{"id":439,"date":"2018-02-25T21:14:42","date_gmt":"2018-02-25T21:14:42","guid":{"rendered":"http:\/\/afbcompucenter.com\/blog\/?p=439"},"modified":"2018-02-25T21:14:42","modified_gmt":"2018-02-25T21:14:42","slug":"la-inteligencia-artificial-en-el-mundo-de-los-recursos-humanos","status":"publish","type":"post","link":"https:\/\/afbcompucenter.com\/blog\/la-inteligencia-artificial-en-el-mundo-de-los-recursos-humanos\/","title":{"rendered":"La Inteligencia Artificial en el mundo de los Recursos Humanos"},"content":{"rendered":"

El\u00a0sat\u00e9lite Kepler<\/strong>\u00a0fue lanzado en marzo de 2009 con la misi\u00f3n de descubrir planetas en otras estrellas. Hacia el 2013 su telescopio hab\u00eda recopilado curvas de luz de decenas de miles de sistemas estelares, y analizando sus datos se han descubierto hasta la fecha unos 2500 nuevos planetas extrasolares.<\/p>\n

En diciembre de 2017,\u00a0investigadores de la NASA y Google entrenaron una red neuronal<\/strong>\u00a0a partir de todas las se\u00f1ales que resultaron en detecciones positivas de planetas, y luego le hicieron buscar patrones similares en unos cuantos sistemas de la inmensa base de datos de Kepler. Con la potencia de un PC de escritorio y en solo unas horas, consiguieron identificar un nuevo planeta en el sistema Kepler 90. En una sutil mara\u00f1a de datos descartados por los astr\u00f3nomos hab\u00eda escondido un planeta entero, y una red neuronal relativamente sencilla con solo unas horas de entrenamiento lo encontr\u00f3.<\/p>\n

Esta es una de las capacidades m\u00e1s interesantes del\u00a0Machine Learning y las Redes Neuronales<\/strong>: encontrar patrones ocultos en grandes vol\u00famenes de datos. Microsoft lo usa para decodificar el ADN del sistema inmunitario humano, la industria farmac\u00e9utica analiza con estas herramientas la inmensa cantidad de datos de los m\u00e1s de 800 medicamentos y vacunas contra el c\u00e1ncer actualmente en fase de pruebas. Coches aut\u00f3nomos, realidad aumentada, reconocimiento de caras y gestos\u2026\u00a0La Inteligencia Artificial<\/strong>\u00a0ha dejado de ser un campo de estudio con valor \u00fanicamente acad\u00e9mico, y cada vez est\u00e1 m\u00e1s claro que formar\u00e1 el n\u00facleo de la siguiente gran revoluci\u00f3n tecnol\u00f3gica en nuestro mundo.<\/p>\n

Muchas compa\u00f1\u00edas almacenan datos curriculares y de selecci\u00f3n de sus empleados, as\u00ed como su informaci\u00f3n de desempe\u00f1o a lo largo de los a\u00f1os. Una red neuronal puede ser entrenada con esta informaci\u00f3n sobre los empleados con mejor rendimiento para buscar\u00a0patrones similares en candidatos actualmente en proceso de selecci\u00f3n<\/strong>. An\u00e1lisis de informaci\u00f3n mejorados para identificar descartes r\u00e1pidamente, algoritmos optimizados para ajustar candidatos a su puesto objetivo\u2026\u00a0 A pesar de ser un \u00e1rea relativamente joven, hay aplicaciones de este tipo muy desarrolladas en el \u00e1mbito de la\u00a0b\u00fasqueda del Talento<\/strong>.<\/p>\n

Hay una situaci\u00f3n similar en el estudio de las causas de rotaci\u00f3n en la compa\u00f1\u00eda. Es posible analizar informaci\u00f3n de rendimiento, encuestas de satisfacci\u00f3n, etc de cada empleado que abandona una empresa, y esto igualmente constituye un conjunto de datos de entrenamiento muy valioso para\u00a0generar algoritmos que detecten anticipadamente personas con alto riesgo de salida.<\/strong><\/p>\n

Un \u00faltimo ejemplo -hay muchos m\u00e1s- lo podemos encontrar en Google, que form\u00f3 un equipo de\u00a0\u00a0People Analytics<\/strong>para realizar proyectos de an\u00e1lisis de informaci\u00f3n de RRHH que respondan a problemas tan complejos como encontrar las caracter\u00edsticas comunes de los Equipos de Trabajo m\u00e1s eficaces (Project Aristotle<\/a>) o los mejores L\u00edderes (Project Oxygen<\/a>). Los resultados de muchos de estos estudios pueden encontrarse en\u00a0rework.withgoogle.com<\/a>, y han llevado a compa\u00f1\u00edas como Facebook, Amazon, Microsoft y muchas otras a departamentos similares.<\/p>\n

La Inteligencia Artificial por fin ha pasado a ser una realidad fuera del mundo de la investigaci\u00f3n, gracias sobre todo a la r\u00e1pida evoluci\u00f3n en los \u00faltimos a\u00f1os de la tecnolog\u00eda de las Redes Neuronales, Machine Learning y Big Data. Los \u201cBig Five\u201d (Google, Apple, Microsoft, Facebook y Amazon)\u00a0est\u00e1n invirtiendo fuertemente en iniciativas AI<\/strong>, y los resultados empiezan a materializarse ya en el gran salto operativo que han dado los asistentes virtuales (Google Assistant, Siri, Alexa, Cortana\u2026), los servicios de traducci\u00f3n de Google o los de reconocimiento de voz.\u00a0El actual CEO de Google, Sundar Pichai<\/strong>, afirm\u00f3 el pasado 19 de Enero en un evento de la MSNBC que la Inteligencia Artificial ser\u00e1 m\u00e1s importante para la humanidad que la electricidad o el fuego.<\/p>\n

Seg\u00fan Glassdoor, el ranking de empleos m\u00e1s valorados en Estados Unidos lo encabezan los Cient\u00edficos de Datos por tercer a\u00f1o consecutivo, con una demanda en todo tipo de industrias de m\u00e1s de 4500 empleos. Y en el mundo de los Recursos Humanos esto empieza a dar sus frutos en el trabajo de compa\u00f1\u00edas como\u00a0Peoplise<\/a>,\u00a0Glint<\/a>\u00a0o\u00a0PhenomPeople<\/a>, que ofrecen productos que integran ya\u00a0t\u00e9cnicas de Machine Learning en la Selecci\u00f3n, la gesti\u00f3n del Talento o la mejora de la Experiencia del Empleado en la compa\u00f1\u00eda.<\/strong><\/p>\n

Probablemente a\u00fan nos falten d\u00e9cadas para ver IAs con capacidades reales similares a las del cerebro humano, pero en el \u00e1mbito del an\u00e1lisis de la informaci\u00f3n\u00a0ya es posible construir<\/strong>\u00a0Redes Neuronales y algoritmos espec\u00edficos<\/strong>capaces de encontrar conexiones de datos invisibles para el analista humano, y esto es especialmente potente cuando se trata de informaci\u00f3n no estructurada, como sucede en el mundo de los Recursos Humanos. Por otra parte, este tipo de algoritmos pueden estar lastrados por sus propias formas de \u201cprejuicios\u201d, igual que sucede con los razonamientos de las personas, y\u00a0es crucial encontrar una forma \u00f3ptima de colaboraci\u00f3n hombre-m\u00e1quina en la toma de decisiones<\/strong>.<\/p>\n","protected":false},"excerpt":{"rendered":"

El\u00a0sat\u00e9lite Kepler\u00a0fue lanzado en marzo de 2009 con la misi\u00f3n de descubrir planetas en otras estrellas. Hacia el 2013 su telescopio hab\u00eda recopilado curvas de luz de decenas de miles de sistemas estelares, y analizando sus datos se han descubierto hasta la fecha unos 2500 nuevos planetas extrasolares. En diciembre de 2017,\u00a0investigadores de la NASA […]<\/p>\n","protected":false},"author":1,"featured_media":440,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"spay_email":""},"categories":[22,32],"tags":[],"acf":[],"yoast_head":"\n\n\n\n\n\n\n\n\n\n\n\n\t\n\t\n\n\n\n\n\t\n\t\n\t\n