hcmfront blog

Algoritmos para construir una mejor fuerza de trabajo

Escrito por hcmfront | Jun 10, 2016 10:33:00 AM

¿Pueden los algoritmos producir mejores resultados de contratación que las personas?

Para responder esta pregunta, investigadores de la Universidad de Minnesota y Princeton, N.J. Educational Testing Service analizaron 17 estudios de evaluaciones de candidatos a un cargo.

Los algoritmos superaron las decisiones humanas por al menos un 25%. Los investigadores sostienen que consideran certeros sus hallazgos "en cualquier situación con un gran número de candidatos", independiente del nivel del cargo.

Artículo traducido, original de Carole Fleck (01/06/2016)

El análisis de personas (People Analytics o HR Analytics) está siendo tan importante como las aptitudes de las personas para lograr decisiones inteligentes respecto de la fuerza de trabajo.

Abby Ludens, vice presidenta de administración de talentos en la Firma Mattress en Houston, se enfrentó a la intimidante tarea de contratar y promover empleados suficientemente dotados para mantenerlos a la par con el ritmo de crecimiento explosivo de la corporación.

En Nueva York, William Wolf, jefe global de desarrollo de talentos para Credit Suisse, buscó nuevos acercamientos para identificar aquellos empleados con alto desempeño que se encontraban con riesgo de desertar, en un esfuerzo por prevenir su partida de los servicios financieros globales de la compañía.

Y en las oficinas de Cigna en Hartford, Conn., el director de aprendizaje Karen Kocher, intentaba descubrir qué diferenciaba a los empleados con desempeño óptimo en la organización mundial de seguros de aquellos con peores evaluaciones. Para afrontar estos retos, Ludens, Wolf y Kocher acudieron al análisis de personas (HR Analytics).

Los ejecutivos de recursos humanos están cada vez más usando la ciencia emergente que los guía a tomar decisiones respecto de su gestión de personas. Al aprovechar el poder de los sistemas de algoritmos, pueden identificar de mejor manera aquellos candidatos más propensos a tener éxito, elegir a qué trabajadores con alto desempeño desarrollar y promover, así como también retener lideres talentosos que a menudo estimulan la innovación y crean valor a la empresa. El crecimiento de RRHH basado-en-análisis ha sido dramático. En los comienzos del 2015 sólo un 24% de las compañías se sentían preparadas para trabajar con este tipo de análisis. Solo un año después, ese numero creció a un 32%, de acuerdo al reporte Global Human Capital Trends 2016 de la firma consultora Deloitte. En RRHH “nos estamos movilizando hacia una mentalidad centrada en datos”, señala Jason Taylor, jefe científico del New York City Infor Talent Science, que desarrolla un software analítico diseñado para predecir qué candidato tiene la mayor probabilidad de éxito. Taylor refiere que “hemos visto muchas organizaciones generando estos cambios, evaluando desempeño, identificando patrones comportamentales e incorporando las personas adecuadas acorde a estos patrones”. “Si se puede ampliar esto, no sólo para una persona sino para todos, tendrás una organización completa apta para lograr altas probabilidades de éxito”.

Datos y Criterio Humano ¿Pueden los algoritmos producir mejores resultados de contratación que las personas? Para responder esta pregunta, los investigadores de la Universidad de Minnesota y Princeton, N.J. Educational Testing Service analizaron 17 estudios de evaluaciones de candidatos a un cargo. Los algoritmos superaron las decisiones humanas por al menos un 25%. Los investigadores sostienen que consideran certeros sus hallazgos “en cualquier situación con un gran número de candidatos”, independiente del nivel del cargo.

Los investigadores Nathan Kuncel, Deniz Ones y David Klieger escribieron en Mayo 2014 en el Harvard Business Review que la contratación de gerentes “se encuentra fácilmente distraída por cosas que pueden ser sólo marginalmente relevantes y usan la información de manera inconsistente”. “Pueden ser guiados por supuesto, por datos sin importancia como elogios de los candidatos u observaciones en temas arbitrarios.” Para mejores resultados, los autores recomiendan que las organizaciones primero usen algoritmos basados en un gran número de datos que apuntan a reducir el campo de candidatos y luego aprovechar el criterio humano para elegir dentro de los finalistas. Mejor aún, tener a varios gerentes que aporten en la decisión final. Esto es similar al acercamiento que Ludens tomó en la Firma Mattres, que contrató a un proveedor en vez de crear su propio algoritmo. Ludens aprovechó el software de Inform Talent Science como apoyo para juzgar en equipo las evaluaciones online de los candidatos, basada en datos medibles de 30 atributos comportamentales, cognitivos y culturales. Los atributos deseados para el trabajo se evaluaron en relación a los perfiles de los empleados con mejor desempeño en la Firma Matress – un punto de referencia que los gerentes usaban para predecir el éxito en ciertos roles. Ludens señala que “promovimos la contratación de nuevos gerentes y contratamos nuevos empleados, el sistema fue fácil e intuitivo. No tuvimos que integrar sistemas nuevos”, agregando que fue fácil de acceder y visualizar los currículos y puntajes evaluados. El equipo de Ludens recientemente examinó dos años de contratación y datos de venta. Los vendedores que el sistema había recomendado tuvieron un 80% menos de probabilidad de irse y vendieron un 11% más de productos que otros que fueron contratados pero no recomendados. Refiere que “cuando estás contratando, es tentador no escuchar los datos”. “Puede ser fácil para un gerente querer contratar a alguien que camina, habla o piensa como el.” Pero dado que la Firma Mattres estaba contratando muchos trabajadores en un periodo relativamente corto de tiempo, Ludens dice que “fue importante tener un respaldo de la ciencia. No queríamos poner la marca de la compañía en riesgo, y queríamos contratar personas que tuvieran un buen calce”. Claro, también hay un elemento humano a la hora de contratar. Al respecto, Ludens agrega que “todavía hablamos con los candidatos. Lo que queremos hacer es usar los datos e información para tomar mejores decisiones al contratar”. “No estará en lo correcto todo el tiempo. Por eso es importante continuar usando nuestros corazones y a nuestra gente para tomar algunas de esas decisiones”

Contrataciones Diversas y de Calidad Google es pionero en usar análisis de personas para crear una mejor fuerza de trabajo. Hace 8 años, Laszlo Bock, el vicepresidente de operaciones de personas en el gigante tecnológico formó un equipo de tecnólogos y consultores postdoctorados para crear algoritmos capaces de identificar qué candidatos era más probable que tuvieran éxito. El equipo también generó un algoritmo que revisa las aplicaciones rechazadas, lo que ayudó a la compañía a contratar ingenieros que de otra forma se hubieran perdido en el proceso de selección. Google continúa refinando sus algoritmos para descubrir nuevas formas de mejorar la retención, el compromiso y el desempeño en el entorno laboral y lograr diversidad. Los lideres de la compañía dicen que fueron capaces de refinar los procesos internos para mejorar la diversidad en el reclutamiento y ascensos.


La aerolínea JetBlue también creó su propio programa de evaluación en un esfuerzo por mejorar las decisiones de contratación y la experiencia del cliente. Un equipo interno usó análisis avanzado para desarrollar modelos predictivos de desempeño para los agentes de reservas y aeromozos. La New York City- based airline también funciona con un socio comercial externo para evaluar agentes de reservas potenciales usando el análisis, dijo Andrew Biga, director de evaluación y adquisición de talentos. Él supervisa la contratación para JetBlue, que tiene cerca de 17.500 empleados. Como resultado de los esfuerzos de la compañía, la calidad de las contrataciones aumentó. Biga señala que “tenemos más elogios por parte de los clientes – subió dramáticamente – y disminuyeron las quejas del equipo a bordo contratado, al usar este nuevo método”. “Los mayores ahorros están en que es menos probable que dejen la compañía y las renuncias han disminuido. Estamos consiguiendo personas que tienen el calce motivacional correcto, por lo que están felices en su trabajo. Mientras más comprometido estés en tu trabajo, mejor será tu desempeño.” Refiere que JetBlue pretende desplegar programas de contratación basados en datos para otros cargos. Otra ventaja de usar el análisis de dato para apoyar las contrataciones es que las compañías reducen el potencial de sesgos en la toma de decisiones”. Biga dice que “desde la perspectiva de conformidad, nos hemos vuelto mucho mejores en hacer las cosas de manera justa y consistente. Es la principal razón por la cual hacer algo así”

Deserción e Incentivos En Credit Suisse, Wolf construyó un departamento de análisis en RRHH que se especializa en usar los datos de fuerza de trabajo para asistir el reclutamiento y reducir los costos de renuncias, sin involucrar al equipo de TI de la compañía. Dice que disminuyendo la tasa de renuncia de 46.600 empleados en sólo 1% al año puede ahorrarle a la empresa más de $100 millones anualmente. Utilizando los conocimientos obtenidos de los datos recolectados, el equipo analítico desarrolló políticas y prácticas diseñadas para retener trabajadores. Por ejemplo, el equipo de Wolf aprendió que llenar los cargos abiertos con candidatos internos ha sido una herramienta efectiva para retener empleados en el pasado. Así, crearon una campaña “Grown Your Own” (“Hacer Crecer a los Propios”), que fomenta a aquellos responsables de contratar a “mirar dentro y darles el derecho como primera opción” a los empleados actuales. Los profesionales de RRHH también contactan a los empleados con las habilidades y potenciales apropiados y les preguntan si estarían interesados en los nuevos cargos disponibles. Wolf señala que “hace 5 años sólo buscábamos dentro de la empresa un 40% de las veces, y ahora es sobre un 80%”. “Si tenemos un puesto para vicepresidente y estoy haciendo que los propios empleados crezcan, estoy subiendo a gente y dándoles nuevas responsabilidades. Nosotros sabemos que la movilidad interna es atractiva para las personas.” Cada año, el equipo de Credit Suisse procesa datos que incluye 80 variables y 30.000 empleados para ayudar a predecir quién podría dar un salto. La información recolectada incluye las tasas de desempeño de los empleados, las evaluaciones de sus jefes, los cambios en sus compensaciones de año a año, y el tiempo que llevan en su trabajo sin promoverlos. Wolf indica que el modelo “te muestra quién está en riesgo [de dejar la compañía], e intenta corregirlo.” La organización genera reportes para los gerentes mostrando los riesgos de deserción relativos de los empelados. Los gerentes pueden dar a sus empleados un aumento, un ascenso, acceder a entrenamientos de desarrollo de carrera u otra cosa que evite una renuncia. Refiere que “el modelo es mejor predictor de las salidas de [las personas] que la percepción de los gerentes de su propia gente”. “El análisis te permite entender mejor qué está pasando.”

Gamificación y Nuevas Ideas En Cigna, Kocher usó un acercamiento lúdico a los análisis para ayudar a evaluar el desempeño de los gerentes y la posibilidad de movilidad hacia arriba. La compañía Knack en Palo Alto, California, suministró juegos, que se juegan en una aplicación móvil en el celular y permiten identificar las aptitudes, habilidades y competencias en las cuales los jugadores sobresalen, así como las cualidades que deben considerar desarrollar. Esto se lleva a cabo al mirar sus acciones de toma de decisiones y reacciones en el contexto de los juegos. Dentro de los patrones comportamentales evaluados se encuentran: solución de problemas, rapidez de pensamiento, razonamiento lógico, presencia ejecutiva, agilidad para aprender, toma de riesgos e innovación. Kocher señala que “buscamos personas que demuestren los mayores grados de niveles de desempeño y logren los subconjuntos. Hicimos que jugaran los juegos de Knack para ver la forma en que estaban haciendo las cosas.” “A partir de ahí puedes crear un perfil.” Los resultados pueden ser reveladores. En Cigna, por ejemplo, Kocher comenta que “la información obtenida era mayor a la esperada”. “Los datos de Knack te dan información a un nivel granular, y se han vuelto mucho más claras las necesidades a desarrollar dentro de un grupo y cómo se deben manejar.” El software de análisis de Knack genera un cuadro de mando (dashboard) que muestra donde requieren mejoría los empleados de varios grupos. La información le permite al team de Kocher unir “lo cualitativo con lo cuantitativo” al buscar competencias que se alineen con lo que la compañía espera de los empleados, tales como perseverancia, enfoque al cliente, disposición a tomar riesgos y comprensión interpersonal. Ahora el equipo está usando los juegos de Knack para grupos mas grandes para validar sus primeros hallazgos e información cuantitativa. Knocher refiere “estamos buscando las características de alto desempeño y efectividad en gerentes. Tenemos cerca de 4.000 gerentes en todo el mundo.” “Esperamos entender mejor qué se necesita para ser un gerente de alto desempeño.” Su equipo usa información para ayudar a las personas a desarrollar sus aptitudes gerenciales basadas en el perfil de aquellos con desempeño óptimo. “No sólo estamos teniendo individuos que son más exitosos con sus equipos; sino que como organización estamos dirigiendo una estrategia hacia el futuro.” AXA, un negocio de servicios financieros en New York, canaliza recursos considerables hacia la administración de desarrollo y entrenamiento. Correlaciones entre los datos de Knack, una de las dos compañías analíticas de talento que AXA contrató, con los patrones comportamentales de los empleados, revelaron hallazgos sorprendentes. Rino Piazzola, un director ejecutivo y jefe de RRHH, señala: “encontramos que teníamos resultados menores de los esperados en ciertas aptitudes como compañía – en particular, agilidad de aprendizaje, un atributo conectado con aprendizaje de nuevas aptitudes.” “Fue una sorpresa para nosotros porque siempre gastamos dinero en entrenamiento de administración. Esto nos ayuda a re-pensar el desarrollo de la carrera.” De acuerdo a Piazzola, no es necesaria tecnología costosa ni cambios de infraestructura para que las compañías se beneficien de las amplias revelaciones y valores administrativos que el análisis le puede entregar. “Esto no es sobre TI e infraestructura”, agrega. “Lo que necesitamos son diferentes tipos de personas en RRHH. El mayor desafío en las funciones de RRHH es tener personas con un fuerte trasfondo analítico que entienda números y genere correlaciones y nuevas ideas v/s los profesionales tradicionales de RRHH que se basan en sentimientos y percepciones, y cosas que no se miden.” Piazzola aconseja, “deja de lado tu sistema de creencias por un momento. Comprométete. Decide colectivamente en esta nueva forma de hacer las cosas. Queremos crear servicios de RRHH que sean más significativos para nuestra gente en el futuro. Mañana queremos ser una compañía exitosa. Es todo sobre el mañana.”