Desde la redacción de requisitos y la personalización del candidato, al reto de la validación, pasando por la valoración real de las habilidades más allá de las credenciales siguiendo el modelo de las RRSS. Cinco expertos en talento de la consultora McKinsey analizaron las posibilidades de verdad plausibles que tiene la inteligencia artificial generativa de cambiar la forma en que entendemos el reclutamiento.
“Puede que un chatbot no te quite el trabajo, pero es casi seguro que lo cambiará”. Desde McKinsey Talent confirman la sensación reinante en los RRHH una vez la inteligencia artificial generativa se ha aposentado en el escenario. Pasada ya su inquietante infancia, en esta su adolescencia es momento para que los expertos analicen sus verdaderas posibilidades. Sin dramatismos, pero sin negligentes desdenes.
La consultora ha llamado a rebato a sus filas y uno de los primeros resultados es un jugoso diálogo de dos de sus socios clave en el área de talento, Bryan Hancock y el Bill Schaninger, con Lareina Yee y Lucia Rahilly, presidenta del Consejo de Tecnología y directora editorial global de la firma, respectivamente.
Rahilly fue al grano con la pregunta del millón: “¿Modificará la IA generativa el proceso de selección de personal de forma significativa?” De la respuesta afirmativa (con matices: hablan expertos de los RRHH, no frikis de la ciencia ficción) surgieron cinco grandes áreas de cambio en el reclutamiento:
1. Requisitos
Hancock apuntó que la IA puede “ayudar a los directivos a redactar mejor los requisitos de los puestos. La tecnología generativa puede extraer las habilidades necesarias para desempeñar con éxito el trabajo”. Y primer matiz: “Eso no quiere decir que los directivos no tengan que comprobar el producto final. Necesitarán a ese humano en el bucle para asegurarse”. Pero la IA genérica puede mejorar drásticamente la velocidad y la calidad.
2. Personalización del candidato
“Con la IA generativa se puede incluir mucha más personalización sobre el candidato, el trabajo y qué otros trabajos pueden estar disponibles si hay una razón por la que el solicitante no encaja”, añadió Hancock.
3. Cubrir puestos conocidos
Para Schaninger, la mejor aplicación de la inteligencia artificial genérica tiene como contexto “grandes grupos de competencias en los que se intenta cubrir un puesto de trabajo razonablemente conocido. Necesitamos una forma más productiva y eficaz de navegar por todos los perfiles que nos llegan”. Pero aquí llega un gran pero:
4. El reto de la validación
“Me inquieta un poco cuando se trata de un trabajo nuevo, una nueva función, o incluso, en el Derecho estadounidense, un trabajo que ha cambiado más de un 25% o un 33%”, matiza Schaninger. “El reto de la validación estriba en que se necesita un criterio de rendimiento con el que comparar”, y para eso “tienes que mirar a la gente que no has contratado”. Esto no significa que la tecnología no pueda utilizarse, concede Schaninger. “Solo que probablemente haya que trabajar un poco más en la fase inicial para aplicarla a nuevos puestos de trabajo y dar una oportunidad más amplia a los grandes grupos de competencias”.
5. El paso de credenciales a habilidades
Rahilly introdujo en la conversación el tan recurrente tema del exceso de atención de los reclutadores a las credenciales frente a las aptitudes reales. Yee basó su optimismo en la capacidad de la IA de “etiquetar datos no estructurados con palabras”, que podría aplicarse a la adquisición de talentos o a la búsqueda de capacidades “buscando palabras clave en términos de capacidades y habilidades”. El referente aquí, claro, son las redes sociales.
Schaninger cree que esta potencialidad se ajusta como anillo al dedo al mundo empresarial, “al que le gustan los conjuntos de datos patentados y la agrupación de perfiles”. A partir de ahí, dice, el verdadero poder surge de la pregunta: “¿Cuánto puedes hacer de dominio público hasta que empieces a chocar con los muros de pago?»
Lo ilustra con el caso de LinkedIn. “Las API [las interfaces de programación de aplicaciones] se limitaron a los títulos de los puestos de trabajo, pero no necesariamente a toda la información que había debajo”. Hay bulle un magma de tareas y habilidades de un valor incalculable. “Me imagino que va a haber una carrera para averiguar cómo podemos juntar estas piezas para formar la nube ontológica, si se quiere, de ‘estas 17 cosas describen esta habilidad’.
En definitiva, ChatGPT no le va a quitar su trabajo, pero puede ayudarle a elegir mejor el de los demás.
1. Transición de credenciales a competencias
El último punto del esquema referido al reclutador abre el de los candidatos. Hancock plantea el caso de alguien con “algunas habilidades pero que no tiene una visión muy clara de cuáles podrían ser sus oportunidades profesionales”. Esa persona “depende en gran medida de que un directivo o alguien se interese por él y le ayude a orientarse hacia caminos ‘no tradicionales». Ilustra la alternativa con IA generativa de forma muy gráfica: “Podrías mantener una conversación con un chatbot muy inteligente y decirle: ‘Eh, estas son mis habilidades y experiencias. ¿Qué trabajos podrían estar abiertos para mí?’. Y la IA podría responder: ‘La mayoría de la gente con tu perfil de habilidades hace estas cosas, pero algunos hacen A, B, C’, siendo ‘C’ programación. Entonces, podrías decirle: ‘Dime cuáles serían estos trabajos en programación», y sacar una descripción del trabajo para un programador que no esté orientada sólo a una persona de IT, sino traducida para que lo entiendas. Ahí podrías preguntar: ‘¿Qué experiencias de aprendizaje necesito?’ Y la IA generativa podría decirte cuáles son esas experiencias de aprendizaje”.
2. Estancamiento
Yee se contagia del estilo narrativo de la conversación: “Imagina que llevo diez años de carrera y me siento un poco estancada. ¿Y si tuviera un asistente de IA para el desarrollo profesional que me ayudara a reflexionar sobre cuestiones como ‘¿Qué tipo de trabajo debería buscar? ¿Cuáles son los tipos de funciones dentro de mi empresa? ¿Qué clases debería tomar?’, en lugar de esperar a que alguien me vuelva a formar, lo cual suena fatal. ¿Cómo puedo tomar la iniciativa a los diez años de empezar mi carrera para adquirir las habilidades necesarias y comprender la variedad de trabajos disponibles para mis capacidades?”
3. Nuevos trabajadores
Hancock recuerda un estudio de Erik Brynjolfsson, de la Universidad de Stanford, y otros investigadores del MIT con trabajadores de los centros de atención telefónica. “Descubrieron que la funcionalidad de la IA generativa no era tan útil para los representantes más experimentados. En cambio, resultaba increíblemente útil para los nuevos, porque podían obtener ese conocimiento institucional mucho más rápidamente. Lo tenían al alcance de la mano. Podían hacer una pregunta y obtener la respuesta”.
