¿La IA reducirá los sesgos de género en la contratación?

Resumen.

¿Estarían mejor las mujeres si la IA y los algoritmos estuvieran a cargo de contratar? Hay claramente razones para tener esperanza. Una de las grandes ventajas de la IA es que, aparte de ser mejor detectando cosas (es decir, millones de puntos de datos), también es superior en ignorar cosas. La IA puede ser capacitada para ignorar el género de las personas y centrarse únicamente en las señales relevantes de talento o potencial. Por ejemplo, los algoritmos pueden ser entrenados para captar señales relevantes de ecualización, competencia o habilidades de comunicación, mientras que son verdaderamente ciegos al género. Esto definitivamente favorecería a las mujeres. Si la IA está capacitada para identificar los impulsores reales del rendimiento, definidos en términos generales como la contribución de un individuo a la organización, entonces podemos esperar una evaluación mucho más justa, precisa y replicable del potencial de las personas que lo que pueden hacer los humanos. Esto, de nuevo, debería ser bueno para las mujeres.

La IA está perturbando todas las áreas de la vida, incluida la forma en que las organizaciones encuentran talento. Por lo general, las empresas son conscientes del ROI que proviene de encontrar a la persona adecuada para el trabajo adecuado. McKinsey estima que, para roles altamente complejos, se puede esperar que las estrellas produzcan un 800% más que los artistas promedio. Y una reciente Escuela de Negocios de Harvard estudio demostró que hay beneficios aún mayores para evitar a los trabajadores tóxicos.

A pesar de este papel crucial del talento, las organizaciones aún no se puede para atraer al talento adecuado, confiando más en prácticas de identificación de talentos intuitivas en lugar de basadas en datos, especialmente en la parte superior, donde la apuesta es realmente más alta. De hecho, demasiados líderes son contratados sobre la base de su experiencia técnica, influencia política o desempeño de entrevistas. Como ilustro en mi último libro, ¿Por qué tantos hombres incompetentes se convierten en líderes? : (Y cómo solucionarlo), la mayoría de las empresas se centran en los rasgos equivocados, contratando en confianza más que en competencia, carisma en lugar de humildad, y tendencias narcisistas en lugar de integridad, lo que explica el excedente de incompetente y masculino líderes. El resultado es una desconexión patológica entre las cualidades que nos seducen en un líder, y las que se necesitan para ser un líder efectivo.

Una pregunta interesante que surge es hasta qué punto las nuevas tecnologías dentro del nuevo y valiente mundo de las herramientas de contratación basadas en IA podrían ayudarnos a reducir el error, el ruido y el sesgo en nuestros procesos de identificación de talentos. Por ejemplo, ¿estarían mejor las mujeres si la IA y los algoritmos estuvieran a cargo de la contratación? Investigaciones anteriores han puesto de relieve una clara inconsistencia en torno al género y el liderazgo. Por un lado, las mujeres son a menudo evaluado más negativamente por otros — incluso cuando hay pocos granulares diferencias de comportamiento entre mujeres y hombres. Por otro lado, a gran escala meta-análisis sugieren que las mujeres tienen una ligera ventaja cuando se trata de las habilidades blandas que predisponen a las personas a ser líderes más eficaces, y que generalmente adoptan estilos de liderazgo que los hombres. Por ejemplo, si los líderes fueran seleccionados sobre la base de su inteligencia emocional, autoconciencia, humildad, integridad y conviabilidad, la mayoría de los líderes serían femenino en lugar de masculino.

Y sin embargo, recientemente ha habido noticias destacadas que indican que la IA puede contribuir a aún más sesgo e impacto adverso contra las mujeres y que cuando algoritmos están capacitados para emular a los reclutadores humanos, es posible que no sólo reproduzcan sesgos humanos, sino que también los exacerben, participando en una forma mucho más eficiente de discriminación.

Sin duda, estamos mucho más fácilmente sorprendidos y escandalizados al contratar errores cometidos por IA, que por errores humanos o sesgos. Es un poco como con los coches autónomos: se necesita un accidente automovilístico autónomo para convencernos de que la tecnología es defectuosa, pero estamos de acuerdo con tener 1,2 millones de accidentes mortales y 50 millones lesiones de conducción por año, cortesía de los humanos. Por lo tanto, comencemos con la importante comprensión de que la mayoría de las prácticas de contratación son a intuitivos yb ineficaces. Para cada empresa que nombra a la mayoría de sus líderes en base a criterios objetivos y meritocráticos, hay muchas más en las que tales nombramientos son una verdadera rareza, algo que puede estar sucediendo por accidente, ocasionalmente, e independientemente de sus intenciones. También está claro que la IA no puede ser sesgada en la forma en que son los humanos: eso requeriría que la IA tenga emociones, sentimientos u opiniones. AI no necesita participar en prejuicios inconscientes para penalizar a las mujeres u otros grupos desfavorecidos con el fin de obtener un aumento de la autoestima. Por supuesto, si la IA está entrenada con datos sesgados, por ejemplo, si le enseñamos a predecir qué candidatos serán calificados positivamente por humano entrevistadores — no sólo emulará, sino que también exacerbará, el sesgo humano: aumentarlo y hacerlo mucho más eficiente. Pero esto se puede abordar enseñando a la IA a predecir resultados relevantes y objetivos, en lugar de imitar la intuición humana.

Además, hay son razones para esperar que las herramientas de talento de IA sean más precisas y predictivas que los humanos (no sólo porque los humanos son generalmente malos en esto):

• Nuestro método favorito para la selección y la investigación de candidatos, incluidos los líderes, es la entrevista, y los estudios científicos a gran escala han demostrado que las entrevistas son más predictivas cuando son altamente estructurado. Mientras que las entrevistas en persona/analógicas son difíciles de estandarizar, las entrevistas en video nos permiten hacer pasar a las personas exactamente la misma experiencia, capturar millones de puntos de datos sobre sus comportamientos (por ejemplo, lo que dicen, cómo lo dicen, el uso del lenguaje, el lenguaje corporal y las microexpresiones), y eliminar los prejuicios humanos observadores del proceso. Es seguro suponer que la automatización todos las entrevistas no estructuradas y calificadas humanamente reducirían el sesgo y el nepotismo, al tiempo que aumentarían la meritocracia y la precisión predictiva. Esto debería ser bueno para las mujeres (y malo para los hombres).
• Por supuesto, hay algunos entrevistadores humanos increíblemente inteligentes que generalmente pueden superar los algoritmos (aunque ten cuidado con el próximo documental de Netflix sobre cómo la IA supera a los mejores entrevistadores humanos, al igual que vencieron al mejor ajedrez o AlpHago jugadores). El principal problema, sin embargo, es que la mayoría de las personas no son tan intuitivas como piensan. Y para cada brillante entrevistador, hay cientos o miles que piensan que son brillantes, pero en realidad, no lo son. Todos pensamos muy bien en nuestra propia intuición, especialmente cuando no somos intuitivos. Como uno de los fundadores del movimiento de economía conductual — y ganador del Nobel — Daniel Kahneman señaló: «Generalmente estamos demasiado confiados en nuestras opiniones, nuestras impresiones y juicios». Independientemente de la IA capacidad para detectar talento, podemos esperar que sea mucho más consciente de su capacidad que los humanos son de su propia capacidad. Esto también permitirá que la IA mejore (más de lo que se puede esperar que los humanos hagan). Tenga en cuenta que el entrevistador humano promedio nunca admitirá haber cometido un error de contratación, ya que se entregará a un sesgo de confirmación para ver a los candidatos que contrataron personalmente en una vena positiva una vez que se les asigne la tarea de calificar su desempeño. Los humanos tienen piel en el juego: aceptar errores los hace parecer estúpidos — AI no se preocupa por parecer estúpido.
• Una de las grandes ventajas de la IA es que, aparte de ser mejor detectando cosas (es decir, millones de puntos de datos), también es superior en ignorar cosas. Imaginen a un humano ético, bien intencionado y de mente abierta que tiene todas las intenciones de ser justos en sus prácticas de contratación y, por lo tanto, está decidido a evitar el sesgo de género en su proceso de contratación, supongamos que es masculino. Independientemente de lo duro que lo intente, será muy difícil para él ignorar el género de los candidatos. Imagínelo sentado frente a una candidata, repitiendo a sí mismo: «No debo pensar en el hecho de que esta persona es una mujer», o «No debo dejar que el género de esta persona interfiera con mi evaluación». De hecho, cuanto más trata de suprimir este pensamiento, el más prominente estará en su mente. Esto también conducirá a distracciones o compensación excesiva. Por el contrario, la IA puede ser entrenada para ignorar el género de las personas y centrarse únicamente en las señales relevantes de talento o potencial. Por ejemplo, los algoritmos pueden ser entrenados para captar señales relevantes de ecualización, competencia o habilidades de comunicación, mientras que son verdaderamente ciegos al género. Esto definitivamente favorecería a las mujeres.
• El factor crítico para que esto funcione es que las organizaciones real datos de rendimiento para entrenar los algoritmos. Si se enseña a IA a predecir o anticipar las preferencias humanas, como si un candidato será del agrado de su jefe (humano) una vez que sea contratado, podemos esperar que el sesgo permanezca... y se incremente. Sin embargo, si la IA está capacitada para identificar los impulsores reales del rendimiento, definidos en términos generales como la contribución de un individuo a la organización, entonces podemos esperar una evaluación mucho más justa, precisa y replicable del potencial de las personas que lo que pueden hacer los humanos. Esto, de nuevo, debería ser bueno para las mujeres.

En resumen, para aquellos que están interesados no sólo en ayudar a las mujeres a estar más representadas en las filas de liderazgo, sino también en mejorar la calidad de nuestros líderes, hay claramente razones para tener esperanza sobre la IA. Sin embargo, muchos de los innovaciones emergentes en este mundo nuevo y valiente de identificación de talentos tecnológicamente mejorada y basada en datos siguen siendo un «trabajo en curso», y tenemos que asegurarnos de que no sólo sean precisos, sino que también sean alternativas éticas y legales a los métodos existentes. Por encima de todo, es hora de admitir que la mayoría de las prácticas que existen están lejos de ser efectivas, y que han contribuido a gran parte de la injusticia y el nepotismo que gobiernan el lugar de trabajo promedio. Por lo tanto, aquí está la búsqueda de la autoconciencia necesaria para comenzar a mejorar.

— Escrito por Tomas Chamorro-Premuzic