IA RRHH

Cómo enseñar a la IA en RRHH: el algoritmo basado en los descartes de las hormigas

Por ORH

En los útlimos tiempos, el aprendizaje automático se ha convertido en la verdadera obsesión de la empresas a la hora de implementar inteligencia artificial. También para los departamentos de RRHH, que se postulan como actores importantes en la democratización del dato. Pero, ¿cómo hacerlo exactamente? ¿Es posible enseñarle a la IA qué datos o información debe seleccionar de forma autónoma? Sí, pero es aún más fácil hacerlo al revés: enseñarle qué información debe descartar. Un poco como hacen las hormigas en el reino animal.

Es conocido que las hormigas dejan a su paso un rastro de feromonas, lo que permite al resto del hormiguero seguir la misma ruta. Rutas más cortas al nido permiten un paso más frecuente de hormigas: en consecuencia, acumulan mayor rastro de feromonas y quedan reforzadas positivamente frente a las otras rutas. Esto permite a la comunidad hallar un camino muy corto. Este es un ejemplo de la ‘inteligencia de enjambre’ de comportamientos colectivos de animales como las hormigas, las abejas o las termitas, que inspira desarrollos de inteligencia artificial. De hecho, la técnica ACO (ant colony optimization) se basa en la forma en que las hormigas encuentran caminos cortos y tiene aplicaciones en logística, investigación médica o bioinformática.

Recientemente, científicos del Instituto de Investigación en Inteligencia Artificial del CSIC (IIIA-CSIC) en Barcelona han mejorado la técnica ACO inspirándose en las hormigas faraón (Monomorium pharaonis), capaces de aprender de ejemplos negativos, caminos por los que no conviene ir. De esta forma, han podido mejorar un algoritmo de inteligencia artificial que tiene aplicaciones en la búsqueda de fármacos y la optimización de la gestión logística, entre otros sectores. Pero que también sirve para la implantación de la IA en departamentos concretos con un gran volumen de datos, como es el caso de RRHH.

En este algortimo, se ha diseñado el primer mecanismo general para incorporar el aprendizaje negativo de forma beneficiosa en la técnica ACO. Los autores han modificado el algoritmo ACO para que incorpore el aprendizaje basado en ejemplos negativos: «Este tipo de aprendizaje complementa el positivo, que sigue siendo el más importante, pero en nuestro artículo mostramos que los dos juntos resultan en un algoritmo superior».

Este tipo de algoritmo se puede aplicar a numerosos problemas de optimización. Situaciones en las que hay muchas posibles soluciones y se trata de encontrar la mejor o, por lo menos, una que sea lo suficientemente buena. Algo especialmente útil para el área de RRHH, porque los nuevos modelos de gestión transversales han provocado una mayor demanda de información por parte de otros departamentos. Y parece evidente que es más fácil detectar patrones negativos cuando hablamos de clima laboral, por ejemplo, que aspectos positivos. Con esta técnica, al menos se automatiza la recogida de esa información.