La Inteligencia artificial incrementa la productividad, pero aprende de nuestros sesgos. La economía del comportamiento dice…
Si “Amazón lleva tiempo despidiendo a sus reclutadores. El motivo es simple: ahora tiene robots” tiene lógica, aunque esta lógica nos genere dudas y reflexiones. La inteligencia artificial, aplicada al reclutamiento, mejora la productividad en el abastecimiento de candidatos, selección de solicitantes, ayudas para entrevistas, realiza buenos análisis predictivos y pone “chatbots” para “conversar” y prestar asistencia e información a los candidatos. Es un 24/7 en el reclutamiento y selección.
Pero, además de las dudas que puede generar en los ámbitos de la transparencia, normas y ética, también las genera a los propios reclutadores y empleados en general. A los primeros por su competitividad, trabaja más rápido ¿e igual de bien? A los empleados por la dificultad de entender, cuando hay transparencia, que un “robot” esté tomando decisiones que afectan a nuestra vida, sin conocimiento de sus criterios. Por otra parte, lo mismo que cuando el reclutador es humano. Como es habitual, exigimos mucho más a los otros, “robots”, que a nosotros mismos, los humanos.
Workday MCM ya está en ello y, por ejemplo, realiza con ChatGpt un proceso eficiente, con mejor calidad y revisiones de desempeño más completas.
- ¿Tiene sesgos la Inteligencia artificial en el reclutamiento y selección?
En la medida que trabaja sobre datos existentes, puede designar fácilmente a un grupo sesgado debido a los antecedentes de los empleados actuales o pasados.
Es verdad que podremos trabajar con ella para eliminar sesgos cuando los tengamos identificados, de la misma forma que lo podemos hacer cuando el trabajo de reclutamiento y selección lo realizan humanos. Por ejemplo, puede mitigar nuestros sesgos al ocultar los datos demográficos de los candidatos.
Puesto que, en un proceso de selección de personas, es más fácil eliminar el sesgo del proceso de toma de decisión que el de la persona que toma la decisión, deberemos trabajar en identificar dichos sesgos. Y si los sesgos más habituales en un proceso de reclutamiento y selección son: el sesgo de similitud y sesgo de afinidad, sesgo de confirmación, efecto halo, ley del sesgo del instrumento, efecto de arrastre, sesgo de apoyo a la elección, sesgo de exceso de confianza, sesgo de indulgencia, efecto de contraste, deberemos trabajar aprender con nuestra Inteligencia Artificial para superarlos.
Y mientras mejoramos el proceso de reclutamiento con nuestra herramienta de Inteligencia artificial, también deberemos trabajar por mejorar el momento de la selección, de la decisión que hoy, agosto de 2023, lo siguen haciendo humanos.
- Preferencia revelada frente preferencia reportada
- Puesto que el sesgo de “Overconfidence” se produce, en general, tanto en los candidatos como en los técnicos de selección, esto es, las opiniones de las personas sobre sí mismas mantienen una relación entre tenue y modesta con su comportamiento y desempeño reales.
- También, puesto que hasta ahora evaluaciones “mejoradas” (Behavioral Event Interview) todavía recogen el sesgo del reclutador.
Esto es, ya existen herramientas SaaS para Recursos Humanos que aplican el conocimiento de la Economía del Comportamiento a las evaluaciones en el mundo de la gestión de personal y la búsqueda de talento. Un ejemplo es Kodo People en nuestro país o Hiremetrics del grupo BEworks.
- ¿Y para nuestros equipos de selección?
Por ello algunas ideas para este momento. Ideas de intervenciones comportamentales que nos permitirán reducir en parte los sesgos de los humanos tomando decisiones de incorporación de personas a nuestras compañías.
Por ejemplo 6 empujones conductuales para reducir el Sesgo en la contratación y en las promociones:
- Hacer que los evaluadores proporcionen justificaciones explícitas.
- Usar formularios estructurados de evaluación.
- Proporcionar ejemplos específicos de comportamientos deseados.
- Enfocarse en los logros previos.
- Hacer que los evaluadores evalúen a los candidatos en grupos, rankings.
- Usar una variedad de evaluadores
O también 7 consejos para evitar el sesgo de contratación:
- Formar a los empleados sobre el sesgo inconsciente
- Diversificar los equipos de contratación
- Describir las posiciones de trabajo de forma neutral: género, edad, capacidad, neurodiversidad…
- Revisión de los currículums a ciegas
- Priorizar el rendimiento sobre los currículums
- Estandarizar las preguntas de la entrevista
- Determinar el ajuste de valores en lugar del ajuste cultural
