ACTA DE CALIFICACIÓN

(1)

MODELO DE NEGOCIO PARA LA PUBLICACIÓN DE OFERTAS DE EMPLEO Y SELECCIÓN AUTOMATIZADA DE TALENTO HUMANO EN COLOMBIA,

APOYADO CON EL DISEÑO DE UNA APLICACIÓN INFORMÁTICA QUE IMPLEMENTE ALGORITMOS DE RECOMENDACIÓN CON MACHINE

LEARNING

Presentado por:

Nelson Manuel Lugo Cahuana

UNIVERSIDAD AUTÓNOMA DE BUCARAMANGA - UNAB

FACULTAD DE CIENCIAS ECONÓMICAS, ADMINISTRATIVAS Y CONTABLES MAESTRÍA EN NEGOCIOS DIGITALES

BUCARAMANGA – COLOMBIA NOVIEMBRE DE 2022

(2)

MODELO DE NEGOCIO PARA LA PUBLICACIÓN DE OFERTAS DE EMPLEO Y SELECCIÓN AUTOMATIZADA DE TALENTO HUMANO EN COLOMBIA,

APOYADO CON EL DISEÑO DE UNA APLICACIÓN INFORMÁTICA QUE IMPLEMENTE ALGORITMOS DE RECOMENDACIÓN CON MACHINE

LEARNING

Proyecto de grado para obtener el título de Magister en Negocios Digitales

Presentado por:

Nelson Manuel Lugo Cahuana

Director del trabajo de grado:

José Daniel Cabrera Cruz

UNIVERSIDAD AUTÓNOMA DE BUCARAMANGA - UNAB

FACULTAD DE CIENCIAS ECONÓMICAS, ADMINISTRATIVAS Y CONTABLES MAESTRÍA EN NEGOCIOS DIGITALES

BUCARAMANGA – COLOMBIA NOVIEMBRE DE 2022

(3)

ACTA DE CALIFICACIÓN

(4)

DEDICATORIA

Este proyecto se lo dedico a Dios y al Espíritu Santo por ser siempre mi sustento y fuente de sabiduría. En mi camino de fe siempre he tenido presente el siguiente versículo bíblico “Dios dispone todas las cosas para el bien de quienes lo aman”

Romanos 8:28. por lo cual viviré eternamente agradecido porque así siempre ha sido.

También se lo dedico a mis Padres Omar y Rita, quienes me han acompañado en todos los proyectos que he emprendido, por ser mi motor e inspiración para seguir adelante.

A mis hermanos, abuelos, tíos y primos, quienes siempre se han sentido orgullosos por cada paso que de doy.

De igual forma dedico este proyecto a mis mejores amigas Cindy y Wendy, quienes siempre estuvieron detrás de mi dándome ánimo para llegar a buen término la maestría y no darme por vencido.

(5)

AGRADECIMIENTOS

Agradezco a mi tutor José Daniel Cabrera, por compartir su experiencia, apoyo y conocimiento en el proceso de desarrollo de este proyecto.

Agradezco mucho a las más de 1000 personas que participaron en la encuesta de validación del negocio, son personas que guardan la esperanza en conseguir un buen empleo y poder seguir adelante con sus metas. Este proyecto tiene el fin de ayudar a muchos desempleados y estoy convencido que se podrá implementar en el corto plazo, no los defraudaré.

Y finalmente agradecerles a los reclutadores, gerentes y analistas de talento humano que contacte por la red social LinkedIn, porque sin conocerme, decidieron darme su voto de confianza respondiendo a mis inquietudes para continuar con el desarrollo de este proyecto.

(6)

RESUMEN

El presente proyecto describe un modelo de negocio que permite a las Empresas públicas y privadas en Colombia, publicar ofertas de empleo a través de una aplicación informática que implementa algoritmos de recomendación con Machine Learning, y de forma automática sugiere la mejor hoja de vida para el cargo ofertado.

Existen varias aplicaciones en el mercado que realizan actividades de publicación de ofertas de empleo, pero son de entidades públicas y privadas, en los que sus modelos de negocios se enfocan en nichos o sectores productivos específicos, a muy alto costo, que incluye solo una publicación de oferta y además cuentan con percepciones desfavorables por parte de los candidatos, por su baja o nula

retroalimentación, lentitud en los procesos y pocos transparentes; esto de acuerdo al estudio de percepción realizado para validar la viabilidad de este proyecto.

Para el desarrollo de este proyecto se utilizó una metodología de tipo mixto, ya que se necesita de un enfoque cualitativo y cuantitativo. Con el enfoque cualitativo se obtuvo las percepciones de los diferentes actores del modelo de negocio y con el enfoque cuantitativo las estadísticas para poder establecer las estrategias del modelo de negocio diseñado.

Con la realización de este modelo de negocio, se democratiza la publicación de ofertas de empleo, sin importar el sector económico al que pertenece la empresa con la necesidad de publicar una vacante, con suscripciones a un precio

competitivo y con algoritmos de inteligencia artificial especializados en recomendaciones; lo que garantiza la automatización de los procesos de selección, sugiriendo el mejor talento para las empresas y retroalimentación continua para los candidatos de los procesos.

Palabras claves: inteligencia artificial, macrodatos, desempleo, empleo, análisis de datos, prueba de aptitud, actitud laboral, servicios de empleo.

(7)

SUMMARY

This project describes a business model that allows public and private companies in Colombia to publish job offers through a web and mobile application that

implements recommendation algorithms with Machine Learning and automatically suggests the best resume for the position offered.

Several applications in the market perform job posting activities, but they are of public and private entities, in which their business models are focused on specific niches or productive sectors, at a very high cost, which includes only one job posting and also has unfavorable perceptions by candidates, for their low or no feedback, slow processes and few transparent; this according to the perception study conducted to validate the feasibility of this project.

A mixed methodology was used for the development of this project since it requires a qualitative and quantitative approach. With the qualitative approach, we obtained the perceptions of the different actors of the business model and with the

quantitative approach, the statistics were able to establish the strategies of the designed business model.

With the implementation of this business model, the publication of job offers is democratized, regardless of the economic sector to which the company belongs with the need to publish a vacancy, with subscriptions at a competitive price and with Artificial Intelligence algorithms specialized in recommendations, which guarantees the automation of the selection processes, suggesting the best talent for the companies and continuous feedback for the candidates of the processes.

Key words: artificial intelligence, big data, unemployment, employment, data analysis, aptitude test, work attitudes, employment services.

(8)

TABLA DE CONTENIDO

pág.

RESUMEN ... 7

SUMMARY ... 8

INTRODUCCIÓN ... 20

CAPÍTULO I. PROBLEMA U OPORTUNIDAD ... 22

1.1 Antecedentes del problema ... 22

1.2 Pregunta de investigación ... 25

1.3 Objetivos ... 26

1.3.1 Objetivo general ... 26

1.3.2 Objetivos específicos ... 26

1.4 Justificación ... 27

CAPÍTULO II. MARCO TEÓRICO Y ESTADO DEL ARTE ... 30

2.1 MARCO TEÓRICO ... 30

2.1.1 Startups ... 30

2.1.2 Reclutamiento de talento humano tradicional ... 30

2.1.3 Reclutamiento de talento humano en la cuarta revolución industrial. ... 35

2.1.4 Sistemas de recomendación ... 35

2.1.5 Modelos de negocio en línea ... 36

2.1.6 Propuesta de valor ... 38

2.1.7 Generación de Ingresos ... 38

2.1.8 Producto mínimo viable ... 39

2.1.9 Lean startup ... 40

2.2 ESTADO DEL ARTE ... 42

2.2.1 Predicción de personalidad mediante aprendizaje automático ... 42

2.2.2 Sesgos en el aprendizaje automático... 42

2.2.3 Seguridad informática en Colombia ... 43

2.2.4 Detección de ofertas de empleo falsas en línea ... 44

(9)

2.2.7 Chatbots para el proceso de selección de talento humano ... 48

2.2.8 Inteligencia artificial en la retención de talento humano. ... 49

2.2.9 Perspectiva de la inteligencia artificial desde el área de talento humano. ... 50

2.2.10 La cara humana de la inteligencia artificial en los procesos de selección. ... 51

2.2.11 Gestión del talento humano como modelo de negocio. ... 52

CAPÍTULO III. METODOLOGÍA ... 58

3.1 METODOLOGÍA DE INVESTIGACIÓN ... 58

3.2 POBLACIÓN Y MUESTRA ... 59

3.2.1 Perfil de la Población en búsqueda de empleo. ... 59

3.2.2 Perfil de la población que se encarga de reclutar talento humano. ... 61

3.3 RECOLECCION DE DATOS ... 61

3.3.1 Recolección de datos para la población en búsqueda de empleo ... 61

3.3.2 Recolección de datos para la población de gestión de talento humano ... 62

3.4 ANÁLISIS DE DATOS ... 63

3.4.1 Análisis de datos de las personas en búsqueda de empleo ... 63

3.4.2 Análisis de datos de las personas que se encargar de reclutar talento humano. ... 87

CAPÍTULO IV. RESULTADOS ... 92

4.1 DIAGNÓSTICO DEL MERCADO ... 92

4.1.1 Desempleo ... 92

4.1.2 Mercado laboral ... 97

4.1.3 Reclutamiento ... 104

4.2 MODELO DE NEGOCIO PARA LA PUBLICACIÓN DE OFERTAS DE EMPLEO EN LÍNEA, A TRAVÉS DEL MODELO CANVAS. ... 107

4.1.4 Segmentación del mercado ... 107

4.1.5 Usuario Final ... 107

4.1.6 Funcionalidades del productos ... 108

4.1.7 Beneficios de productos ... 108

4.1.8 Early Adopters ... 109

4.1.9 Competidores ... 109

4.1.10 Mercado Inicial ... 111

4.1.11 Perfil del usuario final ... 112

4.1.12 Tamaño del mercado inicial ... 112

4.1.13 Buyer personas ... 112

(10)

4.1.14 Circulo Dorado según Simon Sinek ... 114

4.1.15 Mapa de empatía ... 115

4.1.16 Customer journey ... 117

4.1.17 Modelo Canvas ... 118

4.1.18 Modelo de suscripción propuesto ... 119

4.1.19 Estimación de mercado ... 120

4.1.20 Ingresos estimados ... 120

4.1.21 Modelo de costos asociados. ... 120

4.2 MOCKUPS DEL PRODUCTO MÍNIMO VIABLE DESARROLLADO PARA VALIDAR EN EL MERCADO ... 121

4.2.1 Posible front del producto a desarrollar ... 121

4.2.2 Posible back del producto a desarrollar ... 130

4.2.3 Diseño de algoritmo para modelo de neuronal artificial ... 131

4.3 PLAN DE MARKETING DIGITAL. ... 132

4.3.1 ¿Quiénes seremos? ... 132

4.3.2 Estudios de competidores ... 132

4.3.3 Comparativo digital. ... 149

4.3.4 Palabras claves objetivos ... 151

4.3.5 Palabras claves segundarias ... 151

4.3.6 Análisis DOFA ... 151

4.3.7 Público objetivo, e-marketing y acciones estratégicas. ... 152

CAPÍTULO V. CONCLUSIONES ... 155

BIBLIOGRAFÍA ... 158

(11)

LISTA DE TABLAS

Tabla 1. Tasa global de participación, ocupación y desempleo ... 23

Tabla 2. Modelo canvas del modelo de negocio Ubicuo. ... 54

Tabla 3. Modelo Canvas para implementar Kobeyo en Colombia. ... 55

Tabla 4. Resumen para cálculo de la muestra de las personas en búsqueda de empleo. ... 60

Tabla 5. Cantidad de personas desempleadas en Colombia. ... 92

Tabla 6. Distribución de la población desempleada por sexo y edad. ... 93

Tabla 7. Comparación de población desempleada reportada por el DANE vs investigación propia. ... 94

Tabla 8. Tiempo sin empleo de las personas. ... 94

Tabla 9.Razones por los cuales las personas indican que no encuentran empleo. ... 96

Tabla 10. Comparación del nivel educativo de los de los desempleados informados por el DANE vs la población estudiada en la investigación. ... 96

Tabla 11. Número de ofertas de empleo registradas por mes en los portales en línea de Colombia. ... 98

Tabla 12. Ciudades con mayor cantidad de vacantes registradas en portales de internet. ... 98

Tabla 13. Cantidad de vacantes registradas en portales de internet por departamentos. ... 99

Tabla 14. Cantidad de vacantes registradas en portales de internet por área productiva. ... 100

Tabla 15. Cantidad de vacantes registradas por nivel de estudios solicitados. ... 101

Tabla 16. Cantidad de vacantes registradas por años de experiencia solicitada. 103 Tabla 17. Cantidad de vacantes registradas por salario ofrecido. ... 103

Tabla 18. Comparativo de posibles competidores ... 109

Tabla 19. Buyer de personas en búsqueda de empleo ... 112

Tabla 20. Buyer de personas que reclutan talento humano ... 113

Tabla 21. Customer Journey del proceso ... 117

(12)

Tabla 22. Modelo CANVAS del proyecto ... 118

Tabla 23. Número de seguidores de computrabajo.com ... 133

Tabla 24. Número de seguidores del empleo.com ... 137

Tabla 25. Número de seguidores de indeed.com ... 141

Tabla 26. Número de seguidores de magneto365.com ... 145

Tabla 27. Comparativo de número de seguidores de las plataformas de publicación de ofertas de empleo ... 149

Tabla 28. Comparativo de posición de las plataformas en el mercado ... 149

Tabla 29. Comparativo del tráfico web de las plataformas de búsqueda de empleo ... 150

(13)

LISTA DE ILUSTRACIONES

Ilustración 1. Mapa mental, proceso de selección de talento humano ... 34

Ilustración 2. Ciclo de Lean Startup ... 41

Ilustración 3. Tasa de edad de los participantes del estudio ... 67

Ilustración 4. Tasa de educación de los participantes ... 67

Ilustración 5. Distribución de las áreas de especialidad de los participantes. ... 68

Ilustración 6. Tasa de participación por departamentos ... 69

Ilustración 7. Años de experiencia laboral de los participantes ... 70

Ilustración 8. Tasa de ocupación de los participantes del estudio. ... 70

Ilustración 9. Tiempo de desempleo de los participantes. ... 71

Ilustración 10. Comparativo entre el tiempo de cesante y búsqueda de empleo. .. 72

Ilustración 11. Tasa de desempleo agrupado por edades. ... 72

Ilustración 12. Tiempo de desempleo de acuerdo con grupo de edades. ... 73

Ilustración 13. Motivos que consideran las personas por las que no encuentran empleo. ... 75

Ilustración 14. Porcentaje de personas que han recibido asesorías sobre mejoramiento de curriculum. ... 77

Ilustración 15. Porcentaje de personas que le gustaría recibir asesorías sobre mejoramiento de curriculum. ... 77

Ilustración 16. Tiempo laborado en la empresa actual. ... 78

Ilustración 17. Motivos de cambio de empleo... 79

Ilustración 18. Aspiración salarial de los participantes. ... 80

Ilustración 19. Distribución de la aspiración salarial con la edad. ... 80

Ilustración 20. Tasa de búsqueda diaria de empleo de los participantes. ... 81

Ilustración 21. Herramientas más usadas para buscar empleo, de acuerdo con los participantes del estudio. ... 82

Ilustración 22. ambientes de búsqueda de empleo. ... 83

Ilustración 23. Tasa de percepción sobre el valor que se les da a la hora de postularse a una vacante a través de internet. ... 84

Ilustración 24. Opinión de las personas sobre los portales de empleo, parte 1... 85

(14)

Ilustración 25. Opinión de las personas sobre los portales de empleo, parte 2... 86

Ilustración 26. Tasa de aceptación de tarifas de portales de empleo. ... 87

Ilustración 27. Características que deberían tener las actuales plataformas de publicación de ofertas de empleo. ... 88

Ilustración 28. Disgustos que tienen los reclutadores de talento humano con las plataformas actuales de publicación de ofertas de empleo. ... 89

Ilustración 29. Principales dificultades de las áreas de talento humano. ... 90

Ilustración 30. Costo medio para publicar una oferta de empleo según los reclutadores. ... 90

Ilustración 31. Ideas más comunes sobre la percepción que tienen las personas sobre los portales de empleo en línea. ... 97

Ilustración 32. Tasa de aceptación de tarifas pagadas por la publicación de ofertas de empleo... 104

Ilustración 33. Ideas sobre lo que debería tener una plataforma de empleo eficiente. ... 105

Ilustración 34. Principal carga laboral que tienen los reclutadores en su día a día. ... 106

Ilustración 35. Circulo dorado del modelo de negocio. ... 114

Ilustración 36. Mapa de empatía de personas en búsqueda de empleo ... 115

Ilustración 37. Mapa de empatía de personas que reclutan talento humano ... 116

Ilustración 38. Licenciamiento de plantilla para el desarrollo de Mockups de la solución propuesta. ... 121

Ilustración 39. Página principal del proyecto ... 122

Ilustración 40. Página para la búsqueda de ofertas ... 123

Ilustración 41. Página para la búsqueda de empleo ... 124

Ilustración 42. Página para la visualización de una oferta ... 125

Ilustración 43. Aplicación de una oferta de empleo ... 126

Ilustración 44. Modelo de suscripciones para pagos en linea. ... 127

Ilustración 45. Visualización de un perfil laboral. ... 128 Ilustración 46. Filtro de candidatos por habilidades técnicas, salario y experiencia.

(15)

Ilustración 47. Modelo propuesto para desarrollo del back del proyecto ... 130

Ilustración 48. Diseño de algoritmo para modelo de neuronal artificial ... 131

Ilustración 49. Página principal de computrabajo.com ... 133

Ilustración 50. Posición del portal web computrabajo.com ... 134

Ilustración 51. Total de visitas mensuales de computrabajo.com durante los meses de junio, julio y agosto de 2022. ... 134

Ilustración 52. Proporción de uso de la plataforma computrabajo.com discriminado por sexo ... 135

Ilustración 53. Canales de búsqueda de la plataforma computrabajo.com ... 135

Ilustración 54. Palabras claves de búsqueda para computrabajo.com ... 136

Ilustración 55. Página principal del empleo.com ... 137

Ilustración 56. Posición del portal web elempleo.com ... 138

Ilustración 57. Total de visitas mensuales de elempleo.com durante los meses de junio, julio y agosto de 2022. ... 139

Ilustración 58. Proporción de uso de la plataforma elempleo.com discriminado por sexo ... 139

Ilustración 59. Canales de búsqueda de la plataforma elempleo.com ... 140

Ilustración 60. Palabras claves de búsqueda para elempleo.com ... 140

Ilustración 61. Página principal de indeed.com ... 141

Ilustración 62. Posición del portal web indeed.com ... 142

Ilustración 63. Total de visitas mensuales de indeed.com durante los meses de junio, julio y agosto de 2022. ... 143

Ilustración 64. Proporción de uso de la plataforma indeed.com discriminado por sexo ... 143

Ilustración 65. Canales de búsqueda de la plataforma indeed.com ... 144

Ilustración 66. Palabras claves de búsqueda para indeed.com... 144

Ilustración 67. Página principal de magneto365.com ... 145

Ilustración 68. Posición del portal web magneto365.com ... 146

Ilustración 69. Total de visitas mensuales de magneto365.com durante los meses de junio, julio y agosto de 2022. ... 147

(16)

Ilustración 70. Proporción de uso de la plataforma magneto365.com discriminado por sexo ... 147 Ilustración 71. Canales de búsqueda de la plataforma magneto365.com ... 148 Ilustración 72. Palabras claves de búsqueda para magneto365.com ... 148

(17)

LISTA DE ECUACIONES

Ecuación 1. Calcular tamaño de muestra finita ... 60

(18)

LISTA DE ANEXOS

Anexo 1. Preguntas realizadas a quienes se encuentran buscando empleo en internet. ... 62 Anexo 2. Preguntas realizadas a reclutadores de talento humano. ... 62

(19)

INTRODUCCIÓN

En Colombia según el informe del mercado laboral de mayo de 2022 elaborado por el DANE, la tasa de desempleo se ubicó en un 10.6% lo que se traduce en 2,644.000 personas desocupadas (DANE, 2022). Esto es un tema muy

preocupante porque el desempleo genera pobreza, desigualdad, resentimiento social, falta de educación, guerras, enfermedades tanto físicas como mentales, negocios ilícitos, en resumen, una disminución de la calidad de vida (Escuela de Administración y Negocios EAN, 2020).

En este proyecto se describen las principales estadísticas del mercado laboral, la opinión que tienen las personas con respecto a los principales retos que se tiene a la hora de buscar un empleo, la percepción de las personas que se encargan de reclutar talento humano, además de una propuesta tecnológica para ayudar a mitigar los principales desafíos para la publicación de ofertas de empleo y apoyar a la selección de personal.

El documento está compuesto por los siguientes capítulos: descripción del problema, marco teórico y estado del arte, la metodología que se usó con las diferentes estadísticas para el desarrollo del modelo de negocio, los resultados obtenidos y las conclusiones.

(20)

CAPÍTULO I

PROBLEMA

(21)

Capítulo I. Problema

CAPÍTULO I. PROBLEMA U OPORTUNIDAD

En este capítulo se describe la problemática actual que se vive en Colombia con respecto al desempleo, se realiza una descripción de la principal dificultad para la publicación de ofertas de empleo y la oportunidad que se tiene para el desarrollo del proyecto.

1.1 Antecedentes del problema

En Colombia hay registradas 224 agencias de empleo del sector públicas y

privadas autorizadas por la Unidad Administrativa Especial del Servicio Público de Empleo; y según el último reporte publicado por dicha entidad en mayo de 2022, durante el año 2021 se publicaron 1.860.576 ofertas de empleo y desde el 1 de Enero de 2022 hasta el 30 de Mayo de 2022, se realizó la publicación de

1.147.304 ofertas, lo que se traduce en un incremento promedio de un 46%

comparado con el mismo periodo de 2021 (Unidad Administrativa Especial del Servicio Público de Empleo, 2022).

El Departamento Administrativo Nacional de Estadística - DANE en su último informe de Mayo de 2022, muestra una leve reducción de desempleo del 4.6%

comparado con el mismo mes de 2021, equivalente a 2,6 millones de personas desempleadas (DANE, 2022).Si la anterior tendencia se mantiene, se puede proyectar a Diciembre del año 2022 un aproximado 2.700.000 publicaciones de empleo.

En la Tabla 1 se puede analizar los porcentajes y cantidades de personas ocupadas y desocupadas durante mayo de 2022 y su comparativo en el mismo periodo de 2021.

(22)

Tabla 1. Tasa global de participación, ocupación y desempleo

Fuente: DANE (2022)

Debido a la pandemia decretada en diciembre de 2019, el uso de aplicaciones móviles aumentó, de tal forma que las empresas se vieron obligadas a realizar grandes inversiones en desarrollo tecnológico y esto trajo consigo una alta

demanda de desarrolladores de software, arquitectos tecnológicos, investigadores de mercado, analistas de datos, ingenieros en inteligencia artificial, entre otras profesiones (HAYS, 2022). Este tipo de ocupaciones se proyectaban en 5 años como carreras de vanguardia, pero debido a esta situación, se adelantó a menos de un año.

Como consecuencia, se generó un reto para todas las empresas de reclutamiento de talento humano, ya que debieron actualizar sus bases de conocimientos para poder llenar las vacantes lo más rápido posible; según Manpower Group, la tercera empresa más grande del mundo en servicios y soluciones de talento humano, en su informe del primer semestre de 2022, corrobora la difícil situación de falta de mano de obra calificada en el país, siendo los sectores de banca, finanzas, construcción, Tecnología y fabricación los más afectados (Manpower Group, 2022).

Actualmente en Colombia, las tasas de publicación de una oferta de empleo en una agencia privada autorizada van desde los $70.000 COP (19 USD

aproximadamente); tomando como referencia uno de los portales de empleo más

(23)

tarifa de $83.193 COP (Casa Editorial El Tiempo, 2022), lo cual es un costo alto, ya que esto solo cubre la publicación de dicha oferta y poder ver los primeros 30 candidatos que se postularon, sin tener la certeza de que esas hojas de vida

podrían aportar a las necesidades de las empresas y que además cumplan con los requisitos mínimos en estudios y/o experiencia; y si desea ver todas las personas que se postularon a la vacante deben pagar $399.000 COP (100 USD

Aproximadamente). Con estos altos costos las empresas se limitarían mucho para conseguir el talento deseado y esto no contribuye al crecimiento de estas, ni al desarrollo económico del país.

La Organización para la Cooperación y el Desarrollo Económico - OCDE en su último informe de proyecciones de las economías de junio de 2022, afirmó que Colombia podría aumentar su Producto Interno Bruto -PIB en un 6,1% para el cierre del 2022 (OCDE, 2022),lo que traduciría en la creación de más

oportunidades de empleo

En este punto es donde la creación de un nuevo jugador en el mercado de publicación de ofertas de empleo y selección de talento humano apoyado con Inteligencia artificial sería fundamental para el apoyo a la reducción de la actual tasa de desempleo, y apoyaría a las empresas del sector público y privado en Colombia a encontrar el mejor talento, sin necesidad de incurrir en grandes costos de contratación.

(24)

1.2 Pregunta de investigación

¿Cómo se puede implementar un modelo de negocio que permita a las empresas públicas y privadas de Colombia publicar ofertas de empleos, sugerir al mejor talento de forma automatizada y apoye a reducir los tiempos de contratación?

(25)

1.3 Objetivos

En la siguiente sección se describe el objetivo general y los objetivos específicos del proyecto desarrollado.

1.3.1 Objetivo general

Diseñar un modelo de negocio para la publicación en canales digitales de ofertas de empleo y selección de talento humano de forma automática en Colombia, apoyado con inteligencia artificial.

1.3.2 Objetivos específicos

• Realizar un diagnóstico del mercado teniendo en cuenta la apreciación de las personas sobre las herramientas de publicación de empleos en Colombia.

• Elaborar un Business Model Canvas para identificar las principales características para el diseño del modelo de negocio.

• Diseñar un producto mínimo viable de una aplicación informática para la publicación de ofertas de empleos y selección de personal, mediante la elaboración de mockups.

• Diseñar un plan de marketing digital para el lanzamiento del producto mínimo viable.

(26)

1.4 Justificación

Con la realización de este proyecto, se contribuye a que las empresas públicas y privadas del ámbito nacional, puedan gestionar su talento humano de forma asequible, ya que se entraría al mercado colombiano con un paquete de

suscripciones con un costo competitivo, permitiendo gestionar publicaciones de ofertas de empleo sin limitaciones de uso, y gracias a los avances en la

programación neurolingüística -NLP y a los algoritmos de recomendación con machine Learning, aplicados al diseño del software de este proyecto, se alcanzan las siguientes ventajas:

• Predicción de permanencia en los cargos ofrecidos

• Evaluaciones Conductuales automatizadas,

• Verificación de historia laboral y judicial,

• Automatización de entrevistas,

• Ahorro de tiempo y dinero.

Por otra parte, según el decreto 0722 de 2013 del Ministerio de Trabajo Colombiano, “Reglamenta la prestación de Servicio Público de Empleo, se conforma la red de operadores del Servicio Público de Empleo y reglamenta la actividad de intermediación laboral” (Ministerio de Trabajo y Seguridad Social, 2013); el cual indica que los servicios prestados deben ser gratuitos, pero a nivel de publicaciones de ofertas de empleo pueden ser pagadas.

Para este proyecto no es viable registrarlo desde sus inicios al Servicio Público de empleo como intermediario por los requerimientos legales exigidos, por lo tanto, el diseño propuesto es un software como servicio para las diferentes empresas que se registran, así existe un modelo de responsabilidad compartida.

Finalmente, con el desarrollo de este proyecto se contribuye al cumplimiento del Conpes 4023 “Política para la reactivación, la repotenciación y el crecimiento

(27)

sostenible e incluyente: nuevo compromiso por el futuro de Colombia”, cuyo objetivo es

… desarrollar capacidades en los hogares, el aparato productivo el marco institucional y el desarrollo digital para que, en el corto plazo, el país pueda retomar la ruta de desarrollo que estaba recorriendo cuando fue golpeado por el COVID-19 y que, en el largo plazo, transite hacia un crecimiento más sostenible e incluyente que además tenga la habilidad para responder adecuadamente a choques futuros de gran impacto.

(DNP, 2021, pág. 14).

Dentro de este Conpes se encuentra la Línea de acción 2.4 “Desarrollar y fortalecer las competencias para la formación para el trabajo y la generación de ingresos diferenciando zonas urbanas y rurales” (DNP, 2021, pág. 135), se consideran unas líneas educativas, en la que se deben desarrollar planes de formación y evaluación, y con este proyecto se puede aportar a la ubicación laboral de la población objetivo de dicho lineamiento.

(28)

CAPÍTULO II

Marco teórico y estado del arte

(29)

Capítulo II. Marco teórico y estado del arte

CAPÍTULO II. MARCO TEÓRICO Y ESTADO DEL ARTE

En el siguiente capítulo se describe las principales teorías para el desarrollo de este proyecto, además de las diferentes investigaciones relacionadas con la automatización de los procesos de selección de talento humano.

2.1 MARCO TEÓRICO

En este apartado se describirá los conceptos utilizados para la construcción de este proyecto.

2.1.1 Startups

En los últimos años se ha venido popularizando el termino de “Startups“ o

Empresas Emergentes, Según el Banco BBVA (2022) son “empresas emergentes, normalmente con un alto componente tecnológico, con grandes posibilidades de crecimiento y que, por lo general, respalda una idea innovadora que sobresale de la línea general del mercado”.

Estos emprendimientos se caracterizan por un crecimiento rápido por sus altas tasas de inversión que buscan madurar el producto lanzado a través de

validaciones cortas; Este crecimiento acelerado también implica reclutar un volumen significativo de capital humano con conocimientos específicos en el menor tiempo posible.

Rappi, una Startup que ha revolucionado los domicilios en Latinoamérica y que durante el mes de mayo público 142 ofertas de empleo en la plataforma LinkedIn y al corte del 15 de junio de 2022 no han cerrado las publicaciones realizadas en mayo, y constantemente en dicha red social republican las ofertas (LinkedIn, 2022).

2.1.2 Reclutamiento de talento humano tradicional

El reclutamiento tradicional capital humano inicia con la publicación interna o externa de una oferta de empleo, en medios como periódicos, portales internos de

(30)

la empresa, portales públicos de publicación de empleo, revistas, anuncios de radio y así obtener hojas de vida, que luego serán leídas una a una y validar en un primer filtro si las personas cumplen o no con formación y experiencia, después continua con una serie de validaciones como:

• Entrevistas presenciales,

• Pruebas psicológicas,

• Pruebas de conocimiento,

• Estudios de Seguridad,

• Visitas domiciliarias,

• Pruebas médicas,

Cuando las anteriores validaciones estén aprobadas, viene el proceso de contratación, donde se le solicita a la persona los documentos relevantes al contrato y es allí donde el candidato acepta o no la oferta que la empresa

presento, Este proceso lo respalda Idalberto Chiavenato en su libro “Gestión del Talento Humano”, donde nos da un esquema general de los conceptos que se

(31)

deben tener en cuenta para el proceso de reclutamiento. En la

Ilustración 1. Mapa mental, proceso de selección de talento humano, El autor resume el proceso:

(32)

(33)

Ilustración 1. Mapa mental, proceso de selección de talento humano Fuente: Elaboración propia con base a Chiavenato (2020)

(34)

2.1.3 Reclutamiento de talento humano en la cuarta revolución industrial.

En cuanto al reclutamiento en la cuarta revolución industrial, se deben romper los esquemas tradicionales, ya que las organizaciones están exigiendo rapidez en los procesos de contratación para poder mejorar la productividad, Chiavenato (2020) postula que los procesos de selección no pueden condicionarse a normas,

directrices o esquemas rígidos. Todo debe ser adaptable, ágil y flexible.

La Inteligencia Artificial como disciplina de la ciencia de la computación, que se encarga de “aprovechar a las computadoras y las máquinas para imitar las capacidades de resolución de problemas y toma de decisiones de la mente humana” (IBM Cloud Education, 2020) juega un papel muy importante, porque desde la implementación de algoritmos de recomendación, podría automatizar los procesos que se vienen realizando para la contratación de personal.

2.1.4 Sistemas de recomendación

Según Clevertask (2021), una empresa joven española, especializada en nuevas tecnologías, define a los sistemas de recomendación como un predictor de

productos que pueden ser interesantes para un usuario, utilizando filtros colaborativos que basan su lógica en las características del usuario.

Estos algoritmos analizan compras anteriores, preferencias, calificaciones dadas, y los productos que han tenido éxito con usuarios similares y filtros basados en contenidos que utilizan algoritmos cuya base es la predicción, en lugar de analizar comportamientos previos, analiza las características de un artículo como la marca, precio, calificaciones, tamaño, categoría.

Tomando las definiciones anteriores, el aplicar algoritmos de recomendación que por lo general se han venido usando en aplicaciones del sector de Retail, pueden

(35)

analizarían las características de las últimas contrataciones realizadas en la empresa, tomando como referencia los rasgos de las personas contratadas de acuerdo al cargo, el mapa de competencias definido por Chiavenato (2020) y las evaluaciones de los resultados obtenidos.

En cuanto a los filtros de contenido se predeciría de acuerdo con las

características de los candidatos, evaluaciones realizadas, cargos realizados, funciones, estudios, Skills técnicos, habilidades blandas, etc.

2.1.5 Modelos de negocio en línea

Torres Marín (2022) en su libro “Emprende en Digital”, afirma que existen varios modelos de negocio en línea, los más comunes son:

• Basados en contenidos

Son aquellos que proporcionan contenidos especializados como libros electrónicos, imágenes, videos, recetas, instrucciones, artículos, preguntas frecuentes, cursos online, etc. Ejemplo: Udemy®, YouTube®, Spotify®. (pág.

29)

• Basados en comunidad

Este tipo de negocios son aquellos cuyo objetivo es compartir experiencias, recaudar fondos, promocionar ideas, eventos, etc. a través de comunidades, un claro ejemplo de este modelo de negocio es: Facebook®, Instagram®,

LinkedIn®, Ulule®, A2censo®. (pág. 29)

• Tiendas en línea

Son aquellos donde se ofrece un producto a través de una aplicación en internet, existiendo la posibilidad de pago en línea o físico cuando recibe el producto. Este tipo de negocios también debe tener una logística definida para todo el proceso de entregas, devoluciones, inventarios, etc. Un ejemplo es

(36)

cuando una empresa o persona decide además de vender productos en tiendas físicas, ofrecer sus productos en internet. (pág. 30)

• Basados en marketplace

Los Marketplaces, son aquellas tiendas en internet que funcionan al igual que las tiendas en línea, la diferencia es que el mostrador o plataforma la ofrece un tercero, para que las personas o empresas promocionen sus productos y toda la logística de compra y venta la asume la plataforma. Ejemplos de este tipo de modelos de negocio son Amazon® ,MercadoLibre®, Airbnb®. (pág. 30)

• Negocios de promoción de otros

Este modelo de negocio es uno de los más populares, ya que una empresa o persona cuando tienen una cantidad significativa de seguidores o una excelente reputación en internet, se convierten en una vitrina para ofrecer productos de terceros. Ejemplos del modelo son: Artistas reconocidos, Groupon®, en redes sociales son llamados influenciadores. (pág. 31).

Después de analizar los modelos de negocios propuestos por Torres Marín, también se podrían combinar, ya que la ventaja de los modelos de negocio en línea es que pueden integrar múltiples características tecnológicas que le

permitirían escalar rápidamente. Para ejemplificar esta afirmación, una empresa que venda suscripciones de algún producto y/o servicio, se ajusta al modelo de Tiendas en línea

además le podría añadir servicios extras como venta de contenido digital y así se combinaría con los modelos Basados en contenidos

(37)

2.1.6 Propuesta de valor

La propuesta de valor es aquel factor que determina que un cliente adquiera un bien o servicio, por una persona u otra empresa; esta puede ser una oferta nueva, un servicio disruptivo, o esta parecerse a otra, pero con nuevas características o atributos; claramente debe especificar algún beneficio. (Alvarez, 2020, pág. 284)

2.1.7 Generación de Ingresos

Según la experiencia adquirida en los últimos años, existen varios modelos de ingresos de negocios en internet. Estos pueden ser:

• Modelo por suscripción

Los modelos de suscripción son aquellos donde una persona adquiere un servicio por tiempo ilimitado y puede usar todas las características del producto sin restricciones, mes a mes (por mes es el más común, pero también puede ser trimestral, semestral o anual) al usuario se le debita el monto del valor de la suscripción, este lo puede cancelar de acuerdo con las políticas adquiridas al momento de firmar el contrato. Un ejemplo de este modelo es Netflix® o Spotify®.

• Modelo de pago fraccionado

Este modelo es cuando el valor del servicio es establecido en un total general, y si la persona no tiene como pagar la totalidad, se llega a un acuerdo de pago según el periodo establecido. Al igual que en el modelo de suscripción el pago se realiza por débito automático. Mayormente es usado por escuelas en internet.

• Modelo de consumo

En este modelo de negocio el costo del servicio es determinado por el consumo mensual de un determinado producto y/o servicio. Generalmente es usado

(38)

cuando se ofrece un software como servicio, un ejemplo de este es AWS®, Google Cloud, Microsoft Azure®.

• Modelo por paquete de servicios

El costo de este modelo es calculado de acuerdo con unos paquetes de características de un producto y/o servicio, es decir, que se establecen

diferentes rangos de precios dependiendo las funcionalidades, a menor precio del paquete adquirido, menor son las características y/o beneficios del producto ofrecido. Este es el ejemplo de la mayoría de los portales de empleo en

Colombia.

• Modelo gratuito

Los modelos gratuitos son aquellos donde no se cobra por el valor del producto o servicio, generalmente el costo oculto de este modelo es la publicidad que se muestra en los diferentes componentes, o en su defecto por la adquisición de los datos del usuario para luego ser comercializado con empresas de mercadeo o de consumo masivo.

• Modelo combinado gratuito - pago

Este tipo de modelo funciona igual que el modelo gratuito, pero si se requiere usar una funcionalidad extra o una característica especial, deberá pagar por el costo del de esa característica extra o por el valor total del producto. Tal es el caso de las plataformas YouTube® y Spotify®, si se desea retirar la publicidad se debe pagar la suscripción del servicio.

2.1.8 Producto mínimo viable

Un producto mínimo viable o sus siglas PMV, es un producto con las

características mínimas y esenciales para satisfacer las necesidades básicas de

(39)

rápidamente la solución a las necesidades planteadas a muy bajo costo. (Alvarez, 2020, págs. 92-94)

2.1.9 Lean startup

Según Álvarez (2020, pág. 70), en su libro “Lean Retail”, define a Lean Startup, como una metodología basada en lo que se denomina aprendizaje validado. Esto se traduce en la validación iterativa de una idea de negocio antes de tener un producto definitivo y comenzar a escalar el negocio. La ventaja de este modelo es la retroalimentación constante de los clientes y así realizar los cambios

rápidamente para mejorar la siguiente versión del producto ofrecido.

El modelo contempla tres etapas:

• Construir: Lo ideal es construir un producto mínimo viable, este primer producto realizado no busca ser el definitivo.

• Medir: Cuando se lanza el producto, es necesario medir las apreciaciones de los clientes de la versión lanzada y así saber el grado de pertinencia de la solución.

• Aprender: La empresa aprenderá del resultado obtenido en las métricas, para luego construir una nueva versión con las oportunidades encontradas.

(40)

Ilustración 2. Ciclo de Lean Startup

Fuente: Elaboración propia, adaptado a partir de Alvarez (2020, pág. 73)

Construir

Medir

Aprender

(41)

2.2 ESTADO DEL ARTE

En este punto se hablará sobre las investigaciones, opiniones de profesionales, y otras fuentes bibliográficas de gran relevancia para el proyecto.

2.2.1 Predicción de personalidad mediante aprendizaje automático

En India en la segunda conferencia global para el avance de la tecnología, los Ingenieros Karnakar, Ur Rahman, Jai Santhosh y Sirisala, (2021), propusieron un sistema de predicción de la personalidad del candidato mediante el aprendizaje Automático, en el que se obtiene un puntaje de similitud entre el curriculum y la descripción de la oferta de empleo.

El algoritmo de recomendación funciona con base a los detalles de la hoja de vida presentada y también mediante el uso de algunas pruebas de personalidad. El proceso de predicción realizado en este sistema considera criterios como

experiencia, habilidades técnicas, entre otros, para la selección del candidato más apropiado.

Los autores Dickmond, Abdul Hameed y Ehsan Rana (2021), presentaron en la Conferencia Internacional sobre Desarrollos en Ingeniería de Sistemas

Electrónicos - DESE en Los Emiratos Árabes Unidos, un estudio donde también afirman que los procesos de contratación son lentos por la cantidad de tiempo que se invierte en la realización de evaluaciones de personalidad, por lo tanto, han propuesto la implementación de algoritmos de aprendizaje automático para extraer directamente de los curriculum rasgos de personalidad.

2.2.2 Sesgos en el aprendizaje automático

No obstante, los algoritmos de recomendación y aprendizaje automático también se pueden sesgar por los diferentes datos recolectados o programar el aprendizaje de modo que sea conveniente rechazar candidatos por algunos rasgos físicos,

(42)

religiosos, étnicos, orientación sexual, entre otros, pero esto no es ético debido a que se estaría incurriendo en actos de discriminación.

Los Ingenieros Pessach y Shmueli (2021), en un estudio realizado en la

Universidad de Tel-Aviv en Israel, concuerdan en lo mismo y afirman que pueden existir varios tipos de sesgos, uno por decisiones humanas sesgadas o informes erróneos, otro por apuntar a minimizar errores en las predicciones y esto puede ayudar a los grupos mayoritarios, un tercer tipo cuando los datos recolectados apuntan a que se cumpla la predicción en un alto porcentaje y por último.

Los sesgos pueden surgir por falta de etiquetas y/o información relevante; los autores sugieren que para evitar este tipo de sesgos se debería estudiar más a fondo la combinación de algoritmos supervisados, semi-supervisados y el mejoramiento de las etiquetas para el análisis y la equidad en la toma de

decisiones. Concluyen que, si bien se pueden limitar o bajar los índices de sesgos, los algoritmos de Inteligencia Artificial basados en datos no están libres de estos.

2.2.3 Seguridad informática en Colombia

Por otra parte, para la realización de este proyecto se tuvo en cuenta el tema de seguridad informática, ya que muchas empresas entrarán a registrarse para poder publicar las ofertas de empleo, pero en el 2021 según La Cámara Colombiana de Informática y Telecomunicaciones (2021) se presentaron 46.527 eventos por ciberdelitos, registrando un aumento del 21% comparado con el 2020.

Estas cifras son preocupantes porque este proyecto utiliza información sensible de los candidatos, y en manos de personas inescrupulosas podría ser una fuente para la realización de actos delictivos. Para ello se diseñó una arquitectura de la infraestructura tecnológica, el diseño de políticas de tratamiento de datos

personales y la política de verificación de las empresas antes de permitirles publicar las ofertas de empleo.

(43)

2.2.4 Detección de ofertas de empleo falsas en línea

Vinculado a la temática de seguridad en datos, en la Conferencia Internacional sobre Ingeniería Eléctrica, Electrónica e Informática en Nueva Delhi, India, Los autores Pessach & Shmueli (2021), presentaron una aplicación web, basada en aprendizaje automático para la detección de anuncios de empleos falsos, de modo que los aspirantes tengan la certeza que es una empresa y oferta de empleo real.

El modelo operativo de la aplicación planteada consiste en realizar un raspado de dato conocido en informática como web scraping de una oferta de empleo, luego estos datos son almacenados en una base de datos y después son analizado por algoritmos de aprendizaje automático, una vez procesados los datos, se le

muestra al candidato si la oferta es real o no.

2.2.5 Ventajas de la IA en la gestión de talento humano

En los últimos años se ha popularizado el uso de nuevas tecnologías y la

implementación de la inteligencia artificial, esto ha ayudado a simplificar la gestión del talento humano desde el reclutamiento. Las empresas están aprovechando los resultados impulsados por la Inteligencia artificial para agilizar sus procesos de contratación y la posibilidad de realizarlo de forma remota.

La inteligencia Artificial ha cambiado la forma en que se publican las ofertas de empleo, la forma en que se gestionan y seleccionan los candidatos, y la forma en que se contacta y se entrevista a los candidatos. (Kumaraswamy, 2021).

Reforzando lo afirmado por Kumaraswamy, hasta el momento no existe una plataforma integral que reúna todos los componentes necesarios para una gestión efectiva del talento humano; con esta teoría se impulsó aún más la motivación para el desarrollo de este proyecto.

Para ejemplificar el uso que se le está dando a la Inteligencia Artificial en el ámbito del reclutamiento de talento humano, el autor Edward Albert (2019), presenta una investigación sobre el nivel, el porcentaje y las 11 posibles áreas para adoptar,

(44)

afirmando que se usan principalmente 3 en el mercado como lo son chatbots, software de detección, y automatización de tareas.

El autor también afirma que las empresas que adoptan este tipo de tecnologías son las más grandes y a pesar del auge de la adopción de la Inteligencia artificial en otros sectores económicos, las empresas no quieren invertir en la

implementación de estas tecnologías en las áreas de reclutamiento y selección de personal por el alto costo que esto conlleva. La Aplicación de Inteligencia Artificial según Edward son en los siguientes procesos:

• Predicción de rotación de personal.

• Optimización de creación de ofertas de empleo.

• Optimización de anuncios en diferentes canales.

• Adquisición de bases de datos de candidatos.

• Revisión por lotes de hojas de vida

• Pruebas psicométricas

• Análisis de video entrevistas

• Comprobación de antecedentes del empleado.

• Seguimiento de la marca en los medios de empleos.

• Chatbots – CRM de interacción

• Programación Automatizada de etapas.

Así mismo los autores Chitrao, Divekar, Kumar Bhoyar, y Bhatt (2022) establecen que algunos de los principales casos de usos de la inteligencia artificial en la gestión de talento humano son:

• Abastecimiento de candidatos

En sus investigaciones afirman que en internet se podrían rastrear

aproximadamente 300 millones de perfiles de forma rápida. Facilitando la búsqueda de personas que se adecuan a una vacante publicada.

(45)

• Selección de candidatos

Para la selección de candidatos establecen que es una tarea sencilla, pero debido a la gran piscina de candidatos es un gran esfuerzo lograr una buena negociación. Con la IA se podría encontrar a los potenciales candidatos y llegar a negociaciones eficientes.

• Publicación de ofertas de empleo

Gracias a la Inteligencia Artificial, se puede realizar publicidad de ofertas de empleo directas a un posible candidato, un ejemplo de esto es la red

LinkedIn®, donde gracias a las cookies, intereses de internet y algunos datos demográficos, es posible dirigir la publicidad directamente.

• Contratación de trabajadores remotos

En la investigación dada por Chitrao et al (2022), afirman que más de 4 millones de personas están laborando de manera remota, y gracias a la inteligencia artificial se puede evaluar las habilidades, personalidades, competencias y así determinar si el candidato es viable para laborar en esta modalidad.

En Colombia también se está adoptando esta modalidad de trabajo, y durante el 2020 supero los 209.000 trabajadores que laboran de forma remota. (Ministerio de Tecnologías de la Información y las

Comunicaciones, 2021), lo que se traduce en un gran reto, ya que en Colombia la ley 2088 de 2021, cuya finalidad es reglamentar el trabajo en casa, lleva apróximadamente un año de sancionada.

• Diversidad de contratación

Los seres humanos por naturaleza tenemos una tendencia inconsciente a sesgarnos por algunos intereses particulares, y con la aplicación de inteligencia artificial se puede programar para ignorar género, etnia, edad, religión, y con esto la selección de talento humano daría mayores

oportunidades para todos.

(46)

• Recopilación de datos

Gracias a que, en los procesos de selección de talento humano, se recopila una inmensidad de datos de los participantes, es posible analizar muy bien con filtros automatizados, convirtiéndose en una herramienta de

automatización muy simple.

• Contratación

Gracias a la inteligencia artificial, es posible automatizar la mayoría de los procesos, una vez se tenga al candidato ideal seleccionado, se puede aplicar las actividades de verificación de antecedentes y revisión de documentos muy fácilmente con algoritmos especializados.

2.2.6 Temores en el uso de la inteligencia artificial en los procesos de selección.

En este apartado se analiza los temores en la implementación de inteligencia artificial en los procesos de reclutamiento de talento humano; según el artículo publicado en la revista “Development and Learning in Organizations”, sobre lo rápido y eficiente de la inteligencia artificial en los procesos de selección, afirman que para una buena implementación de estos nuevos conceptos es necesario realizar una buena capacitación al personal que se encarga de la selección de talento humano.

Sugiriendo que varios estudios declaran que la edad puede ser un factor

importante a la hora de implementar la inteligencia artificial, siendo inicialmente los más jóvenes los más entusiastas a la hora de usar nuevas herramientas y con edades avanzadas el nivel de desconfianza aumenta. (Swift and efficient: Using artificial intelligence to enhance the talent acquisition process, 2021).

En el artículo de la revista también hay un caso de estudio muy importante para la validación de este proyecto, debido al alto volumen de candidatos que se postulan

(47)

entrevista puede tardar hasta 15 días, y con el uso de Inteligencia Artificial se reduce a solo 7 minutos. Sin embargo, seguía existiendo el reto en las edades más avanzadas, con la resistencia a los cambios, ya que afirmaban que por ser un algoritmo quien ayuda a tomar las decisiones, los candidatos podrían engañarlo y no ser confiables.

Y de acuerdo con lo afirmación del artículo, después que se tenga una buena formación a los reclutadores y se demuestre la eficiencia en los procesos, la transición hacia las nuevas tecnologías debe ser muy factible. También se debe tener en cuenta a los candidatos que se postulan a las ofertas, ya que se debe tener una retroalimentación constante para garantizar el éxito de dichas

implementaciones tecnológicas.

Hasta este punto de lo que se ha venido describiendo en este documento, la automatización de los procesos de reclutamiento y selección de personal se ha venido popularizando y han surgido muchas investigaciones y documentos con temáticas por separado.

También han surgido textos con una recopilación de lo que sería la transformación del talento humano, ejemplo de esto es el libro “Introducing HR Analytics with Machine Learning” del autor Christopher M. Rosett; lo cual se considera una guía para la transformación digital de las áreas de recursos humanos, desde el análisis de los datos de los empleados hasta generar información de alto impacto para la toma de decisiones (Rosett & Hagerty, 2021)

2.2.7 Chatbots para el proceso de selección de talento humano

Anteriormente en punto 2.2.6 Ventajas de la IA en la gestión de talento humano, se hablaba sobre las aplicaciones que tiene la inteligencia artificial en la gestión del talento humano y el autor Edward Albert (2019) mencionaba a los Chatbots como herramientas facilitadoras de la gestión.

(48)

Profundizando en este punto, los autores Koivunen, Ala-Luopa, Olsson, y Haapakorpi (2022) presentan una investigación con resultados cualitativos de expectativas y motivaciones para el uso de esta tecnología. Realizaron 14 entrevistas dirigidas a personas que trabajan en el área de reclutamiento con Chatbots, y uno de los resultados fue que los Chatbot efectivamente automatizan algunas tareas como las preguntas de rutina, como experiencia y formación

académica, pero no se obtiene el dinamismo que se tendría con una conversación humana.

También establecen que en la configuración de los bots se debe tener un equilibrio entre limitar las respuestas y tener un alto nivel de detalle para evitar reprocesos.

Además, encontraron una nueva oportunidad de mejora para que en futuras

publicaciones de ofertas de empleo, se busque a candidatos dentro en una piscina de datos y automáticamente los bots comiencen el proceso de preselección

ahorrando tiempo y dinero en la búsqueda.

2.2.8 Inteligencia artificial en la retención de talento humano.

Uno de los principales retos de las empresas en Colombia actualmente es la retención de talento humano, especialmente en el sector de la tecnología, así también lo afirma Sepúlveda Henao (2020) en su investigación, donde afirma que la alta rotación de personal especializado en TI es un fenómeno multifactorial, envuelto en unas condiciones agresivas por parte de los reclutadores para obtener a los mejores talentos del mercado, y concluye que para retener a los empleados es necesario tener una buena compensación, formación continua, buen clima organizacional y retroalimentación constante sobre sus actividades.

Según Lin Grensing-Pophal, en su articulo “The Role of AI in Retaining Top Talent”

(2022) de la revista especializada en talento humano HRNews, detallan que a través de la inteligencia artificial se puede implementar para prevenir el

agotamiento de los empleados, también dan un ejemplo implementado en la

(49)

en sus plataformas de comunicación como zoom, correo electrónico y Slack, para encontrar las palabras más relevantes y así poder identificar a los empleados con riesgo de irse de la compañía.

También advierten que la identificación temprana de los empleados que se sienten agotados o cansados de la empresa es fundamental, ya que gracias a la

recopilación de datos es posible tomar acciones a tiempo, y no son para

reemplazarla en caso de una renuncia, si no para informar la planificación de la fuerza laboral a nivel organizacional; sin embargo para muchos empleados es algo incomodo el sentirse vigilado o espiados, y asimilando la afirmación, esto se

puede convertir en una presión mayor, porque algunos pensarían que ese tipo de acciones se puede entender como acoso

Finalmente concluyen al igual que Sepúlveda Henao (2020), las empresas deben centrarse en el bienestar de sus empleados mediante la creación de un ambiente laboral armonioso, ofreciendo incentivos y facilitando las oportunidades de

crecimiento y desarrollo en la organización.

2.2.9 Perspectiva de la inteligencia artificial desde el área de talento humano.

El principal actor para la implementación de procesos de inteligencia artificial en las empresas, son los que trabajan directamente en las áreas de talento humano, y por eso se necesita conocer directamente las necesidades de ellos, para esto los investigadores Lassiter, Li, Oh, & Kyung Lee (2021), se reunieron directamente con 15 reclutadores y profesionales de recursos humanos que utilizaron

aplicativos con IA integrada.

El principal uso de la IA en la gestión de talento humano es el abastecimiento de hojas de vida, ya que cuenta con diversos filtros que facilitan rápidamente la detección de potenciales candidatos, pero todo es gracias al autoaprendizaje constante de los reclutadores en las herramientas que usan en el día a día.

(50)

Una vez se tienen a los posibles candidatos empieza otra tarea rutinaria que absorbe demasiado a los reclutadores y son las evaluaciones técnicas y

psicotécnicas; para facilitar este tipo de actividades, la dinámica es la asignación de puntajes a la evaluación para calificar más rápido a través del aplicativo que integra Inteligencia Artificial, con esto se ordenan de mayor a menor puntaje y es más fácil continuar con las etapas siguientes del proceso de contratación.

2.2.10 La cara humana de la inteligencia artificial en los procesos de selección.

Una de las ventajas de la automatización de los procesos de selección de talento humano, es que las primeras etapas el reclutador no tendrá que gastar tiempo en realizar filtros y lecturas de hojas de vida que probablemente no tendrán algún tipo de relación con el cargo ofertado. Sin embargo, para los candidatos es un poco inhumano el hecho que solo le llegue un mensaje de confirmación diciendo que no paso el proceso, la razón del por qué no paso, o simplemente nunca le llegó un mensaje confirmando el estado de la vacante.

Pero Marks (2022) va más allá de simples notificaciones, en su artículo

“Algorithmic Hiring Needs a Human Face” describe una serie de situaciones que son preocupantes para los participantes de los procesos de selección, refiere una investigación realizada por la escuela de negocios de Harvard y la firma

Accenture, descubrieron que decenas de millones de participantes son descartadas por los algoritmos de recomendación en los procesos de

reclutamiento, debido a una gran cantidad de requisitos inviables y que además no son relevantes para el cargo.

Como ya se había mencionado en puntos anteriores de este proyecto, los

algoritmos de recomendación son muy susceptibles a tener sesgos, pero como lo explica el docente que dirigió la investigación descrita en el artículo de Marks, “el

(51)

oportunidad a otras personas que si aplican al cargo y pueden capacitarse en el desarrollo de sus funciones.

2.2.11 Gestión del talento humano como modelo de negocio.

Marks (2022) presenta una cifra importante que se debe tener en cuenta para la industria del desarrollo de software, estima que para el 2025, aquellas empresas que estén pensando en ingresar al mercado de reclutamiento con inteligencia artificial, tendrían un mercado por un valor de 3.1 mil millones de dólares.

Existen muchos planteamientos de modelos de negocios relacionado al

reclutamiento de talento humano, focalizado en diferentes temáticas, uno de ellos es el sesgo hacia las personas con discapacidad física o diversidad funcional, para esto, Rey Jiménez (2021), realizo el diseño de un proyecto para la publicación de ofertas de enfocadas en las personas con este tipo de condiciones; afirmando que una persona puede ser descartada de un proceso de selección directamente solo porque el reclutador lo vio con una condición especial, sin tener en cuenta la experiencia laboral o la formación académica, lo que se traduce en falta de ética y discriminación.

En la

(52)

Tabla 2. Modelo canvas del modelo de negocio Ubicuo. Se observa en el modelo, la propuesta de valor establecida por Rey Jimenez (2021) y su fuente de ingresos de tipo pago para los anunciantes y gratuito con funcionalidades premium

pagadas.

Otra idea de negocio planteada es el de la comercialización de licenciamiento de un aplicativo ya desarrollado, este es el caso de Cálad Rendón y Forero Tayo (2021), quienes propusieron la implementación de un software licenciado para la publicación de ofertas de empleo, cuyos filtros a destacar son horarios,

habilidades, salarios y el tiempo disponible para trabajar. En la tabla 3. Se detalla el modelo de negocio planteado.

(53)

Tabla 2. Modelo canvas del modelo de negocio Ubicuo.

Fuente: Rey Jiménez (2021).

(54)

Tabla 3. Modelo Canvas para implementar Kobeyo en Colombia.

(55)

Finalmente, Puentes Gómez (2017), presenta un modelo de negocio para implementar una bolsa de empleo basada en teletrabajo en el Departamento de Santander – Colombia, el cual se presenta como un modelo tradicional de búsqueda de empleo a través de un portal web y redes sociales. Y como

propuesta de valor ofrece dos aplicativos gratuitos SIGITEL para la supervisión de talento humano y SIGECOM como una plataforma para la publicación de ofertas de empleo en modalidades remotas.

A partir de la revisión bibliográfica realizada, se encontró que hay diversos desarrollos tecnológicos para la selección de personal con implementación de Inteligencia Artificial, sin embargo, hasta donde se llegó en la búsqueda, no se encontró un Modelo de negocio que ofrezca un software como servicio, que integre tecnologías de sistemas de recomendación, aprendizaje automático, verificación de antecedentes, predicción de rasgos laborales, entre otras funcionalidades.

(56)

CAPÍTULO III

Metodología

(57)

Capítulo III. Metodología

CAPÍTULO III. METODOLOGÍA

En este capítulo se explicará sobre la metodología del desarrollo de esta investigación, el análisis del estudio realizado con personas en búsqueda de empleo y de los reclutadores de talento humano, además del comparativo de los resultados obtenidos con cifras nacionales.

Con este capítulo se solventa el primer entregable del anteproyecto. Informe de diagnóstico del mercado.

3.1 METODOLOGÍA DE INVESTIGACIÓN

La metodología tomada para realizar este proyecto es de tipo mixto, ya que se necesitó de un enfoque cualitativo y cuantitativo. Entendiendo a la metodología cualitativa como aquella que hace referencia a lo particular e individual,

permitiendo encontrar cualidades, ideologías, sentimientos; y a la metodología cuantitativa, como aquella que permite enfocarse en la obtención de datos que puedan ser medidos y abordados de forma estadística.

Con la metodología tomada se esperó:

• Describir la percepción que tienen las personas con respecto a los procesos de selección para una oferta de empleo en los que han participado.

• Describir los sentimientos de los profesionales de talento humano que realizan procesos de selección, y así poder determinar las acciones pertinentes en el desarrollo de este proyecto.

• Describir estadísticamente el mercado laboral colombiano, como tasa de ocupación, profesiones de mayor demanda, tasa de desempleo,

publicación de ofertas de empleo, entre otras.