Machine Learning para Gestión del Talento Humano

Introducción

El concepto Machine Learning (en español Aprendizaje automático) se utiliza desde

los 50, pero ha sido en la última década que ha tomado más relevancia. Esto se
debe al aumento de la capacidad en la computación, así como los grandes
volúmenes de datos que las empresas tienen que manejar.

Definición

El Machine Learning es el estudio científico de algoritmos y modelos estadísticos

que los sistemas informáticos utilizan para realizar de manera efectiva una tarea
específica sin utilizar instrucciones explícitas, sino que se basan en patrones e
inferencias. Otra manera de definirlo sería como una rama de la inteligencia artificial
enfocado en desarrollar técnicas que permitan que las computadoras aprendan. En
concreto, consiste en crear programas capaces de generalizar comportamientos a
partir de una información suministrada en forma de ejemplos.

Clasificación:

Supervised Learning: Se dispone de un conocimiento previo que ayudará a

comprender los datos cuando lleguen. Así ayudará a tomas decisiones o hacer
predicciones. Por ejemplo: el sistema de control de spam de correos de google.

Unsupervised Learning: No se tiene una experiencia previa para analizar los datos.
Por esta razón está más orientado a la búsqueda de patrones. Dentro de este grupo
están los análisis de datos científicos y análisis de redes sociales.

Importancia

La cantidad de datos que se generan actualmente en las empresas se está

incrementado de forma exponencial. Extraer información valiosa de ellos supone
una ventaja competitiva que no se puede menospreciar. El reto de sacar partido de
los datos se ha simplificado enormemente. El Machine Learning de hoy no es como
antes. Esto quiere decir que con datos de calidad, tecnologías adecuadas y análisis
propicios es posible actualmente crear modelos de comportamiento para analizar
datos de gran volumen y complejidad. Además, los sistemas proporcionan
resultados rápidos y precisos sin intervención humana, incluso a gran escala. El
resultado: predicciones de alto valor para tomar mejores decisiones y desarrollar
mejores acciones de negocio.

Ámbitos de aplicación

Muchas actividades actualmente ya se están aprovechando del Machine Learning.

Sectores como el de las compras online – ¿no te has preguntado alguna vez cómo
se decide instantáneamente los productos recomendados para cada cliente al final
de un proceso de compra?, dónde poner un anuncio para que tenga más visibilidad
en función del usuario que visita la web – o los filtros anti-spam llevan tiempo
sacando partido a estas tecnologías.

El campo de aplicación práctica depende de la imaginación y de los datos que estén

disponibles en la empresa. Estos son algunos ejemplos más:

 Detectar fraude en transacciones.

 Predecir de fallos en equipos tecnológicos.
 Prever qué empleados serán más rentables el año que viene (el sector de los
Recursos Humanos está apostando seriamente por el Machine Learning).
 Seleccionar clientes potenciales basándose en comportamientos en las
redes sociales, interacciones en la web…
 Predecir el tráfico urbano.
 Saber cuál es el mejor momento para publicar tuits, actualizaciones de
Facebook o enviar las newsletter.
 Hacer prediagnósticos médicos basados en síntomas del paciente.
 Cambiar el comportamiento de una app móvil para adaptarse a las
costumbres y necesidades de cada usuario.
  Detectar intrusiones en una red de comunicaciones de datos.
 Decidir cuál es la mejor hora para llamar a un cliente.

Recursos humanos y machine learning

1. Machine learning y el valor de los recursos humanos

Uno de los puntos fuertes de la inteligencia artificial es su potencial para automatizar

tareas y para ayudar a la toma de decisiones basadas en datos. Esto tienen un
impacto directo en la eficiencia y el ahorro de costes en un negocio. Aplicaciones
como los chatbots (programas con los que interaccionar a través de una
conversación natural) o los asistentes virtuales (como Alexa o Siri) pueden contribuir
a reducir el trabajo más administrativo de los recursos humanos.

“A la hora de generar valor estratégico para el negocio, el machine learning puede

predecir la rotación de personal de manera más efectiva, evaluar quién será un buen
empleado, mapear las trayectorias profesionales de los empleados y crear
experiencias personalizadas de aprendizaje y desarrollo”, señala Aubrey Chapnick.
Estas tareas, aunque estén dirigidas por personal humano, pueden verse
potenciadas gracias a la inteligencia artificial.

2. Una estrategia basada en datos

Si la inteligencia artificial fuese un coche, el big data sería su gasolina. Una de las
razones del progreso de la IA en los últimos años es la ingente cantidad de datos
que producen nuestras sociedades. Este big data alimenta, entrena y pule los
algoritmos de machine learning. Este mismo esquema se replica también en los
departamentos de recursos humanos, que atesoran importantes bases de datos
sobre los empleados de la empresa.

“Los recursos humanos necesitan empezar a pensar cómo administrar y organizar

la gran cantidad de datos de los que disponen. Una estrategia de datos para
recursos humanos implica pensar dónde se almacenarán los datos, cómo se
categorizarán y organizarán, quién tendrá acceso a ellos y en qué situaciones, quién
asegurará su gobernanza y, lo que es más importante, cómo se pueden utilizar junto
con otros datos, como los comerciales o los operativos”, explica el lead associate
de Willis Towers Watson Talent and Rewards.

En este escenario, la privacidad juega un papel cada vez más importante. La

entrada en vigor del Reglamento General de Protección de Datos de la Unión
Europea (RGPD) ha marcado las líneas rojas del tratamiento, almacenamiento y
utilización de los datos personales. En los datos está el poder para que la IA señale
tendencias, prediga cambios y ayude a mejorar la gestión de los equipos humanos.
Sin embargo, ninguna de estas ventajas es excusa para no proteger la privacidad
de los empleados.

3. Una oportunidad más allá de la automatización

Es cierto que la inteligencia artificial es capaz de hacer muchas cosas por sí misma.
En el futuro cercano, desarrollará cada vez más habilidades, facilitando la
automatización de muchos de los trabajos que hoy desarrollan personas. Uno de
los grandes desafíos de las organizaciones es, precisamente, cómo aprovechar el
talento humano, dejando las tareas más mecánicas y administrativas en manos,
precisamente, de las máquinas.

“Los departamentos de recursos humanos deben ayudar a las organizaciones a

deconstruir los puestos trabajos, reorganizar tareas y crear trabajos nuevos, más
humanos, que aporten más valor al negocio y a las personas que los realizan”,
asegura Chapnick. De hecho, una encuesta reciente elaborada por Willis Towers
Watson sobre el futuro del trabajo señala que el 57% de las compañías plena
aprovechar la tecnología para aumentar el rendimiento del personal en lugar de
usarla solo para reducir costes.
¿Cuál es la situación actual?

En lo que hace a sus usos en Recursos Humanos, si bien el potencial de crecimiento

es amplio, el uso actual del Learning Machine es limitado y presenta un dilema que
deberá resolverse en el futuro, relacionado con la capacidad de las máquinas de
descubrir el talento en los seres humanos, más allá de sus competencias duras y
verificables como, por ejemplo, nivel de estudios, etc.

Por el momento tiene su foco principal en los procesos de reclutamiento, dos de los
programas más utilizados son:

ATS (“Applicant Tracking Systems”) para la búsqueda y calificación de candidatos

a una determinada vacante. Son valiosos en búsquedas masivas y para una primera
selección; sin embargo, en la medida que se avanza en el proceso, se vuelve
necesaria la participación humana para evaluar otros rasgos propios de las
personas (presencia, desenvolvimiento personal, empatía, etc.).

Lo mismo ocurre con los “chatbots” que pueden resolver inquietudes -por ahora
básicas- de los empleados como, por ejemplo, fechas de pago, vacaciones
pendientes, etc. Pero están claramente limitados dado que no tienen la posibilidad
de interpretar el contexto y situación del empleado, seguir determinados
lineamientos corporativos, interactuar con lenguaje coloquial, entre otros ejemplos.

Ventajas competitivas

Ahora bien, ¿cuáles son las ventajas competitivas de Machine Learning versus los
métodos tradicionales o el mismísimo cerebro humano? Resulta casi obvio, estos
programas/algoritmos son capaces de leer enormes cantidades de datos a una
velocidad imposible para el ser humano, así como “aprender” combinando estos
patrones para llegar a nuevas conclusiones derivadas de los mismos. Esto me lleva
a pensar la posibilidad de que en un futuro cercano estas máquinas lleguen a
conclusiones innovadoras en lapsos muchísimo menores a la capacidad humana
de procesarlos, permitiéndonos dar un verdadero salto en calidad de vida.
El futuro de Recursos Humanos es el Machine Learning

El Aprendizaje Automático o Machine Learning (ML) en el área de Recursos

Humanos supone un gran avance en la búsqueda y retención de talento, mejorando
la experiencia del colaborador, así como la adecuación de personas a equipos o
puestos y hasta teniendo impacto en la motivación.

Conclusión

Después de todo esto, ¿merece la pena realmente invertir todo el esfuerzo y dinero
necesario en una estrategia para introducir Machine Learning en nuestros
procesos?, ¿es tan importante exprimir de forma tan sofisticadas la información que
tenemos? Absolutamente sí, la Información es la gran herramienta de nuestro
tiempo, con la complejidad de los entornos actuales, cualquier decisión que
tomemos no basada en los datos adecuados es más una apuesta que una
estrategia. En palabras del ingeniero y estadístico Deming: “In God we trust. All
others must bring data.” ("En Dios confiamos. Todos los demás deben traer datos").