En busca de ayuda; así funcionan los algoritmos de recursos humanos
Esta escena te resultará familiar: recibes una notificación de LinkedIn con la oferta de un puesto de trabajo con el que haces un match perfecto. Tanto que crees que puedes ser una de las candidatas seleccionadas. Te das prisa para enviar tu currículum y aún así ya hay inscritas más de 500 personas. Nada te frena: tienes la confianza de que ese puesto puede ser tuyo. Pero semanas después sigues sin recibir ningún email ni llamada por parte de la empresa. Tan siquiera LinkedIn te ha enviado la notificación que confirma que alguien ha revisado tu candidatura. Y, entonces, una vez más culpas al maldito algoritmo que te dejó fuera.
Pero, ¿y si la culpa no fuese de las herramientas de machine learning o algoritmos que emplean los reclutadores? ¿Y si, en realidad, esas herramientas pudieran ayudarte? Borja Ussía, director general de RightHand, una empresa de captación y desarrollo de talento digital, lo explica: “Como todo en la vida, el mal trabajo de muchos afecta al buen trabajo de pocos. Creo que en torno a un 90% de las aplicaciones que vienen de LinkedIn no son afines a la job description. Es decir, que hay un montón de gente que aplica sin realmente ver si son afines o no al trabajo. Si hay mucha gente que no cumple una serie de requisitos, estas herramientas ayudan a hacer criba, porque si tienes 2.500 solicitudes de una vacante, es imposible que tengas tiempo para hablar con 2.500 personas”.
Estas son las tendencias de oficina que no debes perderte:
Esta es la principal razón por la que aunque llegas a Linkedin a los pocos minutos de que una empresa haya subido su anuncio, te encuentras el aviso: más de 100 solicitudes. “Es verdad que esto también va asociado a momentos personales, a desesperación, y a otros muchos componentes, pero el que haya tanta gente que aplique sin ser afín hace que los que realmente son más afines se vean compitiendo con un gran volumen de gente. Y si ellos no tienen bien hecho el currículum o bien detallado el perfil, podrían quedar descartados”, añade Ussía. “A lo que nos ayuda la inteligencia artificial o las herramientas de machine learning es a que puedas hablar con los perfiles que más reúnen esos topics, y entrar en detalle. Más que de descarte, ayuda a rankear”.
El error de un currículum para todo
Son precisamente esos topics a los que tenemos que prestar atención a la hora de presentar nuestra candidatura. “Cuando hay un gran volumen de demanda, lo que te permite la tecnología es que esa clase de filtros lean tu currículum e identifiquen las palabras basándose en la job description. Esas son lo que se llaman keywords o topics, y todos esos topics son los que te ayudan a posicionarte. Si tú tienes cosas genéricas como, por ejemplo, marketing o periodismo, aparecerás en periodismo, pero nadie va a encontrarte por una especialización”. Así que si no eres de las personas que envías tu candidatura al tuntún y no entiendes por qué no pasas los primeros filtros, es muy probable que tu problema esté en las keywords. Y es que tener un currículum igual para todas las ofertas de trabajo es el primer gran error. “Lo que tienes que hacer en los currículums es ser explícita. Detallar cuáles son las aptitudes, y especificar las funciones que has hecho e incluso tus logros o hitos”. Es decir, que cada vez que te postulas deberías rehacer tu currículum para introducir las palabras clave que aparecen en la descripción del puesto.
Incluso, a veces, antes de enviarlo, la empresa nos hace algunas preguntas a través de un breve cuestionario: “Estas son las killer questions, que son preguntas más específicas y que son las que van a indicar la afinidad”. Así que tómate tu tiempo al contestarlas y piénsalo muy bien porque de ellas depende que a los reclutadores les llegue tu currículum.
Una vez pasado el filtro del algoritmo, otro error que cometemos es el de no incluir una carta de presentación cuando nos la piden o enviar una antigua para salir del paso. “La carta de presentación es la que al final va a leer el humano, por decirlo de alguna forma. Y ayuda porque es como dar una oportunidad a un candidato de que pueda presentarse él mismo a una vacante”. Así que también deberías rehacerla para que encaje con el puesto: “Es una manera de dar una oportunidad a la persona de que enfatice sus puntos fuertes para para ser candidata. Es decir, que aquí deberíamos describir por qué somos aptos para el puesto”.
Y si llegaste a la entrevista pero finalmente no fuiste seleccionada, las herramientas de machine learning van a seguir trabajando para que consigas una oportunidad. “La propia herramienta te puede sugerir perfiles que no se han apuntado a futuras ofertas pero que tienes en tu base de datos y que se ajustan a la vacante”. Así que sí, el clásico “me guardo tu currículum por si surge otra oportunidad” funciona.
