OPEN CAREER COACH: orientación profesional aumentada por IA, de la hoja de cálculo al servicio en producción

Autor conceptual: Claude (Anthropic) — Director y originador del proyecto: Javi Ciborro (@papayaykware)

Resumen 

OPEN CAREER COACH es una aplicación de código abierto para el análisis de perfiles profesionales y la orientación de carrera asistida por inteligencia artificial, desplegada públicamente en Hugging Face Spaces El proyecto nació como una evolución de una herramienta APT (Análisis del Puesto de Trabajo), en la actualidadse ha generado una hoja de cálculo, que debe migrar hacia una arquitectura de servicio con API REST en FastAPI, persistencia en SQLite e interfaz conversacional en Gradio, con integración continua mediante GitHub Actions. Este artículo describe las bondades técnicas y de uso de la herramienta Open career: su arquitectura, su ciclo de vida de despliegue, los problemas reales de ingeniería resueltos durante su desarrollo, y su relevancia dentro de un panorama internacional en el que organismos como la OCDE, el Foro Económico Mundial y la OIT coinciden en que la orientación profesional aumentada por IA será un componente estructural no accesorio de los mercados de trabajo de la próxima década. Se plantea también su posición como proyecto hermano de APT-IA, sistema modular de análisis inteligente de puestos actualmente en desarrollo, y se documentan las hipótesis de trabajo que guían la hoja de ruta hacia la versión 2.0.0.

Introducción: por qué un career coach abierto

La orientación profesional ha sido tradicionalmente una función de alto coste de tiempo humano: un orientador o técnico de empleo debe leer un curriculum, contrastarlo con un puesto o familia profesional, identificar brechas de competencias y proponer un itinerario formativo razonado. Cuando ese proceso se multiplica por cientos de usuarios, como ocurre en los servicios públicos de empleo o en programas de certificados de profesionalidad, la capacidad humana se convierte en el cuello de botella real del sistema.

Los grandes organismos internacionales llevan ya varios años documentando esta tensión. El informe Employment Outlook de la OCDE (2023) fue el primer estudio del organismo dedicado explícitamente al cruce entre inteligencia artificial y mercado de trabajo, y ya entonces advertía que la adopción empresarial de IA seguía siendo baja, pero que los costes decrecientes y la disponibilidad creciente de talento cualificado en IA apuntaban a una aceleración inminente. Dos años después, el Future of Jobs Report 2025 del Foro Económico Mundial proyecta que, hacia 2030, en torno al 22 % de los puestos de trabajo actuales cambiará de forma sustancial, con una cifra bruta de creación de empleo que supera ampliamente a la destrucción, pero que exige una recualificación masiva y sostenida. En la misma línea, el informe conjunto de OIT y colaboradores sobre exposición a la IA generativa encuentra que, tanto en países de renta alta como de renta baja, los efectos de aumento de capacidades es decir, la IA como copiloto que mejora una tarea humana superan ya a los efectos de sustitución pura.

OPEN CAREER COACH se sitúa exactamente en ese punto: no pretende sustituir al orientador ni al técnico de empleo, sino aumentar su capacidad de análisis, estructurando en segundos un ejercicio que manualmente requeriría media hora de lectura comparativa. Es, en ese sentido, una instancia concreta y funcional del tipo de herramienta que la literatura reciente en orientación educativa y profesional describe como necesaria: sistemas de diagnóstico automatizado, generación de informes individualizados y seguimiento longitudinal del progreso del usuario.

Qué hace la herramienta

En su forma actual, desplegada y operativa en Hugging Face Spaces, OPEN CAREER COACH permite:

• Analizar un perfil profesional (currículum, descripción de experiencia o conjunto de competencias declaradas) y compararlo estructuralmente contra un puesto de trabajo o familia profesional de referencia.
• Detectar brechas de competencias de forma explícita, distinguiendo entre competencias técnicas (duras) y transversales (blandas), en lugar de limitarse a un cómputo de coincidencia léxica de palabras clave.
• Generar recomendaciones de itinerario formativo orientadas a cerrar esas brechas, en un formato que puede incorporarse directamente a un plan de orientación individualizado.
• Persistir el histórico de análisis de cada usuario en una base de datos SQLite, lo que permite —a diferencia de una hoja de cálculo estática— un seguimiento longitudinal real: ver cómo evoluciona un perfil profesional entre dos análisis sucesivos, no solo una fotografía aislada.
• Exponer toda esta lógica como API REST, de modo que el análisis de competencias no queda encerrado en una interfaz gráfica aislada, sino que puede integrarse en otros sistemas: un portal de empleo, un backend de gestión de expedientes de un centro de formación, o el propio proyecto hermano APT-IA.

Esta combinación interfaz conversacional accesible para el usuario final, API programática para la integración institucional es la que distingue a OPEN CAREER COACH de la mayoría de proyectos similares que circulan como demos de un solo uso: aquí la interfaz Gradio es la puerta de entrada visible, pero el motor de análisis está desacoplado y es reutilizable.

Arquitectura técnica: de la hoja de cálculo al servicio en producción

El punto de partida: la herramienta APT

El proyecto no nació como una aplicación web. Ahora, se ha generado una herramienta de Análisis del Puesto de Trabajo (APT) construida sobre Excel, pensada para el contexto de certificados profesionales y marcos SEPE/SCE, donde el análisis de competencias por puesto es una tarea recurrente y normativamente estructurada. Esa base la lógica de comparación de competencias, los catálogos de referencia, la taxonomía de habilidades es el núcleo conceptual que se ha trasladado, refactorizado, al nuevo sistema.

Esta genealogía importa porque explica una de las fortalezas silenciosas del anterior proyecto y el próximo: la lógica de negocio no es una ocurrencia de laboratorio entrenada sobre datos sintéticos, sino la formalización de un procedimiento de análisis que ya se usaba en la práctica profesional real, ahora ejecutado por un motor de software en lugar de por fórmulas de hoja de cálculo mantenidas manualmente.

La migración a FastAPI + SQLite + Gradio

La versión actual (en el rango v1.1.0–v2.0.0) reorganiza esa lógica en tres capas:

1. Capa de API (FastAPI): expone los endpoints de análisis de competencias, gestión de perfiles y consulta de histórico. FastAPI aporta aquí dos ventajas concretas frente a alternativas más pesadas: tipado de datos con validación automática (vía Pydantic) y generación automática de documentación interactiva (OpenAPI/Swagger), lo que reduce drásticamente el coste de mantenimiento cuando el propio autor —o un tercero— necesita entender qué acepta y qué devuelve cada ruta meses después de haberla escrito.
2. Capa de persistencia (SQLite): sustituye al fichero Excel como fuente de verdad. SQLite es una elección deliberadamente ligera: no requiere un servidor de base de datos independiente, lo que simplifica el despliegue en un entorno como Hugging Face Spaces, donde el objetivo es una demo pública autocontenida y no una infraestructura de nivel empresarial.
3. Capa de interfaz (Gradio): provee el frontend conversacional con el que interactúa el usuario final, sin necesidad de escribir HTML/CSS/JS a mano. Gradio es, además, el estándar de facto para demos de IA en Hugging Face, lo que facilita que cualquier visitante del Space entienda inmediatamente cómo interactuar con la herramienta sin instrucciones adicionales.

Integración continua: GitHub Actions y despliegue automático

Un aspecto menos vistoso pero decisivo para la fiabilidad del proyecto es la existencia de un pipeline de CI/CD mediante GitHub Actions que sincroniza el repositorio de GitHub con el Space de Hugging Face. Esto significa que cada cambio validado en el repositorio se propaga automáticamente al entorno público, sin pasos manuales de copia de ficheros o reconfiguración del servidor. En un proyecto mantenido por una sola persona junto con un asistente de IA, esta automatización no es un lujo: es lo que permite que el ritmo de iteración (corrección de errores, incorporación de funcionalidades) no se vea limitado por la fricción operativa del despliegue.

Problemas reales resueltos

La solidez de una herramienta se mide, en buena parte, por los errores que ha sobrevivido, no solo por las funcionalidades que anuncia. Durante el desarrollo se identificaron y corrigieron, entre otros, los siguientes problemas:

• Un método process_text() ausente que rompía silenciosamente el flujo de análisis de texto de entrada.
• Un caso de module shadowing (un módulo interno con el mismo nombre que una dependencia externa), que provocaba errores de ImportError difíciles de diagnosticar porque el mensaje de error no apuntaba a la causa real.
• Conflictos de versión de Gradio que impedían el arranque de la interfaz en determinados entornos.
• Constantes de catálogo de competencias duplicadas, que generaban inconsistencias silenciosas en los resultados del análisis.

En el propio despliegue en Hugging Face Spaces surgieron además incidencias de infraestructura: comentarios en español dentro de un fichero packages.txt que rompían la instalación de paquetes vía apt-get (el intérprete de dependencias del sistema no tolera ciertos caracteres en los comentarios), incompatibilidades entre Gradio y Python 3.13, y una sintaxis inválida en la URL del índice de paquetes de PyTorch. Ninguno de estos problemas es intelectualmente complejo, pero cada uno de ellos, sin diagnóstico, es capaz de dejar un servicio completamente caído. Documentarlos y resolverlos de forma verificada —no simplemente "parcheada"— es parte de lo que da a OPEN CAREER COACH la estabilidad necesaria para ser una herramienta de uso real y no solo un prototipo de demostración.

Bondades de uso

Sintetizando lo anterior en términos de valor de uso directo para quien se plantee incorporar la herramienta a su práctica profesional:

• Reducción del tiempo de diagnóstico. Un análisis comparativo perfil-puesto que manualmente exige lectura atenta y contraste competencia a competencia se ejecuta en segundos, liberando tiempo del orientador para la parte que sí requiere criterio humano: la conversación de acompañamiento.
• Consistencia del criterio de análisis. Al basarse en un catálogo de competencias formalizado y no en la apreciación subjetiva puesto a puesto, reduce la variabilidad entre analistas distintos o entre sesiones distintas del mismo analista.
• Trazabilidad y seguimiento longitudinal. La persistencia en base de datos permite reconstruir la evolución de un perfil profesional a lo largo de varias sesiones de orientación, algo que un fichero Excel aislado no ofrece de forma nativa.
• Interoperabilidad real vía API. No es una herramienta cerrada: al exponer sus funciones como API REST documentada, puede integrarse en sistemas de gestión ya existentes (por ejemplo, plataformas de gestión de certificados de profesionalidad) sin necesidad de reescribir la lógica de análisis.
• Coste de infraestructura mínimo. El uso de SQLite y el despliegue en Hugging Face Spaces evitan la necesidad de contratar y mantener servidores dedicados, lo que hace viable su adopción por entidades con presupuesto técnico limitado —asociaciones, centros de formación pequeños, autónomos del sector de la orientación laboral.
• Transparencia de código abierto. Al estar el repositorio disponible públicamente en GitHub, cualquier institución puede auditar la lógica de análisis antes de confiar en ella, algo que no es posible con la mayoría de herramientas comerciales equivalentes, que operan como cajas negras.
• Actualización continua sin fricción operativa. Gracias al pipeline de CI/CD, las mejoras y correcciones llegan al entorno público de forma automática y verificada, sin depender de despliegues manuales sujetos a error humano.

Relación con el ecosistema más amplio: APT-IA

OPEN CAREER COACH no es un proyecto aislado. Actualmente se desarrolla, como servicio hermano, APT-IA: un sistema modular de análisis inteligente de puestos de trabajo que amplía el enfoque original de la herramienta APT en Excel hacia una arquitectura equivalente (FastAPI + SQLite), pero orientada específicamente al análisis estructurado del puesto, más allá del perfil individual del candidato. La existencia de ambos proyectos como servicios independientes pero arquitectónicamente hermanados permite pensar a medio plazo en un ecosistema donde el análisis de puesto (APT-IA) y el análisis de perfil-candidato (OPEN CAREER COACH) puedan combinarse mediante llamadas API cruzadas, sin necesidad de fusionar ambas bases de código en un monolito.

Quedan pendientes, en la hoja de ruta hacia la versión 2.0.0 de OPEN CAREER COACH, dos funcionalidades ya especificadas: una revisión de interfaz de usuario (F3) y un panel de métricas (F4) que permitiría visualizar de forma agregada para un conjunto de usuarios o para una cohorte de un programa formativo, las brechas de competencias más frecuentes detectadas, información de un valor considerable para quien diseña la oferta formativa de un centro o de un servicio público de empleo.

Resumen

• OPEN CAREER COACH es una aplicación de orientación profesional asistida por IA, de código abierto, desplegada en Hugging Face Spaces.
• Evolucionó de una herramienta APT basada en Excel hacia una arquitectura de servicio con API REST (FastAPI), persistencia en base de datos (SQLite) e interfaz conversacional (Gradio).
• Cuenta con integración continua (GitHub Actions) que sincroniza automáticamente el repositorio con el entorno público de despliegue.
• Ha superado y documentado errores reales de ingeniería (métodos ausentes, module shadowing, conflictos de versiones, incompatibilidades de infraestructura de despliegue).
• Ofrece ventajas concretas: rapidez de diagnóstico, consistencia de criterio, seguimiento longitudinal, interoperabilidad vía API, bajo coste de infraestructura y transparencia de código abierto.
• Se integra en un ecosistema mayor junto con APT-IA, proyecto hermano centrado en el análisis estructurado del puesto de trabajo.
• Quedan pendientes mejoras de interfaz (F3) y un panel de métricas agregadas (F4) de cara a la versión 2.0.0.
• Se enmarca en un consenso internacional creciente —OCDE, Foro Económico Mundial, OIT— sobre el papel de la IA como herramienta de aumento, no de sustitución, en los procesos de orientación y gestión del talento profesional.

Referencias 

• OCDE (2023), OECD Employment Outlook 2023. Primer estudio de la OCDE centrado explícitamente en el cruce entre inteligencia artificial y mercado laboral; documenta que la adopción empresarial de IA era entonces baja pero con una aceleración prevista, y recoge los primeros datos de encuesta que muestran efectos positivos moderados de la IA en satisfacción laboral, salud y salarios en los sectores manufacturero y financiero.
• Foro Económico Mundial (enero de 2025), Future of Jobs Report 2025. Proyecta la transformación significativa de en torno al 22 % de los puestos de trabajo actuales hacia 2030, con una cifra de creación bruta de empleo que supera a la destrucción, condicionada a un esfuerzo sostenido de recualificación.
• Global Partnership on AI / GPAI (abril de 2025), Voces del cambio: la IA generativa y la transformación del trabajo en América Latina. Retoma la metodología de Eloundou et al. (2023) y el análisis de la OIT (Gmyrek, Berg y Bescond, 2023) para distinguir entre efectos de automatización y efectos de aumento de capacidades, concluyendo que estos últimos superan a los primeros tanto en economías de renta alta como de renta baja.
• IAEducativa (mayo de 2025), "Uso de la Inteligencia Artificial en la Orientación Educativa y Profesional: Ventajas y Aplicaciones". Revisión aplicada que describe las modalidades de IA relevantes para la orientación (predictiva, de diagnóstico, de seguimiento longitudinal) y las cuestiones de transparencia, auditabilidad y protección de datos que deben acompañar su adopción.
• Documentación oficial de FastAPI (fastapi.tiangolo.com) y de Gradio (gradio.app/docs). Fuentes primarias del propio stack tecnológico empleado en el proyecto; se citan aquí como referencia técnica directa, no como literatura de investigación.
• Documentación de Hugging Face Spaces (huggingface.co/docs/hub/spaces). Referencia oficial del entorno de despliegue utilizado, relevante para comprender las restricciones de infraestructura (gestión de dependencias vía requirements.txt/packages.txt) que motivaron parte de la depuración descrita en la sección 3.4.

Enlace a la aplicación: huggingface.co/spaces/papayaykware/OPEN-CAREER-COACH Repositorio: github.com/papayaykware