por Jessica Kim-Schmid y Roshni Raveendhran

Las empresas tienen dificultades para contratar y retener talento y las herramientas de IA tienen el potencial de ayudar. En cuanto a la contratación, el desarrollo y la retención, la IA puede ayudar a las empresas a abordar los puntos débiles. Sin embargo, no es tan simple como conectar y usar, existen graves riesgos e inconvenientes que las empresas deben tener en cuenta si quieren incorporar la IA en sus procesos de gestión del talento. En particular, tienen que abordar la baja confianza en la toma de decisiones de la IA, los prejuicios y las preocupaciones éticas y el riesgo legal.

•••

Desde hace más de un año, las organizaciones llevan esforzándose 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 las tendencias más recientes, como «renunciar silenciosamente», los enfoques tradicionales para ganar trabajadores con talento no siempre han tenido éxito en este mercado tan competitivo.

Una ola emergente de herramientas de IA para la gestión del talentotener el potencial para ayudar a las organizaciones a encontrar mejores candidatos más rápido, ofrecer un desarrollo de los empleados más impactante y promover la retención mediante una participación más efectiva de los empleados. Pero si bien la IA puede permitir a los líderes abordar los puntos débiles de la gestión del talento haciendo que los procesos sean más rápidos y eficientes, la implementación de la IA viene con 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 problemáticos de la gestión del talento e IA en acción

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

Atracción para empleados

Encontrar y contratar a los trabajadores adecuados puede requerir mucha mano de obra, ser ineficiente y estar sujeto a prejuicios. Los reclutadores corporativos crean ofertas de trabajo, seleccionan currículums y programan 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. El 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 más allá de la que solicitaron inicialmente, lo que hace que se desperdicien oportunidades tanto para los candidatos como para las organizaciones que buscan cubrir puestos.

La IA puede ayudar creando ofertas de trabajo más precisas que se anuncien adecuadamente a los posibles candidatos, evaluando de manera eficiente a los candidatos para identificar a los candidatos prometedores y ofreciendo 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, reduce el sesgo en el proceso de selección. La plataforma también redirige a los candidatos a «medallista de plata» a otras oportunidades laborales adecuadas, lo que ahorra tiempo a los reclutadores volviendo a interactuar 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 tienen 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 satisfacer las necesidades de aprendizaje y crecimiento de los empleados.

La IA puede ofrecer soluciones en tiempo real para abordar estos puntos débiles. Por ejemplo, EdApp — un sistema de gestión del aprendizaje basado en la IA, proporciona a los empleados recomendaciones de aprendizaje personalizadas basado en análisis del rendimiento y la participación, permite a los líderes de RRHH 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 datos 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 de los empleados con su organización y la conexión con ella. Una encuesta reciente de Gallup muestra que solo 32% de la fuerza laboral estadounidense, y 21% de la fuerza laboral mundial, se siente comprometido en el trabajo. Los empleadores a menudo tienen dificultades para mejorar el compromiso de los empleados porque es difícil captar métricas de compromiso precisas. También ellos luchar por prevenir el desgaste del personal y promover el bienestar.

Varias herramientas de IA pueden ayudar a capturar las métricas de compromiso de los empleados con precisión 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 los datos de colaboración reales para medir 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 únicas para todos. De hecho, la IA se puede diseñar para que se optimice según 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 para la gestión del talento, los líderes deben tener en cuenta los desafíos de adopción e implementación de la IA a los que pueden enfrentarse. A continuación, describimos los desafíos clave y las estrategias de mitigación basadas en la investigación para cada uno.

Poca confianza en las decisiones impulsadas por la IA

Puede que la gente no confíe ni acepte las decisiones impulsadas por la IA, un fenómeno conocido como aversión a los algoritmos. La investigación demuestra que la gente a menudo desconfía de la IA porque no entiende cómo funciona la IA, les quita 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 el sesgo en la toma de decisiones, los empleados perciben las decisiones de recursos humanos basadas en algoritmos como menos justas en comparación con las decisiones humanas.

Las estrategias de mitigación incluyen:

Fomento de 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 en gestión de talentos que utilizan herramientas de IA para tomar decisiones deberían recibir formación estadística, por ejemplo, que les permita tener confianza en la interpretación de las recomendaciones algorítmicas.

Ofreciendo oportunidades de control de decisiones: La investigación sugiere que cuando las personas tienen cierto control sobre la decisión final, aunque sea mínima, son menos reacias a las decisiones algorítmicas. Además, la gente es más dispuesto a confiar en las decisiones impulsadas por la IA en dominios más objetivos. Por lo tanto, decidir cuidadosamente qué tipo de decisiones de gestión del talento debe basarse en la IA, así como determinar cómo los profesionales de RRHH pueden crear soluciones conjuntamente trabajando con recomendaciones impulsadas por la IA, será fundamental para aumentar la confianza en la IA.

Prejuicio de la IA e 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 se entrenan normalmente con los conjuntos de datos existentes, lo que puede reflejar sesgos históricos. Además de la infame herramienta de IA de Amazon que las mujeres solicitantes desfavorecidas, otros ejemplos de sesgo en la IA incluyen algoritmos de abastecimiento que se dirigen deliberadamente a una audiencia del 85% de mujeres para los puestos de cajera de supermercado y se dirigen a una audiencia que era un 75% negra para trabajos 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, perjudicando en última instancia 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 en función de cómo la organización define la equidad en los resultados algorítmicos, así como en establecer estándares sobre lo transparentes y explicables 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 esto, los líderes pueden considerar 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.

Creación de 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 sus funciones de gestión del talento, las organizaciones podrían recurrir a diversas perspectivas para minimizar el sesgo de la IA.

La erosión de la privacidad de los empleados

Las organizaciones han implementado 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 Covid-19 ha provocado un enorme repunte en la adopción por parte de los empleadores de estas tecnologías de seguimiento, con ya que más del 50% de los grandes empleadores utilizan actualmente herramientas de IA para el seguimiento. 

Las estrategias de mitigación incluyen:

Ser transparente en cuanto al propósito y el uso de la tecnología de seguimiento: Las investigaciones de Gartner revelan que el porcentaje de empleados que se sienten cómodos con ciertas formas de seguimiento de los empleadores ha aumentado en la última década. El aumento de la aceptación es mucho mayor cuando los empleadores explican las razones del seguimiento, aumentando del 30 al 50% cuando los líderes de la organización discutieron de manera transparente por qué se utilizaban estas herramientas.

Hacer que el seguimiento sea informativo, no evaluativo: Tal vez sea contrario a la intuición, investigaciones recientes han descubierto que los empleados aceptan más el seguimiento cuando se lleva a caboúnicamente por la IA sin ninguna participación humana. Este trabajo demuestra que el seguimiento tecnológico permite a los empleados obtener comentarios informativos sobre su propio comportamiento sin temor a una evaluación negativa. Cuando las herramientas de seguimiento se utilizan principalmente para supervisar, más que para ofrecer información a los empleados sobre sus comportamientos, erosionan la privacidad y reducen la motivación intrínseca. Por lo tanto, la consideración clave para los líderes debería ser si el seguimiento puede mejorar los resultados de la información para los empleados sin causar 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 en relación con la IA están en constante evolución.

Las estrategias de mitigación incluyen:

Entender 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 primeras etapas, el enfoque principal se basa en permitir la responsabilidad, la transparencia y la equidad de la IA. LosLey de iniciativas nacionales de IA (ahora es ley) y Ley de responsabilidad algorítmica de 2022 (pendientes) hay dos marcos a nivel nacional que se han iniciado para regular el uso de la IA en las organizaciones. Pero los estados están actualmente a la vanguardia de la promulgación de normas de IA, por lo que será importante que los líderes se mantengan al día con los cambios en las regulaciones, 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 hay que superar para aprovechar todo el valor que estas herramientas pueden aportar. Teniendo en cuenta estos desafíos, los líderes deberían evaluar juiciosamente 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.

•••

  • Jessica Kim-Schmid es miembro del equipo de Gestión del Talento de Pall Corporation como parte del Programa de Desarrollo de RRHH de Danaher. Obtuvo su MBA en la Escuela de Negocios Darden de la Universidad de Virginia
  • Roshni Raveendhran es profesora adjunta de Administración de Empresas en la Escuela de Negocios Darden de la Universidad de Virginia. Su investigación se centra en la comprensión del futuro del trabajo. Examina cómo las nuevas tecnologías, como la IA, influyen en los empleados y en las prácticas organizativas.