JANZZ.technology ofrece IA explicable

/en , /por

Gracias a la disponibilidad de grandes conjuntos de datos, así como a una mayor y más avanzada potencia informática, durante la última década se ha logrado una mejora significativa en el aprendizaje automático (Machine Learning), especialmente en los sistemas de aprendizaje profundo. Sin embargo, el dramático éxito del ML nos deslumbra de tal manera, que aceptamos, sin cuestionamiento. los procesos detrás de las aplicaciones de Inteligencia Artificial (IA). Las máquinas, a pesar de sus cada vez más autónomos sistemas, no son capaces explicar a sus usuarios(as) las razones de sus resultados y decisiones.

Actualmente, la mayoría de las aplicaciones de IA son desarrolladas por empresas privadas, las cuales presumen de un tratamiento adecuado y secreto de sus datos. Adicionalmente, muchas empresas emplean redes neuronales tan complejas en las tecnologías de IA, que no se explica cómo consiguen ciertos resultados.

Lo anteriormente explicado puede no tener grandes consecuencias, cuando, por ejemplo, una aplicación predice erróneamente el próximo destino de viaje de los clientes registrados. Pero, ¿qué pasaría si las predicciones de la máquina tuvieran un impacto en los vehículos autónomos, en los diagnósticos médicos, en la toma de decisiones a la hora de diseñar una política o incluso en el trabajo de alguien? Sería difícil confiar ciegamente en un proceso automatizado de toma de decisiones a través de un sistema, si las repercusiones fueran tales.

A principios de este año, la Organización para la Cooperación y el Desarrollo Económico (OCDE) presentó sus principios sobre la IA, con el objetivo de promover la innovación y la confianza. Uno de los cinco principios complementarios basados en valores, para la gestión responsable de una IA digna de confianza es que «la transparencia y divulgación responsable en torno a los sistemas de IA, son necesarias para asegurar que la gente pueda entender y cuestionar los resultados con base en la IA». [1]

La Inteligencia Artificial Explicable (XAI por sus siglas en inglés), se ha establecido recientemente en el campo del aprendizaje automático, como una forma de abordar las decisiones de «caja negra» en los sistemas de IA. Como ya se mencionó anteriormente, la mayoría de los algoritmos utilizados actualmente para el machine learning no pueden ser comprendidos por el común de las personas, en lo que se refiere a cómo y por qué se ha tomado una decisión. Por lo tanto, es difícil examinar tales decisiones en busca de errores y sesgos, especialmente en el caso de algoritmos comunes enfocados al campo del aprendizaje profundo en redes neuronales. [2]

En consecuencia, numerosos organismos reguladores, incluida la OCDE, instan a las empresas a que aumenten el uso de XAI. El Reglamento General de Protección de Datos actualmente vigente en Europa, otorgó a los ciudadanos(as) de la UE el «derecho a examen personal» de cualquier decisión algorítmica. En los Estados Unidos, las leyes de seguros obligan a las compañías a explicar sus decisiones, por ejemplo, por qué les niegan cobertura a ciertos grupos o individuos, o les cobran recargos más altos. [3]

Sin embargo, hay dos problemas principales asociados con la XAI. En primer lugar, definir correctamente el propio concepto XAI, demuestra ser un gran desafío. También es necesario determinar hasta dónde deben saber los usuarios(as) y que los mismos(as) sean conscientes de cuáles deben ser las limitaciones de sus conocimientos. Si las empresas no tuvieran más remedio que dar una explicación detallada de todo, la propiedad intelectual como propuesta de venta única (USP por sus siglas en inglés) dejaría de existir. [4]

El segundo factor problemático es evaluar el equilibrio entre el rendimiento y la explicabilidad. ¿Necesitamos estandarizar ciertas tareas y obligar a las industrias a que se empleen en la búsqueda de soluciones integradas de IA que sean transparentes, aunque esto signifique una carga muy alta para la potencialidad de esas industrias?

En JANZZ.technology hacemos todo lo posible para explicar a nuestros usuarios cómo emparejamos candidatos(as) con puestos de trabajo. Nuestro software único de matching excluye parámetros irrelevantes como género, edad o nacionalidad y sólo compara habilidades, educación/formación, especialidades, experiencia, etc. Es decir, solo utiliza aspectos que son verdaderamente importantes para encontrar al candidato(a) perfecto(a).

En lugar de proporcionar resultados basados en un único punto de coincidencia, nuestro sistema de matching desglosa y tiene en cuenta todos los criterios relevantes, tales como funciones, capacidades, idiomas, disponibilidad, etc. Esto permite a los usuarios(as) tener una mejor comprensión de los resultados y proporciona la base para evaluar la fuerza de trabajo analizada, con el fin de diseñar planes de nueva capacitación y mejora de la cualificación de la misma. ¿Le gustaría saber más acerca de cómo JANZZ.technology utiliza las soluciones de XAI? Si nos escribe a sales@janzz.technology, estaremos encantados de responderle.

[1] OECD. 2019. OECD Principles on AI. URL :https://www.oecd.org/going-digital/ai/principles/ [2019.9.17].

[2] Ron Schmelzer. 2019. Understanding Explainable AI. URL: https://www.forbes.com/sites/cognitiveworld/2019/07/23/understanding-explainable-ai/#6b4882fa7c9e[2019.9.17].

[3] Jeremy Kahn. 2018. Artificial Intelligence Has Some Explaining to Do. URL: https://www.bloomberg.com/news/articles/2018-12-12/artificial-intelligence-has-some-explaining-to-do[2019.9.17].

[4] Rudina Seseri. 2018. The problem with ‘explainable AI’. URL: https://techcrunch.com/2018/06/14/the-problem-with-explainable-ai/[2019.9.17].

Lo que debería saber para escoger su software de reclutamiento

/en , /por

La mundialmente conocida empresa Deloitte, describe en un artículo la evolución de la tecnología de RRHH en cuatro etapas. La primera etapa se sitúa en el período entre la década de los 70 y 80, cuando la principal atención de los proveedores de software se centraba en sistemas que ayudasen a los gestores de RRHH a realizar registros de la información. Durante la segunda etapa, entre la década de los 90 y principios de l 2000, se desarrollaron las funcionalidades para apoyar aspectos como la contratación, formación y control del rendimiento. Alrededor de 2010, en la tercera etapa, los proveedores comenzaron a ofrecer servicios en la nube y sistemas más sencillos de utilizar o “user-friendly” para facilitar a los usuarios la autogestión de sus datos.

El informe de Deloitte afirma que actualmente nos encontramos en la cuarta fase evolutiva de las tecnologías aplicadas en recursos humanos. Para reaccionar a las microtendencias en torno al empleo, los proveedores tienen que diseñar herramientas dirigidas tanto a equipos, individuos y redes, como también a mejorar la productividad de las personas. En JANZZ.technology pensamos que un software de RRHH debería ayudar a los responsables de RRHH a ser más productivos y a poder centrarse en tareas de mayor valor añadido. Por ejemplo, debería reducir el esfuerzo y tiempo necesarios para tareas como la preselección entre miles de solicitantes, lo cual permitiría emplearse más a fondo en tareas tan importantes como la entrevista de candidatos. Estamos convencidos de que este objetivo será alcanzado mediante el uso de la Inteligencia Artificial (IA).

IA para el reclutamiento

La adquisición de talento es sin duda una de las partes más importantes de la gestión empresarial. Esto hace que el mercado de softwares de reclutamiento sea muy competitivo e interesante de observar. Organizaciones gubernamentales, como los Servicios Públicos de Empleo (SPE), también buscan activamente soluciones para optimizar su gestión. Según la plataforma Crunchbase, tan solo en 2018, fueron concedidos más de 600 millones de dólares en financiación de capital de riesgo, a start-ups dedicadas al desarrollo de softwares de reclutamiento. En el último estudio de mercado por parte de HR Tech China, los proveedores de software de reclutamiento constituyen el mayor segmento, entre todos los proveedores de tecnología de RRHH.

Las ofertas de los proveedores incluyen pruebas y evaluaciones de los candidatos, comprobaciones de antecedentes, entrevistas en vídeo y muchas plataformas de contratación. Desde principios de 2017, el uso de IA para los procesos de reclutamiento ha ido en auge. El consiguiente aumento de las capacidades de la inteligencia artificial empleada en los softwares de reclutamiento, podría hacer que cualquier gerente de recursos humanos se sintiera abrumado.

“AI for recruiting” es una tecnología emergente que se utiliza en RRHH para los procesos de selección de personal. Se basa, evidentemente, en inteligencia artificial y su objetivo principal es reducir las tareas repetitivas y lentas, lo cual ayuda a reclutadores y a gerentes de contratación, a centrarse en actividades de valor añadido. El 52% de los líderes en la adquisición de talentos afirma que, la parte más difícil de la contratación, es la preselección de candidatos entre un gran número de aspirantes (1). Un software de reclutamiento con IA puede, por ejemplo, filtrar miles de aspirantes a una posición y recomendar, en un abrir y cerrar de ojos, a los 5 mejores candidatos/as. De esta manera, los gerentes de RRHH que utilizan IA para la contratación tendrán más tiempo y recursos para evaluar en profundidad las preselecciones, lo que a su vez aumenta significativamente las posibilidades de encontrar realmente al candidato/a más adecuado/a.

A nivel de público en general, el término IA se utiliza de manera imprecisa e incluso, con frecuencia, incorrecta. Muchas empresas utilizan el concepto IA para describir sus productos, con el fin de hacerlos parecer «altamente actualizados». En la mayoría de los casos, este tipo de publicidad promete demasiado. Allí radica la importancia de evaluar tanto a los diferentes productos, como a sus proveedores. El proceso es similar al de contratación: solo evaluando las opciones de distintas maneras, se encuentra la mejor de todas.

Evaluación de la IA para tecnología de reclutamiento

¿Cómo debería un departamento de RR.HH. evitar el software que promete demasiado en teoría y cumple poco en la práctica, a la hora de elegir entre todos los productos disponibles? Hemos definido tres principios para elegir correctamente un software de reclutamiento basado en IA:

Principio I: Ser consciente de la parcialidad de los programas de reclutamiento con IA

El año pasado, la historia sobre el software de reclutamiento de Amazon, que en secreto discrimina a las mujeres, fue un llamado de atención para todos: el aprendizaje automático puede ser tan sesgado como los seres humanos. Por lo tanto, es extremadamente importante centrarse en la imparcialidad y la transparencia algorítmica.

Usted debe conocer cómo el software procesa la información personal, como la fecha de nacimiento, el sexo y la nacionalidad. ¿Cuáles criterios tiene en cuenta el software a la hora de realizar la comparación? ¿Qué peso tiene cada criterio? ¿Es capaz el software de ignorar datos irrelevantes?

Además de los algoritmos, hay que asegurarse de que el software tenga datos de entrenamiento representativos. La herramienta de reclutamiento de Amazon, por ejemplo, se tornó en contra de las candidatas porque, durante más de diez años, la empresa entrenó sus modelos informáticos con currículums pertenecientes a candidatos masculinos. Por lo tanto, asegúrese de preguntar a su proveedor de software cómo maneja sus fuentes de datos.

Principio II: Asegúrese de probar antes de comprar

Antes de comprar un auto, usted ciertamente lo probaría. Esta misma regla debería aplicarse también a la compra de un software de reclutamiento. Dado que esta sería una inversión relativamente costosa y a largo plazo para su negocio, es aconsejable completar una prueba de concepto o POC (Proof of Concept).  A través de la ejecución de esta prueba descubrirá si el software realmente puede resolver sus problemas de acuerdo a sus prioridades, realizar las funciones prometidas y manejar sus datos dentro de la escala y el alcance requeridos.

JANZZ.technology realizó un POC con una organización intergubernamental que deseaba comprobar si nuestra solución podía efectivamente ayudarles a ahorrar tiempo a la hora de encontrar candidatos adecuados. Nuestro software de IA compitió contra su equipo de RRHH en la búsqueda de candidatos, de todo el mundo, para sus puestos vacantes de pasante junior. Después de examinar miles de postulaciones, quedaron impactados con nuestros excelentes resultados.

La mayoría de los buenos proveedores de software ofrecen pruebas gratuitas. Es importante preparar bien los datos que va a utilizar en las pruebas para sacar el mayor provecho de las mismas y optimizar al máximo el proceso. Aspectos a menudo ignorados a la hora de elegir un software de reclutamiento, son el mantenimiento y el soporte necesarios después de la compra. Sólo con una actualización constante, el software es capaz de desarrollarse en paralelo con los rápidos cambios del mercado, los requisitos de los clientes y la vertiginosa velocidad de la digitalización. No confíe simplemente en frases de marketing tales como: «otras 50 empresas líderes de su sector utilizan nuestro software» o «las 100 primeras entre las 500 primeras empresas también utilizan nuestro software».

Principio III: Tener en cuenta las «habilidades sociales» o “soft skills” de un software de reclutamiento con IA

Al igual que la evaluación de un candidato a un puesto de trabajo se realiza mediante la evaluación de sus competencias y habilidades sociales, un software de reclutamiento de IA también tiene competencias y habilidades sociales. Definimos las competencias de un software como: funcionalidad, precisión, seguridad de datos, velocidad, disponibilidad de idiomas y otras características similares, altamente valoradas.

Sin embargo, muchos pueden pasar por alto las habilidades sociales de un software de reclutamiento de IA. Las habilidades sociales básicas de un software de reclutamiento de IA son la capacidad de comprender a fondo el idioma, la educación, el sistema laboral y social, etc. de su región de actividad, y la capacidad de localizar ciertas regiones o países.

Por ejemplo, un país como España tiene más de un idioma oficial: castellano, catalán, valenciano, gallego y vasco. Un buen software de reclutamiento de IA debe ser capaz de entender las diferencias y similitudes entre estos idiomas, y conocer los términos comunes.

Llevar a cabo procesos de matching con puestos de trabajo de toda Europa no es una tarea fácil, porque, para empezar, cada uno de los 44 países tiene su propio sistema educativo (incluso dentro del marco del tratado de Bolonia). Es una enorme cantidad de trabajo comparar los diferentes niveles de educación y hacer coincidir perfiles de candidatos con vacantes de empleo. ¿Tiene su proveedor los conocimientos adecuados para resolver estos problemas en su región de actividad?

Además del idioma y la educación, hay muchas más categorías, igualmente importantes, que deben tomarse en cuenta.  Como empresa internacional que opera en diferentes países, usted quiere tener un software que comprenda todos sus mercados de interés.

Limitaciones de la IA

Es posible que haya oído hablar de todos los beneficios prometidos, inherentes al uso de un software de reclutamiento con IA. Antes de que la IA pueda hacer su magia, estamos aquí para llamar su atención y sugerirle una palabra: precaución. No espere que el software de IA tome por sí mismo decisiones de contratación. Muchos casos de uso previos demostraron que, sencillamente la tecnología no está lista todavía para tal proeza. «Asegurar que el algoritmo es realmente interpretable y explicable – está todavía muy lejos.» [2]

Si espera que la IA y el algoritmo hagan bien su trabajo, es sumamente importante que compruebe también la preparación de su empresa u organización para la IA, con el fin de maximizar su rendimiento. Todos sabemos que identificar patrones y hacer predicciones requiere una gran cantidad de datos. Con los muy extendidos algoritmos de código abierto, el verdadero cambio en la estrategia de juego, son los datos utilizados para entrenar los algoritmos. Cualquier organización debe tener un plan claro sobre cómo generar los datos cuantitativos y cualitativos que ayudarán a que su software de reclutamiento con IA obtenga resultados más precisos, lo cual se traduce en mayor rentabilidad económica para su empresa.

JANZZ.technology suministra soluciones de inteligencia artificial para su sistema de reclutamiento y le ayuda a encontrar las habilidades y talentos adecuados. La ontología JANZZZon! y el motor de búsqueda inteligente JANZZsme! hacen que problemas complejos como correspondencia entre puestos de trabajo y habilidades sean computables y además dan un vuelco total a la forma en la cual  gestionamos la búsqueda de talentos. Las aplicaciones de JANZZ.technology están estructuradas semánticamente, lo cual significa que las ocupaciones, especializaciones, funciones,  habilidades, cualificaciones, etc., están interrelacionadas de forma lógica. Las aplicaciones de JANZZ.technology generan resultados relevantes, en tiempo real y en varios idiomas, para búsquedas complejas. Nuestras aplicaciones se alimentan y aprenden constantemente de nuevos datos generados por nuestros usuarios, por lo que se vuelven más precisas con el tiempo. Permita que las herramientas de JANZZ.technology le ayuden a encontrar los candidatos que mejor se adapten a sus necesidades.  Para una demostración, por favor escriba ahora a sales@janzz.technology

[1] ideal. 2019. AI for recruiting: A definitive guide for HR professionals. URL: https://ideal.com/ai-recruiting/ [2019.05.28]

[2] Jeffrey Dastin. 2018. Amazon scraps secret AI recruiting tool that showed bias against women. URL: https://www.reuters.com/article/us-amazon-com-jobs-automation-insight/amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK08G [2019.05.28]
[/av_textblock]

Cómo aprovecha India su dividendo demográfico

/en , /por

Mientras que algunos de los países desarrollados del mundo luchan contra el envejecimiento de su población, tomando medidas tales como el incremento en la edad de jubilación y la acogida a la inmigración, otros países se preocupan por cómo incorporar un gran número de jóvenes al mercado laboral. La serie “La Voz de Asia” de Deloitte, reporta que muchos países de Asia han sido testigos de un crecimiento constante en su población activa, con más y más hombres y mujeres jóvenes que ingresan al mercado laboral cada año. India ocupa la primera posición en la lista.

Según las cifras del Foro Económico Mundial, la mitad de la población de la India tiene menos de 25 años y una cuarta parte menos de 14. Teniendo en cuenta que es el segundo país más poblado del mundo, con 1.300 millones de habitantes, los jóvenes de la India representan una quinta parte de la juventud mundial. Como predijeron la mayoría de los economistas, la India se beneficiará del dividendo demográfico y tendrá una economía de rápido crecimiento.

Para lograr aprovechar la ventaja demográfica, la India tendrá que acelerar considerablemente la creación de empleo y la inversión en capital humano para mantenerse al día y ocupar a esta creciente población en edad de trabajar. En la actualidad, hay 17 millones de personas que se incorporan anualmente al mercado laboral y solo 5,5 millones de puestos de trabajo creados [1]. En una encuesta realizada por la OCDE, más del 30% de los jóvenes de la India de entre 15 y 29 años, ni están empleados, ni se encuentran en la fase educativa o en proceso de formación. Son los llamados “Nini” (NEET en inglés). [2]

Isabelle Joumard, economista senior y jefa de la oficina de la OCDE en India, explicó: «Los NEET incluyen a todos los jóvenes que han quedado fuera del empleo remunerado y de los sistemas formales de educación y formación. Son NEET porque no se están creando suficientes puestos de trabajo de calidad en el sistema, porque tienen pocos incentivos o se enfrentan a exigencias demasiado altas para entrar en los sistemas de educación y formación» [2].

Desde un punto de vista global, las tasas de desempleo juvenil se mantienen por encima del 20% en algunas economías europeas. Oriente Medio y África del Norte han tenido tasas de desempleo juvenil cercanas al 30% y la situación ha seguido empeorando en los últimos años. Por otra parte, los jóvenes que encuentran un puesto de trabajo, a menudo tienen que contentarse con empleos que no responden a sus expectativas [3] y, adicionalmente, el 16,7% de los jóvenes que trabajan en las economías emergentes y/o en desarrollo viven en la pobreza extrema [3].

¿Por qué las oportunidades de empleo son especialmente escasas en los países menos desarrollados? El desarrollo insuficiente de las políticas, la deficiente infraestructura y los limitados canales de financiación, son algunas de las muchas razones que explican la escasez de puestos de trabajo. Según las conclusiones de e4e (una iniciativa de educación para el empleo impulsada por la Corporación Financiera Internacional y el Banco Islámico de Desarrollo), el desajuste entre la educación y la demanda del mercado laboral es un obstáculo importante para la creación de empleo [4].

Como ha sido señalado en varios informes, el desarrollo de un ecosistema de competencias impulsadas por la empleabilidad, es fundamental para aprovechar el potencial demográfico de la India. Rajastán, el séptimo estado más poblado de la India, tiene una población de jóvenes menores de 25 años que representa casi el 55% de la población total del estado. De 2012 a 2018, su tasa de desempleo aumentó del 4,5% al 7,7%. El problema del desempleo en Rajastán se agrava debido a factores como falta de instructores de calidad y falta de alineación entre la educación y las capacidades [5].

Para hacer frente a estos problemas, el estado se esfuerza continuamente en la creación de infraestructuras educativas. En 2004 se convirtió en el primer estado del país en llevar a cabo una misión de capacitación, destinada a reducir la brecha entre la demanda y la oferta de mano de obra cualificada y, por ende, aumentar la tasa de empleo. Para mejorar aún más la calidad de la capacitación, Rajastán ha fundado universidades de competencias, un proyecto pionero en el país [6].

En Himachal Pradesh, situado en el norte de la India, una gran parte del empleo recae en la agricultura. Más de dos tercios de su mano de obra son trabajadores autónomos, y la cantidad de trabajos asalariados continua siendo muy baja. En 2018, el Banco Asiático de Desarrollo (BAD) firmó un préstamo con el gobierno de la India para aprovechar las instituciones de Enseñanza y Formación Técnica y Profesional (EFTP) y para ampliar los ecosistemas de capacitación en Himachal Pradesh.  Los planes para llevar a cabo el proyecto incluyen medidas tales como: la transformación de 11 oficinas de empleo en centros modelo de carrera, la modernización de los equipos de formación, la implementación de un sistema de información sobre capacitación y la creación de un mejor acceso a los jóvenes a FTP’s de calidad, que sean demandadas por el mercado laboral, con el fin de prepararlos para las cambiantes necesidades mismo [7].

JANZZ.technology ayuda a los gobiernos a insertar a la población activa en el mercado laboral, a través del uso de tecnología basada en IA. En colaboración con el Misterio de Trabajo, Empleo y Seguridad Social (MTESS) y la Dirección General de Empleo (DGE), hemos implementado con éxito en Paraguay la plataforma ParaEmpleo, una solución tecnológica para la asignación de puestos de trabajo. La colaboración entre Paraguay y JANZZ.technology, se enmarca en el Programa de Apoyo a la Inserción Laboral, con apoyo del Banco Interamericano de Desarrollo (BID) desde el año 2011.  La representante del BID en Paraguay, María Florencia Attademo-Hirt, se expresó en los mejores términos sobre la tecnología de JANZZ, diciendo: «Herramientas innovadoras como ésta son las que mejorarán la vida de los paraguayos, más allá del Mercosur y del contexto regional» [8]. El uso innovador de la tecnología es la manera correcta y eficiente de resolver muchos de los problemas actuales que plantea mercado laboral. Si usted como organización gubernamental está buscando soluciones para el sector del empleo en su país, por favor no dude en escribirnos a sales@janzz.technology, donde estaremos encantados de proporcionarle más información, adaptada a sus necesidades específicas.

 

 

 

[1] NASSCOM, FICCI and EY. 2017. Future of jobs in India – A 2022 perspective. URL: https://www.ey.com/Publication/vwLUAssets/ey-future-of-jobs-in-india/%24FILE/ey-future-of-jobs-in-india.pdf [2019.04.30]

[2] OECD. 2017. OECD Economic Surveys India. URL: https://www.oecd.org/eco/surveys/INDIA-2017-OECD-economic-survey-overview.pdf [2019.04.30]

[3] Guy Ryder. 2016. 3 ways we can tackle youth employment. URL: https://www.weforum.org/agenda/2016/01/3-ways-we-can-tackle-youth-employment/ [2019.04.30]

[4] ILO. 2017. Global employment trends for youth 2007. URL: https://www.ilo.org/wcmsp5/groups/public/—dgreports/—dcomm/—publ/documents/publication/wcms_598675.pdf [2019.04.30]

[5] Lars Thunell. 2012. How do we create more jobs for young people? URL: https://www.weforum.org/agenda/2012/01/how-do-we-create-more-jobs-for-the-youth/ [2019.04.30]

[6] Pwc and FICCI. 2019. Fast forward: relevant skills for a buoyant Indian economy. URL: http://ficci.in/spdocument/23062/FICCI-PwC-rajasthan-report.pdf [2019.04.30]

[7] ADB. 2018. ADB, India sign $80 million loan to help boost youth employability in Himachal. URL: https://www.adb.org/news/adb-india-sign-80-million-loan-help-boost-youth-employability-himachal [2019.04.30]

[8] IDB. 2019. Algorithms that get you a job in Paraguay. URL: https://www.iadb.org/en/improvinglives/algorithms-get-you-job-paraguay [2019.04.30]

 

Ontología y taxonomía: no son sinónimos. Comparemos para establecer sus diferencias

/en , /por

La palabra “ontología” puede que resulte abstracta para muchas personas. Tiene su origen en el sueño de Tim Berners-Lee de inventar la World Wide Web. Este sueño incluía que la Web fuera capaz de definir una llamada “web semántica”, mediante el análisis de todos los datos de la red, incluyendo contenido, enlaces y transacciones entre ordenadores y personas. En la web semántica, el Resource Description Framework (RDF) y el Web Ontology Language (OWL) se han establecido como formatos estándar para compartir e integrar datos y conocimiento, este último en forma de ricos esquemas conceptuales llamados ontologías [1.] En este artículo, emplearemos la palabra ontología como definición de la metodología de trabajo, sin embargo, vale la pena mencionar que en el mundo actual de las Tecnologías de la Información y Comunicación, el término «gráfico del conocimiento» es ampliamente usado como sinónimo de ontología.

Por qué es importante una ontología

Hablando de Inteligencia Artificial (IA), los términos «Big Data«, «aprendizaje automático» y «aprendizaje profundo» están reemplazando lentamente el uso del término «IA». Sin embargo, para citar a Adrian Bowles: «no hay inteligencia artificial sin representación del conocimiento». En otras palabras, la IA requiere elementos de ingeniería del conocimiento, arquitectura de la información y una cantidad significativa de trabajo humano para realizar su «trabajo neuronal mágico». Alexander Wissner-Gross afirma que, quizás lo más importante sea reconocer que son los conjuntos de datos inteligente y no los algoritmos, los que probablemente sean el factor clave limitante en el desarrollo de la inteligencia artificial a nivel humano.

             “No hay inteligencia artificial sin representación del conocimiento.”

Una ontología es una representación estructurada y formal del conocimiento relacionado con una determinada área. Esto es necesario porque, a diferencia de los humanos, la IA no puede basarse directamente en las nociones humanas preestablecidas sobre el uso correcto de un término. Lo que una ontología puede hacer, sin embargo, es «aprender» sobre el significado semántico de un término a través de los enlaces entre los conceptos de su sistema. Ya existen poderosas ontologías en campos específicos, como por ejemplo la Ontología de la Industria Empresarial Financiera (FIBO por sus siglas en inglés), así como numerosas ontologías para el área de la salud, la geografía o el sector del empleo.

Otra parte importante de la IA es el razonamiento semántico. Además de identificar transacciones potencialmente fraudulentas, determinar la intención de los usuarios basándose en el historial de su navegador y hacer recomendaciones de productos, la IA también puede hacer lo siguiente: ejecutar tareas que requieren un razonamiento explícito, basado en conocimientos generales y específicos de la materia, como entender artículos de noticias, preparar alimentos o comprar un automóvil. Este tipo de tareas requieren información que no forma parte de los datos de entrada y que debe combinarse dinámicamente con el conocimiento. Este tipo de razonamiento de la computadora, solo se puede lograr con ontologías y la forma en la cual se estructura el conocimiento que incluyen. [2]

Taxonomía y ontología son fundamentalmente diferentes

La ontología a menudo se confunde con la taxonomía.  Apartando el hecho de que ambos términos pertenecen a los campos de la IA, la web semántica y la ingeniería de sistemas, no hay mucho más que los defina como sinónimos. Las clasificaciones taxonómicas como O*NET (Occupational Information Network) y ESCO (European Skills/Competences, qualifications and Occupations), simplemente no se pueden comparar con las ontologías.  Las primeras proporcionan un enfoque mucho más sencillo cuyo fin es clasificar conceptos, ya que tienen una estructura jerárquica y utilizan únicamente las relaciones padre-hijo entre términos, sin ningún vínculo adicional más sofisticado. Las ontologías, por otro lado, son una forma mucho más compleja de categorización. Hablando metafóricamente, una taxonomía equivaldría a un árbol, mientras que una ontología sería a un bosque.

He aquí un ejemplo: El término “golf” podría aparecer en varias taxonomías.  Puede estar situado bajo un árbol de “Actividades humanas” (actividades humanas -> actividades de ocio -> deportes -> golf).  También puede encontrarse en una taxonomía relativa a la ropa (ropa -> ropa casual/activa -> ropa deportiva -> ropa y accesorios de golf). Podría incluso aparecer en algo muy diferente, por ejemplo, una taxonomía del automóvil (automóvil -> Alemania -> VW -> Golf). En una ontología, cada una de estas taxonomías puede ser considerada como un árbol, cuyas ramas conectan con el nodo “golf” de otras ramas, de otros árboles. [3]

 

 

Explicado de otra manera, las taxonomías representan una colección de tópicos, que tienen una relación cuyo propósito es definir “esto es…”, mientras que las ontologías desarrollan conexiones mucho más complejas, permitiendo relaciones que reconozcan que “esto” “tiene…” y “utiliza…”. [4] Por lo tanto, si regresamos al ejemplo de clasificación anterior, las taxonomías carecen de la capacidad de comparar conceptos hijos.

En la clasificación internacional ESCO, casi todos los médicos especialistas están agrupados bajo el título: Profesionales médicos especializados. Si analizamos este caso, se hace evidente que un/-a enfermero/-a especializado/-a en anestesia y un médico/-a anestesista, tienen conocimientos y habilidades en común, pero no pueden aplicar a un mismo puesto de trabajo. Adicionalmente, los conjuntos de habilidades especializadas se agrupan simplemente en listas generales, sin ningún vínculo con las correspondientes ocupaciones especializadas. ¿Por qué ocurre esto? Una de las razones es que las clasificaciones se utilizan principalmente con fines estadísticos. Desde este punto de vista, no hay necesidad de clasificar a todos los médicos especialistas de acuerdo con sus habilidades y formación específicas. Entonces, de acuerdo con las taxonomías, las especializaciones sólo pueden ser reconocidas por el título del puesto de trabajo y es necesario recurrir a otras fuentes para entender mejor su contenido específico.

 

 

La construcción de una ontología que contenga: ocupaciones, capacidades, competencias y formación, hace posible el reconocimiento automático de diferencias y similitudes entre títulos de puestos de trabajo. Por ejemplo: Pediatras y neonatólogos tienen trabajos parecidos, ya que ambos se dedican al cuidado de la salud de los recién nacidos. Con el enfoque de modelado ontológico, es posible determinar que un pediatra tiene un porcentaje muy alto de capacidades similares a las de un neonatólogo. Sin embargo, los pediatras sólo pueden hacerse cargo del trabajo del neonatólogo después de recibir formación adicional. Toda esta información puede ser representada en una ontología, a través de las interrelaciones entre conceptos. Estas relaciones exceden ampliamente la capacidad de una simple taxonomía.

 

 

Las ontologías permiten emparejar conjuntos de datos

Cuando se trata de emparejar (matching), digamos, por ejemplo, curricula vitae con vacantes de trabajo, no hay mejor sistema para ello que el uso de una ontología. Con demasiada frecuencia, se utilizan sencillas formas de emparejamiento, basadas en palabras clave, o métodos difusos de aprendizaje automático, lo que significa que muchas similitudes no se detectan, por lo tanto, no se obtienen resultados de correspondencia. Elementos que conducen a esta falta de resultados son, por ejemplo, variaciones de las palabras claves introducidas, sinónimos y frases alternativas. Para conseguir una correspondencia eficiente, es importante comparar la semántica (el significado subyacente) de dos elementos, en lugar de la redacción del texto. Aquí es donde entran en juego las ontologías. Las mismas se basan en un modelo semántico, capaz de detectar los significados subyacentes y las similitudes entre CV y descripciones de puestos de trabajo.

La técnica de emparejamiento ontológico es una técnica fundamental que tiene aplicación en muchas áreas, como la combinación de ontologías. En dominios con reglas muy complejas, e interacciones complejas entre reglas, no hay sustituto para las ontologías. Esto se muestra, por ejemplo, cuando se considera la integración de dominios muy diferentes entre sí. Supongamos que hay dos ontologías separadas, una ontología meteorológica y una ontología geográfica. Crear una tercera ontología que integre y aproveche en contenido de las dos, es una propuesta manejable, que proporcionaría valiosa información para evaluar riesgos de navegación o para el ámbito de los seguros.[5]

El verdadero valor de las ontologías

El sistema semántico se basa en representaciones explícitas, y comprensibles para el ser humano, de conceptos, relaciones y reglas para desarrollar el conocimiento de una determinada área. Es imposible confiar únicamente en los programadores para construir un sistema de este tipo, basado en el aprendizaje automático, ya que carecen de los conocimientos necesarios para definir las relaciones entre los conceptos de cada dominio específico. Por lo tanto, el conocimiento de un área específica debe provenir de expertos en esa materia y es necesaria la integración de conocimiento experto en distintos campos (Ej.: derecho de propiedad intelectual, dinámica de fluidos, reparación de automóviles, cirugía a corazón abierto, o sistemas educativos y vocacionales). Este proceso es crucial para crear una representación integral del conocimiento.

Para la ontología multilingüe de JANZZ, las capacidades son un punto clave. En muchos casos, la traducción literal de un concepto a muchos idiomas no es posible, sin embargo, gracias que Suiza es un país pequeño y multicultural, todos nuestros curadores de ontología dominan fluidamente al menos dos idiomas, y algunos hasta más de cuatro (incluyendo chino y árabe). Esto nos proporciona una gran ventaja, la cual nos permite garantizar la calidad y consistencia de los contenidos en diferentes idiomas.

Hace aproximadamente una década, JANZZ comenzó a construir su ontología sobre varias taxonomías de ocupación, a saber: CIUO-08, ESCO y clasificaciones específicas muchos países. A lo largo de los años, JANZZ ha incluido en su ontología miles de nuevas profesiones y funciones (Ej.: Investigador/-a de mercado, minero/-a de datos, experto/-a en generación milenial, gerente/-a de medios sociales, community manager, etc.) los cuales no existían previamente en ninguna de las taxonomías conocidas. Además de nuevos títulos de puestos de trabajo, la ontología se actualiza constantemente con la inclusión de términos nuevos en todos los campos: habilidades, educación, experiencia y especializaciones. El hecho de que nuestra ontología es capaz de reconocer semejanzas y ambigüedades entre puestos de trabajo y demás áreas relevantes en el ámbito de la colocación laboral, la convierte en la herramienta perfecta para empresas de RRHH y servicios públicos de empleo. Hoy en día, la ontología de JANZZ es, con diferencia, la ontología de datos de colocación laboral más grande, compleja y completa del mundo.

Por suerte algunos gobiernos y empresas han escogido el camino correcto y actualmente se benefician ampliamente de nuestra tecnología de punta. Si desea más información sobre la ontología de JANZZ, escríbanos por favor a sales@janzz.technology. Le agradecemos de antemano su interés y estaremos encantados de responder a todas sus preguntas.

[1] Ian Horrocks. 2008. Ontologies and the Semantic Web. URL: http://www.cs.ox.ac.uk/ian.horrocks/Publications/download/2008/Horr08a.pdf [2019.02.01 ]

[2] Larry Lefkowitz. 2018. Semantic Reasoning: The (Almost) Forgotten Half of AI. URL: https://aibusiness.com/semantic-reasoning-ai/ [2019.02.01]

[3] New Idea Engineering. 2018. What’s the difference between Taxonomies and Ontologies? URL: http://www.ideaeng.com/taxonomies-ontologies-0602 [2019.02.01]

[4] Daniel Tunkelang. 2017. Taxonomies and Ontologies. URL: https://queryunderstanding.com/taxonomies-and-ontologies-8e4812a79cb2 [2019.02.01]

[5] Nathan Winant. 2014. What are the advantages of semantic reasoning over machine learning? URL: https://www.quora.com/What-are-the-advantages-of-semantic-reasoning-over-machine-learning [2019.02.01 ]
[/av_textblock]

Suiza 2030: Oportunidades y peligros de la digitalización

/en , /por

Con motivo de la digitalización ciertas profesiones están destinadas a desaparecer: ninguna novedad para nuestros oídos. Sin embargo, el primer estudio exhaustivo sobre los efectos de la digitalización para 2030 explica un hecho devastador: Sólo en Suiza desaparecerán por lo menos 1.000.000 de puestos de trabajo. Este número resulta aterrador, para un país con unos nueve millones de habitantes. McKinsey & Company esclarece que casi todas las industrias se ven afectadas, pero que no todo son malas noticias ya que, por otra parte, la digitalización también crea nuevos puestos de trabajo y genera productividad.

 

 

Particularmente en riesgo: habilidades manuales y conocimientos básicos 

El estudio de McKinsey & Company titulado «El futuro del trabajo: la oportunidad digital de Suiza» predice que entre el 20 y el 25% de los puestos de trabajo en Suiza están amenazados. Como resultado de la digitalización son, principalmente, trabajos manuales y los que requieren únicamente conocimientos muy básicos, donde las personas ya no resultan imprescindibles. Ejemplo de ello son: cajeros, recolectores de datos, empleados de almacén u operarios de producción. Estos trabajos están cada vez más automatizados, gracias a un gran número de pequeños ayudantes tecnológicos, hecho que aumentará considerablemente de aquí a 2030. Las habilidades artesanales también tendrán cada vez menos demanda. Así pues, es sobre todo en el área de los denominados trabajos poco cualificados, donde se requiere tener mayor precaución. Las actividades que tienen que ver con estadística, lectura y escritura, también estarán altamente automatizadas para el año 2030. Actualmente, también se encuentran disponibles muy buenas herramientas para la gestión exitosa de proyectos.  Particularmente el sector bancario suizo tiene por delante una tarea de gran envergadura, ya que muchas de las competencias antes mencionadas son cruciales en esta área. Hoy en día cada vez más clientes bancarios prescinden del asesoramiento personal, prefiriendo el portal online de información. Se espera que desaparezcan 50.000 puestos de trabajo en el sector financiero, 120.000 en el comercio minorista y de 70 a 100.000 en la industria.

Nuevos puestos de trabajo en 2030

Pero, por supuesto, la digitalización también requiere nuevas competencias, lo cual favorece la creación de muchos nuevos puestos y ofertas de trabajo. La principal demanda será en el ámbito de las competencias tecnológicas, científicas y sociales. Esto se traduce en la creación de aproximadamente 800.000 puestos de trabajo, pero lamentablemente este dato no se reflejará de manera específica en las mismas zonas en las cuales desaparecen los puestos de trabajo. Paralelamente, la digitalización también crea puestos de trabajo directos, ya que su implementación debe ser realizada por personas. Ejemplos tomados de búsquedas actuales: «Responsable de transformación digital» o «Gerente de proyecto de digitalización interna».

El problema es que los puestos de trabajo no pueden simplemente redistribuirse así como así. Por ejemplo: un operario de máquina no puede convertirse automáticamente en jefe de proyecto, o un cajero, en enfermero. Por el contrario, la educación y capacitación deben empezar cuanto antes, ya que el reciclaje resulta, por una parte, muy costoso y por otra, difícil de organizar para un gran grupo  de la población. Tampoco se puede dar por hecho que las competencias y habilidades sociales requeridas para estas profesiones, se encuentran espontáneamente disponibles. Así como no todos tenemos la fuerza y empatía necesarias para cuidar de mayores y enfermos, de la misma manera no todos poseemos la comprensión de la tecnología relacionada con las nuevas profesiones.

Sector salud: aumentando exponencialmente

Además del sector tecnológico, se creará un número particularmente elevado de puestos de trabajo en el sector sanitario, dentro del cual las habilidades sociales son de vital importancia. Esto se debe al envejecimiento de la sociedad: en 2030, el 23% de la población suiza tendrá más de 65 años, frente al 18% actual. En consecuencia, la demanda de personal de enfermería está aumentando considerablemente, y se prevé una demanda adicional de hasta 85.000 empleados, particularmente profesionales de la salud y personal de enfermería capacitado. No sólo es insuficiente el número de personas que están en etapa de formación, sino que además, muchos profesionales de la salud dejan su trabajo al cabo de un tiempo, hasta 3 de cada 4 empleados. Hay muchas razones que justifican este comportamiento: horario por turnos, duro trabajo físico y bajos salarios. Tan sólo cerca de la mitad de los profesionales de enfermería continúan ejerciendo su profesión durante toda su vida laboral.

Este problema afecta no sólo a Suiza, la escasez se aplica en muchas partes del mundo. Así, un estudio reveló que durante los próximos años, la carencia de fuerza de trabajo en el ámbito sanitario en EEUU, aumentará en unos 2 millones más.  En este país, es particularmente alta la demanda de personal para cuidados en el hogar o en residencias de ancianos. Sin embargo, los salarios de estos subsectores son particularmente bajos y en algunos casos, muy por debajo del promedio de ingresos anuales en USA. También en este caso, los turnos de trabajo y el esfuerzo físico requerido, constituyen condiciones muy poco favorables para los empleados. Con este panorama, resulta cada vez más improbable que se cubran los puestos necesarios.

¿Cómo se financia y estructura el mercado laboral?

Es positivo que el trabajo físico pesado pueda aligerarse, al ser asumido por robots u otros pequeños ayudantes automatizados. Desafortunadamente, esto hace que el trabajo en las cajas registradoras también pueda “aligerarse”. Si los robots no pagan impuestos, no contribuyen a los fondos de pensiones, ni cotizan a la seguridad social, entonces ¿cómo se financiarán el futuro mercado laboral, nuestras calles y escuelas, o la cantidad de nuevos equipos necesarios para nuestro mundo digitalizado? ¿Introduciendo tal vez un «impuesto de digitalización»? ¿O es que los empleadores tendrán que pagar contribuciones para la pensión de los robots, de la misma manera que lo hacen para los empleados humanos?

Sería necesario preguntarse, no solo hasta qué punto es conveniente que los robots asuman ciertas actividades, sino también hasta donde está permitido, es decir, legalmente. Cambios que anteriormente eran monitorizados por ojos humanos, ahora son sólo percibidos por pantallas. ¿Es eso legalmente justificable? Existen muchas actividades que requieren la obtención de certificados específicos. La cuestión ahora es cómo demostrar la competencia de un robot. ¿Pueden los robots, por ejemplo, superar los exámenes de conducción?

La adjudicación de responsabilidades resulta particularmente complicada hoy en día, especialmente cuando se trata de errores. Frecuentemente se requiere de la opinión de expertos y debates de meses para determinar quién es el responsable de algún daño infligido. Entonces, ¿Será posible disponer pronto de un “seguro para/contra robots”?

 

Los problemas son los mismos a nivel mundial

Como ya mencionábamos anteriormente, no solo Suiza se enfrenta a los cambios señalados. En Alemania se contabiliza ya un déficit de personal de unos 300.000 en las áreas de matemáticas, informática, ciencia y tecnología (MINT por sus siglas en alemán). Un estudio a gran escala en USA, evaluó 702 puestos de trabajo, para determinar su probabilidad de automatización y concluyó que el 47% de la población activa de Estados Unidos, con toda probabilidad, se verá afectada. El estudio reveló que, por el contrario, empleos que requieren altas dosis de competencia social (portavoz de prensa, por ejemplo), creatividad (diseñador de modas), elevado nivel de comprensión, percepción y manejo (cirujano), se encontraban apenas amenazados. Los resultados de este estudio se pueden extrapolar al resto de los países, los cuales afrontan los mismos retos. De igual manera, el grupo inversionista CBRE Group ha conseguido determinar que, para el año 2025, el 50% de los empleos en Asia se encuentran potencialmente en riesgo, especialmente aquellos netamente manuales o de conocimientos sencillos.

Medidas

En Alemania también se reconoce la gravedad de la situación. Recientemente se creó una ley para facilitar inmigración de trabajadores cualificados, con el fin de contrarrestar la escasez de personal, en particular en el sector sanitario. Esta ley se aplica a ciudadanos de terceros países, es decir, no de la UE ni de la AELC, quienes ya se benefician del acuerdo libre circulación de personas entre países miembro. Inmigrar puede pues, cualquiera que tenga cualificaciones suficientes para ejercer una profesión y un contrato de trabajo. Para ello se otorgará una visa de búsqueda de empleo, con seis meses de duración. Con esto queda suprimida la comprobación de si existe un ciudadano de la UE que pueda hacer el trabajo, como se hacía anterior a esta ley. Ideas similares surgieron recientemente en el Reino Unido, donde en la primavera de 2019 se introducirá un nuevo visado para Start-ups. El gobierno pretende con esta medida, facilitar a las empresas tecnológicas extranjeras la creación de nuevas empresas en el Reino Unido.

Hacer que la transformación sea un éxito

¿Cómo deben afrontarse estos retos? El proceso de digitalización debe enfocarse en dos tareas. En primer lugar, la transformación de la economía debe ser apoyada de manera decisiva y contundente, no obstante, sin dejar que todo ocurra demasiado rápido. Una reconversión acelerada podría dar lugar a un aumento del desempleo, al no haber dispuesto del tiempo necesario para desarrollar las nuevas competencias. La transformación requiere nuevos procesos y modelos de negocio para las empresas. En Suiza, por ejemplo, existe sólo un 8% de comercio online, frente al 15 y 18% de Alemania y el Reino Unido, respectivamente. Si la digitalización es un éxito, particularmente la economía suiza podría beneficiarse considerablemente de la transformación y aumentar la productividad, en alrededor de un 1% al año. En consecuencia, salarios reales más altos tenderían también a aumentar el consumo, lo cual generaría a su vez nuevos puestos de trabajo.

Capacitar en lugar de esperar

Al mismo tiempo, la atención debe centrarse fundamentalmente en la formación de empleados y alumnos en las competencias del futuro. Para ello, la enseñanza debería tener mucho más contenido tecnológico. Por ejemplo, los estudiantes deberían ser capaces de realizar más tareas de oficina en la computadora. Hoy en día, la demanda suiza de graduados en tecnología está lejos de ser satisfecha; en el futuro, los 3.000 graduados ahora disponibles alcanzaran a cubrir menos de la mitad de los puestos.

Adicionalmente, se ha demostrado repetidamente que las habilidades sociales están infundadamente subestimadas, ya que juegan un papel determinante en el desarrollo exitoso a largo plazo, dentro del mercado laboral. Este es otro ámbito, en el cual las empresas y las instituciones educativas, deberían empezar a impartir una formación integral. En resumen, por todo lo anteriormente expuesto, resulta indispensable un replanteamiento estructural del desarrollo de las competencias.

Análisis de brechas claro y sin prejuicios, para una transformación exitosa

Durante casi una década, JANZZ.technology ha estado observando y trabajando con múltiples mercados laborales, a nivel mundial. Nuestro motor de matching «JANZZsme» se adapta de forma totalmente imparcial, ya que se basa en la relevancia de las competencias, experiencias, especializaciones, industrias y mucho más. Nuestra solución es capaz de realizar análisis de brechas, transparentes y fáciles de entender, sobre las habilidades de sus empleados. Esto le dará una idea clara de cuáles habilidades clave para el éxito de su negocio están disponibles y cuáles deben ser ampliadas o desarrolladas. Contáctenos ahora para una consulta y podemos acompañarle con nuestro know-how en su exitoso camino hacia la digitalización.

Escríbanos a sales@janzz.technology

[1] McKinsey Global Institute. 2018. The Future of Work: Switzerland’s Digital Opportunity. Zürich/Brüssel. URL: https://www.mckinsey.com/~/media/mckinsey/featured%20insights/
europe/the%20future%20of%20work%20switzerlands%20digital%20opportunity/the-future-of-work-switzerlands-digital-opportunity.ashx [2018.11.10].

[2] Hug, Daniel. 2018. Bis 2030 fallen in der Schweiz eine Million Jobs weg. In: NZZ am Sonntag, 6.10.2018. URL: https://nzzas.nzz.ch/wirtschaft/bis-2030-fallen-in-schweiz-eine-million-jobs-weg-ld.1426280?reduced=true [2018.11.10].

[3] AsiaOne. 2016. Top 10 careers that are dying a slow death. URL: http://www.asiaone.com/business/top-10-careers-are-dying-slow-death [2018.11.08].

[4] Frey, Carl Benedikt, Osborne, Michael A. 2013. The Future of Employment: How Susceptible are Jobs to Computerisation?. Oxford. URL: https://www.oxfordmartin.ox.ac.uk/downloads/academic/future-of-employment.pdf [2018.11.10].

[5] Oh, Soo. 2017. The future of work is the low-wage health care job. URL: https://www.vox.com/2017/7/3/15872260/health-direct-care-jobs [2018.11.10].

[6] MAMK/DPA. 2018. Arbeitgeber melden Rekord beim Fachkräftemangel. In: KarriereSPIEGEL. URL: http://www.spiegel.de/karriere/fachkraeftemangel-arbeitgeber-klagen-ueber-fehlende-mint-kraefte-a-1207636.html [2018.11.08].

[7] Bauer, Karin. 2018. Welche Jobs bleiben, welche verschwinden. In: Der Standard. URL: https://derstandard.at/2000078804017/Welche-Jobs-bleiben-welche-verschwinden [2018.11.09].

[8] Walser, Rahel. 2017. Beruf Fachkraft Gesundheit – Nach der Lehre die grosse Ernüchterung. URL: https://www.srf.ch/news/schweiz/beruf-fachkraft-gesundheit-nach-der-lehre-die-grosse-ernuechterung [2018.12.03].

[9] Böcking, David. 2018. Einwanderungsgesetz für Fachkräfte. Wer darf künftig zum Arbeiten nach Deutschland kommen? In: Der Spiegel. URL: http://www.spiegel.de/wirtschaft/soziales/fachkraefte-die-offenen-fragen-beim-einwanderungsgesetz-a-1239722.html [2018.12.05].

[10] Hoock, Silke. 2018. Abschiebung nach Mazedonien. Wieder eine Krankenschwester weniger. In: Der Spiegel. URL: http://www.spiegel.de/wirtschaft/abschiebung-krankenschwester-amela-memedi-muss-nach-mazedonien-a-1239890.html [2018.12.05].

[11] The Government of United Kingdom. 2018. New start-up visa route announced by the Home Secretary.  URL: https://www.gov.uk/government/news/new-start-up-visa-route-announced-by-the-home-secretary [2018.12.03].
[/av_textblock]

A ver por favor: de qué se trata realmente la Inteligencia Artificial

/en , /por

El fenómeno de la IA se está extendiendo cada vez más: parece que en todas las reuniones, conferencias y aulas de clase se habla de ello. En las noticias también se encuentran grandes titulares sobre la IA, la mayoría de ellos prediciendo que cambiará completamente las formas en cuanto a como vivimos y trabajamos.  El caso es que hay mucho bombo y platillo sobre el tema, por el simple hecho de que «el ruido vende», un peligro sobre el cual muchos expertos están advirtiendo.

 

La IA sobrevalorada puede ser peligrosa

Innumerables empresas y organizaciones gubernamentales están recaudando fondos en beneficio de la AI, razón por la cual miles de millones de capital se destinan a la creación de start-ups de IA. Sin embargo, muchas de estas nuevas empresas han resultado ser económicamente insostenibles. «La gente que puede hacerlo no tiene oportunidades ni recursos. Por otro lado, las personas que no deberían hacerlo desperdician recursos porque no están interesadas en el avance de las tecnologías, sino que simplemente quieren conseguir algo de dinero», diría el experto estatal chino especialmente designado, WANG Feiyue, en el Taller Internacional sobre Inteligencia Artificial y Cibernética del IEEE de este año[1]. El boom sobre la IA ha creado una ilusión que puede confundir a la gente y tergiversar lo que la IA es realmente capaz de hacer. En JANZZ, hemos discutido este tema en un artículo anterior que se basa en casos ilustrativos. Nuestra investigación nos lleva a asumir que el gran ruido sobre Big Data e IA, a menudo se trata más de auto-promoción y marketing, que sobre hechos reales y progresos. Esto puede ser peligroso, entre otras cosas porque estimula la ansiedad de los trabajadores por ser reemplazados por la Inteligencia Artificial. Para más información sobre este tema, visite https://janzz.technology/even-ado-nothing-hype-big-data-ai-often-self-marketing-facts-real-progress/.

 

De qué se trata realmente la IA

Andrew Ng, líder fundador del equipo de Google Brain, ex director del Laboratorio de Inteligencia Artificial de Stanford y líder general del equipo de IA de Baidu comenta: “en las discusiones públicas, los términos Inteligencia Artificial General (AGI por sus siglas en inglés) e inteligencia especializada, son frecuentemente confundidos y ambos se relacionan con el término AI. AGI se refiere a la inteligencia a nivel humano; es decir, el tipo de inteligencia futurista que vemos en el cine y en la literatura de ciencia ficción. Actualmente, la tecnología para llegar a esa «inteligencia humana» es muy limitada y está lejos aún de ser beneficiosa para la sociedad. La mayor parte de lo mencionado en los medios de comunicación se refiere a la inteligencia especializada, como el aprendizaje automático, la visión computarizada o el procesamiento del lenguaje natural. La inteligencia especializada es, por lo tanto, la verdadera fuerza de la cuarta revolución industrial, ya que crea valor y tiene poder transformador para todas las industrias[2].

Aunque la IA ya tiene un impacto en muchas industrias -búsqueda web, finanzas y logística, por nombrar sólo algunas- los subtipos de la misma que se están desarrollando, son todavía bastante limitados. Andrew Ng explica que casi todo el progreso reciente de la IA se debe a un tipo de proceso simple: A (datos de entrada) a B (respuesta simple), llamado «aprendizaje supervisado». Un ejemplo para ilustrar esto: usted muestra imágenes (A) al software y éste puede identificar si muestra un gato (B); usted le da información tanto del anuncio como del usuario al software (A) y le dice si es probable que el usuario haga clic en dicho anuncio (B).  Podría decirse que el mejor desarrollo basado en el tipo A a B es el llamado aprendizaje profundo, redes neuronales profundas que están inspiradas por el cerebro humano. Sin embargo, hay dos factores cruciales que influyen en el funcionamiento de la relación A a B. Una es que A y B deben ser cuidadosamente elegidos, para proporcionar la cantidad necesaria de datos. La segunda se refiere al tamaño de la red neuronal: cuanto mayor sea la red neuronal, mayor será el rendimiento. [2]

 

La IA en el mundo empresarial actual

Después de establecer de qué se trata realmente la IA, echemos un vistazo a su aplicación en el entorno empresarial actual. Tal vez se podría pensar, que sólo las grandes empresas con un gran presupuesto y mano de obra, pueden beneficiarse de la IA. Sin embargo, la IA también puede emplearse en pequeñas empresas. Un ejemplo interesante es la oferta de Fujitsu y Microsoft: ambos han estado trabajando con granjeros lecheros japoneses para averiguar exactamente cuándo las vacas están en su ciclo fértil, con el fin de optimizar la inseminación artificial. El proceso de inseminación es una tarea muy delicada para los agricultores, ya que un ligero error en el cálculo del tiempo, puede resultar en fracaso y retrasar el proceso un mes más. Después de incorporar el conocimiento de los agricultores, sobre el aumento del movimiento de las vacas durante su ciclo fértil en un análisis sistemático de datos (es decir, fusionándolo con la IA), la tasa de éxito aumentó al 95%[3].

A pesar de estas historias exitosas, el uso de la IA en las empresas no es precisamente magia. Es innegable que hay casos mucho más sofisticados, pero normalmente «la IA se basa en datos. Las empresas necesitan saber qué tipo de datos tienen, a qué datos tienen acceso o qué otro conjunto de datos pueden fusionar con los suyos. A partir de ello pueden razonar y navegar a través de la información»[3] Por lo tanto, «incorporar la IA a la estrategia de negocio requiere líderes visionarios en la empresa, que reconozcan el valor de la IA, descubran dónde está el valor del negocio y qué resulta difícil de copiar»[4]. Es cierto que las empresas no pueden tener equipos de IA para todas sus unidades, ya que no sería prudente construir todo internamente, salvo en tipos de negocios muy específicos. Esta es la razón por la que se debe considerar la adquisición de soluciones, que son ampliamente utilizadas en la industria. [2]

JANZZ.technology proporciona tanto soluciones inteligentes de RRHH para empresas, como soluciones para el mercado laboral para servicios públicos de empleo. Desde la fundación de JANZZ en 2009, hemos sido conscientes de los dos factores decisivos que aseguran un rendimiento preciso a partir de un aprendizaje profundo y supervisado de la máquina. Durante los últimos 9 años, JANZZ.technology ha estado construyendo continuamente la mayor red de datos neurales relacionados con el empleo a nivel mundial, con 300 millones de neutrales hasta la fecha. Nuestro algoritmo único, ha sido entrenado con grandes cantidades de datos procedentes de varios socios, tanto corporaciones internacionales, como servicios públicos de empleo, por lo tanto, podemos ofrecer nuestros servicios en 40 idiomas. Aconsejamos enfáticamente a los clientes, que recopilen datos estructurados y eficaces, con el fin de obtener los resultados de matching más inteligentes.

Escriba ahora a sales@janzz.technology

 

[1] ZHOU, Chaochen. 2018. Gei Ren Gong Zhi Neng Que mei. URL: https://www.huxiu.com/article/247345.html [2018.10.31.].

[2] New Work Summit. 2018. Power Lines with Andrew Ng C.E.O. and Founder, Landing.ai; and Adjunct Professor, Stanford University [Video file]. URL: https://www.youtube.com/watch?v=YXx4b8g3tIg [2018.10.31.].

[3] New Work Summit. 2018. The AI Accelerater with Peggy Johnson, E.V.P. of Business Development, Microsoft and Frank Chen, Partner, Andreessen Horowitz [Video file]. URL: https://www.youtube.com/watch?v=YXx4b8g3tIg [2018.10.31.].

[4] Andrew Ng. 2016. What artificial intelligence can and can’t do right now. URL: https://hbr.org/2016/11/what-artificial-intelligence-can-and-cant-do-right-now [2018.10.31.].

¿Habrá en el futuro en China un boom de contratación de personal a tiempo parcial?

/en , /por

Si Usted es un docente o profesor en Suiza, pudiese paralelamente estar ejerciendo cualquiera de estos cargos: CEO o CFO en un banco, programador informático en alguna Start-up o curador de ontología en una empresa tecnológica de RRHH. Este último ejemplo es, de hecho, el caso de uno de nuestros trabajadores en JANZZ.technology. Si usted fuese un lector chino, este hecho tal vez le resulte sorprendente: ¿cómo es posible que un profesor pueda tener más de un empleo?

En Suiza muchas personas tienen ocupaciones a tiempo parcial, particularmente estudiantes y padres con hijos pequeños. Según la OCDE (Organización para la Cooperación y el Desarrollo Económico) la cuota de trabajadores a tiempo parcial en Suiza se ubicaba en 2017 en el 26,7% y con esto se colocaba en el segundo puesto, detrás de los Países Bajos, quienes poseen la tasa más elevada: 37,4%. Otros países que ocupan primeros puestos son Austria, Alemania, Bélgica, Reino Unido y Suecia. [1] Por otra parte, estadísticas de Eurostat señalan que las personas con mayor nivel académico tienen, con mucha probabilidad, más de un empleo. [2]Ante la pregunta sobre cuáles ventajas representa este modelo de pluriempleo, responde nuestro colega en JANZZ.Technology que “la libertad de poder cambiar de roles y entornos tiene un gran valor”. Un motivo que hace posible tener este tipo de estilo de trabajo “de lujo” en Suiza, es que los trabajadores generan prestaciones sociales, incluso a partir de un pensum del 20%. Cierto es también el hecho de que tener más de una ocupación, puede no ser necesariamente voluntario. En algunos países sencillamente no es posible con un solo empleo ganar suficiente dinero para vivir. Para más información sobre subempleo y autoempleo puede leer nuestro artículo previo: https://janzz.technology/where-self-employment-may-not-always-be-voluntary/   

 

La teoría organizacional de Shamrock

Desde la perspectiva de los empleadores, la contratación a tiempo parcial no solo reduce los costos, sino que mantiene la estructura de la empresa flexible. Una de las primeras teorías sobre el empleo a tiempo parcial fue desarrollada por Charles Handy. Su renombrado “Modelo organizacional Shamrock” define que existen tres elementos esenciales en la estructura corporativa. El primero sería el “núcleo profesional”, constituido por personal especializado, técnico y directivo. En esta área es donde deben adjudicarse contratos de trabajo a tiempo completo y a largo plazo. El segundo elemento se refiere a servicios especiales, cuya contratación se puede externalizar para reducir costos. En lugar de recibir remuneración por hora de trabajo, los miembros de este grupo reciben paga por tareas realizadas. El tercer elemento consta de puestos de trabajo flexibles y abarca a los empleados por horas y a tiempo parcial. Este grupo de trabajadores es contratado a discreción y por un determinado período, según las necesidades de la empresa. Adicionalmente la teoría de Handy destaca que, para lograr calidad en el trabajo, la fuerza directiva debe garantizar la equidad.[3]

Desde un punto de vista histórico

¿Y cómo es la situación actual en China? Para responder a esta pregunta, echamos un vistazo a la evolución del empleo en este país en los últimos 30 años. Inicialmente, las empresas negociaban directamente con sus trabajadores en cuanto a la firma del contrato, el sueldo y las prestaciones sociales. Tras la adopción de la Ley de Contratos Laborales de la República Popular China en 2007, se introdujo el trabajo temporal a gran escala. En 2010, las empresas de trabajo temporal crearon más de 60 millones de puestos de trabajo. Debido tanto al control de los contratos laborales, como al riesgo de responsabilidad civil asociado con los contratos de trabajo temporales, la externalización cobró cada vez más popularidad. Esto incluía, entre otras cosas, la externalización de recursos humanos, de los procesos empresariales y de las líneas de productos. Para minimizar el riesgo de responsabilidad civil a terceros, fueron recientemente desarrolladas nuevas formas de empleo, incluido el trabajo a tiempo parcial. Gracias a la expansión generalizada de Internet y las redes móviles, se están desarrollando muchas nuevas y más complejas formas de empleo. Por ejemplo, existe un empleo en el marco de las relaciones laborales que está amparado solo por el derecho contractual y el derecho civil y mercantil. [4]

Una mirada al futuro

De acuerdo con un estudio realizado por Jianzhimao.com, una plataforma de reclutamiento de personal, especializada en empleos a tiempo parcial, China está aún en las primeras fases de la flexibilización en la contratación laboral. Sin embargo, entre el 2013 y el 2017 las cifras han ido en constante aumento, con una tasa promedio de crecimiento que alcanzó el 20% entre 2015 y 2017. Se pronostica que para el 2025, la industria del empleo flexible en China generará unos beneficios de aproximadamente 1.800 millones de dólares estadounidenses. El estudio concluye que “En la actualidad, se ha ido desarrollando una escalada ecológica del empleo flexible y la transformación de la estructura industrial china, está generando cambios fundamentales de forma en el mercado laboral. La modalidad del empleo flexible acarreará menores costos de mano de obra y conferirá mayor productividad a las empresas. China entrará en este auge durante la siguiente década, lo cual traerá el mayor período de crecimiento en los últimos 20 años, del mercado de externalización de servicios de recursos humanos”. [5]

Los trabajadores chinos están en la búsqueda de más libertades para una mayor conciliación entre la vida laboral y familiar. Mujeres profesionales reclaman más tiempo de calidad con sus hijos, especialmente tras la ley que les permite tener hasta dos hijos. Los estudiantes buscan realizar prácticas laborales que contribuyan a su desarrollo profesional en el futuro y las tradicionales jornadas “de 9 a 5” dejaron de ser la única opción. Entonces, para los servicios públicos de empleo (SPE), cobra sentido la implementación de políticas y regulaciones relevantes, las cuales aseguren tanto la protección legal, como los beneficios sociales en la contratación flexible.

En JANZZ.technology trabajamos desde hace tiempo con SPE y departamentos de RRHH de diversos sectores, por eso entendemos la complejidad de los entornos laborales modernos con sus incesantes y rápidos cambios, además del surgimiento continuo de nuevas profesiones. Estamos encantados de asesorar tanto a SPE como a empresas, a la hora de hacer frente a las necesidades específicas de los solicitantes de empleo, para que puedan desarrollar plenamente sus capacidades.

Envíenos su consulta a sales@janzz.technology

 

 

[1] OECD. 2018. Part-time employment rate. URL: https://data.oecd.org/emp/part-time-employment-rate.htm [2018.10.04]

[2] Eurostat. 2017. Employment Statistics. URL: https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Employment_statistics/de#Teilzeitbesch.C3.A4ftigung [2018.10.04]

[3] Handy, Chales. (1989) The Age of Unreason. Broghton: Harvard Business School Press.

[4]Wie, Haozheng. 2018. Lin huo yong gong jiang cheng wei HR de xia yi ge feng kou. URL: http://www.360doc.com/content/18/0420/13/40060546_747269057.shtml  [2018.10.04]

[5] Jianzhimao. 2018. Wei lai shi nian, ling huo yong gong jiang jin ru bao fa qi. URL: https://www.sohu.com/a/223630306_100106156 [2018.10.04]

 

Cómo tus habilidades sociales superan a tus competencias

/en , /por

Un tema en boca de todo el mundo es la digitalización. “Tenemos que prepararnos ya para la digitalización”, “Entrénese en el mundo de la digitalización”. Escuchamos frecuentemente frases como estas en los medios de comunicación, en las empresas y lo comenta el vecino de mesa en el comedor de la compañía. Y la política a nivel mundial no se ha quedado atrás y ha tomado medidas grandilocuentes:  EE.UU. cuenta con una “estrategia de gobierno digital” y Polonia ha dedicado a estos asuntos un ministerio entero. El parlamento alemán tiene un coordinador jefe y un ministro de estado para asuntos digitales y además cada ministerio tiene su propio departamento digital. ¡Uff!

Todo ello conduce al embeleso de que, a partir de ahora, las habilidades tecnológicas son las decisivas. Enseguida corre todo el mundo a apuntarse a algo: codificación, CRM, ERP, por ejemplo, en lugar de cursos de liderazgo o de idiomas. Los más pequeños deberían incluso ser genios de la informática, ya desde la escuela primaria, si es que quieren asegurarse una buena carrera profesional, claro. «Ten una larga lista de cualificaciones y todos te querrán», se oye en todas partes, «esto permite saltar rápidamente unos cuantos peldaños en la escalera de la carrera profesional».

Por qué ni siquiera Google centra ya su búsqueda únicamente en las perfectas cualificaciones

Resultó una auténtica sorpresa, bastante confusa, por cierto, lo que descubrió uno de los empleadores más populares del mundo, cuando investigó a sus empleados más exitosos. El gigante tecnológico Google quiso averiguar qué habilidades tienen en común y qué es lo que distingue consistentemente a sus mejores trabajadores. El resultado sorprendió a la empresa y particularmente, a muchos empleados de Recursos Humanos. Las competencias científicas y tecnológicas, como matemáticas, codificación, etc., ocuparon el último lugar en la lista. Porque, contrariamente a la suposición de que este tipo de competencias aseguran una carrera exitosa, resultó que las capacidades más importantes para el éxito se encuentran, sobre todo, en el área social. El grupo objeto de estudió mostró excelentes habilidades de comunicación y entrenamiento, así como gran capacidad de escuchar. También se observó como otra de las cualidades importantes, la capacidad de ponerse en el lugar de los demás, es decir la empatía. Y, por último, pero no menos importante, la habilidad de analizar relaciones de forma crítica. Las instituciones educativas de todo el mundo sintieron por fin que habían recibido una confirmación, en el sentido de que los académicos en humanidades son despiadadamente subestimados en el mercado laboral. Porque curiosamente, como mencionásemos al principio, las habilidades matemáticas terminaron en el último lugar. [1]

 

Debemos proporcionar tiempo a nuestros hijos para que desarrollen habilidades sociales.

¿Cuáles habilidades vamos a necesitar en el 2030?

Las conclusiones anteriores se ven ratificadas en un estudio realizado por la empresa auditora Deloitte. Dicho estudio examinó en particular, cuales competencias van a ser decisivas para puestos de trabajo de nueva creación, hasta el 2030. El estudio señala que las personas altamente capacitadas en matemáticas serán muy demandadas durante el auge de la automatización, pero que habilidades como creatividad, inteligencia social y emocional, serán más requeridas en el futuro y a largo plazo. Por otra parte, existe un sector muy importante y en continuo crecimiento, el sector servicios, en el cual este tipo de habilidades, llamadas sociales o blandas, son especialmente valoradas. Adicionalmente, las habilidades sociales también proporcionan una protección directa contra la automatización, porque en lo que se refiere a creatividad e inteligencia social, tenemos los humanos absoluta ventaja sobre las máquinas. Existe una gran necesidad en cuanto a habilidades de comunicación y lenguaje, como también de creatividad, originalidad y flujo de ideas [2].Entonces, es cuando cobra sentido aquel famoso “pensamiento fuera de lo común” (“thinking outside the box”). Piense, por ejemplo, en un gerente de proyecto quien distribuye excelentemente el presupuesto para sus proyectos, pero sencillamente no puede entender los problemas o necesidades de los clientes.

 

¿Estamos valorando injustamente los logros académicos?

Mark Cuban, un multimillonario estadounidense de la industria del software, lo expresó en pocas palabras en 2017: «Haré una predicción. En diez años, valdrá más una licenciatura en filosofía que una licenciatura en programación tradicional». Porque, según Cuban, las máquinas podrán calcular y programar para nosotros, y de acuerdo a lo que pronostica «será más valioso saber pensar críticamente y evaluar desde una perspectiva global, que lo que hoy consideramos carreras prometedoras, como programación….un diploma en contaduría o ese tipo cosas». [3]

La cuestión es: ¿cómo tratar estos hallazgos en términos de educación?, ¿qué necesitamos realmente enseñar a los jóvenes para tener éxito y ser felices en el mundo del 2030? Si cree que los padres, creadores de la tecnología mundial, están especialmente ocupados con el desarrollo de las competencias tecnológicas, probablemente no sea así. En la familia Gates, por ejemplo, sólo en la cocina se puede gastar tiempo en la computadora y no hay teléfonos inteligentes. Para Mark Zuckerberg, es más importante que sus hijos pasen más tiempo leyendo y al aire libre. [4] Jack Ma, fundador del Grupo Alibaba, también afirmaba en un discurso: «Le dije a mi hijo: -no tienes que estar entre los tres primeros de tu clase, estar en el medio es bueno, siempre y cuando tus notas no sean tan malas-. Sólo este tipo de persona (un estudiante dentro de la media) tiene suficiente tiempo libre para aprender otras habilidades. Creo que para que la economía de China se desarrolle, necesita muchas pequeñas y medianas empresas, dirigidas individualmente, y eso requiere muchos empresarios con valores y empuje». [5]

Los ejemplos anteriores podrían ser una descripción de la vida de Steve Jobs. Existen muchas historias similares sobre su comportamiento como padre. ¿Sabían los grandes pioneros de la tecnología el rol decisivo que sus habilidades sociales tuvieron y continúan teniendo en su camino hacia el éxito? Se ha dicho siempre de Jobs que no andaba muy sobrado en el área social, pero varios análisis psicológicos reflejan que el hombre simplemente sabía exactamente cuando quería hacer uso de su inteligencia emocional y cuando no tanto. Después de todo, tuvo muchos empleados los cuales dejaron Apple para fundar sus propias Start-Up’s, no solo con su consentimiento, sino gracias a él. Aparentemente sabía muy bien como dar empuje y motivar. [6]

 

Las habilidades sociales también son decisivas para un buen match

Habilidades sociales bien desarrolladas ayudan en cualquier campo de trabajo y no deben ser subestimadas, aún cuando nos encontremos en la era más sensible de la tecnología. De lo que podemos estar seguros es que la inteligencia social y emocional continuarán siendo decisivas para una actividad económica exitosa, hasta más allá del 2030. Nosotros en JANZZ, somos plenamente conscientes de lo importante que son las habilidades sociales para un buen match entre personas y empleos, ya que las mismas determinan en realidad si un candidato se integrará bien en un equipo y/o empresa. Nuestro algoritmo especial de matching toma en consideración no solo el título del puesto de trabajo y la formación, sino también otros pequeños detalles, los cuales conducen a la elección correcta, como las muy importantes habilidades sociales. De este modo, se puede garantizar un acercamiento al match perfecto, basado en los últimos descubrimientos sobre las características de los mejores empleados. Estaremos encantados de proporcionarle información adicional sobre los mejores algoritmos de matching y de asesorarle sobre el mejor camino hacia una excelente intermediación.

Envíenos su consulta a sales@janzz.technology

 

 

[1] Strauss, Valerie. 2017. La sorpresa que se encontró Google sobre sus empleados – y lo que ello significa para los estudiantes de hoy en día. URL: https://www.washingtonpost.com/news/answer-sheet/wp/2017/12/20/the-surprising-thing-google-learned-about-its-employees-and-what-it-means-for-todays-students/?noredirect=on&utm_term=.d4cfd1f9cd76 [2018.09.15].

[2] Deloitte AG (Hrsg.). 2017. ¿Cuáles competencias son claves en la era digital? Efectos de la automatización sobre los trabajadores, las empresas y el sistema educativo. URL: https://www2.deloitte.com/content/dam/Deloitte/ch/Documents/innovation/ch-de-innovation-automation-competencies.pdf [2018.09.15].

[3] Watson, Christine. 2018. RecTech está creando más – no menos – necesidad del toque humano. URL:  https://www.daxtra.com/2018/08/03/rectech-creating-more-need-for-human-touch/ [2018.09.15].

[4] Johnson, Alice. April, 7th, 2018. Punto de vista: estilo paterno de los billonarios de la tecnología. En: The Times. New York City.

[5] Custer, C. 2015. Jack Ma: “Lo que le dije a mi hijo sobre la educación”. URL: https://www.techinasia.com/jack-ma-what-told-son-education [2018.09.15].

[6] Bariso, Justin. 2018. ¿Era Steve Jobs emocionalmente inteligente? Le sorprendería la respuesta.  En: Inc. URL: https://www.inc.com/justin-bariso/was-steve-jobs-emotionally-intelligent-answer-may-surprise-you.html [2018.09.15].

Proteger a los jóvenes: los accidentes laborales y las enfermedades profesionales cuestan dinero y lo que es más importante: vidas, en todo el mundo

/en , /por

Los jóvenes son sustancialmente más susceptibles a verse afectados por accidentes laborales y problemas de salud en el ámbito laboral, que los trabajadores de más edad. Esto lo da a conocer la Agencia Europea para la Seguridad y la Salud, quien manifiesta que éstos serían hasta un 40% más propensos a sufrir lesiones relacionadas con el trabajo.  Se hace evidente entonces, que los jóvenes deberían estar mucho mejor protegidos y formados por parte de sus empleadores.

Las Naciones Unidas definen el segmento joven de población activa, a los trabajadores con edades comprendidas entre 15 y 24 años. Esta clasificación es independiente del tipo de trabajo que realicen; bien pueden ser empleados fijos, temporales, aprendices, o de apoyo a la empresa familiar. Hay 541 millones de jóvenes empleados en todo el mundo, lo que representa un 15 % del total de mano de obra global.

Muchas personas trabajan en condiciones peligrosas. Se destacan particularmente áreas como la agricultura, la construcción o la producción, en las cuales se denuncian muchos accidentes laborales. Según la Organización Internacional del Trabajo (OIT), en todo el mundo han sufrido accidentes laborales 374 millones de empleados, en el transcurso de un año. Sólo en Europa se registraron en 2015 cerca de 3.900 de los denominados accidentes laborales mortales, que es como se describe a los incidentes con consecuencias fatales.

Es necesaria una sólida formación en materia de seguridad.

Debido a que los jóvenes no alcanzan a tener todavía las mismas competencias y experiencia que los trabajadores de más edad, se ven especialmente afectados por altos riesgos. Por las razones antes mencionadas, el personal más joven cuenta con menos capacidad para evaluar los peligros y aún no poseen los conocimientos necesarios para prevenirlos o reducirlos. Otro factor añadido, es que sus cuerpos y cerebros aún no están completamente desarrollados. Un ejemplo de esto es la corteza frontal, donde se asientan el razonamiento y el juicio, la cual, generalmente, solo se desarrolla en su totalidad hacia el final de los 20 años. Muchos dispositivos y herramientas están diseñados para ser utilizados por adultos, lo que ocasiona que los jóvenes se lesionen con más facilidad. Asimismo, las reacciones del cuerpo ante los contaminantes son más fuertes en edades tempranas. En última instancia, es frecuente que los empleados jóvenes no presenten ninguna queja, bien porque no reconocen los problemas de salud como derivados de condiciones no idóneas de trabajo, o sencillamente porque no se atreven a confrontar a sus empleadores.

Hablando en general, la probabilidad de sufrir un accidente laboral es cuatro veces mayor durante el primer mes de trabajo, que en todo el año siguiente. Esta probabilidad aumenta sustancialmente cuando se trata de trabajadores jóvenes, ya que la misma es cinco veces mayor durante el primer mes, que en el caso de los trabajadores de más edad. La Agencia Europea para la Seguridad y la Salud en el Trabajo cita como ejemplo el caso de un joven de 18 años, el cual tras cuatro días de inducción, falleció a causa de quemaduras causadas por la eliminación de gasolina y gasóleo. Su empleador no había impartido ni a él ni a otros empleados, ninguna capacitación básica de seguridad.

Sobre la base de esta y muchas otras experiencias similares, la Agencia llama la atención sobre la extrema importancia de la formación en materia de seguridad y salud, especialmente para los empleados jóvenes. Aconseja, entre otras cosas, que se proporcionen información y asesoramiento exhaustivos sobre peligros frecuentes y particulares, medios de autoprotección, personas de contacto en caso de peligro y las medidas que deben adoptarse en caso de emergencia. También recomienda que los supervisores reciban una formación específica para el trato con los empleados jóvenes, ya que los mismos suelen ser no tan circunspectos como los empleados de mayor edad. En muchos países la ley manifiesta claramente que el empleador está en la obligación de identificar los peligros, evaluar los riesgos y tomar medidas para prevenirlos.

Finalmente, las pérdidas ocasionadas por una seguridad laboral inadecuada son cuantiosas. La OIT estima que las malas condiciones en materia de salud y seguridad laboral ocasionan perjuicios de hasta un 4%, aproximadamente, del PIB mundial anual. La economía y las empresas se ven gravemente afectados por los accidentes laborales, ya que los riesgos potenciales pueden reducir la productividad y los empleados afectados por enfermedades y/o accidentes laborales están incapacitados para trabajar. A raíz de una posible discapacidad de los empleados afectados, también pueden hacerse necesarias costosas inversiones en la adaptación de los espacios de trabajo a las necesidades especiales de los mismos. Por último, pero no por ello menos importante, no debe olvidarse que los accidentes laborales pueden destruir las oportunidades profesionales, la seguridad social y el bienestar de las personas en general, para el resto de sus vidas, lo cual es una perspectiva demoledora, desde todo punto de vista. Por lo tanto, la inversión en formación para la prevención de riesgos laborales, resulta no solo indispensable, sino altamente rentable, a corto y largo plazo, tanto para los empleadores, como para los empleados.

Un adelanto importante sería que las instrucciones de seguridad más importantes apareciesen descritas, en primera instancia, en el anuncio de trabajo. Esto prepararía de antemano al potencial candidato, en cuanto a sus futuras condiciones laborales, lo cual generaría desde el principio una mayor comprensión y, por ende, más prudencia. Gracias al gráfico de conocimiento JANZZZon! y las altamente desarrolladas Typeahead API, las ofertas de trabajo cuyo desempeño suponga riesgos potenciales particularmente altos, o cuya proporción de empleados jóvenes sea superior a la media, pueden ser eficientemente enriquecidas de manera semántica, de tal manera que se integren tanto las habilidades de seguridad requeridas, como toda la información necesaria para los procesos de reclutamiento e inducción.

Cada vez más ruido sobre…nada, o por qué el boom publicitario sobre Big Data e Inteligencia Artificial, tiene mucho más que ver con la auto-promoción, que con hechos y progreso reales

/en , /por

Cada dos días producimos la cantidad de datos que se produjeron en total hasta el año 2003. Esto era un hecho ya en 2010, lo cual resultaba impactante para el ex director general de Google, Eric Schmidt, y desde entonces la producción de datos ha continuado, obviamente, acelerándose. Aunque la expresión «procesamiento masivo de datos» no es nada nuevo, sí lo es el furor reciente en torno al cada vez más conocido término «Big Data» (en español: macrodatos, datos masivos o datos a gran escala) . Dicho entusiasmo no ha hecho más que empezar[1]. Resulta muy fácil perderse en esta inmensa y creciente jungla de datos y métodos complicadísimos para el procesamiento de los mismos.

 

Las coincidencias no se pueden calcular …

…Y es que según afirmaba Gerd Antes, en una entrevista para el Tagesanzeiger: «más datos no significa más conocimiento». El conocido matemático alemán critica duramente el boom publicitario que se le da al uso del Big Data, debido a que cuanto mayor sea la masa de datos, más probables son las correlaciones o correspondencias que se generan aleatoriamente. Así se producen hechos curiosos como el siguiente: En Estados Unidos, la curva estadística del consumo de queso per cápita y la de las muertes producidas en la cama, por enredos con las sábanas, son idénticas. Un análisis realizado con Inteligencia Artificial, arrojaría inmediatamente conclusiones sobre este hecho, mientras que un científico humano reconocería enseguida que se trata de una casualidad. [2]

Según muchos fanáticos de todo lo concerniente a Big Data, las coincidencias ya no existen. Los defensores acérrimos afirman que, si se dispone de una cantidad suficiente de datos, mediante el uso de las computadoras, el “Deep Learning” y los análisis correctos, todas las interrelaciones pueden ser calculadas de antemano. Según estos mismos seguidores, la experiencia y las herramientas de formación existentes hasta ahora (provenientes del pasado), son absolutamente suficientes para ello, y además afirman que apenas se producen regiones de error, a causa de falta de datos, o datos irrelevantes. Estas conclusiones son una auténtica fatalidad. Por supuesto que existen en la actualidad ciertos campos y períodos de tiempo en los cuales se pueden establecer interrelaciones más fácilmente, donde la probabilidad juega un papel menos importante. Sin embargo, esto no debería significar de ninguna manera que se han erradicado factores como coincidencias o desviaciones significativas. ¿Sería posible, por ejemplo, a través de un análisis de datos antiguos, prevenir con precisión posibles accidentes de tráfico en el futuro? o ¿Es factible digitalizar la prevención de enfermedades, considerando que la información sobre la evolución de las mismas y en consecuencia los datos digitales de los pacientes, están lejos de ser lo suficientemente completos, uniformes y relevantes? [2]

Muchos, muchísimos, datos infinitos? No exageres tus logros.

 Por lo tanto, el análisis de datos puede poner en peligro la vida…

Especialmente en medicina. Gerd Antes no es el único que advierte sobre el boom del Big Data y de la Inteligencia Artificial. Si, basándose en resultados de análisis de Big Data y Machine Learning se utiliza un método de tratamiento incorrecto, las consecuencias pueden ser muy peligrosas, tanto para las personas, como para los bolsillos y la reputación. Es probable que las verdaderas correlaciones e inconsistencias dentro de esta enorme cantidad de datos, ni siquiera sean descubiertas; inconsistencias y correlaciones que pueden amenazar o salvar vidas. [2]

Recientemente IBM se adjudicó, nuevamente, titulares negativos, cuando la compañía de medios de comunicación STAT analizó los documentos internos de IBM para un reportaje, tras lo cual se hizo pública la conclusión de que la plataforma “Watson for Oncology” había recomendado repetidamente tratamientos contra el cáncer «inseguros e incorrectos». También sacaron a la luz que los empleados y supervisores de IBM eran conscientes de estos errores. Tras todo el revuelo, ninguna muerte a causa de estas equívocas recomendaciones ha sido demostrada, pero muchos hospitales de renombre han decidido no seguir utilizando la tecnología de muchos millones de dólares. [3]

En este sentido, se puede decir que se empiezan a observar los primeros signos de un replanteamiento y de un enfoque algo más racional en el ámbito de la IA. La aparentemente ilimitada y exorbitada publicidad sobre el maravilloso ordenador Watson de IBM en el campo de la medicina, durante un período que duró de 2 a 3 años, finalmente parece que acaba. Muchas otras aplicaciones similares le seguirán, a más tardar, cuando los hechos y los resultados confiables y relevantes, cobren su verdadera importancia, frente a grandes promesas y enormes campañas de auto-promoción de los conocidos gigantes tecnológicos globales y sus, a menudo, muy experimentales productos. Una cosa es cierta: los hallazgos y lecciones aprendidas en el campo de medicina, descritos anteriormente, pueden ser extrapolados casi 1:1 al mercado digital de RRHH y como ejemplo, al emparejamiento entre candidatos y ofertas de empleo.

 

El conocimiento confiable viene de los expertos

Hace más de cinco años Cornel Brücher hizo alarde de provocación con su trabajo «Rethink Big Data» y describió a los fanáticos del Big Data como tontos (2). Desde el principio, nosotros en JANZZ hemos analizado este asunto de forma bastante similar. Conseguir adquirir mayores conocimientos en el campo de los empleos, CV’s y datos más complejos del marcado laboral, basándose exclusivamente en Machine Learning, simplemente no es posible. Cualquiera que diga lo contrario está equivocado de forma probada. Y las afirmaciones en tal sentido, continúan siendo falsas e inútiles, no importa cuán a menudo se repitan las mismas ideas y se reciclen los productos, para su nueva difusión y comercialización. Y esto es así, incluso cuando actualmente se invierte mucho más dinero en estas tecnologías que antes.

Por esta razón, y pese a las numerosas inversiones, los resultados que se basan en este mismo enfoque, siguen siendo en gran medida insuficientes y apenas han mejorado en los últimos años. Esta ausencia de avances significativos, se observa independientemente del tamaño de los registros de datos utilizados, como en el caso de LinkedIn o IBM & Co., por ejemplo. Los resultados obtenidos con Machine Learning serán cada vez más propensos a errores, a medida que se añadan nuevos factores, variables, reglas y relaciones complicadas. De esta manera surgen, por ejemplo, falsas correlaciones y de cuando en cuando, supuestas causalidades. En contraposición, los gráficos de conocimiento u ontologías, crean la posibilidad de representar y utilizar el conocimiento de una manera muy profunda y estructurada. Debido a que los conocimientos de expertos en cada campo se almacenan y conectan de forma estructurada (y no son analizados por informáticos, los cuales son expertos en programación, pero no en medicina, ingeniería, banca de inversión, etc. por ejemplo), el conocimiento de las ontologías es fácilmente verificable y muy confiable. No siendo el caso de lo que se calcula a partir de Machine Learning. Dado que los gráficos de conocimiento comprenden las relaciones entre muchas áreas diferentes, sólo éstos pueden proporcionar resultados de búsqueda y recomendaciones relevantes y precisas. Por ejemplo, en el área de datos sobre empleo: Un gráfico de conocimiento reconoce las diferencias y las interrelaciones entre competencias, experiencia, funciones, especializaciones y formación. Así, reconoce la información importante para el puesto «P» con la formación «F» y competencia «C». Tomemos como ejemplo un «Senior Cloud Architect«. Una ontología reconoce este puesto de trabajo y sabe que, por ejemplo, un “máster en informática” podría conducir algún día a esta posición, si el candidato tiene además la competencia «Cloud Solution Development» y varios años de experiencia profesional.

 

Google también confía en expertos y gráficos de conocimiento para los datos de empleo

Esto fue proclamado por Google cuando la empresa lanzó su gráfico de conocimiento «Google Cloud Jobs API«, en el cual se basa su búsqueda de Google for Jobs (véase «Google lanza su buscador de trabajo apoyado en la ontología. ¿Y ahora qué?»). Google se dio cuenta entonces, de que un enfoque basado en ontología daría mejores resultados de búsqueda. Cuando se hace una búsqueda semántica (a través un gráfico de conocimiento) de un “asistente administrativo” los resultados no arrojarán “administrador de RRHH” o “software de administración” solo porque contienen palabras similares al término de búsqueda. Posiblemente un análisis de Big Data determinaría correlaciones aleatorias y sugeriría, por lo tanto, otros puestos de trabajo, completamente diferentes, porque tienen requisitos de competencias similares (por ejemplo: tanto un ingeniero como cualquier trabajador de oficina, necesitan, sin duda, conocimientos sobre Microsoft Office, pero no por ello tienen ambos las mismas competencias).

Reconocer las diferencias, tener una amplia comprensión general de las profesiones y sus interrelaciones y, por ende, llegar verdaderamente a conocer el campo de la búsqueda de empleo, sólo es posible con un gráfico de conocimientos. Así describió Matt Moore, gerente de producto de Google Cloud, el origen y sentido de Google Cloud Jobs API: «Queremos ofrecer a todos los empleadores y solicitantes una mejor experiencia de búsqueda de empleo. Porque, enfrentémoslo, contratar a la gente adecuada es lo más importante que tienen que hacer las compañías». [4]

 

Sólo las personas tienen el conocimiento necesario para comprender la naturaleza humana …

Y eso plantea la cuestión de en quién se puede confiar realmente, cuando se trata de esta tarea tan importante: la selección de personal. La historia interminable: según el CV, el candidato/a era el perfecto/a, pero desafortunadamente su personalidad no encajaba en absoluto. Sacar tales conclusiones, que no se pueden extraer de los datos (digitales) disponibles, le corresponde a los especialistas en RRHH, es decir, a las personas. Las herramientas tecnológicas pueden gestionar CVs y clasificar según criterios obvios como educación, habilidades, experiencia, etc., siempre y cuando el aluvión de datos sea manejable y, sobre todo, si se evalúa correctamente. Incluso el mejor candidato sobre el papel puede desaparecer repentinamente entre la multitud, debido a la gran cantidad de criterios malinterpretados o incomprendidos. Y el CV No. 1 que arroja el resultado de búsqueda, no siempre pertenece al mejor candidato/a. En la firme creencia de que hasta el último factor humano será finalmente desterrado de los procesos, cada vez más empresas tecnológicas y start-ups persisten en el intento de digitalizar esta dimensión de los RRHH y controlarla gracias a la Inteligencia Artificial. Dichos intentos se realizan, una vez más, con métodos en su mayoría inadecuados y los procesos se llevan a cabo incluso antes de que los datos digitales existentes sean realmente utilizables, procesables, y hayan sido evaluados correctamente. En esto sí están de acuerdo los especialistas y proveedores líderes de tecnologías, quienes desde años se ocupan del desarrollo de procesos y productos serios, consistentes y duraderos, para el campo de los recursos humanos digitalizados; y no sólo desde que Google también entró en este segmento de mercado. [5]

 

Big Data limita el desarrollo del conocimiento

Entonces, llegamos a la conclusión de que más datos no necesariamente significa, en realidad, más conocimiento. Los conocimientos deben ser estructurados, examinados y validados. Y los expertos tienen que estar involucrados en el proceso. Por lo tanto, es necesario actuar con cautela a la hora de combatir la avalancha de datos, los cuales no pueden finalmente estructurarse, dando lugar a correlaciones aleatorias. Alexander Wissner-Gross, científico de la Universidad de Harvard y del Instituto Tecnológico de Massachusetts (MIT), lo ha resumido de una manera interesante: «Quizás la noticia más importante de nuestro tiempo es que los conjuntos de datos, y no los algoritmos, podrían ser el factor limitante decisivo para que el desarrollo de la inteligencia artificial alcance el nivel de la inteligencia humana”. [6]

Por tanto, es mucho más prometedor el contenido del conocimiento en sí y no la cantidad de datos de los cuales se extrae ese conocimiento. Y lo que también resulta a la vez prometedor y tranquilizador, es que, en última instancia, sólo los expertos, o las herramientas basadas en la experiencia real, pueden hacer juicios fiables y correctos en muchas áreas importantes, como la medicina o la selección de personal. Todo esto hace que el boom publicitario sobre Big Data e Inteligencia Artificial en aplicaciones para RRHH, sea un poco más soportable. Y nuestra misión en JANZZ.technology «We turn Big Data into Smart Data» (“Convertimos macrodatos en datos inteligentes») está más vigente que nunca.

 

[1] Brücher, Cornel. 2013. Rethink Big Data. Frechen: MITP-Editorial.

[2] Straumann, Felix. «Vieles ist blankes Marketing». Big Data. En: Tagesanzeiger (2018), Nr. 168, Pág. 32.

[3] Spitzer, Julie. 2018. IBM’s Watson recommended “unsafe and incorrect” cancer treatments, STAT report finds. URL: https://www.beckershospitalreview.com/artificial-intelligence/ibm-s-watson-recommended-unsafe-and-incorrect-cancer-treatments-stat-report-finds.html [2018.08.01].

[4] Del video: Google Cloud Platform. 2017. Google Cloud Jobs API: How to power your search for the best talent (Google Cloud Next ’17). URL: https://www.youtube.com/watch?v=Fr_8oNKtB98 [2018.08.03].

[5] Watson, Christine. 2018. RecTech is creating more – not less – need for the human touch. URL: http://www.daxtra.com/2018/08/03/rectech-creating-more-need-for-human-touch/?utm_content=75449136&utm_medium=social&utm_source=twitter [2018.08.09].

[6] Alexander Wissner-Gross. 2016. Datasets Over Algorithms. URL: https://www.edge.org/response-detail/26587 [2018.07.27].