DINQ: motor con agentes de IA para descubrir y analizar talento en IA

Contratar en inteligencia artificial es difícil porque el talento está disperso. Quien de verdad ha entrenado modelos grandes, ha construido flujos multimodales o ha optimizado la inferencia deja rastro en preprints, repositorios y charlas de conferencia, no en un portal de empleo. DINQ aborda el problema con agentes de IA: primero localiza candidatos en fuentes públicas y después explica de forma estructurada en qué destaca cada uno.

DINQ es un motor de talento centrado en el sector de la IA. Sus agentes identifican investigadores y desarrolladores en fuentes públicas y ayudan a empresas y centros de investigación a preseleccionar perfiles que encajan con una necesidad técnica concreta. No es otra base de currículos: convierte huellas técnicas públicas en señales que un equipo puede evaluar.

La capa de datos consolida varias fuentes públicas de referencia, entre ellas Google Scholar y GitHub. La producción académica, la actividad en código y las preferencias de stack se unifican en una ficha que permite valorar a la vez trayectoria investigadora, capacidad de ingeniería y experiencia práctica.

Además de la interfaz web, DINQ ofrece DINQ-as-a-Service (DaaS), un modelo que puede integrarse en el sistema de selección existente para que la búsqueda y el perfilado ocurran dentro del flujo que el equipo ya utiliza.

Qué hace DINQ

Búsqueda global de talento

Los agentes localizan especialistas en fuentes públicas. La pregunta que responde no es quién se postuló, sino quién trabaja de verdad en el problema, algo clave cuando hay que crear un grupo de candidatos desde cero.

Consolidación multifuente

Las fichas combinan señales académicas y de código para no confundir un historial de publicaciones sólido con experiencia en producción, ni un repositorio activo con investigación sistemática.

Búsqueda semántica

Además de un nombre o la URL de un perfil académico, se puede describir el perfil deseado en lenguaje natural, por ejemplo un investigador centrado en modelos multimodales con experiencia de producto. La ordenación pondera el trasfondo técnico, no solo palabras clave.

Filtros detallados

Stack, años de experiencia, ubicación y expectativa salarial se combinan para reducir un conjunto amplio a una lista revisable persona a persona.

Análisis profundo del candidato

Cada ficha se amplía con un análisis multidimensional de profundidad ajustable, que muestra atributos clave y potencial en lugar de un currículo cronológico.

Perfiles visuales

Un radar de habilidades, una línea temporal de evolución y un índice de influencia resumen la forma de su capacidad y la trayectoria de su carrera.

Grafos de colaboración

La plataforma traza coautorías académicas, vínculos industriales y rutas de influencia, útil para estimar el alcance real de la red de un candidato.

Tendencias en vivo

El análisis agregado cubre direcciones técnicas candentes, mapas de flujo de talento y referencias salariales por subcampo.

Actualización por eventos

Las fichas se siguen de forma continua, de modo que un artículo o repositorio nuevo se refleja en lugar de quedar congelado en la fecha de alta.

Integración DaaS y demos

Las empresas pueden conectar el servicio a su sistema de selección; una demo permite validar el encaje antes de comprometerse.

Cómo se usa

1. Crear la cuenta y definir cómo se reparten licencias y permisos en el equipo.
2. Partir de una necesidad concreta: pegar la URL de un perfil académico, escribir un nombre o describir en lenguaje natural el perfil buscado.
3. Acotar el resultado con filtros de stack, experiencia, ubicación y expectativa salarial.
4. Abrir la vista de análisis profundo de cada preseleccionado y comparar el radar de habilidades con la línea temporal.
5. Revisar el grafo de colaboración cuando importen el encaje en equipo y el alcance de la red.
6. Calibrar la compensación con las referencias salariales antes del primer contacto.
7. En uso corporativo, solicitar una demo y confirmar alcance de integración y límites de datos para DaaS.

Para quién es

• Responsables de selección que construyen un equipo de IA y necesitan candidatos fuera del flujo entrante de currículos.
• Laboratorios y centros de investigación que buscan colaboradores en una dirección técnica concreta.
• Responsables técnicos que quieren una lectura del candidato antes de la primera llamada.
• Inversores y analistas que siguen hacia dónde se mueve el talento y cuánto paga cada subcampo.
• Investigadores e ingenieros que quieren una mirada externa sobre su propia posición.

Límites a tener en cuenta

• No se publican precios, estructura de planes ni nivel gratuito, así que el presupuesto debe confirmarse con el proveedor.
• La cobertura depende de datos públicos; los proyectos internos, los sistemas propietarios y las comunidades que no escriben en inglés aparecen de forma desigual, por lo que las puntuaciones son señales y no veredictos.
• Solo se nombran unas pocas fuentes y no se documentan la lista completa, la frecuencia de actualización ni la profundidad histórica.
• Las fórmulas del índice de influencia y del radar de habilidades no se publican, lo que hace poco fiable comparar puntuaciones entre dominios.
• Al tratarse de datos personales, la legalidad de las fuentes, la retención y el borrado deben verificarse según la normativa local de privacidad.
• La calidad de la búsqueda semántica depende de la consulta; una descripción vaga devuelve un conjunto vago.

Preguntas frecuentes

¿En qué se diferencia de un portal de empleo?

Un portal muestra quién busca trabajo; DINQ muestra quién hace el trabajo a partir de investigación y código públicos, así que alcanza a candidatos pasivos.

¿Hace falta un nombre para empezar?

No. Se puede partir de la URL de un perfil académico o de una descripción en lenguaje natural del perfil necesario.

¿La ficha decide una contratación?

Debe apoyar el filtrado, no sustituirlo. La entrevista, el historial de colaboración y el encaje en el equipo quedan fuera de lo que muestran las señales públicas.

¿Hay que cambiar el sistema de selección?

No. El modo DaaS conecta búsqueda y perfilado con el sistema que ya se utiliza.