Читать книгу La selección de talentos en la era digital - Daniel Martinez - Страница 30

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.