Trabajadores de la fabricación de automóviles, pilotos de aerolíneas de larga distancia, trabajadores del carbón, dependientes:muchos empleados se ven obligados a asumir el difícil y a veces angustioso desafío de encontrar rápidamente una nueva ocupación debido a los cambios tecnológicos y económicos, o crisis como la pandemia de COVID-19.

Para facilitar el proceso de transición laboral, y aumentar las posibilidades de éxito, Investigadores de la Universidad de Tecnología de Sydney (UTS) y UNSW Sydney han desarrollado un método basado en el aprendizaje automático que puede identificar y recomendar trabajos con conjuntos de habilidades subyacentes similares a la ocupación actual de alguien.

El sistema también puede responder en tiempo real a los cambios en la demanda laboral y proporcionar recomendaciones de las habilidades precisas necesarias para la transición a una nueva ocupación.

Desarrollado por el Dr. Nikolas Dawson y el Dr. Marian-Andrei Rizoiu del Instituto de Ciencia de Datos de UTS y la profesora Mary-Anne Williams, la Cátedra Michael J Crouch en Innovación en UNSW Business School, el sistema se basa en los hallazgos de su nuevo estudio, Recomendaciones basadas en habilidades para las trayectorias de transición laboral, publicado en la revista internacional MÁS UNO .

¿Cuáles son los beneficios de utilizar la inteligencia artificial para encontrar trabajo?

El Dr. Dawson dice que si bien el cambio en el lugar de trabajo es inevitable, si podemos hacer que el proceso de transición laboral sea más fácil y eficiente, Hay importantes beneficios de productividad y equidad no solo para las personas, pero también para empresas y gobierno.

"Puede ser una propuesta abrumadora cambiar a una nueva carrera, particularmente para aquellos que han estado en el mismo trabajo durante mucho tiempo. Las transiciones exitosas generalmente implican que los trabajadores aprovechen sus habilidades existentes, y adquiriendo nuevas habilidades, para satisfacer las demandas de la nueva ocupación, " él dijo.

El profesor Williams dice que el nuevo sistema de recomendación puede ayudar a reducir el estrés inevitable durante los momentos de pérdida del trabajo al reducir los costos de las transiciones laborales y brindar recomendaciones basadas en evidencia que satisfacen mejor las necesidades de las personas con conjuntos de habilidades específicas que a menudo trascienden su ocupación.

"Al centrarse en conjuntos de habilidades, en lugar de ocupaciones, este nuevo enfoque ayuda a los trabajadores, organizaciones y empresas, como los servicios de asesoría de reciclaje, descubren las nuevas habilidades que una persona necesitaría adquirir para obtener un nuevo trabajo en demanda y evaluar la inversión en capacitación asociada requerida, " ella dijo.

"Además, Las organizaciones pueden usar nuestra medida de similitud de habilidades para diseñar ocupaciones completamente nuevas o híbridas que aumenten la probabilidad de encontrar personas con las habilidades necesarias.

"En el mercado laboral actual que cambia rápidamente, la necesidad de mejorar continuamente las habilidades es un desafío para las personas y las organizaciones. Nuestro sistema de recomendación puede ayudar a las personas a aceptar el cambio diseñando de manera proactiva su viaje de aprendizaje permanente y a reaccionar a nuevas oportunidades laborales más emocionantes a medida que surjan determinando la siguiente mejor habilidad para adquirir ".

El Dr. Rizoiu agregó:"Si podemos avanzar hacia la contratación basada en habilidades, en lugar de definir una ocupación por su puesto de trabajo, luego podemos ayudar a las personas a identificar las habilidades específicas que tienen, o necesita desarrollar, para encontrar un trabajo productivo y significativo ".

¿Cómo se creó el método de búsqueda de empleo?

Los investigadores utilizaron datos valiosos de Burning Glass Technologies, una empresa de software de análisis que proporciona información en tiempo real sobre puestos de trabajo y tendencias del mercado laboral, para examinar y analizar los conjuntos de habilidades subyacentes de más de 8 millones de trabajos anunciados en Australia entre 2012 y 2020.

Luego compararon las predicciones de transición laboral con datos del hogar, Encuesta sobre la dinámica laboral y de la renta en Australia (HILDA), que rastrea a los participantes a lo largo de sus vidas, para validar estas predicciones con casi 3000 ejemplos de la vida real.

El sistema de recomendación de trabajos predijo con precisión las probabilidades de transición laboral y también pudo mostrar si es más fácil moverse en una dirección que en otra.

Los educadores pueden aprovechar los métodos desarrollados en el estudio, gobierno y negocios, potencialmente con datos de la Oficina de Estadísticas de Australia, para apoyar a las industrias y sectores que atraviesan una gran conmoción a la transición de los trabajadores a gran escala.

Como parte del estudio, los investigadores también construyeron un indicador de alerta temprana de tecnologías emergentes (como la inteligencia artificial) que tienen el potencial de alterar los mercados laborales. Esta información podría permitir a los responsables políticos y las empresas prepararse mejor para futuros cambios estructurales.

El Dr. Dawson realizó el estudio como parte de su Ph.D. en economía computacional en la UTS con el profesor Williams y el Dr. Rizoiu. Ahora trabaja como científico de datos senior en FutureFit AI, una empresa que se asocia con la industria y el gobierno para proporcionar una herramienta impulsada por IA para ayudar a los trabajadores a navegar por las transiciones profesionales.

"Si miras hacia atrás en la historia, casi nunca es el caso de que haya menos trabajos debido a la automatización, sino que se crean nuevos puestos de trabajo al mismo tiempo que desaparecen los antiguos. Por lo tanto, es fundamental que las personas tengan la capacidad de desarrollar las habilidades necesarias y realizar la transición sin problemas a estos nuevos trabajos. "Dijo el Dr. Dawson.

"La capacidad de realizar micro-credenciales en áreas de habilidades específicas, personalizado para el individuo, probablemente será una parte clave de este futuro ".