A medida que los trabajos remotos se vuelven más comunes y la IA mejora, está aumentando el número de candidatos falsos a empleos. Gartner estima que 1 de cada 4 candidatos a un empleo será falso para 2028 (!)
Este es un problema real que también enfrentamos hoy en día. Nuestro equipo de reclutamiento tiene que dedicar mucho tiempo a revisar esas solicitudes. Por eso Chandni, nuestra directora de talento y personas, y yo decidimos unir fuerzas para resolver este problema.
Demo
Después de 4 horas de programación, tenía un prototipo funcional. Lo ejecuté contra las solicitudes de empleo entrantes durante un día y pude marcar solicitudes sospechosas. Mira el siguiente video de demostración para entenderlo mejor:
Arquitectura técnica
Este es el diagrama de arquitectura del sistema de dos pasos que construimos.
Los dos pasos son:
- Filtrado de solicitudes de empleo: cuando los candidatos aplican al puesto, los filtramos automáticamente en función de su currículum y los datos enviados en la solicitud.
- Filtrado de la entrevista: en segundo lugar, si los candidatos superan el filtro del currículum, capturamos información adicional del dispositivo cuando hacen clic en el enlace de la invitación a la reunión.
Explicaré los detalles en las siguientes secciones.
Paso 1: Filtrado de solicitudes de empleo
Usamos Ashby como nuestro ATS (sistema de seguimiento de candidatos). Ashby y otros ATS (como greenhouse y lever) ofrecen webhooks para notificar a sistemas de terceros cuando se crea una nueva solicitud.
Construí una simple Cloud run function que ingiere estos webhooks. La carga útil del webhook contiene información como el nombre, correo electrónico, número de teléfono y dirección IP del candidato. Como Sardine ya cuenta con capacidades de prevención de fraude de identidad, solo necesitaba llamar a la API existente de Sardine aquí. Usé cursor para programar, y como ya contamos con un MCP que conoce nuestra API, programar con vibe coding la API de Sardine fue bastante sencillo.
Basándose en la información recopilada durante la solicitud, Sardine puede comprobar varias señales, entre ellas:
- Dirección IPSi el país de la dirección IP coincide con la ubicación del puestoSi la dirección IP es una VPN o proxyReputación de la dirección IP
- Correo electrónicoSi el correo electrónico es nuevoSi el dominio del correo electrónico es desechable
- Número de teléfonoSi el teléfono es VOIPSi el número de teléfono coincide con el nombre proporcionado
- Características basadas en grafos¿Este número de teléfono tiene muchas solicitudes?¿Esta dirección de correo electrónico tiene muchas solicitudes?
Una vez que obtenemos los resultados de la evaluación de riesgo de la API de Sardine, podemos llamar a la API de Ashby para adjuntar una nota a la solicitud del candidato.
Paso 2: Enlace de la entrevista
Sardine ya cuenta con tecnología propia de inteligencia de dispositivo y biometría de comportamiento, así que mi idea inicial fue integrar nuestro SDK web en la página de solicitud para capturar cualquier señal sospechosa de dispositivo y comportamiento. Sin embargo, resultó que Ashby (y muchos otros ATS) no permiten incrustar JavaScript personalizado en la página de solicitud. Podría incrustar la página de solicitud de empleo dentro de una página alojada por Sardine (donde podemos rastrear datos del dispositivo) mediante un iframe, pero no hay forma de vincular la información (es decir, ¿qué sesión de frontend ve el SDK de Sardine correspondiente a esa solicitud de empleo en particular?).
Por esa razón, decidí trabajar en un segundo proyecto: una página web simple que redirige a los candidatos a las URL de las reuniones (por ejemplo, Google Meet). De esta forma, este sitio intermedio puede capturar la información del dispositivo del candidato con el SDK de Sardine. Usé bolt.new para generar una página web estática muy básica.
Después de eso, integrar el SDK de Sardine es sencillo (ten en cuenta que nuestra documentación solo está disponible para clientes existentes de Sardine. Si quieres verla, ¡contáctanos!).
Usando el SDK de dispositivo de Sardine, ahora podemos capturar información variada, como:
- ¿Cuál es la ubicación real detrás del proxy?
- ¿La pantalla está siendo controlada de forma remota?
- Cuál es la huella digital del dispositivo
Estas señales refuerzan aún más nuestras capacidades de prevención de fraude.
Conclusión y mejoras futuras
Descubrimos que nuestra tecnología puede aplicarse para detectar solicitudes de empleo fraudulentas utilizando datos reales.
Aquí van algunas ideas adicionales para futuras mejoras:
- Implementar una página de solicitud de empleo alojada para poder capturar también el comportamiento del usuario, como copiar y pegar o el movimiento del mouse.
- Ingerir el PDF del currículum y verificar si es auténtico.
- Tener una integración nativa dentro del ATS.
Estamos entusiasmados con lo que podemos lograr para resolver este problema. Si quieres resolver el problema de las solicitudes de empleo fraudulentas, contáctanos!