.jpg)
Presento una versión traducida y revisada del proyecto The Ultimate Career Coach, una plataforma de agentes de inteligencia artificial diseñada para acompañar a personas en toda la trayectoria profesional, desde la autoevaluación y el descubrimiento de habilidades hasta la búsqueda de empleo, la preparación de entrevistas y el crecimiento profesional continuo.
Visión general del proyecto: El coach profesional definitivo es una plataforma agentica que va más allá de los portales de empleo tradicionales y de los sistemas de recomendación estáticos. Utiliza agentes autónomos especializados que colaboran para analizar el perfil del usuario, explorar dinámicamente datos del mercado laboral, generar estrategias personalizadas de emparejamiento de empleo y adaptar sus recomendaciones a medida que cambian los objetivos del usuario o las condiciones del mercado. La plataforma integra inteligencia de habilidades, análisis del mercado laboral y orquestación de tareas para ofrecer una experiencia de coaching integral y personalizada.
Conceptos clave y aprendizajes: A partir de un curso intensivo sobre agentes de IA aprendí a diferenciar aplicaciones basadas en prompts aislados de arquitecturas agenticas que descomponen objetivos complejos en pasos accionables. Entre los aprendizajes más importantes destacan la especialización de agentes para mejorar claridad y escalabilidad, la planificación y orquestación para permitir la colaboración entre agentes y el uso de herramientas y flujos estructurados para interactuar con datos externos. Estas ideas permiten construir sistemas adaptativos con memoria, coordinación y evolución constante.
Arquitectura y diseño del sistema: En la base del sistema se utiliza una configuración de modelo Gemini con una política de reintento explícita para gestionar errores transitorios. Sobre el modelo se definen agentes especializados en tareas como criticar currículums o comparar habilidades con roles objetivo. Estos agentes se exponen como herramientas que puede invocar un agente planificador cuyo trabajo es interpretar la intención del usuario, seleccionar especialistas y consolidar sus salidas en una respuesta final. El estado y la orquestación se gestionan mediante un Runner y un DatabaseSessionService que persiste conversaciones y decisiones en una base SQLite, permitiendo restaurar sesiones y mantener contexto a lo largo del tiempo.
Gestión de contexto y memoria: Para mantener el contexto eficiente en sesiones largas se usa una estrategia de compactación de eventos que sintetiza intercambios antiguos en un solo evento resumen y conserva los turnos recientes de manera literal. De este modo el modelo recibe un historial condensado que preserva la narrativa de coaching sin exceder límites de contexto.
Componentes y funciones principales: La lógica de dominio se implementa como herramientas Python tipadas. Por ejemplo, una función parse_resume transforma texto libre de un currículum en una estructura con campos como habilidades, años de experiencia y formación. Una función analyze_skill_gap compara esa estructura con definiciones de roles objetivo para identificar brechas y una función match_jobs sugiere títulos de trabajo con puntuaciones de ajuste. Estas funciones se registran como herramientas con esquemas tipados para que las llamadas devuelvan datos estructurados en lugar de texto sin formato.
Orquestación y flujo de trabajo: Un agente planificador coordina a los especialistas para flujos como revisiones de currículum, evaluación de habilidades y entrevistas simuladas. Por ejemplo, ante la petición aqui está mi currículum; quiero ser analista de datos y dame una pregunta de entrevista el planificador podría invocar al agente de currículum, luego al de evaluación de habilidades y finalmente al de entrevistas para componer una respuesta integrada. Cada llamada al modelo, invocación de herramienta y decisión de agente se registra para observabilidad y depuración.
Tecnologías y despliegue: La implementación prototipo utiliza Python en un entorno Kaggle o Jupyter y Gemini como modelo de lenguaje, accedido mediante una interfaz de agente. La orquestación aprovecha componentes de ADK para Runner, AgentTool y configuración de aplicaciones. La memoria persistente se gestiona en SQLite y la interfaz web se expone como un servicio HTTP para permitir la interacción desde el navegador.
Resultados y beneficios: El resultado es un coach de carrera funcional que transforma fragmentos de código y ejemplos en una aplicación con estado. El flujo es transparente: el texto del currículum se estructura, las habilidades se comparan con roles, se proponen vacantes y brechas y se añade coaching interactivo. Para estudiantes y profesionales esto significa recomendaciones coherentes, pasos siguientes secuenciados y entrevistas simuladas alineadas con los roles objetivo. Para desarrolladores, la separación en agentes y herramientas facilita la observabilidad y el mantenimiento.
Retos y mejoras futuras: La versión actual es un prototipo intencionalmente acotado. Los perfiles de rol y las puntuaciones se basan en datos predefinidos en lugar de señales en tiempo real del mercado laboral, la interfaz es básica y no existe aún una evaluación sistemática frente a asesores humanos. Futuras mejoras incluyen la integración con APIs de ofertas y habilidades, seguimiento de candidaturas, migración a infraestructuras de producción y estrategias de memoria que den prioridad a objetivos a largo plazo.
Sobre Q2BSTUDIO: En Q2BSTUDIO somos una empresa de desarrollo de software y aplicaciones a medida especializada en soluciones que combinan inteligencia artificial, ciberseguridad y servicios cloud. Ofrecemos desarrollo de software a medida y aplicaciones multiplataforma que pueden transformar prototipos de agentes IA en productos empresariales escalables. Si su organización necesita soluciones de inteligencia artificial o desea explorar cómo integrar agentes IA en procesos de selección y formación, en Q2BSTUDIO contamos con la experiencia para hacerlo realidad. Con experiencia en servicios cloud aws y azure y en seguridad aplicada, podemos acompañar proyectos desde la concepcion hasta el despliegue y la monitorizacion.
Servicios y posicionamiento: Nuestro portfolio incluye desarrollo de software a medida, aplicaciones a medida, servicios de inteligencia artificial y ia para empresas, ciberseguridad y pentesting, servicios cloud aws y azure, y soluciones de inteligencia de negocio y power bi. Para conocer cómo podemos desarrollar aplicaciones empresariales a medida visite nuestra pagina de desarrollo de aplicaciones aquí Desarrollo de aplicaciones y software multiplataforma y para explorar nuestras capacidades en IA y soluciones empresariales consulte Inteligencia artificial para empresas.
Palabras clave integradas para SEO: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA, power bi.
Conclusión: Este proyecto ilustra cómo las arquitecturas agenticas pueden elevar las experiencias de usuario más allá de intercambios puntuales, creando asistentes de carrera adaptativos y con memoria. En Q2BSTUDIO aplicamos estos principios para construir soluciones prácticas, seguras y escalables que integran agentes IA con infraestructuras cloud y prácticas de desarrollo profesional.
