Acabo de escuchar el episodio de un podcast en Spotify, que no voy a decir su nombre porque no estoy segura aún que me convenza. Pero bueno, el enfoque del podcast es corporativo, y hoy estaban comentado sobre las renuncias. En cierto punto hicieron el comentario de que muchas renuncias se originan por un error al momento de la contratación, es decir, no contratar a la persona correcta para el puesto correcto. Esto es algo que puedo secundar, tanto por experiencias propias como ajenas.

Dentro de esta conversación, comentan que van a hacer publicidad a una compañía con la que acaban de trabajar, que las ayudó mucho en el tema de atracción de talento. Resulta que se trata de una plataforma de reclutamiento que trabaja con inteligencia artificial (IA). Sonamos, diría Mafalda. Y empezaron a comentar como esta herramienta analiza los currículums en no sé cuántos minutos, evalúa las habilidades de la persona en otros pocos (cómo si eso fuera factible), y como al final te da una predicción sobre si la persona va a poder desempeñar el trabajo bien, con compromiso, y llevándose bien con su jefe. Acto seguido pasan a decir cómo quienes han usado esta herramienta han bajado el nivel de rotación en no sé cuánto y reducido el proceso de selección en tanto, y así.

Independientemente de qué tan bien o qué tan mal funciona esta plataforma, no pude evitar pensar que estábamos ante otro ejemplo de cómo estos supuestos avances tecnológicos nos siguen quitando tanto sin que nos demos cuenta. En este caso, nos están quitando la posibilidad de que surjan historias inspiradoras (casos de éxito, en palabras más corporativas); pero además están haciendo cada vez más difícil que la innovación verdadera se dé en los lugares de trabajo. Me explico.

La mejor maestra que tenía mi universidad en materia aduanera, era una profesional reconocida en su campo tanto a nivel local como nacional. Se sabía la legislación al derecho y al revés; en parte porque ella había ayudado a crearla. Y lo más importante, sabía cómo eran las cosas en el mundo real, pues ella había estado ahí para verlo con sus propios ojos. Pero, ¿sabes qué? Su formación profesional inicial no tenía nada que ver con el comercio internacional. Si mal no recuerdo, ella es ingeniera química de profesión. Terminó en el mundo aduanero por muy diversas causas, y como ya dije, fue un factor de cambio en el mismo.

Simulemos ahora que el inicio de su vida profesional se diera en estos tiempos, en los que dejamos que un algoritmo que no entendemos muy bien cómo funciona, decida a quién vamos a contratar para al puesto. ¿Hubiera tenido mi maestra una posibilidad? ¿o hubiera sido bateada en la primera ronda porque su título profesional no empataba con los que el algoritmo tenía en su lista? Obviamente es imposible de saber, pero creo que para ella hubiera sido incluso más difícil de lo que fue adentrarse en ese campo si se hubieran dejado algunas decisiones en manos de la inteligencia artificial.

Bueno, pero estas siendo un poco exagerada; me dirás. La inteligencia artificial no es la que decide, sólo te entrega datos; pero al final del día será RRHH o el supervisor directo quien haga las entrevistas y escoja a la persona que ocupará el puesto. En teoría, tendrías razón, pero existen dos puntos fundamentales que no estamos considerando.

Primero; estamos dejando que el algoritmo sea el primer filtro en el proceso de selección. Es decir, de los 30 currículum recibidos, la IA está decidiendo cuáles son los 5 que se te presentan como finalistas. Es decir, hay otras 25 personas que jamás viste, y por tanto no puedes considerar. Tu universo acaba de ser limitado por el algoritmo.

Y antes de que empiecen, no, esto no hace el proceso más democrático o transparente. Y esto por algo muy simple: todo algoritmo funciona con parámetros, y dependiendo de los mismos es que da un resultado. Esos parámetros no son aislados, tienen una connotación social, queramos o no. Pongamos primero el caso en que una persona le suministra dichos parámetros a la IA. Aquí es más que evidente que estos tendrán un sesgo; porque quizás para mí la cualidad principal para escoger a un nuevo integrante del equipo de finanzas sea que tenga un nivel medio de inglés, pero para la persona de RRHH la cualidad principal sea que tenga experiencia en el puesto.

Digamos otro caso, en el que el algoritmo sea un poco más avanzado (¿?), y le podamos decir: busca perfiles de personas exitosas con un puesto similar al requerido, y haz un resumen de sus principales cualidades para compararlas contra las de las personas participantes. Entramos entonces un tema mucho más complejo, sobre todo cuando la posición en cuestión es de más alto nivel. Por ejemplo, si estamos buscando a un gerente de producción, es muy probable que exista un mayor porcentaje de hombres exitosos con ese puesto; derivado de las condiciones macro de antes y de ahora. Pero el algoritmo ignora esto (usando la palabra en su más amplio sentido), y por tanto su conclusión será: si del 100% de personas exitosas en ese puesto, el 90% son hombres, entonces le daremos mayor relevancia a los currículums de los participantes varones. Y así de la nada, hemos sacado del radar a un grupo de candidatas que podrían haber ayudado a llevar a la empresa al siguiente nivel.

Bien, ahora que hemos explicado como en primera instancia sí estamos dejando que la IA limite nuestro universo, y por tanto nuestras decisiones; pasemos al segundo punto. Como dije al inicio, al menos en la plataforma que originó la idea para esta entrada; uno de los beneficios que presume es que te da un pronóstico del posible desempeño de las personas candidatas al puesto, considerando diferentes factores. Desde luego, esto es algo que tú vas a leer antes de la entrevista; creándote así un prejuicio sobre ese candidato al que ni siquiera le has dado los buenos días. Puede que al final este no sea el factor decisivo único, pero no deja de estar ahí. Y déjenme decirles, aún y cuando tu consideres que el candidato que obtuvo el segundo lugar en el pronóstico sea mejor opción que el candidato que quedó en primer lugar; sí empiezas a cuestionas tu criterio (que no es malo), u otra persona involucrada en el proceso puedo cuestionarlo, y es ahí donde pueden darse situaciones complicadas.

Bueno, de acuerdo entonces, quizás si estamos dejando buena parte de la decisión de la contratación en manos de la IA; dirás luego de leerme. Pero es que también, ¿qué esperabas? El tiempo es dinero (diría el rapero Agust D, mi tiempo vale mucho más que eso); y las empresas necesitan llenar sus posiciones lo antes posible. Por tanto, es lógico que busquen herramientas que les permitan agilizar el proceso. No sólo eso, recuerda que trabajamos con un enfoque a obtención de resultados; así que es razonable que nos dejemos guiar por estadísticas que nos digan que la persona va a funcionar, no solo en lo técnico, sino también en la relación con su jefe y equipo.

Todo eso está muy bien; si lo único que te importa son los resultados a corto plazo. Enfoquémonos en el tema de la compatibilidad del nuevo integrante con el jefe y el equipo. En primer lugar, la estadística te está diciendo que esta persona tiene altas posibilidades de empatar con este equipo/jefe en específico. ¿Qué va a pasar mañana que esto cambie? ¿Alguien se molestó en revisar si la persona también era adaptable al cambio? O lo que es más, está compatibilidad alta se basa en que existen ciertos elementos en común entre el candidato y los integrantes del equipo. ¿Qué va a pasar cuando le toque trabajar con alguien que es diferente? Por ejemplo, si hay un proyecto conjunto entre producción y ventas, ¿puede esta persona empatizar/comunicarse lo suficiente con las personas del otro equipo para llevarlo a bueno término?

Y en segundo lugar, que para mi es el principal, surge esta gran duda: si solo contratas personas parecidas a ti, ¿cómo vas a innovar? Desde mis tiempos en la universidad se nos alentaba a formar nuestros equipos con persona de diferentes carreras (en algunas clases era incluso obligatorio), y por tanto con diferentes visiones y experiencias, para que los proyectos fueran más integrales y robustos. Sin temor a equivocarme puedo decir que ese enfoque dio excelentes resultados, tanto en el caso concreto del proyecto como una enseñanza para el futuro. No digo que una alta compatibilidad entre los integrantes de los equipos sea algo malo, pero si no se vigila puede llevarnos a tener equipos demasiado homogeneos en que nadie cuestione nada. Esto por supuesto limita el crecimiento de las organizaciones; y nos priva de productos innovadores como los cheetos flamin hot (paréntesis publicitario: les invito a conocer la historia de su creador, Richard Montañez).

Entonces, como conclusión, ¿estoy diciendo que tiremos por la borda todo este tipo de plataformas de reclutamiento? No, por supuesto que no; pero como con tantas otras cosas de la IA, creo que debemos tomarlas con un punto de sal. Usando un ejemplo personal, yo he decidido contratar o no personas tomando como referencia los resultados que obtuvieron en los psicométricos; algunas veces yendo en el mismo sentido de los resultados, y en otras, al contrario. Ambas decisiones han tenido sus aciertos y sus fallas, pero siempre podré estar tranquila de que yo entendía la información que usé como base para tomarlas, y que apliqué mi criterio en la decisión final.

En esta época en que se toma como verdad absoluta lo que nos dice el algoritmo, creo que sería bueno recordar que, por muy buenas que sean las estadísticas, las predicciones pueden fallar, sobre todo considerando el nivel de incertidumbre existente. Y, sobre todo, recordar que las estadísticas no son números aislados, salieron de algún lado, y por ende tienen una carga cualitativa detrás. Entender esa parte, y darle su justa proporción, es lo que al final del día nos permitirá ser eso que se promueve tanto en el mundo corporativo, y por lo que en teoría nos pueden pagar un poquito más: verdaderos tomadores de decisiones.

¿Tú cómo tomas tus decisiones?