Los controles bloquean, no avisan: un agente de IA en mi búsqueda de empleo

Este artículo se basa en el repositorio Job Search Agent System. El sistema que uso a diario es privado; el repositorio público contiene su diseño, sus decisiones e implementaciones de referencia escritas desde cero con datos inventados. Las cifras son las del propio repositorio, al 13 de octubre de 2026. No se puede identificar a ningún empleador, oferta ni persona.

Cientos de decisiones pequeñas

Buscar trabajo no es una decisión, sino cientos de decisiones pequeñas a la semana: qué oferta merece una lectura atenta, cuál descartar, qué debe destacar cada CV, qué responder en un formulario. Desde agosto de 2026, un agente de IA hace conmigo la mayor parte de esa lectura y esa escritura. Hasta mediados de octubre pasaron por su radar unas 14.800 ofertas, analizó 822 por escrito y se enviaron 77 postulaciones.

La velocidad nunca fue el problema. El problema es que un agente que escribe rápido también puede escribir mal, y con total seguridad: inventar un dato que suena verosímil, olvidar una regla acordada dos semanas antes o adjuntar un CV armado para otro empleador. En una búsqueda de empleo cada uno de esos errores es público y no tiene vuelta atrás. Así que el trabajo interesante no fue hacer capaz al agente, sino decidir qué no puede hacer por su cuenta.

Una aprobación atada al texto exacto

Nada sale sin mi aprobación, y aprobar no es marcar una casilla. Cuando apruebo un CV o una carta, el sistema guarda una huella del texto exacto que leí. Basta que cambie un solo carácter después: que el agente "mejore" una frase o que una plantilla se regenere distinta. La huella deja de coincidir y el documento queda bloqueado hasta que lo vuelva a leer. Ninguno de los 77 documentos enviados salió sin esa aprobación de su texto completo.

La clave del diseño es que la aprobación pertenece al texto, no a la tarea. "Aprobé postular a este cargo" dice mucho menos que "aprobé estas palabras exactas", y solo lo segundo resiste a un agente que sigue editando.

Los controles bloquean, no avisan

Cada postulación pasa por doce verificaciones antes de poder enviarse, y todas bloquean. No hay advertencias. Una advertencia le pide a alguien cansado, de noche, que sopese un mensaje que ya vio cincuenta veces; se descarta justo cuando importa. Un control que bloquea convierte la misma regla en algo que no se puede saltar por descuido: o se cumple la condición, o el documento no avanza.

Algunos controles son mecánicos, como un archivo que debe existir o una sección que no puede superar cierto largo. Otros guardan lecciones. Una vez, un formulario de postulación rápida adjuntó el primer archivo de mi lista en lugar del CV adaptado, y ese portal no permite reemplazarlo. El control que salió de ahí es aburrido y eficaz: el archivo que muestra la pantalla de revisión se verifica por su nombre, y el orden de los pasos es fijo. El CV se arma, se aprueba y se carga antes siquiera de abrir las preguntas del formulario.

Cada dato vive en un solo archivo

El control más eficaz contra los datos inventados es estructural. Todo lo que un CV puede afirmar vive en un fragmento pequeño y verificado: un cargo, un resultado, una habilidad con su evidencia. Son unos ochenta. El CV de cada oferta solo elige y ordena fragmentos; nunca escribe una afirmación nueva. Si el agente quiere decir algo que no está en un fragmento, la respuesta no es dejarlo, sino escribir y verificar primero ese fragmento.

La misma idea cubre lo que se quitó a propósito: una cifra que después se volvió a medir con más prudencia, un detalle que no debía circular. Mantenerlos fuera dependía de la memoria, y bastaba copiar un párrafo antiguo en un fragmento nuevo para que uno volviera. Ahora hay una lista de afirmaciones retiradas que se busca en el texto extraído de cada PDF generado. Un script no olvida.

Las reglas llevan fecha

Mis propios criterios cambiaron durante la búsqueda: una categoría de cargos que había descartado en mi ciudad volvió a interesarme. La regla cambió; los descartes que había justificado, no, incluido uno cuya oferta seguía abierta. Desde entonces, mis reglas son datos con fecha, y un script lista cada descarte vigente que se apoya en una regla ya superada. Cambiar de opinión reabre las decisiones que dependían de ella, en vez de dejarlas equivocadas sin que nadie lo note.

Medir al agente contra mí

Un agente que nunca se mide termina haciendo lo que parece productivo. Este se evalúa contra mis decisiones, en las dos direcciones. De las 33 ofertas que recomendó, postulé a 24, descarté 8 y dejé 1 pendiente. De las 789 que descartó en la primera revisión, reabrí 5. Juntas, las dos cifras dicen algo útil: rara vez hubo que revertir sus descartes, mientras que sus recomendaciones son más generosas que mi propio criterio. Es el lado más seguro para equivocarse: una oportunidad perdida no se ve; una mala postulación, sí.

Un error le dio forma a la propia evaluación. Un análisis anotó como fortaleza mi distancia respecto de una oferta de nivel inicial: varias veces la experiencia pedida y un posgrado. Nadie llamó. Un reclutador lee la sobrecalificación como "se va a ir pronto". Ahora cuenta como riesgo y baja el puntaje de seniority.

Lo que le diría a quien vaya a construir uno

• Ata la aprobación al contenido, no a la intención. Si el texto puede cambiar después de que lo apruebas, no aprobaste nada.
• Que el camino seguro sea el único camino. Toda regla que importe debería bloquear. Una regla que solo advierte termina ignorada.
• Mide al agente contra la persona, en ambas direcciones. Lo que recomienda y lo que descarta dicen cosas distintas, y hacen falta las dos para confiar en él.

Diseñé el proceso, las reglas y los controles, y opero el sistema a diario; buena parte del código lo escribió el agente bajo mi dirección y revisión. Está construido sobre Claude Code (skills, hooks y memoria). La arquitectura, las decisiones, la lista completa de lecciones y el código de referencia están en el repositorio público. This article is also available in English.