El parsing de CV es el paso que convierte un currículum en datos estructurados del candidato: nombre, contacto, puestos, empresas, fechas, formación y habilidades, cada uno en su campo. Gracias a él, un candidato se puede buscar en lugar de quedarse como un adjunto perdido en un correo. Esta guía es para recruiters y agencias que trabajan a diario con datos parseados y siguen encontrándose fichas a medias, desordenadas o duplicadas.
Verás cómo lee un CV un parser, los ocho formatos y costumbres que lo hacen fallar, una prueba con 30 CVs para medir la precisión del tuyo y cómo pasar de CVs dispersos a una base de datos en la que puedas confiar.
¿Qué es el parsing de CV?
El parsing de CV (en inglés, resume parsing) es la extracción automática de la información de un currículum a campos con nombre que un sistema de selección puede guardar, buscar y filtrar. Entra un Word, un PDF o un escaneo, y sale una ficha de candidato.
Un parser es una herramienta de extracción, no un juez. No decide si alguien encaja, no lo compara con la vacante ni le reescribe el CV. Son pasos distintos, y confundirlos es lo que lleva a culpar «al ATS» de decisiones que nadie llegó a configurar.
| Grupo de campos | Qué intenta rellenar el parser | Para qué sirve después |
|---|---|---|
| Identidad y contacto | Nombre, email, teléfono, ubicación, URL de LinkedIn | Detectar duplicados y contactar |
| Experiencia | Puesto, empresa, fechas de inicio y fin, descripción de cada puesto | Buscar por puesto, seniority y antigüedad |
| Formación | Titulación, centro, fechas | Requisitos obligatorios y filtros |
| Habilidades e idiomas | Herramientas, metodologías, certificaciones, idiomas | Búsqueda por palabra clave y matching |
La mayoría de los parsers vienen integrados en un ATS, así que los recruiters casi nunca los ven como un producto aparte. Solo te acuerdas de que existen cuando una ficha sale mal.
¿Cómo funciona un parser de CV?
Todos los parsers, desde los antiguos motores de reglas hasta los que usan grandes modelos de lenguaje, pasan por las mismas cuatro fases. Un error en una fase temprana no lo arregla una fase posterior más lista, y por eso el formato del archivo pesa más que el modelo del proveedor.
- 1
Extraer el texto
Un Word expone su texto directamente. Un PDF con texto guarda cada carácter por su posición, así que el parser tiene que reconstruir el orden de lectura. Los escaneos y las exportaciones como imagen no tienen texto y necesitan OCR.
Fase 1
- 2
Dividir en secciones
El parser busca encabezados como Experiencia, Formación o Habilidades para saber qué bloque está leyendo.
Fase 2
- 3
Extraer las entidades
Dentro de cada sección identifica nombres, empresas, puestos, fechas, titulaciones y habilidades.
Fase 3
- 4
Normalizar y mapear
Pasa las fechas a un único formato, asigna puestos y habilidades al vocabulario del sistema y escribe cada valor en un campo de la ficha.
Fase 4
Los parsers basados en reglas funcionan con listas de palabras y patrones; los de machine learning y los basados en LLM deducen el significado por el contexto, lo que ayuda con redacciones poco habituales. Ninguno puede recuperar el texto que la fase 1 no extrajo ni devolverle su orden correcto.
¿Por qué falla el parsing de CV con currículums reales?
Los parsers se ajustan con documentos limpios a una sola columna. Los CVs que llegan a una agencia no son así: salen de herramientas de diseño, plantillas antiguas, escáneres y cinco países distintos. Estos son los ocho patrones que explican la mayoría de las fichas rotas y lo que cada uno deja en tu base de datos.
| Qué tiene el CV | Qué hace el parser | Qué acaba en la ficha |
|---|---|---|
| Diseño a dos columnas | Lee las dos columnas de lado a lado, línea a línea | Habilidades mezcladas con funciones; fechas asignadas al puesto equivocado |
| Tablas y cuadros de texto | Se salta o aplana su contenido | Campos de habilidades o experiencia vacíos |
| Datos de contacto en el encabezado o el pie de página | Muchos parsers ignoran encabezados y pies | Sin email ni teléfono, así que la siguiente subida crea un duplicado |
| PDF escaneado o exportado como imagen | No encuentra capa de texto y recurre al OCR, o se rinde | Caracteres ilegibles o una ficha casi vacía |
| Secciones con nombres creativos («Dónde he dejado huella») | No reconoce la sección | La experiencia acaba en el resumen o en un campo «otros» |
| Fechas en formatos libres («sept. 21 – actualidad», «03/04/2020») | Las interpreta mal o no sabe resolverlas | Antigüedad errónea, huecos inventados, un empleo pasado marcado como actual |
| Varios puestos en la misma empresa | Junta los ascensos en un único puesto | Se pierde la seniority; el puesto más alto puede desaparecer |
| CVs en otros idiomas o mezclados | No detecta encabezados con los que no se entrenó; destroza las tildes | Secciones que faltan y nombres que ya no coinciden con el email |
Lo que tienen en común es que un CV está pensado para que lo lea una persona, no para extraer datos. Un diseño que en pantalla se lee perfecto puede salir de la fase 1 como una sucesión de palabras desordenadas.
No puedes obligar a los candidatos a mandar archivos más limpios, así que la solución está de tu lado: saber qué patrones gestiona mal tu parser y revisar esas fichas al importarlas.
¿Qué precisión tiene un parser de CV?
La precisión se mide por campo, no por CV. Sacar un email de un documento es casi trivial; acertar las fechas, los puestos y las empresas de cada etapa en un PDF a dos columnas no lo es. Casi todas las cifras de precisión que vas a encontrar las publican los propios proveedores, medidas con muestras que eligieron ellos.
Lo que está en juego es más que una ficha desordenada. En un estudio de Harvard Business School y Accenture con empresas de EE. UU., Reino Unido y Alemania, la gran mayoría de las que tenían un sistema de gestión de selección lo usaban para hacer el primer corte:
Si un parser pierde un puesto o lee mal unas fechas, cualquier filtro que dependa de ese campo deja fuera al candidato sin avisar. Así que, en lugar de fiarte de la cifra que anuncia el proveedor, mide tu parser con tu propia bandeja de entrada.
Una prueba con 30 CVs para medir tu parser
- Prepara la muestra. Toma 30 CVs reales del último trimestre con la mezcla que recibes de verdad: Word, PDFs con texto, PDFs de diseño, al menos dos escaneos y algunos CVs en otros idiomas.
- Pásalos por el parser sin tocar nada. Impórtalos como siempre y no corrijas nada todavía.
- Puntúa ocho campos por CV comparándolos con el documento original, con la tabla de abajo: correcto, parcial, erróneo o vacío.
- Calcula la precisión por campo y por formato. Un parser puede ser excelente con archivos Word e inservible con PDFs de diseño, y la media lo esconde.
- Convierte los puntos débiles en reglas de importación. Cualquier campo o formato por debajo de tu umbral pasa por una revisión manual antes de dar la ficha por buena.
| Campo | Cuenta como correcto si… | Si falla |
|---|---|---|
| Nombre completo | Está entero, con tildes, en el campo de nombre | La búsqueda por nombre falla y aparecen duplicados |
| La dirección es exacta | No puedes contactar y la detección de duplicados se rompe | |
| Teléfono | El número está completo, con prefijo internacional | No puedes contactar y la detección de duplicados se rompe |
| Puesto actual | Es el puesto del CV, no el título de la sección | El candidato no sale en las búsquedas por puesto |
| Empresa actual | La empresa correcta va unida al puesto correcto | Fallan las comprobaciones de clientes y empresas vetadas |
| Fechas de los dos últimos puestos | Mes de inicio y de fin correctos | Filtros de seniority y antigüedad erróneos |
| Cinco habilidades principales | Aparecen en el campo de habilidades, no solo en texto libre | La búsqueda por palabra clave no lo encuentra |
| Titulación más alta | Titulación y centro bien emparejados | Los filtros de requisitos obligatorios lo excluyen |
Repite la prueba cada vez que cambies de herramienta o cambie el tipo de candidatos que recibes. Te lleva una tarde y sustituye las suposiciones por una cifra que puedes defender.
De CVs dispersos a datos que se pueden buscar
El parsing es solo un eslabón de la cadena. Un equipo que parsea bien pero nunca valida, normaliza ni elimina duplicados acaba con una base llena pero imposible de consultar, justo el problema que resuelve paso a paso nuestra guía para organizar tu base de datos de candidatos.
- Reúne todos los CVs en un solo sitio: correo, portales de empleo, recomendaciones y carpetas antiguas.
- Parsea cada uno a campos y deja el archivo original adjunto a la ficha.
- Valida los campos que tu prueba de 30 CVs marcó como débiles antes de dar la ficha por buena.
- Normaliza y elimina duplicados: puestos, ubicaciones y habilidades contra un vocabulario fijo, y fusiona las fichas que compartan email o teléfono.
Solo entonces tiene sentido evaluar candidatos. El parsing extrae datos y el screening los valora; ahí empieza precisamente la diferencia entre lo que hace un ATS y lo que hace la IA en la selección de candidatos. Si añades screening con IA, nuestra lista de lo que debes exigirle a una herramienta de screening cubre puntuaciones, razonamiento y revisión humana.
Los datos parseados también son datos personales. En su auditoría de herramientas de IA para selección, la autoridad británica de protección de datos (ICO) encontró herramientas que recogían mucha más información personal de la necesaria y proveedores que pensaban conservar sus bases de candidatos de forma indefinida. Su recomendación a quien selecciona: comprobar que la herramienta recoge solo lo mínimo necesario y dejar por escrito cuánto tiempo se guarda cada tipo de dato.
En la UE, el Reglamento de IA considera de alto riesgo los sistemas de IA destinados a la selección de personal, en particular para «analizar y filtrar las solicitudes de empleo y evaluar a los candidatos». Extraer campos no es filtrar, pero en cuanto los datos parseados alimentan un filtro o un ranking automático, ese es exactamente el uso que menciona el reglamento.
En resumen, para recruiters
El parsing de CV solo es tan bueno como el texto que consigue extraer, y los currículums reales están llenos de formatos que lo rompen. Trata las fichas parseadas como un primer borrador: conoce los campos débiles de tu parser, revísalos al importar y ten siempre el archivo original a un clic.
Si tus CVs están repartidos entre bandejas de entrada, carpetas y un ATS del que nadie se fía, nuestro servicio para equipos de selección hace este trabajo por ti: unifica los CVs dispersos en una única base que se puede buscar, evalúa a los candidatos con una puntuación y un razonamiento visible, y entrega los finalistas en la plantilla de tu empresa.
Preguntas frecuentes
¿Qué diferencia hay entre el parsing de CV y un ATS?
Un ATS es el sistema que gestiona a los candidatos a lo largo del proceso de selección. El parsing de CV es una de sus funciones: el paso que convierte cada CV subido en los campos estructurados que el ATS guarda y en los que busca.
¿El parsing de CV descarta candidatos?
No. Un parser solo extrae datos; no puntúa ni descarta a nadie. Los candidatos se quedan fuera después, por filtros o rankings que trabajan sobre los campos parseados, y por eso un error de parsing puede sacar sin avisar a una persona válida de una búsqueda.
¿Los parsers de CV pueden leer PDFs?
Sí, cuando el PDF contiene texto real, como el que se exporta desde Word o Google Docs. Los PDFs escaneados y los exportados como imagen desde herramientas de diseño no tienen capa de texto, así que el parser necesita OCR y la precisión cae, a veces hasta dejar la ficha casi vacía.
¿Los parsers con IA o LLM resuelven estos problemas?
Gestionan mejor que los de reglas las redacciones y los nombres de sección poco habituales. Pero siguen dependiendo del texto extraído en la primera fase, así que los escaneos, las columnas desordenadas y los encabezados perdidos siguen siendo un problema, y pueden generar valores verosímiles pero erróneos que hay que revisar.
¿Es legal el parsing de CV con el RGPD?
Sí, con las condiciones habituales para los datos personales: una base jurídica, transparencia con los candidatos, recoger solo lo necesario y un plazo de conservación definido. Si los datos parseados alimentan un filtrado automático en la UE, entran en juego además las obligaciones de alto riesgo del Reglamento de IA.