Este documento propone el uso de redes neuronales artificiales para mejorar los procesos de reclutamiento y selección de personal en las empresas mexicanas. Actualmente, los procesos tradicionales como las entrevistas no son efectivos para predecir el rendimiento laboral. Las redes neuronales pueden analizar grandes cantidades de datos sobre los candidatos como sus habilidades, aptitudes y resultados de pruebas para identificar a aquellos con mayor probabilidad de éxito. Esto permitiría un proceso más eficiente y rentable que beneficie el crecimiento de las
1. VOLUMEN 9 NÚMERO 2
TECNO-SOC.COM
Revista Internacional de
Tecnología,
Conocimiento y
Sociedad
__________________________________________________________________________
Redes neuronales
Nueva estrategia de IA para implementar dentro del
proceso de reclutamiento y selección de personal
GLENDAMIRA SERRANO FRANCO, LUIS ARTURO GUERRERO AZPEITIA, VÍCTOR MANUEL ZAMUDIO GARCÍA Y
MARCO ANTONIO GONZÁLEZ SILVA
Downloaded
on
Sun
Sep
24
2023
at
23:14:45
UTC
4. SERRANO ET AL.: REDES NEURONALES
eficientes de acuerdo con el perfil de ingreso para cubrir la vacante postulada o bien para detectar talentos
susceptibles de ser incorporados a la organización en turno.
El enfoque seleccionado es de carácter mixto, toda vez que se plantea la recuperación tanto de variables
analíticas como categorías interpretativas, para lo cual se establece la necesidad del tratamiento de datos estadísticos
asociados al talento, las aptitudes, el comportamiento y las habilidades de cada uno de los candidatos a postularse
para la vacante bajo la consideración de que dichos datos serán obtenidos a partir de redes sociales y empleos
anteriores, así como de los resultados derivados de la aplicación de diversas pruebas psicométricas aplicadas para tal
fin.
Antecedentes
En los años recientes, el uso de IA en articulación con un sistema informático ha crecido a pasos agigantados en
prácticamente cualquier proceso bien sea de carácter social como productivo con la finalidad de optimizar
procedimientos que implican tareas repetitivas, logrando de esta manera, soluciones a los problemas que se le
presente sin importar el área temática en la cual está siendo implementada para su adecuado desarrollo y función.
Así, la tecnología tiene una incidencia cada vez mayor dentro de todas las áreas y representa, al mismo tiempo, una
oportunidad para las empresas para mantenerse a la vanguardia y establecer nuevas tendencias que incrementen su
productividad y su eficiencia.
La IA aplicada a RRHH va más allá que escanear currículos, toda vez que es capaz de categorizar los
candidatos en función de determinados parámetros mediante la evaluación de sus aptitudes a fin de calcular las
probabilidades de éxito (Big Data Marketer 2018). En adición, otras aplicaciones que se pueden utilizar con la
implementación de la IA es la identificación de nuevos currículos a partir de la identificación de los perfiles
requeridos y de las competencias, mejorando con ello el rendimiento de diferentes áreas dentro de las empresas, lo
que permite a su vez agilizar los procesos con el consecuente ahorro de recursos materiales y humanos. La IA tiene
la capacidad de procesar grandes volúmenes de información con la finalidad de resolver cualquier tipo de desafío que
se pueda presentar en la ejecución y mejora de los diferentes procesos dentro de una empresa u organización.
No es de extrañar entonces, que actualmente existan diferentes herramientas con la tecnología de la IA
incorporada a fin de potencializar su empleo sin tener tanto conocimiento dentro de un área específica, con lo que se
facilita el acceso a sus recursos, clases y librerías. Dichas herramientas facilitan su implementación dentro de algún
sistema, aplicación o proyecto informático que se vea favorecido con el uso de esta tecnología, después de todo,
autores tales como Ponce et al. (2014) refieren que la Inteligencia Artificial se construyó con base en conocimientos
y teorías existentes en otras áreas del conocimiento.
Particularmente, en la globalización y los procesos asociados en los que los países actualmente se encuentran
inmersos, se demanda el empleo de herramientas tecnológicas que, en conjunto con las redes sociales, el internet, el
análisis de datos, los sistemas automatizados y la IA por supuesto, fomentan el uso de sistemas automatizados y el
empleo de robots para el desarrollo de tareas repetitivas en diversos sectores de la vida pública y privada.
Ahora bien, las Redes Neuronales Artificiales (RNA) consisten en unidades de procesamiento que intercambian
datos o información y en el entendido de que en la IA es muy usual el reconocimiento de patrones por medio de
imágenes con la finalidad de entrenar a las RN, se recuperan los principios que rigen el funcionamiento del cerebro
humano (Piloto 2017).
Problemática
En la actualidad se presentan diferentes obstáculos en el proceso de captación, reclutamiento y selección de personal
en las empresas, ya que con los procesos vigentes no se tiene certeza para incorporar aquellos candidatos que posean
el talento, la excelencia, la fidelidad, la lealtad, la pasión y la responsabilidad, entre otros valores. No en pocas
ocasiones, el proceso de reclutamiento y selección del personal es y ha sido un problema presente en diversos
campos de acción donde se consideran factores psicológicos, de conocimientos y de experiencia del candidato, así
como su desempeño individual y colectivo dentro de la empresa, factores, por cierto, muy bien valorados para su
crecimiento y consolidación.
En este sentido, es necesario asegurar que la selección del candidato cubra las necesidades demandadas por la
organización en materia de capacidades, habilidades, destrezas, talento y las aptitudes requeridas para desarrollo de
una determinada función. De acuerdo con Nisbett (2018) los estudios demuestran que las entrevistas tradicionales no
son buenas para predecir el rendimiento laboral toda vez que los entrevistados dan respuestas ensayadas y, en
contraparte, los entrevistadores tienden a elegir a los candidatos que les agradan en detrimento de aquellos que
poseen más potencial.
46
Downloaded
on
Sun
Sep
24
2023
at
23:14:45
UTC
5. REVISTA INTERNACIONAL DE TECNOLOGÍA, CONOCIMIENTO Y SOCIEDAD
Además de que el proceso de reclutamiento por entrevista, al implicar una serie de pasos, tiende a ser muy
tardado y costoso; por lo que lejos de mejorar y agilizar los procesos de reclutamiento y selección de personal dentro
de una empresa, los empeora y permite caer en una contratación errónea de personal, perjudicando los
procedimientos y viendo afectado sus recursos económicos y humanos, poniendo en riesgo la viabilidad y
pertinencia de los objetivos organizacionales.
Pregunta de Investigación
Ante este escenario, las preguntas de investigación que se plantearon fueron las siguientes:
¿Cuáles son las nuevas tendencias en Inteligencia Artificial susceptibles de ser implementadas dentro del proceso de
reclutamiento y selección de personal dentro de las empresas de México? ¿Qué estrategia similar al razonamiento
humano se puede desarrollar de manera más rápida y precisa a partir de la Inteligencia Artificial?
Objetivo general y específicos
El objetivo general fue: establecer una alternativa para el reclutamiento y la selección de personal en las empresas
mexicanas mediante el análisis de funcionamiento de las RNA con la finalidad de coadyuvar en el mejoramiento de
sus niveles de competitividad.
En complemento, fueron dos los objetivos específicos:
• Analizar las características de un modelo de Redes Neuronales MonoCapa con la finalidad de adaptarlo en
el proceso de reclutamiento y selección de personal, facilitando de esta manera la contratación del candidato
idóneo.
• Proponer la aplicación de Redes Neuronales tomando como variables las competencias requeridas para
cubrir la vacante solicitada dentro de la organización.
Marco Teórico
El marco teórico seleccionado consiste en dos grandes constructos, el primero de ellos refiere a los procesos de
selección de personal y su importancia en el desarrollo de las organizaciones y, el segundo, refiere a los elementos
técnicos y tecnológicos de la IA. Ambos posicionamientos en conjunto permiten conceptualizar la propuesta aquí
presentada.
Reclutamiento, selección y promoción del personal en las organizaciones
Werther y Davis citados por Franco (2016) establecen que la función de RRHH juega un papel imprescindible en la
empresa al tener bajo su responsabilidad dicha tarea, toda vez que la calidad del proceso de contratación,
especialmente el reclutamiento y la selección, llevará a la incorporación de personas que contribuirán decisivamente
a la consecución óptima de los objetivos organizacionales.
En complemento De Soto (2006) establece que los RRHH son factores diferenciadores que permiten a las
organizaciones ser “productivas y competitivas y, por ende, exitosas, de allí que resulte importante desarrollar una
gestión de recursos humanos que garantice la disponibilidad de personal bien capacitado, competente, actualizado,
con actitud adecuada hacia el trabajo y comprometido con el futuro de la organización”
La consecución de los objetivos organizacionales demanda alinear la estrategia de recursos humanos con la
estrategia de la empresa, por tanto, las decisiones que se tomen a nivel directivo en esta materia no son cosa menor;
de esta manera los recursos tangibles pueden llegar a ser superados por los recursos intangibles conformados por la
experiencia, el conocimiento, el criterio, la sabiduría de los agentes ligados a la empresa (Domínguez y Fernández
2009).
Gómez, et al. (2008) “conciben que atraer y contratar a las personas con el tipo y nivel de talento adecuado son
elementos críticos de la eficacia empresarial” por lo que este proceso es clave no solamente para la organización sino
también para el desarrollo del personal directivo. En complemento, son los autores quienes consideran que existen
dos tipos de técnicas a emplear en el proceso de captación y selección de personal, aquellas de carácter objetivista
tales como: análisis de regresión, análisis de ratios, análisis de Markov y, las referentes a un posicionamiento
subjetivo tal es el caso de: enfoque de arriba–abajo, enfoque abajo–arriba, revisión de la alta dirección, planificación
de sucesiones, análisis de vacantes.
En este sentido, el reclutamiento es considerado como un proceso por el que se genera un grupo de candidatos
cualificados para un determinado puesto, en tanto que la selección es definida como el proceso por el que se toma de
decisión de contratar o no a cada uno de los candidatos con base en un análisis de puestos. Aun cumpliendo con lo
47
Downloaded
on
Sun
Sep
24
2023
at
23:14:45
UTC
6. SERRANO ET AL.: REDES NEURONALES
anterior, el proceso de contratación no está cerrado, es necesario recurrir a la socialización, entendida como ese
proceso de acompañamiento que necesita el nuevo personal para su adecuada inserción y, en su caso, su promoción a
lo largo del tiempo que permanezca en la organización.
Respecto a los procesos de captación y selección de RRHH mediados por IA, puede permitir a los empleadores a
obtener información objetiva sobre las personas antes de ser contratadas si pueden acceder a datos sobres los futuros
trabajadores. De esta manera la toma de decisiones algorítmica combina información sobre el rendimiento de los
empleados, las retribuciones y los costos de la fuerza de trabajo (Moore 2019).
Algunos casos de éxito han sido reportados por diversos investigadores, tal es el caso de Folch (2004) quien
refiere que el empleo de redes neuronales para la selección de una plantilla necesaria para operar una planta química
probó su viabilidad y desempeño que la posicionan como una alternativa ágil y viable respecto a otras técnicas más
tradicionales. Por otra parte, Torres et al. (2016) desarrollaron un estudio que da cuenta de la aplicación de las RNA
en la evaluación de competencias de RRHH mostrando en los resultados finales un aumento de la eficiencia
comparada con métodos tradicionales.
Referentes conceptuales de la IA y las RNA
Para John McCarthy citado por Galindo (2016) la IA es definida como “la ciencia y la ingeniería de hacer
inteligentes a las máquinas” y su aplicación en los negocios puede brindar grandes ventajas competitivas a la
organización, mejorar los procesos internos e incluso reducir costos en las operaciones y servir de base para la toma
de decisiones adecuadas.
Ahora bien, la IA implica el estudio de la información y del conocimiento; y, como estos pueden ser adquiridos,
almacenados, entendidos, manipulados, usados y transmitidos (Banda 2014). En complemento, Searle citado por
Banda (2014) establece que los programas informáticos tienen un carácter formal, es decir, son de índole sintáctico;
en tanto que la mente humana tiene contenidos, un significado y por tanto son considerados como semánticos. En
este sentido la IA no puede generar interpretaciones o significados, pero si acelera los procesos iterativos
caracterizados por una rutinización de las tareas.
Las RNA son modelos de la estructura neuronal del sistema nervioso que se organizan en redes y de cuya
modelación emergen capacidades funcionales que son propias del cerebro. Entre las principales capacidades del
cerebro, que emergen del funcionamiento de RNA, se destacan las memorias holográficas o su versión
computacional, las memorias asociativas de acceso por contenidos, la representación distribuida, el procesamiento
paralelo, el aprendizaje a partir de casos conocidos, la inferencia, la construcción y clasificación de patrones con
aprendizaje supervisado y por auto organización (Tapia y Glaría 2015).
De acuerdo con Castaño y Quea (2014) el reclutamiento y selección se conciben de la siguiente manera:
• El reclutamiento es el proceso por el que se genera un grupo de candidatos cualificados para un
determinado puesto, la empresa debe enunciar la disponibilidad de puesto en el mercado y a traer
candidatos cualificados que soliciten el puesto. La empresa puede buscar candidatos dentro de la
organización, fuera de ella o hacer ambas cosas.
• Selección es el proceso por el que se toma la decisión de “Contratar” o “no contratar” a cada uno de los
candidatos a un puesto. El proceso normalmente requiere determinar las características necesarias para
realizar con éxito el trabajo y, a continuación, valorar a cada candidato en función de esas
características.
Metodología
La principal estrategia metodológica fue la investigación documental que, en tanto técnica, permite la generación de
documentos, parciales o completos, a través de los cuales es posible analizar, explicar, comparar, criticar entre otras,
“es una técnica que consiste en la selección y recopilación de información por medio de la lectura y crítica de
documentos, materiales bibliográficos…” (Ávila 2006).
Desde esta perspectiva, más allá de una simple recolección de documentos, la investigación documental es una
estrategia que provee elementos de reflexión sistemática sobre realidades (teóricas o no) mediante el empleo de
diferentes tipos de documentos, las etapas de la investigación documental son: planeación; obtención de información;
organización, análisis e interpretación y; presentación de resultados.
De acuerdo con Gómez (2011) la aplicación metodológica de la investigación documental presupone tres
aspectos básicos: el enfoque, el tipo de investigación y la construcción teórica del proceso, asumiendo que el carácter
cuantitativo o cualitativo de la investigación no se asegura por el hecho de ser documental, sino en la manera de
48
Downloaded
on
Sun
Sep
24
2023
at
23:14:45
UTC
7. REVISTA INTERNACIONAL DE TECNOLOGÍA, CONOCIMIENTO Y SOCIEDAD
abordar los datos para el estudio del tema en cuestión, así, desde una perspectiva cualitativa, el interés radica en el
carácter interpretativo y comprensivo sin eludir, necesariamente el manejo de datos numéricos o similares:
La investigación documental tiene un carácter particular de dónde le viene su consideración interpretativa.
Intenta leer y otorgar sentido a unos documentos que fueron escritos con una intención distinta a esta dentro
de la cual se intenta comprenderlos. Procura sistematizar y dar a conocer un conocimiento producido con
anterioridad al que se intenta construir ahora (Gómez 2011)
De esta manera, los documentos a revisar requieren de una construcción previa en función de la naturaleza y
alcance de la investigación, lo que hace necesario una selección documental en términos de la cobertura de tiempo, la
especificidad temática, los descriptores sobre los que se va a desarrollar la consulta y los contextos de construcción
entre otros.
Las etapas de la investigación documental ya referenciadas permitieron enfocar una perspectiva que condujo a la
construcción de la estrategia para la implementación de las RNA y la consecuente concreción en un modelo
Monocapa que se presenta a continuación.
Estrategia de implementación de RNA en el proceso de reclutamiento de personal
La propuesta aquí presentada, es el resultado de un análisis documental y presupone tres etapas: diseño de la RNA,
entrenamiento de la RNA y, finalmente, la implementación de la misma; sin embargo, se presentan los resultados de
la primera de las etapas y por consecuencia no se presentan resultados empíricos. En este sentido, se propone el
modelo de una herramienta tecnológica desarrollada bajo la tecnología de la IA basada en las redes neuronales; ahora
bien, para el desarrollo de su aprendizaje se pretende realizarlo de acuerdo con las competencias requeridas para la
vacante a postularse, así, los datos obtenidos serán guardados en las diferentes variables que se utilizarán para
codificar la información obtenida de acuerdo con los resultados por cada uno de los candidatos.
En concordancia con Matson (2017) la interconexión de las neuronas se simula en las RNA mediante capas que
están conectadas entre sí. Como se puede ver en la Figura 1, las neuronas se agrupan en distintas superficies,
dependiendo de su conexión con el mundo exterior. Cuando la capa de entrada recibe inputs que se multiplican por
unos pesos y se evalúan en las funciones se producen outputs, que se convierten en inputs de la siguiente capa (capa
oculta) que se multiplican unos pesos y que producen unas salidas. Dependiendo de la conexión entre capas, se
clasifican de diferentes formas, entre la más conocida que es la “Red hacia delante” (Feed forward), la cual se tiene
cuando las neuronas de la primera capa envían su output a la segunda capa, pero esta no recibe un input sin recibir un
output de retorno. Una descripción breve de una “Red hacia delante” la recupera Balbontín et al. (2013) al considerar
que las unidades en una red hacia adelante suelen estructurarse en capas, de tal manera que cada recibe sus entradas
de unidades de la capa inmediatamente anterior. Esto se refiere a capa de entrada, capas ocultas y capa de salida, de
tal suerte que se pueden considerar como redes multicapa.
Figura 1: Ejemplo de una Red Neuronal Artificial Perceptrón Multicapa
Fuente: Matson, 2017.
De igual manera, con la RNA, se busca interactuar con candidatos que no estén interesados en postularse a una
vacante, la intención es rastrear a personas que tengan el talento requerido para la vacante y que pueda ser benéfico
49
Downloaded
on
Sun
Sep
24
2023
at
23:14:45
UTC
8. SERRANO ET AL.: REDES NEURONALES
para la empresa. A través de la RNA se realizarán pruebas de selección por medio de patrones que facilitarán el
rastreo de los talentos de los candidatos basado en estrategias de juegos, cuestionarios, entrevistas y chats que serán
implementados en el procedimiento para la evaluación de los candidatos a postularse. Con la implementación de la
IA, se parte de la premisa que la selección del candidato requerido para la vacante puede ser más objetiva y si este
fuera el caso, se buscarían más candidaturas que cuenten con el talento requerido sin que estas personas estén, de
inicio, postuladas para la vacante.
Mediante una RNA relativamente sencilla y un conjunto de datos patrones (variables para seleccionar al
candidato idóneo de acuerdo con los diferentes talentos requeridos), en la figura 2 se puede observar el modelo
propuesto para ser implementado y entrenado para el reconocimiento de los talentos de cada uno de los candidatos y,
en consecuencia, obtener al candidato más cualificado para la vacante. En figura 2, se identifican las variables de
entrada con la letra (p) que representa cada uno de los talentos obtenidos para cada candidato postulado para la
vacante; estos datos serán multiplicados por las funciones de activación o en este caso las neuronas (b) que se
encuentran en la última capa de salida de acuerdo con la estructura final de las capas que integran la red neuronal tal
como se muestra. Esto permitiría obtener una fórmula final que coadyuvará a la obtención de la información
requerida por cada uno de los candidatos con las estadísticas necesarias para llegar a obtener el nombre del aspirante
idóneo de acuerdo con las aptitudes y talentos previamente determinados.
Figura 2: Propuesta de una Red Neuronal Monocapa
Fuente: Elaboración propia, con datos de Zamora, 2015.
En la tabla 1 se presentan algunas variables que pueden ser utilizadas para el análisis de datos y tomando en
cuenta los requerimientos y talentos de acuerdo con la vacante. Al introducir la información a la red neuronal con los
datos obtenidos de cada uno de los candidatos se obtendrá la información del candidato idóneo para cubrir la vacante
solicitada dentro de la organización. Si los valores son positivos se presentan con un “1” si son negativos se
representan con un “0”, la información generada se introduce en el análisis de la red neuronal para que realice el
estudio correspondiente y arroje los resultados pertinentes para la obtención del candidato idóneo para la
organización.
Tabla 1: Red Neuronal Artificial
Neurona Peso
sináptico
Creatividad 1
Liderazgo 2
Iniciativa 3
Proactivo 4
Trabajo en equipo 5
Razonamiento lógico 6
Fuente: Elaboración propia, 2017.
1
n1
b1
ƒ(n1) a1 a1 = ƒ(wT
1 p+b1)
1
n2
b2
ƒ(n2) a2 a2 = ƒ(wT
1 p+b2)
ns
bs
ƒ(ns) as as = ƒ(wT
S p+bs)
1
p1
p2
.
.
.
.
p6
.
.
.
50
Downloaded
on
Sun
Sep
24
2023
at
23:14:45
UTC
9. REVISTA INTERNACIONAL DE TECNOLOGÍA, CONOCIMIENTO Y SOCIEDAD
Estos valores son sólo un ejemplo para el entrenamiento y funcionamiento de la RNA, cabe mencionar que no se
tiene un tiempo estimado para lograr su entrenamiento, toda vez que el aprendizaje inicia desde que se introducen los
valores de los pesos que clasifiquen correctamente a un conjunto de patrones especificados para obtener los
resultados requeridos de acuerdo con la vacante a postularse. El proceso de aprendizaje finaliza, cuando los valores
de los pesos se estabilizan. Por tal motivo, de acuerdo a la vacante solicitada, serán los talentos a modificarse para
que el candidato a postularse cumpla con el mayor número de ellos, tomando en consideración que los valores que
arrojará la red deberán ser: 1 para cuando el candidato cumpla con su prueba al obtener el valor asignado al peso
sináptico de esa variable; si este arroja 0, se considera que el candidato no cumple con la prueba al obtener un valor
muy bajo al requerido, de acuerdo al peso sináptico asignado a esa variable.
Se decidió por proponer la utilización de una Red Neuronal Monocapa por el diseño de su arquitectura, ya que
está compuesta por dos capas de neuronas, una de entrada y una de salida, teniendo una conectividad total, pues
todas las neuronas de entrada están conectadas con todas las neuronas de salida, facilitando el entrenamiento a una
relación matemática. La Red Neuronal Monocapa consta de 6 neuronas, con 6 variables de los pesos sinápticos de
entrada son: (1) creatividad, (2) liderazgo, (3) iniciativa, (4) proactividad, (5) trabajo en equipo y (6) razonamiento
lógico; la información de variables para la captación de talento es de acuerdo con la vacante postulada. La red
neuronal realizará el análisis y las estadísticas correspondientes para poder obtener al candidato idóneo a la vacante
postulada de acuerdo con los talentos necesarios a cubrir. Esta información se puede representar por una ecuación
matricial de la siguiente manera:
𝒂 = 𝒇 ( 𝑾𝒑 + 𝒃 )
donde:
a: representación de la Red Monocapa
f: función que establece el umbral que la neurona debe sobrepasar para activarse
W: pesos que conectan las neuronas p como W
p: entradas que representa cada uno de los talentos
b: capas que integran la red neuronal
La ecuación anterior representa la Red Neuronal Monocapa y al utilizarla mediante el apoyo de sus capas en
función de su arquitectura con una conectividad total, se establecería una vinculación con cada uno de los talentos
requeridos para la vacante postulada, se coadyuvaría a encontrar y a detectar las características más sobresalientes
para obtener al candidato idóneo para cada uno de los talentos. De esta manera al cumplir con los valores requeridos
de los pesos sinápticos, se lograría identificar y corroborar al candidato que cumpla con cada una de sus pruebas que
se le estarán realizando acorde a cada talento, siendo este el resultado final con todos los resultados con valor 1,
aprobando el cumplimiento requerido para cubrir satisfactoriamente la vacante postulada.
Para lograr lo anterior, se recomienda un posicionamiento de carácter mixto, debido a que se están considerando
variables que serán medidas de acuerdo con la información obtenida por cada uno de los factores, así como el
correspondiente tratamiento estadístico de los datos obtenidos al finalizar las pruebas aplicadas a los candidatos por
una parte y, por otra, la observación de ciertas actitudes y comportamientos de cada uno de los postulantes para
obtener la información requerida.
Particularmente, se establece una propuesta que incluya las Redes Neuronales con la intención de facilitar el
análisis de los resultados de acuerdo con los factores previamente establecidos para captar los talentos de cada uno
de los candidatos. En cuanto a los resultados que no serán medibles desde un punto de vista cuantitativo, se concibe
la alternativa de un análisis del comportamiento, de las actitudes del candidato y de las publicaciones de sus redes
sociales entre otros criterios a considerar según los parámetros de la empresa.
En este sentido y de acuerdo con Hernández citado por Ruiz et al. (2013) la articulación de los enfoques
cualitativo y cuantitativo es conveniente en sus diferentes etapas con la finalidad de obtener información que permita
su triangulación. Dicha técnica aparece como alternativa a fin de tener la posibilidad de encontrar diferentes caminos
para conducirlo a una comprensión e interpretación del fenómeno en estudio lo más amplia posible.
Lo anterior permitiría sentar las bases para un estudio de tipo correlacional y se considera el análisis de las
variables de acuerdo con los resultados por cada uno de los candidatos, facilitando con ello la obtención de los
resultados finales con la implementación de las redes neuronales, lo que presupone la generación de la información
precisa y objetiva para identificar al candidato con las aptitudes y talento necesario para cubrir a la vacante
solicitada.
En complemento, Hernández citado por Cazau (2006) establece que dichos estudios tienen como finalidad medir
el grado de relación que eventualmente pueda existir entre dos o más conceptos o variables en los mismos sujetos
bajo estudio, buscando establecer la posible correlación, su tipología y su correspondiente grado o intensidad. Los
estudios correlacionales pretenden ver cómo se relacionan o vinculan diversos fenómenos entre sí, tal es el caso de
51
Downloaded
on
Sun
Sep
24
2023
at
23:14:45
UTC
10. SERRANO ET AL.: REDES NEURONALES
los requerimientos y talentos que se estarán midiendo en cada una de las variables, de acuerdo con los resultados
obtenidos de las pruebas que se diseñarán exprofeso.
Conclusiones
Con base en las características mencionadas anteriormente, los avances que ha tenido la IA, el éxito obtenido en
algunas áreas donde la han llegado a implementar, la veracidad y velocidad con la que analiza la información
obtenida; es que se propone utilizar los avances tecnológicos de la IA y de las RNA como nuevas estrategias dentro
del proceso de reclutamiento y selección de personal, coadyuvando de esta manera al mejoramiento de captación de
talento humano en los candidatos (incluyendo aquellos que no buscan empleo de forma activa) que satisfacen los
requisitos para la vacante solicitada dentro de la organización.
Las empresas deben implementar IA y las RNA, dentro de sus procesos si buscan obtener un mayor rendimiento
y productividad, es factible su implementación tanto en pequeñas, medianas y grandes empresas. Con el avance de la
tecnología y el crecimiento global de empleadores, es importante la implementación de nuevas estrategias dentro de
los procesos de reclutamiento y selección de personal, para automatizar tareas repetitivas que demandan tiempo y
recursos humanos, permitiendo la actualización y mejoramiento hacía el mundo de la tecnología, de esta manera, se
lograrán resultados favorables tanto para la organización como para la producción y crecimiento de la misma,
captando al personal idóneo para cada una de las vacantes dentro de la empresa, viéndose favorecida en el
incremento de sus ventas, procesos de producción, logística y transporte, entre muchas áreas más.
Con el uso de la IA se pretende implementar, en un estudio posterior concluyente, un sistema para facilitar el
reclutamiento de nuevo personal dentro de las empresas con la ayuda de las redes neuronales, obteniendo las
competencias requeridas del postulante para cubrir la vacante solicitada. Al implementarse la herramienta basada en
las redes neuronales, ayudará a generar nuevas estrategias y facilitará el análisis de múltiples solicitudes que lleguen
a recibir al postularse una vacante dentro de la empresa, permitiendo con ello la elección de la persona más acertada
de acuerdo con los talentos requeridos, favoreciendo el desarrollo y crecimiento de la empresa al optimizar tiempo,
recursos humanos, financieros y materiales. Las ventajas de esta propuesta a los sistemas que actualmente en el
mercado, son los costos para obtención de estas, la veracidad y velocidad de la utilización de información con las que
actualmente se encuentran en el mercado, y la confiabilidad de información segura para obtener resultados
favorables sin la necesidad de recurrir al reclutamiento tradicional por la urgencia de cubrir alguna vacante
postulada.
REFERENCIAS
Big Data Marketer. 2018. Inteligencia artificial aplicada a la automatización de recursos humanos. De Big Data
Social. http://www.bigdata–social.com/inteligencia–artificial–aplicada–automatizacion–recursos–humanos/
Balbontín Noval, Martín Mateos y Ruiz Reina. 2013. Introducción a Redes Neuronales. Ciencias de la Computación
e Inteligencia Artificial, 1–53, https://www.cs.us.es/cursos/ia2/temas/tema–05.pdf
Banda Hugo. 2014. Inteligencia Artificial: Principios y aplicaciones. Sitio Web:
https://www.researchgate.net/publication/262487459_Inteligencia_Artificial_Principios_y_Aplicaciones
Castaño Julieth y Quea Carla. 2014. Estrategias para el proceso de selección de un gerente General para la compañía
Sunrise cargo S.A. – sucursal Medellín. septiembre, 2018.
http://repository.udem.edu.co/bitstream/handle/11407/1159/Estrategias%20para%20el%20proceso%20de%
20selecci%C3%B3n%20de%20un%20gerente%20general%20para%20la%20compa%C3%B1%C3%ADa
%20Sunrise%20Cargo%20S.A.%20%E2%80%93%20Sucursal%20Medell%C3%ADn.pdf?sequence=1&is
Allowed=y
Cazau Pablo. 2006. Introducción a la Investigación en Ciencias Sociales. Buenos Aires: Alcazaba.
https://alcazaba.unex.es/asg/400758/MATERIALES/INTRODUCCI%c3%93N%20A%20LA%20INVESTI
GACI%c3%93N%20EN%20CC.SS..pdf
De Soto Francia. 2006. La gestión de recursos humanos en las organizaciones de servicio. Laurus 12, núm ext. 2006,
10–27. Sitio Web: https://www.redalyc.org/pdf/761/76109902.pdf
Domínguez Mildred y Fernández Rafael. 2010. La dirección de recursos humanos y su incidencia en las mejoras
tecnológicas como componente estratégico y distintivo. Un análisis cuantitativo y cualitativo. En
Universidad y empresa 18, 11–49.
52
Downloaded
on
Sun
Sep
24
2023
at
23:14:45
UTC
11. REVISTA INTERNACIONAL DE TECNOLOGÍA, CONOCIMIENTO Y SOCIEDAD
Franco Iñaki. 2016. Los Procesos de Reclutamiento y Selección como determinantes del éxito organizativo: el caso
de “el Corte Inglés”. Tesis de pregrado en Administración y Dirección de Empresas, de Facultad de
Ciencias Económicas y Empresariales Universidad de León.
https://buleria.unileon.es/bitstream/handle/10612/5532/71525382M_GADE_JULIO16%20PDF.pdf?sequen
ce=1
Folch José. 2004. Dimensionamiento de la plantilla cuantitativa mediante el empleo de redes neuronales. Capital
Humano 182. Suplemento Selección de Personal. http://pdfs.wke.es/2/3/0/1/pd0000012301.pdf
Galindo Nohra. 2016. Inteligencia Artificial aplicada a las Organizaciones. Ensayo presentado como requisito para
optar por el título de Especialista en Alta Gerencia, de Universidad Militar Nueva Granada.
https://repository.unimilitar.edu.co/bitstream/10654/15965/1/GalindoRam%C3%ADrezNohraMay2016.pdf
Gómez Luis. 2011. Un espacio para la investigación documental. Revista Vanguardia Psicológica. Clínica Teórica y
Práctica 1, núm. 2. https://dialnet.unirioja.es/descarga/articulo/4815129.pdf
Gómez Mejía Luis, Balkin David y Cardy Roberto. 2008. Gestión de Recursos Humanos. España: Pearson
Educación. https://cucjonline.com/biblioteca/files/original/d7e0325bb6a6982056e13a3d70e015c7.PDF
Hernández Roberto, Fernández Carlos, y Baptista Pilar. 2006. Metodología de la investigación. México: McGraw–
Hill.
Matson Camilo. 2017. Redes Neuronales para Clasificación: Una aplicación al caso de Riesgos Laborales en
Colombia. para optar por el Título de Magister en Economía, Universidad Javeriana, Facultad de Ciencias
Económicas y Administrativas. https://repository.javeriana.edu.co/handle/10554/37845?show=full
Moore Phoebe. 2019. Inteligencia artificial en el entorno laboral. Desafíos para los trabajadores. El trabajo en la era
de los datos, Madrid: BBVA. https://www.bbvaopenmind.com/wp–content/uploads/2019/11/BBVA–
OpenMind–Phoebe–V–Moore–Inteligencia–artificial–en–entorno–laboral–Desafios–para–trabajadores.pdf
Nisbett Richard. 2018. Las entrevistas de trabajo deben cambiar.
https://business.linkedin.com/content/dam/me/business/es–mx/talent–solutions/resources/pdf/global–
recruiting–trends–2018–v02.28–es–lataam–final.pdf
Ponce Julio, Torres Aurora, Quezada Fátima, Sprock Antonio, Ubeimar Ember, Casali Ana, Scheihing Eliana, Túpac
Yván, Torres Ma. Dolores, Ornelas Francisco, Hernández José, Zavala Crispín, Vakhnia Nodari y Pedreño
Oswaldo. 2014. Inteligencia Artificial.
https://www.researchgate.net/publication/269466259_Inteligencia_Artificial
Piloto Ramón. 2017. Redes Neuronales Artificiales. Conceptos básicos y algunas aplicaciones en Energía.
https://www.researchgate.net/publication/317601698_Redes_Neuronales_Artificiales_Conceptos_basicos_y
_algunas_aplicaciones_en_Energia
Ruiz Manuel, Borboa María y Rodríguez Julio. 2013. El enfoque mixto de investigación en los estudios fiscales.
Tlatemoani, 13, 10–11. http://www.eumed.net/rev/tlatemoani/13/estudios–fiscales.pdf
Tapia Gonzalo y Glaría Antonio. enero–junio de 2015. Red neuronal artificial para detectar esfuerzo físico desde
planos de fase de onda de pulso. Revista Ingeniería Biomédica, 9, 21–34.
http://www.scielo.org.co/pdf/rinbi/v9n17/v9n17a02.pdf
Torres Surayne, Lugo José, Piñero Pedro, Torres Karina, Perdomo Aymé, Cuza Betsy y Aldana Miroslava. julio –
septiembre 2014. Técnicas formales y de inteligencia artificial para la gestión de recursos humanos en
proyectos informáticos. Revista Cubana de Ciencias Informáticas, 8, 2.
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2227–18992014000300004
Zamora Erik. 2015. Redes Neuronales Red Neuronal Monocapa – Hackeando Tec, Curso Redes Neuronales.
https://www.youtube.com/watch?v=14tU9B4ReII&index=1&list=PLIyIZGa1sAZo_eY8PpuTxfLsja_iyytS
E
SOBRE LOS AUTORES
Dra. Glendamira Serrano Franco: Profesor de Tiempo Completo, Ingeniería en Tecnologías de la Información y
Animación y Efectos Visuales, Universidad Politécnica Metropolitana de Hidalgo, Tolcayuca, Hidalgo, México
Dr. Luis Arturo Guerrero Azpeitia: Profesor de Tiempo Completo, Ingeniería en Tecnologías de la Información y
Animación y Efectos Visuales, Universidad Politécnica Metropolitana de Hidalgo, Tolcayuca, Hidalgo, México
53
Downloaded
on
Sun
Sep
24
2023
at
23:14:45
UTC
12. SERRANO ET AL.: REDES NEURONALES
Dr. Víctor Manuel Zamudio García: Director de Programa Educativo, Ingeniería en Tecnologías de la Información
y Animación y Efectos Visuales, Universidad Politécnica Metropolitana de Hidalgo, Tolcayuca, Hidalgo, México
Dr. Marco Antonio González Silva: Profesor de Asignatura, Ingeniería en Tecnologías de la Información,
Universidad Politécnica Metropolitana de Hidalgo, Tolcayuca, Hidalgo, México
54
Downloaded
on
Sun
Sep
24
2023
at
23:14:45
UTC
13. ISSN: 2474-588X
La Revista Internacional de Tecnología,
Conocimiento y Sociedad ofrece un espacio para el
diálogo y la publicación de teorías y prácticas
innovadoras que relacionan la tecnología, el
conocimiento y la sociedad. Su ámbito de
aplicación es interdisciplinar y proporciona un punto
de encuentro entre tecnólogos preocupados por los
asuntos sociales y sociólogos interesados en la
tecnología.
Dirigida a las personas interesadas en la dinámica
de las tecnologías sociales y su impacto social,
la revista se guía por los ideales de una sociedad
abierta en la que la tecnología se orienta a satisfacer
las necesidades humanas y servir los intereses
comunitarios. Examina la naturaleza de las nuevas
tecnologías, sus conexiones con la comunidad, su
uso como herramientas para el aprendizaje y su
lugar en una “sociedad del conocimiento”.
La perspectiva de los trabajos presentados
comprende desde los grandes análisis que abordan
preocupaciones globales y universales hasta los
casos de estudio pormenorizados que se ocupan
de las aplicaciones sociales de la tecnología a nivel
local.
Los artículos abarcan un terreno amplio, algunas
veces de orientación técnica y otras de
orientación social; unas veces adoptan una
perspectiva teórica y otras una aproximación
práctica; a veces reflejan un análisis objetivo y
desapasionado, y en otras ocasiones sugieren
estrategias para la acción.
La revista resulta de interés para académicos
pertenecientes a los campos de la informática, la
historia y filosofía de la ciencia, la sociología del
conocimiento, la sociología de la tecnología, la
innovación, la educación y las humanidades. La
participación está abierta a estudiantes,
investigadores, desarrolladores de tecnologías,
formadores, consultores tecnológicos, etc.
La Revista Internacional de Tecnología,
Conocimiento y Sociedad es una revista académica
sujeta a un proceso riguoso de revisión por pares. Downloaded
on
Sun
Sep
24
2023
at
23:14:45
UTC
