Metodología: cómo hacemos los números

Combinamos portales de empleo de LATAM (APIs públicas y lectura automatizada de sitios como Get on Board, Torre, Remotive, Jobicy, Computrabajo, Bumeran, ZonaJobs, Laborum y otros) con capturas manuales curadas de ofertas publicadas en LinkedIn y portales sin API. Cada oferta guarda su fuente y su URL original cuando existe: toda fila es trazable y reversible. No hacemos scraping que viole términos de servicio.

Arriba ves dos totales. El grande para las estadísticas es el corpus verificado: ofertas con huella digital de contenido (hash) que pasaron nuestro control de completitud. Las demás están en curaduría — un proceso registro a registro que las re-deriva del texto original antes de dejarlas entrar. Preferimos un número más pequeño y defendible que uno grande y turbio.

(1) Huella exacta: dos textos idénticos son una sola oferta. (2) Clones lógicos: la misma vacante publicada por ciudad ("QA Engineer (Bogotá)" / "(Lima)") se detecta por empresa + cargo normalizados y cuenta una vez. (3) Reposteos: si la misma empresa re-publica el mismo cargo dentro de 60 días (la ventana estándar de la industria), se marca como re-publicación y no infla las "ofertas nuevas".

Distinguimos tres orígenes y nunca los mezclamos en silencio: cifra publicada por el empleador (la base de los estadísticos oficiales), banda estimada por el portal (se detecta —por ejemplo montos idénticos repetidos entre empresas distintas— y se excluye de lo "real"), y estimación de nuestra IA, que complementa medianas y siempre va marcada con "⚠ incluye estimación IA". Guardamos el rango y la moneda ORIGINALES y la tasa de cambio del día de captura: convertir sin guardar la tasa destruye el dato. Ventana de validez para estadísticos: $0,5M–$22M COP/mes.

Régimen de confianza único, calibrado con la práctica de institutos de estadística (Statistics Canada, CDC): con n ≥ 50 publicamos distribución y percentiles 🟢 · con 20–49 mediana y cuartiles con cautela 🟡 · con 8–19 solo la mediana 🔴 · con menos de 8, no publicamos cifra ⚪. Cada gráfico lleva su ficha técnica con el n, la base y el semáforo. Los placeholders ("No menciona") no compiten como categoría: se reportan como cobertura del dato.

Una oferta tiene dos fechas: cuándo la publicó el mercado y cuándo la capturamos nosotros. Las tendencias usan la primera; la salud de nuestra operación usa la segunda. Confundirlas convierte "cargamos mucho esta semana" en un falso "el mercado explotó" — por eso las separamos hasta en los filtros.

· Las ofertas online no son todo el mercado laboral: sobre-representan empleo formal, calificado y digital.
· El corpus es mayoritariamente colombiano (55%) — la expansión LATAM está en curso y cada país se abre cuando junta masa crítica propia.
· Solo 20% de las ofertas publica salario: los agregados salariales describen a quienes SÍ publican, con el complemento marcado como estimación.
· El histórico es joven (desde finales de 2025): las series de tendencia crecen mes a mes y lo decimos en cada gráfico en construcción.

Publicamos el método completo, no la maquinaria: los prompts, el pipeline interno y el código de extracción son el trabajo de meses y no se exponen. Tampoco almacenamos datos personales de reclutadores (nombres, correos, teléfonos) — solo señales de la empresa, en línea con la Ley 1581 de protección de datos.

El corpus se audita solo: un forense semanal barre todo el acumulado buscando montos-default de plataformas, salarios "publicados" sin cifra en el texto y fechas imposibles; un control diario vigila la frescura de la ingesta; y cada despliegue del sitio pasa una batería de pruebas end-to-end antes de considerarse sano. Los hallazgos se corrigen registro a registro, con motivo documentado.