presentación de powerpointcongresorecursoshumanos.net/wp-content/uploads/... · datos, ejemplos y...

SPEAKER:

Machine Learning e Inteligencia Artificial

CONFERENCIA

Inteligencia Artificial y Machine Learningen RRHHAnavel Chinchilla

Agosto, 2019

Congreso Centroamericano de RRHH 2019

2

Objetivos

• Entender qué son AI y ML

• Por qué todos los sectores económicos se verán afectados

• Usos de ML

• Qué implicaciones tiene para RRHH

• Una mirada hacia el futuro

• Primeros pasos para aplicar AI - ML

Congreso Centroamericano de RRHH 2019 3

Qué es Inteligencia Artificial (AI)

“Máquinas que pueden hacer lo que normalmente requiere inteligencia humana.”


Orígenes de inteligencia artificial

• La idea de inteligencia artificial se remonta a un taller que tuvo lugar en la Universidad de Dartmouth en 1956.

• Los esfuerzos iniciales estaban concentrados en la creación de sistemas expertos basados en reglas.


Orígenes de AI

• Inicialmente la idea era codificar lo que sabíamos poniendo reglas. En otras palabras codificar paso a paso exactamente que es lo que queremos que la maquina haga

• Esto creo límites a los primeros intentos de AI por 20 años


¿Cómo reconoce la cara de su hijo?


Sabemos más de lo que podemos decir(Michael Polany)

COSAS TALES COMO: ANDAR EN BICICLETA, ATARSE LOS

ZAPATOS, CUANDO DECIDIMOS A QUIEN CONTRATAR, ETC.

SABEMOS CÓMO HACERLO PERO NO NECESARIAMENTE CÓMO

ESCRIBIR EL CÓDIGO PARA ESO.

ESTE HECHO CREA UN LÍMITE AL TIPO DE ACTIVIDADES QUE

PODEMOS CODIFICAR Y TRANSFORMARLAS EN UN

PROGRAMA DE COMPUTACIÓN.

EN DE 80S HUBO UN CRECIENTE INTERÉS EN CREAR SISTEMAS

BASADOS EN REGLAS PARA QUE LAS MAQUINAS LO PUEDAN

EJECUTAR PARA SER EL MEJOR MÉDICO, EL MEJOR ABOGADO,

ETC. PERO LOS LOGROS FUERON LIMITADOS EN ALGUNAS ÁREAS

ESPECÍFICAS


El “invierno” de AI terminó

¿Qué cambió 20 años después?

• Encontramos la manera de solucionar la paradoja de Polany: ahora las máquinas tienen la capacidad de “aprender”aún cuando no conozcamos cuáles son las reglas exactas que deben seguir


Impulsores tecnológicos

Poder computacional Disponibilidad de datos


El teléfono inteligente que tiene en su bolsillo tiene 100,000 veces mas poder computacional que la computadora que puso un hombre en la luna 50 años atrás


Datos generados

en el mundo


Los datos son el nuevo petróleo

El 90% de la información existente en el mundo ha sido generada en losúltimos dos años


Deep Blue: uno de los primeros éxitos de AI


¿Si esto empezó hace 50 años, por qué los efectos recién se empiezan a ver ahora?

En el cuadrado número 64 el rey tendría que haber puesto 18,000,000,000,000,000,000 granos de arroz, lo que es equivalente a aproximadamente 210 mil millones de toneladas: una montaña más alta que el monte Everest!!

2006• Teléfonos inteligentes• Autos autónomos• Drones• E-commerce• Campeones de juegos • Software as a service,

etc.


AI, ML, Redes Neuronales, Aprendizaje profundo, ¿qué es qué?

Inteligencia Artificial

Machine Learning

Redes Neuronales

Aprendizaje profundo


Qué es Machine Learning

Machine Learning es una sub especialidad de AI. Es el concepto bajo el cual una computadora puede aprender y adaptarse a nuevos datos sin intervención humana

El principal objetivo de Machine Learning es predecir resultados basados en datos disponibles


Cómo aprenden las

máquinas

ML se refiere a entrenar a las máquinas con datos, ejemplos y experiencias en lugar de ser explícitamente programadas

ML se apoya en big data y gran poder computacional que existe hoy

Es un enfoque fundamentalmente diferente en la creación de software porque los humanos no necesariamente tienen que saber cómo llegan a las respuestas correctas para que la máquina pueda aprender a hacerlo


Cómo aprenden las

máquinas

Aprendizaje supervisado

Básicamente se logra mostrándole a las máquinas ejemplos de lo que estamos tratando de lograr y ejemplos contrarios. La máquina encuentra por sí misma las reglas que relacionan el primer grupo con el segundo grupo por sí misma.

Aprendizaje no supervisado

Se le pide a la máquina que encuentre patrones por si misma sobre la base de una gran cantidad de ejemplos (datos)

Hay varias mas….


Ejemplo de aprendizaje: ¿chihuaua o

muffin?


Avances en reconocimiento

de imágenes


Entonces…¿cuál será el rol de los humanos en el futuro?

AI presenta inmensas oportunidades

Sin embargo, la inteligencia artificial general, que significa que las máquinas puedan hacer todo lo que los humanos hacen, está muy lejos de lograrse

Humanos y máquinas ambos tienen un rol en el futuro

This Photo by Unknown Author is licensed under CC BY-NC


https://www.melroze.com/for-automation-to-benefit-society-it-must-serve-humans-not-replace-them/

https://creativecommons.org/licenses/by-nc/3.0/

Capacidades de las máquinas

Pueden No pueden

Predecir Crear algo nuevo

Memorizar Volverse inteligentes muy rápido

Reproducir Ir más allá de su tarea


“Las computadoras son inútiles. Solo pueden darte respuestas” (Pablo Picasso)

• Las computadoras sirven para dar respuestas, no para hacer preguntas

• Emprendedores, empleados innovadores, científicos, creadores y todo otro tipo de persona que sea capaz de identificar que problema u oportunidad abordar seguirán siendo esenciales.


Implicaciones

El hecho que las máquinas puedan hacer lo que antes solo los humanos podían tiene enormes implicaciones para las organizaciones


Áreas de mayores avances

PERCEPCIÓN: LA HABILIDAD DE ESCUCHAR O VER O SER CONSCIENTE DE ALGO A TRAVÉS DE

LOS SENTIDOS

COGNICIÓN: ACCIÓN MENTAL DE PROCESAR Y ADQUIRIR CONOCIMIENTO Y ENTENDIMIENTO A TRAVÉS DEL PENSAMIENTO, EXPERIENCIA O LOS

SENTIDOS


Reconocimiento de imágenes


Procesamiento de lenguaje natural


Procesamiento de solicitudes de crédito


Diagnósticos médicos


Vehículos autónomos


Y muchas más aplicaciones …


Demo: Aplicación de Machine Learning para RRHH


http://bit.ly/31bbN2r

Demo: Machine Learning application for RRHH


LIVE DEMO RECORDED DEMO

http://bit.ly/2T5IdJ3

https://demo.resonaite.ai/

Impacto de Inteligencia Artificial en Recursos Humanos


Impacto de AI y ML en la Fuerza de trabajo

Un estudio de Oxford en 2013 encontró que 47% de los trabajadores en USA se desempeñan en trabajos que pueden ser automatizados

En 2017 un estudio de McKinsey reportó que casi 30% de las tareas de 60% de las ocupaciones pueden ser computarizadas.


La capacidad de recolectar datos y entrenar a las máquinas para que analicen y aprendan está transformando todas las industrias y va a tener un impacto profundo en los trabajos.

Cambios en los trabajos

Ejemplo

• La agricultura permaneció sin cambio por cientos de años

• Hoy se está transformando en una operación de alta tecnología


Los trabajos rutinarios, repetitivos y predecibles pueden ser hechos por las máquinas mejor, más rápido y más barato.

- Aunque la automatización crea ansiedad ante la expectativa de desempleos masivos, lo que cambiará es el tipo de trabajo

Ejemplo: cajeros automáticos


Gestión del talento en la era digital

No solamente los trabajos están cambiando, sino también los procesos de las compañías para reclutar, desarrollar y gestionar el talento cambios profundos

Reclutamiento:

• GE tiene más de 30,000 personas con habilidades relacionadas con software y computación en la nube e IOT (Internet of Things)

• Las carreras en ciencias de computación y la habilidad para escribir código tienen una gran demanda.

Ejemplo: KnackApp


Nuevas Maneras de reclutar


Evaluación de desempeño

• El modelo tradicional de evaluación de desempeño consume mucho tiempo, es caro y se ha probado que no es muy efectivo

• Los empleados reciben retroalimentación en batches no en el momento adecuado

• Las herramientas digitales y la tecnología permiten ahora a las compañías probar maneras nuevas y más rápidas de evaluar el desempeño de los empleados.

Ejemplo

PD@GE: feedback en tiempo real de pares subordinados y jefes


Capacitación y Desarrollo

Algunas nuevas Ideas:

• e-learning personalizados basado en las necesidades específicas de los empleados

• Desarrollo ejecutivo usando apps como Knack

• Mentoría inversa: Caso Unilever: un ejecutivo senior es puesto en pareja con un empleado joven. La persona joven ayuda a entender el rol que la tecnología juega en las vidas de consumidores jóvenes

• Cambios en los modelos de educación: Son las carreras de grado de entre 4 a 6 años el modelo adecuado? Se deberían usar modelos de aprendizaje como los que se usan en Alemania?

• Una competencia central de los empleados del futuro será la habilidad y el deseo de aprender continuamente.


Retención de Talento

Desarrollar la capacidad de predecir la probabilidad de que

un empleado se vaya de la compañía.

Ejemplo: GE tiene una aplicación que puede predecir con 6 meses de anticipación si un empleado

esta planeando dejar la compañía de manera tal que permite

diseñar una intervención para retenerlo.


Una mirada al futuro

“Las empresas que mantengan la separación entre mentes y máquinas estarán cada vez más en desventaja con respecto a sus rivales que estén dispuestos y sean capaces de usar Machine Learningen todos los lugares donde sea apropiado y que además, sean capaces de entender cómo integrar sus capacidades con las de los humanos”

“En la próxima década AI no reemplazará a los gerentes, pero los gerentes que usen AI reemplazarán a aquellos que no”

(Erik Brynjolfsson y Andrew Mcafee - MIT, 2017)


¿Cómo empezar con AI?

El primer paso es formular la ESTRATEGIA

• Machine Learning: es una herramienta para implementar la visión estratégica

• Sin una estrategia como punto de partida ML corre el riesgo en convertirse solo en una herramienta mas de operaciones de rutina


Conclusión

Las decisiones de RRHH que se enfocan en los procesos de reclutamiento, capacitación, evaluación y retención serán potenciadas por datos y algoritmos de Machine Learning

Las máquinas no reemplazarán el juicio humano, pero serán un complemento clave en comparación a cómo se hacen estas actividades actualmente.


Anavel ChinchillaDirectora - HondurasE-mail: [email protected]: 504 3237 6102

www.algconsultinggroup.com

¡GRACIAS!


www.crecerh.comTel. +504 [email protected]

presentación de powerpointcongresorecursoshumanos.net/wp-content/uploads/... · datos, ejemplos y...

Documents