Kitabı oku: «La selección de talentos en la era digital», sayfa 3

Empleo y empleabilidad

El proceso de transformación actual implica la obsolescencia masiva de muchas de las competencias tradicionales debido a la sustitución tecnológica, la digitalización, la robotización y la inteligencia artificial. Existe una fuerte preocupación por el impacto en el empleo, el déficit en la formación para el trabajo y las consecuencias de desigualdad que todo ello puede generar a nivel global. Autores como Lee (2019), del mundo de los negocios, y la Organización Internacional del trabajo (OIT, 2017) comparten esta preocupación y se plantean si las instituciones educativas están preparadas para acompañar el proceso de digitalización y desarrollo de nuevas carreras, para adaptarse a la velocidad que se requiere. Si esto no se logra, las nuevas generaciones culminarán 10 o 12 años de educación académica para descubrir finalmente que no disponen de los instrumentos necesarios para ganarse la vida dignamente. La educación académica debe estar pensada para el acceso al trabajo en el futuro y no en el pasado. Esta debería ser una prioridad, tanto de las instituciones como de los gobiernos, que tendrían que facilitar y promover estos cambios.

La forma en que se resuelvan estas cuestiones impactará en si el mundo será más igualitario y sustentable o si tendrá un futuro para unos pocos acompañados de robots. En el informe de la OIT (2017) sobre el futuro de la formación profesional en América Latina y el Caribe se manifiesta que “sin recursos humanos con habilidades actualizadas y sin capacidades institucionales sólidas y efectivas para actualizar esas habilidades, el tránsito hacia una economía de alta productividad con empleo productivo y trabajo decente para todos es imposible” (p. 13).

El mismo informe (OIT, 2017) expresa más adelante la preocupación por el desarrollo de las competencias como un factor fundamental para “alcanzar el objetivo del trabajo decente como para aumentar la productividad y la sostenibilidad de las empresas y mejorar las condiciones de trabajo y empleabilidad de los trabajadores” (p. 15).

La demanda de nuevas competencias está cambiando. El futuro del trabajo no dependerá solamente del desarrollo de las nuevas tecnologías. Estará signado por la forma en que el Estado, las empresas, las instituciones educativas y los sindicatos logren trabajar en conjunto para resignificar el empleo tradicional y pasar a un modelo de empleabilidad que permitiría mantener el empleo adaptándose a las circunstancias que se presenten en el mercado. Para atender este desafío, cada uno de estos agentes deberá contribuir desde su lugar y en conjunto con los otros a la construcción de un mundo del trabajo sustentable para todos los trabajadores en términos de empleabilidad, con una mejor calidad de vida y con empresas eficientes y rentables, aprovechando el uso de las tecnologías.

Futuras estrategias de reclutamiento

Los cambios producidos en la sociedad descriptos anteriormente impactaron sin duda en el mundo del trabajo y en la gestión de RR.HH.

La captación del talento será una de las responsabilidades más importantes del área de RR.HH. y un aspecto central de la estrategia de las empresas. De igual modo, el área de selección deberá realizar cambios sustantivos para adecuarse a los nuevos requerimientos de las compañías, a los avances tecnológicos y a las estrategias de búsqueda de las nuevas generaciones.

La mayoría de los candidatos inician la búsqueda de trabajo a través de Google y entran cada vez menos a los portales de empleo. Encuentran propuestas laborales en sus redes sociales favoritas, siguiendo a sus marcas preferidas y postulándose directamente en las compañías en las que les gustaría trabajar. Esto genera la necesidad de desarrollar nuevas habilidades y competencias en los selectores para que se manejen en esos entornos y de apoyo constante de parte de las áreas de sistemas y marketing, para poder realizar su trabajo.

Los principales cambios estarán dados por la introducción de nuevas tecnologías que permitirán simplificar tareas, reducir costos y lograr mayor efectividad en los procesos de selección. Muchas de las funciones como la preselección de currículums o parte de la interacción con los candidatos podrán ser realizadas por sistemas de inteligencia artificial (IA). Por otra parte, las nuevas formas en las que las personas buscan empleo están haciendo que las áreas de RR.HH. adopten estrategias de marketing digital, acercándose a los candidatos como si se tratara de clientes.

Los cambios que se están produciendo y que determinarán el futuro de la selección se detallan a continuación.

Social recruiting: el valor de las redes sociales

El social recruiting es la búsqueda de candidatos potenciales a través de las redes sociales tales como Instagram, Facebook, LinkedIn y otras plataformas web como foros, blogs, etc. Las redes sociales se han convertido en un canal de venta y fidelización muy importante para las empresas. De la misma manera se están utilizando para obtener mayor eficiencia en los procesos de selección.

La modalidad de búsqueda de empleo de las nuevas generaciones cambió notablemente. Un nuevo paradigma está naciendo y consiste en atraer a los buscadores de empleo para que se interesen en la empresa. Las compañías ya no pueden conformarse con esperar a que los candidatos se postulen. Tienen que salir a buscarlos utilizando la estrategia del social recruiting, que promueve la imagen de la empresa como un lugar ideal para trabajar y genera que los candidatos se interesen en la misma.

Se estima que el 75% de los profesionales son candidatos pasivos. El social recruiting utiliza estrategias del marketing digital para identificar grupos específicos de candidatos, sean activos o pasivos. Así, se pueden identificar personas talentosas que no estén buscando trabajo en forma proactiva. Por este motivo es cada vez más importante la interacción entre las áreas de marketing y comunicaciones y la de RR.HH.

Avanzar en el social recruiting requiere tiempo y esfuerzo, pero es una inversión necesaria para crear relaciones con potenciales candidatos y una identidad de marca fuerte para introducirse en la era digital.

La inteligencia artificial

La inteligencia artificial (IA) ya está presente en nuestra vida cotidiana, integrada a través de aplicaciones como Siri, de Apple; Alexa, de Amazon; o Cortana, de Microsoft. No existe una definición aceptada por todos los expertos de lo que significa la IA. El “Test de Turing” (creado en 1950 por Alan Turing) es una prueba que define si una máquina es o no inteligente. Si un humano interactúa con una IA y no puede distinguir si las respuestas provienen de un ser humano o de la IA, entonces la IA es inteligente. En 2014, por primera vez, una IA superó el Test de Turing.

La IA es una rama de las ciencias computacionales encargada de desarrollar sistemas o aplicaciones capaces de realizar actividades propias de los seres humanos, como el razonamiento, y de reproducir sus conductas. Consiste en una combinación de algoritmos y de identificación de patrones con el propósito de crear máquinas que imiten la inteligencia humana.

Una de las ramas de la IA es el “procesamiento del lenguaje natural” (NLP, por sus siglas en inglés), que permite programar una computadora para que “comprenda”, procese y genere un lenguaje como si fuera una persona. Es decir que desarrolla la capacidad de interpretar textos o el lenguaje oral, simulando la habilidad humana de entender el lenguaje.

Otra es el “machine learning” (ML, por sus siglas en inglés), que sirve para crear sistemas que aprenden automáticamente, es decir que el algoritmo puede identificar patrones complejos en bases con millones de datos y es capaz de predecir comportamientos futuros.

Pero lo más importante es que estos sistemas mejoran de forma autónoma con el tiempo, sin la intervención humana.

Cómo funciona la inteligencia artificial

El artículo titulado “Inteligencia artificial: qué es, cómo funciona y para qué se está utilizando” explica maravillosamente cómo aprende la IA:

En primer lugar, debe aprender a realizar una tarea. Si va a usarse para identificar fotos de gatos debe procesar miles de fotos de gatos, para aprender a distinguirlos.

A continuación, empieza el entrenamiento poniendo en práctica esa teoría: recibe fotos de diferentes animales, y debe separar los gatos. Al principio fallará mucho, y habrá que decirle las fotos que acierta, y las que falla. Así la IA irá descubriendo por qué falla, e irá mejorando sus aciertos. Como más entrene, mejor lo hará.

Finalmente, la IA será capaz de trabajar ella sola, sin recibir órdenes. Simplemente entregándole los datos de entrada (fotos) generará un resultado (fotos de gatos) sin que exista una lista de órdenes (programa) que le diga los pasos que tiene que realizar.

Este tipo de estructura (aprendizaje, entrenamiento, y resultados) es común para las IAs que tienen que realizar tareas mecánicas y repetitivas, o que trabajan con el lenguaje humano, como un asistente virtual. (Estapé, 2021.)

Ambas ramas se utilizan individualmente o en conjunto en aplicaciones para mejorar el desempeño de las áreas de RR.HH. La IA ya está afectando a la selección de personal y esto seguirá incrementándose en la medida en que siga avanzando y perfeccionándose.

Chatbot

Una de esas aplicaciones es el chatbot. Su nombre proviene de la fusión de los términos chat (hablar) y robot. Tiene el propósito de imitar una conversación y el comportamiento de una persona interactuando con otra, utilizando el “procesamiento del lenguaje natural” (NLP). Muchas empresas y entidades públicas (el Gobierno de la Ciudad Autónoma de Buenos Aires, por ejemplo.) han incorporado los chatbots para optimizar procesos, reducir costos y tiempos de ejecución. Normalmente, se utilizan para atención al cliente o a los ciudadanos.

Esta aplicación de la IA ya se está utilizando en la selección de personal para interactuar con los candidatos durante el proceso. Es posible complementar el NLP propio de los chatbots con machine learning (ML), es decir, con un sistema susceptible de ser entrenado para identificar patrones y realizar una preselección preliminar. A partir de realizar algunas preguntas al postulante, puede ir identificando si una persona cumple con los requisitos del puesto y si es conveniente que avance a una entrevista posterior con un selector humano.

Los chatbots tienen múltiples usos, especialmente en la etapa de preselección previa a la entrevista con el selector y también para algunas interacciones con los candidatos durante el proceso.

Solicitar o brindar información a los postulantes: permiten realizar preguntas sobre la experiencia, el conocimiento y las habilidades de los candidatos. Pueden consultar sus expectativas salariales y otras cuestiones específicas que se requieran para la búsqueda, como disponibilidad para viajar o trasladarse a otras ciudades. Son sumamente útiles para brindar información acerca de la empresa, su historia, sus unidades de negocios, los principales productos o servicios que ofrece, etc. De esta manera, el selector evitará una de las tareas más tediosas de su rol que es contactar a decenas de personas que no están localizables, o que finalmente no están interesadas en el puesto. Un chatbot es capaz de realizar estas consultas a cientos de personas al mismo tiempo.

Responder dudas de los candidatos: es posible entrenar al chatbot para dar respuesta a las dudas o preguntas frecuentes de los candidatos, de acuerdo con el perfil (condiciones de contratación, beneficios, etc.). Por otra parte, puede atender las consultas sobre la evolución de la búsqueda, ya sea que estos candidatos avancen o no en el proceso. Es decir que se encarga al chatbot la labor de mantener constantemente informados a los candidatos a través de mensajes personalizados. Esta es una tarea que, muchas veces, al selector le cuesta realizar debido a la carga de trabajo.

Programar entrevistas: los chatbots se pueden integrar a diversos medios, como correos electrónicos, SMS, Messenger de Facebook, aplicaciones de mensajería como Slack, WhatsApp o Telegram y softwares específicos como un ATS (Applicant Tracking System). De este modo mantienen con el postulante una comunicación fluida y, por ende, coordinan las entrevistas con los entrevistadores humanos para que este continúe con el proceso o para citarlo a realizar estudios complementarios (psicotécnicos o exámenes médicos).

Realizar una preselección curricular: los chatbots que complementan el NLP con ML son capaces de procesar múltiples fuentes de datos para detectar y evaluar determinadas características de los candidatos que les permiten seleccionar un grupo pequeño de ellos, potencialmente adecuados para el puesto. Según Sanzana (2019), pueden “entrevistar 10 a 20 veces más candidatos que en un proceso tradicional”. Esta es una gran ventaja, ya que acelera sustancialmente el proceso de selección al evitar todo el trabajo de preselección antes de la entrevista.

Los chatbots contribuyen a una reducción significativa del tiempo dedicado a esas actividades y a que los selectores se concentren en la actividad en la que suman mayor valor agregado, es decir, en la entrevista con el candidato.

Los robots

Existen varios modelos de robots para selección de personal, como Vera y Mya, que pueden encontrarse en el mercado con ese nombre, pero son solo aplicaciones de IA. Los robots no dejan de ser sistemas que utilizan IA. Se diferencian de los chatbots en que estos siempre utilizan la tecnología del lenguaje natural y en que solo algunos están desarrollados para aprender, es decir que utilizan machine learning.

La IA, a través de diferentes algoritmos informáticos, identifica patrones que permiten evaluar y clasificar de manera instantánea la información de los currículums recibidos o ya presentes en la base de datos, y también monitorear las redes sociales, detectando los candidatos que no están buscando trabajo. Las aplicaciones de IA más sofisticadas pueden incluir la utilización del reconocimiento de voz y la evaluación de distintas variables a través de videos. Mediante el machine learning consiguen aprender y automatizarse, alcanzando resultados mucho más efectivos. Esta tarea podría demandarle días o semanas enteras a un selector.

Unilever ha implementado en varios países europeos formas novedosas de selección a través de la gamificación y la IA. Gran parte del proceso se realiza sin el contacto con personas. Después de cargar sus datos en la página web, se le propone al postulante una serie de 12 juegos online que debe resolver en 20 minutos. De esta manera la IA puede evaluar competencias como capacidad analítica y toma de decisiones, entre otras. En el próximo paso se le pide al candidato que realice una entrevista online grabada, en la que responde preguntas relacionadas con problemáticas de situaciones reales susceptibles de ocurrir en la empresa. De este modo se analizan sus respuestas, sus gestos faciales y su expresión oral. La información total recopilada en estas instancias le permite a la IA realizar una preselección de candidatos que avanzarán a una etapa final, la cual ya es presencial, con un profesional de selección.

En un artículo publicado en Business Insider, Feloni (2017) presenta esta información sobre el caso Unilever: “El tiempo medio para que un candidato sea contratado pasó de cuatro meses a cuatro semanas, ahorrando un total de 50.000 horas de tiempo de candidatos. El tiempo empleado por los reclutadores para revisar las solicitudes disminuyó en un 75%”. Sin duda, la IA reduce muchísimo los tiempos del selector y el costo del proceso. Y no es solo Unilever. Tesla, Accenture, LinkedIn y Sutherland, entre otras grandes multinacionales, también están usando la IA en sus procesos de reclutamiento.

Beneficios de la aplicación de la IA a la selección de personal

Sin duda, la IA, en cualquiera de sus formas, es un complemento realmente útil para la adquisición de talento, que se ha transformado en una función estratégica de las compañías. Sirve para identificar e incorporar en el menor tiempo posible a los mejores candidatos del mercado. Normalmente se destacan los siguientes beneficios.

Foco del trabajo del selector: las tareas de preselección curricular revisando cientos de currículums que no se adecuan al perfil generan una pérdida enorme de tiempo improductivo del selector. Este podrá dedicar su disponibilidad al relevamiento del perfil y a las entrevistas personales, actividades en las que mayor valor agregado brinda. La evaluación y las decisiones que tome en cuanto a la adecuación de un candidato al puesto y a la cultura de la empresa se realizarán con más tranquilidad y a conciencia, debido a que se concentrará en esa tarea, dejando que las aplicaciones de IA se ocupen de las labores operativas y rutinarias. Las aplicaciones de IA que utilizan machine learning las llevan a cabo con muchísima velocidad y las 24 horas del día. Inevitablemente, se irá cada vez más en ese sentido.

Mejora la diversidad: los selectores, indudablemente, pueden estar atravesados por sesgos inconscientes de género, edad, raza, etc. Algunos autores consideran que estas cuestiones pueden ser neutralizadas por los robots. La IA actúa en función de algoritmos, detectando patrones para preseleccionar a los candidatos.

Esto significa que el robot lo hace de forma objetiva, según la información que le brinda la empresa. Siempre que las bases de datos que utilice la IA mantengan un nivel razonable de diversidad, factores como el género, la edad, la cultura, o cualquier otro no deberían afectar el proceso de selección.

Límites de la IA para su aplicación en la selección

Cabe, sin embargo, reconocer algunos inconvenientes de la IA.

La información que reciben: uno de los puntos que se destacan en la IA para selección es que mejora la diversidad. Es cierto que los selectores ponen inevitablemente en juego su subjetividad y eso es algo que un buen profesional busca mejorar. No obstante, no es tan cierto que a través de la IA se evita el sesgo. El caso paradigmático es el de Amazon, una de las empresas pioneras en utilizar la IA para la contratación de sus empleados. La organización detectó que el algoritmo era sexista y que prefería seleccionar hombres antes que mujeres, discriminando a estas últimas para ocupar un puesto de trabajo en la compañía. ¿Qué es lo que ocurrió con Amazon y que puede ocurrir con cualquier otra empresa? Utilizó la base de datos que tenía de los últimos diez años para enseñarle a la IA. Como la mayoría eran hombres, el algoritmo mantuvo el sesgo.

Si existe un problema de sesgo, no es un problema de la IA sino de la información (base de datos) con que se la nutre y que es provista por los humanos. En sí misma, la IA no tiene sesgos. Lo que es difícil evitar es que los sesgos humanos se trasladen a la IA cuando el sistema utiliza el aprendizaje automático.

Sin duda, los beneficios de la IA aplicada a los RR.HH. son muchos. No obstante, Dastin reproduce en un artículo publicado en Reuters (2018) las palabras de Nihar Shah, profesor de aprendizaje automático en la Universidad Carnegie Mellon: “todavía hay mucho trabajo por hacer”. Y afirma: “Cómo garantizar que el algoritmo sea justo, cómo asegurarse de que el algoritmo sea realmente interpretable y explicable, eso todavía está bastante lejos”.

La definición de los patrones para la selección: la IA requiere de criterios muy específicos de las variables que debe analizar. Teniendo en cuenta la dificultad de muchas empresas para relevar el perfil con precisión, en conjunto con la línea, puede ocurrir que los parámetros establecidos deban ser cambiados reiteradamente, como ocurre de hecho en la actualidad. La diferencia es que el selector es capaz de adecuarse rápidamente a ese cambio, mientras que la IA, una vez que hizo el trabajo de aprendizaje con un patrón, tiene que iniciar un nuevo proceso de entramiento, con el retraso correspondiente.

El tiempo de aprendizaje: la IA requiere un proceso de aprendizaje inicial seguido de un entrenamiento para lograr los resultados esperados. Esto significa tiempo y contar con información que sirva para generar los patrones de selección. Por información se entiende cientos de currículums exitosos para un determinado puesto y/o datos de los mejores empleados para esa posición. Sin esta información, el algoritmo no dispone de parámetros para aprender y realizar un pronóstico de los candidatos adecuados, lo que implica una limitación para usar la IA para todos los puestos. El tiempo y el esfuerzo de diseño del algoritmo y del entrenamiento para poder realizar la preselección no se justifican para búsquedas puntuales. Sin embargo, para perfiles con alta rotación o en empresas donde existen puestos ocupados por muchas personas (cajeros en Mc Donald por ejemplo), la utilización de la IA es sumamente recomendable. Starbucks y Procter & Gamble son líderes en ese sentido.