Hero Background Image

Machine learning y RRHH

Cuando éramos niños, a muchos de nosotros el 2020 nos sonaba a un futuro muy lejano. Ahora, aunque aún no hay coches voladores, el machine learning empieza a transformar notablemente el modo en que operan las empresas, incluidos los recursos humanos. Puede que algunos profesionales de RRHH digan que perdieron la oportunidad que les ofrecía el machine learning alegando que "a posteriori, todos somos adivinos", pero esa no es una excusa válida. Los expertos opinan que el machine learning no es algo pasajero y que continuará influyendo en la función de RRHH. Su empresa debe hacer algo al respecto. Retrocedamos un poco para ver cómo hemos llegado hasta aquí, un momento que nos parece un punto de inflexión en un mundo que cambia a toda velocidad.

Los expertos opinan que el machine learning no es algo pasajero y que continuará influyendo en la función de RRHH.

En una galaxia no tan lejana

Hace unas décadas, la función de recursos humanos se conocía como "departamento de personal" y, como el nombre sugiere, se centraba más en aspectos administrativos tales como cubrir puestos vacantes o gestionar compensaciones. La reorientación hacia el aspecto humano de las relaciones de los empleados y la constatación de que la satisfacción de estos ayuda a lograr los objetivos empresariales dieron lugar a la nueva denominación y, aún más importante, a un cambio de actitud sobre RRHH y su contribución a la empresa.

La función de RRHH sigue evolucionando gracias a la tecnología, desde el principio de internet a la telefonía móvil, pasando por las plataformas cloud y ahora el machine learning.

Según Richard McColl, vicepresidente y partner, responsable de tecnología de recursos humanos de IBM, los primeros procesos de RRHH potenciados por tecnologías de machine learning no eran lo suficientemente rápidos, utilizaban enormes cantidades de datos no estructurados y se centraban en la experiencia de los candidatos. Pero ahora el machine learning afectará a cada uno de los procesos y experiencias de RRHH. "Esos no son los únicos procesos que se benefician de la automatización, la velocidad y la eficiencia. ¿Cómo creamos supermánagers? ¿Cómo tomamos decisiones más justificadas? ¿Cómo ayudamos al personal a encontrar oportunidades que ahora son visibles porque usamos machine learning para identificar las pautas de éxito en las carreras profesionales?".

 

La situación actual

El informe Tendencias Globales de Capital Humano 2019 de Deloitte, basado en una encuesta con casi 10 000 participantes en 119 países, descubrió que un 80 % de los participantes preveía el crecimiento de las tecnologías cognitivas, entre las que está el machine learning.

Así pues, es lógico que los responsables de recursos humanos centren toda su atención en el efecto transformador continuo que esas tecnologías tendrán en su profesión. Según el informe de Deloitte "The Evolution of Work": "Las empresas ágiles evalúan y revalúan la combinación de talento humano y tecnológico a todos los niveles, como parte esencial de su planificación estratégica y empresarial. Si la combinación es adecuada, podría tener un efecto considerable en la productividad, la competitividad y el posicionamiento de una empresa".

En el informe "The Evolution of Work", Deloitte afirma que "las empresas ágiles evalúan y revalúan la combinación de talento humano y tecnológico a todos los niveles, como parte esencial de su planificación estratégica y empresarial".

Ahorro de tiempo y mejora simultánea de la experiencia

El machine learning optimiza y acelera las funciones de RRHH durante todo el ciclo de vida de los empleados. Mediante el examen de ingentes volúmenes de datos para identificar patrones y realizar predicciones sobre eventos futuros, el machine learning aumenta la eficiencia y elimina muchas tareas que antes se realizaban manualmente.

Según "The Business Case for AI in RRHH", un informe de IBM, las funciones de RRHH tienen cinco principales razones para implementar la inteligencia artificial y el machine learning:

  • Resolver desafíos empresariales apremiantes
  • Atraer y desarrollar nuevas skills
  • Mejorar la experiencia de los empleados
  • Respaldar firmemente la toma de decisiones
  • Utilizar los presupuestos de RRHH del modo más eficiente posible

Estas razones también se pueden aplicar al considerar la implementación de nuevas tecnologías.

Como puede verse, estas razones abarcan casi todos los aspectos de RRHH. Consideremos, por ejemplo, la captación de candidatos dotados de nuevas skills y la categoría más amplia de la selección de personal. El machine learning puede contribuir a relacionar los currículos y las skills con los puestos vacantes, y a revisar las solicitudes de puesto mucho más rápidamente que si se hiciera de forma manual. Si tenemos en cuenta el aumento tanto del volumen como de la velocidad en los procesos de selección actuales, esta rapidez cambia completamente la situación. Según la encuesta de Gartner sobre la eficiencia en la selección de personal, "actualmente un 25 % de los candidatos solicita 10 o más puestos; el promedio de solicitudes recibidas para un solo puesto subió un 39 % entre 2012 y 2018. Además, ahora los seleccionadores deben cribar muchos más candidatos que no cumplen los requisitos del puesto al que optan: la calidad de un 72 % de las solicitudes se considera entre media y baja". Pero con las herramientas adecuadas y las mejoras introducidas por el machine learning, los seleccionadores pueden pasar menos tiempo leyendo currículos y más evaluando a los candidatos con alto potencial.

Predecimos que mucha gente acabará jubilándose en puestos que no se les habrían pasado por la imaginación.

Quienes buscan empleo también se benefician del machine learning al pasar menos tiempo examinando interminables ofertas de empleo y más evaluando puestos recomendados por un algoritmo. Seguramente a todos nos han recomendado algún puesto que nunca habríamos considerado. A medida que la tecnología subyacente sigue evolucionando y pasa de asociar simples palabras clave a correlacionar skills con tipos de puesto, predecimos que mucha gente acabará jubilándose en puestos que no se les habrían pasado por la imaginación. En el futuro, la tecnología blockchain también podría hacer ese proceso aún más sencillo, tanto para las personas que buscan empleo como para los seleccionadores, con un historial de empleo validado para los candidatos.

En lo que concierne a la implicación y la retención de los empleados, las empresas pueden supervisar el compromiso y la satisfacción de sus propios empleados usando machine learning para analizar el feedback aportado a nivel interno. Según IBM, "esta tecnología puede analizar contenido no estructurado procedente de encuestas anuales y de opinión, así como lo que se dice en las redes sociales. En unas horas se pueden analizar cientos de miles de comentarios.

El machine learning también puede contribuir a que los empleados aprendan continuamente mediante recomendaciones del máximo interés sobre contenidos relacionados en una plataforma de aprendizaje, algo no muy distinto al modo en que seguimos recomendaciones sobre productos o películas en nuestro día a día como consumidores.

Al cabo de 15 años, las empresas que reasignen sus recursos periódicamente, se revalorizarán un 40 % más que empresas similares menos dinámicas.

De la automatización a la toma de decisiones estratégica

A medida que la tecnología del machine learning se ha ido perfeccionando, han aumentado sus ventajas. Para la selección de personal, significa no solo rapidez en la contratación sino rapidez en la contratación de talento de alta calidad. Según el informe de IBM, "anteriormente, la tecnología nos permitía seleccionar personal más rápidamente a través de internet, pero ahora la IA nos permite seleccionar a las personas adecuadas más rápidamente, evaluando la idoneidad de las skills para cada rol, prediciendo las probabilidades de éxito en el futuro y calculando el tiempo previsto para cubrir cualquier puesto".

La adopción de un enfoque más estratégico en RRHH tiene consecuencias importantes para las empresas. "En empresas donde las funciones de RRHH son estratégicas en lugar de administrativas, el equipo de RRHH tiene un papel vital a la hora de determinar los resultados empresariales", según Great Place to Work, el motor analítico que produce la lista "100 Best Companies to Work For" de Fortune. "Un equipo de RRHH estratégico se podrá atribuir, entre otros logros, el incremento de la cuota de mercado, el crecimiento de la base de clientes, el impulso de la innovación de productos, el aumento de las ventas y la agilidad de la empresa".

 

La importancia crucial de las skills

Aunque el machine learning destaca por su capacidad predictiva, siguen haciendo falta personas que interpreten las predicciones aplicando sus criterios. Aprender a trabajar eficazmente con las máquinas para potenciar la inteligencia humana será esencial para el éxito de la automatización. También será preciso que la función de RRHH —y los directivos de todas las funciones organizativas— se replanteen cuáles son las skills requeridas para seguir el ritmo de un mundo cambiante.

Aprender a trabajar eficazmente con las máquinas para potenciar la inteligencia humana será esencial para el éxito de la automatización.

Puede que la automatización sustituya a algunos trabajadores, pero también creará puestos nuevos y transformará funciones existentes. En el informe de Forrester "The Technology-Augmented Employee", J.P. Gownder menciona una empresa que sustituyó las "actividades rutinarias y repetitivas" de servicios financieros por bots de automatización de procesos robóticos (RPA). Como resultado, las tareas de la función de finanzas "se volvieron más estratégicas e interesantes".

Los estudios de Deloitte lo corroboran. La automatización de ciertas tareas cambiará la descripción de muchos roles empresariales: "Cuando las máquinas automatizan parte de un trabajo, lo que les corresponde hacer a las personas es generalmente más interpretativo y orientado al servicio, e implica resolución de problemas, interpretación de datos, comunicaciones y escucha, servicio al cliente y empatía, y trabajo en equipo y colaboración. Pero estas skills de nivel superior no son tareas fijas, como en los puestos convencionales, y por eso obligan a las empresas a crear puestos y roles más flexibles y evolutivos, y con definiciones menos rígidas". Y el informe añade que las máquinas automatizarán ciertas tareas rutinarias, pero las empresas tendrán que replantearse su forma de trabajar para seguir el ritmo.

En cuanto a la función de RRHH, McColl ve un futuro en el que las skills serán el eje de cualquier organización integrada por personas, lo que permitirá que las empresas ayuden a los empleados a encontrar más fácilmente su próxima ocupación. Afirma que el machine learning puede ayudar a una empresa a examinar el tipo de trabajo que realizan las personas, sobre qué hablan y escriben, y con qué clientes interactúan. "Si se puede usar machine learning para deducir las skills que tienen las personas a partir de esa información, se pueden ofrecer recomendaciones de desarrollo profesional como, por ejemplo, 'Estas son algunas vías posibles para tu trayectoria de crecimiento'. Creo que eso es realmente eficaz".

Las empresas concienciadas también deben asegurarse de que la diversidad y la inclusión formen parte de las nuevas tecnologías de machine learning. Barbara Cosgrove, vicepresidenta y directora de privacidad de Workday, explica en una entrada de blog sobre el compromiso con el uso ético de estas tecnologías que "el machine learning no ha llegado para suplantar a las personas encargadas de tomar las decisiones, sino que las aplicaciones que lo usan realizan predicciones que, combinadas con el discernimiento humano, ayudan a tomar decisiones más acertadas. Pero el éxito del machine learning, como el de cualquier tecnología emergente, depende de la confianza y esa confianza solo existirá si las empresas se atienen a prácticas éticas y responsables".

 

La evolución continúa

McColl añade que lo humano es el pilar de esta segunda ola de machine learning. Cree que, de hecho, el machine learning ayudará a crear mejores entornos de trabajo en las empresas, y se le dará más importancia a las personas, a sus gustos y a sus preferencias. "Creo que el machine learning nos permitirá crear soluciones y experiencias sumamente personalizadas. Desde una perspectiva de trabajo, esta tecnología nos brinda la oportunidad de mejorar la integración de lo humano en las aplicaciones, los sistemas y los procesos en torno a los que creamos experiencias".

Según estudios de Workday, la llegada del machine learning y otras tecnologías basadas en datos trae consigo oportunidades, pero también supone un gran reto, ya que las empresas deben abordar las skills empresariales que harán falta el día de mañana. Por ejemplo, un 52 % de las empresas tiene prevista la capacitación de al menos la mitad de su fuerza laboral para 2024. ¿Cómo aprovecharán las empresas el potencial de una tecnología como el machine learning al tiempo que desarrollan las skills humanas indispensables para conseguir valor en el mercado y la sensibilidad necesaria para tratar debidamente a los empleados y seguir siendo una entidad socialmente responsable?

Los expertos opinan que los puestos y las skills tendrán que evolucionar ante el machine learning y otros avances tecnológicos. Pero Thomas Malone, experto en inteligencia colectiva del MIT, explica que no nos hemos centrado en la parte adecuada del debate "humanos vs. máquinas". En una entrevista con Deloitte, Malone afirma que "hemos pasado demasiado tiempo pensando en las personas enfrentadas a los ordenadores, pero no el suficiente pensando en las personas y los ordenadores trabajando en equipo. Demasiado tiempo pensando en qué puestos de trabajo usurparán los ordenadores, pero apenas el tiempo suficiente pensando en los extraordinarios logros que podrían alcanzar las personas y los ordenadores juntos".

En los albores de una nueva década, tomemos la determinación de decir que 2020 fue el año de las previsiones, el año en que humanos y ordenadores empezaron a lograr conjuntamente lo que nunca habrían podido lograr por separado.

En los albores de una nueva década, tomemos la determinación de decir que 2020 fue el año de las previsiones, el año en que humanos y ordenadores empezaron a lograr conjuntamente lo que nunca habrían podido lograr por separado.