Dónde la IA puede (y no puede) ayudar a la gestión del talento

Desde hace más de un año, las organizaciones se han esforzado por retener el talento. Según el Oficina de Estadísticas Laborales de los Estados Unidos, 4,2 millones de personas dejaron sus trabajos voluntariamente en agosto de 2022. Al mismo tiempo, había 10,1 millones de ofertas de trabajo. Entre la gran renuncia y tendencias más recientes, como «dejar de fumar silenciosamente», los enfoques tradicionales para conseguir trabajadores con talento no siempre han dado resultado en este mercado tan competitivo.

Una ola emergente de herramientas de IA para la gestión del talento tener el potencial para ayudar a las organizaciones a encontrar mejores candidatos para un puesto de trabajo más rápido, ofrecer un desarrollo más impactante a los empleados y promover la retención mediante una participación más eficaz de los empleados. Pero si bien la IA puede permitir a los líderes abordar los puntos débiles de la gestión del talento al hacer que los procesos sean más rápidos y eficientes, la implementación de la IA viene acompañada de un conjunto único de desafíos que merecen una atención significativa.

Antes de que los líderes adopten estas herramientas, tienen que entender cómo y dónde la IA puede ofrecer una ventaja a su empresa, y cómo anticipar y abordar los principales desafíos de la implementación de la IA para la gestión del talento.

Puntos débiles sobre la gestión del talento y la IA en acción

La gestión del talento consta de tres fases principales: atracción de empleados, desarrollo de los empleados y retención de los empleados. La IA puede ayudar a abordar los puntos débiles en cada una de estas áreas.

Atracción de empleados

Encontrar y contratar a los trabajadores adecuados puede requerir mucha mano de obra, ser ineficiente y estar sujeto a sesgos. Los reclutadores corporativos crean ofertas de trabajo, filtran los currículums y programan las entrevistas, procesos que pueden llevar mucho tiempo y provocar cuellos de botella que aumentan el tiempo de contratación y, en última instancia, la pérdida de candidatos prometedores. Un lenguaje sesgado en las ofertas de trabajo también puede reducir las solicitudes de grupos tradicionalmente marginados, incluidas las mujeres y las minorías raciales, aunque las evaluaciones manuales también pueden estar plagadas de sesgos implícitos.

Es más, las empresas suelen tener procesos inconsistentes para hacer coincidir a los candidatos con las ofertas de trabajo distintas de la que se postularon inicialmente, lo que genera una pérdida de oportunidades tanto para los candidatos como para las organizaciones que buscan cubrir puestos.

La IA puede ayudar a crear ofertas de trabajo más precisas que se anuncien adecuadamente a los posibles candidatos, seleccionar de manera eficiente a los candidatos para identificar a los candidatos más prometedores y ofrecer procesos que intenten comprobar los sesgos humanos. Por ejemplo, la plataforma Pimetría utiliza la IA en las herramientas de evaluación de los candidatos que miden la demostración real de las habilidades y, como resultado, reducen los sesgos en el proceso de selección. La plataforma también redirige a los candidatos «medallistas de plata» a otras oportunidades laborales adecuadas, lo que ahorra tiempo a los reclutadores volviéndose a activar automáticamente solicitantes prometedores.

Desarrollo de los empleados

Ofrecer a los trabajadores oportunidades de aprendizaje y desarrollo continuos es un aspecto clave de la gestión del talento. Un punto débil clave en el desarrollo de los empleados es motivarlos y garantizar que tengan acceso a las oportunidades adecuadas. A menudo, hay poca información sobre estas oportunidades para los empleados y a las organizaciones les resulta difícil desarrollar contenido de calidad suficiente para mantenerse al día con las necesidades de aprendizaje y crecimiento de los empleados.

La IA puede ofrecer soluciones en tiempo real para abordar estos puntos débiles. Por ejemplo, Aplicación EDApp — un sistema de gestión del aprendizaje basado en la IA, que proporciona a los empleados recomendaciones de aprendizaje personalizadas basado en el análisis del rendimiento y la participación, permite a los líderes de recursos humanos crear contenido de microaprendizaje en cuestión de minutos y les permite hacer un seguimiento del progreso de los alumnos y revisar el contenido en función de los conocimientos analíticos.

Retención de empleados

Por último, está la cuestión de cómo garantizar que los empleados que contrató y desarrolló se queden. Un aspecto fundamental de esto es el compromiso de los empleados o el compromiso y la conexión de los empleados con su organización. Una encuesta reciente de Gallup muestra que solo El 32% de la fuerza laboral estadounidense, y El 21% de la fuerza laboral mundial, se siente comprometido en el trabajo. Los empleadores suelen tener dificultades para mejorar la participación de los empleados porque es difícil captar métricas de participación precisas. Ellos también luchar para prevenir el agotamiento del personal y promover el bienestar.

Varias herramientas de IA pueden ayudar a recopilar las métricas de participación de los empleados con precisión y en tiempo real y a crear soluciones centradas en los empleados para promover el bienestar. Un ejemplo es Microsoft Viva + Glint, una plataforma de experiencia de los empleados que combina el análisis de opiniones con datos de colaboración reales para evaluar el compromiso y el bienestar de los empleados.

Dónde pueden fallar las herramientas de IA y cómo mitigar este riesgo

Sin embargo, las herramientas impulsadas por la IA no son soluciones de talle único. De hecho, la IA se puede diseñar para que se optimice para diferentes métricas y solo es tan buena como el objetivo para el que está optimizada. Por lo tanto, para aprovechar todo el potencial de la IA en la gestión del talento, los líderes deben tener en cuenta los desafíos de adopción e implementación de la IA a los que se pueden enfrentar. A continuación, describimos los principales desafíos, así como las estrategias de mitigación basadas en la investigación para cada uno de ellos.

Baja confianza en las decisiones impulsadas por la IA

Es posible que las personas no confíen ni acepten las decisiones impulsadas por la IA, un fenómeno conocido como aversión a los algoritmos. Las investigaciones muestran que la gente suele desconfiar de la IA porque no entiende cómo funciona la IA, es les quita de las manos el control de las decisiones, y perciben las decisiones algorítmicas como impersonal y reduccionista. De hecho, un estudio mostró que, aunque los algoritmos pueden eliminar los sesgos en la toma de decisiones, los empleados percibían las decisiones de recursos humanos basadas en algoritmos como menos justas en comparación con las decisiones humanas.

Las estrategias de mitigación incluyen:

Fomentar la alfabetización algorítmica: Una forma de reducir la aversión a los algoritmos es ayudar a los usuarios a aprender a interactuar con las herramientas de IA. Los líderes de gestión del talento que utilizan herramientas de IA para tomar decisiones deberían recibir formación estadística, por ejemplo, que les permita tener confianza a la hora de interpretar las recomendaciones algorítmicas.

Ofrecer oportunidades de control de decisiones: Las investigaciones sugieren que cuando las personas tienen cierto control sobre la decisión final, aunque sea mínimo, son menos reacias a las decisiones algorítmicas. Además, las personas son más dispuesto a confiar en las decisiones impulsadas por la IA en dominios más objetivos. Por lo tanto, decidir cuidadosamente qué tipos de decisiones de gestión del talento deben basarse en la IA, así como determinar cómo los profesionales de recursos humanos pueden cocrear soluciones trabajando con recomendaciones impulsadas por la IA, será fundamental para aumentar la confianza en la IA.

El sesgo de la IA y las implicaciones éticas

Si bien la IA puede reducir los sesgos en la toma de decisiones, la IA no está totalmente libre de sesgos. Los sistemas de IA suelen entrenarse con los conjuntos de datos existentes, lo que puede reflejar sesgos históricos. Además de la infame herramienta de IA de Amazon que las mujeres desfavorecidas solicitantes, otros ejemplos de sesgo en la IA incluyen algoritmos de abastecimiento que se dirigen específicamente a un público del 85% de mujeres para puestos de cajeras de supermercados y se dirigen a un público que es un 75% negro para trabajar en compañías de taxis. Dada la vulnerabilidad de la IA a los sesgos, las aplicaciones de la IA en la gestión del talento podrían producir resultados que infrinjan los códigos y valores éticos de la organización, lo que en última instancia perjudica el compromiso, la moral y la productividad de los empleados.

Las estrategias de mitigación incluyen:

Crear procesos internos para identificar y abordar los sesgos en la IA: Para mitigar sistemáticamente los sesgos en las tecnologías de IA, es importante crear procesos internos basándose en la forma en que la organización defina la imparcialidad de los resultados algorítmicos, así como en el establecimiento de estándares sobre la transparencia y la explicación que deben ser las decisiones de IA dentro de la organización. Los líderes también deben tener cuidado a la hora de establecer criterios de equidad que no tengan en cuenta la equidad, especialmente para las poblaciones vulnerables. Para abordar este problema, los líderes pueden considerar la posibilidad de incluir variables como el género y la raza en los algoritmos y establecer diferentes criterios de forma proactiva para diferentes grupos para abordar los sesgos preexistentes.

Crear equipos diversos para diseñar sistemas de IA: Las investigaciones indican que Los equipos de ingeniería más diversos crean una IA menos sesgada. Al fomentar la diversidad en los procesos de diseño e implementación de la IA dentro de su función de gestión del talento, las organizaciones podrían basarse en diversas perspectivas para minimizar los sesgos de la IA.

Erosión de la privacidad de los empleados

Las organizaciones han desplegado tecnologías de IA para rastrear a los empleados en tiempo real. Si se implementan mal, estas herramientas puede erosionar gravemente la privacidad de los empleados y provocar un aumento del estrés de los empleados, agotamiento más rápido, deterioro de la salud mental y disminución del sentido de agencia. Los informes muestran que la pandemia de la COVID-19 ha provocado un enorme aumento en la adopción de estas tecnologías de seguimiento por parte de las empresas, con ya que más del 50% de las grandes empresas utilizan actualmente herramientas de IA para rastrear. 

Las estrategias de mitigación incluyen:

Ser transparente en cuanto al propósito y el uso de la tecnología de seguimiento: Un estudio de Gartner revela que el porcentaje de empleados que se sienten cómodos con determinadas formas de seguimiento de los empleadores ha aumentado en la última década. El aumento de la aceptación es mucho mayor cuando los empleadores explican el motivo del seguimiento, creciendo del 30 al 50% cuando los líderes de la organización discutieron de forma transparente por qué se utilizaban estas herramientas.

Hacer que el seguimiento sea informativo, no evaluativo: Tal vez en contra de la intuición, una investigación reciente ha descubierto que los empleados aceptan más el seguimiento cuando se lleva a caboúnicamente por IA sin participación humana. Este trabajo demuestra que el seguimiento tecnológico permite a los empleados recibir comentarios informativos sobre su propio comportamiento sin miedo a ser evaluados negativamente. Cuando las herramientas de seguimiento se utilizan principalmente para supervisar y no para ofrecer información a los empleados sobre sus comportamientos, erosionan la privacidad y reducen la motivación intrínseca. Por lo tanto, la principal consideración para los líderes debería ser si el seguimiento puede mejorar los resultados informativos de los empleados sin provocar problemas de evaluación.

Potencial de riesgo legal

Según el Colegio de Abogados de los Estados Unidos, los empleadores podrían ser considerados responsables incluso por discriminación laboral involuntaria promulgada por sistemas impulsados por la IA. Además, las leyes estatales, nacionales e internacionales que rigen los derechos y responsabilidades de los empleadores y los empleados relacionados con la IA están en constante evolución.

Las estrategias de mitigación incluyen:

Comprender los marcos legales actuales que regulan el uso de la IA: Si bien el enfoque actual de la regulación de la IA en los EE. UU. aún se encuentra en sus etapas iniciales, el enfoque principal se centra en permitir la responsabilidad, la transparencia y la imparcialidad de la IA. El Ley de iniciativas nacionales de IA (ahora una ley) y Ley de Responsabilidad Algorítmica de 2022 (pendiente) son dos marcos a nivel nacional que se han iniciado para regular el uso de la IA en las organizaciones. Sin embargo, los estados están actualmente a la vanguardia de la promulgación de reglamentos sobre la IA, por lo que será importante que los líderes se mantengan al día con los cambios en las normas, especialmente cuando operen negocios en varios lugares.

Establecer un programa proactivo de gestión de riesgos: El panorama político más amplio que rige el uso de la IA para las decisiones delicadas del personal sigue evolucionando. Pero las organizaciones que esperan adoptar herramientas de IA para impulsar el valor en la gestión del talento deberían supervisar activamente la legislación pendiente y crear prácticas proactivas de gestión de riesgos, como diseño de sistemas de IA con los controles adecuados en las distintas etapas del proceso de desarrollo del modelo.

. . .

Dado el papel que desempeña una excelente gestión del talento en el mantenimiento de la competitividad, especialmente a la luz de la gran renuncia, los líderes deberían considerar de forma proactiva cómo las herramientas de IA que se centran en los puntos débiles de la gestión del talento pueden generar impacto. Hay importantes desafíos de implementación que deben superarse para aprovechar todo el valor que estas herramientas pueden aportar. Dados estos desafíos, los líderes deberían evaluar con prudencia las herramientas de IA. Pueden hacer que la gestión del talento sea más fácil y justa, pero no es tan simple como conectar y usar, y si los líderes quieren aprovechar al máximo estas herramientas, tienen que recordarlo.