La presión por la escasez de perfiles está obligando a las empresas a implementar metodologías basadas en el análisis masivo de datos enfocadas en la retención de talento. Una apuesta marcada cada vez más por la guerra del talento y las necesidades del mercado actual «donde cubrir una vacante se ha convertido en un proceso más lento y costoso», explica Josep Ginesta, profesor de OBS Business School y secretario general de PIMEC. Esa presión es la que está empujando a muchas empresas a invertir en herramientas que permitan anticiparse y no solo reaccionar. El impacto, apunta María Manso, socia responsable de People Analytics & IA en People Consulting de EY, no se limita a lo económico y al reemplazo, sino que también incluye el tiempo de selección, el onboarding o curva de aprendizaje, la pérdida de conocimiento y el impacto en el clima del equipo, «costes que también se estiman y miden».Una consecuencia que ya es visible incluso en sectores poco acostumbrados a hablar de retención como la restauración o el turismo, donde hay negocios que prefieren cerrar un día a la semana o reorganizar turnos antes que perder a su plantilla, «algo impensable hace años», indica Ginesta.En la práctica, estas soluciones trabajan sobre grandes volúmenes de datos relacionados con variables como la rotación, el desempeño, el 'engagement', el absentismo , la evolución salarial, la formación, la movilidad interna o incluso los patrones de colaboración dentro de la organización, explica Pedro Julián Domínguez, Demand Planner Director de Innova-tsn. A partir de ellos, «los modelos identifican tendencias, correlaciones y posibles riesgos que muchas veces no son visibles de forma manual».Cambio de estrategiaLa implementación de metodologías como People Analytics permite así pasar de una gestión reactiva a otra preventiva, continúa explicando Ginesta: «El objetivo es intentar detectar antes qué factores pueden estar deteriorando su vínculo con la empresa». Manso introduce a su vez un matiz importante sobre el tipo de IA utilizada. «Hablamos de IA aplicada y avanzada y no debemos confundirla con la inteligencia artificial generativa, ya que ésta no detecta por sí sola, sino que ayuda a identificar señales asociadas a la satisfacción o el riesgo de rotación basándose en patrones de comportamiento y datos históricos». Algo que se hace combinando información objetiva como rotación, promociones, cambios de responsable o evolución salarial con otras herramientas más ligadas a la escucha del empleado, como encuestas de pulso más enfocadas a medir el eNPS (Employee Net Promoter Score o satisfacción del empleado), entrevistas de salida, reuniones con managers o comentarios abiertos sobre la experiencia laboral. «Primero hay que medir, preguntar y escuchar. A partir de ahí, analizamos esos datos».Aun así, Manso se muestra cauta con los modelos excesivamente automatizados. «Para que sea realmente efectiva y ética, no basta con que arroje datos, debe basarse en la transparencia y la explicabilidad. No es útil si no se entiende el motivo subyacente». Por eso es fundamental recordar que estos sistemas trabajan con inferencias y probabilidades, no con certezas y para ello esta información debe ser extremadamente confidencial y su acceso debe estar restringido. El riesgo es caer en una vigilancia permanente. «Si le dices a un mánager, esta persona se va, puedes generar la profecía autocumplida», explica Manso. Es decir, que la propia sospecha termine alterando la relación laboral y empujando al trabajador hacia la salida que quizá nunca había contemplado.El gran riesgoEse matiz es importante porque una de las principales preocupaciones que empiezan a surgir es hasta qué punto la monitorización puede deteriorar la confianza dentro de las organizaciones alimentando esa sensación de vigilancia, indica Ginesta. «La capacidad de sumar Big Data e IA puede alcanzar límites invasivos si no existe un marco claro sobre qué datos se recogen, para qué se utilizan y cómo se interpretan». Por ello, la Ley de IA de la UE (AI Act) clasifica la gestión automatizada de personas como un ámbito de alto riesgo y prohíbe prácticas como el análisis emocional mediante biometría en el trabajo. Por eso tanto la regulación europea como las propias compañías empiezan a fijar límites. Más allá de la legalidad, Manso cuestiona incluso la fiabilidad de estos sistemas, ya que «las personas tenemos expresiones distintas, contextos distintos y sesgos distintos. Un algoritmo mal entrenado puede equivocarse enormemente».La normativa europea y la propia normativa laboral exigen además transparencia, proporcionalidad y supervisión humana en los procesos que afecten a las personas. Para mitigar estos riesgos, las grandes empresas están implantando modelos de gobernanza bajo la supervisión humana obligatoria (Human in the Loop). En estos procesos participan equipos de RR. HH., legales, expertos en protección de datos y auditores para supervisar algoritmos sensibles.Según Pedro Julián Domínguez el valor real de estos sistemas aparece cuando permiten construir «entornos más transparentes, equitativos y orientados al bienestar», y no únicamente a la productividad. La adopción de estas tecnologías, además, ya no se limita a grandes compañías tecnológicas o a las multinacionales. Sectores como la banca, la industria, el retail o la salud están incorporando herramientas de analítica de personas, especialmente aquellas con estructuras complejas, alta competencia por el talento o necesidad de mejorar la fidelización de perfiles estratégicos, indican desde Innova-tsn.Una de las primeras ventajas aparece en la eficiencia operativa. La automatización de tareas administrativas y repetitivas permite que los departamentos de Recursos Humanos dediquen más tiempo a funciones estratégicas vinculadas al desarrollo, la formación o la fidelización de equipos. Pero el impacto más visible se produce directamente sobre el negocio. «Muchas de esas acciones terminan teniendo un efecto absolutamente medible». Entre ellos, la reducción de la rotación laboral, una mayor amortización de los costes de formación, la optimización de los procesos de selección o la capacidad de anticiparse a nuevas necesidades de talento en un mercado laboral cada vez más cambiante.Objetivos clarosLa expansión de soluciones en la nube y el abaratamiento de estas plataformas ha facilitado su llegada a empresas medianas, mientras organismos internacionales como la OCDE ya han señalado la mejora de la eficiencia en la retención de talento como uno de los efectos positivos asociados al uso de estas tecnologías. Aun así, los expertos coinciden en que la diferencia no la marca tanto el tamaño de la empresa como la claridad de sus objetivos.Como insiste María Manso, las empresas deben preguntarse qué problema real quieren resolver y si están dispuestas a cambiar sus procesos internos, siempre respetando los límites éticos y manteniendo la supervisión humana sobre los datos.
Un arsenal predictivo para combatir la fuga de talento
