El satélite Kepler fue lanzado
en marzo de 2009 con la misión de descubrir planetas en otras estrellas. Hacia
el 2013 su telescopio había recopilado curvas de luz de decenas de miles de
sistemas estelares, y analizando sus datos se han descubierto hasta la fecha
unos 2500 nuevos planetas extrasolares.
En diciembre de 2017, investigadores de
la NASA y Google entrenaron una red neuronal a partir de todas las
señales que resultaron en detecciones positivas de planetas, y luego le
hicieron buscar patrones similares en unos cuantos sistemas de la inmensa base
de datos de Kepler. Con la potencia de un PC de escritorio y en solo unas
horas, consiguieron identificar un nuevo planeta en el sistema Kepler 90. En
una sutil maraña de datos descartados por los astrónomos había escondido un
planeta entero, y una red neuronal relativamente sencilla con solo unas horas
de entrenamiento lo encontró.
Esta es una de las capacidades más interesantes
del Machine Learning y las Redes Neuronales: encontrar patrones
ocultos en grandes volúmenes de datos. Microsoft lo usa para decodificar el ADN
del sistema inmunitario humano, la industria farmacéutica analiza con estas
herramientas la inmensa cantidad de datos de los más de 800 medicamentos y vacunas
contra el cáncer actualmente en fase de pruebas. Coches autónomos, realidad
aumentada, reconocimiento de caras y gestos… La Inteligencia Artificial ha
dejado de ser un campo de estudio con valor únicamente académico, y cada vez
está más claro que formará el núcleo de la siguiente gran revolución
tecnológica en nuestro mundo.
Muchas compañías almacenan datos curriculares y
de selección de sus empleados, así como su información de desempeño a lo largo
de los años. Una red neuronal puede ser entrenada con esta información sobre
los empleados con mejor rendimiento para buscar patrones similares en
candidatos actualmente en proceso de selección. Análisis de información
mejorados para identificar descartes rápidamente, algoritmos optimizados para
ajustar candidatos a su puesto objetivo… A pesar de ser un área
relativamente joven, hay aplicaciones de este tipo muy desarrolladas en el
ámbito de la búsqueda del Talento.
Hay una situación similar en el estudio de las
causas de rotación en la compañía. Es posible analizar información de
rendimiento, encuestas de satisfacción, etc de cada empleado que abandona una
empresa, y esto igualmente constituye un conjunto de datos de entrenamiento muy
valioso para generar algoritmos que detecten anticipadamente personas
con alto riesgo de salida.
Un último ejemplo -hay muchos más- lo podemos
encontrar en Google, que formó un equipo de People Analytics para
realizar proyectos de análisis de información de RRHH que respondan a problemas
tan complejos como encontrar las características comunes de los Equipos de
Trabajo más eficaces (Project
Aristotle) o los mejores Líderes (Project Oxygen).
Los resultados de muchos de estos estudios pueden encontrarse en rework.withgoogle.com, y han llevado a
compañías como Facebook, Amazon, Microsoft y muchas otras a departamentos
similares.
La Inteligencia Artificial por fin ha pasado a
ser una realidad fuera del mundo de la investigación, gracias sobre todo a la
rápida evolución en los últimos años de la tecnología de las Redes Neuronales,
Machine Learning y Big Data. Los “Big Five” (Google, Apple, Microsoft, Facebook
y Amazon) están invirtiendo fuertemente en iniciativas AI, y los
resultados empiezan a materializarse ya en el gran salto operativo que han dado
los asistentes virtuales (Google Assistant, Siri, Alexa, Cortana…), los
servicios de traducción de Google o los de reconocimiento de voz. El
actual CEO de Google, Sundar Pichai, afirmó el pasado 19 de Enero en un
evento de la MSNBC que la Inteligencia Artificial será más importante para la
humanidad que la electricidad o el fuego.
Según Glassdoor, el ranking de empleos más
valorados en Estados Unidos lo encabezan los Científicos de Datos por tercer
año consecutivo, con una demanda en todo tipo de industrias de más de 4500
empleos. Y en el mundo de los Recursos Humanos esto empieza a dar sus frutos en
el trabajo de compañías como Peoplise, Glint o PhenomPeople, que ofrecen productos que
integran ya técnicas de Machine Learning en la Selección, la gestión
del Talento o la mejora de la Experiencia del Empleado en la compañía.
Probablemente aún nos faltan décadas para ver IAs
con capacidades reales similares a las del cerebro humano, pero en el ámbito
del análisis de la información ya es posible construir Redes
Neuronales y algoritmos específicos capaces de encontrar conexiones de
datos invisibles para el analista humano, y esto es especialmente potente cuando
se trata de información no estructurada, como sucede en el mundo de los
Recursos Humanos. Por otra parte, este tipo de algoritmos pueden estar afectados por sus propias formas de “prejuicios”, igual que sucede con los
razonamientos de las personas, y es crucial encontrar una forma óptima
de colaboración hombre-máquina en la toma de decisiones
El Informe sobre el desarrollo
mundial de 2019 es el más reciente de una serie de medidas aplicadas por
académicos, consultores y gobiernos para evaluar el impacto de las nuevas
tecnologías en el empleo. Por lo general, estudios anteriores han pronosticado
que la automatización destruirá más trabajos de los que crea.En su informe, el
Banco Mundial pone de relieve que la naturaleza del trabajo en el futuro
evolucionará. Si bien los avances tecnológicos en automatización están
comenzando a manejar miles de tareas cotidianas y eliminarán muchos empleos de
baja calificación en economías avanzadas y países en desarrollo, también está
creando oportunidades para empleos diferentes, más productivos y más creativos.
