Planteamiento del problema
El proceso de selección de personal constituye una de las tareas más críticas en la gestión del talento dentro de las organizaciones. No obstante, los métodos tradicionales suelen ser subjetivos, costosos y requieren una gran inversión de tiempo. Actualmente, la incorporación de herramientas basadas en Inteligencia Artificial (IA) y People Analytics permite optimizar la toma de decisiones, reducir sesgos y mejorar la eficiencia en la contratación.
Asimismo, la integración del aprendizaje automático y el análisis predictivo mediante herramientas tecnológicas ha supuesto una transformación radical en el sector de Recursos Humanos en los últimos años. Esta investigación analiza cómo se puede utilizar el aprendizaje automático en el modelado predictivo de RR.HH. para fundamentar mejor las decisiones de gestión del talento, con el objetivo de optimizar la administración de los empleados y aumentar su eficacia en las empresas. En consecuencia, la alta tasa de rotación de personal representa un problema trascendental, ya que impacta directamente en la viabilidad a largo plazo, la planificación estratégica y la cohesión del equipo, convirtiéndose en un desafío que debe ser abordado.
Un avance interesante en la práctica de la selección de personal es el uso de la inteligencia artificial. Los profesionales de selección, una de las áreas más relevantes de la psicología industrial y organizacional (I-O), han comenzado a adoptar estas técnicas para mejorar los procedimientos de evaluación y contratación. Aunque la IA ha tenido menor presencia en la investigación académica, las publicaciones existentes ofrecen una visión sobre las diversas maneras en que se pueden aplicar estos métodos avanzados para fundamentar la selección. Entre los ejemplos se incluyen la calificación de ensayos de candidatos (Campion et al., 2016), la derivación de contenido de selección a partir del historial laboral (Sajjadiani et al., 2019), la calificación de elementos relacionados con el historial laboral (Putka et al., 2018), la medición de señales de reclutamiento (Banks et al., 2019) y la evaluación del desempeño posterior a la contratación (Speer, 2018).
En consecuencia, la selección de personal debe alinearse con las nuevas formas de recopilación y análisis de información, manteniendo un historial de antecedentes que contribuya a la mejora continua y al fortalecimiento del capital intelectual, elementos esenciales para que toda empresa sea competitiva en el mercado laboral.
Objetivo general
Desarrollar un modelo predictivo basado en Machine Learning para la selección de personal, integrando técnicas de People Analytics, con el fin de optimizar el proceso de contratación.
Objetivos específicos
-
Analizar los factores clave que influyen en la contratación de candidatos.
-
Construir un dataset con variables relevantes de selección de personal.
-
Entrenar y evaluar diferentes modelos de Machine Learning para determinar el más efectivo.
-
Implementar un dashboard interactivo con visualización de métricas clave.
-
Comparar la eficiencia del modelo predictivo con métodos tradicionales de selección.
En síntesis, de acuerdo con lo mencionado, la selección de personal es una aplicación evidente de la inteligencia artificial en la Gestión de Recursos Humanos (RRHH) moderna. En tal sentido, las conclusiones a las que llega el presente estudio son las siguientes:
-
El Trabajo Fin de Máster demostró que la aplicación de modelos predictivos en el proceso de selección de vendedores aporta un valor tangible, mejorando la objetividad, eficiencia y capacidad de generalización de las decisiones de contratación. La evaluación comparativa de cinco modelos supervisados, incluyendo técnicas avanzadas como Random Forest y XGBoost, mostró que, aunque los modelos de árboles presentan un desempeño perfecto en datos sintéticos, también conllevan riesgos asociados al sobreajuste.
-
La Regresión Logística se consolidó como la alternativa más equilibrada y adecuada para una implementación inicial. Su rendimiento robusto, capacidad explicativa y validación cruzada favorable la posicionan como una herramienta útil, especialmente en contextos organizacionales que requieren transparencia y facilidad de interpretación en la toma de decisiones.
-
La comparación con métodos tradicionales de selección permitió destacar las ventajas del enfoque cuantitativo, sin ignorar las limitaciones de la inteligencia artificial en contextos humanos. Se enfatiza que el éxito de una herramienta predictiva no reside únicamente en su precisión estadística, sino en su integración ética y estratégica dentro del proceso de selección, complementando y no sustituyendo la experiencia profesional de los equipos de talento.
-
En suma, el desarrollo e implementación de modelos predictivos para la selección de talento representa una oportunidad real de transformación en las áreas de RRHH, siempre que se acompañe de un diseño metodológico riguroso, validación constante y una mirada crítica que asegure su sostenibilidad y relevancia en escenarios reales.
-
La selección de personal implicó el acopio de datos sobre los solicitantes para medir sus conocimientos, habilidades y capacidades laborales, a partir de los cuales se realizaron pronósticos sobre su desempeño laboral. Si bien el uso de programas informáticos para recopilar y analizar datos es común, la incorporación de datos avanzados y el análisis predictivo aumenta sustancialmente la propuesta de valor de la tecnología en RRHH.
-
Mediante la identificación de los factores clave que influyen en la contratación de candidatos, se construyó un dataset con variables relevantes de selección de personal, lo que permitió elaborar un modelo predictivo de inteligencia artificial. Se logró entrenar y evaluar diferentes modelos de Machine Learning para determinar el más efectivo, con resultados positivos, así como implementar un dashboard interactivo con visualización de métricas clave.
-
Con el auge del Big Data, las organizaciones recopilan cantidades exponencialmente mayores de información sobre un mayor número de candidatos, lo que incrementa los costos de evaluación. Al contar con más datos, los algoritmos permiten una evaluación más eficiente que la realizada manualmente por reclutadores y gerentes de contratación.
-
Los datos basados en texto, como solicitudes y entrevistas, que anteriormente solo podían evaluarse manualmente, ahora pueden ser procesados mediante técnicas de procesamiento de lenguaje natural, digitalizando la información y analizando patrones para crear puntuaciones que reflejen el contenido y significado del texto.
-
La aplicación de estos métodos por parte de investigadores en selección ha demostrado que los algoritmos pueden hacer que las decisiones de contratación sean más eficientes que nunca mediante el modelado estadístico del proceso de toma de decisiones. Se ha replicado el hallazgo de que estos algoritmos pueden entrenarse para tomar decisiones de contratación tan efectivas como un humano, e incluso, en el futuro, podrían superar las predicciones humanas.
-
La comparación de la eficiencia del modelo predictivo con métodos tradicionales de selección sugiere que el clustering realizado es coherente, interpretable y útil para la segmentación de perfiles de vendedores, constituyendo además una base válida para la generación de datos sintéticos orientados a optimizar futuros procesos de selección comercial.
