Consuelo BurottoProduct Designer

A Conversational AI Agent To Find Jobs

Categoría: Agente de IA para empleo y capacitación
Rol: Senior Product Designer (Contractor)
Cliente: Talent Capital (MWCOG)
Año: 2025

Resumen

Problema: Los despidos masivos de empleados federales en Washington DC, Virginia y Maryland dejaron a muchas personas sin trabajo, con el riesgo de que se fueran a otros estados.
Solución: Una plataforma para personas que buscan empleo, con una experiencia agéntica, impulsada por la tecnología agéntica de BuildWithin.
Qué hice: Diseñé el proyecto de punta a punta y definí los componentes de UI.
Resultado: Una plataforma con 83.000+ usuarios activos, reconocida como Product of the Year por Technical.ly.

Qué se hizo

IA conversacional
UX agéntico
Mobile first
Workforce
IA explicable
Product design end-to-end
Estrategia UX
Diseño de interacción
Componentes de UI
Accesibilidad (WCAG 2.1 AA)
MVP en 3 semanas

Impacto

Usuarios activos

83.000+

TalentCapital.AI tras el lanzamiento público

Ofertas activas

100.000+

En D.C., Maryland y Virginia, según TalentCapital.AI

Abandono tras el registro

40% → 10%

Al rediseñar el onboarding con funnels de PostHog

Del inicio al MVP

3 semanas

Priorizando descubrimiento de empleos y Celeste

Cifras de producto del lanzamiento público de TalentCapital.AI y de la analítica interna (PostHog).

Contexto

Existían empleos, programas de formación y servicios de apoyo laboral en toda la región, pero estaban dispersos entre distintas organizaciones y eran difíciles de navegar.

Talent Capital nació para conectar a las personas con esas oportunidades y ayudarlas a dar el siguiente paso en su carrera.

Mi aporte

Como Senior Product Designer, lideré el diseño end-to-end de la experiencia de candidatos, desde la arquitectura de información y las interacciones conversacionales hasta las interfaces de alta fidelidad, los componentes de UI reutilizables, el prototipado, la validación y el handoff a ingeniería.

Trabajé de cerca con Producto, Ingeniería, el cliente y la CEO de BuildWithin para convertir la tecnología agéntica subyacente en una experiencia de producto accesible y coherente.

Proceso de diseño

De la investigación a producción

Con solo tres semanas para entregar el MVP, seguí un proceso iterativo centrado en entender las necesidades de las personas, explorar soluciones y validar decisiones con rapidez.

Trabajé en investigación, arquitectura de información, user flows, wireframes y prototipos de alta fidelidad, y usé Figma Make para explorar interacciones y alinear temprano con Producto e Ingeniería.

Las pruebas en Maze, las revisiones con stakeholders y el feedback del cliente y de la CEO de BuildWithin alimentaron iteraciones continuas antes del handoff.

Tras el lanzamiento, usé las conversaciones de Zendesk, los funnels de PostHog y las grabaciones de sesión para entender el comportamiento real de las personas e identificar oportunidades de mejora.

El proceso no fue lineal. La investigación, el prototipado, la validación y la iteración continuaron a medida que el producto evolucionaba.

Decisiones clave de diseño

01 — Simplificar una experiencia multiagente

El desafío

El brief original de BuildWithin proponía mostrar cinco agentes de IA especializados dentro de la interfaz conversacional. Las personas cambiarían de agente según necesitaran empleo, formación, coaching, eventos o apoyo al emprendimiento.

Me cuestioné si eso reflejaba cómo piensan realmente las personas sus necesidades profesionales.

La decisión

Propuse Celeste como una única interfaz conversacional que reúne el conocimiento y las capacidades de los cinco agentes especializados.

En vez de navegar entre conversaciones distintas, las personas podían explicar sus objetivos a un solo asesor y acceder al apoyo pertinente a medida que sus necesidades cambiaban.

Por qué importó

El equipo adoptó este enfoque, simplificando la experiencia sin reducir las capacidades de la tecnología subyacente.

Las personas podían centrarse en lo que querían lograr en lugar de entender cómo estaba organizado el sistema de IA.

02 — Combinar conversación con exploración estructurada

El desafío

Revisar conversaciones reales en Zendesk mostró comportamientos distintos. Algunas personas daban contexto detallado, mientras que otras escribían solo unas pocas palabras o abandonaban la interacción.

Surgió una pregunta: ¿era la conversación siempre la forma más eficaz de explorar oportunidades?

La decisión

Diseñé una experiencia híbrida que combina la guía conversacional de Celeste con tarjetas de empleo interactivas, filtros y acciones directas.

Las personas podían moverse entre el descubrimiento guiado por IA y patrones de interfaz familiares, sin verse obligadas a un recorrido solo de chat.

Por qué importó

El enfoque se implementó en producción, dando a las personas más flexibilidad y control sobre cómo exploraban las oportunidades.

03 — Diseñar para la confianza y la explicabilidad

El desafío

Las recomendaciones de carrera generadas por IA debían ser comprensibles y ajustables, sobre todo al influir en decisiones profesionales importantes.

La decisión

Diseñé explicaciones del puntaje de compatibilidad, feedback de me gusta / no me gusta, carga de CV y preguntas de aclaración para ayudar a las personas a entender las recomendaciones, aportar contexto y corregir el sistema.

Por qué importó

Estas interacciones se diseñaron para hacer a Celeste más transparente y dar a las personas control sobre sus decisiones profesionales, en lugar de pedirles que aceptaran recomendaciones sin explicación.

04 — Rediseñar el onboarding para mejorar la calidad de los matches

El desafío

Los funnels y las grabaciones de sesión de PostHog revelaron un problema en la experiencia de onboarding.

Las personas podían saltarse la configuración inicial del perfil, pensada para recoger la información necesaria para generar matches de empleo personalizados.

Muchas la saltaban y dejaban el perfil incompleto. Como resultado, las recomendaciones eran a menudo demasiado amplias y las personas aportaban poco contexto adicional a través de Celeste.

El problema no era solo el abandono del onboarding, sino que las personas llegaban al producto sin información suficiente para que la IA aportara valor.

La decisión

Rediseñé el onboarding para reducir la fricción y facilitar que las personas aportaran información profesional relevante.

Acorté el flujo inicial a la información general necesaria para un match (preferencias, roles, ubicación y tipo de empleo) e incorporé la carga de CV, de modo que la información del perfil se completara automáticamente en vez de exigir que la ingresaran a mano. También sumé un modal de login, un paso de bienvenida y el sidebar abierto desde el inicio.

Para quienes igual decidían saltarse el onboarding, diseñé un mensaje persistente y una checklist que explican cómo mejorar sus matches subiendo un CV o completando el perfil.

Por qué importó

Este enfoque preservó la libertad de saltarse el paso y dejó clara la ventaja de completar el perfil.

Tras el rediseño, el abandono posterior al registro bajó de aproximadamente 40% a 10%, según PostHog.

Más importante aún, la nueva experiencia resolvió un problema de fondo: ayudar a la IA a reunir suficiente contexto para dar recomendaciones útiles sin que el onboarding se sintiera como una barrera.

Validación e iteración

Combiné pruebas en Maze, conversaciones de Zendesk, feedback de stakeholders, funnels de PostHog y grabaciones de sesión para evaluar la experiencia durante el desarrollo y después del lanzamiento.

Estas fuentes ayudaron a identificar dónde las interacciones conversacionales no bastaban, dónde las personas necesitaban más control y cómo los perfiles incompletos afectaban la utilidad de las recomendaciones.

El rediseño del onboarding fue un ejemplo especialmente valioso de cómo conectar datos de comportamiento con una decisión de producto y luego medir el cambio tras el lanzamiento.

Resultado y aprendizajes

Talent Capital se lanzó públicamente en abril de 2026, conectando a personas de toda la región con oportunidades de empleo y desarrollo profesional. La plataforma superó los 83.000 usuarios activos, dio acceso a más de 100.000 ofertas y fue reconocida como Product of the Year por Technical.ly.