{"id":51372,"date":"2024-03-21T10:50:52","date_gmt":"2024-03-21T09:50:52","guid":{"rendered":"https:\/\/ticker-noticiasep.microcontenidos.com\/NoticiaRSS.vbhtml?user=XRNR562DLR&cod=20240321105052"},"modified":"2024-03-21T10:50:52","modified_gmt":"2024-03-21T09:50:52","slug":"rrhh-debe-usar-ia-si-tiene-claro-el-objetivo-sabe-depurar-los-datos-y-alguien-supervisa-el-resultado-segun-expertos","status":"publish","type":"post","link":"https:\/\/webciudadana.net\/?p=51372","title":{"rendered":"RRHH debe usar IA si tiene claro el objetivo, sabe depurar los datos y alguien supervisa el resultado, seg\u00fan expertos"},"content":{"rendered":"\n
<\/div>\n

Las herramientas de IA tienen un \u00abimpacto trasversal\u00bb que \u00abdejar\u00e1 fuera\u00bb a quien no sepa usarlas <\/p>\n

MADRID, 21 (EUROPA PRESS)<\/p>\n

Los ponentes del webinar ‘Ejemplos pr\u00e1cticos de c\u00f3mo y para qu\u00e9 aplicar la IA en Recursos Humanos’, organizado por el campus de IA+Igual, han coincidido en se\u00f1alar que RRHH solo debe usar la IA si tiene claro el objetivo, sabe depurar los datos y cuenta con una persona que supervise el resultado.<\/p>\n

Durante la sesi\u00f3n, el Talent & HR Solutions de Aggity, Carlos Caba\u00f1as, ha alertado a los profesionales de la tentaci\u00f3n de usar la Inteligencia Artificial generativa (IAg) porque \u00abest\u00e1 de moda\u00bb y ha se\u00f1alado que \u00abRRHH solo debe utilizarla si ha identificado un problema y tiene un objetivo claro\u00bb.<\/p>\n

Asimismo, ha enfatizado sobre el valor \u00abcr\u00edtico\u00bb de los datos como \u00abpunto de partida\u00bb, pero ha recordado que hay que tenerlos en cuenta \u00abdurante todo el proceso, incluidos los resultados\u00bb, para evitar posibles anomal\u00edas. \u00abLa intervenci\u00f3n humana disminuye a medida que gana peso la tecnolog\u00eda, pero siempre debemos tenerla en cuenta\u00bb, ha apostillado.<\/p>\n

En esa misma l\u00ednea, la investigadora en \u00c9tica del Aprendizaje Autom\u00e1tico de DATAI, Elena Mart\u00edn, ha puesto en relieve que el funcionamiento predictivo \u00abest\u00e1 m\u00e1s all\u00e1 de la IAg\u00bb y los datos usados y es responsabilidad de las personas que \u00abest\u00e1n detr\u00e1s de la tecnolog\u00eda\u00bb. En este sentido, ha destacado la importancia de la \u00abtransparencia con los empleados\u00bb para que entiendan c\u00f3mo se interpretan los datos y c\u00f3mo les afectan.<\/p>\n

Con el objetivo de clarificar sus argumentos, ambos expertos han empleado el caso de \u00e9xito de una multinacional del sector Farma que, seg\u00fan han explicado, ha desarrollado un algoritmo para evitar la fuga del talento y la rotaci\u00f3n no deseada en Espa\u00f1a.<\/p>\n

\nDEPURAR LA \u00abCOCTELERA\u00bb DE DATOS Y PARTIR DE UN PLANTEAMIENTO \u00c9TICO <\/p>\n

Seg\u00fan han indicado Caba\u00f1as y Mart\u00edn, a ra\u00edz de la pandemia COVID-19 y el posterior crecimiento de Farma, la retenci\u00f3n del talento se convirti\u00f3 en una prioridad para el sector ante la dificultad para reemplazar a los empleados que abandonan la empresa, ya que, como han destacado, \u00abse trata de perfiles con una curva de aprendizaje alta\u00bb.<\/p>\n

Por eso, Aggity –compa\u00f1\u00eda tecnol\u00f3gica especializada en la Transformaci\u00f3n Digital de los negocios– ha desarrollado un algoritmo para la multinacional mencionada que, seg\u00fan han se\u00f1alado los ponentes, parte de 103 variables, 33 de ellas correlacionadas con riesgo de fuga –rango de edad, n\u00famero de hijos, antig\u00fcedad en la empresa). Otras, como por ejemplo g\u00e9nero o performance, fueron descartadas.<\/p>\n

En concreto, la compa\u00f1\u00eda ha seguido tres pasos, el primero de ellos la \u00abidentificaci\u00f3n, an\u00e1lisis e integraci\u00f3n de datos\u00bb. Seg\u00fan ha indicado IA+Igual, Aggity defini\u00f3 el objetivo del proyecto, \u00abpartiendo del preprocesamiento de los datos proporcionados por RRHH\u00bb.<\/p>\n

A continuaci\u00f3n, realiz\u00f3 un diagn\u00f3stico del posible motivo de la rotaci\u00f3n no deseada y el dise\u00f1o de un cuadro de mando de fidelizaci\u00f3n, un trabajo descriptivo, que permiti\u00f3, como han especificado los promotores del webinar, dicha \u00abrotaci\u00f3n del talento del 30% al 10%\u00bb.<\/p>\n

Para proseguir, la multinacional tecnol\u00f3gica desarroll\u00f3 un modelo predictivo de desvinculaci\u00f3n del empleado, que puso el foco en el an\u00e1lisis predictivo con la informaci\u00f3n en bruto codificada y homogeneizada para ver qu\u00e9 suceder\u00eda en los pr\u00f3ximos 12 meses.<\/p>\n

En el \u00faltimo paso, \u00abel prescriptivo\u00bb, Aggity, a trav\u00e9s de los resultados y una hoja de ruta, propuso a la empresa iniciativas de vinculaci\u00f3n, palancas de mejora del modelo predictivo, un cuadro de mando de seguimiento y la realizaci\u00f3n de workshops interdepartamentales para identificar la anal\u00edtica de uso.<\/p>\n

En ese contexto, al analizar el caso de la multinacional, Caba\u00f1as ha explicado que un algoritmo es \u00abuna coctelera de datos que hay que depurar para extraer hip\u00f3tesis sin caer en el riesgo de dejarse embaucar con los resultados\u00bb. Por eso la empresa de Farma trabaja con las \u00e1reas implicadas –RRHH o tecnolog\u00eda, entre otras– en el desarrollo de \u00abuna cultura que use de forma \u00e9tica e inteligente la IA\u00bb. Seg\u00fan el experto, \u00abel impacto trasversal de las herramientas de IA dejar\u00e1 fuera a quien no sepa usarlas\u00bb.<\/p>\n

En ese sentido, Mart\u00edn ha partido de la definici\u00f3n de IA: \u00abUn campo multidisciplinar en el que hist\u00f3ricamente han confluido diferentes \u00e1reas como las matem\u00e1ticas, estad\u00edstica e inform\u00e1tica y, m\u00e1s recientemente, han ganado terreno la \u00e9tica y las ciencias sociales\u00bb.<\/p>\n

A partir de ah\u00ed, para que un aprendizaje autom\u00e1tico sea responsable, seg\u00fan la investigadora de DATAI, debe ajustarse a cuatro claves. En primer lugar, la \u00abEquidad\u00bb, ya que \u00abhay que trabajar en tres grandes v\u00edas para mitigar los sesgos hist\u00f3ricos (preprocesamiento de datos, modelo que procesa los datos y resultado ofrecido)\u00bb.<\/p>\n

Por otro lado, se debe tener en cuenta la \u00abRobustez\u00bb y valorar, por ejemplo, si una herramienta dise\u00f1ada para Espa\u00f1a, como la expuesta por Caba\u00f1as, es extrapolable a otros pa\u00edses. Asimismo, la investigadora ha puesto el foco en la \u00abTransparencia\u00bb o explicabilidadad, para averiguar \u00abpor qu\u00e9 el algoritmo llega a una predicci\u00f3n\u00bb, y la \u00abConfiabilidad\u00bb, al no centrarse en un n\u00famero \u00absino en su nivel de confianza\u00bb.<\/p>\n

\u00abEs muy importante partir de un planteamietno \u00e9tico por el impacto que puede tener el modelo de aprendizaje autom\u00e1tico sobre una poblaci\u00f3n\u00bb, ha asegurado la experta en \u00c9tica, que ha recurrido al ejemplo de ‘Ocean model’ para explicarlo.<\/p>\n

Como ha destacado, se trata un modelo de IA de caja negra que otorga un porcentaje de 0 a 100 a 5 dimensiones de la personalidad despu\u00e9s de visionar un v\u00eddeo de 1 minuto. Los resultados cambian si el espectador usa gafas o no o pone de fondo del escritorio del ordenador una biblioteca, entre otras variables que \u00abnada tienen que ver con su personalidad\u00bb.<\/p>\n","protected":false},"excerpt":{"rendered":"

Las herramientas de IA tienen un \u00abimpacto trasversal\u00bb que \u00abdejar\u00e1 fuera\u00bb a quien no sepa usarlas MADRID, 21 (EUROPA PRESS) Los ponentes del webinar ‘Ejemplos pr\u00e1cticos de c\u00f3mo y para qu\u00e9 aplicar la IA en Recursos Humanos’, organizado por el campus de IA+Igual, han coincidido en se\u00f1alar que RRHH solo debe usar la IA si […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-51372","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/webciudadana.net\/index.php?rest_route=\/wp\/v2\/posts\/51372","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/webciudadana.net\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/webciudadana.net\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/webciudadana.net\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/webciudadana.net\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=51372"}],"version-history":[{"count":0,"href":"https:\/\/webciudadana.net\/index.php?rest_route=\/wp\/v2\/posts\/51372\/revisions"}],"wp:attachment":[{"href":"https:\/\/webciudadana.net\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=51372"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/webciudadana.net\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=51372"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/webciudadana.net\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=51372"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}