“Tenemos 300 millones de terabytes de datos cada día que se generan en torno a las personas”, dijo Guillaume Roy, cofundador y director de innovación de Workleap, una plataforma de participación de los empleados. “Puede resultar muy difícil para los líderes de recursos humanos y de negocios obtener información sobre estos datos”.

Pero las recientes innovaciones en IA ofrecen soluciones prometedoras para resucitar esa información latente y convertirla en “conocimiento complementario”, permitiendo experiencias de los empleados más personalizadas y efectivas.

Roy enfatiza que esos datos no están realmente muertos: simplemente están atrapados y esperando ser desbloqueados. La clave radica en la capacidad de la IA para procesar grandes cantidades de información sin sentirse abrumado, particularmente en procesos tradicionalmente desafiantes como las revisiones de desempeño, que Roy describe como “doloroso para el empleado, doloroso para el gerente, doloroso para toda la empresa”.

A medida que las organizaciones generan una avalancha de datos diarios de los empleados (desde mensajes de Slack hasta documentos de Microsoft), los gerentes de personas enfrentan un desafío sin precedentes: cómo transformar todos los llamados “datos muertos” en información procesable.

“Tenemos 300 millones de terabytes de datos cada día que se generan en torno a las personas”, dijo Guillaume Roy, cofundador y director de innovación de Workleap, una plataforma de participación de los empleados. “Puede resultar muy difícil para los líderes de recursos humanos y de negocios obtener información sobre estos datos”.

Pero las recientes innovaciones en IA ofrecen soluciones prometedoras para resucitar esa información latente y convertirla en “conocimiento complementario”, permitiendo experiencias de los empleados más personalizadas y efectivas.

Roy enfatiza que esos datos no están realmente muertos: simplemente están atrapados y esperando ser desbloqueados. La clave está en la capacidad de la IA para procesar grandes cantidades de información sin sentirse abrumado, particularmente en procesos tradicionalmente desafiantes como las revisiones de desempeño, que Roy describe como “doloroso para el empleado, doloroso para el gerente, doloroso para toda la empresa”.

“Tenemos 300 millones de terabytes de datos cada día que se generan en torno a las personas. Puede resultar muy difícil para los líderes de recursos humanos y de negocios obtener información sobre estos datos”.

Tomemos como ejemplo las revisiones de desempeño: los sistemas de inteligencia artificial ahora pueden agregar y analizar múltiples flujos de datos (desde herramientas de gestión de proyectos, plataformas de comunicación y documentos colaborativos) para crear una imagen más completa de las contribuciones de los empleados. En lugar de depender únicamente de las observaciones de los gerentes o de métricas trimestrales, la tecnología puede identificar patrones en cómo colaboran los empleados, sus tasas de finalización de proyectos y su impacto en los equipos.

Sin embargo, esta recopilación de datos plantea importantes consideraciones éticas. “Al implementar estos sistemas de IA, las organizaciones deben equilibrar cuidadosamente la recopilación de información con la privacidad de los empleados”, afirmó Roy. “Establecemos límites claros en torno a los datos a los que se puede acceder, centrándonos en las interacciones y resultados relacionados con el trabajo y excluyendo explícitamente las conversaciones privadas o las comunicaciones personales. El objetivo es mejorar la eficacia en el lugar de trabajo, no controlar los intercambios personales”, añadió.

Sin embargo, Tim Glowa, fundador y director ejecutivo de la plataforma de desarrollo profesional HR Brain, destaca la importancia de abordar el análisis de datos con objetivos claros. “El uso eficaz de los datos comienza con una pregunta empresarial clara, no con el análisis por el simple hecho de analizar”, afirmó. Los líderes de recursos humanos deben definir primero los problemas específicos que desean resolver (ya sea retener empleados de alto valor o predecir tendencias de jubilación) para garantizar que sus esfuerzos de datos sigan siendo estratégicos y alineados con las prioridades comerciales.

Para leer el artículo completo haga clic aquí

https://digiday.com/?p=560270