Reclutamiento, sesgos inconscientes e Inteligencia Artificial

En el ámbito del reclutamiento y selección de talento, uno de los mayores desafíos a los que se enfrentan las organizaciones es el impacto negativo de los sesgos inconscientes por parte de los reclutadores.

A menudo imperceptibles para quienes los poseen, estos sesgos pueden influir de manera significativa en la evaluación de los candidatos, derivando en decisiones que no siempre favorecen la equidad y la inclusión. Aunque los reclutadores se esfuerzan por ser objetivos y justos, la naturaleza humana tiende a inclinarse por ciertos prejuicios que, sin la intervención adecuada, pueden distorsionar el proceso de selección de capital humano.

Sesgos inconscientes recurrentes

• Sesgo de afinidad: Ocurre cuando los reclutadores favorecen a los candidatos que comparten características similares a las suyas, ya sea en términos de antecedentes, intereses o experiencias. Este sesgo puede llevar a la contratación de personas que se asemejan demasiado a los empleados actuales, reduciendo la diversidad dentro de la organización.
• Sesgo de confirmación: Se manifiesta cuando los reclutadores buscan información que confirme sus creencias o expectativas previas sobre un candidato. Esto puede conducir a decisiones basadas en percepciones iniciales en lugar de en una evaluación objetiva de todas las habilidades y cualidades.
• Sesgo de efecto halo: Ocurre cuando una característica positiva de un candidato influye en la evaluación general de sus otras cualidades. Por ejemplo, si tiene una habilidad sobresaliente en un área específica, el reclutador puede suponer que también es competente en otras áreas, incluso sin evidencia contundente.

Mitos sobre los métodos para evitar los sesgos inconscientes

A pesar de la creciente sensibilización sobre los sesgos inconscientes y sus efectos negativos, existen varios mitos en torno a los métodos para evitarlos que pueden confundir a las organizaciones y a los profesionales de Recursos Humanos.

• Mito 1: La conciencia de los sesgos es suficiente para evitarlos. Aunque la toma de consciencia es un primer paso crucial, es insuficiente. Los sesgos están profundamente arraigados y pueden influir en nuestras decisiones incluso cuando intentamos ser objetivos.
• Mito 2: Las entrevistas no estructuradas son mejores para evaluar a los candidatos. Algunos creen que las entrevistas no estructuradas, que permiten una conversación más libre y natural, son más efectivas. Sin embargo, las entrevistas estructuradas, con preguntas estandarizadas, son más efectivas para garantizar una evaluación justa y objetiva.
• Mito 3: La tecnología es inherentemente objetiva. Los algoritmos y sistemas de Inteligencia Artificial pueden heredar los sesgos de los datos en los que fueron entrenados. Por lo tanto, es esencial utilizar datos diversos y revisar continuamente para minimizar los sesgos.
• Mito 4: La diversidad se logra solo a través de políticas de contratación. Aunque las políticas de contratación que promueven la diversidad son importantes, no son la única solución para abordar los sesgos inconscientes. Deben ser parte de un enfoque integral que incluya la capacitación continua y la revisión de los procesos internos.
• Mito 5: Los sesgos sólo afectan a las minorías. En realidad, cualquier persona puede ser afectada, independientemente de su origen étnico, género, edad u otras características. De hecho, pueden influir en la evaluación de cualquier candidato y, por lo tanto, es esencial abordar estos prejuicios de manera amplia y comprehensiva.

IA para mitigar los sesgos inconscientes

A continuación, se describen algunas maneras en las que la IA puede contribuir a este objetivo.

• Análisis de currículums sin identificadores: Al eliminar información como nombres, edades, género y antecedentes étnicos, la IA puede evaluar a los candidatos basándose únicamente en sus habilidades y experiencias relevantes, reduciendo así el riesgo de sesgos inconscientes relacionados con estos identificadores.
• Algoritmos de evaluación objetiva: Es importante asegurar que los datos utilizados para entrenar estos algoritmos sean diversos y representativos para minimizar la posibilidad de sesgos inherentes.
• Entrevistas virtuales con evaluación de IA: Estas pueden ser complementadas con herramientas de IA que analizan el lenguaje, las expresiones faciales y el tono de voz de los candidatos. Sin embargo, es crucial utilizar estas herramientas de manera ética y con la supervisión adecuada para evitar nuevos sesgos.
• Monitoreo y retroalimentación continuos: Al identificar patrones sesgados, las organizaciones pueden ajustar sus procesos y políticas para mejorar la equidad. Además, la retroalimentación continua puede ayudar a entrenar mejor a los reclutadores y a ajustar los algoritmos de IA para mejorar su precisión y equidad.

Recordemos que, los sesgos inconscientes son una realidad inevitable en el proceso de reclutamiento y selección de talento, pero son superables. Al reconocer su existencia y adoptar estrategias proactivas para mitigarlos, las organizaciones pueden promover una cultura de equidad e inclusión.