Nuestra responsabilidad es hacer entender a las empresas todas las posibilidades que ofrece la IA

La tecnología y, sobre todo, el impacto último de
la IA, que se ha disparado con la irrupción de la IA
generativa, abre muchas oportunidades a RRHH.
Como partner de esta función, ¿cómo ven la
adopción de esta herramienta?

La IA existía hace mucho tiempo, pero el boom ha venido con la IA generativa, que está marcando un antes y un después. La anterior, denominada discriminativa –porque era eso lo que hacía: discriminar según los datos que le dabas y devolverte las probabilidades de que un empleado contratase tal producto o fuese a abandonar la empresa, entre otras cosas–, ya se estaba utilizando en muchas empresas en diferentes procesos, entre ellos los de gestión de personas. Desde Compensa, creemos que RRHH es uno de los departamentos a los que más oportunidades abre la IA, y que tiene mayores posibilidades de aplicabilidad. Es verdad que es un ámbito que tradicionalmente no ha estado muy digitalizado, en términos medios, pero eso lleva ya un tiempo cambiando y se están usando desde herramientas que contribuyen a la mejora de la productividad a otras que analizan y predicen la rotación, hay muchos usos.

Está claro que no todas las empresas están en el mismo momento de digitalización o implementación de la tecnología, este es un viaje con un camino que hay que recorrer y no puedes querer llegar a la IA si no has pasado las fases anteriores, los pasos previos que te garanticen en la medida de lo posible que los datos, que son la clave, tienen la calidad suficiente para poder trabajar con ellos de forma fiable. Al final, RRHH trabaja para que las empresas cuenten con el mejor capital humano posible, y para eso los datos son básicos para saber si lo que están haciendo funciona, si impacta realmente en el negocio en el grado que se esperaba. Así, este departamento puede tomar las decisiones adecuadas para comprometer y fidelizar a sus personas, que es el fin último por el que trabajamos en Compensa.

¿Qué servicios ponen a disposición de sus clientes relacionados con la IA?

En Compensa, nuestra misión es atraer, fidelizar y motivar el talento en nuestros clientes. Como especialistas en compensación, ofrecemos soluciones como planes de retribución flexible, gestión de beneficios corporativos, previsión social, conciliación o programas de wellbeing... Estos elementos sabemos que son muy valorados por los empleados, pero queríamos dar un paso más allá para medir y cuantificar su impacto real, es decir, su efecto en la retención y movilidad. Para analizar su impacto hay dos vías: las encuestas, que te dan una información algo subjetiva sobre lo que piensan los empleados, y los datos reales: la rotación y movilidad que se están produciendo en todas las empresas. A lo largo de los 20 años que llevamos trabajando en Compensa, hemos gestionado más de 1,3 millones de personas distintas, gestionando actualmente unos 650.000 empleados sobre unas 300 empresas de todos los sectores. La mayor parte de la información la recibimos diariamente mediante integraciones de datos automatizadas con nuestros clientes, que nos aportan información real de qué está pasando con sus personas: altas, bajas, promociones… esto hace que incluso podamos ver empleados que se van de una compañía y los vemos incorporarse después en otra nueva, con lo que conocemos las condiciones de esa rotación. Toda esta información es muy valiosa, y la hemos trabajado con machine learning para poder aconsejar a nuestros clientes sobre qué elementos contribuyen a la fidelización dependiendo de cada perfil y momento vital. La aplicación de machine learning ha sido clave para extraer conocimiento de esos datos y encontrar patrones.

¿Cómo han desarrollado esta herramienta?

La alimentamos con un conjunto de datos que representan ciertas variables para que aprenda y encuentre un patrón que prevea conductas. Por ejemplo, quién tiene mayores posibilidades de abandonar una empresa. Pero, además, luego puedes ver quién realmente lo ha hecho y quién no y ver el motivo.

Dentro del machine learning, el aprendizaje supervisado funciona partiendo de un resultado que ya conoces. A partir de ahí, proporcionas a la máquina unos datos de conjunto y ese resultado real y con esto construye un modelo que detecta cuáles son las reglas que han llevado de esos datos a ese resultado. En el caso de la predicción de la rotación, encuentra los patrones que indican si una persona tiene posibilidades de abandonar la empresa. La máquina va realizando hipótesis y comprobando el resultado que tú le has dado hasta que consigue una que funciona. Y cuando ha encontrado esa combinación de reglas que parece que son las correctas, le damos otra cantidad de datos para que vuelva a probarlas. Es lo que se llama validación cruzada. Esta herramienta de machine learning para predecir la rotación vinculada a la experiencia de empleado la acabamos de presentar desde Compensa y está despertando mucho interés, sobre todo la parte de explicabilidad del modelo. Es decir, no solo te dice quién puede acabar marchándose, si no los posibles motivos.

¿Y cómo averiguan esos motivos?

Nuestros expertos han hecho un gran trabajo, desde los técnicos en tecnología a los de experiencia del usuario o del propio negocio, y el resultado es una herramienta que no solo proporciona una foto de la empresa en cuanto a sus personas a lo largo  del tiempo, por generación, por género, por departamento, colectivo… y cómo influyen las variables de retribución flexible y beneficios, sino que hace un benchmark con el conjunto de su sector de actividad y ven cómo están y cómo deberían estar para ser competitivos en la fidelización de su talento.

Identifica quiénes son susceptibles de desvincularse y porqué –remuneración por debajo del mercado, poca formación, necesidades de conciliación…– y qué hacer si quieres que se queden, ya sea de una forma más anonimizada o ya con nombre y apellidos. Y con esos datos la empresa tiene la información necesaria para actuar en consecuencia y nosotros podemos aconsejarle qué beneficios son los más recomendables para que esa rotación indeseada no se produzca, porque no olvidemos que las bajas voluntarias tienen un fuerte impacto en la productividad de los equipos y un alto coste por la sustitución de ese trabajador.

¿En qué otras aplicaciones del machine learning están trabajando?

Con machine learning también podemos detectar si el plan de beneficios que ofrece una empresa es el correcto teniendo en cuenta su plantilla y mejorar la adhesión al mismo. Tenemos un modelo que predice qué debería contratar cada empleado según su perfil y si no lo ha hecho, configurar una campaña personalizada para recordarle que tiene a su alcance este beneficio que puede interesarle. Es algo que funciona muy bien.

También se está utilizando para predecir problemas de salud y poder prevenirlos, algo que es muy interesante. Cada vez las empresas son más conscientes del impacto del absentismo y las bajas por enfermedad. Todos conocemos la importancia de que los empleados estén bien y esta herramienta ayuda a poder avanzarte y evitar esos problemas de salud. En estos casos, nuestros consultores van a la empresa cliente y ofrecen a los empleados la posibilidad de contestar a una serie de preguntas sobre hábitos y salud y realizar mediciones biométricas que, analizadas por la IA y con la información de estudios de fuentes solventes (Ministerio de Sanidad, de Trabajo, autoridades sanitarias…), arrojan resultados de posibles patologías futuras y recomendaciones de cómo evitarlas o retrasarlas basadas en beneficios, desde subvenciones para gimnasios a apps con retos corporativos de deporte, consejos de nutrición, etc.

Y otro uso que tiene un gran retorno es en el ámbito de la siniestralidad. Las empresas contratan seguros para sus profesionales y cada año deben renegociar esas pólizas, así que cuanta más información tengan sobre la siniestralidad real, mejor cobertura y prima obtendrán en esa negociación. Compensa, como parte de Howden, que es un bróker de seguros internacional, está en una posición inmejorable para ayudar a sus clientes en este ámbito.

Nuestro valor añadido son los datos que recabamos de los clientes, que nos permiten aconsejarles sobre qué elementos contribuyen a la fidelización de sus profesionales

Además, también aconsejan a sus clientes sobre cómo la IA generativa puede ayudarles a mejorar su productividad…

Sí, hemos comprobado internamente lo que la utilización de la IA generativa permite en cuanto a eficiencia y podemos asesorar a nuestros clientes al respecto. Esta tecnología, integrada en tus aplicaciones de uso diario, te permite delegar en ella tareas repetitivas, hacer presentaciones, resumir documentación, reporting de reuniones… eso deja más tiempo para la realización de otras tareas en las que realmente el factor humano aporta mayor valor.

Hay diferentes IA generativas de diversas compañías y es algo que aún está comenzando, por lo que a muchas empresas les cuesta decidirse a dar el paso, pero tienen que pensar que si no lo dan ahora, se quedarán atrás, perderán competitividad. Nuestra labor como consultores es estar al lado de nuestros clientes y hacerles ver las ventajas de esta tecnología para sus negocios y cuál es la mejor manera de implementarla. Que sean conscientes de que las personas deben hacer el trabajo de mayor valor y dejar a las máquinas lo que se puede automatizar.

La automatización es otra de las aplicaciones de la IA.

Sí, y muy importante. La Robotic Process Automation o RPA ayuda a programar flujos de trabajo ya sea en relación a los correos electrónicos u otras aplicaciones de Office 365, entre otras, lo que quita carga de trabajo a las personas. Además, estas herramientas son Low-Code, es decir, se pueden programar automatizaciones muy complejas sin necesidad de escribir código, sino con una interfaz muy visual, conectando bloques de función. Esto permite su acceso a personas sin formación técnica. Por ejemplo, puedo programar un flujo que analice los emails entrantes, marque automáticamente los de alta prioridad o archive los de baja en carpetas específicas, o incluso enviar respuestas automáticas. Un uso muy rentable es la lectura automática de los documentos adjuntos en los emails, y su tratamiento: traslado a una base de datos, y su clasificación, envío de avisos, flujos de aprobación, etc. Otro ejemplo sería la lectura automática de información para encontrar datos en todo tipo de documentos (contratos, propuestas,  etc.), así como en procesos como el de onboarding, crítico para RRHH ya que se pierde mucho tiempo con tareas repetitivas.

¿Qué ha supuesto para Compensa esta puesta por el machine learning?

Hace ya unos años vimos desde el comité de dirección de Compensa las grandes posibilidades de negocio que nos abría la utilización de esta herramienta. Comenzamos con un pequeño programa piloto y, viendo el resultado, hace cuatro años creamos el departamento de Transformación Digital y fuimos poco a poco sumando perfiles especializados: físicos, estadísticos e informáticos. El negocio ha ido creciendo, ya que son herramientas que tienen muy buena acogida, porque al final todo el mundo tiene datos y quiere tomar buenas decisiones basándose en ellos.

¿Cuál es el reto ahora?

Divulgar las ventajas de todas estas herramientas. Creo que todos los que trabajamos en esto tenemos el reto de comunicar más, hacer entender a los responsables de las empresas que esto es imparable y que nadie debe quedarse atrás.