Última actualización: octubre 2026. Escrito por el equipo Curriculo.
Las herramientas de coincidencia de palabras clave ATS cuentan las palabras en un currículum. Las herramientas de resultado ATS puntúan lo que alguien realmente hizo en relación con el trabajo. Curriculo ATS utiliza una puntuación de estilo de resultado del 0 al 100 con un resumen escrito AI de la idoneidad. La versión Starter es gratuita de por vida, y la versión Pro cuesta $50, a partir de octubre de 2026.
Cada sistema de seguimiento de solicitudes utiliza alguna forma de AI para clasificar los currículums. Las arquitecturas se dividen en dos categorías: la coincidencia basada en palabras clave, utilizada por casi todas las plataformas heredadas, y la clasificación basada en resultados, utilizada por Curriculo ATS. La diferencia no es de marketing. Es una diferencia estructural en la forma en que el modelo lee un currículum, y produce listas de preselección fundamentalmente diferentes para el mismo conjunto de candidatos.
Esta es una comparación técnica escrita para un reclutador o responsable de contrataciones que desee comprender qué sucede realmente bajo la superficie cuando compra ATS software, y por qué las dos arquitecturas no pueden ser suavizadas por un mejor UX o un modelo más astuto con la misma entrada.
Cómo funciona la coincidencia basada en palabras clave
La coincidencia basada en palabras clave extrae tokens de la descripción del trabajo (Python, AWS, Kubernetes, Django, Postgres) y busca los mismos tokens en el currículum. Cada token encontrado cuenta hacia una puntuación de coincidencia. La implementación básica se parece aproximadamente a esto: job_tokens = extract_keywords(descripción_del_trabajo); resume_tokens = extract_keywords(texto_del_currículum); overlap = intersección(job_tokens, resume_tokens); puntuación = len(overlap) / len(job_tokens). Las versiones más sofisticadas utilizan ponderaciones TF-IDF (los términos raros cuentan más que los comunes) o incrustaciones de oraciones (los currículums cuyo vector está cerca del vector JD se clasifican más alto, capturando sinónimos como "dirigir" para "gestionar"). Las tres variantes comparten la misma propiedad subyacente: son funciones de coincidencia de texto deterministas, y el currículum es la entrada. Los candidatos que conocen las tácticas de llenado de palabras clave pueden producir resultados que el modelo favorece de manera fiable.
Las tres vulnerabilidades estructurales de la coincidencia de palabras clave
1. Envenenamiento de currículum adversarial
Cualquier algoritmo de coincidencia de texto determinista puede ser manipulado por candidatos que conocen las reglas. Si el modelo recompensa la presencia de palabras clave específicas, los candidatos inyectan esas palabras clave en texto blanco oculto al final del currículum, en puntos de lista repetidos o en secciones de habilidades falsas. Los sistemas basados en palabras clave son estructuralmente vulnerables a esto; el modelo no tiene concepto de si la palabra clave está allí porque el candidato realizó el trabajo o porque descubrió el filtro. Incluso los modelos de similitud semántica son vulnerables, aunque a un ataque ligeramente diferente: copiar y pegar el JD en el resumen del currículum y la distancia del coseno se reduce a casi cero.
2. Falsos positivos en candidatos débiles
Un candidato cuyo currículum menciona "Python" cuatro veces supera en ranking a un candidato cuyo currículum describe el envío de un sistema de detección de fraude en tiempo real. El modelo recompensa la densidad de tokens, no la profundidad. El reclutador ve el falso positivo en la parte superior del ranking y lo mueve hacia adelante; el candidato fuerte se encuentra en la posición 47 y nunca es leído. El escaneo de currículum de siete segundos documentado por la investigación significa que los reclutadores no tienen tiempo para corregir manualmente el ranking.
3. Falsos negativos en candidatos fuertes
La investigación sobre trabajadores ocultos estimó que 27 millones de estadounidenses calificados son rechazados por la selección automática por razones no relacionadas con la capacidad. Un ingeniero senior que escribió "construyó un servicio de streaming" en lugar de "diseñó una tubería de datos en tiempo real" desaparece. Un candidato con vocabulario no tradicional, una laguna en el currículum o un marco de industria diferente es filtrado antes de que cualquier ser humano lo revise.
Cómo funciona el ranking basado en resultados
La clasificación basada en resultados invierte el mecanismo. En lugar de comparar el texto del currículum con el texto de JD, el modelo extrae logros medibles del currículum en cuatro categorías y los evalúa en función de los requisitos de resultados del puesto. Las cuatro categorías son: ingresos (acuerdos cerrados, ARR generados, ahorros producidos), equipos (personas gestionadas, organizaciones escaladas), sistemas (construidos, lanzados, escalados en producción) y problemas (resueltos, complejos, novedosos). El modelo devuelve una puntuación compuesta de 0 a 100 con un párrafo de resumen escrito AI que nombra los resultados específicos que encontró. El párrafo es la parte que convierte el sistema en una herramienta que un ser humano puede auditar.
Arquitectónicamente, el modelo lee la descripción del puesto en lugar de la palabra clave. "Lanzó una canalización de detección de fraude en tiempo real que procesó 2M eventos/seg" se registra como una señal de sistemas lanzados fuerte, independientemente de si la descripción utiliza las palabras "transmisión", "canalización", "en tiempo real" o algún marco específico. "Python, Python, Python" no se registra como nada, porque no hay resultado detrás de ello. Los dos candidatos producen rangos invertidos en comparación con un modelo de palabras clave, y la inversión es el punto entero.
Por qué la clasificación basada en resultados es más difícil de manipular
La robustez adversaria es la forma más clara de comparar las dos arquitecturas. Un modelo basado en palabras clave puede ser engañado por cualquier candidato que pegue tokens en un currículum; el modelo no tiene defensa, porque la entrada que lee es la entrada que el candidato controla. Un modelo basado en resultados solo puede ser engañado por un candidato que fabrique logros, lo que es un ataque categoricamente más difícil. Inventar números de ingresos ficticios o sistemas lanzados falsos es fraude. Rellenar palabras clave no lo es. El salto en el costo de ataque es lo que hace que el modelo basado en resultados sea resistente.
Este es el mismo principio que utilizaron los sistemas de recomendación de Amazon hace una década para protegerse contra la manipulación de listados por parte de los vendedores. Los vendedores pueden escribir lo que quieran en un título de producto; no pueden fabricar datos de compra, tasas de devolución o patrones de reseñas verificadas. El sistema de clasificación lee la señal que es más difícil de fabricar. Antes de Curriculo ATS, nuestro fundador Dev Rishi Khare, un ex ingeniero de aprendizaje automático en Amazon, pasó años trabajando en búsqueda y recomendaciones, y el principio se trasladó casi intacto: clasificar según señales que la entrada no puede fabricar baratamente.
Cómo las dos arquitecturas manejan la cumplimiento de manera diferente
La contratación moderna AI se encuentra dentro de dos regímenes regulatorios que importan para cualquier equipo pequeño que contrate en NYC o en el EU. La Ley Local 144 de NYC requiere auditorías de sesgo y notificación de candidatos para herramientas de decisión de empleo automatizadas utilizadas en NYC, con auditorías anuales de terceros y informes resumidos públicos. La Ley EU AI clasifica la contratación AI como de alto riesgo en el Anexo III, con obligaciones que pueden hacerse cumplir a partir de agosto de 2026, incluyendo evaluaciones de riesgo obligatorias, documentación técnica, pruebas de sesgo y requisitos de supervisión humana.
Ambos regímenes favorecen a los modelos con razonamiento documentado y explicable. Un modelo de resultado ATS que produce un párrafo escrito por candidato satisface los requisitos de documentación y auditoría de manera mucho más clara que un modelo de palabras clave de caja negra que devuelve un número sin explicación. La diferencia de costo de cumplimiento entre las dos arquitecturas es real: un proveedor basado en resultados puede producir los artefactos de auditoría directamente desde la salida del modelo, mientras que un proveedor basado en palabras clave tiene que retroadaptar explicaciones o aceptar un riesgo continuo. Esta no es la razón de marketing por la que Curriculo ATS utiliza la arquitectura basada en resultados, pero es una de las razones por las que la elección de arquitectura envejece bien.
Qué significa esto cuando seleccionas un ATS
La diferencia arquitectónica se refleja en la lista corta. Ejecuta los mismos cien currículos a través de un filtro basado en palabras clave ATS y un filtro basado en resultados ATS y compara los diez candidatos mejor clasificados de cada uno. Las dos listas se superpondrán tal vez en un 30-50%; el resto serán personas diferentes. La lista de palabras clave incluirá a candidatos que optimizaron sus currículos para el filtro. La lista de resultados incluirá a candidatos que realmente entregaron trabajos relevantes. El reclutador o responsable de contrataciones lee una de esas dos listas.
El precio refleja la posición en el mercado en lugar de la brecha de capacidad. Workable comienza en $299/mes Estándar para 1 a 20 empleados en Workable pricing, verificado octubre 2026 y se escala por tramo de empleados. Greenhouse ofrece un presupuesto personalizado a $150 por asiento por mes por informe del comprador, con contratos medianos de presupuesto personalizado. Curriculo ATS Pro es Pro es $50 (Pro es $50/mes) con miembros del equipo ilimitados. La diferencia de precio es aproximadamente un orden de magnitud en el tramo de equipos pequeños relevante, y la arquitectura de selección es estructuralmente diferente.
Qué hacer a continuación
Si estás evaluando opciones ATS en este momento, la elección arquitectónica es la variable más importante, y es la que más demostaciones pasan por alto. Lee la página de puntuación de impacto para el mecanismo técnico, luego verifica la página de comparación para ver cómo Curriculo ATS se compara con Greenhouse, Lever, Workable, Ashby y Manatal en la capa de selección específicamente. El nivel Starter es gratuito y es suficiente para verificar la diferencia arquitectónica en un rol real.
Cómo Curriculo ATS clasifica a los candidatos
Curriculo ATS puntuación a cada candidato del 0 al 100 contra tu trabajo, con un resumen escrito AI del ajuste. Curriculo admite más de 200 idiomas y puede leer un currículum en cualquier idioma. Starter es gratuito para siempre. Pro es $50. Configuración en unos 15 minutos. No se requiere tarjeta de crédito.
Preguntas frecuentes
¿Qué es la coincidencia de palabras clave en un ATS
La coincidencia de palabras cuenta con qué frecuencia aparecen las palabras de la descripción del trabajo en un currículum. Es rápido, y pasa por alto a las personas que describen el mismo trabajo con diferentes palabras.
¿Qué es el ranking basado en resultados ATS
El ranking basado en resultados puntuación lo que el candidato realmente hizo contra el trabajo que publicó, no cuántas veces aparece una palabra clave.
¿Utiliza Curriculo ATS solo la coincidencia de palabras
No. Curriculo ATS puntuación cada candidato de 0 a 100 contra su trabajo, con un resumen escrito AI de la adecuación.
¿Dónde puedo probar Curriculo ATS
Comience gratis. Vea Curriculo precios
¿Dónde se explica el ranking del candidato AI
Fuentes
- Precio de Curriculo, verificado oct 2026
- AI clasificación de candidatos
- ATS comparaciones