Para muchos turistas, Suiza suele considerarse como uno de los países más bellos que han visitado. Sin embargo, si decidieran mudarse a este país, ¿seguirían pensando lo mismo? ¿Duraría ese amor a primera vista cuando intentaran conseguir un trabajo?

El elevado salario es uno de los principales incentivos para que los trabajadores extranjeros busquen oportunidad en Suiza. Las estadísticas de la Oficina Federal de Estadística (OFE) muestran que el número de trabajadores extranjeros que se desplazan diariamente a Suiza desde los países vecinos está en aumento, habiendo alcanzado la cifra de 332 177 en 2020 [1]. El OFE también informó de que, a finales de 2019, el número de extranjeros que participaban activamente en el mercado laboral suizo había aumentado a 1,6 millones [2], lo que dejaba aproximadamente 1,3 millones de trabajadores inmigrantes, es decir, alrededor de una cuarta parte de la población empleada total del país.

Sin embargo, en comparación con los ciudadanos suizos, las tasas de empleo de los trabajadores extranjeros son mucho más bajas. Un estudio reciente indica que, durante el año de su llegada, la tasa de empleo de los hombres inmigrantes es alrededor de un 16 % inferior a la de los hombres comparables nacidos en Suiza, y en el caso de las mujeres migrantes, es un 37 % inferior a la tasa de empleo de las mujeres nacidas en Suiza. Por supuesto, la brecha se irá reduciendo gradualmente, pero al cabo de cinco años, las tasas de empleo siguen siendo inferiores a las de los trabajadores nacidos en Suiza: en un 4 % para los hombres inmigrantes y en un 13 % para las mujeres inmigrantes [3].

Hay muchas razones por las que los trabajadores extranjeros experimentan una desventaja en el mercado laboral del país de acogida. Un aspecto importante es la compatibilidad de las habilidades, incluyendo tanto el capital humano como el social. En comparación con los residentes nativos, los nuevos trabajadores inmigrantes suelen estar en desventaja en cuanto a estas habilidades en el país anfitrión. Por lo general, están menos familiarizados con las costumbres locales y es menos probable que tengan una formación o certificación profesional homologada. También carecen de información sobre las oportunidades del mercado laboral, por ejemplo, las redes locales que pueden ser útiles en la búsqueda de empleo, o las expectativas de los empleadores. Afortunadamente, estas desventajas disminuyen cuanto más tiempo permanecen en el país de acogida [4].

El idioma local es otra habilidad específica del país y la fluidez en la lengua principal del país anfitrión es determinante para alcanzar el éxito en el mercado laboral. Suiza es un país multilingüe con cuatro idiomas oficiales: alemán, francés, italiano y romanche. Según nuestras estimaciones basadas en más de diez años de experiencia en el análisis de datos sobre la ocupación, el promedio de idiomas que piden los empleadores en Suiza es de 2 a 2,5: uno o dos idiomas locales combinados con el inglés. Para los hablantes nativos de uno de los idiomas locales, esto constituye el conocimiento de uno o dos idiomas extranjeros (ambos forman parte del plan de estudios estándar de las escuelas suizas). En el caso de los trabajadores inmigrantes, al menos para aproximadamente el 60 % que no son hablantes nativos de uno de estos cuatro idiomas, estos requisitos son ligeramente diferentes.

Cuando se comparan los niveles de aptitudes y cualificaciones de los trabajadores entre los suizos y los extranjeros, la proporción de extranjeros con estudios superiores es comparable a la de los suizos. Por otro lado, la proporción de trabajadores poco cualificados es mucho mayor en los ciudadanos extranjeros. Para los trabajadores de estos dos grupos, los requisitos lingüísticos pueden ser bastante bajos. Por ejemplo, el inglés es en su mayor parte irrelevante para los obreros como los constructores y los conserjes, y a los hablantes no nativos a menudo solo se les exige un dominio básico de un idioma local.  Por otra parte, los idiomas locales no son necesariamente esenciales para los trabajadores de empresas internacionales, universidades y otras instituciones y organizaciones internacionales, en las que el inglés es de uso frecuente.

Sin embargo, los trabajadores extranjeros con conocimientos y niveles de cualificación intermedios, en comparación con los trabajadores locales del mismo nivel, se encuentran en desventaja en cuanto a la competitividad lingüística cuando solicitan empleo, ya que muchos puestos con este nivel requieren el dominio tanto de un idioma local como de otros idiomas. Hay una proporción mucho mayor de trabajadores suizos en este rango y también resulta que es donde se encuentran la mayoría de las vacantes en Suiza. Aparte de un capital humano y social potencialmente más bajo, la discriminación sigue siendo una explicación lógica de las diferencias en los resultados del mercado laboral entre los locales y los inmigrantes. En un reciente metaanálisis de 43 estudios experimentales a lo largo de 25 años sobre la discriminación en las decisiones de contratación, los investigadores determinaron que «la discriminación de los grupos étnicos y raciales minoritarios en las decisiones de contratación sigue siendo común». [5]

En un experimento en el que se comprobó la discriminación de los directores de recursos humanos respecto de los candidatos de origen no suizo, los investigadores descubrieron que los candidatos con ciertos nombres de sonido extranjero que «blanqueaban» sus currículums e indicaban que solamente hablaban con fluidez el idioma local eran mejor recibidos que los que transmitían un apego cultural a su país de origen. Concluyeron que «los currículums que transmiten múltiples señales de apego a la cultura de origen se sancionaban de manera severa evaluándolos como de menor productividad [6]». Los hijos de inmigrantes que tienen títulos suizos y doble nacionalidad deben enviar un 30 % más de solicitudes para recibir una entrevista cuando solicitan puestos en una formación profesional [7].

Garantizar la igualdad de oportunidades de empleo para los trabajadores inmigrantes en el mercado laboral es beneficioso tanto para estos trabajadores como para la sociedad de acogida. El acceso al mercado laboral mejora su participación social, lo cual es esencial para la integración. Mientras tanto, el trabajo remunerado reduce su dependencia de la asistencia social. En JANZZ.technology, creemos que los procedimientos anonimizados al principio del proceso de solicitud de empleo pueden reducir en gran medida la discriminación y mejorar la igualdad de oportunidades. Para saber más sobre los procedimientos anonimizados de JANZZ.jobs, póngase en contacto con sales@janzz.technology

[1] FSO. 2020. Foreign cross-border commuters by gender, canton of work and age class. URL: https://www.bfs.admin.ch/bfs/en/home/statistics/work-income/employment-working-hours.assetdetail.13647546.html

[2] FSO. 2020. Employed persons (domestic concept) total number and in full-time equivalents by gender and nationality, gross and seasonally adjusted values. Quarterly and yearly averages. URL: https://www.bfs.admin.ch/bfs/en/home/statistics/work-income/employment-working-hours/employed-persons/trend-number-employed-persons.assetdetail.13327120.html

[3] Favre, S.; Föllmi, R:; Zweimüller, J.: Immigration, return migration and integration from a labour market perspective. In: A Panorama of Swiss Society 2020 Migration-Integration-Participation, Federal Statistics Office, Neuchãtel, 2020

[4] Friedberg, R.: You can’t take it with you? Immigrant assimilation and the portability of human capital, Journal of Labor Economics 18:2: 221–252, 2000

[5] Zschirnt, E.; Ruedin, D.: Ethnic discrimination in hiring decisions: A meta-analysis of correspondence tests 1990–2015, Journal of Ethnic and Migration Studies, Taylor & Francis, Milton Park, Abingdon, Vol. 42, Iss. 7, pp. 1–19, 2016

[6] Auer, D.: Drivers of immigrant employment in Switzerland, University of Lausanne, 2018

[7] Fossati, F.; Liechti, F.; Auer, D.; Bonoli, G.: Discrimination Multipliers, How immigrants’ integration affects labour market disadvantage, MIM Working Paper Series 17:2, Malmö Institute for Studies of Migration, Diversity and Welfare (MIM) Malmö University, Malmö, 2017

_______________________________

Al igual que los SPE, muchas agencias de contratación pequeñas y medianas se enfrentan a la escasez de recursos y a la necesidad de una solución automatizada para realizar una búsqueda y un matching de candidatos de calidad excepcional, con el fin de centrarse en un pequeño grupo de candidatos cualificados para las vacantes. Por lo consiguiente, también recibimos solicitudes de agencias de contratación. Estas agencias son las principales empresas de selección de personal en ramas específicas, especializadas en puestos de nivel C para clientes globales. Con la tecnología innovadora y las soluciones totalmente personalizadas de JANZZ.jobs, se puede adaptar a las necesidades específicas de las pequeñas y medianas agencias de contratación y ayudarlas a llevar su negocio al siguiente nivel. Se beneficiarán de:

• mayor rapidez en el mercado al lanzar una plataforma moderna y poderosa para impulsar el negocio,
• una experiencia de marca totalmente personalizada con logotipos, colores y plantillas de correo electrónico,
• generador de costos basado en el flujo de comercio para maximizar los ingresos,
• búsqueda de trabajo instantánea en más de 40 idiomas y mucho más.

_______________________________

[1] Ines Böschen, Dr.Ramona Alt, Annabelle Krause, Dr. Ulf Rinne and Prof. Dr. Klaus F. Zimmermann. 2012. Pilot project ‘Depersonalised application procedures’. URL: https://www.antidiskriminierungsstelle.de/SharedDocs/Downloads/DE/publikationen/AnonymBewerbung/Kurzfassung-Abschlussbericht-anonym-kurz_englisch.pdf?__blob=publicationFile&v=4

[2] Eva Heinimann and Ralf Margreiter. 2008. Anonyme Bewerbung: Ein Zürcher Pilotprojekt für mehr Chancengleichheit und innovative Lehrlingsselektion. URL: https://www.panorama.ch/pdf/bba4814b.pdf

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

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.

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]