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.
¿Desaparece el rol del selector?
No hay una opinión unánime al respecto. En forma mayoritaria se considera innegable la utilidad de la IA en la selección, para agilizar el proceso, reducir costos y lograr mejor eficiencia. Pero esta tecnología podría adaptarse y ser muy útil en la primera parte del proceso de selección y en la interacción automática y autónoma con los candidatos. No obstante, no reemplaza la mirada analítica, la curiosidad, la intuición y la empatía de un buen selector.
Históricamente, la aplicación de las nuevas tecnologías obliga a una nueva forma de realizar las tareas y, por ende, el desarrollo de nuevas habilidades. Las competencias que se requerían antiguamente en un selector ya no son suficientes para ejercer su profesión. Los robots podrán desplazar a las personas en algunas tareas repetitivas y de poco valor agregado, pero no en la esencia del selector. No obstante, hay que entender que va a depender de cada uno, y no de las máquinas, la posibilidad de ganar empleabilidad. Su rol está cambiando rápidamente y es imprescindible que los selectores se adapten a trabajar de manera de aprovechar al máximo las posibilidades de las nuevas tecnologías (robot, chatbot y analitics).
Sistemas de gestión de procesos de selección
Los ATS (Applicant Tracking System, sistemas de gestión de procesos de selección) son aplicaciones que sirven para llevar la gestión integral de todo el proceso de selección de personal desde la recepción de los currículums hasta la contratación de los empleados. Esta tecnología permite organizar y segmentar decenas de candidaturas, así como facilitar el contacto con el candidato y el posterior seguimiento.
Hoy existen en el mercado varios ATS que se utilizan para realizar un seguimiento completo del avance del candidato, registrar la información de las entrevistas, adjuntar las distintas evaluaciones, etc. La mayoría de ellos permiten realizar una preselección filtrando candidatos postulados a un aviso a través de algunas variables (formación, puesto, idioma, sueldo pretendido, etc.). No obstante, ya están disponibles ATS con IA destinados a realizar la preselección de los candidatos de manera inteligente, no solo evaluando a los que se postulan o ya se encuentran en la base de datos de la empresa,