Related Articles
En los últimos años la transformación digital ha pasado del Big data (BD) al Machine Learning (ML) y a la inteligencia artificial (IA) produciéndo importantes avances en los campos del reconocimiento de patrones, el procesamiento del lenguaje natural (PNL) y el aprendizaje profundo mediante redes neuronales. Esto representa hoy en día un foto de la capacidad de las máquinas para imitar la toma de decisiones humana.
Hablamos a nivel «laboratorio» porque en realidad la mayoría de las empresas están todavía luchando para lograr algún progreso en la integración de software de análisis de datos y con respecto a la gestión de los recursos humanos pocas organizaciones han entrado incluso en la primera gran fase de recopilación y construcción de una base de datos operativa.
Sólo el 22% de las empresas afirman haber adoptado algún tipo de herramienta analítica para la gestión de su departamento de recursos humanos y casi todas se quedan en Big Data, casi nada de ML o IA.
Uno de los escollos que nos encontramos para dar el paso es la cuestión ética. La idea de que las empresas deleguen en software inteligente los problemas de recursos humanos presenta grandes problemas éticos ya que los algoritmos o sistemas de IA para la ayuda a la toma de decisiones o para predecir futuros comportamientos de los empleados todavía está muy lejos de ser una realidad operativa.
El primer problema es la definición de lo qué es ser un buen empleado. Para una máquina conjugar variables como la puntualidad o el rendimiento no es el mayor problema, pero si lo es la integración del candidato en la estructura y filosofía de la empresa, el grado de conexión con los clientes la popularidad con los compañeros o el liderazgo.
Las puntuaciones de la evaluación del desempeño que se han utilizado hasta hoy están siendo cuestionadas y algunas compañías están renunciando a ellas por completo por problemas de validez y fiabilidad ya que es fácil que se vean alteradas por sesgos emocionales y cognitivos.
Hay que añadir la dificultad de que cualquier puesto de trabajo es altamente dependiente de otros puestos y por lo tanto, el desempeño individual es difícil de separar del desempeño del grupo.
Por otra parte, las muestras de datos sobre recursos humanos tienden a ser bastante pequeños para los estándares del Big Data, esta tecnología se basa en el análisis de grandes cantidades de información y funciona mal cuando predice resultados en base a muestras de datos relativamente pequeñas.
Todo lo anterior carece de valor si no tenemos en cuenta las implicaciones de cualquier decisión que se tome sobre las personas. Quién es contratado, quién despedido, una promoción o un cambio de puesto de trabajo o destino tienen consecuencias para las personas, sus familiares y la sociedad en general. Es por tanto necesario controlar la forma en que los empleadores toman esas decisiones, planteando cuestiones de justicia y equidad.
En este aspecto, las reacciones de los empleados pueden ser motivo de preocupación. Ya que existe la posibilidad de que sean capaces de modificar o eludir el sistema o de reaccionar de forma adversa a las decisiones tomadas por máquinas en base a algoritmos.
Tal como exponía en el post https://ichavarria.es/la-inteligencia-artificial-tiene-prejuicios/ los algoritmos elijen según se les enseña y esta formación puede estar distorsionada y dar lugar a injusticias. Además, puede ocurrir que los solicitantes descubran el funcionamiento de nuestro algoritmo de contratación y que respondan en las entrevistas según lo que este espera haciendo que el algoritmo carezca de valor.
Todo esto, la adaptación de las empresas, la ética, la percepción de los candidatos, la justicia y la igualdad de oportunidades y sobre todo la tecnología actual, indica que no estamos cerca de ser seleccionados por máquinas … todavía.
