Por qué el matching automático falla (y cómo Kaizen lo resuelve)

Publicás un proyecto y en minutos tenés una lista de perfiles que matchean por keyword: “React”, “5 años de experiencia”, “disponible ya”. Ninguno de esos filtros te dice si ese equipo entendió qué estás construyendo, por qué lo estás construyendo así, y qué pasó la última vez que alguien lo intentó. Ese es el problema de fondo del matching automático tradicional — y la razón por la que tantos proyectos que arrancan bien terminan estancados a mitad de camino, con un cambio de equipo a mitad de partido o un scope que nunca terminó de cerrar.

El problema no es la lista, es lo que la lista no ve

La mayoría de las plataformas de contratación tratan el matching como un problema de búsqueda: indexás perfiles por stack, disponibilidad y tarifa, y devolvés los que mejor puntúan contra el filtro. Funciona razonablemente bien cuando lo que necesitás es intercambiable — una tarea acotada, un rol genérico, una skill puntual. Se rompe apenas el proyecto tiene algo de complejidad real, que es la mayoría de los proyectos que importan.

Un squad puede tener “React” y “Node” en el perfil y no haber tocado nunca un sistema con la escala de tráfico que vos necesitás. Puede tener años de experiencia y ninguno en el tipo de decisión que tu proyecto exige — no es lo mismo escribir código nuevo sobre una base limpia que meterse en un sistema legacy con deuda técnica acumulada y stakeholders que ya se quemaron con proveedores anteriores. Ningún filtro de keywords captura esa diferencia, y es exactamente la diferencia que determina si el proyecto sale bien.

Matching es un problema de discovery, no de filtros

El fit real depende de información que nadie pone en un formulario. ¿El proyecto es greenfield o una migración sobre algo que ya funciona a medias? ¿La empresa necesita un equipo que tome decisiones de arquitectura por su cuenta o uno que ejecute un spec ya cerrado? ¿Qué falló en el intento anterior — si lo hubo — y qué hay que evitar repetir? Esas preguntas no se responden con un dropdown. Se responden conversando, y ahí es donde el matching por filtros se queda corto: optimiza la búsqueda, no el entendimiento.

Cómo lo aborda Kaizen

Kaizen es el motor de discovery de Zenit, y arma el match después de entender el proyecto en profundidad — no antes. En vez de partir de un formulario, recorre cinco actos con la empresa:

• Escucha — se suma a las reuniones del equipo y capta objetivos, restricciones y la forma real en la que trabajan, no lo que quedó escrito en un documento viejo.
• Entiende — cruza lo escuchado en distintas conversaciones para armar un solo mapa del proceso: qué hay, qué falta, dónde aparecen versiones contradictorias de la misma prioridad.
• Documenta — el brief se escribe en vivo, con alcance, milestones y requisitos de equipo, sin depender de actas manuales.
• Recomienda — cruza ese brief con historial de entregas, seniority y disponibilidad real de cada squad, y explica por qué cada opción encaja.
• Acompaña — durante la ejecución, sigue presente: cuida cada milestone y vuelve a la empresa si hay algo real que confirmar.

La diferencia está en el “por qué”

El acto que más separa este enfoque del matching por filtros es “Recomienda”. No alcanza con puntuar squads contra un checklist — Kaizen explica el razonamiento detrás de cada opción: por qué ese equipo, con qué entregó algo comparable antes, dónde puede haber fricción. La decisión final siempre es tuya. Kaizen no reemplaza tu criterio, te da el contexto que un perfil nunca te va a dar.

Después del match, el trabajo recién empieza

La mayoría de las plataformas terminan su trabajo en el momento del match. Kaizen no: durante la ejecución, guía al squad como lo haría un scrum master — cuida el avance milestone a milestone junto con SafePay y cruza señales de riesgo antes de que se conviertan en un problema. Si hay una duda real sobre el alcance, vuelve a la empresa para confirmarlo antes de seguir. El match es el punto de partida, no el entregable.

Hoy Kaizen está enfocado en sumar squads a la red — el discovery del lado de las empresas abre en la próxima fase. El mecanismo que describimos acá es el que ya usa para entrevistar a los equipos que se pre-registran.