---

Notas introductorias sobre el problema de la búsqueda de candidatos

Un día, en nuestro canal de Slack, se desató una discusión sobre cómo podríamos mejorar la búsqueda de candidatos. Uno de los desarrolladores planteó una cuestión importante: "¿Cómo podemos garantizar que los datos personales de los candidatos no se vean comprometidos al utilizar nuestra herramienta?" No era solo un problema hipotético; estaba en juego la reputación de nuestra empresa y la confianza de los usuarios.

Por qué es importante

En un contexto de creciente competencia en el mercado laboral, la capacidad de encontrar y seleccionar candidatos de manera efectiva se vuelve crítica. Trabajamos con numerosos currículos y datos que contienen información sensible. La violación de la privacidad puede acarrear no solo consecuencias legales, sino también la pérdida de confianza por parte de los usuarios, lo que a su vez afectaría negativamente a nuestro producto. Por ello, entendíamos que resolver este problema requería una atención especial.

Problema específico

Uno de los escenarios que consideramos incluía el caso en el que los datos de un candidato podrían ser enviados accidentalmente a terceros a través de la API. Esto ocurría cuando nuestro algoritmo de coincidencia intentaba encontrar similitudes entre currículos y ofertas de trabajo, sin tener en cuenta las restricciones de acceso a la información personal. Este caso nos dio la señal de que era necesario revisar nuestra arquitectura.

Primeros pasos y fracasos

Comenzamos analizando las soluciones existentes en el mercado. Uno de los primeros enfoques fue utilizar métodos tradicionales de cifrado de datos. Sin embargo, después de varias iteraciones, nos dimos cuenta de que esta solución no proporcionaba la suficiente flexibilidad para trabajar con los datos en el futuro. Esto nos llevó a pensar que necesitábamos algo más especializado que los métodos de cifrado estándar.

Enfoque técnico

Finalmente, decidimos integrar un enfoque basado en privacidad diferencial. Este método nos permite realizar análisis de datos sin revelar información personal, añadiendo ruido aleatorio a los datos. Como resultado, pudimos utilizar los datos para mejorar la calidad del reclutamiento sin comprometer la privacidad. Un ejemplo de código que ilustra este enfoque:

import numpy as np

def add_noise(data, epsilon):
    noise = np.random.laplace(0, 1/epsilon, size=data.shape)
    return data + noise

Este método no solo nos ayudó a proteger los datos, sino que también mejoró la calidad de la selección de candidatos, lo que tuvo un impacto positivo en la experiencia del usuario.

Cambios en el producto

Tras implementar el nuevo enfoque, comenzamos a notar cambios positivos en nuestro producto. La calidad de la coincidencia de candidatos aumentó y recibimos comentarios favorables de los usuarios. Además, pudimos mejorar las secciones en /jobs y /for-candidates, ofreciendo recomendaciones más precisas, mientras manteníamos la confidencialidad de los datos. Nuestro equipo también actualizó la documentación para reflejar los nuevos mecanismos de protección de datos.

Lo que aprendimos

A lo largo de este proceso, hicimos varios descubrimientos inesperados:

• El uso de la privacidad diferencial no solo protege los datos, sino que también mejora la calidad del análisis.
• A menudo, las soluciones más simples resultan ser las más efectivas.
• Es importante no solo implementar la protección, sino también explicar a los usuarios cómo funciona.

Qué significa esto para los candidatos

Para los candidatos, nuestra solución significa que sus datos personales están seguros. Pueden estar seguros de que, al enviar sus currículos en la plataforma, su información no será compartida con terceros. Nos esforzamos por crear un entorno de confianza para la búsqueda de empleo, lo cual es un aspecto importante en el mundo actual.

Qué significa esto para los reclutadores

Para los reclutadores, esto significa que pueden utilizar nuestra plataforma de manera efectiva para buscar candidatos, sin temor a filtraciones de datos. Las herramientas que ofrecemos ahora permiten encontrar candidatos adecuados, sabiendo que se cumplen todas las medidas de seguridad necesarias. Esto simplifica significativamente el proceso de selección y mejora su calidad.

Próximos pasos

A pesar de los resultados alcanzados, aún nos queda mucho trabajo por hacer. Seguimos atentos a nuevos enfoques en el ámbito de la protección de datos y estamos considerando la posibilidad de implementar medidas adicionales, como el uso de blockchain para el almacenamiento de currículos. Si pudiéramos empezar de nuevo, habríamos realizado un análisis más detallado de las soluciones existentes en etapas más tempranas del proyecto, para evitar algunos de los errores iniciales. Estamos convencidos de que seguir trabajando en la protección de datos hará que nuestra plataforma sea aún más confiable y efectiva. ---