NomadHR — Informe CAIO Estratégico

✓

Resumen Ejecutivo

💡 Bottom Line

NomadHR debe usar API frontier-economy para los tres casos de uso actuales (TCO 3 años: ~$32 400 total vs $225 000+ autoalojado), posponer cualquier fine-tuning hasta alcanzar 1,25 M consultas/mes en el generador de JDs, y detener el despliegue UE del CV Ranker hasta completar la evaluación de conformidad obligatoria bajo el EU AI Act (alto riesgo, Anexo III). La próxima contratación de IA debe ser un AI Engineer, no un ML research scientist.

💶 TCO API (3 años, todos los casos)

~$32 400

vs $225 000+ si autoalojado ahora

⚠ Riesgo regulatorio máximo

ALTO (UE)

CV Ranker → EU AI Act Anexo III + NYC LL144 + CO AI Act

👤 Primera contratación recomendada

AI Engineer

Full-stack · prompts · evals · despliegue · 75–85 K€/año

A

Decisión de Modelo: API vs Fine-tune vs Build

Caso: Generador de Descripciones de Puesto (JD Generator)

Veredicto

JD Generator — 2M consultas/mes

✓ API Frontier-Economy

La API frontier-economy (Gemini 2.5 Flash / Claude Haiku 4.5) cuesta $198 000 en 3 años, mientras el fine-tune costaría $98 800. El volumen actual de 2M consultas/mes supera el punto de equilibrio (1,25M/mes), lo que hace el fine-tune económicamente atractivo, pero NomadHR carece de datos etiquetados y capacidad ML. La decisión correcta: API ahora + evaluar fine-tune en 6 meses si se alcanzan 10M+ consultas.

Vendor lock-in: construir capa de abstracción (LiteLLM/OpenRouter) para failover multi-proveedor
Capability drift entre versiones; fijar model IDs y hacer evals de regresión en cada upgrade
Rate limits en picos de QPS; confirmar Tier 4+ con el proveedor

TCO Comparativo — 3 Años (USD)

JD Generator

Opción	3 Años
API Frontier-Premium (Claude Sonnet / GPT-4o)	$561 600
API Frontier-Economy (Gemini Flash / Haiku) ELEGIDO	$198 000
API Open-Hosted (Llama 70B vía endpoint)	$64 800
Fine-tune (70B-class + reentrenamiento)	$98 800
Self-hosted (H100/A100 + ops)	$333 000
Build from Scratch (pre-entrenamiento)	$17 000 000

⇄

Punto de equilibrio API vs Fine-tune: 1 254 480 consultas/mes. Volumen actual (2M/mes) ya supera el breakeven — considerar fine-tune cuando se tenga dataset propio y 1 ML engineer.

B

Clasificación de Riesgo Regulatorio

Caso: CV Ranker (Screening Automático de Candidatos)

Obligaciones EU AI Act (Arts. 8–15, 43, 49, 72):

Evaluación de conformidad (Art. 43)

Registro en base de datos UE de IA (Art. 49)

Sistema de gestión de riesgos documentado (Art. 9)

Gobernanza de datos de entrenamiento: representatividad y sesgo (Art. 10)

Documentación técnica durante todo el ciclo (Art. 11)

Registro y trazabilidad de decisiones (Art. 12)

Supervisión humana: botón de parada, capacidad de override (Art. 14)

Monitorización post-mercado + reporte de incidentes (Art. 72)

EIPD obligatoria bajo GDPR Art. 35 (datos personales)

Mecanismo de contestación/explicación para afectados (GDPR Art. 22)

Normativa EE.UU. activada (NY + Colorado):

⚠ NYC Local Law 144 (AEDT)

Trigger: Herramienta automatizada de decisión de empleo usada en contratación para empleados en NYC

Auditoría de sesgo independiente anual; aviso al candidato (10+ días hábiles antes del uso); publicación del resumen de auditoría en el sitio web de la empresa.

Cit.: NYC Local Law 144 of 2021; 6 RCNY § 5-300

⚠ Colorado AI Act (SB 21-169 / 2024 amendments)

Trigger: Sistema de IA de alto riesgo en decisiones de consumidores (empleo)

Diligencia razonable para proteger de discriminación algorítmica; evaluación de impacto; aviso al consumidor; derecho a opt-out de perfilado; política de gestión de riesgos documentada.

Cit.: Colorado SB 21-169 (as amended)

Fuente: EU AI Act Art. 6, Anexo III, Arts. 8-15, 43, 49, 72 · NIST AI RMF 1.0 · NYC LL 144 · CO SB 21-169

C

Economía API vs Autoalojado

Caso: Asistente de Onboarding (8M tokens/día)

Coste Mensual Estimado — Opciones

API Economy (elegida)$600/mes

API Open-Hosted (Llama endpoint)$200/mes

API Premium (Claude Sonnet)$1 680/mes

Self-hosted A100 (tarifa baja)$10 570/mes

Self-hosted A100 (tarifa media)$13 450/mes

Análisis de Punto de Equilibrio

Volumen actual	240M tokens/mes
Punto de equilibrio (API vs self-host)	5 380M tokens/mes
Multiplicador necesario para justificar infra	22x el volumen actual
GPUs mínimas necesarias (70B-class)	4× A100
Coste mínimo self-hosted (piso fijo)	$10 570/mes
Ahorro mensual con API (vs self-host medio)	$12 850/mes

📍

Veredicto: A 240M tokens/mes, el autoalojado cuesta 22x más que la API. El CTO debe abandonar la idea de infra propia hasta superar 5 000M tokens/mes (~21x el volumen actual).

D

Plan de Evolución del Equipo de IA

Próximos 18 meses · Serie A → Serie B

🟢 Ahora (Jun 2026)

Estado actual: 0 ML Engineers

1 full-stack "curioso con IA" haciendo prototipos con ChatGPT. Sin eval set, sin abstracción de proveedor, sin monitorización de producción. Riesgo alto: si el modelo cambia, nadie lo detecta.

🟡 Q3 2026 — Primera Contratación

AI Engineer (aplicado)

Full-stack + prompts + evals + despliegue. No un ML research scientist. Responsabilidades inmediatas: construir eval harness, migrar a LiteLLM para failover multi-proveedor, implementar monitorización de producción, y diseñar la capa de logging para el CV Ranker (necesario para EU AI Act Art. 12).

Rango salarial objetivo: 75 000 – 85 000 €/año. Remoto-first compatible con equipos distribuidos de NomadHR.

🔵 Q1 2027 — Segunda Contratación

AI Engineer #2 (Evals & Quality)

Especializado en eval infrastructure, bias auditing (necesario para NYC LL144 anual) y calidad de outputs. Desbloquea la posibilidad de fine-tune cuando el dataset de JDs sea suficiente.

🔸 Serie B — Tercera Contratación

ML Platform Engineer

Solo después de tener 2 AI Engineers en producción. Responsable de inferencia, evals a escala, observabilidad y reentrenamiento. No antes.

Distinción crítica

AI Engineer ≠ ML Engineer ≠ Research Scientist

Rol	Qué hace	NomadHR
AI Engineer	Prompts, evals, integración, despliegue	✓ Contratar ahora
ML Engineer	Infra de producción, reentrenamiento, monitoring	Tras 2 AI Engineers
Research Scientist	Arquitecturas nuevas, papers, pre-entrenamiento	✕ No en esta etapa

Estructura de equipo

Centralizar vs Distribuir

Centralizado

Con 3 casos de uso en producción, el equipo de IA debe ser centralizado (un equipo dedicado). Distribuir por producto solo tiene sentido cuando la IA se despliegue en 4+ superficies de producto distintas — lo que no es el caso actual.

✓

Próximos 3 Pasos de Alta Prioridad

01

Pausar CV Ranker en UE hasta conformidad

El CV Ranker es un sistema de IA de alto riesgo bajo el EU AI Act (Anexo III). No puede desplegarse en clientes de la UE sin completar la evaluación de conformidad obligatoria. Riesgo legal y reputacional inmediato. Pausar y contratar asesor legal especializado en EU AI Act.

📆 Inmediato · Esta semana

02

Contratar AI Engineer aplicado

Abrir proceso de selección para AI Engineer full-stack (75–85K€/año). Prioridad de los primeros 30 días: construir eval harness para los tres casos de uso y migrar todos los llamados de API a LiteLLM para failover multi-proveedor.

📆 Q3 2026 · Proceso ya

03

Definir eval sets antes de ship

Sin un eval set documentado para cada caso de uso, la calidad de IA es una percepción, no una métrica. El AI Engineer debe crear los eval sets para JD Generator, CV Ranker y Onboarding Assistant. Regla: si no tienes eval, no haces ship.

📆 Mes 1 del AI Engineer