Quizás, esta vez, «el trabajo remoto» viene para quedarse

Cuando la gente todavía estaba considerando el futuro del trabajo flexible y cómo la tecnología y la digitalización iban a cambiar la forma en que trabajamos, después de la COVID-19, ese futuro ha llegado de imprevisto. Gartner declaró en su informe que el 48% de los empleados probablemente trabajarán a distancia comparado con el 30% de antes de la pandemia.  [1]

¿Cómo ha cambiado el lugar de trabajo a lo largo del tiempo?

Antes el lugar de trabajo estaba mucho menos orientado a la tecnología y las conversaciones de negocios se llevaban a cabo a través de llamadas telefónicas o en persona. La documentación era solamente en papel. Se esperaba que los empleados trabajaran de forma independiente y se separaban en cubículos. Desde los años 50, se produjeron grandes cambios y el surgimiento del trabajo en equipo, los ordenadores, el Internet y el software orientado a los negocios han tenido un gran impacto en la forma en que trabajamos.

En los últimos veinte años, uno de los cambios más significativos en el lugar de trabajo ha sido el paso a trabajar de manera digital. El lugar de trabajo ha experimentado revoluciones aún mayores como el teletrabajo, el zoom, el espacio de trabajo conjunto y el trabajo flexible. La desaparición de los lugares de trabajo fijos se vio por primera vez en las empresas tecnológicas de Silicon Valley, conocidas por su trabajo flexible o la actualización del trabajo basado en actividades. Básicamente, los empleados quieren más libertad durante el trabajo, por lo que sus casas o incluso un café se están convirtiendo gradualmente en su segunda «oficina».

Trabajo a distancia, ¿quién está listo? o, mejor dicho, ¿quién es capaz?

En un artículo publicado por la Harvard Business Review, la solidez de los servicios digitales, la infraestructura de Internet y las opciones de pago digital se utilizaron para evaluar 42 economías mundiales importantes en lo que respecta a la preparación para el trabajo a distancia. [2] En la encuesta se puede ver que países como Singapur, Reino Unido, EE.UU., Países Bajos, Noruega, Canadá y Alemania se sitúan en una mejor posición, mientras que países como India, Indonesia, Tailandia, Chile, Filipinas y China se muestran menos preparados. Sin embargo, la preparación de la tecnología es solo el factor externo que desencadena la práctica del trabajo a distancia, y se puede influir en ella con el esfuerzo de los dirigentes de los países invirtiendo en infraestructura y tecnología.

El factor interno, es decir, la estructura de las diferentes industrias dentro de un país es la clave aquí. En los países en los que las principales actividades económicas se concentran en los sectores agrícolas y de manufactura, es poco probable que su población activa trabaje a distancia, ya que los agricultores y los obreros simplemente no pueden trabajar desde casa. Por otra parte, los países cuyos sectores de servicios producen la mayor parte de su valor económico, tienen una mano de obra, o más precisamente, una población activa del conocimiento que ya no está vinculada al lugar de trabajo. Según el índice de economía del conocimiento (KEI, por sus siglas en inglés) del Instituto del Banco Mundial, países como Dinamarca, Suecia, Finlandia, Países Bajos, Noruega, Canadá y Suiza, se encuentran entre los primeros. [3]

Los inconvenientes del trabajo a distancia

La COVID-19 obligó a las empresas de todo el mundo a practicar el trabajo flexible a tiempo completo y algunos países, donde el trabajo flexible no era habitual, necesitaron adaptarse a la nueva situación rápidamente. Para esos países también es importante comprender los aspectos negativos del trabajo flexible cuando se maneja de manera inapropiada.

Cuando el tiempo que se pasa en la oficina ya no es el factor clave para obtener remuneración, el trabajo flexible debe tener un nuevo criterio de valoración relacionado con la remuneración, por lo que se toma el rendimiento como la nueva medida. Para justificar su eficiencia y considerarse de alto rendimiento, a la vez que confiables, los empleados a menudo aceptan acuerdos con objetivos más elevados. Esto puede llevar a la llamada «autogestión interesada» que causa el detrimento de la salud. Por lo tanto, las empresas no deberían pedir demasiado a sus empleados o de lo contrario podrían arriesgar la utilidad del trabajo flexible. [4]

La digitalización desplaza los límites entre el tiempo libre y el trabajo, permitiendo a las personas repartir su trabajo a lo largo de todo el día para poder combinar mejor la vida laboral con la personal. Sin embargo, en una encuesta realizada en Alemania, la mitad de los encuestados dijo que la digitalización aumenta la intensidad de su trabajo. Se sienten más estresados y su carga de trabajo se ha acumulado, al tiempo que se sienten sometidos a una supervisión más estricta. [4]

El desafío en la era de la economía gig

La flexibilidad en los trabajos es sin duda una de las características clave en la economía gig que está transformando nuestro mercado laboral drásticamente. El trabajo hoy en día está cambiando hacia una mayor complejidad cognitiva, es dependiente de la tecnología, es más colaborativo, móvil y cruza fronteras. Esto representa un gran desafío para los gobiernos y las empresas de hoy en día para hacer coincidir las habilidades correctas y las personas cualificadas con los puestos de trabajo, así como para identificar las lagunas en la educación y el aprendizaje que necesitan las futuras empresas.

Durante casi una década, JANZZ.technology ha estado siguiendo las tendencias, dando forma al futuro del trabajo y colaborando con mercados laborales de todo el mundo. Somos líderes en el análisis semántico, la búsqueda y el matching dentro de los dominios de la ocupación. Nuestra tecnología, basada en datos, puede hacer posible la toma de decisiones de RR.HH., acelerar el análisis de los perfiles y utilizar los datos de la población activa para la predicción del rendimiento empresarial. Si quiere obtener más información sobre lo que podemos hacer, póngase en contacto con sales@janzz.technology

 

 

 

[1] Gartner. 2020. 9 Future of Work Trends Post-COVID-19. URL: https://www.gartner.com/smarterwithgartner/9-future-of-work-trends-post-covid-19/

[2] Bhaskar Chakravorti and Ravi Shankar Chaturvedi. 2020. Which Countries Were (And Weren’t) Ready for Remote Work? URL: https://hbr.org/2020/04/which-countries-were-and-werent-ready-for-remote-work

[3] Wikipedia. Knowledge Economic Index. URL: https://en.wikipedia.org/wiki/Knowledge_Economic_Index

[4] UZH Magazin. 2018. Interview: “Working flat out”. URL: https://www.magazin.uzh.ch/en/issues/magazin-18-4/gesundarbeiten.html

Demos la bienvenida a Jimena Renée Luna como nuestra nueva vicepresidenta de integración de clientes y mercados emergentes

Estamos orgullosos de anunciar que Jimena Renée Luna se unirá a JANZZ.technology como nuestra nueva vicepresidenta de integración de clientes y mercados emergentes. Será responsable de todas las cuentas en LATAM, EMEA y el sudeste asiático.  Jimena está bien establecida y tiene gran experiencia en el asesoramiento a Gobiernos de los clientes y a las organizaciones internacionales en materia de política tecnológica, creación de empleo y desarrollo económico. A lo largo de su carrera, ha trabajado más de diez años diseñando e implementando proyectos relacionados con equipos de toda Latinoamérica, Europa y África. En el Banco Mundial, realizó investigaciones sobre los mercados laborales y lanzó soluciones innovadoras para la creación de empleos. También ha trabajado para el CIO de Estados Unidos en la Casa Blanca en políticas digitales para mejorar la forma en que los ciudadanos y las empresas interactúan con el Gobierno, ayudando así a cerrar la brecha entre el sector público y el privado en lo que concierne a tecnología e innovación. Más recientemente, ha trabajado en proyectos en África para promover la economía digital y el desarrollo digital. Jimena está entusiasmada con trabajar en el ámbito del _matching_ de productos y de soluciones digitales que ofrece la empresa suiza JANZZ.technology a clientes de todo el mundo. Confía en que las plataformas digitales, los grandes datos y la IA impulsarán la economía del futuro. En un momento en el que el mundo se enfrenta a una transformación digital y a cambios en el mercado laboral, está muy contenta de poder trabajar directamente con clientes globales con el fin de proporcionarles soluciones digitales para la creación de empleo.

Jimena se unirá a nosotros el 15 de mayo y empezará a trabajar desde Washington, D.C. y luego se trasladará a nuestra sede en Zúrich más adelante. Esperamos ver a Jimena aplicando su experiencia, entusiasmo y profesionalidad en nuestra misión de servir mejor a nuestros clientes.

Se puede contactar a Jimena por correo electrónico en: j.luna@janzz.technology . Habla con fluidez inglés, francés y español, y estará encantada de responder a cualquier pregunta que surja.

JANZZ.technology proporciona tecnologías semánticas potenciadas por la ontología

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

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

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

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

Búsqueda de empleo y matching de conceptos relacionados

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

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

Búsqueda de empleo y comparación de grados de habilidades

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

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

Identificación del concepto mediante la interpretación del contexto

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

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

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

Identificar las lagunas en la información

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

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

 

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

La digitalización, la automatización y la IA suponen un reto constante a la hora de buscar trabajo, lo que obliga a modificar las habilidades continuamente. No obstante, algunas de las habilidades carentes no son debido a la evolución tecnológica, sino a la falta de atractivo. Esto sucede concretamente con aquellos puestos con un gran número de vacantes o con los que permanecen vacantes por un largo período de tiempo.
 
De acuerdo con el índice de déficit de trabajadores cualificados en Suiza (Swiss Skills Shortage Index en inglés),  » Lea más sobre: ¿Son la recapacitación y el perfeccionamiento profesional la nueva solución a la escasez de habilidades?  »

El potencial de la inteligencia artificial en recursos humanos

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

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

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

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

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

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

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

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

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

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

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

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

 

 

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

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

JANZZZ.technology ofrece IA explicable

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 JANZZZ.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].

Programa televisivo NRK: historias de éxito de la nueva plataforma de búsqueda de empleo en Noruega

JANZZ.technology es el proveedor de la tecnología detrás del motor de búsqueda semántica y matching de la nueva plataforma de empleo de la Administración Laboral y Social Noruega (NAV).
La plataforma digital de búsqueda de empleo Arbeidsplassen.no impulsada por NAV, ha sido elogiada, tras su lanzamiento, tanto por los demandantes como por los ofertantes de empleo. El objetivo de NAV es facilitar la búsqueda a los solicitantes de puestos de trabajo.
En el transcurso de una semana,  » Lea más sobre: Programa televisivo NRK: historias de éxito de la nueva plataforma de búsqueda de empleo en Noruega  »

Ejemplos de aplicaciones de PNL en la adquisición de talento

La ontología de JANZZZ -JANZZon! es considerada, junto con la API de Google Cloud Jobs, como un ejemplo de aplicaciones de procesamiento de lenguaje natural en la adquisición de talento. En el artículo de Gartner «Impacto de la inteligencia artificial y el aprendizaje automático en la gestión del capital humano» (Impacts of Artificial Intelligence and Machine Learning on Human Capital Management), se resumen las aplicaciones de la inteligencia artificial y el aprendizaje automático que inciden en la transformación de los procesos actuales de RRHH.  » Lea más sobre: Ejemplos de aplicaciones de PNL en la adquisición de talento  »

Lo que debería saber para escoger su software de reclutamiento

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

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.  » Lea más sobre: Cómo aprovecha India su dividendo demográfico  »