Cómo implementar Machine Learning en RR.HH

- , , ,

Como todos los meses, nuestros compañeros de Spain AI, comunidad de Inteligencia Artificial  de España, ha llevado a cabo diferentes webinars relacionados con estas tecnologías. De todos los programados, nosotros nos hemos quedado con el que llevó a cabo Lydia Moya, Artificial Intelligence y Data Manager en Deloitte, el pasado jueves. ¿Por qué? Muy sencillo, ha analizado con todo lujo de detalles el potencial del Machine Learning dentro de uno de los departamentos que más nos apasiona: Recursos Humanos. ¿Interesante, verdad? Pues no te pierdas lo que te contamos sobre Machine Learning en RR.HH:

Punto de partida

Aunque las áreas de recursos humanos están incorporando machine learning a un ritmo más lento que otras áreas, en los últimos meses ha experimentado un crecimiento sin igual. Los Recursos Humanos han ido pasando por distintas fases, es por eso, que se hayan convertido en áreas mucho más estratégicas. Las empresas apuestan por la digitalización de las éstas áreas y estos son los objetivos principales a resolver con el Machine Learning:

Desarrollo de ChatBots para empresas

Creamos chatbots en WhatsApp, Facebook Messenger, Telegram...

Contáctanos en nuestra web
  • Ayudar a la organización a convivir con las nuevas tecnologías.
  • Poder mejorar el desempeño de los departamentos de RRHH incorporando Machine Learning e Inteligencia Artificial.
  • Aportar valor al negocio a través de la aplicación de Machine Learning e Inteligencia Artificial.

Son muchas las empresas que están apostando por el Machine Learning. La mayoría tiende a crecer y evolucionar, intentando que el Machine Learning no sea una herramienta para automatizar procesos, si no que permita ser un area proactiva que se anticipe a las peticiones de sus clientes y de respuesta a través de los datos.

Datos en Recursos Humanos

En primer lugar, es muy importante la confidencialidad del dato. Los datos en RR.HH. son confidenciales, lo que impide realizar análisis en profundidad en múltiples conjuntos de datos. Muchos de los datos que podemos pensar que son parte de los recursos humanos, como por ejemplo los sueldos e incentivos, en muchos casos no pertenecen a los departamentos de RRHH, por lo que es muy difícil acceder a ellos.

En segundo lugar, datos con ruidos. Por la madurez del área trabajando con datos, en ocasiones, encontramos datos ruidosos, inconsistentes y con información faltante, un problema que se ve agravado por la pequeña proporción de datos disponibles. Gracias al uso del Machine Learning, se pueden aprovechar estos datos y llegar a conclusiones que previamente eran impensables.

Machine Learning en RR.HH

Antes de comentar cuáles son las aplicaciones más utilizadas de Machine Learning dentro de los departamentos de RR.HH, Lydia Moya destacó que en muchas ocasiones el panorama que se encuentran cuando trabajan con estos departamentos, es que este no está preparado para asimilar este tipo de aplicaciones. No está preparado porque nunca se han trabajado con datos de esta manera, porque no tienen capacidades que les permita aplicar técnicas de Machine Learning para solucionar los retos que se identifiquen, y tampoco tienen la tecnología necesaria.

Las ventajas de la implementación de Inteligencia Artificial y ML en RRHH

Algunas de las ventajas que existen a la hora de trabajar con estas tecnologías en este sector son:

  • Aumentos anuales de inversión en tecnología en RRHH (29%)
  • Se pueden ahorrar 600 horas al año por persona utilizando soluciones de ML que permiten automatizar tareas (bots de recursos humanos inteligentes)
  • 24% más ingresos operativos para las empresas que utilizan análisis predictivo de recursos humanos.
  • El  59% de las organizaciones sienten que la IA es importante para RRHH; solo el 31% se siente preparado.

 Aplicaciones actuales de Machine Learning en RR.HH

Las empresas están avanzando hacia una mejor evaluación de los solicitantes:

  • Seguimiento y evaluación de solicitantes. La carrera para conseguir los mejores candidatos y el ajuste adecuado ha llevado a muchas empresas a incorporar la IA en sus procesos de contratación. Empresas como Glint y Peoplise están utilizando la interfaz de IA para lograr:
    • Ajuste perfecto entre los rasgos de los solicitantes y los resultados comerciales.
    • Contratación sin sesgos y prejuicios.
    • Contratación basada en resultados.
  • Atracción del talento. EL talento adecuado es la clave para el éxito de cualquier organización. Empresas como LinkedIn, Indeed, Glass door y SEEK utilizan aplicaciones de Machine Learning para crear mapas de interacción basados en datos de usuarios y búsquedas, conexiones y publicaciones anteriores.
  • Detección de satisfacción y compromiso. Advanced NLP incluye la capacidad de procesar una gran cantidad de datos y algoritmos no estructurados para identificar emociones, acciones y puntos de vista. Los algoritmos que lo hacen se denominan algoritmos prototípicos. Esos algoritmos rastrean el comportamiento de los empleados y detectan sus emociones.
  • Predicción de perfomance. El aprendizaje automático está mostrando su potencial para impulsar la gestión y el desarrollo individuales.

Usos clave del  Machine Learning y Deep Learning en el contexto de RR.HH

Para analizar este punto, Moya divide la aplicación y el potencial de esta tecnología en base a las dos herramientas que se conocen: Machine Learning y Deep Learning.

MACHINE LEARNING 

  • Detección de anomalías. Identificar elementos, eventos u observaciones que no se ajusten a un patrón esperado u otros elementos en un conjunto de datos.
  • Verificación de background. Los modelos productivos basados en Machine Learning pueden extraer significado y general señales de alerta en función de los puntos de datos estructurados y no estructurados de los currículos de los solicitantes.
  • Desgaste del empleado. Encontrar empleados que corren un alto riesgo de desgaste, lo que permite a RRHH interactuar de forma proactiva con ellos y retenerlos.
  • Personalización de contenido. Proporcionar una experiencia de empleado más personalizada mediante el uso de análisis productivos para recomendar trayectorias profesionales, programas de desarrollo profesional u optimizar un sitio de carrera basado en las acciones de los solicitantes anteriores.

DEEP LEARNING 

  • Image and video Recognition. Los algoritmos de aprendizaje profundo superan a los humanos en la clasificación de objetivo. Con vídeos y fotos de miles de aplicaciones, los sistemas de aprendizaje profundo pueden identificar y clasificar candidatos en función de datos objetivos.
  • Speech recognition. Si bien comprende la voz humana y una mirada de acentos es difícil para la mayoría de las maquinas los algoritmos de aprendizaje profundo se pueden diseñar para reconocer y responder a las entradas de las voz humana. Los asistentes virtuales utilizan algoritmos de reconocimiento de voz para procesar el vicio humano y responder en consecuencia.
  • Chatbots. NLP entrena chatbots y sistemas similares apra comprender el lenguaje, el tono y el contexto humanos. La NLP surgirá como una capacidad crucial para los sistemas de inteligencia artificial a medida que las organizaciones continúen automatizado la entrega de servicios de recursos humanos con chatbots.
  • Recommendation engines. Las experiencias de aprendizaje digital a menudo implican recomendaciones de aprendizaje personalizadas relacionadas con los niveles de habilidad y los intereses profesionales. Con Big Data y Deep Learning, las plataformas de experiencia de aprendizaje pueden identificar vías de aprendizaje que podrían interesar a los empleados individuales.

Machine Learning en el contexto de RRHH: diversidad e inclusión

Por último, nos gustaría destacar el impacto positivo que el uso de la IA puede tener en lo relacionado con asegurar la diversidad e inclusión en este departamento:

  • Selección & Onboarding: con la que obtendremos una mayor innovación, un mejor rendimiento e ideas mucho más diversas. Gracias a ello se mejorará la detección de sesgos, la identificación y abordaje del lenguaje sesgado era más precisa y la identificación será más objetiva.
  • Talento & Desarrollo: identificación de grupos de talento más diverso para mejorar estrategias de reclutamiento y desarrollo. Aumentando la facilidad de identificación objetiva de los candidatos óptimos.
  • Cultura & Liderazgo: ayudando a la construcción de culturas inclusivas incluyendo compromiso y retención de talento diverso, fomentando revisiones de desempeño más objetivos con NLP y ML y también en el análisis del cambio de comportamiento
  • Formación & Aprendizaje: ayudando al desarrollo de nuevas habilidades, nuevas capacidades y conocimientos. Con análisis avanzado sobre resultados cualitativos y cuantitativos, el retorno de inversión y el valor generado.
  • Comprensión & Beneficios: consiguiendo un mayor compromiso, motivación y satisfacción en el trabajo.

Sin duda, una sesión ideal para todos aquellos responsables de departamentos de recursos humanos que tienen como objetivo a corto plazo comenzar a implementar estas tecnologías.

Por supuesto, si quieres conocer los casos reales de este webinar, te dejamos el vídeo completo del webinar aquí.


¡Y no te pierdas todas las novedades que comparte Spain AI en sus canales!

Entradas del mismo autor

Deja un comentario