Problema

Los candidatos que se postulan a roles de Platform Engineering o SRE a menudo se encuentran con una brecha entre lo que el anuncio requiere (conocimientos de Kubernetes, Kafka, observabilidad, IA generativa, etc.) y la experiencia real que pueden demostrar. La presión aumenta cuando el proceso incluye varias rondas técnicas y el entrevistador espera respuestas concretas sobre arquitectura distribuida, automatización y gestión de incidentes. El desafío no es solo responder preguntas técnicas, sino también explicar por qué ciertas tecnologías aparecen en el CV y cómo se pueden compensar las ausencias sin perder credibilidad.

Causa

  1. Descripciones de puesto genéricas – Las empresas agrupan un amplio abanico de habilidades para atraer a más candidatos, sin filtrar que cada una sea obligatoria.
  2. Currículos inflados – Los candidatos tienden a listar tecnologías con las que solo han tenido contacto superficial (p. ej., “conocimientos de Kafka”).
  3. Entrevistas de nivel de entrada con expectativas de senior – En startups y equipos de alta velocidad, la curva de aprendizaje se asume corta, pero el entrevistador puede buscar profundidad.
  4. Falta de proyectos reales – La mayoría de la experiencia proviene de cursos o laboratorios, lo que dificulta contar anécdotas de producción.

Solución

Adoptar un enfoque estructurado que combine tres pilares: preparación de contenido, práctica de storytelling y estrategia de mitigación de lagunas.

1. Mapear requisitos contra experiencia real

Crea una tabla de dos columnas. En la primera lista cada habilidad solicitada (Kubernetes, Kafka, observabilidad, scripting, CI/CD, IA generativa, etc.). En la segunda anota tu nivel real (hands‑on, proyecto académico, lectura, curiosidad). Marca con una “X” los que tienes y con una “?” los que no.

# ejemplo rápido de tabla en markdown
cat <<EOF > requisitos.md
| Habilidad               | Nivel |
|-------------------------|-------|
| Kubernetes              | X     |
| Kafka                   | ?     |
| MongoDB                 | X     |
| Observability (New Relic) | X   |
| Python scripting        | X     |
| GitHub Actions          | X     |
| Generative AI (Copilot) | X     |
EOF

Esta tabla sirve de guion para la entrevista: cuando el entrevistador mencione una habilidad, sabes de antemano si vas a profundizar en un proyecto concreto o si tendrás que pivotar a un ejemplo relacionado.

2. Construir “micro‑proyectos” de demostración

Selecciona dos o tres dominios críticos (por ejemplo, automatización con Python/Bash y observabilidad con New Relic). Dedica 4‑6 h a crear un repositorio mínimo que:

  • Despliegue una función Lambda simple (o un contenedor Docker) que genere logs estructurados.
  • Consuma esos logs desde New Relic y muestre un dashboard básico.
  • Incluya un script Bash que automatice la creación y destrucción del recurso.

Publica el código en GitHub y habilita GitHub Actions para CI. Así tendrás un artefacto verificable que puedes citar y, si el entrevistador lo solicita, compartir el enlace.

3. Preparar respuestas tipo “STAR” para lagunas

Cuando te pregunten sobre una tecnología que no dominas, no te quedes en silencio. Usa la estructura Situación → Tarea → Acción → Resultado, pero enfócate en la acción de aprendizaje:

“No he trabajado con Kafka en producción, pero en mi proyecto de clase implementé un productor‑consumidor con RabbitMQ. Investigué la arquitectura de Kafka, configuré un clúster local con kafka‑docker‑compose y ejecuté pruebas de throughput. Estoy cómodo con los conceptos de topics, partitions y consumer groups, y planeo profundizar en la configuración de replicación en los próximos meses.”

Este enfoque muestra proactividad y capacidad de aprendizaje rápido, cualidades esenciales en SRE.

4. Dominar preguntas de alto nivel

En lugar de memorizar respuestas, practica conceptos clave que aparecen en la mayoría de las entrevistas:

  • Diseño de sistemas resilientes – Explica cómo usar circuit breakers, retries y back‑off exponencial.
  • Observabilidad integral – Relaciona logs, métricas y trazas; menciona cómo correlacionar un trace de OpenTelemetry con un alerta de Splunk.
  • Gestión de incidentes – Detalla un flujo de runbook, roles (Commander, Communications, etc.) y post‑mortem.
  • IA generativa en DevOps – Describe cómo Copilot acelera la escritura de pruebas unitarias o cómo un LLM puede generar plantillas de Terraform.

Practica en voz alta con un colega o frente a un espejo. La claridad del discurso pesa más que la profundidad de cada detalle.

5. Estrategia de “bridge” para tecnologías ausentes

Si el entrevistador menciona Kafka y tú solo sabes de RabbitMQ, haz lo siguiente:

  1. Reconocer la diferencia – “Kafka está optimizado para alto throughput y retención prolongada, mientras que RabbitMQ se centra en entrega garantizada y patrones de routing.”
  2. Transferir conocimientos – “En mi proyecto con RabbitMQ configuré exchanges tipo topic, lo que me da una base sólida para entender los topics de Kafka.”
  3. Mostrar plan de acción – “Actualmente estoy siguiendo el tutorial oficial de Confluent y planeo desplegar un clúster en Kubernetes para validar la replicación.”

Este puente demuestra que no estás bloqueado, sino que sabes mapear conceptos.

Cuándo aplicar esta solución

  • Entrevistas de nivel junior a intermedio donde el CV incluye tecnologías de moda pero la experiencia práctica es limitada.
  • Procesos con varias rondas técnicas que profundizan en arquitectura y observabilidad.
  • Roles que combinan SRE y Platform Engineering, es decir, gestión de infra y desarrollo de plataformas internas.

No es adecuada cuando el puesto requiere certificaciones obligatorias (p. ej., CKA) o experiencia mínima de 2 años en producción con los mismos stacks, ya que el entrevistador podría descartar rápidamente al candidato.

Código

# Deploy a simple Lambda function using AWS CLI y zip de código Python
zip -r lambda.zip lambda_function.py
aws lambda create-function \
  --function-name demoHello \
  --runtime python3.11 \
  --handler lambda_function.lambda_handler \
  --zip-file fileb://lambda.zip \
  --role arn:aws:iam::123456789012:role/lambda-exec-role

Este fragmento muestra que puedes crear y versionar recursos en la nube sin necesidad de una infraestructura completa. Tenerlo listo en tu repositorio refuerza la narrativa de “hands‑on”.


## Verificación
1. **Ejecuta el script** y confirma que la función Lambda responde a una invocación `aws lambda invoke`.  
2. **Revisa los logs** en CloudWatch; verifica que el mensaje JSON incluya campos estructurados (`requestId`, `timestamp`).  
3. **Abre New Relic** y busca el evento; asegúrate de que el dashboard muestra la métrica de latencia.  
4. **Ejecuta el workflow de GitHub Actions**; la pipeline debe pasar los tests y desplegar la Lambda automáticamente.  

Si todo funciona, tendrás pruebas tangibles para mencionar durante la entrevista.

## Notas adicionales
- **Mantén la documentación ligera**: un README de 2‑3 párrafos que explique cómo lanzar el proyecto es suficiente.  
- **No sobrecargues el CV** con herramientas que solo has “leído”. En su lugar, agrupa bajo “Familiaridad con” y reserva “Experiencia práctica en” para lo que realmente has implementado.  
- **Practica preguntas de comportamiento** (p. ej., “Cuéntame un incidente que manejaste”). Los entrevistadores SRE valoran la mentalidad de mejora continua tanto como los conocimientos técnicos.  
- **Actualiza tu perfil de LinkedIn** con los micro‑proyectos y enlaces a GitHub; muchos reclutadores revisan esos repositorios antes de la entrevista.  
- **Si te piden una prueba en vivo**, elige una tarea que puedas resolver con los recursos que ya tienes preparados (por ejemplo, escribir un script Bash que parse un log y genere una alerta).  

Con este enfoque estructurado, conviertes la falta de experiencia en una oportunidad para demostrar aprendizaje autodirigido, capacidad de síntesis y habilidades de comunicación—todos factores decisivos en entrevistas de Platform Engineering y SRE.