7 formas en que RRHH puede crear una cultura más justa y basada en los datos

Los departamentos de recursos humanos tienen la oportunidad de utilizar más datos que nunca. Puede llevar a una toma de decisiones más justa al reducir las interpretaciones subjetivas (y posiblemente sesgadas) de las decisiones humanas. Pero los datos también pueden reflejar sesgos humanos dañinos y codificar los errores inconscientes de las personas que los diseñan, recopilan y utilizan. Los líderes pueden ayudar a garantizar una cultura de decisiones de recursos humanos más justas y basadas en datos mediante: 1) Desarrollar definiciones de equidad para toda la organización; 2) Promover la equidad con un argumento de negocio sólido; 3) Adoptar la tecnología sin dejar de entender sus límites; 4) Realizar auditorías de equidad; 5) Encontrar la causa subyacente del problema; 6) Hacer imprescindible la colaboración diversa y entre grupos; y 7) mantener la H en Recursos Humanos.

••• Los datos y el análisis de personas son ahora uno de[las habilidades más populares y demandadas](https://business.linkedin.com/content/dam/me/business/en-us/talent-solutions/cx/2018/pdf/full-report.pdf?trk=bl-po_why-people-analytics-is-a-priority-for-hr) para profesionales de recursos humanos y es uno de los[tendencias más importantes del capital humano](https://www2.deloitte.com/us/en/insights/focus/human-capital-trends/2018/introduction.html) para las organizaciones actuales. Las empresas consultan los datos para tomar decisiones informadas y responder a preguntas como: ¿Quién se marchará y cuándo? ¿Cómo se comparan nuestras capacidades con las de la competencia? ¿Qué habilidades y talentos necesitamos? Este tipo de datos proporcionan información y pueden ayudar a los responsables de la toma de decisiones al responder a estas preguntas y a muchas más. Sin embargo, este aumento en el uso de los datos ha traído consigo dudas sobre la capacidad de los procesos basados en datos para introducir o perpetuar sesgos y su impacto más amplio en la equidad en el lugar de trabajo. Como seres humanos, tenemos casi 200 tipos de sesgos cognitivos que afectan a nuestra toma de decisiones. Los vemos cuando observamos a otras personas que tienden a buscar solo información que confirme lo que ya creen (sesgo de confirmación) o cuando escuchamos a alguien decir que «lo sabía desde el principio» después de que se hubiera producido un hecho (sesgo retrospectivo). No todos los sesgos son malos. Muchas nos ayudan a tomar decisiones con mayor rapidez y pueden ahorrar tiempo y capacidad intelectual en un mundo con plazos cortos y demasiada información. El problema es que, a veces, nuestros datos pueden reflejar sesgos humanos dañinos y codificar los errores inconscientes de las personas que diseñan, recopilan y utilizan los datos. La cuestión de la imparcialidad se plantea cuando los datos sesgados afectan al juicio e introducen errores en nuestros datos, procesos y tecnología de recursos humanos. Pero la historia no es todo pesimismo. Los datos no tienen por qué ser una esponja que absorba los sesgos humanos. Los datos también pueden conducir a una toma de decisiones más justa, al reducir las interpretaciones subjetivas (y posiblemente sesgadas) de las decisiones humanas. La tecnología basada en la analítica podría incluso identificar y eliminar los sesgos humanos implícitos. ¿Pueden los datos y la tecnología eliminar los prejuicios humanos? No, no del todo. Pero es posible usarlo para minimizar los sesgos y aumentar la imparcialidad. Estas son siete formas en las que los líderes pueden ayudar a su empresa a garantizar una cultura de decisiones de recursos humanos más justas y basadas en los datos: ### **1. Desarrolle definiciones de equidad para toda la organización.** Probablemente nunca cree una métrica única o una definición universal de equidad que se aplique en todos los casos; de hecho, hay[más de 45 definiciones de «equidad»](https://developers.google.com/machine-learning/glossary/fairness) aparece en el glosario de desarrolladores de Google. Pues empiece por[identificando](/2019/11/how-machine-learning-pushes-us-to-define-fairness) los aspectos más prioritarios de la equidad de su organización. A continuación, cree varias definiciones compatibles basadas en métricas y estándares que funcionen en diferentes casos de uso y circunstancias. Por ejemplo, si la inclusión es una de las principales prioridades, puede empezar por definir qué significa y qué aspecto tiene la inclusión en su organización. A continuación, defina las formas en que medirá la inclusión (o su ausencia) para poder hacer un seguimiento y evaluar el progreso. Puede que sea un buen momento para pedir ayuda a sus colegas de análisis con las técnicas de medición y la interpretación de los resultados. ### **2. Fomente la equidad con un argumento empresarial sólido.** Explique por qué la equidad es esencial para sus resultados. Presente sus ideas en términos empresariales y obtenga el apoyo de partes interesadas de confianza conocidas por tomar decisiones empresariales basadas en pruebas. Por ejemplo, trace una línea clara entre la equidad y la diversidad. Entonces comparta cómo[un estudio reciente de McKinsey](https://www.mckinsey.com/featured-insights/diversity-and-inclusion/diversity-wins-how-inclusion-matters) que abarca 15 países y más de 1000 empresas, descubrió que las personas que se encontraban en el cuartil superior de diversidad de género, étnica y cultural superaron a las de abajo entre un 25 y un 36%. No hay nada como métricas sólidas que respalden su argumento. ### **3. Adopte la tecnología y, al mismo tiempo, acepte sus límites.** La tecnología puede ser una herramienta poderosa para identificar y corregir los sesgos en los procesos de las personas. Puede que nunca pueda garantizar que todas las decisiones basadas en los datos sean justas y que se aborden todos los sesgos, pero no deje que la falta de perfección le impida aprovecharlas. A diario surgen nuevas tecnologías que respaldan la imparcialidad en la toma de decisiones de recursos humanos basada en datos. Por lo tanto, manténgase al día de los nuevos desarrollos de productos y cree una cartera de software, herramientas y procedimientos en constante evolución centrada en aumentar la imparcialidad. ### **4. Realice auditorías de imparcialidad.** Las auditorías de imparcialidad son métodos objetivos y sistemáticos que analizan las políticas, prácticas y procedimientos de datos sobre las personas de una organización. Los objetivos de la auditoría varían: uno de los objetivos podría ser buscar posibles problemas que hagan que una organización pueda emprender acciones legales. Otra podría ser identificar formas de mejorar las prácticas relacionadas con la equidad. Una auditoría de imparcialidad podría realizarse mediante herramientas de software, la ayuda de un experto externo o incluso mediante una revisión interna. Lo más importante es que las complete de forma regular alguien que comprenda las definiciones de equidad de su organización y que se actúe en función de cualquier problema u oportunidad. ### **5. Encuentre la causa subyacente de su problema.** Cuando descubra un problema, busque las suposiciones o los procesos subyacentes que hay que cambiar. Los sesgos suelen ser inconscientes y la injusticia suele ser el síntoma de más de una sola decisión. Esto dificulta la detección de la causa subyacente del problema. Considere utilizar un enfoque que les guste a los niños pequeños de todo el mundo: pregunte «¿por qué?» al menos cinco veces. He aquí un ejemplo de cómo la técnica podría funcionar para usted. Problema: La diversidad en nuestra organización es del 45%, pero solo el 5% de los ejecutivos cumplen con nuestra definición de diversidad. ¿Por qué? Porque contratamos a la mayoría de los ejecutivos ajenos a la empresa. ¿Por qué? Porque nuestro talento interno no tiene suficiente experiencia de liderazgo en nuestro sector. ¿Por qué? Porque no han tenido suficientes oportunidades de desarrollo de liderazgo alineadas con nuestros objetivos empresariales. ¿Por qué? Porque no tenemos los recursos para ofrecer oportunidades de desarrollo de liderazgo específicas para el sector. ¿Por qué? Porque no lo priorizamos a la hora de fijar metas y presupuestos... oh... ¡Bingo! Tal vez el problema no sea un 5% de diversidad ejecutiva, quizás sea solo un síntoma. Por lo general, hay varias causas subyacentes y el simple hecho de identificar las posibles causas no resolverá el problema. Aún es necesario tomar medidas. Sin embargo, hasta que no identifique y aborde los problemas subyacentes, no verá ningún cambio. ### **6. Haga que la colaboración diversa y entre grupos sea imprescindible.** Un grupo diverso será[más capaz de identificar y resolver problemas de sesgo injusto](https://www.mckinsey.com/featured-insights/artificial-intelligence/tackling-bias-in-artificial-intelligence-and-in-human) en sistemas. Así que asegúrese de incluir a personas con ideas y experiencias diversas en cada etapa del proceso para reducir la probabilidad de que sesgos no intencionados pasen desapercibidos. Solicite la opinión de toda la organización reuniendo a expertos de varios departamentos, como recursos humanos, datos, tecnología y asuntos legales, para identificar y promover oportunidades de sistemas de datos nuevos o mejorados relacionados con las personas. Colabore con los proveedores o los profesionales de datos internos para desarrollar y mejorar las prácticas operativas y los estándares éticos que hagan que el uso de los sistemas de datos relacionados con las personas sea más justo. ### **7. Mantenga la H en Recursos Humanos.** En muchos casos, no hay ni debería haber nada que sustituya al juicio humano en la toma de decisiones de recursos humanos. La imparcialidad en la contratación, la evaluación de los empleados y otras decisiones de recursos humanos requiere la participación humana. Pensemos en el proceso de entrevista: hoy en día es completamente posible eliminar al humano y permitir que los datos de las entrevistas en vídeo tomen decisiones. Cuando se les preguntó acerca de este enfoque, el 67% de los encuestados en un[Estudio de Pew Research](https://www.pewresearch.org/internet/2018/11/16/attitudes-toward-algorithmic-decision-making/) pensó que esto sería inaceptable. ¿Las razones que dieron? Sería defectuoso o sesgado y que «los humanos deberían evaluar a los humanos». Entre los que creen que es aceptable, siguen creyendo que este enfoque tendría defectos, sesgos e implicaciones de equidad. También se reconoció que no debería ser el único punto de datos utilizado en el proceso. En lugar de dejar que los datos se apoderen, explore cómo las personas y los datos funcionan mejor juntos. Algunos métodos prometedores de toma de decisiones de recursos humanos combinan máquinas y humanos para reducir los prejuicios. Esta clase de técnicas incluye[toma de decisiones «humana al tanto»](https://www.forbes.com/sites/forbestechcouncil/2019/12/23/for-all-that-ai-can-do-today-it-still-needs-humans-in-the-loop/#65c65aface6c) en el que los datos se utilizan para ofrecer opciones o recomendaciones que los humanos comprueban o eligen. Estas técnicas pueden ayudarnos a recordar que los datos de recursos humanos representan a personas reales con vidas reales, no solo números que hay que analizar sin pensarlo más. La equidad se está convirtiendo en una parte importante del éxito empresarial, que se logra haciendo lo correcto por parte de las personas y haciendo lo correcto en el mundo. Nuestro nuevo entorno basado en la analítica ofrece oportunidades para definir la equidad para la organización, elaborar un argumento empresarial para ella y colaborar con grupos de dentro y fuera de la organización para crearla y mantenerla. El desafío consiste en ser consciente de las oportunidades y aprovecharlas cuando se presenten.