Te enseñamos cómo la Inteligencia Artificial puede agilizar el proceso de selección de personal evaluando candidatos.

---

Una jefa de Recursos Humanos que ha escuchado mucho sobre inteligencia artificial (IA) en el reclutamiento acude al experto de Procesamiento del Lenguaje Natural (PLN): Chat GPT. Su pregunta es sencilla: “¿Cómo puedes ayudarme a reclutar personal más eficientemente?”.

Chat GPT también es preciso. Puede ayudar analizando grandes cantidades de datos en lenguaje natural, para facilitar la selección del talento. Ofrece tres ejemplos:

• “Puedo analizar automáticamente los currículos de los candidatos y extraer información importante. Esto ayudaría a identificar más rápido a los candidatos que cumplen con los requisitos del puesto”.

• “Puedo analizar el contenido, la gramática y la coherencia de las respuestas de los candidatos en las entrevistas en línea, lo que permitiría evaluarlos de manera más eficiente”.

• “Además, puedo analizar las redes sociales de los candidatos y proporcionar información adicional. Esto permitiría tener una visión más completa de los candidatos y evaluar su idoneidad para el puesto”.

Ahora bien, la IA no es un juego, se trata de una tecnología difícil de aplicar exitosamente en todo su potencial. ¿Cómo implementarla en el reclutamiento? Chat GPT también lo resuelve: Instalando una plataforma de reclutamiento que ya utilice PLN o externalizando el proceso con un RPO digital (RDO).

En este blog, se explica cómo funciona el Procesamiento del Lenguaje Natural (una técnica de IA) en reclutamiento y selección. Para el final del texto, el lector sabrá cómo aplicar esta herramienta para analizar grandes cantidades de datos y elegir el mejor talento.

Lo básico sobre el PLN

Ciencia Computacional + Inteligencia Artificial + Lingüística = Procesamiento del Lenguaje Natural.

El PLN enseña a las máquinas a entender y generar lenguaje para interactuar de manera más intuitiva con los humanos. En el reclutamiento, procesa grandes cantidades de datos, automatizando y agilizando diversos procesos. Por ejemplo:

• Analiza millares de CVs, reconociendo habilidades, experiencias y educación relevantes para el puesto. Esto ahorra tiempo en el screening de candidatos.

• Una vez reconoce a los candidatos calificados, usa las redes sociales para generar matches con la empresa. Incluso identifica y sugiere qué otras convocatorias pueden interesar al postulante.

• Personaliza la comunicación con los candidatos, generando mails y chats automáticos que responden preguntas comunes u ofrecen actualizaciones del proceso.

• Ayuda a evaluar las respuestas de las entrevistas en línea, ya que proporciona una evaluación más objetiva y precisa.

En general, el uso del PLN en el reclutamiento y selección puede aumentar la eficiencia y la precisión del proceso de selección de personal, lo que a su vez puede ahorrar tiempo y recursos en el área de recursos humanos.

¿Cómo funciona?

Los algoritmos de PLN utilizan técnicas de análisis semántico y sintáctico para comprender significados. Esto se logra identificando patrones y reglas gramaticales, así como asignando valores semánticos a las palabras y su contexto.

Google es una de las empresas que mejor ha aprovechado el PLN en sus productos y servicios:

• Google Search lo usa para comprender lo que el usuario busca y entregar resultados relevantes. Comprende sinónimos, errores de tipeo y también preguntas.

• Google Assistant puede responder de manera más fluida gracias al PLN. Además, es capaz de obedecer y realizar ciertas tareas, como llamadas telefónicas, crear recordatorios, etc.

• Google Cloud Natural Language permite a los desarrolladores analizar y comprender textos en diferentes escalas: análisis de sentimientos, reconocimiento de entidades, análisis de categorías…

Para el reclutamiento, los algoritmos de PLN también utilizan las mencionadas técnicas: análisis de texto, reconocimiento de entidades y análisis de sentimientos. ¿De qué manera lo hacen?

¡Revoluciona tu proceso de contratación!

"¡Comienza tu transformación en el reclutamiento hoy mismo!

Análisis de texto

Extrae información relevante de un texto, como palabras clave, temas y tono. El análisis de palabras clave, por ejemplo, implica la identificación de las palabras de un texto que indican el tema principal o los temas secundarios.

Las palabras clave pueden ser identificadas a través del análisis de frecuencia de las palabras en el texto, la relación entre las palabras y la ubicación de las palabras en el texto.

Una empresa puede analizar el texto en sus convocatorias para mejorar el rendimiento de sus avisos y atraer candidatos más diversos. Por ejemplo, una empresa deseaba aumentar la postulación de mujeres para la posición de gerente, pero su convocatoria exigía la competencia de “liderazgo fuerte”. Estas dos palabras sesgan a los usuarios, ya que lo asocian prejuiciosamente a un hombre, desanimando a las mujeres de participar.

Reconocimiento de entidades

Reconoce entidades en un contenido escrito, como personas, organizaciones, lugares, fechas, etc. Esto permite extraer información adicional sobre un texto, que a una computadora normal le parecería un enjambre de letras y palabras. Así, convierte los datos en categorías de interés, como personas, organizaciones, etc. Un algoritmo que reconoce entidades sabe que una palabra es una institución educativa y que otra palabra es un puesto de empleo.

Una empresa trató de contratar un desarrollador experto en Java. Cuando el reclutador buscó manualmente todas las veces que aparecía esa palabra en CV demoró decenas de horas y en muchos casos confundió Java con Javascript (que es otra tecnología muy distinta). Un algoritmo entrenado sabe diferenciar perfectamente a uno del otro.

Otros ejemplos:

• Cuando un algoritmo procesa las palabras "Nueva York", sabe que no es un York nuevo, sino una ciudad llamada Nueva York.

• Entiende que "Universidad del Pacífico" no es una universidad que le pertenece a una persona pacífica, sino que las tres palabras forman un sólo concepto. Además, comprende que UP, Univ. del Pacífico y Universidad del Pacífico son tres formas de mencionar una misma entidad.

Análisis de sentimientos

Identifica el tono emocional de un texto como positivo, negativo o neutro. El análisis de sentimientos funciona mediante el uso de algoritmos que asignan valores numéricos a las palabras y frases en un texto, en función de su carga emocional positiva o negativa. Estos valores pueden variar de -1 (negativo) a +1 (positivo), o de 0 a 100, según el sistema utilizado.

Para realizar el análisis de sentimientos, se utiliza una variedad de técnicas de PLN, como el análisis morfológico, sintáctico y semántico del texto. El análisis morfológico permite identificar las palabras individuales en el texto, mientras que el análisis sintáctico comprende la estructura gramatical de las oraciones. El análisis semántico aborda el significado de las palabras y frases en un contexto determinado.

El análisis de sentimientos puede usarse para evaluar las respuestas del reporte de referencias. Esta técnica ayuda a reconocer si las opiniones de los anteriores colegas de un candidato son positivas o negativas, para ofrecer un resultado final acerca de su desempeño pasado. En un ATS, el resultado aparece en la pantalla y permite a los reclutadores decidir si el postulante pasa o no a la siguiente fase.

Estas técnicas no son sencillas de implementar. Ameritan mucho esfuerzo y tiempo del equipo, que deberá entrenarse, liberar su tiempo y considerar un presupuesto significativo. Por suerte, para quienes no tienen esa posibilidad, existen proveedores que incluyen en sus servicios técnicas de PLN, beneficiando a la empresa que los contrata. Los RDO, por ejemplo, trabajan el reclutamiento con procesamiento del lenguaje. Contratarlos es más rápido y costo-efectivo que comenzar con la IA en RRHH desde cero.

Conclusión

El PLN es una técnica de IA que puede ayudar a los Recursos Humanos a ahorrar tiempos y agilizar sus procesos, como el reclutamiento. De este modo, se automatizan las tareas rutinarias y operativas, dejando espacio en la jornada para proyectos estratégicos.

Todos los profesionales desean aplicar la IA en su área. Sin embargo, es difícil hacerlo por su propia cuenta. Por ello, la alternativa de contratar un proveedor que ya aplique esta tecnología es una de las más atractivas. RRHH puede adquirir un ATS con inteligencia artificial, o contratar un RDO, que se hace cargo del reclutamiento y lo digitaliza por completo.

Considera esta y otras opciones para implementar tecnología y no desgastar los recursos del equipo en actividades operativas y tediosas. Lee más en estos blogs:

• 4 herramientas digitales para reclutamiento y selección
• 10 funciones clave en una buena plataforma de reclutamiento digital
• Seis diferencias entre los headhunters y los RPOs"

¡Revoluciona tu proceso de contratación!

"¡Comienza tu transformación en el reclutamiento hoy mismo!