Automatizar funciones de RRHH repetitivas pero dinámicas
La revolución de la automatización (la iniciativa para ejecutar tareas sin intervención manual) en los RRHH ya se estaba produciendo mucho antes de la pandemia. Ahora bien, sortear esta disrupción sin precedentes aceleró la necesidad de innovación digital y, por consiguiente, abrió la puerta a la ola de adopción de la IA y la última evolución de la agilidad y la eficiencia en el ámbito de los RRHH: la automatización inteligente, que implica la lectura de datos y la realización de predicciones a partir de dichos datos. En otras palabras, la automatización inteligente se combina con la automatización del machine learning.
Resulta especialmente útil para las tareas de RRHH rutinarias pero dinámicas, como es el caso de la planificación y la satisfacción de la demanda de mano de obra. Por ejemplo, hay empresas que usan la IA para correlacionar la demanda de mano de obra con las cualificaciones, las skills, la disponibilidad y las preferencias de los empleados, entre otros aspectos, para optimizar los calendarios, tanto los de los trabajadores como los de la empresa. Esto se da sobre todo entre las empresas con empleados que trabajan de cara al cliente en las que los turnos cambian constantemente y los mánagers tienen que cubrirlos y ajustarlos con poca antelación.
"Ahora que la IA ofrece recomendaciones de planificación de los empleados y colaboradores mediante la asignación automática de la disponibilidad y las skills de los trabajadores con los turnos abiertos, las empresas pueden asegurarse de no pasarse ni quedarse cortas con la planificación y, al mismo tiempo, mejorar el control de los costes laborales y la prevención de que los trabajadores se quemen", comenta Somers.
El papel de los RRHH para procurar que los datos estén limpios y tener así una IA responsable
Aunque es indudable que la IA está redefiniendo el rol de los RRHH, los responsables de RRHH deben ser, junto con otros líderes empresariales, quienes impulsen su implantación.
La clave de la IA es que su capacidad para realizar tareas tales como llevar a cabo análisis predictivos o generar contenidos nuevos (IA generativa) depende de la calidad de su modelo base, cuyo valor se mide únicamente por el de los datos con los que se alimenta. Ese sólido compromiso con el gobierno de datos parte de la creencia y la implantación de la idea de que los datos de RRHH son pertinentes en toda la empresa, lo cual resulta ser la misma base que aquella en la que se asienta Workday Human Capital Management (HCM). Workday HCM, que se ha desarrollado a partir de un modelo de datos unificado y un solo modelo de seguridad, puede leer diversos conjuntos de datos para realizar una amplia gama de casos prácticos de analytics y generación de informes en toda la empresa.
"Por lo tanto, una de las cuestiones a las que más hay que prestar atención a la hora de implantar la IA es mantener datos limpios y coherentes para, así, contribuir a garantizar su adecuación y el control de calidad", explica Somers. "Si los conjuntos de datos no están limpios, los responsables de RRHH y del personal pueden acabar recibiendo resultados incorrectos que, a su vez, pueden provocar costosos errores".