Contratación y gestión de la población activa en tiempos cambiantes

/en /por

El trabajo remoto, los contratos temporales y el empleo basado en proyectos están transformando la población activa tradicional, lo cual hace que los gobiernos y las empresas tengan que replantearse las ofertas de empleo y las responsabilidades de estos acuerdos a corto plazo.

Durante casi una década, JANZZ.technology ha estado siguiendo las tendencias, dando forma al futuro del trabajo y colaborando con mercados laborales en todo el mundo. Somos líderes en busquedas, matching y análisis semántico dentro del dominio de la ocupación. Nuestra tecnología, basada en datos, puede hacer posible la toma de decisiones de Recursos Humanos, acelerar el análisis de los perfiles y utilizar los datos de la población activa para la predicción del rendimiento empresarial. Si está buscando empleados con las habilidades adecuadas o quiere identificar las áreas de aprendizaje necesarias para el futuro de su empresa, póngase en contacto con nosotros y le explicaremos cómo pueden ayudarle nuestros productos, servicios de consultoría y soluciones innovadoras.

Perfiles de habilidades estándar – persiguiendo conejos blancos y otros mitos

/en /por

Muchos empleadores tienen dificultades para articular y comunicar las habilidades que más valoran para un determinado puesto y esto da lugar a una infinidad de variaciones en el vocabulario utilizado para los anuncios de trabajo. Hoy en día, con las posibilidades que ofrece la automatización de la (X)IA para los procesos de contratación, muchas agencias de contratación o divisiones de RR.HH. de todo el mundo se ven tentadas a preguntar si la IA podría proporcionar una solución rápida a estas luchas, por ejemplo, generando un perfil de aptitudes único para una profesión determinada. La falta de un vocabulario común entre las partes interesadas en el mercado laboral es, por supuesto, un obstáculo: muchos portales de empleo se basan en el matching de palabras clave, lo que hace que se pierdan oportunidades tanto para quien busca empleo como para quien lo contrata debido a las diferencias de vocabulario, y la automatización basada en la inteligencia artificial que lucha con la redacción de los anuncios de empleo escritos para atraer talentos. Esta cuestión puede abordarse efectivamente mediante el empleo de tecnologías semánticas que, en cierto sentido, traducen las numerosas variaciones lingüísticas a un vocabulario común, lo que mejora considerablemente la correspondencia entre el trabajo y los candidatos. Sin embargo, aunque esa tecnología puede generar un vocabulario normalizado, ello no significa que pueda generar un perfil de aptitudes normalizado para los anuncios de empleo. La pregunta pertinente es, ¿existe siquiera un perfil de aptitudes global de este tipo? ¿Existen suficientes puntos en común en los anuncios de empleo de todo el mundo para una profesión determinada como para definir ese conjunto de aptitudes? ¿O incluso en un solo país?

JANZZ ha analizado millones de ofertas de trabajo a lo largo de los años para investigar estas cuestiones. Para ilustrar nuestros resultados, exploremos los perfiles de habilidades para dos profesiones clásicas, carpintero y enfermero. Hemos seleccionado al azar alrededor de 250 ofertas de trabajo para cada una de estas profesiones de cinco países en dos idiomas regionales: Estados Unidos, Reino Unido, Suiza, Alemania y Austria. Nuestra evaluación muestra que hay una gran variación en las habilidades requeridas para los puestos individuales, incluso en profesiones fuertemente reguladas como la de enfermera.

Las habilidades pueden definir los trabajos. ¿Pero quién define las habilidades? Es posible que una empresa de un país no busque a la misma persona que una empresa comparable de otro país porque las aptitudes no solo dependen del trabajo específico que se va a realizar, sino también de factores culturales o reglamentarios, del sistema educativo y de muchos otros aspectos. En efecto, en un país puede requerirse que varias personas con distintas aptitudes realicen un trabajo para el que, en otro país, tal vez solo una persona esté ya capacitada. Pueden observarse fuertes variaciones en los perfiles de aptitudes incluso dentro de la misma región porque las distintas empresas se posicionan de manera diferente en el mercado. Esto se puede ver no solo en la demanda variable relativa a las habilidades profesionales, sino también en las habilidades blandas requeridas, que pueden reflejar la filosofía de una empresa, la dinámica del equipo o las expectativas del cliente.

Impacto de la educación y la experiencia laboral

Veamos más de cerca la carpintería. Alemania, Austria y Suiza (DACH) tienen un sistema de educación dual, donde los estudiantes pueden formarse como aprendices en una de una lista determinada de ocupaciones, incluyendo la carpintería. Las habilidades (técnicas) precisas y la teoría que se enseña están estrictamente reguladas y definidas por normas nacionales, incluidas las de varias especialidades que pueden elegirse después de la formación básica. Cualquiera que desee formarse como carpintero no tiene más alternativa que seguir este camino en estos países. En Reino Unido se ha puesto en práctica recientemente una estructura de aprendizaje totalmente revisada con normas nacionales para un número cada vez mayor de ocupaciones y se está elaborando incentivos para que los empleadores contraten aprendices. Sin embargo, incluso si existe formación para ciertas ocupaciones, para cualquiera de ellas existe una vía alternativa a través de la educación universitaria, que también está generalmente aceptada. Además, como estas estructuras son todavía muy nuevas, la mayoría de la mano de obra en esas profesiones no completó un aprendizaje. Los Estados Unidos se encuentran en el otro extremo del espectro a este respecto. Los programas de aprendizaje existen, pero no hay un conjunto único de normas que todos los empleadores en los EE.UU. deben seguir al diseñar sus programas de aprendizaje. Esto dificulta a los empleadores la evaluación de la formación de un posible empleado y puede ser una de las razones, aparte de la falta de tradición en este tipo de formación, por las que el aprendizaje no está todavía tan extendido como en Europa. Esto se refleja en el número de aprendices per cápita: en Reino Unido, Alemania y Austria, alrededor del 2% de la población en edad de trabajar se encuentra actualmente en situación de aprendizaje, y algo menos del 4% en Suiza, más de diez veces la cifra correspondiente a los EE.UU., que es menos del 0,3%.1)

Entonces, ¿qué tiene esto que ver con el perfil de aptitudes para los puestos de trabajo? Un aspecto que observamos es que en los países con una formación normalizada se hace mucho más énfasis en la formación profesional que en la experiencia laboral. Esto se puede ver al hacer un simple recuento de estos criterios como se requiere en los anuncios de trabajo.

Educación y experiencia – Carpintero

Diámetro exterior: porcentaje de puestos de trabajo de carpintero que requieren determinados criterios.
Diámetro interior: porcentaje de puestos de trabajo que incluyen al menos un criterio de experiencia y educación.
Centro: el número en el centro de la tabla es la proporción de experiencia y educación requeridas. Un número por encima de uno indica por lo tanto más demanda de experiencia que de educación, y viceversa para un número por debajo de uno.

 

Para señalar lo obvio, si se ha completado un aprendizaje, también se tiene experiencia laboral. Y si muy pocos trabajadores han hecho un aprendizaje, entonces los empleadores pedirán experiencia laboral en su lugar. Esto también se confirma por nuestros datos de enfermeras. Esta profesión está muy reglamentada en los cinco países, y requiere una formación (práctica y teórica) de acuerdo con normas nacionales predefinidas, y con especialidades específicas optativas. En los cinco países hay una demanda significativamente menor de experiencia laboral en comparación con la educación (véase la Fig. infra). También vemos que en los puestos de los carpinteros, la experiencia en herramientas es mucho más a menudo mencionada explícitamente en los EE.UU. Esto también puede ser el resultado de la falta de una formación estandarizada, donde la experiencia en herramientas es dada.

Educación y experiencia – Enfermera

Diámetro exterior: porcentaje de puestos de trabajo de enfermera que requieren determinados criterios.
Diámetro interior: porcentaje de puestos de trabajo que incluyen al menos un criterio de experiencia y educación.
Centro: el número en el centro de la tabla es la proporción de experiencia y educación requeridas. Un número por encima de uno indica más demanda de experiencia que de educación, y viceversa para un número por debajo de uno.

 

En lo que respecta a la habilidad artesanal, por ejemplo, las habilidades técnicas están directamente relacionadas con el comercio, vemos diferencias notables en todas las categorías. En Reino Unido y los EE.UU., las habilidades requeridas están dispersas en todas las áreas de la carpintería, desde la construcción general y los interiores hasta las habilidades adicionales de otros oficios, mientras que en DACH, el enfoque está claramente en los aspectos generales de la carpintería con poca mención de habilidades específicas. Un carpintero completamente capacitado típicamente está más diversificado que uno que aprendió en el trabajo y, por lo tanto, puede ser empleado para una variedad más amplia de tareas, que no necesitan ser mencionadas explícitamente. En cambio, en los países con una formación menos normalizada, los carpinteros están a menudo restringidos a menos tareas específicas dentro de un trabajo. Notablemente, aparte de la laminación, no hay demanda de habilidades de fabricación en los EE.UU. o en Reino Unido en nuestros datos. Este tipo de conocimiento es altamente específico de la carpintería especializada y es necesario en uno de cada cinco puestos de la DACH. Por otro lado, vemos cierta demanda de habilidades de otros oficios en los EE.UU. y en Reino Unido, que es (casi) inexistente en DACH. Esto no es sorprendente si consideramos que un carpintero capacitado es menos probable que haya aprendido habilidades de otros oficios, mientras que un trabajador que aprendió en el trabajo puede haber adquirido cualquier cantidad de otras habilidades de este tipo.

 

 

Se puede observar un efecto similar en el caso del personal de enfermería: en general se hace poca mención de las aptitudes profesionales en los cinco países y, en particular, son pocas las ofertas que detallan aptitudes específicas, que oscilan entre el 4 al 10% de los anuncios de empleo por país. La atención en esta categoría de aptitudes se centra principalmente en especialidades y tareas adicionales, que no forman parte de la formación y/o la experiencia estándar.

 

 

Diferencias regionales

También hay otros factores que influyen en el perfil de aptitudes. Por ejemplo, en Reino Unido, las habilidades sociales parecen tener poca importancia en la carpintería: menos de la mitad de los puestos de trabajo en Reino Unido piden alguna habilidad social, comparado con el 76% en los EE.UU. y alrededor del 90% en DACH. En EE.UU., las tres principales habilidades sociales que se exigen son la aptitud física, la flexibilidad y las horas extras, seguidos del trabajo en equipo (en este orden). Por el contrario, las tres principales habilidades en DACH son el trabajo en equipo, el trabajo sin supervisión y la fiabilidad. Esto demuestra que los empleadores en los EE.UU. suelen buscar trabajadores muy diferentes a los de DACH.

 

 

Curiosamente, también hay diferencias significativas en lo que respecta a las habilidades sociales de las enfermeras: en el DACH, cada anuncio de trabajo exige al menos una habilidad social, con una media de cinco, mientras que en los Estados Unidos y en Reino Unido, sólo el 70 y el 80 por ciento de los anuncios de trabajo exigen habilidades sociales, con una media respectiva de uno (EE.UU.) y tres (Reino Unido). Las tres principales habilidades en Suiza son el trabajo en equipo (48%), la responsabilidad (46%) y el trabajo sin supervisión (44%). En Reino Unido, las tres principales son las habilidades de comunicación, tener una personalidad bondadosa y motivación, pero con una demanda mucho menor (40%, 26% y 26%, respectivamente). Una vez más, vemos criterios muy diferentes en los distintos países.

 

 

Otro aspecto a considerar son las cuestiones reglamentarias y las normas de seguridad. En los Estados Unidos y en Reino Unido, los empleadores piden explícitamente el conocimiento de las normas de seguridad (OHSA y tarjeta HSE/CSCS), además, un porcentaje significativo espera que los empleadores tengan sus propias herramientas. Esto no se ve en absoluto en la DACH, donde se puede remontar hasta las diferencias educativas y reglamentarias. Del mismo modo, tres de cada cuatro puestos de trabajo en EE.UU. piden específicamente BLS o certificaciones similares para las enfermeras, que son parte de la formación estándar en los otros cuatro países y por lo tanto no se mencionan.

 

 

Diferencias específicas de las empresas e industrias

Suponiendo que todavía queremos crear un perfil de habilidades estándar, la estrategia más simple sería incluir cualquier criterio que se encuentre en al menos un puesto de trabajo. Utilizando nuestros datos para los carpinteros, esto resultaría en una lista de 103 requisitos, la mayoría de los cuales serían completamente irrelevantes para una vacante individual: en promedio, se enumeran siete habilidades por anuncio, con números individuales que van del 2 a 21. Para las enfermeras, tendríamos 94 requisitos, con un promedio de ocho habilidades por puesto y un rango del 1 a 16.

Otra estrategia que se puede considerar es la búsqueda de un denominador común, por ejemplo, todas las aptitudes requeridas por al menos el 25% de los puestos de trabajo en cada país. Si examinamos de nuevo los datos anteriores, nos quedarán solo dos criterios para los carpinteros: la experiencia laboral (de duración no especificada) y el permiso de conducir. La mayoría de los reclutadores encontrarían esto inaceptable. En Suiza, un aprendizaje completo es un requisito en la gran mayoría de los puestos de trabajo, mientras que en la mayoría de los casos en Alemania el permiso de conducir no es un requisito. Así pues, ese perfil daría lugar a muchos candidatos inadecuados en un país, a la vez que a muy pocos candidatos y muchas oportunidades perdidas en otro.

Siguiendo esta estrategia para las enfermeras solo se obtienen de nuevo dos criterios: la certificación de enfermería y la experiencia laboral (en cualquier especialidad). No se enumera ninguna habilidad social, aunque se hace un fuerte énfasis en esta categoría, ya que al menos el 70% de los anuncios de trabajo piden dichas habilidades. Además, tres de cada cuatro puestos de trabajo en Alemania no requieren experiencia laboral. Una vez más, esto resultaría en un desajuste significativo de los candidatos a los puestos de trabajo.

Sigamos la estrategia del 25% para un solo país, por ejemplo Suiza. Nuestro perfil de habilidades estándar para las enfermeras dice lo siguiente:

  • certificación de enfermería
  • experiencia laboral
  • trabajo de cuidados
  • habilidades informáticas
  • responsabilidad
  • resistente al estrés
  • habilidades comunicativas
  • empatía
  • competencia social
  • trabajo en equipo
  • competencias profesionales
  • flexibilidad y horas extra
  • capacidad de trabajar sin supervisión

A primera vista, esto parece aceptable. Sin embargo, casi el 70% de los puestos de trabajo suizos piden competencias profesionales distintas del trabajo de cuidados genéricos, y más de la mitad exigen conocimientos especializados no incluidos en la formación básica de enfermería. Esto significa que cada oferta de trabajo individual ahora necesita ser ajustada de acuerdo a la apertura específica.

Para los carpinteros en EE.UU. también nos encontramos con estos problemas. Nuestra estrategia genera el siguiente perfil de habilidades:

  • experiencia laboral
  • experiencia con las herramientas
  • ebanistería y muebles
  • ventanas y puertas
  • trabajo en equipo
  • flexibilidad y horas extra
  • aptitud física
  • capacidad de seguir planes
  • habilidades matemáticas
  • conocimiento de las prácticas de seguridad
  • permiso de conducir

Como anteriormente, esto parece adecuado en un principio. Sin embargo, si nos centramos en las habilidades artesanales, un trabajador experto en ebanistería y muebles o en ventanas y puertas puede no tener experiencia en muros secos, carpintería de techo u otras estructuras de construcción, ya que esto requiere un conjunto de habilidades diferentes. Además, un 80% de los puestos de trabajo requieren habilidades artesanales distintas a las que figuran en nuestro perfil, y el 60% de los puestos de trabajo piden otras habilidades sociales.

Del mismo modo, la única destreza artesanal que figura en un perfil de destreza así estandarizado para Austria sería el montaje y la colocación. Sin embargo, muchos trabajos de carpintería no implican en absoluto el ensamblaje y la colocación, como siete de cada diez de los puestos de trabajo en Austria que requieren conocimientos de fabricación. En este país, las técnicas de fabricación se aprenden en un aprendizaje con una especialización diferente y, por lo tanto, un montador/instalador medio no tendrá las aptitudes necesarias.

Volver al punto de partida

Se puede decir que son estrategias básicas, y un método sofisticado basado en la IA puede dar resultados ligeramente mejores. Sin embargo, la cuestión clave identificada en nuestro análisis sigue sin resolverse: existe una inmensa cantidad de variación atribuible a las diferencias nacionales y regionales, y también resultante de los diferentes requisitos para las posiciones en las distintas industrias e incluso dentro de las empresas individuales. Nuestros datos muestran que cualquier perfil básico definido a nivel mundial debe, por lo tanto, adaptarse al país (por ejemplo, para dar cabida a los factores educativos, normativos y culturales), luego a la industria (construcción, manufactura, etc.), a la empresa individual (por ejemplo, la cultura de la empresa) y, por último, a la posición individual. Lo que nos lleva de nuevo a los puestos de trabajo individuales. Por lo tanto, un perfil de habilidades estándar simplemente no existe.

Pedir el white paper

1) Cálculos propios basados en cifras de la OCDE y de las oficinas nacionales de estadística

 

¿Qué habilidades serán indispensables en el futuro mercado laboral?

/en /por

JANZZ.technology ha estado contribuyendo activamente y creando soluciones para ajustar los trabajos y las habilidades en la era digital, como el Visualizador del Mercado Laboral en Tiempo Real que recientemente lanzamos.

Ayudamos a las empresas, organizaciones y gobiernos a hacer frente a los desafíos durante la actual transformación digital y a preparar a la fuerza de trabajo para adaptarse a los futuros mercados laborales. Nuestra tecnología proporciona conocimientos reales, para ayudarle a tomar la decisión correcta. Si necesita actualizar o tener una mejor comprensión de sus recursos humanos o de su infraestructura de educación, JANZZ.technology tiene las herramientas adecuadas.

JANZZ.technology aplica soluciones de IA explicables

/en /por

Los humanos apenas pueden entender los algoritmos utilizados para el aprendizaje de las máquinas y las aplicaciones de inteligencia artificial: ¿Cómo y por qué se toman las decisiones? ¿Son los resultados suficientemente justos, transparentes y explicables? ¿Están los resultados sesgados de una manera u otra?

La Inteligencia Artificial Explicable es fundamental para que nuestros clientes y usuarios entiendan los resultados de nuestras herramientas de comparación y matching.

Si está interesado en saber más sobre cómo JANZZ.technology aplica soluciones de IA explicables, por favor escriba ahora a sales@janzz.technology.

JANZZ.technology proporciona tecnologías semánticas potenciadas por la ontología

/en , /por

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.

 

Oportunidades garantizadas para todos

/en /por

Hoy en día, en 2020 todavía no hay ningún país que pueda afirmar que ha logrado la igualdad de género en el lugar de trabajo. Los sesgos no premeditados, los estereotipos y los prejuicios ocurren con más frecuencia de lo que pensamos. JANZZ.technology siempre se ha dedicado a la contratación inclusiva desde su fundación en 2008.

El Día Internacional de la Mujer es el día en que se conmemora lo lejos que hemos llegado en la lucha por la igualdad de género, pero también para recordarnos lo mucho que nos queda para alcanzarla.  Si usted también piensa que todavía hay grandes cambios por hacer, por favor, contáctenos/escríbanos/únase a nosotros. Tenemos las herramientas adecuadas para ayudarle a luchar por la igualdad de oportunidades para todos.

Mejore la manera de asociar las habilidades con JANZZsme!

/en /por

En el mundo digital actual los ordenadores pueden analizar las competencias y la experiencia laboral de forma más rápida y eficaz que los humanos. JANZZsme!, impulsado por la ontología, transforma los datos sobre educación, formación, experiencia laboral y especialización. Todo esto ayuda a los gobiernos y organizaciones a ampliar su banco de talentos.

Si usted está a cargo de una organización de una gran empresa internacional, institución, gobierno o servicio público de empleo, póngase en contacto con sales@janzz.technology y le ayudaremos con nuestra exclusiva herramienta de búsqueda de talentos basada en la IA.

¿Cómo puede JANZZon! ayudar a sus datos?

/en /por

Para estructurar grandes cantidades de datos, la tecnología de JANZZ combina su ontología (JANZZ.on!) con modelos de aprendizaje profundo.

La ontología de JANZZon! es la más grande y multilingüe en el área de datos de ocupación. Por lo tanto, si usted es una empresa, organización, gobierno/servicio público de empleo y le gustaría potenciar sus datos, por favor escriba a sales@janzz.technology.

¿Son la recapacitación y el perfeccionamiento profesional la nueva solución a la escasez de habilidades?

/en , /por

La digitalización, la automatización y la IA suponen un reto constante a la hora de buscar trabajo, lo que obliga a modificar las habilidades continuamente. No obstante, algunas de las habilidades carentes no son debido a la evolución tecnológica, sino a la falta de atractivo. Esto sucede concretamente con aquellos puestos con un gran número de vacantes o con los que permanecen vacantes por un largo período de tiempo.

 

De acuerdo con el índice de déficit de trabajadores cualificados en Suiza (Swiss Skills Shortage Index en inglés), «el déficit de capacitación surge cuando existen más vacantes que solicitantes en un cargo». El año pasado, el Grupo Adecco hizo una comparación en su índice de mercado laboral suizo, de las ofertas de trabajo con el número de solicitantes registrados a través del Sistema de Información sobre Vacantes y Estadísticas del mercado laboral (AVAM), lo que dio lugar al ranking de déficit de cualificaciones suizo de 2019.

Como en años anteriores, las ocupaciones de ingeniería más buscadas por los empleadores suizos en 2019 fueron algunas como ingenieros estructurales o electrónicos. Por detrás, nos encontramos con ocupaciones técnicas, fiduciarias y de TI. Esta clasificación indica que, en comparación con 2016, momento en el que se tomó esta medida por primera vez, el déficit de habilidades en 2019 ha aumentado un 22% en Suiza.

Existen muchas razones para la carencia de habilidades. Se cree que la necesidad de rápido desarrollo de competencias provocada por la innovación tecnológica es la que tiene un impacto más significativo, con su consiguiente riesgo de desajuste y escasez de estas. De manera similar, con su Índice Global de Habilidades de 2019/20, Hay reportó el mayor desajuste de habilidades desde el lanzamiento del índice en el 2012, quien también sostiene que el desarrollo tecnológico es uno de los principales factores responsables [2].

En lo que respecta a las empresas, muchas compañías que se enfrentan a la amenaza de la escasez de competencias, que podría perjudicar su éxito comercial, se preparan para las nuevas tecnologías mediante el perfeccionamiento profesional de sus empleados, invirtiendo en capacitación, fomentando el aprendizaje permanente y atrasando la edad de jubilación.

No cabe duda de que la mejora continua de las competencias a lo largo de la carrera profesional se convertirá en la nueva norma, pero ¿es esta realmente la clave para superar la escasez de competencias? Si así fuera, ¿cómo es que la situación parece estar tomando la dirección opuesta?

Otro informe publicado por un portal de empleo suizo en línea y la Universidad de Ciencias Aplicadas de Zúrich (ZHAW) ofrece más información sobre el mercado laboral suizo. El informe compara más de 100 000 ofertas de empleo basándose en el número de clics en los portales de empleo suizos que, de este modo, revela de forma más directa los intereses de las personas en puestos de trabajo específicos.

En la parte germanohablante de Suiza, las profesiones de administración, RR.HH., consultoría, ventas y servicios al cliente, marketing, comunicación y juntas directivas recibieron más interés (clics) que las ofertas de empleo publicadas. Sin embargo, los puestos de trabajo en áreas como producción, telecomunicaciones, construcción o enfermería obtuvieron menos búsquedas en comparación con las ofertas de empleo publicadas. Esto sugiere que los incentivos económicos, así como el reconocimiento social, son cada vez más importantes para las personas a la hora de elegir una profesión.

El año pasado, se crearon más de 6 000 vacantes en el área de atención profesional en Suiza. Esta cifra se ha duplicado en comparación con la de hace cinco años.[4] El informe sobre la oferta y la demanda de personal sanitario en el país helvético muestra que los trabajadores sanitarios que se gradúen en un futuro próximo sólo cubrirán el 56% de la demanda hasta el año 2025.[5]

En el caso descrito anteriormente, el problema no reside en la recapacitación o el perfeccionamiento profesional. Se trata más bien de encontrar la manera de alentar a más personas —especialmente a los más jóvenes— a seguir una carrera profesional en empleos que se consideran menos atractivos. Incluso existen pruebas que muestran que debido a las malas condiciones de trabajo (pocos ingresos, largas jornadas laborales, demasiado estrés) una gran parte de los jóvenes ha cambiado de campo de trabajo, ya sea inmediatamente después de su aprendizaje o después de unos pocos años de experiencia profesional. Esto incluye profesiones dentro del campo de cuidado de niños, hostelería, servicios de hostelería y artesanía.

Hoy en día todo el mundo habla de automatización, digitalización, IA, recapacitación y perfeccionamiento profesional. Debemos recordar que todavía existen muchos trabajos que no están automatizados, pero que son esenciales para nuestra vida diaria y están perdiendo popularidad. Es importante, por lo tanto, que los gobiernos y los sistemas educativos tomen medidas para aumentar la concienciación y promover estas profesiones. Tal y como se indica en las Perspectivas de empleo de la OCDE para 2019, «el futuro del trabajo está en nuestras manos y dependerá en gran medida de las decisiones políticas que tomen los países».

Durante casi una década, JANZZ.technology ha observado y trabajado con muchos mercados laborales en todo el mundo. Nuestro último producto, ¡JANZZdashboard!, facilita la comprensión de los análisis de deficiencias del mercado laboral. Esto dará a los gobiernos una idea clara de las habilidades que están disponibles y las que deben ser ampliadas o redesarrolladas. Para saber más sobre nuestras soluciones, por favor escriba ahora a sales@janzz.technology

 

 

 

[1] Spring. 2019. Swiss skills shortage index 2019. URL: https://www.swissinfo.ch/resource/blob/45398900/860c466e7be6e615ba922c24c9edf5ee/adecco-study-data.pdf [21.01.2020]

[2] Rachel Muller-Heyndyk. 2019. New technology causing skills gaps and stagnant wages. URL : https://hrmagazine.co.uk/article-details/new-technology-causing-skills-gaps-and-stagnant-wages [21.01.2020]

[3] Robert Mayer. 2019. Die meisten Stelleninserate, die geringste Nachfrage. URL : https://www.tagesanzeiger.ch/wirtschaft/in-diesen-berufen-herrscht-ein-mangel-an-fachkraeften/story/18953945 [21.01.2020]

[4] Albert Steck. 2019. Offene Stellen auf Höchststand. URL: http://jobs.nzz.ch/news/6/arbeitswelt/artikel/421/offene-stellen-auf-hochststand [21.01.2020]

[5] Veronica DeVore. 2016. When caring for patients gets competitive. URL : https://www.swissinfo.ch/eng/showing-off-skills_when-caring-for-patients-gets-competitive/42524090 [21.01.2020]

 

 

 

 

 

 

El potencial de la inteligencia artificial en recursos humanos

/en , /por

La inteligencia artificial (IA) es indudablemente una herramienta poderosa. Su valor económico va aumentando considerablemente y transformando numerosas industrias como la manufacturera, la automotriz, la tecnología financiera y la atención médica. Los trabajadores de los sectores de finanzas y marketing han tenido mucho éxito con el uso de tecnologías de IA, mientras que los profesionales de recursos humanos (RR.HH.) aún tienen varias dificultades para integrarlas en sus prácticas diarias.

Prasanna Tambe, Peter Cappelli y Valery Yakubovich afirman en su investigación: «existen diferencias sistémicas y estructurales para los RR.HH. que crean algunas dificultades cuando se construye un sistema basado en IA». [1]. En RR.HH. y contratación, el uso de macrodatos y IA sigue siendo atípico, debido a la calidad y al poder explicativo limitados. Para una mejor comprensión, debemos considerar los problemas de IA en cuanto a la ciencia de datos de gestión de RR.HH.

En materia de ciencia de datos hay tres desafíos principales en las prácticas de recursos humanos. El primer problema es la falta de coherencia en la medición del proceso de RR.HH. durante todo el ciclo de vida del empleado. Por ejemplo, al determinar qué candidato contratar o elegir a quién promover, se requiere un control y registro consistentes de los criterios y habilidades que fueron decisivos para el proceso de selección.

El segundo problema con las prácticas de RR.HH. es la limitación de los conjuntos de datos producidos. A diferencia de algunos campos como el marketing y las finanzas, donde se generan muchos datos que se recopilan fácilmente, la recogida de datos de RR.HH. se enfrenta grandes desafíos en términos de cantidad y calidad. Además, los datos en recursos humanos frecuentemente no están estructurados (PDF, en papel o Excel). En consecuencia, el proceso de estos es difícil para una computadora.

La última dificultad se debe a los problemas éticos relacionados con el procesamiento de datos. Los resultados de las decisiones de RR.HH. pueden tener un impacto significativo en la carrera de una persona. Por lo tanto, es necesario pensar en cómo se puede lograr equidad y transparencia. Además, también es crucial saber cómo reaccionan los empleados a los resultados apoyados únicamente en algoritmos basados ​​en datos. Como Morgan Hampton de Tesla declara, «el reclutamiento debe ser lo más automatizado posible, la contratación debe seguir siendo humana».

Al buscar soluciones, teniendo en cuenta estos tres problemas, los gerentes de RR.HH. deberían centrarse en los siguientes aspectos para utilizar la IA de manera más efectiva. En primer lugar, los responsables tienen que crear un proceso adecuado, listo para la era digital y las tecnologías de IA.

Actualmente, las tecnologías de IA están integradas por separado como reclutamiento y adquisición de talento, administración de nóminas y transacciones de autoservicio. Sin embargo, carecen de un mecanismo para poder generar datos que asistan el proceso entero de IA en las prácticas de recursos humanos.

Usualmente, los gerentes de RR.HH. simplemente conservan las aplicaciones que les interesan. Las que se descartan conducen a un análisis y conclusión unidimensionales [1]. Todos estos criterios deberían ser recogidos en la recopilación de datos y, finalmente, ser evaluados para facilitar el desarrollo de grandes modelos de datos y procesos de IA.

Además, es fundamental generar datos de manera sostenible. Por ejemplo, hay aplicaciones de IA que pueden predecir qué trabajadores están a punto de dejar sus trabajos y algunas, incluso, mantienen registros de datos de redes sociales o correos electrónicos de los empleados [2]. Si los trabajadores conocieran este sistema, cambiarían probablemente su comportamiento y producirían intencionadamente datos erróneos.

El año pasado, la historia relativa a la herramienta de IA de contratación de Amazon que discriminaba a la mujer, demuestra que el aprendizaje automático puede reflejar actitudes humanas. El género, sin embargo, no es el único aspecto que genera discriminación. Otros, como la edad, la nacionalidad y el origen étnico igualmente pueden tener un impacto negativo, impidiendo que empresas formen un ámbito laboral diverso e inclusivo. Los directores de RR.HH. deben recolectar cuidadosamente muestras de datos representativas y buscar soluciones explicables de IA. Las complejas redes neuronales de aprendizaje profundo están lejos de ser evidentes.

Hasta hoy, aún no existe el estándar de criterio de datos que los gerentes de RR.HH. deberían respetar durante todo el ciclo de práctica de recursos humanos. Esto significa que los apoderados tienen que colaborar con el servicio informático interno de su empresa o con proveedores externos de IA para determinar qué datos rastrear y cómo medirlos, a fin de establecer las mejores prácticas para la IA.

En JANZZ.technology sabemos que recopilar y estructurar para poder crear datos significativos es fundamental. Nuestra herramienta de análisis extrae las entidades correctas que garantizan un procesamiento de datos imparciales. ¿Quiere saber más sobre nuestro parser y cómo podemos ayudarle en su proceso transformador de IA? Escriba ahora a sales@janzz.technology

 

 

[1]Prasanna Tambe, Peter Cappellli and Valery Yakubovich. 2019. Artificial intelligence in human resources management: Challenges and a path forward. URL:https://www.researchgate.net/profile/Peter_Cappelli/publication/328798021_Artificial_Intelligence_in_Human_Resources_Management_Challenges_and_a_Path_Forward/links/5c5edc7f299bf1d14cb7dc5f/Artificial-Intelligence-in-Human-Resources-Management-Challenges-and-a-Path-Forward.pdf [2019.10.20]

[2] Samantha Mclaren. 2019. Here’s how IBM predicts 95% of its turnover using data. URL:https://business.linkedin.com/talent-solutions/blog/artificial-intelligence/2019/IBM-predicts-95-percent-of-turnover-using-AI-and-data[2019.10.20]