UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE INGENIERÍA INDUSTRIAL Y DE

SISTEMAS

MACHINE LEARNING PARA GESTIÓN DEL

TALENTO HUMANO

ASIGNATURA:

Comportamiento Organizacional

HS144V

DOCENTE:

Ing. DORIS ROJAS, MBA

ALUMNOS:
 Chirinos Quispe Ángel
 Mucching Vidal Kenji Armando
 Sequeiros Huayta Fabrizio Jesús
Junio 2019
 INTRODUCCIÓN

El concepto Machine Learning (en español Aprendizaje automático) se utiliza

desde los 50, pero ha sido en la última década que ha tomado más relevancia.
Esto se debe al aumento de la capacidad en la computación, así como los
grandes volúmenes de datos que las empresas tienen que manejar.

El desarrollo del aprendizaje automático ya está generalizado en las empresas

desde el punto de vista del análisis e interpretación de los comportamientos de
los clientes, una tendencia que se mantendrá a lo largo de los próximos años.
 ÍNDICE

INTRODUCCION

CAPITULO I: MACHINE LEARNING

1.1. DEFINICIÓN

1.2. CLASIFICACIÓN:

1.3. IMPORTANCIA

1.4. ÁMBITOS DE APLICACIÓN

1.5. VENTAJAS COMPETITIVAS

CAPITULO II: VENTAJAS DEL MACHINE LEARNING PARA EMPRESAS

2.1. MAYOR CONOCIMIENTO DE LAS NECESIDADES, GUSTOS Y HÁBITOS

DE COMPRA DE LOS CLIENTES.

2.2. MEJORA DE LA RELACIÓN Y DE LA COMUNICACIÓN CON EL

CLIENTE.

2.3. PREDICCIÓN DE TENDENCIAS Y NECESIDADES A PARTIR DE LA

INTERPRETACIÓN DE DATOS

2.4. IMPULSO Y DESARROLLO DE NUEVOS PRODUCTOS Y SERVICIOS

EN FUNCIÓN DE TODOS ESTOS DATOS.

2.5. DESARROLLO DEL ECOMMERCE

2.6. CIBERSEGURIDAD DE LAS EMPRESAS

2.7. TOMA DE DECISIONES ADECUADA

2.8. MEJORA Y OPTIMIZACIÓN DE LOS PROCESOS DE SELECCIÓN.

2.9. ANÁLISIS PRECISO DE MERCADOS

2.10. OPTIMIZACIÓN DEL TRABAJO EN LA EMPRESA

CAPITULO III: MACHINE LEARNING EN EMPRESAS PERUANAS

3.1. Quantum Talent

3.2. BIO
3.3. Empresas que usan ML

CAPITULO IV: CASO ENTREVISTA CON UN ESPECIALISTA

4.1. ¿Qué es Machine Learning?

4.2. ¿Cómo aplican el ML a la gestión del talento humano?

4.3. ¿Es cuestión de solamente probabilidades?

4.4. ¿Ha visto el ML aplicado a la gestión de talento humano en alguna otra

empresa?

4.5. ¿Cómo afecta al comportamiento organizacional?

4.6. No todo es ML

CONCLUSIONES

BIBLIOGRAFÍA
 CAPITULO I
MACHINE LEARNING
1.1. Definición
El Machine Learning es el estudio científico de algoritmos y modelos
estadísticos que los sistemas informáticos utilizan para realizar de manera
efectiva una tarea específica sin utilizar instrucciones explícitas, sino que se
basan en patrones e inferencias. Otra manera de definirlo sería como una
rama de la inteligencia artificial enfocado en desarrollar técnicas que
permitan que las computadoras aprendan. En concreto, consiste en crear
programas capaces de generalizar comportamientos a partir de una
información suministrada en forma de ejemplos.
1.2. Importancia
La cantidad de datos que se generan actualmente en las empresas se está
incrementado de forma exponencial. Extraer información valiosa de ellos
supone una ventaja competitiva que no se puede menospreciar. El reto de
sacar partido de los datos se ha simplificado enormemente. El Machine
Learning de hoy no es como antes. Esto quiere decir que con datos de
calidad, tecnologías adecuadas y análisis propicios es posible actualmente
crear modelos de comportamiento para analizar datos de gran volumen y
complejidad. Además, los sistemas proporcionan resultados rápidos y
precisos sin intervención humana, incluso a gran escala. El resultado:
predicciones de alto valor para tomar mejores decisiones y desarrollar
mejores acciones de negocio.
1.3. Ventajas competitivas
Estos programas/algoritmos son capaces de leer enormes cantidades de
datos a una velocidad imposible para el ser humano, así como “aprender”
combinando estos patrones para llegar a nuevas conclusiones derivadas de
los mismos. Esto lleva a pensar la posibilidad de que en un futuro cercano
estas máquinas lleguen a conclusiones innovadoras en lapsos muchísimo
menores a la capacidad humana de procesarlos, permitiéndonos dar un
verdadero salto en calidad de vida.
 CAPÍTULO II

MACHINE LEARNING PARA SECTOR DE RRHH EN EMPRESAS

La aplicación de los sistemas de aprendizaje automático es uno de los grandes

pilares y retos del futuro más inmediato. Ya existen aplicaciones y procesos que
se están aplicando y desarrollando y uno de los puntos de interés está centrado
en el mundo empresarial y entre las ventajas del Machine Learning en ese ámbito
podemos destacar:

2.1. Mejora y optimización de los procesos de selección.

Las empresas que apuestan por sistemas de Inteligencia Artificial y de

Machine Learning en sus departamentos de recursos humanos y lo cual
permite obtener ventajas tales como:
 Permiten establecer de forma mucho más clara los criterios de selección
que se ajustan a las necesidades de la empresa gracias a los sistemas de
Inteligencia Artificial para la búsqueda de empleo.
 La selección y los procesos de toma de decisiones se realizará de forma
mucho más rápida que actualmente lo que agilizará y optimizará los
departamentos de recursos humanos de las empresas.
 Se buscara elegir a aquellos que posean más manejo con sistemas
digitales sobre quienes no posean capacidades tecnológicas para el
desempeño de un puesto de trabajo.
 Permitirá eliminar posibles dudas a la hora de tomar una decisión sobre
quién es el candidato idóneo para un puesto de trabajo gracias a la
creación de algoritmos.
 Fomentará los perfiles disruptivos, la creatividad y aquellas cualidades
que apuesten por la capacidad de integración de los aspirantes dentro de
las dinámicas de organización y funcionamiento de las empresas.
 Tras una primera selección, permitirá la realización de entrevistas de
trabajo digitales, diseñadas en torno a cuestionarios y pruebas
desarrolladas por sistemas especialmente diseñados por sistemas de
Inteligencia Artificial.
Es asi que podemos decir que el Machine Learning supone un gran avance
en la búsqueda y retención de talento, mejorando la experiencia del
 colaborador, así como la adecuación de personas a equipos o puestos y
hasta teniendo impacto en la motivación.
2.2. Optimización del trabajo en la empresa
A la hora de generar valor estratégico para el negocio, el machine learning
puede:
 Predecir la rotación de personal de manera más efectiva,
 Evaluar quién será un empleado rentable en el futuro y poder seguir
apostando por este.
 Mapear las trayectorias profesionales de los empleados y crear
experiencias personalizadas de aprendizaje y desarrollo.
 CAPÍTULO III

MACHINE LEARNING EN EMPRESAS PERUANAS

3.1. Quantum Talent

“Somos un equipo diverso y multidisciplinario, motivado por generar un impacto

en el mercado laboral en economías emergentes” es la descripción que se
encuentra en la página de esta empresa. Quantum Talent es una empresa que
se encarga de brindar esta herramienta de Machine Learning e Inteligencia
Artificial a diversas empresas con el fin de que estas puedan seleccionar a los
mejores trabajadores y reducir la rotación de personal de forma fácil, rápida y
eficiente.
3.2. BIO Business Intelligence Outsourcing

Es una empresa integradora que brinda diversas soluciones a múltiples

empresas enfocándose en el ámbito tecnológico optimizando procesos y con
tecnología experta en BPO, Customer Experience Management y Gestión
Humana.

El objetivo actual de esta empresa es comprender los factores que lleven a las
renuncias creando un modelo de machine learning (algoritmo predictivo),
predecir quiénes son los empleados con alto riesgo de renuncia, entender un
perfil ideal, crear herramientas que ayuden a los ejecutivos a diseñar programas
de retención, reclutamiento y mantener alertas al equipo de Recursos Humanos.
“El tema de "Machine Learning" y "HR Analytics" no solo puede ser usado para
empleados, también se pueden generar modelos para predecir deserción de
estudiantes, predecir desempeño de fuerzas de venta o de estudiantes,
clasificar o agrupar empleados o estudiantes en perfiles similares y luego tomar
acciones más personalizadas.” David Vaisberg.
3.3. Empresas que usan ML:

 Interbank: Quantum Talent

 BCP: Quantum Talent
 Tottus: Quantum Talent
 Saga Falabella: Quantum Talent
 Tambo: Quantum Talent
 Sodimac: Quantum Talent
 Inkafarma: Quantum Talent
 KFC: Quantum Talent
 Scotiabank: Quantum Talent
 DirecTV: BIO
 Claro: BIO
 Belmond: BIO
 Certus: BIO
 Universidad del Pacífico: BIO
 Crediscotia: BIO
 Banbif: BIO
 CAPÍTULO IV

CASO ENTREVISTA CON UN ESPECIALISTA

Esta entrevista fue realizada vía Skype el día jueves 13 de junio con 2
especialistas del BBVA: Keven Fernández Carrillo (Analista De Inteligencia
Analítica) y María Alejandra Huamaní Miranda (Discipline Manager Advanced
Analytics de Talento y Cultura).

4.1. ¿Qué es Machine Learning?

MAHM: El ML está despertando en Perú porque es una disciplina que tiene
mucho para avanzar, se puede aplicar en RRHH, pero orientado al colaborador.
Tratar de aprender de ejemplos, de la experiencia pasada para tratar de
encontrar ciertos patrones para aplicarlo en un nuevo conjunto de datos. Todo
eso en base a la experiencia.

4.2. ¿Cómo aplican el ML a la gestión del talento humano?

MAHM: Un colaborador tiene una trayectoria en el banco, por ejemplo, ha pasado

de ser analista a asesor de servicio a ser un analista de banca minorista y de ahí
fue a la sede central. Entonces si mañana llega Keven como asesor de servicio,
pero él quiere estar en sede central, en base a movimientos de otras personas,
se puede ver cuánta es la probabilidad de Keven para que Keven pueda obtener
la vacante.

Otro ejemplo: Tenemos un montón de CVs que llegan a diario al banco, entonces
quita tiempo porque se tiene que leer 1 a 1 y se debe ver si es que el CV cumple
con los requisitos. Entonces las personas que se dedican a esto pierden mucho
tiempo para revisar por CV por CV para luego pasarle al jefe. Se busca hacer un
algoritmo o sistema que pueda leer los miles de CV que llegan y crear una lista
priorizando qué vacante tendría más opción que otra.

4.3. ¿Es cuestión de solamente probabilidades?

MAHM:

No todo es cuestión de probabilidades, también hay mapa de talentos, perfiles

de colaboradores, jornada de colaborador, cliente, etc.
Se puede mezclar: 1. Cumple los requisitos de entrada, 2. Tienes la opción de
poder decir que este colaborador con respecto a otro tiene más desempeño y 3.
Variable de permanencia.

Estamos haciendo un modelo tipo recomendación para los colaboradores en

base a su historial y movimiento de sus puestos.

Todas las disciplinas accionan muchas cosas, las encuestas para cada servicio
busca hacer un mapa de servicio para buscar dónde es que no están accionando
con el colaborador.

Hay varios proyectos, y no solamente aquí si no a nivel global.

4.4. ¿Ha visto el ML aplicado a la gestión de talento humano en alguna otra

empresa?

MAHM:

Experiencia Interbank:

Veía campaña en inteligencia comercial y cuando estaba firmando mi carta de

renuncia me dijeron que me quedara porque tenían un área de Analytics para
RRHH.

Se busca incomunicar a las demás empresas de lo que está haciendo, no es una

marca empleadora y "no se vende" - todos son del grupo Intelcorp- "por algo
será" (mencionó la administradora de disciplina analítica avanzada de talento y
cultura refiriéndose al BCP). El BBVA está repotenciando esto.

Actualmente estamos viendo un curso de Data Analytics para ver la

transformación que está teniendo las grandes cantidades de datos. También
viendo People Analytics, esto está en España, Turquía, EEUU. Globalmente
queremos hacer una comunidad.

4.5. ¿Cómo afecta al comportamiento organizacional?

MAHM: Nosotros tenemos el tema de Potencial del colaborador. Para ver el

desempeño y mediante el mapa de talento poder priorizar a los trabajadores que
tienen que retener porque trabajan bien y contribuyen con los objetivos. Para que
la organización sepa a quién cuidar, a quién tienen que ascender y a quién tienen
que descender, etc.

Entrevistador: ¿Los colaboradores saben eso?

MAHM: Todo debe ser transparente, inclusive las reuniones de RRHH son
hechas en el patio y cualquier persona que pasa por ahí puede ver, los
colaboradores saben que todo existe.
Entrevistador: Exactamente, ¿cómo afecta al comportamiento?
MAHM: Hacer una premiación al nivel global para ver cuál es el mejor
colaborador en su desempeño, esta se llama “BBVA celebra”, donde se hizo
como una encuesta para que cada colaborador eligiera la persona que resaltara
en su área y tenían que corroborar si esto estaba alineado con el mapa de talento
para ver si estaba todo de acuerdo. Y se ha visto que efectivamente las personas
ganadoras están desempeñándose mejor en su respectiva área.
La evaluación 360: Me puntúan o valúan durante 1 semana para que tú elijas
quienes te van a calificar como colaborador. Y el jefe directo hace una lista de
quienes deberían evaluar al colaborador. Con la campaña y el mapa de talento
fue lo que se consiguió.
Entrevistador: Se ha visto casos de colaboradores con bajo desempeño?
MAHM: Se ha visto que colaboradores con mucho trabajo, pero poco
desempeño.
KFC: Efectivamente, se ha visto que este colaborador tiene poco desempeño
para lo que gana y concuerda con el mapa de talento. Con el mapa de talento se
pueden ver todas esas cosas.

4.6. No todo es ML

KFC: Se encontró que hay gente que gana bastante, pero con bajo rendimiento.
Y no necesariamente debes aplicar ML para darte cuenta de eso.

MAHM: El modelo ML empieza con una parte descriptiva, hago un TOP TALENT
del banco para ver los trabajadores que quiero retener, entonces yo hago un
modelo de Fuga del Banco (los que se van), yo digo “mira es una persona que
tiene bajo performance”, entonces cruzo mi modelo con este mapa de talento
realizado. La analítica avanzada no solo es modelar si no poner una estrategia
al negocio, mediante estos debes saber quiénes se van y quienes se quedan, de
repente se van 1000 pero estos 20 se quedan, entonces a estos 20 debes ver
cuánto le aumentas, modelar es hacer todo el análisis.
 CONCLUSIONES

 Después de todo esto, ¿merece la pena realmente invertir todo el esfuerzo

y dinero necesario en una estrategia para introducir Machine Learning en
nuestros procesos?, ¿es tan importante exprimir de forma tan sofisticadas
la información que tenemos? Absolutamente sí, la información es la gran
herramienta de nuestro tiempo, con la complejidad de los entornos
actuales, cualquier decisión que tomemos no basada en los datos
adecuados es más una apuesta que una estrategia. En palabras del
ingeniero y estadístico Deming: “In God we trust. All others must bring
data.” ("En Dios confiamos. Todos los demás deben traer datos").
 El Machine Learning es una gran herramienta para la gestión del talento
humano porque ayuda desde el procedimiento de seleccionar al personal
(revisar CVs, ver perfiles laborales, etc.) hasta para incluso evaluar los
motivos del por qué estos renuncian y a quiénes despedir o mantener en
la empresa.
 Aunque el Machine Learning es una herramienta que recién está
empezando y que está teniendo un gran éxito, no se debe limitar a su uso
exclusivo puesto que siempre existirán momentos en los cuales tendrá
que intervenir la misma mente humana para agilizar los procesos o
simplificarlos.
 BIBLIOGRAFÍA

 https://www.blog.andaluciaesdigital.es/machine-learning-empresas/
 https://www.youtube.com/watch?v=kmbkXdvAtDY
 https://www.blog.andaluciaesdigital.es/inteligencia-artificial-para-la-
ciberseguridad/
 https://es.ihodl.com/investment/2016-04-19/7-empresas-que-estan-
haciendo-maravillas-con-la-ia/
 https://www.criteo.com/es/insights/3-marcas-que-han-sacado-el-maximo-
partido-al-machine-learning/
 https://www.bi-spain.com/articulo/69551/el-banco-peruano-interbank-
adopta-tecnologia-de-business-intelligence-para-mejorar-la-toma-de-
decisiones
 https://quantum-talent.landen.co/
 https://gestion.pe/especial/50-ideas-de-negocios/noticias/tecnologia-
gestionar-talento-y-predecir-desempeno-noticia-1992554
 https://www.bio.com.pe/single-post/2018/01/15/Rotación-de-empleados-
Por-qué-Explorando-el-mundo-de-HR-Analytics
 https://www.bio.com.pe/single-post/2018/01/15/Rotaci%C3%B3n-de-
empleados-Por-qu%C3%A9-Explorando-el-mundo-de-HR-Analytics
