Creative Associates International relatou sobre o UbicaNica.jobs

Creative Associates International informou sobre o UbicaNica.jobs – nossa plataforma de empregos baseada em IA, sem preconceitos, na Nicarágua. Ayan Kishore, Diretor do Laboratório de Desenvolvimento da Creative disse no artigo, “Nicarágua não tem realmente muitas oportunidades para alguém ir online e encontrar um emprego, então se você está na Nicarágua, você está olhando para o jornal ou dependendo de propaganda de boca em boca”.  Não é assim que as pessoas estão descobrindo oportunidades no resto do mundo”. Graças à tecnologia por trás do UbicaNica.jobs entregue pela JANZZ e os outros líderes-chave do projeto, será uma verdadeira mudança de jogo para os que procuram emprego no país, especialmente os jovens.  A JANZZ.technology está interessada em continuar contribuindo para projetos que utilizam a IA para o bem social e adotam princípios éticos e responsáveis, gerando assim melhores serviços sociais em mais regiões.

Clique aqui para ler o artigo.

1,000,000 Currículos Procurados

Está tentando escrever o melhor currículo para impressionar os recrutadores e conseguir o emprego dos seus sonhos? Você sabe que, em média, cada oferta de emprego corporativo atrai 250 currículos e você terá apenas 2% de chance de ser entrevistado para o emprego dos seus sonhos? Sim, 2%. Agora você pode se perguntar como os recrutadores escolhem os 2%. Bem, a maioria deles usa um software de gerenciamento de talentos para selecionar currículos, eliminando até 50% dos currículos, que nunca foram examinados. Sim, isso pode incluir o seu e é por isso que você sempre recebe um e-mail padrão de rejeição e depois disso, um e-mail de agradecimento.

Na JANZZ.technology, estamos construindo uma solução alternativa que permite que cada currículo seja avaliado através de inteligência artificial e, o mais importante, cada candidato receberá respostas do sistema elaboradas sobre as suas habilidades insuficientes ( porque você não está sendo contratado) e possíveis sugestões para uma educação adicional (como você pode melhorar suas chances), a fim de garantir o mesmo emprego no futuro.

Para este propósito, pedimos que nos ajude a melhorar nosso algoritmo de aprendizado de máquinas. Veja como você pode contribuir para a criação de elementos humanos em sistemas de IA:

  • Envie seu currículo para info@janzz.technology. Se isso o faz sentir-se mais confortável, você pode apagar suas informações pessoais.
  • Idioma: estamos procurando currículos em francês, italiano, inglês, alemão, grego, norueguês, holandês, português, outros idiomas utilizados na UE, coreano, chinês, japonês, tailandês, indonésio, malaio, vietnamita e árabe.
  • Formato: Qualquer. Desde o padrão de 2 páginas do Word doc. até as mais criativas e inovadoras.
  • Prometemos não lhe enviar spam ou usar seu currículo para qualquer outra finalidade que não seja o aprendizado de máquinas. Também excluiremos seu currículo depois que ele tenha servido seu propósito.

Nos ajude a compartilhar a mensagem e nós o manteremos atualizado com o último número de currículos que recebemos.

ParaEmpleo considerado como a melhor prática no campo da IA na América Latina e no Caribe

O Banco Interamericano de Desenvolvimento (BID) desempenha um papel fundamental no desenvolvimento da inteligência artificial (IA) na América Latina e no Caribe como uma ferramenta para enfrentar os desafios sociais. Trabalhando em conjunto com especialistas regionais, o BID concebeu a iniciativa fAIr LAC para promover uma adoção responsável da IA, melhorando assim a prestação de serviços governamentais como os Serviços Públicos de Emprego (SPE) e criando oportunidades de desenvolvimento na região. A iniciativa fAIr ALC visa eliminar lacunas e reduzir a crescente desigualdade social na ALC.  » Leia mais sobre: ParaEmpleo considerado como a melhor prática no campo da IA na América Latina e no Caribe  »

Damos as boas vindas a Jimena Renée Luna como nossa nova VP de Integração de Clientes, Mercados Emergentes

Temos o orgulho de anunciar que Jimena Renée Luna vai juntar-se à JANZZ.technology como nossa nova vice-presidente de Integração de Clientes e Mercados Emergentes. Ela será responsável por todas as contas na LATAM, EMEA e Sudeste Asiático.
A Jimena está bem estabelecida e tem uma vasta experiência no aconselhamento a governos clientes e organizações internacionais sobre política tecnológica, criação de emprego e desenvolvimento económico. Ao longo da sua carreira, trabalhou durante mais de dez anos na concepção e implementação de projetos relacionados com equipes de toda a América Latina,  » Leia mais sobre: Damos as boas vindas a Jimena Renée Luna como nossa nova VP de Integração de Clientes, Mercados Emergentes  »

O potencial da inteligencia artificial na gestão de recursos humanos

A inteligência artificial (IA) é inquestionavelmente uma ferramenta poderosa. Seu valor econômico está aumentando tremendamente e transformando inúmeras indústrias, tais como manufatura, fintech, medicina e automobilística. Trabalhadores em finanças e marketing têm muito sucesso usando tecnologias de inteligência artificial, enquanto os profissionais de recursos humanos acham bastante difícil integrá-los em suas práticas diárias.

Prasanna Tambe, Peter Cappelli e Valery Yakubovich afirmam em sua pesquisa: “Há diferenças sistêmicas e estruturais para o RH que tornam mais difícil, quando você está construindo um sistema baseado em IA.” [1]. Devido ao fato de que a qualidade e o poder explicativo do big data e da IA são limitados, eles ainda são considerados não convencionais nas áreas de RH e empregabilidade. Para se ter uma melhor compreensão desta matéria, é necessário considerar os problemas da IA em termos de ciência de dados na gestão de recursos humanos (GRH).

Existem três desafios principais nas práticas de RH quando se trata de ciência dos dados. A primeira questão é a falta de consistência na medida dos processos de RH ao longo do ciclo de vida dos colaboradores. Por exemplo, ao determinar qual candidato contratar ou escolher quem promover, é crucial registrar e analisar consistentemente quais critérios e habilidades foram os fatores decisivos no processo de contratação anterior.

O segundo problema com as práticas de HR é a limitação dos conjuntos de dados produzidos na HRM. Ao contrário de algumas áreas tais como marketing e finanças, onde muitos dados são gerados e facilmente coletados, a coleta de dados na GRH enfrenta grandes desafios em termos de quantidade e qualidade. Além disso, os dados na GRH são muitas vezes não estruturados (em papel, no Excel ou no formato PDF) e, consequentemente, difíceis de serem processados por um computador.

A última dificuldade refere-se a questões éticas relacionadas com o tratamento de dados. Os resultados das decisões de RH podem ter um impacto significativo na carreira de alguém. Portanto, é imperativo pensar sobre como a justiça e a transparência podem ser alcançadas. Além disso, também é crucial saber como os funcionários reagem aos resultados que se baseiam exclusivamente em algoritmos baseados em dados. Como declarou Morgan Hampton, da Tesla, “o recrutamento deve ser automatizado tanto quanto possível, a contratação deve permanecer humana”.

Levando em consideração essas três problemáticas na busca de soluções de IA, os gestores de RH devem focar nos seguintes aspectos para utilizar a IA mais efetivamente. Primeiramente, os gestores de RH precisam criar um processo de RH adequado que esteja pronto tanto para a era digital quanto para a tecnologia de IA.

Atualmente, as tecnologias de IA estão separadas, por exemplo, no recrutamento e aquisição de talentos, gestão de folha de pagamento e transações de auto-atendimento. No entanto, carecem de um mecanismo para gerar dados que possam auxiliar todo o processo de IA nas práticas de RH.

Os gestores de RH freqüentemente mantêm apenas as aplicações em que estão interessados e não mantêm aquelas que são excluídas. Isto leva a uma análise e conclusão unidimensional [1]. Todos esses critérios devem ser reunidos na coleta de dados e, eventualmente, ser avaliados para facilitar o desenvolvimento de modelos de big data e processos de IA.

Além disso, é também imperativo gerar dados de forma sustentável. Por exemplo, existem aplicações de IA que podem prever quais trabalhadores estão prestes a deixar seus empregos, e alguns até rastreiam pontos de dados das mídias sociais ou e-mails dos funcionários [2]. Se os funcionários estivessem cientes de tal sistema, eles provavelmente mudariam seu comportamento e deliberadamente produziriam dados enganosos.

No ano passado a história sobre a ferramenta de IA de recrutamento da Amazon ser tendenciosa contra as mulheres foi a prova de que aprendisagem de máquinas pode imitar as atitudes humanas. Gênero, no entanto, não é o único aspecto que é motivo de discriminação. Outros, como idade, nacionalidade ou etnia, também podem ter um impacto negativo, impedindo as empresas de contratações inclusivas e diversas. Os gestores de RH devem recolher cuidadosamente amostras de dados que sejam representativas e procurar soluções de IA explicáveis. As complexas redes neurais na aprendizagem profunda estão longe de serem auto-explicativas.

Até hoje, os critérios de dados standard que os gestores de RH deveriam respeitar ao longo do ciclo de prática de RH ainda não existem. Isto significa que os gestores de RH têm de se juntar ao departamento interno de TI da sua empresa ou a fornecedores externos de IA para determinar quais os dados a rastrear e como avaliar esses dados, a fim de estabelecer as melhores práticas de IA nas suas empresas.

Na JANZZ.technology acreditamos que a coleta e estruturação de dados é fundamental para a criação de dados inteligentes. A nossa ferramenta de análise extrai as entidades certas de papel, Excel ou PDF, garantindo um processamento de dados justo e completo desde o início. Quer saber mais sobre o nosso parser e como podemos ajudá-lo na sua jornada de transformação de IA? Por favor, escreva agora para sales@janzz.technology

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

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

JANZZ.technology oferece IA (Inteligência Artificial) explicável

Ao longo da última década, graças à disponibilidade de grandes conjuntos de dados e ao poder de computação mais avançado, a aprendizagem de máquina (ML), especialmente os sistemas de aprendizagem profunda, realizaram uma melhoria significativa. No entanto, o sucesso dramático do ML nos cegou e nos levou a tolerar o processo de aplicação de Inteligência Artificial (IA). Devido a seus sistemas cada vez mais autônomos, as máquinas são atualmente incapazes de esclarecer seus usuários sobre suas decisões e ações.

Hoje em dia, a maioria das AIs são feitas por empresas privadas que se certificam de manter o seu processamento de dados em segredo. Além disso, muitas empresas empregam redes neuronais tão complexas em tecnologias de IA que não há nenhuma explicação fornecida sobre como elas obtêm certos resultados.

Tal sistema pode não ter grandes consequências quando, por exemplo, prevêem erroneamente o próximo destino de viagem dos seus clientes. Mas se tivesse um impacto nos veículos autónomos, nos diagnósticos médicos, no processo de decisão ao fazer uma apólice ou mesmo no trabalho de alguém? Seria difícil concordar cegamente com o processo de tomada de decisão de um sistema se as consequências fossem como tal.

No início deste ano, a Organização para a Cooperação e Desenvolvimento Econômico (OCDE) apresentou seus princípios sobre a IA com o objetivo de promover a inovação e a confiabilidade. Um dos cinco princípios complementares baseados em valores para a gestão responsável de uma IA confiável é que “deve haver transparência e divulgação responsável em torno dos sistemas de IA para garantir que as pessoas entendam os resultados baseados em IA e possam desafiá-los”. [1]

Explicáveis IA (XAI) tem surgido recentemente no campo da aprendizagem de máquina para abordar a questão de decisões “caixa preta” dos sistemas de IA. Atualmente, a maioria dos algoritmos usados para ML não pode ser compreendido pelos seres humanos em termos de como e por que uma decisão foi tomada, como mencionado acima. Do mesmo modo, estes são bastante difíceis de diagnosticar por erros e vieses. Este é especialmente o caso da maioria dos algoritmos populares em abordagens de redes neuronais de aprendizagem profunda. [2]

Consequentemente, numerosas partes regulatórias, incluindo a OCDE, estão pedindo às empresas mais XAI. O GDPR (General Data Protection Regulation – Regulamento Geral de Proteção de Dados), que entrou em vigor na Europa proporcionou às pessoas na UE um “direito a uma revisão humana” de qualquer decisão algorítmica que possa potencialmente ter um impacto sobre elas. Nos EUA, as leis dos seguros obrigam as empresas a desenvolver as suas próprias decisões, tais como rejeitar a cobertura de um determinado grupo de pessoas ou cobrar apenas algumas com prémios mais elevados. [3]

No entanto, existem dois problemas principais associados ao XAI. Em primeiro lugar, definir corretamente o conceito de XAI mostra ser bastante desafiador. O que os usuários devem estar cientes e quais devem ser as limitações de seu conhecimento, também precisa ser esclarecido. Se as empresas não tivessem outra escolha senão fornecer explicações detalhadas para tudo, então a propriedade intelectual como uma proposta de venda única (USP) provavelmente desapareceria. [4]

O segundo fator problemático é a avaliação do trade-off em algumas tarefas entre desempenho e explicabilidade. Precisamos regular e padronizar para certas tarefas ou indústrias e forçá-las a buscar soluções de IA integradas de transparência, mesmo que isso signifique estabelecer uma carga muito alta para a potencialidade dessas indústrias?

Na JANZZ.technology tentamos explicar da melhor forma aos nossos usuários como combinamos candidatos e posições. O nosso software de matching exclusivo exclui parâmetros irrelevantes como gênero, idade ou nacionalidade e apenas compara habilidades, educação/treinamento, especializações, experiências, etc. Ele só usa aspectos que realmente importam para encontrar os candidatos perfeitos.

Além disso, em vez de dar uma pontuação de correspondência, o nosso sistema único de matching divide todos os critérios, tais como funções, habilidades, idiomas, disponibilidade e assim por diante. Isso permite que os usuários tenham uma melhor compreensão dos resultados e estabelece a base para a requalificação e aprimoramento da força de trabalho analisada. Quer saber mais sobre como nós da JANZZ.technology aplicamos soluções de IA explicáveis? Entre em contato conosco através do e-mail sales@janzz.technology

 

[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].

 

 

 

 

Como a Índia potencializa seus dividendos demográficos

Enquanto a maioria dos países desenvolvidos do mundo luta contra o envelhecimento da população, aumentando a idade da reforma e acolhendo os migrantes, outros países estão preocupados em como integrar um grande número de jovens no mercado de trabalho. A série “Deloitte’s Voice of Asia” (A voz da Deloitte na Ásia) relatou que muitos países na Ásia testemunharam um crescimento constante na população em idade ativa, com cada vez mais jovens homens e mulheres entrando no mercado de trabalho a cada ano. A Índia é o primeiro país da lista.

De acordo com os números do World Economic Forum (Fórum Económico Mundial), metade da população da Índia tem menos de 25 anos e um quarto tem menos de 14 anos. Levando em consideração que é o segundo país mais populoso do mundo, com 1,3 bilhão de cidadãos, a Índia representa um quinto da juventude mundial. Como a maioria dos economistas previram, a Índia se beneficiará do bônus demográfico e terá uma economia em rápido crescimento.

Para realizar a vantagem demográfica, a Índia precisará acelerar significativamente a criação de empregos e o investimento em capital humano para acompanhar o crescimento da população em idade ativa. Atualmente, há 17 milhões de pessoas que entram anualmente no mercado de trabalho e apenas 5,5 milhões de empregos criados [1]. Num levantamento efectuado pela OCDE, mais de 30% dos jovens indianos entre os 15 e os 29 anos não estão empregados nem em educação ou formação (NEETs) [2].

Isabelle Joumard, economista sénior e chefe do gabinete da Índia na OCDE, explicou: ” NEETs inclui todos os jovens deixados de fora do emprego remunerado e sistemas formais de educação e formação. São NEET porque não há empregos de qualidade suficientes a serem criados no sistema, e porque eles têm poucos incentivos ou enfrentam demasiados constrangimentos para estarem nos sistemas de educação e formação” [2].

Olhando de um ponto de vista global, as taxas de desemprego juvenil permanecem acima dos 20% em algumas economias europeias. O Médio Oriente e o Norte de África têm tido taxas de desemprego juvenil próximas dos 30% e as coisas continuaram a piorar nos últimos anos. No entanto, os jovens que encontraram trabalho têm muitas vezes de se contentar com empregos que não satisfazem as suas expectativas [3] e 16,7% dos jovens trabalhadores em economias e desenvolvimentos emergentes vivem em extrema pobreza [4].

Porquê as oportunidades de emprego são especialmente escassas nos países menos desenvolvidos? O desenvolvimento insuficiente de políticas, a infraestrutura precária e os canais de financiamento limitados estão entre as muitas razões para a carência de empregos. De acordo com os resultados do e4e “education for employment initiative” (inuciativa de educação para o emprego) conduzida pela “International Finance Corporation” (Corporação Financiera International) e o “Islamic Development Bank” (Banco Islâmico de desenvolvimento) o desajuste entre a educação e a demanda do mercado de trabalho é um grande obstáculo à criação de empregos [5].

Como apontado por vários estudos, desenvolver um ecossistema de habilidades voltado para a empregabilidade é fundamental para alavancar o potencial demográfico da Índia. Rajastão, o sétimo estado mais populoso da Índia, tem uma população de jovens com menos de 25 anos, que representa quase 55% de toda a população do estado. De 2012 a 2018, a taxa de desemprego aumentou de 4,5% para 7,7%. O problema do desemprego no estado do Rajastão é agravado por questões como a falta de formadores de qualidade e o não alinhamento da educação e das qualificações [6].

Para resolver estes problemas, o Estado vem intensificando continuamente a criação de infraestruturas da educação. Em 2004, Rajastão tornou-se o primeiro Estado do país a implementar uma missão de competências com o objectivo de reduzir a diferença entre a oferta e a procura de mão-de-obra qualificada e, consequentemente, aumentar a taxa de emprego. Para melhorar ainda mais a qualidade da qualificação, universidades de competência foram fundadas, um projeto pioneiro no país [6].

Em Himachal Pradesh, localizado no norte da Índia, uma grande parte do emprego está na agricultura. Mais de dois terços da sua mão-de-obra são trabalhadores por conta própria, e a quantidade de empregos remunerados permanece muito baixa. Em 2018, o “Asian Development Bank (ADB)” (Banco Asiático de Desenvolvimento (ADB)) assinou um empréstimo com o governo indiano para impulsionar as “technical and vocational education and training (TVET)” (instituições de ensino e formação técnica e profissional (TVET)) e para ampliar os ecossistemas de qualificação em Himachal Pradesh. Os planos para este projeto incluem transformar 11 bolsas de emprego em modelos de centros de carreira, modernizar equipamentos de treinamento, empregar um sistema de informação de treinamento e criar um melhor acesso à TVET de qualidade relevante para o mercado de trabalho dos jovens do estado, a fim de prepará-los para as mudanças nas necessidades do mercado de trabalho. [7]

JANZZ.technology ajuda os governos a população activa no mercado de trabalho, a través do uso de tecnologia baseada em IA (Inteligência Artificial). Em colaboração com o “Ministerio de Trabajo, Empleo y Seguridad Social (MTESS)” e a “Dirección General de Empleo (DGE)”, implementamos com sucesso no Paraguai a plataforma ParaEmpleo, uma solução tecnológica de correspndência de empregos. A colaboração entre o Paraguay e a JANZZ.technology, se enquadra no âmbito do Programa de Apoio à Inserção Laboral, apoiado pelo “Banco Interamericano de Desarrollo (BID)” (Banco Interamericano de Desenvolvimento) desde de 2011.  A representante do BID no Paraguay, María Florencia Attademo-Hirt, falou muito bem sobre a tecnologia da JANZZ, dizendo: ” Ferramentas inovadoras como esta são o que vai melhorar a vida dos paraguaios, além do Mercosul e do contexto regional ” [8]. O uso inovador da tecnologia é o caminho correto e eficiente para resolver muitos problemas atuais do mercado de trabalho. Se você, como organização governamental, está buscando soluções para para combater as questões do mercado de trabalho em seu país, por favor não hesite em nos contactar via sales@janzz.technology, onde estaremos encantados em fornecer mais informações, adaptadas à suas 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]

 

Perspectivas realistas sobre o futuro do trabalho

Nos dias 27 e 28 de novembro de 2018, houveram muitas discussões interesantes na conferência em Washington. Nestes dois dias muitas possibilidades diferentes foram apresentadas, tais como a usagem de tecnologias modernas no ambiente de mercados de trabalho, o Blockchain, Inteligência Artificial e aprendizado de máquinas (machine learning). O evento, organizado pelo Banco Interamericano de Desenvolvimento (BID) e pelo laboratório de mídia do MIT, atraiu especialistas de alto nível de empresas privadas, organizações públicas e universidades de todo o mundo. Stefan Winzenried, CEO e fundador, e Diego Rico, vice-presidente e gerente de projetos da LATAM, tiveram o prazer de representar a tecnologia da JANZZ.technology na reunião.

O objetivo deste evento que tinha com tema «Inteligência artificial e algoritmos de correspondência para colocação profissional» era introduzir diferentes sistemas de correspondência inteligente com IA entre canditatos a empregos. Cristina Pombo, consultora sênior do departamento do setor social do BID), moderou o evento, no qual, além de um reprensentante do WCC, Stefan Winzenried respondeu ás perguntas do plenário e explicou as ideias sobre a implementação prática, bem como os desafos e possibilidades da correspondência semântica, transparente e em grande parte não discriminatória. Em particular, ficou claro como os preconceitos em potencial e / ou o tratamento desigual no recrutamento tecnológico podem ser prevenidos em um estágio inicial e quais são as possibilidades mais importantes que essas tecnologias abrem para o futuro.

Diego Rico apresentou novas ferramentas para análise do mercado de trabalho usando a Plataforma de Rótulo Branco do JANZZ em Paraguai, “ParaEmpleo”. O objetivo do evento foi mostrar formas progressivas, significativas e fáceis de usar e como os atores no mercado de trabalho podem ser mais bem informados.
A equipe do JANZZ concentrou-se em unir as palestras de tecnologia e pesquisa aos casos de uso prático do atual projeto no Paraguai.
No centro da discussão estavam as várias estratégias, medidas e insights que poderiam ser obtidos da região LATAM de uma forma estruturada.
A participação da equipe do JANZZ resultou com uma análise significativa dos desafios passados ​​e atuais dentro do projeto, bem como a possibilidade de reproduzi-lo em diferentes países da América Latina.

Ainda mais barulho por nada… Ou porque o hype sobre Big Data e inteligencia artificial (IA) geralmente é mais sobre auto-marketing do que fatos e progresso.

A cada dois dias, produzimos a mesma quantidade de dados que foram produzidos anteriormente até o ano de 2003. Com este fato chocou Erich Schmidt, o ex-CEO da Google, em 2010. Claro que a produçao de datos acelerou desde então. Embora o “processamento de dados em massa” não seja novidade, somente nos últimos anos o hype em torno do termo mais conhecido como “Big Data” foi realmente desencandeado [1]. Ma ligeiramente muitos se perdem nessa selva de dados cada vez maior e em métodos abstrusos.

Coincidências não podem ser calculadas

Pois «mais dados não significa mais conhecimento”, proclama Gerd Antes efimero em uma entrevista com o Tagesanzeiger. O matemático critica bruscamente o hype sobre o Big Data, porque a massa de dados tornaria as correlações aleatórias mais prováveis. Assim mostra o consumo de queijo por cabeça e o número de mortes causadas por emaranhado na cama nos EUA uma curva idêntica. Enquanto uma anásile de máquina pode ter tirado conclusões, um cientista humano reconhece imediatamente que isso é uma coincidência [2].

De acordo com muitos defensores do Big Data, coincidências não existem mais. Eles acreditam que, se as quantidades de dados disponíveis forem grandes o suficiente, todas as inter-relações podem ser calculadas antecipadamente com a ajuda de processamento ou com um profundo aprendizado de máquinas e o tipo certo de análise. Experiências passadas e em conjunto com treinamentos disponíveis são suficientes para isso, e há risco insignificante de intervalos de erro devido a dados ausentes ou irrelevantes. No entanto, tal conclusão é fatal. Claro, certas áreas, períodos de tempo e inter-relações, etc. podem ser exploradas mais facilmente, para as quais algo é mais ou menos provável de acontecer. No entanto, isso certamente não significa que coincidências ou desvios significativos sejam impossíveis. Por exemplo, como podemos esperar uma análise dos dados coletados do passado para prever com precisão acidentes de trânsito no futuro? Ou doenças, uma vez que informações sobre progressões da doença – e, portanto, dados digitais de pacientes – podem ser incompletas, inconsistentes e / ou imprecisas [2].

Big, bigger, big data?

A análise de dados podem também ser fatal…

Especialmente na medicina, não apenas Gerd Antes alerta sobre o hype da Big Data e o da IA. Usar um método de tratamento incorreto baseado em análise de Big Data e resultados de aprendizado de máquina pode ser muito perigoso – para as pessoas, para o “bolso” e para a reputação. Porque nessa imensa quantidade de dados as verdadeiras correlações e inconsistências talvez não sejam sequer descobertas. Correlações e inconsistências que podem ameaçar ou salvar vidas [2].

Resentemente a IBM esteve novamente nas manchetes negativas, quando a empresa de mídia STAT analisou documentos internos da IBM para um relatório, que concluiu que o “Watson for Oncology” recomendou tratamentos de câncer “inseguros e incorretos” repetidamente. Da mesma forma, estes disseram que os funcionários e supervisores da IBM estavam cientes disso. No fim das contas com base nessas recomendações não houve morte comprovada, mas muitos hospitais renomados decidiram não usar a tecnologia multimilionária[3].

Na medida em que no campo da tecnologia tenha uma mudança de pensamento, e novamente o pensamento racional pode ser reconhecido. Finalmente, o hype de há 2-3 anos, que parecia ser ilimitado, em torno do computador milagroso Watson da IBM no campo da medicina, está novamente em declínio. Muitas outras aplicações semelhantes surgirão. O mais tarde, quando se tratar mais de fatos, resultados confiáveis e relevância, e menos sobre promessas brutais de auto-marketing, bem como promessas encorpadas das empresas globais de technologia bem conhecidas e seus produtos muitas vezes ainda mais experimentais. Certo é que os insights e aprendizados da medicina anteriormente descritos podem ser transferidos quase 1:1 para o merdado de RH digital, onde estes são usados, por exemplo, quando combinando trabalhos e talentos.

Conhecimento confiável vem de especialistas

Já a mais de cinco anos atrás, Cornel Brücher provocou com seu trabalho “Rethink Big Data” (“Repense Big Data”) e descreveu os seguidores de Big Data como tolos [2]. Nós da JANZZ desde o começo temos esta mesma visão. Portanto, simplesmente não é possível obter conhecimento no campo de trabalhos e currículos, dados de ocupação mais complexos, etc., apenas com o aprendizado de máquina. Qualquer um de afirme o contrário está simplesmente errado. E essas alegações permaneceram falsas e inúteis, não importa quantas vezes as mesmas idéias e produtos sejam reajustados e comercializados. Mesmo que muito mais dinheiro do que anteriormente seja investido nessas technologias.

Por isso, e apesar dos muitos investimentos, os resultados são baseados nessa mesma abordagem, ainda largamente inadequada, e mal melhoraram nos últimos anos. Independentemende do tamanho dos conjuntos de dados utilizados para esta finalidade, por exemplo no LinkedIn, IBM & Co. Os resultados do aprendizado de máquina não só estão ficando mais errôneos quanto mais fatores e variáveis ​​e, portanto, regras e relações mais complicadas são adicionadas resultando em falsas correlações ou, às vezes, até da suposta causalidade. Por outro lado, os grafos de conhecimento, respectivamente ontologias, criam a possibilidade de mapear e utilizar o conhecimento de forma muito profunda e estruturada. Assim, o conhecimento de especialistas é armazenado em suas áreas respectivas e conectado de maneira estruturada, o conhecimento de ontologia é verificável e confiável e não calculada por cientistas da computação, que agora são especialistas em programação, mas que por exemplo, não em medicina ou em várias profições de engenharia ou áreas de investimento como banco, etc. Uma característica importante que falta ao utilizar o modo de “Machine Learning” (aprendizado de máquina). Como os gráficos de conhecimento entendem os relacionamentos entre muitas áreas diferentes, somente eles podem fornecer resultados e recomendações de pesquisa relevantes e precisos. Por exemplo no campo de dados de ocupação: Pois o grafico de conhecimento reconhece a diferença e as conexões entre competências, experiências, funções, especializações e educação, e sabe que, para os cargos “J” com treinamento “A” a competência “K” é importante. Consideramos um “arquiteto sênior de Cloud” como exemplo: Um gráfico de conhecimento reconhece esse cargo e sabe que, por exemplo, o programa de mestrado em Ciência da Computação pode um dia levar a esse título se, por exemplo, o candidato puder demonstrar a competência “Cloud Solution Development” (“desenvolvimento de soluções em cloud/nuvem”) e vários anos de experiência profissional.

O Google também conta com especialistas ou um gráfico de conhecimento para dados de ocupação

Finalmente proclamou o Google, quando a empresa lançou seu gráfico de conhecimento “Google Cloud Jobs API”, onde o “Google for Jobs Search” foi baseado (Veja “Google launches Ontology-powered Jobs Search Engine – What Now?”). O Google reconheceu que uma abordagem baseada em ontologia oferece melhores resultados. Em uma busca semântica que se baseia em um gráfico de conhecimento, se procurar por um “Assistente Administrativo”, não obteria resultados semelhantes ao termo de pesquisa, como “Administrador RH” ou “Administrador de software”. Da mesma forma, uma análise de grande volume de dados poderia identificar correlações aleatórias, sugerindo trabalhos terceirizados completamente diferentes que possuam apenas requisitos de competência semelhantes (assim, engenheiros e funcionários de escritório certamente precisam de conhecimento sobre o Microsoft Office).

Conhecer a diferença e, portanto, a procura de emprego e a compreensão geral das ocupações e seus relacionamentos geralmente só é possível com um gráfico de conhecimento. Matt Moore, gerente de produto do Google Cloud, explicou o objetivo da Google Cloud Jobs API: “Queremos permitir que todos os empregadores e candidatos melhorem a experiência de procura de emprego. Sejamos honestos: Contratar as pessoas certas é a coisa mais importante que as empresas precisam fazer.”[4].

Apenas os humanos têm o conhecimento humano necessário…

E isso levanta a questão de quem você realmente pode confiar quando se trata da tarefa mais importante: a seleção de profissionais. Uma história infinita: Julgado pelo CV, o/a aplicante era o candidato(a) perfeito(a), mas infelizmente humanamente não se encaixava em nada. Tirando conclusões como essa, que não sugerem os dados (digitais) disponíveis, está se movendo no nível dos especialistas em RH, isto é relações interpessoais. As ferramentas tecnológicas podem gerenciar e classificar os currículos com base em insights óbvios, como educação, habilidades, experiência, etc., se o fluxo de dados for gerenciável e, acima de tudo, avaliado corretamente. Mesmo o melhor candidato no papel pode de repente desaparecer no meio da multidão devido à grande quantidade de critérios mal interpretados ou mal compreendidos. E o CV númeo 1 nem sempre pertence ao melhor candidato(a). Acreditando que este último remanescente do fator humano será finalmente banido dos processos, cada vez mais empresas de tecnologia e start-ups estão tentando digitalizar essa dimensão e dominá-la com inteligência artificial. Novamente com métodos inadequados e até mesmo antes dos dados digitais realmente processáveis, existentes, teriam sido usados ​​e avaliados corretamente. Um fato sobre o qual os especialistas e os principais fornecedores de tecnologias, que têm lidado com processos e produtos respeitáveis ​​e resilientes na área de RH digital há vários anos, estão basicamente de acordo. E não apenas desde que o Google entrou nesse segmento de mercado [5].

Big Data limita o desenvolvimento do conhecimento

Mais dados realmente nao significam mais conhecimento. O conhecimento deve ser estruturado, arquivado e avaliado. E as pessoas bem informadas precisam estar envolvidas. Portanto, é necessário ter cuidado ao combater o fluxo de dados, que no final não podem mais ser estruturados e resultam em correlações aleatórias. Alexander Wissner-Gross, um cientista da Universidade de Harvard e do Instituto de Tecnologia de Massachusetts (MIT), resume de uma forma interessante: “Talvez a notícia mais importante do nosso tempo seja que conjuntos de dados – não algoritmos – poderiam ser o fator limitante crucial para o desenvolvimento da inteligência artificial em escala humana.” [6] O mais promissor é, portanto, o conteúdo do conhecimento, não a quantidade de dados, da qual esse conhecimento deve ser retirado. E promissora respectivamente reconfortante é que, no final, em muitas áreas importantes, como medicina ou seleção de pessoal, apenas especialistas ou ferramentas baseadas em experiência verdadeira possam julgar de maneira confiável e precisa.Tudo isso faz com que a propaganda sobre Big Data e AI em RH já seja um pouco mais suportável. E nossa missão na JANZZ.technology “We turn Big Data into Smart Data” é mais relevante do que nunca.

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

[2] Straumann, Felix. «Vieles ist blankes Marketing». Big Data. In: Tagesanzeiger (2018), Nr. 168, P. 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] From 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].

Permissão de dirigir para as mulheres sauditas gera uma participação feminina maior na vida econômica

As mulheres sauditas alcançaram uma nova forma de liberdade: Enfim elas recebem a carteira de motorista. Antes do 24 de Junho o país proibia mulheres de conduzir automóveis. O fim da proibição de dirigir para mulheres, permita que elas se podem movimentar de uma forma mais espontânea e independente. O decreto abre novas oportunidades no mercado de trabalho. Até hoje somente 22% das mulheres sauditas ocupam um emprego, enquanto 77% dos homens trabalham. Em comparação com seus vizinhos do Oriente Médio, a  Arábia Saudita demonstra uma percentagem pequena das mulheres trabalhadoras. Nos Emirados Árabes Unidos 47% das mulheres tem um trabalho, em Qatar até são 58%.

A estrita proibição de dirigir para as sauditas, constituiu um obstáculo para o crescimento económico do país. Um dos motivos desta situação, foi que as mulheres não tevam a possibilidade de chegar ao trabalho sozinhas e eram por isso largamente dependente dos parentes próximos masculinos. Além disso, um carro é indispensável para se locomover, pois as cidades da Arábia Saudita são tão grandes e a qualidade do transporte público é considerado ineficiente. As mulheres precisavam contar com um motorista particular, pois elas nem eram permitidas de tomar um táxi. Por isso, essa estrita norma social, era sem dúvida umas das causas do problema da participação feminina na vida econômica.

32% das mulheres sauditas que procuram um trabalho, são desempregadas. O índice de jovens desempregados chega na faixa de quase 40%, mesmo que a Arábia Saudita enfrenta o desafio de ter mais mulheres que homens com títulos universitários, especialmente nas áreas científicas. A concessão de licença de direção para as sauditas, contribui aos benefícios econômicos da integração laboral da mulher. Com essa mudança, algumas empresas já identificaram oportunidades de negócios: Empresas de aluguer de carros abrem as portas para as mulheres, uma companhia de seguros até está instruindo mulheres como inspectoras. Além disso, a partir do começo desse ano, as sauditas ganharam a permissão para entrar no serviço militar, neste caso a carteira de motorista também é uma vantagem para as mulheres. O Ministério do Trabalho e Desenvolvimento Social emitiu em Abril desse ano uma lista de lojas onde apenas sauditas poderão ser empregados, como nas lojas onde se vendem relógios, óculos, padarias e lojas de móveis, de equipamento electrónico e de carros. A necessidade pessoal é grande em essas áreas, por isso mulheres sauditas são recrutadas para trabalhar nas lojas, visitar clientes ou entregar bens.

Em princípio, mulheres e homens podem trabalhar juntos, mas a segregação dos sexos persiste nas áreas de descanso para funcionários. Muitas empresas não estão preparadas para mudar os locais de trabalho, porque eles foram construidos somente para os empregados masculinos.

Entretanto o fim da proibição de dirigir para mulheres, marca o início da integração laboral da mulher saudita. Mas as mulheres ainda são submetidas a um sistema de tutela masculino. Elas precisam de permissão de um homem da família para tomar decisões importantes, como o marido, pai ou até o filho. Uma autorização do homem é necessaria para sair do pais, casar-se ou ser liberado da prisão. A partir do ano passado, as mulheres sauditas podem abrir uma empresa, entrar no serviço militar, abrir uma conta e solicitar serviços públicos sem a autorização da tutela masculina.

Essa medida é uma das reformas fazendo parte do plano chamado “Visão 2030”, que contempla mudanças no mercado de trabalho. Isto inclui intervenções como a ampliação da participação da mulher no mercado de trabalho. Legalmente as mulheres não precisam a autorização do homem para trabalhar, mas infelizmente muitas empresas exigem a permissão da tutela masculina. As estritas normas sociais, que limitam a integração laboral da mulher, causam gradualmente um problema para a Arábia Saudita. A economia esta em crescimento e a necessidade de contratação pessoal resulta em uma alta faixa de funcionarios estrangeiros. Somente 5.6 milhões das 11.9 milhões de pessoas que trabalham são árabe-sauditas. Além disso, a economia do país é altamente dependente do petróleo: Quase 45% do PIB real é constituido por esse sector industrial.

Com a implementação das primeiras reformas no mercado de trabalho por o Ministério do Trabalho e Desenvolvimento Social, dependencias dos profissionais expatriados e do petróleo podem ser resolvidos. O primeiro passo nesse sentindo foi feito com a permissão para dirigir, possibilitando que as mulheres sauditas fazem parte dos benefícios econômicos do país.