Llegamos a ustedes gracias a:



Reportajes y análisis

Eliminar las preferencias en la contratación

La inteligencia artificial y el aprendizaje automático pueden ayudar.

[01/02/2017] La diversidad (o la falta de ella) sigue siendo un gran reto para las empresas de tecnología. Preparadas para revolucionar el mundo del trabajo en general, algunas organizaciones están aprovechando la tecnología para eliminar las preferencias, identificar y filtrar mejor a los candidatos, y ayudar a cerrar la grieta de diversidad.

Eso comienza entendiendo la naturaleza de la preferencia y el reconocimiento de que la preferencia inconsciente es un problema mayor, señala Kevin Mulcahy, analista de Future Workplace y co-autor del libro "The Future Workplace Experience: 10 Rules for Managing Disruption in Recruiting and Engaging Employees". La inteligencia artificial y el aprendizaje automático puede ser un observador objetivo para detectar patrones de preferencias, anota Mulcahy.

"El reto con la preferencia inconsciente es que, por definición, es inconsciente, por lo que hace falta que algún otro, tal como la inteligencia artificial, reconozca estas ocurrencias y señale los patrones percibidos de preferencias. El análisis habilitado por la inteligencia artificial de los patrones de comunicación sobre los remitentes o receptores -como género o edad- puede ser usado para filtrar patrones de preferencia y presentar el análisis de patrones a los originadores", indica el analista.

Estableciendo la estrategia

Una vez que se ha identificado la preferencia ¿cómo es que las empresas pueden abordarla? Los primeros pasos se tratan de identificar que esa preferencia es un problema, y establecer estrategias en todos los niveles de la organización para abordarlo y cambiarlo, indica Mulcahy.

"Las empresas se enfrentan a preferencias inconscientes de muchas maneras, comenzando con el reconocimiento de que existe, mostrando el deseo de cambiar, estableciendo estrategias y metas, y haciéndole seguimiento a los cambios. Una clave para abordar las preferencias observables es vincular ejemplos de ésta a sus ascensos y pagos de bonificación. De manera simultánea, puede demostrar explícitamente que ejemplos de inclusión ayudarían a los ascensos y a la ganancia de bonos", añade Mulcahy.

También es importante medir y hacerle seguimiento tanto a las mejoras como a los patrones negativos de comportamiento, anota Mulcahy. Las interfaces de inteligencia artificial pueden ser una muy buena fuente de medidas objetivas de patrones de conducta entre trabajadores. Sin embargo, no se le puede dejar todo a la tecnología, indica Mulcahy.

"Tiene que crear una cultura de 'Si ves algo, di algo' que llegue tan alto como hasta el liderazgo ejecutivo. No espere que la gente de más bajo rango comunique ejemplos de preferencias, si es que los seniors no han dado ni permiso ni ejemplos. Aun así, puede usar la inteligencia artificial para ayudar. Las máquinas no conocen sobre jerarquía y pueden proporcionar informes analíticos a trabajadores de cualquier nivel, pero tiene que haber un elemento humano", agrega.

La responsabilidad también es clave al momento de cambiar los patrones de preferencia. Todos en una organización tienen que asumir cierta responsabilidad por ascender y suministrar individuos diferentes a uno mismo, y la inteligencia artificial puede ayudar analizando los patrones de las nuevas contrataciones o ascensos en los que los trabajadores están, ya sea, recomendando candidatos que sean mensurablemente iguales o diferentes de ellos mismos, anota Mulcahy.

"Este tipo de informes de excepción pueden hacer que los gerentes sean más responsables de explicar, por escrito, la justificación de cualquier contrato que sea similar en edad, sexo y raza a ellos mismos. Cambiar la carga de detección de patrones de igualdad a una máquina, mientras que, simultáneamente, se coloca la carga en los gerentes de contratación para explicar la igualdad expone, rápidamente, los argumentos débiles con los cuales se defiende la continua igualdad y envía un poderoso mensaje diciendo que la diversidad es valorada, añade.

Soluciones libres de preferencias

Por supuesto, tiene que asegurarse que cualquier producto de aprendizaje automático o inteligencia artificial usado de esta manera está libre de preferencia -o tan libre como sea posible, señala Aman Alexander, director de gestión de productos en CEB Sunstone Analytics, una plataforma de evaluación algorítmica para el reclutamiento y la contratación.

"La inteligencia artificial y el aprendizaje automático pueden ayudar a cerrar la brecha de la diversidad, siempre y cuando no sea susceptible a la preferencia humana. Por ejemplo, reclutar empleados del centro de contacto puede proporcionar modelos de inteligencia artificial y aprendizaje automático con las formas de solicitud histórica de los empleados contratados del centro de contacto con altas puntuaciones de satisfacción del cliente. Esto permite que el modelo recoja los atributos/rasgos sutiles y que no se vea afectado por los prejuicios laborales en el trabajo", indica Alexander.

Simplemente utilizando un proceso objetivo y automatizado como éste es posible reducir, drásticamente, el alcance de la preferencia humana. Si, por ejemplo, se usan herramientas de inteligencia artificial y aprendizaje automático para reducir el número de solicitantes de 100 a los 10 últimos entrevistados, eso significa que el 90% de la reducción de la reserva se realizaría en un proceso inmune a cualquier preferencia humana, explica Alexander.

Resultados no intencionales

Hay, sin embargo, algunos impactos adversos no intencionales que debe buscar evitar, añade Alexander. "Digamos que un modelo de aprendizaje automático e inteligencia artificial podría recoger con precisión una relación estadística entre los quarterbacks de futbol universitario y el alto desempeño en los roles de ventas. Esa relación podría basarse en factores causales enteramente meritocráticos -el rol del quarterback demanda una combinación de habilidades mentales, de toma de decisiones y de influencia para liderar un equipo, lo que se traduce en roles de ventas de alta presión. Una consecuencia no intencionada de todo eso es excluir a las candidatas por el hecho de que solo los hombres pueden ser quarterbacks de futbol universitario. El algoritmo, entonces, estaría favoreciendo una característica que nunca encontraría en una mujer, lo que les perjudicaría", anota.

Lo increíble de la tecnología como ésta es que, a diferencia de las preferencias humanas, es mucho más fácil eliminar las inclinaciones, añade. Los algoritmos pueden ser probados usándolos para puntuar a miles de candidatos y luego probar las características demográficas y de género de estos.

"Si, en promedio, a lo largo de todos los rasgos, los valores del algoritmo están desproporcionadamente excluyendo a mujeres o cualquier otro grupo de gente, este puede ser identificado y corregido de manera iterativa y sin problema", anota Alexander.

Además del potencial general de la inteligencia artificial para identificar preferencias inconscientes, algunas empresas de tecnología están aprovechando la inteligencia artificial y el aprendizaje automático para abordar manifestaciones específicas de preferencias, como el lenguaje de género en las descripciones de trabajo, identificar diversos candidatos que ya existen en el sistema de seguimiento de solicitantes de una empresa.

Cuide su lenguaje

Las empresas a menudo le echan la culpa a su falta de diversidad en la escasez de candidatos calificados. Usando la inteligencia artificial y el aprendizaje automático para ayudar a las organizaciones a eliminar el lenguaje de género de las descripciones de trabajo, puede diversificar el grupo de solicitantes y mejorar las posibilidades de contratar tecnólogas, anota Kieran Snyder, CEO y cofundadora de Textio, una plataforma de aprendizaje automático que analiza patrones.

El concepto de listas de trabajo "de género" se refiere al uso de términos masculinos -o femeninos- en las descripciones de trabajo. La idea ha ido ganando reconocimiento desde que fue investigada por la Asociación Americana de Psicología, cuyos descubrimientos ilustraron cómo es que algunas palabras aparentemente inofensivas pueden, en realidad, señalar una preferencia de género en los anuncios de trabajo, indica Snyder, y eso puede tener un impacto en el número de mujeres que aplican a trabajos abiertos, así como las que son realmente contratadas.

"Es lógico que si se llega a un grupo más amplio de solicitantes es mucho más probable que tenga más solicitantes, lo que, a su vez, mejora la diversidad y acelera los procesos de reclutamiento y contratación", agrega Snyder.

El índice predictivo de Textio usa datos de más de 45 millones puestos de trabajo y los combina con los resultados de contratación, para medir el desempeño de contratación y el tono de género de los puestos de trabajo, señala Snyder. La herramienta está diseñada para hacer un juicio cuantitativo sobre la efectividad del lenguaje utilizado en los puestos de trabajo y ayuda a las empresas a modificarlos para atraer a mejores candidatos y más diversos, agrega Snyder.

Mire internamente primero

La inteligencia artificial y el aprendizaje automático también pueden ayudar a descubrir candidatos que ya puede haber almacenado en su ATS para acelerar la búsqueda y mejorar su fuente de información, indica Steve Goodman, CEO y fundados de Restless Bandit, una empresa de software de redescubrimiento.

"Somos una empresa de inteligencia artificial y análisis de datos. Nuestras herramientas se conectan a su sistema de ATS y al de Recursos Humanos, buscan las aplicaciones y currículums que tiene, y los compara para abrir las descripciones de trabajo". El producto de Restless Bandit remueve las preferencias inconscientes eliminando los nombres, información geográfica y cualquier otra información sobre un candidato que pueda provocar preferencias o prejuicios, ya sean inconscientes o no, anota.

Las compañías están sentadas sobre un cofre del tesoro de aplicaciones, currículums y potenciales talentos, y, sin embargo, siguen pagándole a reclutadores que busquen candidatos, indica Goodman. Las herramientas de Restless Bandit no solo ayudan a hacer que la contratación sea más eficiente, sino que mejora la marca de un empleador a los ojos de los posibles candidatos, añade.

"¿Cuántas veces ha escuchado: 'Gracias, guardaremos su currículum', y nunca volvió a escuchar de esa empresa de nuevo? Ese es un gran problema. Su aplicación simplemente desaparece en el abismo. Pero imagínese cómo se sentiría el candidato acerca de usted si es que lo llama y le dice, 'miremos estos otros trabajos para los que está calificado, incluso si no son para los que ha aplicado' -eso muestra que realmente le está prestando atención", comenta Goodman.

La relevancia del reclutamiento

Finalmente, la inteligencia artificial y el aprendizaje automático están siendo aplicados para realizar búsquedas de candidatos más relevantes y específicas, anota Shon Burton, CEO de HiringSolved, empresa que navega en la web en busca de datos del candidato disponibles de manera pública y luego los compila para crear perfiles de candidatos, indica Burton.

"El currículum está muerto. Diez años atrás obteníamos toda la información que necesitábamos sobre el candidato de su currículum. Ahora, la obtenemos de la web y está constantemente actualizada -es un flujo de datos de alta frecuencia. Lo que hacemos es mirar todos los datos públicos disponibles a través de la web y nuestro software busca algunos niveles relevantes para encontrar talento", indica Burton.

Es diferente que un filtro de búsqueda Booleano, que requiere mucha más información y esfuerzo manual, y se basa en eliminar las respuestas "incorrectas" de un conjunto de datos. Los algoritmos de HiringSolved clasifican a los candidatos potenciales con base en la información de sus perfiles públicos, y en qué tan relevante es esa información para los parámetros de búsqueda particulares de la descripción del trabajo específico, señala.

"Si está saliendo y tratando de identificar candidatos, tiene un gran problema de datos -está mirando algo así como mil millones de perfiles sociales y tiene que determinar lo que es relevante y lo que no, lo que está fuera de fecha, qué información es sobre la misma persona y hacer interferencias sobre esos datos", anota Burton. Usar la inteligencia artificial y el aprendizaje automático para buscar, acelera el proceso y la hace más eficiente, dice, y hace que sea más fácil encontrar diversos candidatos en la parte superior del embudo de contratación.

Si una empresa está buscando a una administradora de sistemas mujer de Linux, por ejemplo, el software puede buscar y proyectar a todas las candidatas potenciales con la cantidad relevante de experiencia, las credenciales y la educación correcta, y ponerlos al frente de un director de contratación o reclutamiento. Va más allá de simplemente mirar los títulos de trabajos y la experiencia previa de trabajo, también, y puede centrarse en habilidades específicas que podrían hacer de alguien un gran administrador de sistemas con la experiencia de Linux, abriendo la fuente de talentos, ya que está optando por meter gente en vez de filtrarlos, indica Burton.

"Lo que después depende de los humanos involucrados es hacer interferencias. ¿Qué tan antiguos son los datos? ¿Qué tan confiables son? Ese tipo de cosas. Sin embargo, la tecnología puede acelerar muchísimo el proceso", añade.

Futuro potencial

Una de las más grandes ventajas que las herramientas de aprendizaje automático e inteligencia artificial tienen sobre los procesos únicamente humanos es que pueden ser entrenados y validados de manera empírica, señala Alexander de CEB Sunstone Analytics. Algunas veces, los rasgos que las empresas consideran más importantes en las contrataciones de calidad resultan ser inconsecuentes, mientras que los rasgos considerados como "negativos" hacen que los candidatos tengan más probabilidades de tener éxito. Con la tecnología de inteligencia artificial y aprendizaje automático, las empresas pueden confiar únicamente en las relaciones estadísticas reales para estas decisiones, indica.

"La mente humana no está diseñada para el tipo de reconocimiento de patrón que puede ser más útil a la hora de tomar decisiones de contratación. Por ejemplo, la mayoría de gente será capaz de enunciar una lista de los muchos rasgos que desean o evitan en un candidato ideal, pero no tendrá idea de cuál es la tasa de éxito o fracaso de la gente que exhibe esos rasgos, y por lo tanto no tienen datos para justificar sus creencias", indica. El análisis de inteligencia artificial y el aprendizaje automático, sin embargo, puede proporcionar datos sólidos que confirman o niegan las creencias de los reclutadores, de los gerentes de contratación y de los ejecutivos sobre los tipos de contratos que deberían estar haciendo, agrega.

Potencial para estas soluciones

Muchas de estas tecnologías ya se implementaron en el mercado y se venden a compañías de Fortune 100, y su alcance y aplicabilidad potencial va en aumento, indica Alexander.

"Hay unos factores importantes en juego. Una mayor captura de datos por los sistemas de información de ATS y Recursos Humanos en las empresas, significa mayores capacidades para que la tecnología de inteligencia artificial y de aprendizaje automático proporcionen un impacto significativo. Más accesibilidad de datos a través de herramientas de programación de lenguaje semántico y natural, nos han permitido desglosar y desbloquear el significado y los datos dentro de los datos no estructurados como el texto en forma libre o los datos en formatos desordenados. Esto proporciona conjuntos de datos más ricos sobre los cuales entrenar logaritmos. El poder de computación barato con computación en la nube escalable y aumentada por el uso de la comunidad de reclutamiento y Recursos Humanos también está ayudando a dirigir la adopción", indica.

Ya sea eliminando las preferencias y prejuicios inconscientes en general o atacando manifestaciones específicas de estos en el reclutamiento, en la filtración y en la contratación de talentos; la inteligencia artificial y el aprendizaje automático tiene el potencial para nivelar el campo de juego para las mujeres y otras minorías poco representadas, y proporcionar una ventaja competitiva para las empresas, señala Victoria Espinel, CEO del grupo de apoyo/promoción de la industria BSA The Software Alliance. Estas tecnologías pueden jugar un importante papel en la apertura de oportunidades económicas y de carrera para toda la gente posible, y específicamente compensar las preferencias para reducir o eliminarlas, anota.

"Creo que hay un enorme potencial para este tipo de tecnologías y es muy importante aplicarlas de esta manera. El software definitivamente puede jugar un rol mitigando cualquier impacto negativo de nuestras preferencias y asegurándose de que hay una amplia gama de perspectivas y pensamiento creativo dedicadas a diseñar productos y soluciones para r que puedan ser accesible por el mayor número de personas posible", indica Espinel.