CareerCore AI

CareerCore AI adapta CV, carta y correo a cada vacante sin inventar experiencia ni borrar la identidad profesional. Detecta fortalezas transferibles, brechas y compatibilidad ATS.

Comment

Inspiración

La búsqueda laboral muchas veces obliga a adaptar el CV a cada oportunidad. El problema es que, en ese proceso, es fácil terminar usando textos genéricos, exagerando experiencias o perdiendo la identidad profesional del candidato.

CareerCore AI nació para resolver esa tensión: adaptar la postulación, no la identidad.

Qué hace

CareerCore AI es un asistente personal para organizar y mejorar postulaciones laborales. Permite cargar un CV y un aviso para:

  • Identificar coincidencias entre la experiencia y la vacante.
  • Diferenciar experiencia directa y competencias transferibles.
  • Detectar brechas sin ocultarlas ni inventar antecedentes.
  • Revisar criterios concretos de compatibilidad ATS.
  • Proponer cómo priorizar el contenido del CV.
  • Generar una carta de presentación y un correo de postulación.
  • Conservar el CV maestro y su diseño original.
  • Organizar versiones, entrevistas e historial de postulaciones.

Cómo lo construí

Construí el MVP con ChatGPT Work, Codex y OpenAI Sites. Partí de mi propia experiencia en búsqueda laboral y definí las reglas de producto, el recorrido del usuario y el criterio principal: toda adaptación debe estar respaldada por información real del CV.

Codex ayudó a transformar la idea en una aplicación web funcional, desarrollar la interfaz, implementar el análisis demostrativo, generar documentos descargables y corregir problemas detectados durante las pruebas en computadora y celular.

Desafíos

El principal desafío fue generar una adaptación útil sin convertir el CV en un documento genérico ni atribuirle al candidato experiencia que no posee.

También fue necesario diferenciar claramente:

  • Compatibilidad profesional con una vacante.
  • Legibilidad técnica para sistemas ATS.
  • Evidencia directa.
  • Capacidades transferibles.
  • Brechas reales.

Durante las pruebas descubrí que algunos resultados iniciales eran demasiado repetitivos y que las descargas no conservaban correctamente el documento maestro. Por eso ajusté el MVP para transparentar sus alcances, preservar el CV original y reemplazar métricas artificiales por verificaciones concretas.

Logros

Logré convertir una necesidad personal y recurrente en un producto web funcional, con un flujo claro desde la carga del CV hasta la preparación de los documentos de postulación.

El MVP ya permite demostrar el concepto central: la inteligencia artificial puede ayudar a presentar mejor la experiencia de una persona sin inventarla ni borrar su identidad profesional.

Qué aprendí

Esta fue mi primera experiencia construyendo una aplicación con Codex. Aprendí a traducir conocimiento operativo y de negocio en requisitos de producto, probar resultados, detectar inconsistencias y trabajar iterativamente con IA hasta obtener una solución demostrable.

También confirmé que la transparencia es esencial: una herramienta de empleo debe explicar qué encontró, en qué evidencia se apoya y qué aspectos todavía representan una brecha.

Próximos pasos

La siguiente versión incorporará análisis integral del CV mediante GPT-5.6, generación dinámica de documentos conservando el diseño seleccionado, evaluación ATS más profunda, historial persistente, seguimiento de postulaciones y preparación personalizada para entrevistas.

Built With

Share this project:

Updates