El Big Data y los algoritmos cambiarán la contratación en las empresas

El volumen de datos que un departamento de recursos humanos puede llegar a acumular cuando se está en pleno proceso de reclutamiento es inmenso. Especialmente ahora que Internet ha facilitado la presentación de candidaturas a un puesto de trabajo. Ésta elevada cantidad de curriculum vitaes está provocando una ralentización de los procesos y un incremento de las probabilidades de errar durante la selección, además de no limitar la discriminación inconsciente en la que algunos reclutadores pueden a caer.

Como solución, algunas empresas están implementando softwares avanzados que permiten recopilar todos los CV en una misma base de datos, posibilitando que se hagan comparativas en función de parámetros objetivos –formación, competencias y experiencia-, evitando así los sesgos discriminatorios por razón de sexo, edad, género o cultura. Pero no sólo eso, la inteligencia artificial ya está permitiendo identificar rasgos de personalidad claves como el liderazgo, la empatía, inteligencia emocional, la resolución de problemas etc.

Para ver la estrecha relación entre los algoritmos y las contrataciones, un artículo publicado en Harvard Business Review , señala que “basta pensar que una contratación es, en esencia, una predicción”. “Cuando una mánager lee los curriculum vitae de los candidatos, intenta predecir implícitamente quiénes se adecuarán al puesto y quiénes no, quiénes rendirán mejor”, expone. Una tarea para la que los algoritmos estadísticos desarrollan soluciones, pues permiten la mejora de la toma de decisiones humanas en diferentes ámbitos.

“Del mismo modo, pueden mejorar la contratación de trabajadores en áreas tan diversas como la educación, la policía o las ventas”, añade el artículo que, además, recoge cinco principios para el uso de algoritmos estadísticos en los procesos de selección.

1. Escoger la métrica de rendimiento adecuada. “Por ejemplo, un mánager que busca contratar a un comercial, podría querer equilibrar su probabilidad de rotación, su porcentaje estimado de acuerdos cerrados y su impacto en la relación con clientes”, destacan desde Harvard Business Review.
2. Recopilar las variables acertadas. “Los algoritmos eficaces requieren intuición humana, experimentación e iteración para determinar qué características de cada candidato medir para predecir la métrica que más importe a la organización en cuestión”, explican los expertos.
3. Seguir recopilando datos. Después de contratar a una persona, estos sistemas permiten raterar su rendimiento y archivar los datos en función de la condición de la persona: candidato o profesional en pruebas o trabajador de pleno derecho. “Estos datos ayudarán a sus algoritmos en futuros procesos de selección”, destaca el artículo.
4. Comparar lo semejante. “Un error frecuente a la hora de medir el desempeño pasado es obviar la diferente dificultad de las tareas asignadas a cada trabajador”, explican los expertos. “Una métrica de rendimiento adecuada tiene que contemplar la complejidad de la tarea”, añaden.
5. Anticiparse a los incentivos. “Los comerciales incentivados a cerrar acuerdos a cualquier coste podrían puntuar bien en una métrica de rendimiento, pero proporcionar poco valor a la empresa. Anticiparse a esto, permitirá desarrollar unas métricas lo suficientemente amplias y tener en cuenta los comportamientos estratégicos”, concluye Harvard Business Review.