hrguru.ai #38 - Mi aventura creando un GPT que sepa hacer Booleans como un experto
Discover more from hrguru.ai by Ramón Egea
hrguru.ai #38 - Mi aventura creando un GPT que sepa hacer Booleans como un experto
Así estoy explorando las posibilidades de los GPT.
Hola, soy Ramón Egea, experto en Tech Talent Acquisition & Profesor/Advisor de AI para HR.
Bienvenido a hrguru.ai la Newsletter sobre Inteligencia Artificial para profesionales de Recursos Humanos
Quizá estás aquí para ver herramientas de AI y HR, tu sección → 🛠 AI Tools
¿Te gustaría que impartiera una formación sobre AI+HR en tu compañía? Haz click aquí y te cuento más→ 👨🏫 Workshops
Si quieres patrocinar hrguru.ai o tienes alguna otra idea de colaboración, hazle un click aquí → 🤝 Colaboraciones o escríbeme a ramon@hrguru.ai
Bienvenid@ a la trigesimoctava edición de hrguru.ai!
La semana pasada os hablé del reciente nacimiento de los GPTs y el increíble panorama que se perfila ante nosotros.
En muy pocos días esta nueva funcionalidad de nuestro querido ChatGPT ha acaparado toda la atención de la escena AI; si sigues alguna de las cuentas más famosas sobre AI en X (antiguo Twitter) como la de Rowan Cheung o la de Stephen Anthon habrás podido comprobar que hay cientos de cerebros humanos en funcionamiento para crear GPTs increíbles y en consecuencia están apareciendo casi cada día nuevos repositorios de GPTs como awesomegpts.co o gptstore.ai
Ya en la edición anterior de hrguru.ai yo mismo mostré cómo podíamos transformar uno Megaprompt en un GPTs funcional
(Puedes hacer click en la imagen para probar mi GPT)
Teniendo en cuenta este panorama pensé:
¿Por qué no intento crear un GPT que sea capaz de resolver uno de los pains más complejos de los Recruiters: la creación de Boolean Search?
Y me puse manos a la obra.
En esta edición os voy a contar mi experiencia de unas 10 horas de experimentación para tratar de conseguir ese ansiado GPT Coach de Boolean Search
Para empezar con algo “pequeño” pensé que podía ser divertido acotar la tarea a un job específico y en un buscador concreto, así que pensé:
Quiero crear un Coach de Boolean Search para utilizar Linkedin Recruiter Lite para roles de Ingenieria de Software de Ruby on Rails.
Para ello me fui a la opción de Create a GPT (si estás perdido léete el post de la semana pasada que te explico donde encontrarlo)
Y me puse a escribir la lógica que quería que siguiera el GPT y que te adjunto a continuación:
“Quiero que seas un asesor de Boolean Search para utilizar Linkedin Recruiter Lite para roles de ingeniería de Software de Ruby on Rails
Lo primero que debes saber es que hay dos apartados de búsqueda clave en Linkedin Recruiter Lite: "Cargo" y "Palabras Claves"
El objetivo de este GPT es que te puedan dar un job y tú puedes proponer un Boolean Search específico para “Cargo” y otro para “Palabras claves” y le expreses al usuario de forma clara y concisa que cosa debe poner en cada uno de esos apartados.
Cuando recibas un job de Ruby on Rails, ya sea mediante un archivo adjunto o mediante un texto en tu consola, debes dar una respuesta con esta estructura:
Mensaje de bienvenida: Le saludas amablemente y le dices que le vas a ayudar a crear un boolean search para Linkedin Recruiter Lite ofreciendole un boolean que el usuario debe incorporar en la sección “Cargo” y otro en la sección “Palabras Clave”
Sección “Cargo”: Debes ofrecer siempre este Boolean: (Backend OR "Back end" OR Back-end OR RoR OR Ruby OR "Ruby on Rails" OR Rails). NO INVENTES NADA AQUÍ;, en cargo pon siempre: (Backend OR "Back end" OR Back-end OR RoR OR Ruby OR "Ruby on Rails" OR Rails). Eso y nada más que eso.
Sección “Palabras Clave”. Aquí debes proponer siempre, sea cual sea el rol: (RoR OR Ruby OR "Ruby on Rails" OR Rails) y a continuación una cadena de Boolean sin ningún conector solo un espacio, que incluya todas las tecnologías específicas que aparecen en la posición que te ha dado el usuario con una lista de Boolean hecha con AND. EN ESTA SEGUNDA PARTE ESTÁ TERMINANTEMENTE PROHIBIDO repetir ningún concepto semejante a los conceptos que hemos incorporado en la sección “Cargo”. Debe incluir solamente tecnologías específicas que aparecen en la posición que te ha dado el usuario. Cíñete solo a eso, no inventes otros Boolean más allá.
Batería de consejos de este tipo para el usuario:
— Prueba estas dos cadenas de Boolean que te recomiendo modulando los años de experiencia requeridos y la localización. Si tienes una lista de empresas tipo sobre las que quieres buscar, recuerda que existe la sección “Empresas” donde poder incorporarlas a la búsqueda
— Si en una primera búsqueda con estos Boolean el resultado de perfiles es muy bajo (por debajo de 50 perfiles), prueba a reducir la cadena de “Palabras Clave” eliminando aquellas tecnologías menos core para el rol.
Consideraciones adicionales de tu funcionamiento:
Interactúa en el idioma del usuario que te habla
No sobre espliques, ve al grano y cíñete a la estructura que te he dado antes. Presenta dicha estructura, resaltando en negrita la sección “Cargo” la sección “Palabras Clave” y la sección “Consejos Adicionales”
Lo que intenté hacer es volcar una serie de lógicas expertas para crear un Boolean en roles de estas características en base a mi experiencia en la materia.
Una vez le di esta instrucción, el sistema me permitió “jugar” en la zona de pruebas de la derecha:
Así que le di un job aleatorio de Ruby on Rails que vi por LinkedIn a ver que tal se portaba:
Obteniendo estos resultados:
NOTA - Adjunto la cadena completa de Palabra Clave:
(RoR OR Ruby OR "Ruby on Rails" OR Rails) AND "data analytics" AND "streaming platforms" AND "APIs" AND "data pipelines" AND "data reliability" AND "data quality" AND "Elasticsearch" AND SQL AND "database design" AND "performance optimization" AND Akka AND Ember.js
Estos primeros resultados me parecieron muy decentes en la parte de los Boolean pero no así tanto en los Consejos Adicionales.
Si nos fijamos en mi instrucción inicial:
Vemos que ChatGPT se extralimita un poco intentando, seguramente de buena robótica fe, dar un resultado más rico. Sin embargo, el resultado no es exactamente el que yo quería que diera.
Así que lo que hice fue darle feedback en la parte izquierda de la pantalla para entrenarlo en la dirección que yo deseaba:
Como vea aprovecha para proponerte un nombre molón y un logo :D
Una vez dado ese feedback procedemos a darle el mismo job y obtenemos los siguientes resultados:
Como puedes ver ha vuelto a hacer bien la sección Cargo, pero en esta ocasión la Sección Clave la he hecho mal, usando operadores de OR que no es como yo le había enseñado. La sección Consejos la ha hecho mucho más pobre y menos interesante :D
He seguido entrenando durante horas el modelo y he sacado las siguientes conclusiones:
Esto tiene infinito potencial, va a cambiar el paradigma del uso de la AI
En el estado actual (beta) nos encontramos ante una funcionalidad muy experimental y para tareas de esta “complejidad”; la cuesta mantener consistencia. Según le das feedback estropea partes que funcionaban bien de forma misteriosa.
Open AI nos ha lanzado esta bola para que juguemos con ella, entiendo que con el tiempo aparecerán manuales y/o cosas de GPT Engineering para enseñarnos a sacarle verdadero partido.
A sabiendas de que aún no funciona muy bien si quieres jugar con mi GPT aquí te lo dejo:
Muchas gracias por leerme, ¡nos vemos la semana que viene!
Ramón Egea
PD: Dall-3 de hoy:
No olvides dejarme un ❤️ y compartir la entrada en tus redes sociales:
Haz click en 🤝 Colaboraciones o escríbeme a ramon@hrguru.ai si:
Quieres Patrocinar una Edición de hrguru.ai
Quieres que sea Ponente en tu evento o Profesor en tu programa
Quieres un Advisor de AI para tu empresa o que haga un 👨🏫 Workshops