necesitan ver una demo, sino integrar la automatización con IA en un proceso real de contratación, gestión de documentos o soporte. Si tienes un cuello de botella similar, podemos analizar juntos el workflow y desarrollar una solución de IA sin todo el teatro que rodea a los «agentes inteligentes».