Labor demand observatory in Latin America

Este proyecto evaluó la viabilidad de construir un observatorio automatizado que recolectó 30,660 ofertas laborales de Colombia, México y Argentina mediante web scraping, focalizándose en la extracción de hard skills. Se implementó un Pipeline tradicional (NER + Regex) y un Pipeline experimental con LLM (Gemma 3 4B), demostrando la superioridad de los modelos de lenguaje (F1=84.26%) para capturar habilidades implícitas y tecnologías emergentes ausentes en taxonomías oficiales. El sistema normalizó extracciones contra la taxonomía ESCO extendida y aplicó clustering no supervisado (UMAP + HDBSCAN), identificando familias tecnológicas sin categorías predefinidas. Los hallazgos validan la viabilidad técnica de observatorios basados en scraping multi-portal y la obsolescencia de taxonomías estáticas frente al mercado IT actual.