Es muy útil utilizar herramientas sofisticadas de software para organizar información dispersa, pero es más difícil pensar sobre qué tanto resolverán los problemas de gente los algoritmos predictivos. El talento capaz de trabajar con este tipo de tecnologías y comprender sus implicaciones es bastante escaso y principalmente al servicio de las grandes firmas de tecnología.
¿Qué líder ha aprendido a liderar solo tomando cursos?
Los puntos ciegos de la ética en el trabajo
El aprendizaje de máquinas (machine learning) hace sus análisis a partir de patrones de data y sus variaciones, esperando facilitar predicciones como quién estaría en riesgo de renunciar, qué departamento podría experimentar altas tasas de rotación, o cuáles empleados tienen mayor potencial de tener éxito, partiendo de una combinación de factores (asistencia, antigüedad, evaluaciones de desempeño, estudios, horas extras, etcétera).
Los sistemas NLP (procesadores de lenguaje natural) pueden analizar textos e identificar categorías de emociones y opiniones en documentos escritos, útiles para búsquedas que partan de vectores de palabras. Estos podrían encontrar currículos similares a los de sus mejores empleados o descubrir ciertos patrones de comunicación en el contexto de las comunicaciones corporativas, útiles de cara a predecir temas importantes para el clima laboral o el nivel de engagement.
Entretanto, los bots recogen data de internet o de los sistemas internos y los chatbots se usan para automatizar procesos altamente repetidos y dar las respuestas más esperadas a solicitudes usuales, lo cual es útil en tareas muy concretas y acotadas. Algunas empresas ya los usan para seleccionar y contratar entre cientos o miles de candidatos para cargos operativos de alta demanda, reduciendo las entrevistas a árboles de decisiones, libres de interpretaciones subjetivas.
¿Por qué hay profesiones no tan admiradas, ni tan respetadas?
Para Hebert, las metas de GH (transformar la cultura, comprometer a la gente, desarrollar soft skills, alinear el desempeño, encontrar y formar sucesores para cargos clave, mejorar el clima u obtener una paz laboral estable) difícilmente van al ritmo de las metas trimestrales del CEO. Sin embargo, se ha inducido la creencia de que, si introducen tecnología, quizá tengan indicadores para mostrar algún tipo de avance.
En realidad, los grandes problemas de talento de los gerentes se relacionan más con mejorar los niveles de desarrollo, diseñar políticas coherentes y facilitar un soporte experto y confiable para las decisiones sobre los colaboradores. Y la solución de GH difícilmente puede ser que “les di herramientas a los gerentes, pero no las usan”.
Sería ideal pensar en una tecnología que mejore la probabilidad de aumentar el rendimiento de un equipo o área, pero ¿esperaríamos que una máquina pueda decidir si nos contratan, nos estancan la carrera o nos despiden, bajo la supuesta probabilidad de que hagamos un fraude, fracasemos en desarrollar nuevas competencias o rotemos pronto a la competencia?
Dejemos de pensar que la gente solo trabaja por el salario
Señalaba un artículo de la semana pasada en el Boston Globe, que –comparados con los humanos- los algoritmos pueden evitar la subjetividad y las emociones en las decisiones y sus sesgos son más fáciles de evidenciar cuando se ven sus efectos, mientras que las personas intentan ocultarlos. Y los algoritmos no se resisten al cambio impuesto cuando se les ordena que dejen de discriminar. Pero no olvidemos que estos son el producto de gente que discrimina y que tiene sesgos inconscientes, por lo que los algoritmos, por sí mismos, no son la única ni la mejor respuesta para tomar decisiones sobre la gente.
Frente a la elevada complejidad de las relaciones interpersonales, las máquinas son muy susceptibles a equivocarse y requieren aun mucha supervisión humana. Más aun, una señal de que las personas somos libres, radica en que somos bastante impredecibles, aun para quienes nos conocen relativamente bien. Y eso hace que las personas seamos difíciles de estandarizar como máquinas perfectamente calibradas. Así que debemos ser precavidos, en lugar de asumir que a estas herramientas les compete tomar decisiones o hacer recomendaciones que hasta hoy han estado principalmente bajo la responsabilidad de seres humanos que, imperfectos como somos, nos siguen generando más confianza.
Fuente: www.semana.com
