Machine Learning en RRHH, ¿realidad o ficción?

1683

En el mundo de los Recursos Humanos hay líneas claras de trabajo donde técnicas como el Machine Learning pueden suponer un gran avance: la búsqueda y la retención de talento, la mejora de la experiencia del empleado en la compañía o la adecuación de personas a equipos o puestos, son campos en los que estas nuevas herramientas nos pueden ayudar a obtener respuestas mucho más útiles y precisas.

¿Cuáles son los pasos?

  • Datos de calidad, este es el primer requisito imprescindible. Si queremos comprender mejor, por ejemplo, cómo es la experiencia de los empleados en nuestra compañía, lo primero será asegurarnos de que estamos almacenando los datos realmente relevantes sobre ella.

Asimismo, necesitamos información precisa y digitalizada sobre la rotación, la satisfacción del empleado, los procesos de feedback que tengamos implementados (evaluaciones, one to one, coaching, etc). Y una vez tenemos establecidas correctamente las fuentes de datos, será necesario asegurarnos de su calidad a través de procesos de chequeo de sanidad de la información, que nos permitan descartar datos repetidos, inconsistentes o desactualizados.

  • Financiación, es el siguiente paso cuando ya tenemos una estrategia suficientemente buena de recogida y procesado de datos. Este tipo de proyectos implican tiempo, inversión en perfiles y herramientas, fundamentalmente Software. Introducir técnicas como Machine Learning o Deep Learning en los procesos de toma de decisiones de la compañía, no tendrá éxito si tratamos de manejarlo como un proyecto más
  • Personas (científico de datos), esta nueva profesión surge de la intersección entre la Informática y Estadística, clave para el desarrollo de una organización. Tener claro que se trata de profesionales escasos y bien pagados, especialmente los buenos. 
  • Herramientas Software, el surgimiento de estas nuevas herramientas, ha sido uno de los grandes avances recientes en la popularización del Machine Learning: TensorFlow (Google), Amazon Machine Learning, Microsoft CNTK, Torch (Twitter, Facebook) y muchos otros.

El ecosistema de herramientas de tratamiento de información ha explotado literalmente en los últimos años: Frameworks, Algoritmos, Librerías, integraciones con todo tipo de software.

En ese sentido, ¿merece la pena realmente invertir todo el esfuerzo y dinero necesario en una estrategia para introducir Machine Learning en nuestros procesos? Absolutamente sí, la Información es la gran herramienta de nuestro tiempo, con la complejidad de los entornos actuales, cualquier decisión que tomemos no basada en los datos adecuados es más una apuesta que una estrategia.

 

Comentarios