Skip to content

¡Bienvenido! AARP es tu guía para navegar la vida y planear tu futuro con Salud, Dinero y Amor. Conócenos mejor

 

Estrategias para no ser excluido por plataformas de reclutamiento que usan inteligencia artificial

La definición de un “buen” candidato podría impedir el avance de talentos diversos.

Persona señalando a una mujer en una pantalla con otros rostros.

Getty Images

In English | En promedio, los empleos corporativos atraen la friolera de 250 solicitantes cada uno; sin embargo, solo unos cuantos llegan a la entrevista. Si cada currículo tiene de dos a tres páginas, eso representa más de 750 páginas por filtrar para cubrir un solo puesto... ¿y quién tiene tiempo para eso? Introducimos: los algoritmos.

En su núcleo, los algoritmos están diseñados para detectar patrones en los datos existentes y hacer predicciones sobre los datos futuros, basándose en una definición de qué variables (como las habilidades, por ejemplo) coinciden. Y mientras más datos alimentes a un algoritmo —según el razonamiento— más precisas son sus predicciones. Este es ciertamente el caso cuando se trata de compras por internet. Un análisis de compradores anteriores indica que si compras un cierto tipo de teléfono, probablemente querrás un tipo particular de funda, aro o soporte para acompañarlo. Y eso es muy eficaz... cuando se trata de comprar teléfonos.

El problema de la construcción de algoritmos para descartar a los candidatos equivocados es que muchos diseños se basan en a) la definición de lo que es un “buen” candidato, b) ejemplos anteriores de lo que han sido “buenos” candidatos, o c) qué candidatos de todo el conjunto de solicitantes terminan avanzando en rondas sucesivas. Definir qué es lo que hace que un candidato sea adecuado para un trabajo es notoriamente difícil. Hasta el 50% de las nuevas contrataciones fallan en 18 meses. Y cuando los datos de los anteriores candidatos exitosos se introducen en los algoritmos diseñados para predecir qué candidatos serán los siguientes en tener éxito, terminas obteniendo más de lo mismo. Además, si las descripciones de los puestos de trabajo y los procesos de reclutamiento están diseñados para suprimir, de manera abierta o inconsciente, el interés de los diversos candidatos, es probable que el proceso no incluya una variedad lo suficientemente grande como para provocar que el algoritmo sugiera diversos candidatos en el futuro.


Recibe contenido similar, suscríbete a nuestro Boletín


La buena noticia es que algunas estrategias pueden ayudar a evitar que el sesgo se introduzca en el flujo de datos y en los algoritmos que aprenden de él.

1. Haz preguntas

Puedes hacer una serie de preguntas a los posibles proveedores para medir sus garantías de mitigación de prejuicios. ¿Puedes obtener cierta visibilidad de cómo se crean sus algoritmos? ¿Tienen un psicólogo especialista en organización industrial entre su personal que pueda hacer análisis detallados del trabajo y ayudar a los científicos de datos a construir una definición de las variables “buenas”? ¿Hacen los vendedores auditorías independientes y regulares de los resultados para ver si avanzan suficientes candidatos diversos? ¿Califican o clasifican a los candidatos, y si es así, pueden seleccionar al azar a los primeros diez o veinte para evitar demasiada concentración en pequeñas diferencias?

2. Eliminación del lenguaje sesgado de las descripciones de los puestos de trabajo

En Textio se comprobó que el uso de palabras como “exhaustivo” e “intrépido” en las descripciones de los puestos de trabajo daba lugar a un mayor número de candidatos hombres, mientras que palabras como “transparente” y “catalizador” daban lugar a un mayor número de candidatas mujeres. De la misma manera, completar las descripciones de los puestos de trabajo con frases como “nativo digital”, “superdivertido” o “recién graduado” podría suprimir el interés en las personas mayores que buscan trabajo, quienes aportan una gran experiencia y habilidades sociales, sobre todo los que pueden cambiar de carrera o están dispuestos a aceptar un recorte de sueldo para aprender habilidades.

3. Diversidad de estrategias de reclutamiento

Amplía el grupo de solicitantes simplemente con expandir las fuentes de donde te abasteces. Muchos portales de empleo y proveedores están específicamente diseñados para aumentar la diversidad de su grupo de candidatos; la Lista de empleos, de AARP, es un ejemplo (en inglés). Como alternativa, usa asignaciones de trabajo o evaluaciones respaldadas por la ciencia para proporcionar un análisis realista de a qué candidatos les iría bien en el puesto, no solo los que vienen del mismo código postal o alma mater que los contratados que anteriormente tuvieron éxito.

4. Deshazte del ajuste cultural y contrata para el agregado cultural 

Adopta una política de búsqueda de diferencias. Muchas veces, incluso los candidatos que superan todos los obstáculos fallan en el punto de decisión final porque no se ven o sienten como el resto de las personas del equipo. Pero está bien establecido que la solución de problemas complejos y la generación de soluciones innovadoras requieren una amplia gama de perspectivas y experiencias. Presta atención cuando un candidato bien cualificado aporte la diferencia suficiente para despertar la creatividad y los nuevos enfoques, y presenta esos argumentos al director de contrataciones.

Los algoritmos no van a desaparecer, y con vigilancia e intervención puedes aprovecharlos para asumir las cargas más pesadas del reclutamiento y al mismo tiempo cumplir con tus objetivos de diversidad e inclusión.

¿Qué opinas?

0 | Add Yours

Deje su comentario en el campo de abajo.

Debe registrarse para comentar.