Si le pedimos a una computadora que traduzca la frase inglesa “the box is in the pen” (La caja está en el cercado) a otros idiomas, lo más probable es que interprete la palabra “pen” como el objeto con el que escribimos, siendo este el significado más frecuente. Sin embargo, la frase no tendrá sentido porque, como ya sabemos, un objeto más grande no puede estar dentro de uno más pequeño.

El procesamiento del lenguaje o el procesamiento del lenguaje natural es un desafío mucho mayor en la IA que, por ejemplo, el procesamiento de imágenes. Los humanos nos damos cuenta de que, para que esta frase tenga sentido, la palabra «cercado» debe significar una pequeña área rodeada por una valla. Por otra parte, una computadora carece de conocimientos contextuales y, por lo tanto, del razonamiento lógico necesario para traducir la frase correctamente. Otro ejemplo sería «John is flying to the Big Apple on Tuesday» (John volará a La Gran Manzana el martes). Probablemente pueda adivinar cuál sería el resultado.

Aquí es donde entran las tecnologías semánticas. Entre los muchos métodos disponibles, las técnicas semánticas tienen por objeto mejorar la comprensión de las computadoras en el procesamiento de los lenguajes naturales y conversacionales mediante la representación del conocimiento. La tecnología semántica está potenciada por la ontología: se basa en la información semántica codificada en la ontología para identificar los nodos (por ejemplo, las palabras) que están semánticamente relacionados.

En JANZZ.technology, ofrecemos tecnologías semánticas superiores dentro de las que se encuentran la extracción semántica, la búsqueda y el matching, potenciadas por nuestra completa ontología en el dominio de los datos de ocupación. Para ilustrar este proceso, las soluciones semánticas de JANZZ.technology pueden realizar las siguientes aplicaciones inteligentes:

–Búsqueda de empleo y matching de conceptos relacionados

Los conceptos relacionados no son necesariamente sinónimos, sino conceptos que comparten similitudes, a veces dados en palabras o incluso idiomas completamente diferentes. Por ejemplo, «neonatología» y «pediatría» son conceptos relacionados. Con la información almacenada en la ontología, la tecnología semántica puede identificar cuán estrechamente relacionados están estos dos términos o profesiones entre sí y, lo que es más importante, qué tipo de formación o certificación necesita uno de estos profesionales para realizar el trabajo del otro. Esto puede ser extremadamente útil cuando se transforman las habilidades de la fuerza de trabajo a gran escala, como los servicios de empleo público.

Otro ejemplo sería «director creativo» y «diseñador de web», que son también conceptos relacionados, pero en un grado mucho menor en comparación con «neonatología» y «pediatría». Si está buscando un «diseñador web», nuestras tecnologías semánticas también recomendarían a alguien con el título de «director creativo» combinado con habilidades en CSS, HTML y UX o sugerirían tales habilidades. Por supuesto, «Concepteur Web«, «Nettdesigner«, «مصمم على شبكة الإنترنت» o «网页设计师» también se combinarán. Los conceptos relacionados también pueden ser habilidades o educación. Por ejemplo, si está buscando a alguien con experiencia en sistemas ERP, nuestras tecnologías semánticas saben que los candidatos cuyos currículums incluyan SAP, JD Edwards y MS Dynamics son todos buenos candidatos porque todos ellos son sistemas ERP.

– Búsqueda de empleo y comparación de grados de habilidades

La tecnología semántica no sólo es capaz de hacer coincidir las ofertas de empleo y los currículos que contienen las mismas habilidades, sino que también puede comparar el grado de habilidades. Por ejemplo, «habilidades de oficina de MS» es un término amplio y aparece en muchos currículos. Si busca un profesional en hojas de cálculo, no querrá obtener un match de montón de currículos que enumeran habilidades básicas de MS office o de nivel principiante en Excel.

Del mismo modo, si está buscando conocimientos profesionales de software CAD, nuestras tecnologías semánticas coincidirían con los CV con CATIA, OpenSCAD o Rhino en lugar de TinkerCAD o BlocksCAD, ya que las diferentes especificidades del software CAD también se almacenan en nuestra ontología. Además, nuestras técnicas semánticas no sólo identifican los niveles de habilidades, sino que también informan de cualquier formación necesaria para que los candidatos transformen las habilidades de un software CAD a otro.

– Identificación del concepto mediante la interpretación del contexto

Las tecnologías semánticas ayudan a identificar conceptos crípticos a través del contexto. Los títulos de los puestos de trabajo pueden ser muy difíciles de identificar para las computadoras. En la frase «La Compañía X busca un ingeniero de sistemas de RF, edificio 8, Menlo Park, CA», nuestro programa es capaz de decodificar cada parte de la frase con la información almacenada en nuestra ontología, tales como los códigos de la industria, los nombres de las empresas y los lugares de trabajo. En este caso, «edificio 8» no es una dirección sino un misterioso departamento de desarrollo de hardware en Facebook, y el «ingeniero de sistemas de RF» se refiere a «ingeniero sénior de radiofrecuencia».

– Matching de empleos en la dimensión global de los datos de ocupación

Algunos títulos de trabajo, como dentista, piloto, carpintero y desarrollador de aplicaciones para Android, ya contienen mucha información sobre el puesto específico. Cuando se comparan estos empleos, es posible relacionarlos casi exclusivamente con los títulos de los empleos. Sin embargo, otros títulos como profesor, consultor, asistente, ingeniero y coordinador son mucho menos específicos. En estos casos, es necesario incluir otros criterios como la industria, las habilidades, la educación, la experiencia, etc., para realizar una correspondencia precisa y significativa. Las soluciones semánticas de JANZZ.technology pueden realizar tales tareas con los datos vinculados en la ontología.

– Identificar las lagunas en la información

En contraste con el aprendizaje automático, que es útil en el reconocimiento y clasificación de patrones, la ontología modela el significado. Ayuda a un sistema a comprender los currículos y las ofertas de empleo y a realizar análisis de las deficiencias, que facilita su uso. Por ejemplo, cuando se comparan candidatos y puestos de trabajo, las tecnologías semánticas pueden recomendar las aptitudes, la educación o la formación de las que carece un determinado candidato y, por tanto, ayudar a los candidatos a optimizar su currículum.

¿Es usted una gran corporación internacional, organización o servicio público de empleo? ¿Quiere tener la tecnología adecuada para preparar y acompañar a su fuerza de trabajo a lo largo de la transformación digital? ¿Quiere mejorar la experiencia del usuario durante el proceso de solicitud? ¿Quiere construir un sistema más poderoso que haga que sus productos se destaquen entre los de la tecnología de RR.HH.? Para integrar las últimas tecnologías de extracción semántica, búsqueda y comparación impulsadas por la ontología de JANZZ, no dude en escribir a sales@janzz.technology  y deje que la tecnología de JANZZ.technology le ayude.