Daniel Martinez - La selección de talentos en la era digital

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.

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.

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.

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.