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]