Aplicar innovaciones como el Big Data, la Inteligencia Artificial, y el Aprendizaje Automático a un sector como el de los recursos humanos, es el desarrollo lógico de un área que posee una tremenda cantidad de datos. El conocimiento que se puede generar en el ámbito laboral y de selección de personal, utilizando estas técnicas tan novedosas, es inmenso. Sin embargo, combinar innovaciones en la computación con un sector puramente “humano” puede parecer al principio un poco contra intuitivo. En este artículo queremos dar algunas claves, así como ejemplos fáciles y concretos sobre cómo utilizar estas innovaciones a los procesos de selección de personal y sobre cómo estas innovaciones pueden ayudar a mejorar los procesos de selección.
Lionstep utiliza algoritmos de aprendizaje automático para encontrar el grado de afinidad entre un candidato y un puesto de trabajo, para poder ofrecer a las empresas un ranking ordenado de todos los candidatos que se presentan a cada puesto. Algunas de las preguntas que nos plantean muchos de nuestros colaboradores a la hora de conocer lo que hacemos son “¿Qué es un algoritmo?”, “¿Cómo funciona un algoritmo?” Estas preguntas son las que contestamos a continuación.
Un algoritmo es una serie ordenada de instrucciones que llevan a la solución de un problema. En definitiva, un algoritmo no es más que una regla. Un ejemplo sobre lo que es un algoritmo es el proceso que hacemos para desbloquear el teléfono móvil. Este algoritmo determina que la persona que introduzca el número PIN correcto, puede acceder a las funciones del teléfono y tiene como objetivo permitir sólo al dueño del teléfono móvil poder utilizarlo. El algoritmo de Lionstep tiene el objetivo de determinar el grado de afinidad entre un puesto de trabajo y un candidato. Para esto, el algoritmo mide una serie de variables entre el candidato y el puesto, y las pondera generando el grado de afinidad.
Un ejemplo de una de esas variables es “las habilidades requeridas para un puesto de trabajo”. El algoritmo mide si las habilidades requeridas para el puesto de trabajo son las mismas que las habilidades que el candidato ha indicado en su perfil. Si las habilidades son las mismas entre sí, el algoritmo puntúa al candidato con el 100% de los puntos en las habilidades. Esto en principio no se diferenciaría de un simple “filtrado” de habilidades. Lo interesante surge cuando el algoritmo ya ha aprendido las similitudes entre habilidades y puede por lo tanto dar algunos puntos a los candidatos que tengan habilidades similares, pero distintas, a las requeridas en el puesto de trabajo. Por ejemplo, Lionstep sabe que las habilidades “contabilidad financiera” y “análisis de estados contables” son similares. En un sistema de “filtrado” o de “killer questions” si el puesto requiere que el candidato sepa “contabilidad financiera” y éste no ha escrito explícitamente “contabilidad financiera”, el sistema contabilizará que el candidato no cuenta con las habilidades necesarias. Sin embargo, el algoritmo de Lionstep sabe que aunque “contabilidad financiera” y “análisis de estados contables” no son lo mismo, tienen una afinidad de, digamos, el 80%. Esto significa que aunque el candidato que ha escrito “análisis de estados contables” no recibirá el 100% de los puntos en las habilidades, sí recibirá un 80%, ya que al saber sobre “análisis de estados contables” puede rápidamente aprender sobre “contabilidad financiera”. Esto nos permite medir la afinidad de un candidato con un puesto de una manera mucho más real. Lionstep cuenta con una base de datos con más de 60’000 habilidades, y entre todas ellas hemos medido la similitud.
Otro ejemplo sobre cómo un algoritmo ayuda a encontrar mejor a un candidato, es solucionando el problema de la infra o la sobre cualificación, por ejemplo, en los años de experiencia. El algoritmo puede medir fácilmente cuánto se acerca un candidato a la experiencia requerida por el puesto. Imaginemos que un puesto requiere 5 años de experiencia relevante en un sector. En este caso, si aplicáramos un sistema de “filtrado” o de “killer questions” convencional, todos los candidatos que no tuvieran al menos 5 años de experiencia, serán eliminados, pudiendo descartar a candidatos tremendamente válidos que cuentan “sólo” con 4 años y medio de experiencia. Sin embargo, el algoritmo de Lionstep mide la distancia entre la experiencia requerida por el puesto y la experiencia aportada por el candidato, y la evalúa de forma continua, bonificando a los candidatos que tienen exactamente 5 años de experiencia, pero sin eliminar del todo a los que tengan 3, 4, ó, 6 años de experiencia. El resultado es que el proceso de selección que hace el algoritmo, es mucho más parecido al proceso de selección “humano”, ya que contempla muchas variables y crea un perfil mucho más preciso sobre el candidato que un sistema de “filtrado” o de “killer questions” convencional.
Al final, el algoritmo mide multitud de estas variables, y las pondera de forma individual para generar un único grado de afinidad entre un puesto de trabajo y un candidato.
Esto son dos ejemplos sobre cómo aplicar algoritmos al proceso de selección, sobre cómo los algoritmos de aprendizaje automático son mucho más eficaces que los sistemas de “filtrado” o “las killer questions” y sobre cómo los algoritmos de aprendizaje automático miden la sobre cualificación y la infra cualificación de candidatos. El resultado de utilizar un algoritmo, es poder ordenar a los candidatos en un ranking perfectamente ordenado, según su afinidad con cada puesto, es decir identificar el talento de forma rápida y precisa.
José Parra Moyano
Co-founder Lionstep
@ParraMoyano
III FORO DEL EMPLEO EN LA ERA DIGITAL
Consigue tu entrada gratuita en www.feriadelempleo.es