Sistema multiagentico de inteligencia artificial dedicado a la gestión de carrera profesional basado en skills.

Abstract

Este trabajo analiza el potencial de los sistemas multiagénticos de inteligencia artificial para mejorar la gestión personalizada de la carrera profesional en un mercado laboral cada vez más condicionado por la transformación tecnológica y el enfoque basado en skills. Para ello, se diseña y desarrolla una prueba de concepto de career manager digital capaz de procesar el currículum vitae de un usuario, extraer y estructurar su perfil competencial, identificar brechas frente a roles profesionales objetivo, proponer itinerarios de aprendiza-je y consultar tendencias del mercado laboral. El sistema se construye mediante una arqui-tectura compuesta por un agente orquestador y varios agentes especialistas, apoyados en memoria persistente, herramientas externas, búsqueda semántica, consultas SQL y bús-queda web. La metodología combina revisión teórica, diseño aplicado del sistema, imple-mentación funcional y evaluación cualitativa mediante casos de uso. Los resultados mues-tran que este enfoque permite generar recomendaciones personalizadas, coherentes y útiles para orientar decisiones de desarrollo profesional, aunque su eficacia depende de la cali-dad de la taxonomía de skills, de la cobertura sectorial de la base de datos y de la fiabilidad de las herramientas utilizadas

This thesis analyses the potential of multi-agent artificial intelligence systems to improve personalised career management in a labour market increasingly shaped by technological change and skills-based approaches. To address this objective, the project designs and develops a proof of concept for a digital career manager capable of processing a user’s curriculum vitae, extracting and structuring their skills profile, identifying gaps against target professional roles, generating learning roadmaps and consulting labour market trends. The system is built through an architecture composed of an orchestrator agent and several specialised agents, supported by persistent memory, external tools, semantic search, SQL queries and web search. The methodology combines a theoretical review, applied system design, functional implementation and qualitative evaluation through different use cases. The results suggest that this approach can generate personalised, coherent and useful recommendations to support professional development decisions. However, the effectiveness of the system depends on the quality of the skills taxonomy, the sectoral coverage of the database and the reliability of the tools used by the agents. Overall, the project shows that multi-agent systems can become a valuable support mechanism for career orientation, employability and future reskilling processes.