Contenido
- El papel de los recursos humanos
- Caso para el aprendizaje automático en recursos humanos
- Sin errores, sin estrés: su guía paso a paso para crear software que cambie su vida sin destruir su vida
- Desarrollos
- Conclusión
Fuente: Kentoh / Dreamstime.com
Para llevar:
El análisis de recursos humanos está revolucionando la forma en que operan los departamentos de recursos humanos, lo que lleva a una mayor eficiencia y mejores resultados en general.
Los recursos humanos han estado utilizando análisis durante años. Sin embargo, la recopilación, el procesamiento y el análisis de datos ha sido en gran parte manual, y dada la naturaleza de la dinámica de los recursos humanos y los KPI de recursos humanos, el enfoque ha estado limitando los recursos humanos. Por lo tanto, es sorprendente que los departamentos de recursos humanos se hayan dado cuenta de la utilidad del aprendizaje automático tan tarde en el juego.
Sin embargo, el aprendizaje automático ha entrado lenta pero seguramente en el dominio de recursos humanos, y se han establecido múltiples casos de uso como la predicción de deserción, la contratación correcta y la capacitación de recursos humanos. También se cree que el aprendizaje automático puede predecir el éxito de un candidato potencial. Es probable que pronto se descubran más casos de uso. A diferencia del enfoque manual, el enfoque de aprendizaje automático es mucho más rápido, responde mucho mejor a situaciones dinámicas y proporciona datos precisos, procesables y valiosos. (A pesar de que el campo del análisis de datos se está volviendo cada vez más automatizado, no hay necesidad de preocuparse por el desempleo todavía. Obtenga más información en No, los bots de análisis de datos no van a robar su trabajo en el corto plazo).
El papel de los recursos humanos
Los recursos humanos son indiscutiblemente el activo más valioso de una organización. RRHH es responsable de administrar los recursos humanos de una organización para que obtenga el mayor valor posible de su gente. El papel de los recursos humanos incluye lo siguiente:
- Identificando el talento adecuado para el rol correcto
- Compensación y beneficios adecuados
- Gestionar el desarrollo de los empleados con capacitación y oportunidades.
- Seguimiento y gestión del crecimiento de los recursos humanos con incrementos, promociones, oportunidades y beneficios.
- Gestión de motivaciones, quejas y sentimientos de los empleados.
- Gestionar salidas
Caso para el aprendizaje automático en recursos humanos
Con el tiempo, las expectativas del departamento de recursos humanos han ido cambiando. Anteriormente, RR. HH. Encontraría candidatos adecuados; realizar o facilitar evaluaciones; entregar ofertas, compensaciones y beneficios basados en políticas de recursos humanos; y gestionar carreras y salidas de empleados. Ahora, se espera que RR. HH. Agregue más valor a lo que ya hace y haga aún más, como predecir la deserción y el éxito del candidato en un puesto. ¿El enfoque actual para cumplir estas expectativas permite o restringe los recursos humanos?
Antes de la adopción del aprendizaje automático, RR.HH. gestionaba los datos de forma manual y semiautomatizada. Recopilaría, almacenaría y procesaría datos para producir análisis antes de que los datos se volvieran rápidamente irrelevantes porque la situación había cambiado y los datos debían actualizarse. Por ejemplo, los datos recopilados antes del ciclo de evaluación anual mostraron bajos riesgos de desgaste. Sin embargo, después de la evaluación, hay un aumento en la deserción y la insatisfacción de los empleados, principalmente debido a la falta de coincidencia en las expectativas y las recompensas reales y un aumento de las oportunidades en el mercado laboral. Básicamente, el análisis previo a la evaluación engañó a la organización, y el esfuerzo puede considerarse un desperdicio.
Los métodos manuales y semi-manuales no están equipados para permitir que RR.HH. administre datos sobre las variables rápidamente cambiantes relacionadas con los recursos humanos. RR.HH. necesita análisis regulares y actualizados sobre factores relevantes como los sentimientos de los empleados dentro de la organización, las actitudes de los empleados hacia las políticas y el atractivo de las oportunidades de mercado frente a las que ofrece la organización. Este es un asunto serio. A menos que el capital humano se gestione bien, una organización puede potencialmente perder empleados valiosos. Bill Gates comentó una vez: "Nos quitas nuestros 20 mejores empleados y nos convertimos en una empresa mediocre". Ingrese al aprendizaje automático. ¿Qué puede ofrecer el aprendizaje automático sobre los viejos métodos? Considera lo siguiente:
Respuesta más rápida a dinámicas cambiantes
Esta es la era de los grandes datos. Para gestionar empleados, necesita datos sobre:
Sin errores, sin estrés: su guía paso a paso para crear software que cambie su vida sin destruir su vida
No puede mejorar sus habilidades de programación cuando a nadie le importa la calidad del software.
- Actitudes y sentimientos de los empleados.
- Credenciales o calificaciones
- Opiniones de los empleados sobre las políticas
- Tendencias de compensación y beneficios
- Desarrollos externos relevantes como el mercado laboral y organizaciones rivales y su impacto en sus empleados
Eso se suma a un enorme volumen de datos que llega a cada momento. La gestión manual simplemente no está bien equipada para manejarla. Sin embargo, el aprendizaje automático es apropiado para aceptar, almacenar y procesar consistentemente dichos volúmenes de datos y proporcionar información relevante y procesable en forma de análisis simple. (Obtenga más información sobre el papel de big data en los negocios con Tackling Big Data Analytics Pain Points).
Predicciones precisas
El aprendizaje automático puede predecir desarrollos clave como el desgaste, el éxito en los roles laborales y los eventos adversos, como el comportamiento poco ético. Por ejemplo, la probabilidad de éxito de un empleado en un nuevo cargo puede predecirse en función de un análisis de datos pasados, como el rendimiento de proyectos anteriores, la base de conocimientos y las iniciativas clave tomadas para mejorar la base de conocimientos, lo que refleja actitudes. Los resultados basados en estos parámetros se pueden convertir en análisis y luego se pueden tomar decisiones.
Identificación del candidato y seguimiento del solicitante
El aprendizaje automático puede conectar el trabajo correcto con el candidato correcto según el rol del trabajo y las credenciales, experiencia e intereses del candidato. El aprendizaje automático puede aprovechar las redes sociales para eso. Reduce significativamente el esfuerzo manual en evaluaciones y seguimiento de candidatos.
Desarrollos
El dominio de recursos humanos, después de una respuesta tibia al aprendizaje automático, está despertando a su utilidad. Se están implementando muchos casos de uso y hay más en camino. A continuación se presenta un resumen de los desarrollos clave.
Identificación de candidatos y seguimiento de solicitudes
Con grandes datos de fuentes web como foros y redes sociales, las organizaciones están encontrando los candidatos correctos para los roles correctos. Al evaluar la candidatura, el aprendizaje automático considera calificaciones, experiencia, intereses, conexiones profesionales y membresías, logros, discusiones en foros y más. Esto mejora significativamente las posibilidades de ajuste de roles, si no lo garantiza. Un buen ejemplo podría ser el sitio de redes profesionales, LinkedIn.
El aprendizaje automático reduce significativamente el esfuerzo manual en la gestión de aplicaciones y libera recursos humanos para centrarse en esfuerzos más productivos. Según Cristian Rennella, CEO y Cofundador de MejorTrato.com.mx, una compañía que compara productos financieros, "en el pasado, pasamos el 67.2 por ciento del tiempo de cada persona en RR. HH. Para leer los CV de cada candidato que vino a nosotros a través de nuestro sitio web propio y de terceros. Gracias a la inteligencia artificial, este trabajo hoy lo realiza automáticamente nuestro sistema interno, que mediante el aprendizaje profundo mediante TensorFlow, podemos automatizar esta tarea ".
Predicciones precisas
El análisis de recursos humanos a menudo puede predecir con precisión factores clave como la deserción, el desempeño de los empleados e incluso eventos adversos como el comportamiento poco ético. Por ejemplo, los datos de varias conversaciones de foros, publicaciones en redes sociales, videos, organizaciones rivales y oportunidades de mercado pueden indicar cambios en los niveles de deserción. Los niveles de deserción son particularmente susceptibles de cambio después de los ciclos de evaluación.
Predicciones de éxito laboral
Los datos sobre las credenciales, membresías, actitudes y desempeño de un candidato pueden apuntar a la probabilidad de éxito en los puestos de trabajo. El punto es que intentar calcular manualmente predicciones basadas en tantas variables es simplemente inadecuado. El análisis de recursos humanos puede proporcionar información precisa basada en qué organizaciones pueden encontrar los candidatos correctos para los puestos de trabajo correctos.
Conclusión
Las organizaciones ya están cosechando los beneficios de adoptar el aprendizaje automático.Si bien el aprendizaje automático ya ha reducido el esfuerzo manual, se espera que ML sea aún más preciso y destacado en áreas como la predicción y la gestión de la deserción, la gestión de los empleados y el éxito.