Redefiniendo el descubrimiento profesional: cómo Jobright utiliza Zilliz Cloud para ofrecer coincidencias de talento más rápidas e inteligentes más allá de LinkedIn
<50 ms
Latencia
Cero tiempo de inactividad
con despliegues de funciones más rápidos
Cero complicaciones
para la administración de bases de datos
Reducción de costos
Por usuario
Choosing Zilliz Cloud was one of our best early decisions. It enabled us to build the product we envisioned rather than the product our infrastructure limitations would allow. In AI applications, that difference often determines success or failure.
Ethan Zheng
Acerca de Jobright: redefiniendo la búsqueda de empleo en la era de la IA
Jobright es una plataforma de búsqueda de empleo nativa de IA que ha ganado terreno rápidamente frente a actores consolidados de la industria como LinkedIn e Indeed. En poco más de dos años, ha alcanzado casi 100.000 usuarios activos diarios y ahora lidera la industria en duración promedio de sesión de usuario, según SimilarWeb.
Creada por los ingenieros Eric Cheng y Ethan Zheng, quienes dejaron puestos en Big Tech para solucionar lo que consideraban un problema de descubrimiento roto. Jobright ofrece una búsqueda de empleos más inteligente y personalizada mediante búsqueda semántica, análisis de grafos y retroalimentación del sistema en tiempo real. Las funciones destacadas de la plataforma, como el filtrado de patrocinio H-1B y el descubrimiento de referidos, la han hecho especialmente valiosa para profesionales internacionales y talento técnico cualificado.
Por qué la búsqueda tradicional se rompió con 2 millones de consultas al día
A medida que Jobright ganó tracción, sus exigencias técnicas aumentaron. El valor central de la plataforma, la búsqueda de empleos personalizada y en tiempo real, expuso rápidamente las limitaciones de las bases de datos tradicionales.
Datos en constante cambio: Las ofertas de empleo cambian constantemente. Más de 400.000 ofertas se agregan o eliminan a diario. La mayoría de las bases de datos no pueden ingerir y eliminar datos a ese ritmo sin problemas de rendimiento.
Coincidencia semántica y multidimensional: Jobright no solo coincide palabras clave. Busca en descripciones de puestos, habilidades, trayectorias profesionales y cultura de empresa. Cada interacción de usuario implica múltiples búsquedas vectoriales más filtrado por ubicación, estado de visa, nivel de experiencia y más.
Respuesta en tiempo real a escala: Los usuarios promedian más de 40 interacciones diarias. Eso se traduce en más de 2 millones de consultas al día, todas con la expectativa de devolver resultados en menos de 100 ms.
Patrones de carga impredecibles: Las oleadas de contratación o despidos de grandes empleadores provocan picos de ingestión de datos y consultas. La infraestructura debía absorber estos picos sin comprometer el rendimiento.
"Esto no es como un sistema de recomendación típico en el que puedes procesar por lotes durante la noche", explica Ethan, cofundador y CTO de Jobright. "Los usuarios esperan resultados instantáneos que reflejen las ofertas de empleo más recientes y sus preferencias en evolución. La infraestructura tiene que manejar simultáneamente tanto una escala masiva como una capacidad de respuesta en tiempo real."
Cómo Jobright evaluó el mercado de bases de datos vectoriales
A medida que el sistema de coincidencia simple y basado en Python de Jobright comenzó a fallar bajo carga, el equipo se enfrentó a una decisión crítica de infraestructura. En lugar de apresurarse a una solución rápida, Ethan dedicó una semana entera a evaluar sistemáticamente todas las principales opciones de bases de datos vectoriales del mercado, incluidas FAISS, Pinecone, Elasticsearch, Milvus de código abierto y Zilliz Cloud. Su enfoque fue metódico y práctico: "No nos limitamos a leer documentación ni a escuchar presentaciones de proveedores. Construimos MVP reales con cada solución y los probamos rigurosamente en nuestro entorno específico."
Cada opción reveló limitaciones críticas:
Facebook FAISS inicialmente parecía prometedor, dada su eficacia probada a la escala de Meta. Sin embargo, cuando Jobright intentó gestionar consultas concurrentes mientras insertaba y eliminaba vectores constantemente, esta implementación en Python se volvió inestable, con picos de memoria y fallos durante los momentos de mayor uso.
Pinecone ofrecía una solución gestionada, pero las limitaciones regionales creaban una latencia inaceptable para su infraestructura global basada en AWS. "Somos una plataforma global que atiende a usuarios de todo el mundo. Tener nuestra base de datos vectorial solo en ciertas regiones habría perjudicado gravemente nuestra experiencia de usuario internacional", dijo Ethan.
Milvus autohospedado funcionó bien con cargas de trabajo concurrentes y demostró escalabilidad, pero requería una sobrecarga operativa significativa para la autogestión, una sobrecarga que habría desviado recursos críticos de ingeniería del desarrollo del producto.
Elasticsearch, aunque es fiable para operaciones básicas, no puede combinar de manera eficiente la similitud vectorial con las decenas de dimensiones de filtrado de Jobright, como patrocinio de visas, nivel de experiencia y tamaño de la empresa.
Entonces Ethan probó Zilliz Cloud. La diferencia se hizo evidente en cuestión de horas: mientras que otras soluciones requerían ajustes y monitoreo constantes, Zilliz Cloud gestionó sin problemas la exigente carga de trabajo de Jobright. Mantuvo un rendimiento constante durante sus escenarios más desafiantes: oleadas simultáneas de ingesta de datos y picos de consultas que habían colapsado otras soluciones. Y lo más importante, Zilliz Cloud habilitó funciones sofisticadas, como encontrar posibles referentes dentro de empresas mediante consultas que combinan múltiples búsquedas vectoriales con análisis de relaciones similar a un grafo, capacidades que anteriormente eran imposibles con otras plataformas.
A diferencia de las soluciones autoalojadas, Zilliz Cloud no requería ninguna sobrecarga de administración de bases de datos, lo que permitió al equipo centrarse por completo en el desarrollo del producto. El soporte de esquema dinámico de la plataforma permite a Jobright experimentar con algoritmos de matching en tiempo real, implementando mejoras durante el horario laboral sin preocuparse por la estabilidad del sistema.
El papel de la infraestructura vectorial en el matching en tiempo real
Jobright ahora utiliza entre seis y siete instancias especializadas de Zilliz Cloud, cada una optimizada para un tipo específico de consulta:
Motor principal de matching de empleos: Compara perfiles de usuarios con millones de ofertas, teniendo en cuenta similitud, ubicación, experiencia, estatus de visa y más.
Descubrimiento de referencias: Encuentra posibles referentes según educación, empleadores anteriores y conexiones, utilizando consultas vectoriales conscientes de las relaciones.
Insights de empresas: Presenta insights cualitativos (p. ej., ajuste cultural, patrones de contratación) mediante la indexación de perfiles de empresas.
Modelado de trayectoria profesional: Recomienda puestos según habilidades en evolución y vectores de embeddings ponderados por tiempo.
Antes de que todo este contenido se ingiera, indexe y recupere en Zilliz Cloud, todos los datos se codifican en embeddings vectoriales de alta dimensión utilizando los modelos especializados y ajustados de Jobright. El equipo emplea diferentes modelos de embeddings optimizados para tipos de contenido específicos en todo el sistema: las descripciones de empleo utilizan modelos entrenados con lenguaje profesional, mientras que las descripciones de cultura empresarial emplean modelos optimizados para características y valores organizacionales.
A medida que los algoritmos de matching de Jobright evolucionan en función de los comentarios de los usuarios, con frecuencia añaden nuevas dimensiones vectoriales y modifican los criterios de filtrado. El soporte de esquema flexible de Zilliz Cloud permite estos cambios sin tiempo de inactividad del sistema, lo que permite al equipo implementar mejoras de algoritmos durante el horario laboral, una capacidad que ha demostrado ser invaluable para mantener su ventaja competitiva.
La plataforma integra Zilliz Cloud con un stack tecnológico integral diseñado para la escalabilidad y la fiabilidad. Construidas sobre AWS con grupos de auto-scaling y balanceadores de carga para gestionar picos de tráfico, las instancias de Zilliz Cloud se distribuyen en zonas de disponibilidad para lograr alta disponibilidad. La integración con múltiples APIs de bolsas de trabajo, sitios web de empresas, bases de datos gubernamentales para datos de H-1B y redes profesionales garantiza que las ofertas de empleo completas y actualizadas fluyan sin problemas hacia la infraestructura de base de datos vectorial.
Jobright también aprovecha las funciones avanzadas de Zilliz Cloud para habilitar escenarios de búsqueda sofisticados que combinan múltiples tipos de similitud y filtrado de maneras que antes eran imposibles. Consultas complejas como "puestos de machine learning en startups que ofrecen patrocinio de visa dentro de 50 millas de San Francisco" combinan la búsqueda vectorial semántica con filtros categóricos y restricciones geográficas en una sola operación. Encontrar referentes adecuados requiere buscar simultáneamente en múltiples espacios vectoriales: embeddings de formación académica, vectores de experiencia laboral y mapeos de relaciones empresariales. Las recomendaciones de progresión profesional consideran cómo las habilidades e intereses de los usuarios evolucionan con el tiempo, utilizando operaciones vectoriales ponderadas por tiempo para predecir los próximos movimientos profesionales adecuados.
De timeouts de 500 ms a búsqueda instantánea, y cero dolores de cabeza administrativos
La transición a Zilliz Cloud ofreció mejoras inmediatas y sostenidas en todas las métricas clave, transformando a Jobright de una startup con dificultades en un actor líder de la industria.
De timeouts de 500 ms a una consistencia de 50 ms
Los tiempos de respuesta de las consultas mejoraron drásticamente, pasando de 200-500 ms inconsistentes con timeouts frecuentes a un rendimiento constante por debajo de 100 ms, con una latencia P95 de menos de 50 ms para las operaciones principales de matching. El sistema alcanzó un 99,9 %+ de tiempo de actividad tras la implementación, eliminando las frecuentes interrupciones y degradaciones de rendimiento que habían afectado a su infraestructura anterior. La plataforma escaló sin problemas de gestionar miles de consultas diarias a procesar más de 2 millones de interacciones de usuarios al día sin requerir cambios de infraestructura ni experimentar degradación del rendimiento.
Cero sobrecarga de administración de bases de datos
"Pasamos aproximadamente un año sin tener que gestionar este sistema en absoluto. Y literalmente olvidé que lo estábamos usando," señala Ethan. "Ese es el mayor elogio que puedo hacerle a una infraestructura: cuando dejas de notar que existe, está funcionando perfectamente."
Esta simplicidad operativa permitió al pequeño equipo de ingeniería centrarse por completo en la innovación de producto, en lugar de en la administración de bases de datos, acelerando significativamente su velocidad de desarrollo.
Superando a LinkedIn e Indeed en interacción de usuarios
Estas mejoras de infraestructura se tradujeron directamente en experiencias de usuario superiores y métricas de interacción líderes en la industria. Según los análisis de SimilarWeb, Jobright ahora tiene la mayor duración promedio de visita de usuarios de cualquier plataforma de búsqueda de empleo, superando a LinkedIn, Indeed y todos los demás competidores. Los usuarios activos diarios aumentaron de 10 en el primer año a casi 100.000, con usuarios que promedian más de 40 interacciones con la plataforma por sesión, una cifra significativamente superior a los benchmarks de la industria. Las funciones avanzadas, como el descubrimiento de referidos y la asistencia para solicitudes impulsada por IA, alcanzan altas tasas de adopción porque funcionan de manera fiable y entregan resultados rápidamente.
Implementaciones de funciones más rápidas sin tiempo de inactividad
Una infraestructura fiable permitió a Jobright mantener su ventaja competitiva mediante un desarrollo rápido de funciones. El equipo ahora lanza nuevas funciones semanalmente con la confianza de que la infraestructura subyacente no fallará durante las actualizaciones o los picos de tráfico. Las tasas de retención mensual mejoraron significativamente a medida que los usuarios experimentaron un rendimiento constante y rápido, y recomendaciones de empleo cada vez más precisas impulsadas por algoritmos en continua evolución.
Costos predecibles que disminuyen por usuario
Los beneficios de costos resultaron igualmente transformadores. Jobright pasó de costos impredecibles asociados con la gestión de una infraestructura defectuosa a precios predecibles basados en el uso que escalan con el crecimiento del negocio. La sobrecarga de administración de bases de datos se eliminó por completo, y los costos de infraestructura por usuario disminuyeron a medida que la plataforma creció, creando una economía unitaria favorable que respaldó una expansión empresarial sostenible.
Mirando hacia el futuro: escalar la visión
La visión de Jobright va mucho más allá de la búsqueda de empleo para convertirse en un mercado integral de talento que conecte a empleadores y candidatos de forma más eficiente que nunca. La analítica avanzada permitirá a las empresas comprender la dinámica del mercado de talento, el posicionamiento competitivo y las estrategias de contratación óptimas, utilizando la misma infraestructura vectorial que impulsa el emparejamiento de candidatos. Las herramientas automatizadas de verificación y evaluación de habilidades usarán la similitud vectorial para evaluar las capacidades de los candidatos frente a los requisitos del puesto, mientras que los conocimientos en tiempo real sobre el mercado laboral derivados de los datos integrales de la plataforma se convertirán en inteligencia valiosa para empleadores y responsables de políticas que buscan comprender las tendencias de la fuerza laboral.
Jobright también planea expandirse a los mercados europeos y asiáticos, con la infraestructura global de Zilliz Cloud permitiendo la prestación de servicios de baja latencia en distintos continentes. La infraestructura flexible de embeddings admite la implementación de modelos específicos para cada mercado, lo que permite a Jobright adaptarse a las prácticas de contratación locales, los requisitos de habilidades y las progresiones profesionales sin grandes revisiones del sistema.
"Estamos planificando la expansión internacional mientras añadimos servicios B2B para empleadores", explica Ethan. "Necesitamos una infraestructura que pueda manejar múltiples mercados, idiomas y requisitos regulatorios sin reconstruir nuestros sistemas principales."
Lecciones para creadores de IA
El notable crecimiento de Jobright de 10 a 100.000 usuarios diarios ofrece ideas valiosas para emprendedores de IA que navegan desafíos similares. Ethan compartió generosamente varias observaciones de su trayectoria:
La proximidad a los usuarios importa más que la sofisticación tecnológica. La mejor IA del mundo no ayudará si no entiendes los problemas reales de tus usuarios. Jobright tiene éxito porque ha invertido más que nadie en comprender las experiencias reales de quienes buscan empleo mediante entrevistas semanales con usuarios y ciclos de retroalimentación.
Los fundadores deben mantenerse involucrados directamente más tiempo del que esperan. La tentación de contratar especialistas pronto es fuerte, pero la delegación prematura a menudo conduce al fracaso. Los fundadores deben dominar capacidades críticas, como el marketing de crecimiento y la investigación de usuarios, antes de poder delegarlas de manera efectiva.
La frecuencia de la toma de decisiones importa más que la velocidad de la toma de decisiones. Aunque mantenerse informado sobre los rápidos avances de la IA es crucial, hacer giros estratégicos con demasiada frecuencia puede destruir el impulso del equipo y erosionar la confianza de los usuarios.
Las decisiones de infraestructura se acumulan con el tiempo. Pequeñas decisiones técnicas crean ventajas competitivas significativas a escala. La infraestructura adecuada permite la innovación en lugar de limitarse a resolver problemas inmediatos.
"Cuando elegimos Zilliz Cloud por primera vez, pensamos que estábamos resolviendo un problema de escalado", reflexiona Ethan. "Pero en realidad resolvió un problema de innovación. Tener una infraestructura de búsqueda vectorial fiable y potente nos permite experimentar con algoritmos de emparejamiento que de otro modo no habríamos podido intentar."
Ethan enfatiza que muchas startups de IA subestiman la carga operativa de gestionar una infraestructura sofisticada. De hecho, la fiabilidad de la infraestructura impacta directamente en la velocidad de desarrollo: los sistemas poco fiables ralentizan el desarrollo de funciones mientras reducen la confianza para lanzar nuevas capacidades.
En mercados donde todos tienen acceso a modelos de IA similares, la ventaja competitiva proviene cada vez más de decisiones de infraestructura que permiten experiencias de usuario superiores y ciclos de innovación más rápidos. __
"Nuestra mayor ventaja competitiva no son nuestros modelos de IA: es nuestra capacidad para desplegar esos modelos a escala con una experiencia de usuario excepcional", concluye Ethan. "Zilliz Cloud nos dio esa capacidad."
Conclusión: Impulsando la próxima generación de aplicaciones de IA con infraestructura escalable
La asociación entre Jobright y Zilliz Cloud muestra cómo una infraestructura de nivel empresarial permite el desarrollo de aplicaciones de IA revolucionarias. Jobright se centró en comprender a los usuarios y crear experiencias de producto superiores, mientras que Zilliz Cloud proporcionó la base fiable y escalable que hizo posibles esas experiencias a gran escala.
A medida que las aplicaciones de IA se vuelven cada vez más sofisticadas, la capa de infraestructura se vuelve más crítica para el éxito. Las bases de datos vectoriales no son solo un requisito técnico: son una plataforma de innovación que determina qué es posible para los productos impulsados por IA.
"Estamos orgullosos de impulsar el notable crecimiento de Jobright", señala James Luan, vicepresidente de Ingeniería en Zilliz. "Su plataforma demuestra lo que es posible cuando algoritmos innovadores de IA se combinan con una infraestructura de nivel empresarial."
Para Jobright, la elección de infraestructura realizada hace un año sigue dando frutos mientras se preparan para la siguiente fase de crecimiento.
"Elegir Zilliz Cloud fue una de nuestras mejores decisiones tempranas", concluye Ethan. "Nos permitió crear el producto que imaginábamos en lugar del producto que permitirían nuestras limitaciones de infraestructura. En las aplicaciones de IA, esa diferencia a menudo determina el éxito o el fracaso."
- Acerca de Jobright: redefiniendo la búsqueda de empleo en la era de la IA
- Por qué la búsqueda tradicional se rompió con 2 millones de consultas al día
- Cómo Jobright evaluó el mercado de bases de datos vectoriales
- El papel de la infraestructura vectorial en el matching en tiempo real
- De timeouts de 500 ms a búsqueda instantánea, y cero dolores de cabeza administrativos
- Mirando hacia el futuro: escalar la visión
- Lecciones para creadores de IA
- Conclusión: Impulsando la próxima generación de aplicaciones de IA con infraestructura escalable
Contenido
Industria
Reclutamiento
Tecnología utilizada
Our strongest competitive moat isn't our AI models—it's our ability to deploy those models at scale with an exceptional user experience. Zilliz Cloud gave us that capability.
Ethan Zheng