# Medidor de Impacto de Balas de CV

Puntúa cada bullet del CV: coincidencia de verbos fuertes, detección de métricas, auditoría de longitud y palabras repetidas, y buzzwords de la industria. Devuelve 0–100, sugerencias de reescritura y sinónimos.

> Página canónica: https://elysiatools.com/es/tools/resume-bullet-impact-meter

- **Categoría:** Text Processing

- **Palabras clave:** currículum, cv, punto, impacto, verbo fuerte, métricas, buzzword, revisión de cv, carrera, empleo, reescribir, puntuación

## Descripción general

La mayoría de bullets de CV fallan por las mismas razones: verbos débiles, sin números, jerga y vagueza. Esta herramienta audita cada bullet contra esos modos de fallo y lo puntúa 0–100.

**Qué revisa (cinco dimensiones).**
- **Fuerza del verbo** — ¿el bullet abre con un verbo fuerte (*Architected, Shipped, Migrated, Drove, Closed*) o débil (*Worked, Helped, Was responsible for*)? El diccionario se ajusta por industria.
- **Métricas cuantificadas** — ¿contiene un número duro, %, dinero, tiempo ahorrado o multiplicador (3x)? Sin números, suena a opinión.
- **Longitud** — muy corto (<8 palabras) es vago; muy largo (>30 palabras) entierra el punto. Ideal: 12–25 palabras.
- **Jerga** — acierta en una lista negra de buzzwords (synergy, leverage, rockstar, ninja…).
- **Variedad de palabras** — marca palabras repetidas 3+ veces.

**Cómo leer el puntaje.** El total es un blend ponderado; las barras por dimensión muestran dónde enfocarte. Cada bullet recibe sugerencias concretas y una plantilla de reescritura.

**Por qué no solo preguntar a una IA.** Un motor de reglas determinístico es reproducible, instantáneo y funciona offline. Atrapa los problemas objetivos que todo bullet debe arreglar antes del pulido estilístico.

## Entradas

- **Puntos del CV** (textarea): Worked on the authentication system and helped the team. Migrated legacy auth from session cookies to JWT, cutting auth-related support tickets 42% across 1.2M users.
- **Industria** (select)
- **Severidad** (select)

## Cuándo usarlo

- Antes de enviar una postulación de empleo para asegurarte de que cada logro esté respaldado por datos cuantificables.
- Al actualizar tu currículum y querer reemplazar verbos débiles o pasivos por verbos de acción fuertes adaptados a tu industria.
- Para limpiar tu CV de clichés, palabras repetitivas y jerga corporativa vacía que diluye la credibilidad de tu perfil.

## Cómo funciona

- Introduce los puntos (bullets) de tu currículum en el campo de texto y selecciona tu industria específica para ajustar el diccionario de verbos.
- Elige el nivel de severidad de la evaluación (estricto, equilibrado o indulgente) para calibrar el rigor del análisis.
- El motor de reglas analiza cada línea evaluando la fuerza del verbo, la presencia de métricas, la longitud, las buzzwords y la variedad de vocabulario.
- Revisa la puntuación final de 0 a 100, las barras de rendimiento por dimensión y aplica las plantillas de reescritura sugeridas.

## Casos de uso

- Optimización de currículums técnicos reemplazando descripciones de tareas por logros de ingeniería con métricas de escala.
- Revisión de perfiles de ventas y marketing para asegurar que cada punto destaque el crecimiento de ingresos o conversión.
- Auditoría rápida de CVs para candidatos que buscan eliminar la repetición excesiva de palabras y acortar frases demasiado largas.

## Preguntas frecuentes

### ¿Cómo se calcula la puntuación de cada bullet?

Se calcula mediante una media ponderada de cinco factores: fuerza del verbo inicial, presencia de métricas, longitud ideal (12-25 palabras), ausencia de jerga y variedad de vocabulario.

### ¿Qué se considera un verbo fuerte en el CV?

Verbos de acción directa que denotan liderazgo o ejecución, como 'Migrated', 'Drove' o 'Architected', en lugar de verbos pasivos como 'Worked' o 'Helped'.

### ¿Por qué es obligatorio incluir métricas cuantificadas?

Las métricas (porcentajes, dinero, usuarios o tiempo) demuestran el impacto real de tu trabajo y transforman una opinión subjetiva en un hecho comprobable.

### ¿Qué tipo de jerga o buzzwords penaliza la herramienta?

Palabras vacías o clichés corporativos como 'synergy', 'leverage', 'ninja' o 'rockstar' que restan profesionalismo al documento.

### ¿Puedo ajustar la evaluación según mi área profesional?

Sí, puedes seleccionar industrias como Tecnología/Ingeniería, Producto/Growth, Ventas/Marketing o General para adaptar el diccionario de verbos y criterios.

## Herramientas relacionadas

- [Generador de marcadores de capítulos de podcast (ID3 / Podcasting 2.0)](https://elysiatools.com/es/tools/podcast-chapter-marker-builder): Pega una lista de capítulos con marcas de tiempo y genera de una vez todos los formatos de entrega: JSON de capítulos Podcasting 2.0 (v1.2.0) y etiqueta RSS podcast:chapters, opción de grabar marcos ID3v2.4 CHAP+CTOC directamente en un MP3 subido (milisegundos como uint32 big-endian normal, offsets 0xFFFFFFFF, subtrama TIT2 por capítulo, se preservan los marcos existentes), pares de comentarios Vorbis CHAPTER001 (OGG/Opus), texto mp4chaps, bloque de marcas de tiempo para la descripción de YouTube y sidecar SRT, más la matriz real de soporte por reproductor (Apple acepta el JSON por RSS desde 2025; Pocket Casts/Overcast solo leen ID3 incrustado; Spotify ignora ambos).
- [Reescritor STAR de Viñetas de Currículum](https://elysiatools.com/es/tools/resume-bullet-star-rewriter): Reescribe viñetas débiles del currículum en viñetas de logros siguiendo el método STAR (Situación/Tarea/Acción/Resultado) con verbos fuertes y resultados cuantificados, más puntuaciones STAR antes/después y diagnóstico de legibilidad
- [Escala de Caprini (riesgo de TEV, versión 2005)](https://elysiatools.com/es/tools/caprini-score): Evalúa el riesgo de TEV en pacientes quirúrgicos (Caprini RAM 2005): 1 punto (edad 41-60, cirugía menor, IMC >25, piernas hinchadas, várices, embarazo/puerperio, abortos, ACO/THS, sepsis <1 mes, enfermedad pulmonar grave incl. neumonía <1 mes, EPOC, IAM, IC <1 mes, encamado, paciente médico encamado, EII); 2 puntos (edad 61-74, artroscopia, cirugía abierta >45 min, laparoscopia >45 min, neoplasia, encamado >72 h, yeso, CVC); 3 puntos (edad ≥75, TEV personal, TEV familiar, factor V Leiden, protrombina 20210A, anticoagulante lúpico, anticardiolipina, homocisteína, TIH, otra trombofilia); 5 puntos (ictus <1 mes, artroplastia mayor electiva de miembro inferior, fractura cadera/pelvis/pierna <1 mes, lesión medular aguda <1 mes, trauma múltiple <1 mes). Niveles (manejo): 0 mínimo, 1-4 bajo-moderado (profilaxis mecánica), 5-6 alto (mecánica + considerar HBPM 7-10 días), 7-8 alto (mecánica + HBPM 7-10 días), ≥9 máximo (mecánica + HBPM 30 días). Fuente: Caprini 2005. No es consejo médico.
- [Puntuación CHA₂DS₂-VASc (riesgo de ictus en fibrilación auricular)](https://elysiatools.com/es/tools/chads2-vasc-score): Estratifica el riesgo de ictus en fibrilación auricular no valvular: IC/disfunción VI, HTA, edad ≥75 (2 puntos), diabetes, ictus/AIT/tromboembolismo previo (2 puntos), enfermedad vascular, edad 65-74 y sexo femenino. Se recomienda anticoagulación si varón ≥2 o mujer ≥3 (preferir DOAC); considerar si varón 1 o mujer 2; omitir si varón 0 o mujer ≤1 (mujer con solo sexo femenino = 0). Fuentes: Lip 2010 Chest, 2019 AHA/ACC/HRS, 2023 ACC/AHA/ACCP/HRS. Decidir con HAS-BLED y preferencias. No es consejo médico.
- [Índice de Comorbilidad de Charlson (con ajuste por edad)](https://elysiatools.com/es/tools/charlson-comorbidity-index): Estima el riesgo de mortalidad a 1 año con 19 comorbilidades crónicas (variante ajustada por edad): 1 punto (IAM/ICC/EVP/EAC/demencia/EPOC/tejido conectivo/úlcera péptica/hepatopatía leve/DM sin complicaciones); 2 puntos (hemi-/paraplejía/IRC moderada-grave/DM con daño orgánico/tumor no metastásico/leucemia/linfoma); 3 puntos (hepatopatía moderada-grave); 6 puntos (tumor sólido metastásico/SIDA). Ajuste por edad: 50-59 +1, 60-69 +2, 70-79 +3, 80-89 +4, ≥90 +5. Riesgo: 0 ~8%, 1-2 ~25%, 3-4 ~50%, ≥5 ~80-90%. Fuentes: Charlson 1987/1994. No es consejo médico.
- [Comparación de gravedad de neumonía (CURB-65 / PSI / SMART-COP)](https://elysiatools.com/es/tools/curb-65-vs-pneumonia-severity): Calcula simultáneamente tres escalas de neumonía y las compara: CURB-65 (0-5, derivación), PSI/PORT (clase I-V, estratificación de mortalidad más precisa), SMART-COP (0-10, predice necesidad de soporte respiratorio/vasopresor en UCI). Cada una tiene un foco: CURB-65 rápido; PSI más preciso pero complejo; SMART-COP detecta quién necesita UCI. Muestra el total y categoría de cada escala, y analiza la concordancia (si todas apuntan a ambulatorio/ingreso/UCI). Ante discrepancia, se favorece la conducta más conservadora. Fuentes: Lim 2003, Fine 1997, Charles 2008. No es consejo médico.
- [Concentración Final de Dilución Múltiple (serie)](https://elysiatools.com/es/tools/dilution-factor-final): Calcula la concentración final tras diluciones seriadas: C_f = C₀ × ∏(Vᵢ/(Vᵢ+V_d)). Un paso por línea con formato "alícuota : diluyente" (1 : 9 = una parte en nueve de diluyente, dilución 10×). Muestra el factor de cada paso, el acumulado y la concentración de cada paso, el factor total y la concentración final (decimal y científica). Unidades: M/mM/µM/nM, mg/mL/µg/mL/ng/mL y cells/mL. Ejemplo: 5 mg/mL con tres pasos 1:9 → 0.005 mg/mL (1000×).
- [Calculadora de concentración de ADN (absorbancia A260)](https://elysiatools.com/es/tools/dna-concentration-a260): Determina la concentración de ADN por absorbancia UV a 260 nm: concentración (µg/mL) = A260 × factor de dilución × constante ÷ camino óptico (cm). Constantes: ADN doble cadena 1 OD = 50 µg/mL, ADN monocadena 1 OD = 33 µg/mL (ARN 40, ver herramienta de ARN). 1 µg/mL = 1 ng/µL; introduzca el volumen de elución para obtener el rendimiento total en µg. Incluye la ventana lineal 0.1–1.5: por debajo de 0.1 domina el ruido, por encima de 1.5 el detector puede saturarse. La pureza se evalúa con OD260/280. Fuentes: Marmur & Doty 1961/1962, Sambrook & Russell, Thermo Fisher NanoDrop. Solo para educación y planificación experimental.

## Ejemplos

- [Ejemplos de Procesamiento de Imágenes Web Python](https://elysiatools.com/es/samples/web-image-processing-python): Ejemplos de procesamiento de imágenes Web Python usando PIL/Pillow incluyendo lectura, guardado, redimensionamiento y conversión de formato
- [Ejemplos de Procesamiento de Imágenes Android Java](https://elysiatools.com/es/samples/android-image-processing-java): Ejemplos de procesamiento de imágenes Android Java incluyendo lectura/escritura, escalado y conversión de formato
- [Ejemplos de Procesamiento de Imágenes Android Kotlin](https://elysiatools.com/es/samples/android-image-processing-kotlin): Ejemplos de procesamiento de imágenes Android Kotlin incluyendo lectura/escritura, escalado y conversión de formato
- [Ejemplos de Procesamiento de Imágenes Web Rust](https://elysiatools.com/es/samples/web-image-processing-rust): Ejemplos de procesamiento de imágenes Web Rust incluyendo lectura/escritura, escalado y conversión de formato