O grupo de pesquisa TI global IDC prevê que, até 2020, aproximadamente US$ 47 bilhões da receita mundial do mercado de soluções cognitivas serão empregados com machine learning (aprendizado de máquina) e inteligência artificial (IA). Assim, esse conceito deve deixar de ser uma realidade apenas nos filmes de ficção científica para se firmar nas empresas que desejam se destacar no mercado, tomando decisões com base em dados. Promovendo assim, a maior participação do machine learning no recrutamento e seleção.
O sistema de computadores ou smartphones pode utilizar algoritmos para aprender baseando-se em experiências com dados. Por meio de erros e acertos, ele contribui para o melhor desempenho no trabalho, adquirindo capacidade para resolver questões de seus usuários e decidir sem interferência humana.
Quer saber mais sobre machine learning e como ele está impactando o recrutamento e a seleção nas empresas? Então continue a leitura!
Mas antes de continuar, aprofunde muito o seu conhecimento se matriculando gratuitamente no Mini Curso por e-mail sobre Inteligência Artificial no R&S.
Afinal, o que é machine learning?
Machine learning é uma tecnologia de análise e transformação de dados em informações estratégicas para a produtividade de uma empresa, resolvendo problemas complexos, revelando insights ocultos e até mesmo fazendo previsões para o futuro. A ferramenta usa algoritmos e técnicas para analisar dados que são produzidos diariamente.
O aspecto interativo do machine learning é importante porque, à medida que os modelos são expostos a novas informações, se adaptam de forma independente. O aprendizado, então, se dá por meio de cálculos anteriores para gerar decisões e resultados confiáveis e reproduzíveis. A técnica não é nova, mas ganha mais importância e espaço nas organizações a cada dia.
A tecnologia se faz presente como fator decisório para o atingimento do sucesso. O vídeo a seguir conta um pouco mais sobre a participação desse fator no nosso dia-a-dia. Confira:
Graças às novas tecnologias, o aprendizado de máquina atual não é como o do passado. Ele se desenvolve mais rapidamente e com mais eficiência por meio de cálculos matemáticos complexos: o big data. Ao longo do tempo, o algoritmo entende que uma ação deve ser repetida, aprimorada ou corrigida. Existem três técnicas distintas de machine learning. Confira!
Aprendizado supervisionado
Um computador recebe dados rotulados, que indicam que um deles deve ser entendido como X ou Y e é, então, treinado para identificar semelhantes quando for apresentado a outros que tenham o mesmo padrão.
Acompanhe o exemplo: uma imagem de uma ponte é registrada como uma ponte e a de um telefone, como um telefone. Em seguida, um grande número de imagens de pontes e telefones distintos é mostrado para a máquina, para que ela reconheça várias formas de apresentação e diferentes contextos.
Ao final do treinamento, são colocadas as imagens de pontes e telefones sem nenhuma identificação evidente, e a máquina é capaz de distinguir uma da outra.
Aprendizado não supervisionado
No modelo não supervisionado, o sistema é exposto a um número grande de dados sem rótulo, ou seja, ignora as informações que estão sendo apresentadas. Com o passar do tempo, ele acha padrões comportamentais ou semânticos entre eles e, quando apresentadas a apenas um dado rotulado, que se refere ao que foi identificado, já passa a saber como esse objeto de estudo vai se comportar no futuro, e saberá distingui-lo quando encontrado.
Veja o exemplo: quando a máquina é exposta frequentemente a uma série de vídeos, ela não é informada sobre o que se trata ou o que está acontecendo. Quando informada que determinada imagem duplicada é referente a um objeto avaliado e categorizado, ela passa a identificar quais correspondem ao padrão a ser encontrado. Por exemplo, movimento de um jogador de futebol.
Reforço de aprendizado
Se parece com o aprendizado não supervisionado. O computador é exposto a dados não rotulados. Entretanto, ao final da inserção de dados, em vez de se mostrar dado que informa ao software o que era o objeto verificado, são feitas questões. A resposta que o software oferece à pergunta é caracterizada constantemente até que atinja os resultados esperados.
É aplicado em jogos ao identificar as jogadas de maior sucesso para vencer os adversários em intervalos de tempo cada vez menores.
Como aplicar o machine learning no recrutamento e seleção?
Milhares de currículos são recebidos todos os dias nas grandes empresas, tornando a análise manual cara para os profissionais de Recursos Humanos (RH).
Com o machine learning, uma vez criados os padrões de currículo que mais se assemelham ao perfil ideal traçado pela empresa, a máquina pode ser usada para localizar os profissionais que tenham mais chances de preencher a oportunidade em aberto e, assim, otimizar o processo de seleção.
Como sabemos, interagir com pessoas não é uma tarefa com resultados exatos e previsíveis, mesmo que já seja possível quantificar boa parte do comportamento humano com tecnologia e o auxílio de métricas. Afinal, ainda são necessários critérios objetivos para embasar a decisão de efetuar ou não a contratação.
Essa ideia de melhoria contínua e redução da subjetividade é o conceito por trás de tecnologias como machine learning e people analytics para RH.
Essas ferramentas cruzam dados, competências e resultados dos testes dos candidatos e aprendem, por meio de seus algoritmos, quais são as características dos candidatos aprovados e de maior desempenho para fazer a indicação de perfis cada vez mais alinhados com a cultura e os objetivos da empresa.
Quais os benefícios do machine learning no recrutamento e seleção?
O machine learning aplicado ao RH viabiliza o mapeamento do desempenho de cada funcionário com base nas tarefas e nos projetos realizados por ele. Sua utilização oferece dados preditivos sobre o negócio, o que permite:
- realizar job rotations com base no que os profissionais fazem de melhor;
- acompanhar a evolução dos funcionários;
- analisar as tarefas de desenvolvimento, informações do público interno, status dos projetos e demais informações que, se bem gerenciadas, tornam possível uma melhor entrega para os setores.
O machine learning para o profissional de RH é uma oportunidade de alcançar uma maior produtividade por meio da adequação do perfil e da função, o que gera redução com turnover, por exemplo. São ações relativamente simples capazes de otimizar os processos, ajudando a motivar, reter os melhores profissionais e tornar a rotina estimulante para toda a equipe.
Além disso, com o auxílio da ferramenta, é possível traçar o perfil comportamental dos funcionários, destacando os pontos fortes de cada um e gerando valor não só para a organização, mas para todos os envolvidos.
Quando o futuro do recrutamento e seleção?
O machine learning reconhece comportamentos repetitivos e se baseia nisso para executar as tarefas. Por isso, é um forte aliado do RH para prever tendências. Assim, fica mais fácil tomar decisões de forma mais correta, eliminando os riscos de erros.
As organizações estão buscando soluções para melhorar o desempenho de toda a equipe, e consequentemente, do negócio, e o machine learning é uma solução que veio para facilitar essa jornada. Portanto, é importante considerá-lo na hora de planejar estratégias de recrutamento e seleção e em outros processos do departamento de RH.
Se você gostou deste artigo sobre como o machine learning está impactando o recrutamento e a seleção nas empresas, vai se interessar também por este post sobre Inteligência Artificial no recrutamento e seleção!
