100% de match – Reclutamiento de personal usando Machine Learning

Candidato, según IA tu y yo somos la pareja perfecta!!!

Cuando inicie este escrito quería platicar sobre como los modelos de Machine Learning  están impactando en la evolución de los procesos de reclutamiento, sin embargo llegó a mi mente 2 situaciones:

  1. Recuerdo de un compañero que antes de contractar a partir de la fecha de nacimiento revisaba el horóscopo del candidato y revisaba la compatibilidad con su signo zodiacal.
  2. Publicación de LinkedIn donde se comentaba que para mitigar un mal proceso de reclutamiento los candidatos al inicio firmaban contratos mensuales (una mala practica que a la fecha se usa en algunas empresas).

No pienso profundizar sobre ambos temas, prefiero enfocarme en que una relación de trabajo exitosa consiste principalmente en la compatibilidad entre el jefe y el nuevo empleado, el mayor sesgo en la selección es la empatía que se produce en las entrevistas que tiene el candidato con el reclutador y el jefe directo.

Si la selección del mejor candidato depende de la empatía entre dos personas, entonces se podría utilizar un algoritmo similar a los sitios de búsqueda de la pareja perfecta para mejorar la selección, suena loco pero podría ser parte de una solución para reducir la rotación de la empresa, gran parte de que un empleado se mantenga en la empresa depende de la relación empleado jefe (fidelización del empleado).

Usualmente un algoritmo de match entre 2 personas tiene una salida de compatibilidad del 0 al 100%, lo cual podríamos considerarlo como un score, esta salida del algoritmo en proceso de reclutamiento no debería considerarse como el remplazo a los actuales procesos, al contrario la salida de este algoritmo sería una variable más en un modelo nuevo que considere otras evoluciones como factores para impulsar el proceso de selección del mejor candidato:

  • Test de Actitudes. Enfoque en las habilidades relacionadas al puesto.
  • Test proyectivos. Predecir comportamiento a partir de la personalidad.
  • Test de nivel intelectual.
  • Test de personalidad. Técnicas introspectiva para descartar rasgos de personalidad no compatibles con el trabajo.
  • Otros Test. Evaluaciones relacionados a temas de ética, y/o el resultado de las entrevistas.

Siendo  que mi conocimiento en dichas evaluaciones, solo serán nombradas como ejemplos más comunes,  y hablemos de forma rápida un como sería el modelo:

  • Variable objetivo:  Empleado adecuado y compatible con la posición, empresa y jefe.
  • Entrada del modelos: Los exámenes y resultados de entrevistas serían las variables a utilizar en el modelo.
  • Salida del modelo: Un score donde el valor más alto indica una mayor probabilidad de cumplir con la variable objetivo y un score bajo que el candidato esta lejos de ser el mejor.

El beneficio de este modelo sería incrementar el volumen de candidatos a evaluar reduciendo el costo unitario del procesos de selección de un candidato. Los reclutadores no solo apuntarían hacia el perfil del candidato, sino tendría mayor conocimiento de la empresa y del futuro jefe.  Esto daría el impulso necesario para mejorar  y continuar con la tendencia mostrada en el siguiente articulo que sin duda es muy interesante: Tendencias de reclutamiento en el 2018:

data trend

Otro articulo que puede darte una mejor visión de como ML será parte del proceso de reclutamiento es el siguiente: Adiós al Reclutamiento tradicional: IA ha llegado para quedarse.

IA

Otras ligas de interés:

Como todo tiene su lado malo, o mejor dicho su área de oportunidad… esto se lo dejo a los expertos de reclutamiento para que nos den su retro de lo que han leído en este articulo…. solo con sus comentario podemos afinar más el futuro del reclutamiento usando Machine Learning (ML).