Cómo msg mejoró la transformación de la fuerza laboral de RR. HH. con Amazon Bedrock y msg.ProfileMap

TL;DR

msg.ProfileMap utiliza Amazon Bedrock para enriquecer semánticamente los datos y alimentar flujos de enriquecimiento basados en LLM.
La estrategia eleva la precisión de la coincidencia de conceptos de RR. HH. y reduce de forma significativa el trabajo manual, además de reforzar el cumplimiento con la UE AI Act y GDPR.
La arquitectura combina una capa robusta de extracción de texto, un motor de armonización con IA y un enfoque de recuperación híbrido (vectorial y por cadena) para alinear datos entre fuentes.
Bedrock proporciona acceso a modelos de base totalmente gestionados y sin servidor, permitiendo inferencia de baja latencia, escalabilidad y interacciones auditable para RR. HH.
Los resultados de los benchmarks muestran un 95,5% de precisión en fusiones de alta probabilidad en pruebas internas, reducción de validación manual superior al 70% y rendimiento destacado en OAEI 2024 Bio-ML (NCIT-DOID F1 0,918; Hits@1 > 92%).

Contexto y antecedentes

Msg ProfileMap es una solución SaaS en la nube para la gestión de habilidades y competencias, diseñada para apoyar a RR. HH. y a equipos de estrategia en el mapeo de capacidades de la fuerza laboral, la identificación de brechas y la implementación de planes de desarrollo centrados en el talento. Con más de 7,500 usuarios y presencia en más de 10,000 expertos en 34 países, msg opera como fabricante independiente de software e integrador en industrias fuertemente reguladas. La solución figura como software de socio AWS y está disponible en AWS Marketplace. Los equipos de RR. HH. y estrategia dependen de una vista centralizada de habilidades para impulsar el emparejamiento de candidatos a roles, oportunidades de movilidad interna, análisis de brechas de competencias y planificación del desarrollo de la fuerza laboral. Sin embargo, los datos de RR. HH. suelen estar dispersos en fuentes y formatos diversos —bases de datos relacionales, Excel, documentos Word y PDFs— y los identificadores de elementos como números de personal o competencias pueden diferir, aunque los conceptos semánticamente sean los mismos. Para abordar este desafío, msg diseñó una arquitectura modular optimizada para escenarios de fuerza de trabajo de TI, con un flujo de datos que transforma entradas heterogéneas en datos estructurados, armoniza conceptos y alinea fuentes distintas. En el corazón de msg.ProfileMap hay una capa robusta de extracción de texto que transforma entradas heterogéneas en datos estructurados. Esto se complementa con un motor de armonización impulsado por IA que asegura consistencia entre fuentes, evita duplicaciones y alinea conceptos dispares. El enfoque de recuperación utiliza una combinación de similitud semántica basada en vectores y emparejamiento por cadena para vincular datos con entidades existentes. Amazon Bedrock se usa para enriquecer semánticamente los datos, mejorando la compatibilidad entre fuentes y la precisión de las coincidencias. Los datos extraídos y enriquecidos se indexan y almacenan en Amazon OpenSearch Service y Amazon DynamoDB para facilitar una recuperación rápida. El marco está diseñado para ser no supervisado y dominio independiente, optimizado para casos de uso de fuerza de trabajo de TI, pero ha demostrado una buena generalización en otros dominios. Msg.ProfileMap depende de varios servicios de AWS, en particular Amazon Neptune, Amazon DynamoDB y Amazon Bedrock. El diagrama de la solución describe la arquitectura completa. Msg evaluó la efectividad del marco de armonización de datos mediante pruebas internas en conceptos de fuerza de trabajo de TI y benchmarking externo en Bio-ML Track de OAEI, una iniciativa de investigación UE que evalúa tecnologías de alineación de ontologías desde 2004. Durante las pruebas internas, el sistema procesó 2,248 conceptos en múltiples tipos de sugerencias. Las recomendaciones de fusión de alta probabilidad alcanzaron 95,5% de precisión, cubriendo casi el 60% de las entradas, lo que ayudó a reducir la carga de validación manual en más del 70%, mejorando significativamente el tiempo de valor para los equipos de RR. HH. Durante OAEI 2024, msg.ProfileMap ocupó la cima del ranking Bio-ML, superando a otros sistemas en varios conjuntos de datos biomédicos. En NCIT-DOID, obtuvo F1 de 0,918 y Hits@1 por encima de 92%, validando la generalización del motor más allá del dominio de RR. HH. La empresa utiliza LLMs para enriquecer datos en tiempo casi real. Estas cargas requieren inferencia de baja latencia, escalabilidad flexible y simplicidad operativa. Bedrock satisfizo estas necesidades al ofrecer una interfaz totalmente gestionada y sin servidor para modelos de base, sin necesidad de gestionar infraestructura o implementar pilas de ML personalizadas. Su modelo de precios basado en consumo se alinea con el modelo SaaS de msg, facturando recursos solo cuando se utilizan. Bedrock también ayuda a msg a cumplir con los objetivos de cumplimiento bajo la UE AI Act y GDPR al permitir interacciones con APIs de modelos con alcance acotado y auditable. La implementación exitosa de Bedrock en msg.ProfileMap demuestra que la adopción de IA a gran escala no requiere infraestructuras complejas ni entrenamiento de modelos desde cero. Combinando diseño modular, armonización basada en ontologías y las capacidades LLM completamente gestionadas de Bedrock, msg ofrece una plataforma de inteligencia de fuerza laboral impulsada por IA, precisa, escalable y conforme. Msg.ProfileMap está disponible como SaaS en AWS Marketplace. Si desea obtener más información, comuníquese con [email protected]. El contenido y las opiniones de este blog son de los autores y AWS no se responsabiliza por su contenido. Stefan Walter es Vicepresidente Senior de Soluciones IA SaaS en msg, con más de 25 años de experiencia, y lidera iniciativas de innovación SaaS. Gianluca Vegetti es Arquitecto Empresarial Senior en AWS Partner Organization, y Yuriy Bezsonov es Arquitecto de Soluciones Senior en AWS.

Novedades

La integración de Amazon Bedrock en msg.ProfileMap representa el avance principal, proporcionando acceso a modelos de base gestionados para enriquecimiento de datos mediante LLM. Bedrock facilita inferencias de baja latencia y sin servidor, simplificando la integración y mejorando la adaptabilidad ante la demanda de clientes. La arquitectura continúa siendo modular y centrada en la armonización basada en ontologías, fortaleciendo la precisión de las coincidencias y la conformidad.

Por qué importa (impacto para desarrolladores/empresas)

La calidad de los datos es fundamental para el reclutamiento, la movilidad interna, el análisis de brechas de competencias y la planificación del desarrollo de la fuerza laboral. Automatizar la armonización reduce errores y acelera los flujos de RR. HH.
La arquitectura modular demuestra que una solución no limitada a un dominio puede escalar con la demanda, y Bedrock ofrece inferencia de baja latencia y escalabilidad elástica, mientras que el modelo SaaS facilita costos basados en uso.
La conformidad se refuerza mediante interacciones con APIs de modelos definidas y auditables, crucial para cumplir con la UE AI Act y GDPR al tratar datos sensibles de RR. HH.
Los resultados en benchmarks muestran desempeño sólido, con evidencia de generalización más allá del HR/IT, abriendo posibilidades para otras aplicaciones de armonización de datos empresariales.

Detalles técnicos o Implementación

| Componente | Propósito | Servicio AWS |---|---|---| | Capa de extracción de texto | Convierte entradas heterogéneas en datos estructurados | — | Mecanismo de armonización IA | Garantizar consistencia, evitar duplicados, alinear conceptos | — | Recuperación híbrida | Combina similitud semántica basada en vectores y coincidencia por cadena | — | Enriquecimiento de datos | Enriquecimiento semántico con LLMs | Amazon Bedrock |Almacenamiento/Indexación | Recuperación rápida y almacenamiento duradero | Amazon OpenSearch Service; Amazon DynamoDB |Graph y relaciones | Gestionar entidades y vínculos complejos | Amazon Neptune | Msg.ProfileMap está diseñado como una solución SaaS orientada al usuario y con capacidad de adaptarse a otros dominios, no solo RR. HH. y TI. El flujo de datos describe cómo las entradas pasan por la extracción de texto, luego por la armonización IA con recuperación híbrida, se enriquecen con Bedrock y finalmente se indexan para búsqueda rápida y uso downstream.

Rendimiento y benchmarks

Pruebas internas en conceptos de TI: 2.248 conceptos procesados; fusiones de alta probabilidad 95,5% de precisión; reducción de la validación manual > 70%. Estos resultados aceleran el valor para RR. HH.
Benchmark externo: OAEI 2024 Bio-ML Track; rendimiento superior en varios conjuntos de datos biomédicos; NCIT-DOID F1 de 0,918 y Hits@1 > 92%, confirmando la generalización más allá de RR. HH.

Conclusiones clave

Automatizar la armonización de datos con enriquecimiento LLM vía Bedrock mejora la precisión de conceptos de RR. HH. y reduce el esfuerzo manual.
Un enfoque de recuperación híbrida sostiene la coherencia entre fuentes y reduce duplicaciones.
El acceso gestionado y sin servidor a Bedrock simplifica la integración, ofrece escalabilidad y permite interacciones auditable para cumplimiento.
El marco está diseñado para ser independiente del dominio y adaptable a otros casos de uso de armonización de datos en la empresa.
Los benchmarks demuestran un rendimiento sólido tanto en pruebas internas como en benchmarks externos de alineación ontológica, subrayando la robustez de la plataforma.

Preguntas Frecuentes (FAQ)

P: ¿Qué es msg.ProfileMap y cómo encaja Bedrock? R: msg.ProfileMap es una solución SaaS de gestión de habilidades y competencias. Usa una arquitectura modular con extracción de texto y un motor de armonización IA, y Bedrock aporta enriquecimiento semántico para flujos LLM, mejorando la precisión de las coincidencias.
P: ¿Qué mejoras de rendimiento se observaron? R: Pruebas internas mostraron 95,5% de precisión en fusiones de alta probabilidad y reducción de validación manual superior al 70%. En OAEI 2024, se obtuvo F1 de 0,918 en NCIT-DOID y Hits@1 > 92%.
P: ¿Cómo ayuda Bedrock con la conformidad? R: Bedrock facilita interacciones con APIs de modelos definidas y auditables, apoyando el cumplimiento con la UE AI Act y GDPR para escenarios de RR. HH.
P: ¿El marco está limitado a RR. HH. o TI? R: Es un marco no supervisado e independiente del dominio, optimizado para fuerza de trabajo de TI, pero con buena generalización a otros dominios.
P: ¿Cómo acceder a msg.ProfileMap? R: msg.ProfileMap está disponible como SaaS en AWS Marketplace. Para más información, contacte a [email protected].