La mejor receta: humanos + máquinas

Durante estas semanas me he dedicado a buscar más información acerca de “machine learning”, especialmente en referencia a mi campo de estudio.

Primero, me di a la tarea de preguntarles a varios de mis compañeros de Northwestern que trabajan en compañías de tecnología si me podrían ayudar a entender un poco más acerca del campo de machine learning. Además les comenté que me interesaba saber si sus compañías ya estaban implementando esta tecnología en el área de recursos humanos. Sorprendentemente, los compañeros que respondieron comentaron que sus compañías efectivamente usan machine learning, pero no en el ámbito que yo estaba buscando.

Sin rendirme, seguí la búsqueda. Hablando con compañeros de otras clases, me enteré que estudiantes del MBA estaban tomando clases especializadas en machine learning actualmente. Una compañera amablemente me conectó con su marido, quien me contó acerca de las maravillas de machine learning, desafortunadamente, tampoco tenía información acerca de cómo se está utilizando esta tecnología en las empresas.

Como recibí información tan interesante, me gustaría hacer un breve resumen de lo que es machine learning y qué tipo de restricciones existen al usar esta tecnología.

  • La función de machine learning es analizar datos. A través de algoritmos, se revisan estos datos y se predicen comportamientos futuros. Para poder analizar los datos, hay que entender qué datos se tienen para analizar.
  • Machine learning se divide en dos áreas principales: aprendizaje supervisado y aprendizaje no supervisado. El aprendizaje supervisado hace predicciones a futuro basadas en comportamientos o características que se han visto en los datos históricos. Un ejemplo sería el patrón que aprende de qué direcciones IP vienen los correos electrónicos y que so categorizan como Spam.  Por otro lado, el aprendizaje no supervisado usa datos históricos que no están etiquetados. El objetivo es explorarlos para encontrar alguna estructura o forma de organizarlos. Por ejemplo, en marketing se utiliza para agrupar clientes con con características similares y así poder mandarles campañas de marketing segmentadas.
  • El valor más importante de machine learning es poder hacer predicciones. Un ejemplo que nos interesaría en MSLOC, sería poder predecir qué empleados tendrán una buena evaluación de desempeño. Para hacer estas predicciones se tienen que tomar en cuenta varias variables.
  • Hay que tener en cuenta que machine learning también tiene algunas limitantes. Es importante reconocer que las predicciones hechas con machine learning toman en cuenta un ambiente estable. Entre más estable sea el ambiente, más acertadas serán las predicciones. Por ejemplo, digamos que una tienda de ropa ha creado una base de datos que contiene las preferencias de consumidores. Si esta tienda quisiera usar ese modelo para atraer nuevos consumidores en OTRA tienda de ropa, es muy probably que el modelo no sea tan acertado.
  • Hay que recordar que aunque el proceso de machine learning es automático, necesita de una persona para juzgar la validez de las predicciones. Claro que los humanos también tenemos ciertos prejuicios, por lo que tenemos que analizar las predicciones cuidadosamente.

En fin, regresando al tema de cómo machine learning ha entrado al mundo de Recursos Humanos o Desarrollo Organizacional, he aquí un ejemplo recién salido del horno:

Ayer recibí un correo de VMock, una compañía que se dedica a analizar curriculums y que proveen crítica constructiva y consejos para mejorar el contenido y look del curriculum del usuario. El correo decía que ellos proveían información al usuario 24 al día. Esto me llamó mucho la atención, entonces lo abrí. Y oh sorpresa, me topé con esto:

Screen Shot 2016-02-23 at 1.53.39 PM

 

Inmediatamente me di a la tarea de ver por mí misma cómo funcionaba. La verdad es que la experiencia fue interesante. Además, cabe notar que mi curriculum había sido revisado por tres personas en los últimos 3 meses y nadie notó los cambios que la máquina me sugirió que hiciera. Aún así, VMock sugiere hablar con una persona para poder hablar en detalle acerca de los cambios necesarios.

Del otro lado de la moneda, hay una compañía en Nueva York que se llama UpScored cuya función es conectar a aplicantes con trabajos relevantes. De la misma manera, compañías que usen este servicio, harán un match con los aplicantes cuyos perfiles sean sean más adecuados para los trabajos promovidos por estas empresas. De cualquier manera, hay que tener en cuenta que muchas veces una máquina no puede ver más allá de lo que está escrito en un papel. Muchas veces, hay aplicantes que no tendrán las características específicas que buscamos, pero aún así podrían ser excelentes candidatos.

Finalmente, es interesante ver también que ciertas compañías como Workday estén más interesadas en invertir en machine learning. Aquí un video de Workday explicándonos cómo piensan ellos incorporar esta gran tecnología.

Y así termina este segundo blog. Espero que el tercero traiga aún más ideas interesantes de cómo esta tecnología es aplicada a nuestro mundo de LOC.

 

Innovación sin fronteras

Mientras me encuentro sentada en uno de mis cafés favoritos en Palo Alto, CA, escucho detrás de mí a unos estudiantes que platican muy contentos acerca de su curso en Stanford de “Machine Learning”. Uno de ellos comenta que él ha colaborado con el grupo encargado del lanzamiento de Skype Translator. Y es que hace unas semanas, Skype anunció la integración de su traductor en tiempo real en su versión de Windows .

Básicamente, al usar Skype, uno puede tener una conversación con alguien que no hable el mismo idioma. La traducción aparece casi en tiempo real en forma de subtítulos en la pantalla. Por ahora sólo tienen 6 idiomas, pero poco a poco irán integrando más. Cuando leí esta noticia, me pareció increíble. Lo primero que se me vino a la mente fueron los grandes beneficios que esta herramienta podría traer a las escuelas y empresas.

Justamente para demostrar cómo funciona Skype Translator, dos escuelas se sometieron a un experimento. Un grupo de niños de una escuela de Estados Unidos y otro grupo de una escuela de México, se conectaron por medio de Skype para descifrar en qué ciudad se ubicaban unos y otros. Los niños mexicanos no hablaban inglés y los niños americanos no hablaban español.  Fue muy interesante ver cómo efectivamente Skype traducía en segundos las preguntas de los niños, al punto que pudieron tener una conversación fluida.

A pesar de que Skype Translator no es 100% preciso, entre más gente lo usa, el programa estará expuesto a más datos y “aprenderá” a detectar patrones del lenguaje. De esa manera, Skype Translator podrá predecir palabras más acertadas en un futuro.

En fin, los muchachos de Stanford le explicaban a otro chico que no estaba tomando el mismo curso, que “machine learning” es la plataforma que usan compañías como Amazon o Netflix para recomendarte otros productos que te podrían interesar. Después comentaron de cómo Machine Learning ha ayudado a detectar fraude y lavado de dinero. Hasta a mí me dieron ganas de inscribirme al curso y saber más.


 

Pero por ahora,viendo que la plataforma del Aprendizaje Automático (Machine Learning) ha servido en muchas industrias, cómo puede ayudar en un plano de desarrollo organizacional?

Tengo aquí un par de ideas:

  • Comunicación sin fronteras: Simplemente usando Skype Translator, personas en cualquier parte del mundo se podrán comunicar fácilmente sin necesidad de tener un traductor, lo cual puede ser enorme para poder tener una comunicación que sea realmente global. O el sinfín de ideas que podrían surgir de poder hablar con personas de la misma compañía sin que el lenguaje sea una barrera.
  • Datos y más datos:  Las máquinas que tienen “data mining and learning software” pueden descifrar y juntar datos de las páginas que los empleados visitan, así como el tipo de preguntas que escriben en los “message boards”de estas mismas y de las interacciones que se dan entre empleados en los foros de la organización. Al almacenar esos datos, el “machine learning” crea un perfil de cada empleado y le puede asignar aptitudes y habilidades. Actualmente la compañía WhoKnows está trabajando en mejorar su plataforma día tras día. El WSJ escribió sobre los avances de esta compañía. WhoKnows
  • Dedicación: Al usar los datos que tenemos de las aptitudes de los empleados, los gerentes podrán buscar tareas que requieran de las aptitudes de esos empleados (es posible que muchos gerentes ni siquiera sepan que sus empleados tienen más habilidades de las que demuestran cada día en el trabajo), dándoles tareas que sean posiblemente más gratificantes para los empleados. Al darles trabajo que sea interesante y donde los empleados puedan utilizar sus talentos, ellos tendrán un índice más alto de compromiso con la empresa.
  • Colaboración: Los empleados que tengan acceso a plataformas de aprendizaje automático podrán también tener acceso a la base de datos que contiene toda la información acerca de las aptitudes y habilidades de todos los empleados de una empresa. Con esta información,  los empleados podrán buscar a otros empleados que posean alguna habilidad que les pudiera ayudar en sus proyectos o para colaborar en temas diversos y romper con los silos en los departamentos.
  • Mejor reclutamiento: si nuestra base de datos contiene información del tipo de habilidades que se necesitan para hacer cierto trabajo, nuestras máquinas podrán ayudar a los reclutadores a buscar personas en LinkedIn o en Monster por ejemplo, que posean esas cualidades. Esto ahorrará tiempo para los reclutadores y así podrían tener más tiempo para entrevistar a candidatos que de entrada tengan las características mínimas para hacer el trabajo.

Esto es sólo una probadita de lo que machine learning puede traer al mundo de desarrollo organizacional. En los siguientes blogs exploraré otras innovaciones que han revolucionado o revolucionarán al aprendizaje en las empresas.

Y mientras escucho a lo lejos a los muchachos de Stanford hablar de Davos y robots prefiero dejar este post en un tono positivo y dejarlos con una foto de una tienda al lado del café donde estaba. Tal vez han escuchado de ella, se llama Beam. Y no tienen empleados en la tienda. Solamente robots.

IMG_5629