¿Qué pasaría si usted supiera cuándo dejaría de trabajar un candidato antes de ofrecerle un nuevo puesto? Si bien la tecnología está prediciendo el futuro, se espera que éste sea mejor. Si la Inteligencia Artificial (IA) funciona, podría ahorrar miles de millones de dólares, pero ¿de verdad vale la pena?

Pymetrics es una empresa de ciencia de datos que se ejecuta a través de una serie de 12 juegos en línea. Pero “no son sólo juegos”, como explica el CEO y cofundador, Dr. Frida Polli. “En realidad son ejercicios científicos que han sido desarrollados por la comunidad de neurociencia cognitiva a nivel mundial para observar diferentes rasgos cognitivos y emocionales”.

En efecto, las personas que solicitan puestos en Accenture o Unilever, los clientes principales de Pymetrics, juegan solitario en línea, apilan anillos virtuales en pilas y participan en otros ejercicios diseñados para descifrar el funcionamiento interno del cerebro de un solicitante: ¿son personas altruistas? ¿trabajan más rápido o más despacio cuando tienen distracciones? La tecnología mide más de 90 rasgos cognitivos, emocionales y sociales, los cuales “salen a la superficie para diferentes roles en diferentes compañías”, afirmó Polli.

Una vez que las pruebas se han realizado, el modelado predictivo de Pymetrics se pone a trabajar en un patrón de ciencia de datos, que puede coincidir con los resultados de los candidatos frente al conjunto de datos de empleados exitosos.

De esta manera, la compañía proporciona una coincidencia porcentual según la cual el examinado puede o no permanecer en ese trabajo por más de un año.

El éxito, dice Polli, está determinado por cada cliente, pero la empresa alienta a los empleados a usar métricas cuantificables, como la cantidad de trimestres en que se cumple el objetivo para un trabajo de ventas, por ejemplo, que van del 1 al 100%.

Una coincidencia media o baja indica que un solicitante no se combinará bien con el resto del equipo y abandonará el empleo.

La labor de Pymetrics es buscar rasgos clave. Las preguntas de precisión son las habituales para las predicciones de retención basadas en IA. Sin embargo, lo más importante es el resultado de la prueba, es decir, el poder predictivo de las referencias, “ya que la coincidencia de patrones se relacionará con el rendimiento del candidato”, según esta compañía.

Terena Bell, CIO EE.UU.