IA generativa para reclutadores y profesionales de RR.HH. (práctica y actualizada, 2026)

1. Descripción general del curso: Hola, chicos. Bienvenido a mi clase de IA genitiva para reclutadores y profesionales de RRHH. Mi nombre es TamoiKumadas. Solo para darte una experiencia sobre mí, soy un ex empleado de Google con 16 años de experiencia en publicidad paga, y llevo más de diez años enseñando publicidad paga , y enseño a muchos jóvenes profesionales, emprendedores y expertos que quieren entrar en este campo. Quería aprovechar esta oportunidad para hacerles saber lo que vamos a aprender en esta clase. Entonces vamos a ver cómo podemos usar la IA generativa en los procesos de RRHH Comenzando por comprender las indicaciones, comprender diferentes perspectivas con IA generativa, cómo podemos usar eficazmente IA generativa para la comunicación También cómo las experiencias de los empleados más personalizadas pueden suceder con la IA generativa Veremos cómo usar la IA generativa para ayudar en contratación de la evaluación de candidatos y la preparación de entrevistas También te mostraré cómo usar la IA generativa para adquisición de talento en el abordaje y la selección de candidatos más inteligente También hablaremos de consideraciones legales en IA para RRHH. Espero que al final de esta clase, entiendas cómo podemos integrar fácilmente tecnologías de IA, herramientas de IA en nuestro trabajo diario de RRHH. Gracias una vez más, chicos, por tomar esta clase, y estoy muy emocionada de verlos dentro de la clase. 2. ¿Qué son los modelos de lenguaje grande?: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, hemos querido entender cuáles son los modelos de lenguaje de gran tamaño. Entonces esto va a la base de estas herramientas de IA que vamos a ver hoy. Entonces, los LLM o los modelos de lenguaje grande son básicamente sistemas avanzados de IA diseñados para comprender, generar y razonar con el lenguaje humano Entonces esto va a investigar una cantidad masiva de datos de texto. Se les capacita sobre estos datos en particular, que pueden ser libros, artículos, sitios web, código, y mucho más. Y son capaces de predecir y generar lenguaje en un humano como. Entonces esa es la idea de base de LLM. La parte más llamativa de esta programación en particular en este tipo de programación de lenguaje es que es capaz de predecir la siguiente palabra o token en base a las palabras anteriores o proms que proporcionaste Va a mirar el prompt que has dado y va a mirar todos los proms históricos que son proporcionados por ti y en base a los cuales va a predecir la siguiente palabra para ello y te proporcionará la salida basada en eso Ahora van a aprender patrones en las lenguas en términos de gramática, significado, contexto, que se les ha dado formación, y en base a la cual se generan las salidas. Ahora, utilizan una arquitectura de aprendizaje profundo llamada transformer y basada en la cual se construyen estos modelos, y son capaces de dar respuestas adecuadas en base a ella. Ahora bien, otra cosa que va a ser el caso es que también contienen millones a trillones de parámetros basados en los cuales también mantienen eso en factor cuando están dando estas respuestas o en base a los prompts que hemos proporcionado Ahora, una pieza llamativa sobre estos modelos LLM, que verás es que las salidas también pueden ser aleatorias Puede que no sea el caso de que obtenga la misma salida para el mismo mensaje que está proporcionando. Tratemos de entender lo que estamos tratando de decir aquí. Como por ejemplo, si solo digo que Mary tenía un poco. Entonces sabemos a dónde vamos con esto. Entonces, si acabo de ingresar esto como un prompt, me va a dar una respuesta adecuada basada en las interacciones anteriores, los datos en los que se ha entrenado, para que conozca la salida correcta que tiene que dar. Del mismo modo, si digo algo así. Sabemos cuál sería la siguiente línea aquí. Entonces va a mirar eso mientras es un azul, el azúcar es dulce, y así. Esto es algo de lo que ya estamos conscientes y la herramienta también está entrenada y por ello, nos está dando la misma salida. Pero ahora ves si digo, de nuevo, si doy el mismo prompt, está dando un poco de salida diferente. Hagámoslo otra vez. Para que puedan ver, nos va a dar varias salidas diferentes para el mismo prompt que estamos brindando. Entonces el punto es esto que los modelos de lenguaje grandes se entrenan en gran cantidad de datos con respecto a hat GPT, específicamente, se capacita hasta datos de 2021 Y de manera similar, hay otros modelos de lenguaje que son mucho más nuevos en esa moda, como Claude también está ahí y copiloto, también Entonces en base a cual, van a Google Gemini también. Por lo que se les va a capacitar sobre los datos de todos ellos provenientes de Internet donde se proporcionan todos estos datos. Y en base a lo que va a predecir va a predecir la siguiente palabra en base los tokens o palabras en las que se ha ingresado dadas del Espero que esto tenga sentido. Espero que entiendas los conceptos básicos de cómo funcionan básicamente los modelos de lenguaje grandes, que es lo que vamos a usar mucho en este curso en particular. 3. Aleatoriedad en la salida: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión, hemos querido entender la aleatoriedad en la salida que obtenemos de estas herramientas de IA Entonces necesitamos entender el hecho que con las herramientas de IA como Chat GPT, las respuestas, lo que obtendrá de la herramienta no será lo mismo todo el tiempo Y vimos esto también en la sección anterior que la salida va a ser diferente todo el tiempo, y así es como que la salida va a ser diferente todo el tiempo, y así va a ser diferente todo el tiempo, se ha capacitado a la herramienta para dar respuestas para. La intención de todo esto es que queramos probar y ver diferentes tipos de respuestas. Entonces así es como se ha construido y entrenado la herramienta y se le han dado datos. Y es por eso que cada vez que veas las respuestas van a ser muy diferentes entre sí. Ahora bien, así es como va a operar, y tenemos que aceptarlo de alguna manera y convivir con eso y trabajar solo por eso. Ese es el estado actual de estos modelos o herramientas LLM que tenemos donde la salida va a ser diferente entre sí Se pueden constreñir dentro de una sección específica de respuestas que estamos recibiendo, pero no serán idénticas. Las respuestas siempre serán un poco diferentes entre sí y neu respuestas estarán ahí porque eso es lo que queremos ver con las herramientas de IA, la intención es siempre que queremos ver respuestas únicas, algo en lo que nunca hemos pensado, y eso es lo que se ha arraigo en las herramientas, y es por eso que las salidas siempre son aleatorias Entonces solo para darte un ejemplo sencillo de cómo va a ser esto, digamos, si le doy un prompt a Chat GPT donde digo que cuántas aves hay afuera de mi casa Ahora bien, esta es una pregunta muy abierta que estoy haciendo sin dar mucha información. Esto me va a dar un tipo de respuesta donde obviamente está diciendo que no tengo manera de ver fuera de tu casa. Bien, si quieres hacer una estimación rápida, me está dando algunos pasos ciertos que buscan y cuentan método, método sonido, método de foto. Hay varias formas en que me está ayudando a contar y a encontrar la solución yo mismo. Entonces esa es una solución, una respuesta que está dando. Ahora bien, si vuelvo a dar el mismo aviso , de nuevo, es ante todo, aceptando que puede hacerlo. Pero si quieres el número, tendrás que mirar, escuchar o compartir una foto. Otro tipo de salida. El primero fueron los pasos dados para averiguarme a mí mismo. El segundo es que puedo compartir mirar y escuchar o compartir un video o un pie. De la misma manera. Ahora bien, si vuelve a dar el mismo aviso, va a admitir que no puede hacerlo, y ahora mismo se desconoce el número de palabras afuera. Es solo darme la respuesta que desconocida, no se sabe hasta que la investigo y me lo muestro. Bien. Entonces así es como van a ser las respuestas donde las salidas van a ser aleatorias para los mismos prompts que damos Ahora bien, esto no es un problema técnico. Es la forma en que la herramienta ha sido construida y entrenada para estas aleatoriedades. Ahora, también hay un pro y una estafa para esto. Entonces, cuando estamos tratando de entender las cosas y estamos tratando de construir algo, y esa vez, esta aleatoriedad o diferentes tipos de respuestas realmente son útiles porque entonces porque estamos ejecutando nuestras ideas y queremos ver algo diferente, así que posiblemente eso pueda ser realmente útil Si estamos en una situación que se trata de un trabajo de investigación y quieres respuestas o soluciones específicas para hacer ese trabajo de investigación, entonces esta salida aleatoria podría no ser muy útil, ¿de acuerdo? Lo único que la herramienta puede hacer posiblemente es mantenerse dentro del ámbito de ese tema en particular y darte respuestas. No va a ser arbitra respuestas realmente vagas, sino que va a permanecer dentro ese dominio y darte respuestas dentro de ese Así es como tenemos que empezar a aceptar que la herramienta se va a comportar y trabajar con ella a nuestro favor. 4. ¿Qué es un indicador?: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, hemos querido entender los fundamentos de lo que es un prompt específico. Entonces, cuando hablamos de ingeniería rápida, ¿ a qué nos referimos realmente como pronto por aquí? Entonces, si nos fijamos en el prompt es ante todo un llamado a la acción, se puede decir, que le damos a estos grandes modelos de lenguaje, ¿verdad? Entonces con esto, estamos pidiendo al modelo que empiece a funcionar y nos proporcione algún tipo de salida. Entonces eso es a lo que nos referimos como un prompt donde nos metemos en la acción del mismo para averiguar algunas respuestas desde la herramienta Y eso es lo que queremos decir con un prompt. Ahora bien, si sigues adelante y la misma pregunta a Chat GPT también, te va a dar una respuesta similar sobre prompt también Entonces aquí, como pueden ver, nos estamos preguntando ¿qué significa la palabra prompt? Entonces nos está diciendo que se puede considerar como un sustantivo. Un prompt es algo que pedir fomenta o desencadena una respuesta o acción. ¿Correcto? También me pueden considerar como verbo. Por lo que es conseguir reacción a medios rápidos para causar o animar a alguien a hacer algo. Entonces le estamos pidiendo al modelo LLM que haga algo, averiguando alguna información, proporcionando una solución, para que pueda funcionar como un verbo también Y entonces puede ser un adjetivo también donde pronta significa rápido o hecho sin demora Entonces queremos que la respuesta venga enseguida, ¿no? Entonces queremos que averigüe una solución, brinde la solución ahora mismo. Bien. Así es como estamos viendo pronto. Ahora bien, puede ser un escenario en el que algunas de las respuestas también pueden ser retrasadas. Podemos dar algunos antecedentes a los modelos LLM para que se comporten de cierta manera y luego proporcionar esas respuestas Por lo que las respuestas pueden retrasarse en función los antecedentes o los detalles que hemos proporcionado en la primera vez. Entonces de ahí es de donde venimos y entendemos el trasfondo de las indicaciones, ¿de acuerdo? Y cómo es tan crucial en nuestra pronta ingeniería en el uso estos modelos de IA o modelos LM y herramientas de IA. 5. Intuición detrás de las indicaciones: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queremos discutir sobre la intuición detrás de los prompts Entonces, cuando empiezas a dar las indicaciones a los modelos LM o a la herramienta, la intuición o el patrón desde el que intentas acceder hace mucha diferencia Entonces, dependiendo de qué aviso estés dando y qué tipo de referencias tenga la herramienta fuera de los datos pasados hace mucha diferencia. Entonces, sea cual sea el prompt que le des a todas y cada una de las palabras, ya sea que haya si era común y tiene mucho patrón en el pasado o no, hará mucha diferencia en el tipo de salida que vas a sacar aquí. Entonces hace mucha diferencia que la intuición detrás del prompt sea muy clara, y eso va a definir el tipo de respuesta que vas a obtener de esos prompts Para darte un ejemplo sencillo de lo que queremos decir con esto. Entonces digamos que doy un sencillo prompt para tener GPT, donde digo para completar esta historia, que es María Tenía un poco Ahora bien, esta frase en particular Mary Little es un patrón que es bien conocido, que es bien conocido, y posiblemente a través de Internet, hay una enorme cantidad de contenido alrededor de María tenía un corderito y todo el poema está ahí. Entonces hay muchas referencias y en las que se ha capacitado a la herramienta. Entonces ya tiene muchos datos al respecto. Y por lo cual, te va a dar respuestas de la misma manera porque esos puntos de datos se ha entrenado, está encajado en él, para que pueda recuperar esos datos y darte alguna información al respecto. Por lo que esto va a ser muy específico esos datos en los que se ha entrenado. Así se puede ver que este patrón es extremadamente común común y bien conocido y repetitivo en todos los ámbitos Mientras que si doy un aviso particular, que es completo el cuento, una niña llamada María tenía un microscópico Ahora bien, cuando hago esto, cuando agrego microscópico, esto se vuelve muy específico Posiblemente el número de patrones alrededor de esto, la herramienta no está entrenada en. La herramienta no está entrenada, no tiene esas tantas referencias de la misma. Una chica llamada Mary es genérica, posiblemente tenga muchas referencias para eso, pero microscópico será algo que es muy específico En este caso ahora, como no tiene tales referencias, va a construir sobre eso y tratar de generar la siguiente palabra. A medida que se entrena la herramienta, va a mirar la palabra y crear una historia alrededor. Como puedes ver aquí. Así es como queremos asegurarnos cada vez que estamos dando algún aviso a estas herramientas de IA, ¿cuál es el patrón ¿Hay algún patrón en el prompt que estás dando? ¿El patrón es bien conocido o muy específico? Eso va a definir el tipo de salida que vas a sacar de la herramienta. Entonces, tener esto en mente hace mucha diferencia porque así es como podrás personalizar la herramienta para dar respuestas de acuerdo a tu requerimiento. Si se trata de un escenario específico en el que desea una solución específica, entonces necesitamos dar indicaciones donde el patrón es bien conocido y estamos buscando una salida deseada Pero si estamos trabajando en un proyecto en particular donde queremos mirar lo que es posible, cuáles son las posibilidades y hay cosas nuevas con las que queremos experimentar, entonces tal vez el patrón que queremos seguir sea muy específico. Podemos dar algunas palabras raras, palabras únicas como estas, que no tienen muchas referencias del pasado, y la herramienta solo puede aportar nuevas ideas en torno a eso. Espero que esto tenga sentido. Espero que entiendas cómo debemos mirar las indicaciones y la intuición que hay detrás de ellas y cómo debemos elegir nuestras palabras que puedan definir los resultados que sacamos de 6. Todos pueden programar con indicaciones: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queríamos entender que con Chat JBT ahora, todos pueden seguir adelante y programar con prompts Lo que queremos decir con esto es que puedes entrenar la herramienta para dar respuesta según tu requerimiento. Ahora bien, esto puede ser realmente útil y así es como se puede decir que funciona un asistente ideal. donde das cierta formación específica y quieres un cierto tipo una salida de tu asistente y en base a la cual te va a dar esas respuestas. Así que ahora todo el mundo puede simplemente dar esas indicaciones para programar Chat GPT, o cualquier otra herramienta de IA para dar respuestas según sus requisitos Para ver esto prácticamente, lo que queremos decir con esto es. Digamos que estoy dando una primera, estoy configurando algunas expectativas con la herramienta en la que, estoy diciendo que cada vez que generes salida, la conviertas en una lista de valores separados por comas Ese es un ajuste de expectativas que he hecho, lo que reconoce, y ahora estoy dando mi punto de datos. Donde estoy diciendo que mi nombre es Tami Das y estoy impartiendo un curso de IA generativa para profesionales de RRHH Entonces ahora que puse esta expectativa antes, me está dando la respuesta de esa manera particular. Entonces ahora cuando me da esto, quiero retocar esto Quiero cambiar esto y darle más reglas a la herramienta Cha GBT para que se capacite Entonces estoy diciendo que a partir de ahora, las columnas de la lista de valores separados por comas deben ser nombre, curso, y rol, otra expectativa de ajuste Entonces esto también lo va a tener en cuenta, y luego me va a dar la salida. Entonces automáticamente me da. Entonces no lo hace la gran parte de esto es que no tengo que proporcionar el punto de datos una vez más. Ya lo ha tomado en consideración, y ahora de inmediato salta a la salida, que es toma las columnas particulares como nombre, curso, y rollo, y me da esa y ahora de inmediato salta a la salida, que es toma las columnas particulares como nombre, curso, y rollo, y me da esa salida correctamente. Entonces esto es realmente genial. Se está programando. La herramienta se está programando o entrenando sobre las diferentes reglas o expectativas que estás estableciendo con ella. Además, nuevamente haciendo algunos cambios donde estoy diciendo que además de lo que escriba, generar ejemplos adicionales que se ajusten generar ejemplos adicionales que al formato de DCS felist Ahora, de nuevo, no necesito dar ejemplos yo mismo. Se trata de crear automáticamente esos ejemplos en ese mismo formato. En ese mismo formato que estoy aportando aquí. Entonces ahora ves siguiendo todos estos pasos, ahora hemos programado la herramienta Chat GPT para dar respuesta de cierta manera Ahora bien, cuando doy un simple prompt como este, enseguida me da la salida de esta manera particular porque a estas alturas, ya está entrenado , ya está Sabe que tiene que considerar estas tres columnas. Tiene que proporcionar la primera salida, luego dar ejemplos adicionales también. Entonces todo eso entra en conjunto de una sola vez. Entonces entiendes cómo va a funcionar la herramienta, en donde si quieres un tipo específico de respuesta o salida para tu negocio, para tu trabajo, la herramienta se puede programar. Cualquiera puede programar la herramienta según sus requisitos estableciendo estas expectativas, dando estas reglas, y luego comienza su trabajo, da sus indicaciones y obtiene los resultados deseados 7. Patrones indicativos: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, hablaremos sobre los patrones prontas. Entonces entendemos ahora que cuando estamos dando un prompt a modelos LLM como CHAPT, el patrón que usamos en él hace mucha diferencia en el tipo de salida que obtenemos de Entonces, si estamos buscando un tipo específico de salida, entonces tenemos que asegurarnos de que el patrón de la elección de las palabras tenga que ser específico en ese orden particular. Entonces eso va a controlar el tipo de respuesta que vas a obtener de los modelos LM, las salidas que esperas de ella. Esto se vuelve crucial en cualquier tipo de tarea o trabajo que vayas a hacer y estás usando los modelos LLM o las herramientas específicamente para un objetivo específico Conocer los patrones correctamente va a ser crucial cuando estés usando estas herramientas. Sólo por un ejemplo, digamos, cuando estoy dando un prompt algo como Mary tenía un poco sabemos que tenemos una salida específica cual estamos esperando fuera de la herramienta. Ahí es cuando obtenemos esta salida que estás buscando. Se hace muy evidente que para obtener una salida, que es la siguiente línea, es freeze era blanco como la nieve, tengo que asegurarme de que mi patrón prompt esté en ese formato en particular. Porque si voy a dar alguna otra salida en particular, posiblemente, lo más probable es que la salida pueda ser un poco diferente. Como en este caso, lo estoy volviendo a dar por aquí, así que nos está dando la misma salida. Por lo tanto, debe asegurarse de que los patrones que estamos eligiendo la elección de las palabras que estamos teniendo en un prompt sean muy cruciales y específicos y u al punto para que dé la salida correcta que estamos buscando. Por eso en el futuro, lo que vamos a ver diferentes tipos de patrones en este curso, que te va a dar salidas de cierta manera. Espero que esto tenga sentido. Espero que entiendas ahora la criticidad y la importancia de tener esos patrones específicos en nuestros prompts que damos a estas herramientas 8. Cómo introducir información nueva en el modelo de lenguaje grande: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, entenderemos otro enfoque que puedes usar con estos modelos LLM, que va a estar introduciendo nueva información a ellos. Lo que va a pasar es que gran parte de la información que se le ha proporcionado se ha proporcionado a una fecha y hora determinada, ¿verdad? Entonces ahora por lo cual tiene mucha información en la que se entrena, pero no podemos decir que es una información completa que tienen. Por lo que puede haber mucha información de la que no están al tanto. Entonces la gran parte es que cuando estás usando estas herramientas, podemos agregar esa información. Podemos presentarles esa nueva información, y la herramienta automáticamente lo tomará en consideración al momento de dar salida. Entonces esto va a ser realmente poderoso porque entonces puedes usarlo en varios formatos. Entonces, por ejemplo, si lo estás trabajando para tu negocio, así podrás dar antecedentes sobre tu negocio. Puedes decir cuántos empleados tienes, qué tipo de productos vendes, cuáles son tus productos ganadores y perdedores. Puedes dar mucha información y luego pedirte que des tu estado de cuenta del problema. Por lo que tomará en consideración esa información que has dado a la hora de dar solución de Yoga. De igual manera, puede proporcionar informes, puede proporcionar análisis de datos. Puedes proporcionar encuestas del pasado. Puedes dar información sobre el comportamiento de tu cliente. Puede haber mucha información que puede dar desde su extremo hasta la herramienta y luego va a tomarla en consideración y brindarle la salida según su requerimiento. Darle un ejemplo práctico de lo que nos estamos refiriendo aquí. Digamos que le doy un prompt, solo un prompt que dice, volviendo al ejemplo anterior que ¿cuántas aves hay afuera de mi casa? Ahora, la herramienta prácticamente no puede darnos una salida para esto. Entonces nos está dando una respuesta corta, que es que no tengo idea, es temprano en la mañana y dándome un ala básica, no tiene suficiente información para darnos una respuesta para esto. Ahora lo que estoy haciendo es darle algunos puntos de datos. Digamos que estoy diciendo que la observación histórica de aves promedio fuera de mi casa ha sido enero fue 120, febrero, 150, y así sucesivamente y así sucesivamente. Le he dado algunos datos. Entonces va a tomar eso en consideración y ahora se viene con la salida que, ya que estamos en enero, entonces va a estar alrededor de 120. Entonces ahora por esta información que usted le ha proporcionado, ha recogido y dándonos una solución de salida para eso. Ahora bien, si construyo sobre esto, digamos que construyo sobre esto y doy más información, digamos, mi casa está cubierta por una cúpula de cristal. Ahora los animales pueden entrar y salir. Todos los animales viven para siempre dentro de la cúpula de cristal, y luego doy la pregunta. Por lo que va a tomar eso en consideración de nuevo. Entonces puedes ver que dice, esto lo convierte en un problema lógico, no en un problema predecible. Bien. Reafirmemos aquí las limitaciones La casa está bajo cúpula de vidrio sellado, ¿de acuerdo? Entonces así, va a tomar en consideración la información adicional para crear una solución personalizada o una respuesta para su pronta Entonces la idea es que a partir de aquí, lo que necesitamos entender es cuando estás usando la herramienta, puedas proporcionar tu información que tienes en su lugar. Y como documento de respaldo como recurso de apoyo, que puede referirse, y luego con la ayuda del mismo, le brindará los resultados deseados. Espero que esto tenga sentido. Espero que entiendas la estrategia, cómo puedes usar la herramienta de una manera muy efectiva al proporcionar toda esta información adicional de tu lado. 9. Limitaciones de tamaño por instrucciones: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queremos platicar sobre las rápidas limitaciones de tamaño. Entonces, según entendemos, las herramientas de IA se están desarrollando a lo largo de un período de tiempo, por lo que las limitaciones de tamaño rápido también están aumentando. No van a ser los anteriores como 3.5, 4.1 con versiones AGBT En este momento estamos sentados en Tra GBD 5.2. Por lo que estas limitaciones de tamaño rápido también han aumentado. No obstante, teniendo esto en cuenta, todavía no tiene sentido que vayamos a volcar toda la información posible a Chat GPT y solo pedirle que analice y presente soluciones Entonces solo para darte un trasfondo sobre cómo ha cambiado a lo largo de un periodo de tiempo. Por lo que actualmente, si ves cuándo comenzó GPT 3.5, tenía aproximadamente 16,000 tokens que podría tomar en consideración Y luego una vez que GPT cuatro entran en la imagen cuatro oh, estos números aumentaron ¿Verdad? Entonces, a lo largo de un periodo de tiempo, esto se ha vuelto mucho mejor. Entonces, cuando miramos específicamente con respecto a, digamos, los actuales, que tenemos, GPT 5.2 también tiene un límite de tamaño de prompt específico, que es muy alto, que es aproximadamente 400 K tokens que podemos dar, lo que básicamente significa que se pueden pegar documentos muy largos, que pueden ser libros enteros, bases de códigos grandes, contratos legales largos, todos estos pueden poner en fácilmente sin romperlos. Entonces así van a funcionar las fichas, los límites particulares, el tamaño del baile de graduación. Dicho esto, la idea, la forma correcta de hacerlo va a ser si tienes un documento enorme que quieres que TragPT siga adelante y analice y te dé soluciones para una mejor manera de hacerlo en lugar de volcar todo el documento en la herramienta va a estar recogiendo las secciones específicas del documento Recogiendo las secciones específicas de un documento y dárselo a Cha GPT para resumir para sacar a relucir la esencia del mismo o ponerlo en diferentes punteros, encontrando una solución Entonces de esa manera, podrás hacer uso de la herramienta de una manera mucho más efectiva. Entonces lo que puedes hacer es, digamos que tienes un documento de 1,000 word, puedes escoger segmentos específicos. Digamos que hay cinco segmentos de ese documento, puedes elegir uno por uno y puedes pedirle a Cha JPT resuma y luego tendrás cinco resúmenes diferentes del mismo, cuales podrás armar de manera concisa, nuevamente con la ayuda de Cha GPT, y luego podrás usar eso para Entonces ese será el enfoque correcto que deberías usar cuando estés tratando con una gran cantidad de datos y quieres que Cha GBT los analice Entonces el punto básico este que si tienes una gran cantidad de datos, puedes averiguar cuál es la parte más importante de esos datos en particular, lo que te va a dar la salida correcta. Entonces tienes una tarea específica que completar para hacer esa tarea en particular. Qué aspecto de ese documento es el más crucial que sólo usted puede proporcionar a CHAGPT para analizar y sacar la solución de él Espero que esto tenga sentido. realmente te va a ayudar porque entonces lo que va a pasar es que estás usando la herramienta de una manera muy efectiva, yendo al quid de la misma y entendiendo cuál es el área principal y qué información específica es más valiosa para HAGPT para obtener las respuestas correctas. 10. Las indicaciones son una herramienta para el uso repetido: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queremos hablar sobre cómo se deben utilizar los prompts cuando estamos usando estas herramientas de IA, específicamente los modelos LLM Entonces la idea es, siempre que estemos dando alguna indicación, no debería darse el caso de que la idea sea que demos una consulta específica y obtengamos una respuesta de ella, y eso es todo ¿Bien? La intención del uso de estas herramientas de IA es que necesitamos construir una conversación en torno a ellas. Profundizamos en hacer múltiples preguntas y obtener respuestas de ellas. Y en base a esas respuestas, nuevamente, profundizamos aún más. Y hacer otras preguntas relacionadas. Entonces así es como podrás obtener la respuesta adecuada de las herramientas de IA. Ahora bien, si sigues adelante y lo tratas de la manera en que solo vamos a preguntar, esperamos que hagamos una consulta en particular y obtendremos toda la información necesaria, eso no va a suceder. Entonces tenemos que asegurarnos de que esta particular la forma de tratar la herramienta de IA va a ser que va a hacer un refinamiento, el refinamiento de la información Entonces, cuantas más preguntas específicas le hagas a la herramienta de IA, más respuestas refinadas obtendrás de ella, y te llevará a acercarte a tu solución. Entonces la intención es que necesitamos tener una conversación. Entonces, cuando tienes conversaciones que comprenden múltiples indicaciones con las herramientas de IA, las respuestas se vuelven cada vez mejores lo largo del período de tiempo, y obtienes los resultados deseados Para darte un ejemplo específico de cómo va a ser esto, así que digamos que ahora mismo estoy dando un prompt que quiero construir una estrategia de marketing digital para un negocio online donde vendemos productos digitales. ¿Cómo puede ayudarme Chat GPT con eso? Entonces me va a dar toda la estrategia de negocio por aquí, el objetivo de negocio, claridad, Bien, definición de público objetivo, Bien, estrategia basada en embudo, lo que queremos hacer, estrategia de tráfico, todo lo que se da específicamente. Entonces ahora, de nuevo en esto, profundizo aún más en donde luego pido que estemos vendiendo específicamente, digamos, revistas, planificadores, libros de bajo contenido, sin contenido Entonces, qué estrategia debemos priorizar de todo esto Entonces entonces va un poco específico que tenemos que apuntar en el que tenemos que apuntar digamos que la prioridad debe ser el mercado primero, estrategia que necesitamos construir, en donde la ponemos en Amazon, hacemos segunda prioridad pueden ser anuncios pagados o tráfico pagado. En tercer lugar puede ser la marca y el sitio web. Entonces ahora, nos da toda la información relacionada con eso específicamente, y luego además hacemos una pregunta específica en donde dijimos, qué plataformas deberían ser perfume, que debemos perseguir primero, ya sea Amazon o cualquier otra plataforma para construir este negocio en línea de productos digitales. Por lo que nos da la información específica de que no necesitamos hacer ambas cosas juntos. Simplemente podemos comenzar con Amazon KDP, Amazon específicamente y configurar ese negocio primero y luego expandirnos a otras plataformas Entonces ya ves, lo que está pasando es cuando empezamos con la primera consulta en este caso en particular, era una consulta de extremo muy abierto. Queríamos una estrategia de marketing digital específicamente. Pero entonces lo que hicimos fue subconjuntos que nos desviamos, lo dirigimos hacia una situación concreta que qué plataformas van a ser útiles Bien, qué tipo de nosotros dimos el tipo de productos, que serán mucho más beneficiosos para el negocio. Entonces ahora estamos tomando alguna dirección. Estamos obteniendo alguna salida en el sentido de que ¿cuál debería ser nuestra prioridad? qué debemos enfocarnos primero, y luego pasar a otras cosas. Entonces este es el poder de tener una conversación con la herramienta de IA, haciéndole múltiples preguntas, múltiples iteraciones que están sucediendo Y a través de eso, vas a obtener la respuesta correcta, lo cual sería realmente útil para tu trabajo. Así que asegúrate siempre que estés usando las herramientas de IA, no la trates como una consulta unidirectiva, que es una solución que quieres obtener, sino más bien dale múltiples iteraciones de preguntas de respuesta, conversación que estás teniendo, que te dará resultados mucho mejores 11. Indicaciones fundamentales: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, hemos querido entender el concepto de indicaciones raíz que tienen estos modelos de IA Entonces, por lo general, lo que va a pasar es que tendrán algunas indicaciones básicas de root back end que se están ajustando en ellas, lo que establece las reglas básicas en torno a cómo van a entrar las salidas Por lo tanto, también tiene sentido para nosotros identificar y establecer estas reglas básicas para obtener un tipo específico de respuesta de. Entonces puedes usar la herramienta neumática de tal manera donde puedas entrenarla para tener estas reglas básicas teniendo en cuenta cada vez que estén dando algún tipo de salida. Tal vez perteneces a una industria específica y requieres respuestas personalizadas a esa industria. Para que puedas alimentar esa información en la herramienta para que tenga en cuenta todo el tiempo siempre que esté dando algún tipo de respuesta. Así que esto realmente ayuda a personalizar las soluciones según sus requerimientos, y hay mayores posibilidades de llegar a la solución mucho más rápido. Entonces solo para darte un ejemplo práctico de lo que nos estamos refiriendo, digamos que tomamos un ejemplo donde estamos estableciendo la regla básica con la herramienta de IA donde decimos que eres mi asistente personal. Siempre que proporcione salida, por favor asegúrese de que está dando las recomendaciones más eficientes en el tiempo, solo recomiende cosas que me ahorren tiempo. No sugieras cosas que no ahorren tiempo. ¿Bien? Entonces estas son mis expectativas, y se puede ver que dice actualizado ahorrado ingresos, memoria. ¿Bien? Entonces lo que está haciendo es en el back end, está haciendo que se guarde en la sección de memoria que así es como deberían salir las respuestas en el futuro. Entonces ahora tomemos un ejemplo. Yo digo que tengo que ir de compras de abarrotes. ¿Qué sugerirías que haga para comprar mis abarrotes? Si ves cada respuesta que va a dar ahora será con esa regla básica en particular en mente, ¿de acuerdo? Al igual que la opción más rápida, ordena en línea y entrega a domicilio. Ahorra tiempo, ¿de acuerdo? Reordenar artículos pasados, dos a 5 minutos en total, tardará Así que no hay viajes, no hay señales. Entonces nuevamente, refiriéndose al mismo punto que nos va a ahorrar mucho tiempo. Bien. Si debes ir físicamente, mínimo tiempo requerido, puedes abrir una app de Notes, hacer una lista estricta que quieres comprar. Así que no hay otras cosas que estés comprando. Acude a la tienda más cercana, no a la más barata. Bien, te ahorra mucho tiempo. Recoge artículos para recoger en un solo pase, ¿verdad? Tu auto checkout o tarjeta, UPI te ahorra tiempo, vete inmediatamente Así que ya ves que las respuestas van a atender en torno a esa única expectativa que he establecido con la herramienta. De igual manera, digamos otro escenario, necesito comprar un auto nuevo. ¿Qué sugieres que haga? ¿Bien? Entonces en esto también, se va a tener eso en mente, lista corta solo dos autos. ¿Bien? Un agregador, que puedes filtrar por presupuesto , tipo de cuerpo y punto completo en dos opciones Yo es igual a tiempo perdido. ¿Bien? Así que sigue refiriéndonos al punto de que necesitamos ahorrar el tiempo tanto como podamos en cada respuesta. Bloquear el presupuesto y EMI. Para que pueda ver que las respuestas ahora van a ser completamente personalizadas en torno a esa expectativa establecida. Por lo que configurar estos proms raíz de antemano, antes de usar las herramientas de IA ayuda mucho a obtener soluciones mucho más personalizadas a nuestras consultas, lo que va a resolver efectivamente muchos problemas mucho más rápido 12. Grupos de enfoque virtuales para empleados con Personas: Hola, chicos. Bienvenidos a esta sesión. En esta sesión veremos cómo podemos hacer uso de la herramienta de IA para entender perspectiva de diferentes personas. Entonces digamos que queremos construir un grupo focal virtual de empleados con personas por una razón específica. Entonces esto puede ser realmente útil porque en este momento lo que está sucediendo es con la ayuda de la IA, posiblemente, solo puedes usarla desde tu perspectiva para la que quieres obtener soluciones. Pero cuando estás viendo un panorama más amplio, tratando de resolver un gran problema, es muy crítico que también entendamos las perspectivas de otras personas. Y ahí es donde la herramienta de IA también puede ser de gran ayuda. Entonces tomemos un ejemplo de lo que estamos tratando de decir aquí. Entonces digamos que queremos enviar un correo electrónico específico a la compañía, para que ocurra un anuncio específico relacionado con la cobertura médica, y queremos obtener algunas ideas o preguntas que puedan tener relacionadas con ella. Entonces este es el aviso que estamos tratando de dar, que es que quiero que se imaginen a un grupo de empleados en Google en una variedad de roles laborales y etapas de la vida. Enumere la edad o roles de los empleados y llegue a este anuncio de RRHH con las preguntas más comunes y las preguntas más difíciles que puedan venir de este grupo. Bien. Entonces la idea es que haya algunos cambios ocurriendo en su cobertura médica, en donde van a obtener nuevas tarjetas de identificación de miembro específicamente, y no habrá muchos cambios como tales. Su cobertura de seguro no está cambiando. No es necesario que presenten su nueva tarjeta a los proveedores porque la cobertura va a seguir siendo la misma. Entonces no se da toda esa información. Entonces la intención del correo electrónico este momento con la ayuda de la herramienta de IA, lo que queremos entender es cuáles son el tipo de preguntas que las personas tendrán en sus mentes cuando vean este correo electrónico. Entonces esto es lo que ha ideado la herramienta de IA, que es la carrera temprana, gente le gustaría ingenieros de software, ingenieros de programas, bien, live Stage single. Bien, sus preguntas pueden ser, ¿necesito activar la nueva tarjeta? ¿Puedo seguir usando el viejo? ¿Bien? ¿Por qué están haciendo esto en absoluto? Bien, la pregunta más difícil es, si pierdo las dos tarjetas, ¿tengo un reemplazo rápido? Ahora bien, en caso de una carrera media, las preguntas pueden ser ¿ mi médico o farmacia seguirá reconociendo mi seguro? ¿Afecta esto a las recetas que ya están en curso? Entonces puedes ver cómo están cambiando las preguntas en función de las categorías de edad, ¿verdad? Nuevos padres, sus preguntas pueden ser ¿los dependientes también obtienen nuevas tarjetas ¿Necesito enviar algo al pediatra o a la guardería de mi hijo? Gestores de personas en sus casos, ¿es obligatorio o sólo informativo? ¿Qué debo decirle a mi equipo si están preocupados, verdad? Entonces ves que estas son una especie de preguntas que vendrán diferentes aspectos de preguntas que vienen en función de la antigüedad, tenencia, posición que ocupan en la empresa Bien, personal senior, ¿está absolutamente seguro de que la cobertura y los números de identificación no cambian? ¿Afecta esto a los reembolsos fuera de la red? ¿El Etna está cambiando algo más pronto? Bien. Entonces estas son preguntas que nos dieron, que anticipamos que vendrán cuando se haga ese tipo de anuncio por parte de los empleados. Ahora, lo que puedes hacer es tomar todas esas preguntas. Ahora la IA te ha dado todas las preguntas, y ahora podemos darle un aviso que ahora reescriba ese mismo correo electrónico, ese correo electrónico de anuncio para responder a la mayoría de las preguntas comunes que vimos Y de una manera que reduzca el estrés potencial que las personas puedan sentir cuando reciban dicho correo electrónico. Entonces ahora estamos reescribiendo nuestro correo electrónico de anuncio porque ahora sabemos qué tipo de preguntas, perspectivas tienen las personas y preguntas que pueden tener relacionadas con el anuncio Entonces estamos atendiendo a todos esos y creando un nuevo correo electrónico, teniendo en cuenta esos, y ahora enviándolo a los empleados. Entonces ahora, dice, queremos empatizar por adelantado, nada de que sus coberturas nada de que sus Sus proveedores de red de beneficios y número de identificación de miembro siguen siendo exactamente los mismos. Esta actualización no afectará las citas, las recetas o la atención continua No se requiere ninguna acción de su parte. Se ve cuando este tipo de correo electrónico reciben los empleados, mayoría de las preguntas son respondidas. Por lo que no van a tener demasiadas preguntas o aprensiones sobre este anuncio, este cambio este Así es como podemos hacer uso de las herramientas de IA para entender diferentes perspectivas de las personas, diferentes puntos de vista de las personas y teniendo eso en mente, podemos personalizar una solución que atiende a todos 13. Introducción al patrón de persona y recursos humanos: Hola, chicos. Bienvenidos a las sesiones. En esta sesión, veremos entender un poco los conceptos básicos sobre patrón de persona y cómo podemos usarlo en recursos humanos. Entonces la idea que vimos sobre el último fue en la que queremos entender diferentes perspectivas de un grupo más grande de personas para personalizar nuestras soluciones en torno a eso. Pero ahora, lo que estamos viendo es comprender un patrón de persona para un tipo específico de audiencia, bien, posiblemente en su empresa, y desea atenderlos, desea personalizar la solución para ellos. Para que también se pueda hacer con la ayuda de la IA generativa. Puede dar un mensaje similar a la herramienta de IA con una persona específica a la que está atendiendo, y puede preguntar cómo se ven, piense en las cosas, cuáles son sus perspectivas y en función de cuál puede obtener una solución personalizada para eso. Tomemos el mismo ejemplo que vimos antes. Pero ahora lo estamos modificando un poco en donde estamos viendo un tipo específico de empleado en la empresa Entonces podemos decir algo como esto, en donde usamos este tipo de prompt, que es actuar como ingeniero de software de nivel de entrada uno en Google y reaccionar a este anuncio de JI con ellas preguntas, preguntas más comunes y preguntas más difíciles. Por lo que el anuncio sigue siendo el mismo. Entonces ahora se puede ver la salida que estamos obteniendo es desde la perspectiva de un tipo específico de persona. Se trata específicamente de un ingeniero de software de nivel de entrada, Google L three, o, y qué tipo de preguntas pueden tener. ¿Bien? Entonces, ¿tengo que hacer algo ahora mismo? ¿Mi cobertura no ha cambiado en realidad? ¿Qué llegará exactamente la nueva tarjeta cuando llegue? ¿Y si no recibo la nueva tarjeta? Este es el tipo de preguntas que pueden recibir. Entonces la idea es que con la ayuda de Aa generativa, puedas, uh, identificar personas específicas, entender sus perspectivas Puede anticipar qué tipo de preguntas podrían tener en mente y en función de las cuales puede construir una solución personalizada en torno a esas preguntas y que atienda de manera mucho más efectiva. Espero que esto tenga sentido. Espero que entiendas ahora cómo estamos usando la vajilla genitiva en diferentes aspectos del negocio de RRHH también, donde estamos atendiendo a diferentes tipos de público 14. El patrón de personaje: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, discutiremos sobre el patrón de persona. Este es uno de los patrones que pueden ser muy efectivos, que puedes usar para hacer uso de las herramientas de IA, los modelos hat GPT o LL de una manera muy efectiva Lo que queremos decir con un patrón de persona va a ser un escenario en el que digamos que queremos un tipo específico de consejo de un experto o digamos que queremos algún tipo de ayuda o una respuesta de cierto experto específicamente, realmente no sabemos cuál será su respuesta, cómo van a hablar y qué información tienen. En tales casos, por ejemplo, digamos, quiero que me den algunos consejos de un dentista. Entonces no tengo la pericia de ser dentista. Entonces estaría acercándome a esta persona y le proporcionaría mis problemas los cuales tengo, y voy a obtener una respuesta basada en su pericia, su experiencia, y ellos me van a dar el consejo específico. Entonces de manera similar, podemos hacer uso de la herramienta de IA para comportarnos de cierta manera, siendo un per ser una herramienta de experto en un campo específico y darnos la salida de esa manera particular. Podemos pedirle a la herramienta de IA que actúe como un experto específico en un campo específico y obtenga esos resultados. Eso es lo que queremos decir con un patrón de persona. Entonces la herramienta puede comportarse en ciertas personas diversas y luego darnos la respuesta en base a eso. Veamos esto en la práctica a qué nos referimos exactamente con esto. Digamos, voy a decirle a la herramienta de IA que actúe como escéptico por lo que necesita actuar como un escéptico que esté bien versado Entonces tiene un conocimiento de la informática, cómo funcionan las computadoras, y lo que sea que le voy a decir, entonces va a proporcionar una respuesta escéptica y detallada basada en Entonces ahora ha aceptado que va a responder como un escéptico experto en informática Y ahora vamos a decir que digamos que existe preocupación de que la IA se vaya a apoderar del mundo. Entonces esta es mi declaración. Entonces me va a dar la respuesta con escepticismo, que es AI no es un agente. Es una caja de herramientas. Cuando la gente llama a la IA hoy en día, es una colección de sistemas específicos de tareas estrechas, clasificadores, predictores, optimizadores y modelos de lenguaje grande La inteligencia no es igual al poder o al control. Entonces nos va a dar toda la información en base a lo que ahora, si cambias, también puedes cambiar estas personas según tu requerimiento. Entonces digamos, voy a decir, de nuevo, que el vendedor de la tienda de informática local me está diciendo que necesito al menos 64 GB de RAM para navegar por la web Entonces nuevamente, para esto, me está dando el escepticismo porque lo he definido He establecido esa expectativa de que necesita comportarse como un escéptico Entonces me está diciendo que esa afirmación merece escepticismo inmediato por motivos técnicos, es casi seguro que es una tontería o, en el mejor de los casos, tremendamente que veas que la herramienta ahora está entrenada para ser escéptica, y se está comportando en esa persona en particular con un conocimiento sobre informática y dándonos todos los punteros Cambiemos esto y podremos tener una persona completamente diferente. Digamos, estoy diciendo que actúan como un escéptico de 9 años. Ahora la persona está cambiando. Se trata de una persona de 9 años que es escéptica y lo que sea que le vaya a decir esta persona necesita responder de esa misma manera, teniendo en cuenta que esta persona Entonces cuando digo ahora la IA va a apoderarse del mundo, dice, no lo creo. Al igual que, ¿cómo haría eso? La IA es solo cosas dentro de las computadoras. No puede caminar afuera. No tiene brazos y ni siquiera se puede enchufar a la pared. Se puede ver la diferencia en la respuesta. En la respuesta anterior, esta persona tenía conocimientos sobre informática o tenía mucha información específica para compartir. Pero ahora esta siendo una persona de una persona escéptica de 9 años, puede ver que la respuesta ha Esto es realmente efectivo. Esto es realmente poderoso como una herramienta donde le pides a la herramienta se comporte de acuerdo con una persona específica y luego obtenga resultados basados en eso. Digamos que tengo un requisito específico con respecto a comercialización en mi negocio o digamos ventas o digamos RRHH. Entonces puedo pedirle a la herramienta que se comporte como una persona con experiencia en recursos humanos o un genio del marketing o digamos un inconformista de ventas y me dé salidas basadas en eso Entonces voy a obtener respuestas en consecuencia, y eso va a ser realmente útil para nuestro negocio. Espero que esto tenga sentido. Espero que entiendas ahora cómo van a funcionar los patrones de persona. 15. El patrón transformador: un mayor impacto con los productos de HR Works: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, veremos otro patrón que podemos usar con herramientas de IA, que es el patrón de transformador, que puede ser muy efectivo al trabajar con cualquier tipo de procesos relacionados con recursos humanos. Así que esto realmente puede ayudar a transformar diferentes tipos de información en varios formatos que podrían ser utilizados en nuestro trabajo de RRHH. Entonces echemos un vistazo con un ejemplo lo que estamos tratando de decir aquí. Digamos que tenemos un documento específico que hemos creado, que es la revisión anual del desempeño del personal, que tenemos como documento en estos momentos. Bien. Y lo que tenemos que hacer es que tenemos que seguir adelante y enviar necesitamos crear una línea de tiempo a su alrededor. Tenemos que crear un cronograma a su alrededor específicamente, que hablaremos sobre cuál será la forma en que va a suceder la revisión anual del desempeño del personal y los plazos importantes, el proceso, el cronograma paso a paso al que requerimos Entonces lo que podemos hacer es que podemos subir ese documento directamente a Cha GBT o a cualquiera de las herramientas de IA y dar este baile de graduación, que dice que este es el documento de revisión anual de desempeño del personal adjunto documento de revisión anual de desempeño del personal Por favor, cree un cronograma alrededor la evaluación considerando que va a salir hoy. Bien. Entonces ahora la herramienta va a transformar este documento en un formato de línea de tiempo. Por lo que ahora puedes ver que ha creado un lanzamiento oficial del día cero, el público será todos los empleados y directivos, te da las acciones. Día cero al día 14, ¿qué va a pasar? Habrá empleados autoevaluaciones van a suceder. El público va a ser todos los empleados y así sucesivamente y así sucesivamente. Entonces ahora tenemos la línea de tiempo en la que se ha transformado. Con esta herramienta de IA en particular, puede transformar fácilmente un documento en una línea de tiempo que tenemos ahora. Ahora, digamos, una vez que tengas la línea de tiempo, necesitas comunicarte. Es necesario comunicar esta información a todos los digamos los directivos. Entonces ahora le estamos pidiendo que cree borrador de correo electrónico de comunicación de la línea de tiempo al explicar todos los pasos a todos los gerentes. Por lo que la audiencia va a ser gerentes contándoles sobre la línea de tiempo del proceso de revisión anual. Entonces ahora tenemos el correo electrónico generado por ellos donde también da la línea de tiempo. Se habla de la semana uno a la semana dos, lo que va a pasar. Entonces toda esa información se está compartiendo aquí mismo. Tenemos un correo electrónico compuesto por la herramienta, un correo electrónico de comunicación para los gerentes, informándoles sobre la línea de tiempo, y se ha transformado en un correo electrónico. Ahora digamos, finalmente, lo que tenemos que hacer es que tenemos que proporcionar la misma información también a las personas que están siendo revisadas, bien, a todos los empleados específicamente. Entonces queremos que la herramienta de IA transforme esto en un correo electrónico que va a todos los miembros del personal que están siendo revisados. Entonces ahora tenemos un correo electrónico adecuado que habla sobre la revisión anual del desempeño, lo cual va a suceder para ellos con sus cronogramas proporcionados aquí mismo Entonces, ¿ve lo que está pasando aquí? Lo que está pasando es con la ayuda de la herramienta de IA, lo que estamos haciendo es que estamos transformando un tipo específico de documento o información en un formato específico en varios otros formatos. Primero, a partir del documento, lo transformamos en una línea de tiempo. Desde la línea de tiempo T, fue a un correo electrónico para todos los gerentes y luego a un correo electrónico para todos los empleados. Te va a ahorrar mucho tiempo. Sin imaginar hacer esto sin la herramienta de IA donde tienes el documento, y ahora necesitas primero averiguar cómo vas a configurar la línea de tiempo. Entonces piensas en cómo redactas el correo electrónico para los gerentes y empleados. Así es como las herramientas de IA pueden ser realmente útiles para sujetar nuestro proceso, mejorando también la calidad de información que estamos compartiendo con nuestros empleadores, empleados y dentro de la empresa. 16. Reducción de las alucinaciones con válvulas de escape: cómo prevenir errores en la comunicación de RR. HH.: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queremos hablar sobre cómo se puede hacer uso de la herramienta de IA para reducir cualquier tipo de alucinación que haga y también ayuda a prevenir cualquier tipo de error que pueda ocurrir en la comunicación de pueda ocurrir en Entonces necesitamos entender este hecho que con la herramienta de IA específicamente, te va a dar las respuestas en función del tipo de indicaciones que vas a darle Ahora bien, si proporcionas un prompt muy abierto, las respuestas van a ser muy directriz menos en el sentido de que va a hacer muchas conjeturas y darte mucha imaginación que pueda tener, lo cual posiblemente pueda ser correcto, podría no ser correcto, podría no ser correcto Entonces en tales casos, tenemos que controlar también la alucinación que hace la Entonces hay que darle instrucciones explícitas a la herramienta que lo que no debería estar haciendo. Entonces, siempre que estés dando un prompt, también deberían haber instrucciones adicionales, que controlan la alucinación, que controla el entorno dentro del cual necesita proporcionarte la Así que de esa manera, vas a obtener la información correcta y el uso correcto de esa información puede suceder. Entonces, para darte un ejemplo sencillo de cómo va a operar esto bajo el trabajo de RRHH que estamos haciendo. Entonces volvamos al ejemplo similar que habíamos tomado antes donde estamos tratando hacer un anuncio a todos los empleados respecto a todos los empleados respecto nuestro cambio de cobertura médica, ¿verdad? Entonces ahora mismo, cuando le des este aviso en particular, va a hacer por completo una conjeturas porque se le ha dado cierta información Se le ha pedido crear un anuncio al respecto. Por lo que ha ido adelante y ha creado todo tipo de preguntas posibles, que la gente podría percibir sobre este anuncio. Así que no hay límites ni limitaciones que hayas creado alrededor. Pero ahora, si modificas esto, ajusta esto y dale un tipo específico de baile de graduación, algo así donde dices que ahora crea un FQ detallado que podemos publicar en el Pero ahora decimos esta parte en particular donde decimos que para cualquier respuesta que no tienes claramente la información para responder con el anuncio original, correo electrónico, poner ahí un marcador con instrucciones para lo que debe llenar el HR Y para las respuestas que creas a partir de tus conocimientos generales, ponles la comprobación de hechos antes que ellos. Ahora queremos que alucine por las preguntas, que podría ser el Puede crear las preguntas que considere adecuadas para ese anuncio en particular Pero las respuestas está bajo un ambiente de control, en donde si conoce la respuesta claramente por el correo electrónico, entonces solo debería responder, de lo contrario, dejarla para que la carilla la llene. Ahora bien, si ves las preguntas que está recibiendo, esto está absolutamente bien. Pero ahora cuando recibiré la nueva tarjeta. Esta información no se proporciona en el correo electrónico. ¿Verdad? Entonces por eso ha mencionado un marcador de posición aquí Entonces esto es lo que queremos hacer con muchos de nuestros prompts cuando estamos trabajando con RRHH específicamente procesos porque puede haber mucha información ahí, lo que la herramienta no va a estar adivinando mucho y necesitamos mucho y necesitamos controlar esa alucinación tanto como ¿Bien? Porque necesita ser relevante para nuestro negocio, nuestro negocio de recursos humanos, específicamente, las políticas de recursos humanos de nuestra compañía. Espero que esto tenga sentido. Espero que entiendas cómo estamos tratando de hacer uso de la herramienta de IA para que sea lo más práctico y real posible con respecto a las políticas diarias de recursos humanos y el trabajo que nosotros. 17. Patrón de verificación de hechos: doble revisión de RR. HH.: Hola, A. Bienvenidos a estas sesiones. En esta sesión, hemos querido ver otro patrón que puedes hacer uso con herramientas de IA. Va a ser un patrón de verificación de hechos, lo cual es realmente útil cuando quieres que la herramienta de IA te esté pidiendo que verifiques cierto tipo de información que está produciendo. Ahora bien, puede haber muchos errores que cometemos como humanos, y lo mismo va a ser el caso con la AIT La mayoría de la información que va a proporcionar posiblemente sea correcta, pero puede haber un porcentaje de información que aún no es correcta y tenemos que verificarlo dos veces. Eso también, puedes indicarlo como instrucción. Se le puede dar una instrucción claramente ese hecho verificar la información donde sea necesario. Entonces la información, lo que está dando, si no es seguro, viene de sus conocimientos generales, y debería decirnos con una comprobación de hechos que esta parte necesita ser verificada por nosotros. Esto también es muy útil porque cuando se trabaja con comunicación de RRHH, no es necesario que la herramienta de IA conozca toda la información al 100%. Tiene que ser comprobado de hecho por nosotros a veces. Entonces, siempre que la herramienta de IA esté produciendo o proporcionándonos algún tipo de información a partir de su propio conocimiento general, puede hacernos saber qué información necesitamos para verificarnos de hecho para que la información sea 100% precisa. Tomemos el ejemplo anterior que estamos viendo, donde le habíamos dado un prompt a dos escenarios donde le pedimos que nos dijera claramente cuando no conoce la información, absolutamente, y puede ser un marcador de posición donde el HR pueda rellenar esa información Y la segunda pueden ser las respuestas donde ha creado la respuesta a través de su propio conocimiento general, y necesitamos verificarla de hecho. Entonces si ves algunas de las preguntas como, será mi deducible o fuera de su bolsillo máximo de reinicio ¿Bien? Entonces aquí, ha dado la respuesta, que suele ser ya que la tarjeta de seguro reemitida no restablece los deducibles ni los saldos de su bolsillo porque estos están vinculados a su identificación de miembro y plan aquí, los cuales permanecen sin cambios Se trata de información de su propio conocimiento general. Pero ha mencionado la verificación de hechos, lo que básicamente significa que necesitamos verificar esto con el equipo de beneficios de Google, si esto realmente va a suceder o así es como podemos hacer uso de la herramienta de IA para pedirnos que verifiquemos ciertos datos, para asegurarnos de que la información sea 100% precisa. Espero que esto tenga sentido. Estos matices hacen mucha diferencia cuando estamos construyendo políticas de recursos humanos, documentos, necesitamos hacer una comunicación a nuestros empleados relacionada con políticas de recursos humanos o cambios de recursos humanos, y la herramienta de IA puede mencionar las áreas donde es 100% consciente y precisa sobre la información y las otras áreas donde ha generado a través de su propio conocimiento de fondo, pero quisiera nuestra ayuda para medir su precisión del 100%. Espero que esto tenga sentido. Espero que entiendas ahora cómo podemos hacer uso de estas herramientas de IA para construir procesos y documentos de recursos humanos de alta calidad para nuestro negocio. 18. Cómo responder preguntas con políticas y otros documentos: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión, veremos cómo podemos hacer uso de las herramientas de IA para responder preguntas relativas a políticas de recursos humanos y otros documentos. Otro gran uso de la IA, que se le ocurre hacer es que puede proporcionar muchos de sus documentos de recursos humanos y pedirle que analice para brindarle respuestas basadas en los documentos. Entonces, puede haber escenarios en los que los empleados de la compañía tengan consultas específicas con las que se comunicaron con usted, y ahora necesita responderlas en base a los documentos de política de recursos humanos que ya tiene. Entonces lo que puedes hacer es subir estos documentos en la IA la herramienta ahora analizará esos documentos y responderá esas consultas de los empleados. Así que esto puede ser realmente útil y ahorrar tiempo también. De lo contrario, los documentos pueden estar muy cargados y tener mucho texto en él y puede llevar mucho tiempo revisarlos y encontrar la respuesta correcta. Y en la mayoría de los casos, lo que sucede son las preguntas que los empleados han hecho, las respuestas pueden ser realmente difíciles de recuperar de esos documentos. Entonces ahí es donde queremos hacer uso de las herramientas de IA. Entonces tomemos un ejemplo práctico de cómo va a ser esto. Entonces digamos que hay un documento específico, que es un documento de política de gastos de viajes y negocios de la empresa como digamos Google. Bien. Y la pregunta que ha venido del empleado es, ¿ me pueden reembolsar si voy a hacer paracaidismo en un viaje con otro E insiste en verificar si Google permite este tipo de gastos también o no Entonces también, lo que queremos que haga la herramienta de IA es proporcionar cotizaciones directas de la política con números de página para apoyar la respuesta Entonces, la primera respuesta corta que da la herramienta de IA al evaluar el documento es el paracaidismo no es reembolsable, Y luego se habla la decisión de reembolso se niega por qué razones, específicamente. Y luego las citas de política. Entonces aquí, se dan las citas de política que sustentan esta decisión en particular El paracaidismo califica como ocio y entretenimiento personal Los siguientes son reembolsables entretenimiento personal actividades de ocio no son reembolsados por la empresa Los gastos deben evitar incluso la apariencia de ganancia personal. Todas estas son políticas documentadas en ese documento de viaje en particular de la compañía, que la herramienta de IA ha pasado y ahora recogido de ahí y dado como artículo de apoyo, recurso de apoyo que puede proporcionar al empleado. Entonces así es como podemos hacer uso de ella. Otra forma que puedes hacer de inmediato es simplemente puedes seguir adelante y, um, preguntar Puedes subir el documento, dar la pregunta cuál la consulta específica que ha venido del empleado, y le dices a la herramienta de IA no responda a la pregunta, ¿de acuerdo? Simplemente proporcione las citas o las citas directas del documento para respaldar la respuesta ¿Bien? Las respuestas a la decisión pueden ser hechas por el propio ser humano. Entonces ahora, estas son las cotizaciones directas provenientes del documento que sustenta la respuesta, específicamente, que puedes compartir con el empleado La gran parte es hacer esto en particular de obtener las cotizaciones específicas es que los empleados tampoco pueden negar eso porque las políticas son estándar universal para todos en la empresa, y si se documenta claramente si está ahí en el documento, es igual para todos y el empleado necesita acatar eso Es así como podemos hacer uso de diversas herramientas de IA para analizar diversos documentos de recursos humanos, conocer la esencia de la información que estamos buscando, encontrar respuestas a diversas consultas de recursos humanos que la gente pueda tener. 19. Fusión de la información con las citas: cómo ayudar en las reseñas de desempeño: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, veremos otro uso de la IA, que podemos hacer con respecto a las políticas de recursos humanos va a ser donde podamos tomar ayuda en las revisiones de desempeño. Esto puede ser una parte muy crucial de nuestro trabajo en RRHH donde tenemos que hacer revisiones de desempeño para los empleados de la compañía y que necesita ser súper precisa y crítica para su crecimiento en el futuro. Entonces para eso también, podemos usar las herramientas de IA. El patrón que vamos a usar aquí es infundir información a través de citas Entonces lo que vamos a hacer es aquí, lo que puedes hacer con la ayuda de AATOLS subir múltiples documentos, posiblemente para revisiones de rendimiento Esta puede ser la autoevaluación anual de revisión que la persona haya realizado. Además, podemos subir las revisiones de pares, podemos subir las reseñas del gerente a la herramienta de IA y luego pedirle que proporcione la infusión general de todas estas junto y nos proporcione un resumen de la revisión del desempeño de la revisión de la persona, dándonos citas del documento que respalda esa Entonces todo esto se puede hacer a través de la herramienta de IA y nos ahorra mucho tiempo. Si ves si esto se hace manualmente, esta va a ser una gran cantidad de tarea, una gran tarea por hacer por cada empleado de la empresa, donde tenemos que tomar toda esta información juntos, ponerla en un solo lugar, resumirla y entender si la revisión del desempeño, la revisión de la persona es positiva o negativa o no requieren retroalimentación. Todo eso se puede automatizar con la ayuda de la IA así que tomemos un ejemplo práctico de cómo va a ser esto. Entonces lo que vamos a hacer es lo primero es que vamos a subir todos los documentos relevantes del empleado, que puede ser el que puede ser el documento de revisión anual de desempeño de Google Staff. La revisión del gerente de digamos que el empleado es Greg, revisión por pares, dos de las revisiones por pares de Greg, que podemos subir y luego darle el prompt a la herramienta de IA para infundir todos estos juntos, todos estos documentos juntos y llegar la revisión del desempeño de Greg Entonces aquí, el aviso que vamos a dar es, ayúdame a recopilar información de las diferentes secciones de la plantilla de revisión de desempeño adjunta. Para cada sección, cree un resumen del desempeño de los miembros del personal basado en las revisiones adjuntas de pares y gerentes. Ahora, para cada resumen, crear una lista de cotizaciones de apoyo de las revisiones, ¿quién dijo qué? Esto es muy importante porque sean cuales sean las revisiones que hayan dado los compañeros y gerentes, esas citas también deben mencionarse porque funcionan como documento de respaldo cuando estás proporcionando la retroalimentación El resumen debe estar completamente respaldado por las citas. Si no tienes suficiente información para una persona o una sección, solo tienes que añadir la información necesaria. Donde sea que sea necesario, puede pedir información de necesidad y estos se pueden llenar manualmente por lo que ahora con toda esta información dada, va a empezar a darnos el resumen. Entonces el resumen es como una infusión de toda la información. Todos los documentos juntos, nos está dando un resumen de cómo ve a Greg como empleado y cómo se ha desempeñado en su trabajo. Por lo tanto, nos da información que Greg ofrece resultados de alta calidad de manera consistente con una sólida propiedad y confiabilidad, su trabajo impacta positivamente los resultados del equipo a través de una cinta técnica efectiva de resolución de problemas , luego sigue adelante. Se puede ver que estas son cotizaciones de apoyo. Entonces estos vienen de la revisión del gerente. Entonces ahora si abres la revisión del gerente, verás que esto es mencionado por el directivo. Greg demuestra consistentemente una fuerte propiedad y responsabilidad en su papel. Estos son dados por la revisión por pares. Entonces, la revisión por pares uno, hay la revisión por pares dos que resume este desempeño general de su trabajo Entonces ahora la herramienta también la segmenta en diferentes encabezados, que pueden ser impacto y resultados, luego ejecución y rol master, cómo hiciste el trabajo Entonces en eso también se dan citas un resumen y citas que sustentan ese punto en particular Colaboración y Googliness cómo ha trabajado en este frente en particular también, bien, y con los documentos de respaldo La idea es que con la ayuda de la herramienta de IA, puedas fusionar, puedas subir múltiples Este es uno de los ejemplos que es muy destacado en RRHH, específicamente, revisiones de desempeño, pero similares pueden ser varios otros segmentos donde puedes subir múltiples documentos, y luego la herramienta EI puede infundir todos esos documentos, entender la esencia de la misma y llegar a una solución práctica, proporcionarnos citas del documento que sustente nuestras decisiones Entonces todo eso puede pasar juntos. Por lo que de esta manera, se puede ahorrar mucho tiempo dedicado a ahorrar mucho tiempo dedicado a revisar el desempeño de cada empleado de la empresa y proporcionarnos una salida mucho mejor y la calidad del trabajo también mejora. 20. Planes personalizados de aprendizaje y crecimiento con IA generativa: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión, queríamos ver cómo podemos hacer uso de las herramientas de IA con respecto a los planes de desarrollo profesional que queremos crear para los empleados de nuestra empresa. Entonces en el trabajo de RRHH, cuando estamos haciendo un PDP o planes de desarrollo de desempeño, puede ser realmente difícil hacerlo porque aquí, lo que hay que entender es ante todo, el núcleo, la fuerza, las habilidades del empleado, y en lo que quiere llegar a ser en el futuro Así que ahora tienes que crear una hoja de ruta completamente de eso puede llevar mucho tiempo porque necesitamos entender realmente cuáles son sus habilidades básicas y luego en qué quieren llegar a ser realmente y cuáles son los requisitos, las brechas de habilidades en eso y en base a qué mejora de habilidades requerirían para alcanzar ese siguiente nivel que están buscando Todo esto se puede hacer realmente más rápido con la ayuda de las herramientas de IA, tomemos un ejemplo de ello para entender cómo va a ir esto así que lo que vamos a hacer es, digamos, entonces vamos a, uh, buscar un plan PDP, un desempeño, un plan de desarrollo profesional para un empleado específico, digamos, T Moy Bien. Y lo que le hemos dado a la herramienta es el currículum de Túnez, su pensión de habilidades básicas, y la descripción del puesto, está buscando convertirse Bien. Y ahora estamos dando el prompt detallado donde estamos diciendo que estoy aportando su currículum completo, para que tenga información sobre sus antecedentes. Parte de los objetivos deben basarse en tomar entrenamiento en el catálogo de entrenamientos gratuitos aquí, que es con aprender carros En coursera específicamente Entonces, ¿cuáles son los entrenamientos que necesitaría a partir de ahí? Y por último, a lo que quiere pasar es que le gustaría pasar a un rol de gerente de marketing digital en Google. También hemos adjuntado la descripción del trabajo de eso, ¿de acuerdo? ¿Y qué cursos necesita tomar para poder hacerlo? ¿Qué necesita hacer el próximo año para prepararse para ese papel en particular? Bien, entonces este es el aviso que hemos brindado. Entonces ahora la herramienta nos da la información completa en donde comienza con mirar cuáles son las fortalezas actuales de Tan May, ¿verdad? Es realidad comprobar lo que ha estado haciendo, experiencia laboral, sabia, ¿por qué no es aquí un gerente de marketing digital? ¿Cuáles son las brechas que ha identificado? La propiedad de la estrategia de marketing de extremo a extremo no está ahí. marketing dirigido por productos o pensamiento del ciclo de vida no está ahí. Entonces nos está dando este es el límite de posicionamiento y capacidad que hay que cumplir. Ahora, entonces, nos fijamos en el mapeo de brechas de habilidades. Entonces, el mapeo de brechas de habilidades es principalmente ¿cuál es el requisito del rol? Cuál es el estado actual y la brecha para cerrar. ¿Bien? Entonces, por ejemplo, se requiere la estrategia digital ETE. Actualmente hay una fuerte ejecución, pero el encuadre estratégico y la narrativa no están ahí. ¿Correcto? Entonces se está mencionando este tipo de cosas. Entonces esto está claro ahora que necesitamos escalar en estas brechas particulares Entonces para esto, ahora te sugiere algunas capacitaciones requeridas que pueden llenar estos vacíos Entonces, el marketing estratégico puede ser uno, bien, que se pueden tomar cursos para tomar estrategias de marketing, estrategia, gestión estratégica de marca, fundamentos de marketing de productos Todo esto ayudará a construir marketing estratégico. Una medición y atribución de datos, por lo que la analítica de marketing, modelado de atribución y la medición, todos estos pueden ser los únicos Entonces ahora está sugiriendo todo tipo de entrenamientos que Tun Moy puede hacer para mejorarse a sí mismo para cerrar la Ahora, lo que Turmo debe hacer en los próximos 12 meses no aprender, abstenerse de lo suyo Entonces ahora hay algunos cambios internos que Tnoi debería hacer con respecto a su papel actual En lugar de posicionarlo como experto en Google Ads, puede posicionarlo como propietario de impacto de marketing. Reescribir currículum y LinkedIn. Bien, construye unos dos, tres portafolios, agrega exposición de marketing a su ¿Bien? Entonces de esta manera, somos capaces de que veas que los pasos se dan con mucha claridad, específicamente cuáles son las cosas a agregar al perfil actual para que coincida con el nuevo rol laboral que busca la persona. Entonces 12 meses hoja de ruta de desarrollo. Entonces, qué hay que hacer en los primeros tres meses, completando los cursos de estrategia de marketing y análisis. Lo que hay que hacer en los próximos cuatro a seis meses, siete a nueve, y así sucesivamente y así y así sucesivamente. Entonces, la evaluación de la preparación, que también se puede hacer aquí, que es básicamente la experiencia del canal es una buena analítica, lo que requiere abstenerse de lo que necesita pruebas Todas estas cosas deben ser atendidas como una evaluación de preparación, lo cual tenemos que hacer. Y finalmente, la declaración de la realidad no necesita más profundidad de PPC Lo que requiere es. Estas son cosas que se necesitan y que puedes traer en los próximos 12 meses para ser elegible para un rol de gerente de marketing digital en Google. Entonces ya ves, con la ayuda de la herramienta de IA, da el marco completo. Da un marco completo de principio a fin lo que todas las cosas que la persona necesita hacer para crecer al siguiente rol para el que es impulsado. Entonces así es como puedes hacer uso de esta herramienta de IA para elaborar un plan PDP, un plan de desarrollo profesional para cualquiera de los empleados tu empresa dentro de tu ámbito de trabajo de RRHH para construir este tipo de planes PDP para empleados que buscan pasar a diferentes roles que quieren perseguir 21. Pronóstico del crecimiento y la preparación de los empleados para la planificación del capital humano: Hola, sí. Bienvenidos a esta sesión. En esta sesión, queríamos ver que el plan PDP que creamos, correcto, para el empleado, también podemos la gran parte del uso de la herramienta de IA puede ser que también podamos hacerle ajustes mientras el plan está en marcha ¿Bien? Si bien el plan está activo y se ha ejecutado, podemos hacer algunos cambios en el sentido de que han entrado las actualizaciones, qué cursos ya ha hecho el empleado, y con eso, cómo cambia la trayectoria. Así que eso también será posible con la ayuda de la herramienta de IA , en la que solo puedes actualizar la herramienta sobre qué cosas nuevas han sucedido hasta ahora, y eso nos va a dar una nueva previsión para el plan PDP para el empleado Entonces veamos esto en la practicidad, cómo va a ser. Entonces digamos que estamos dando una actualización a la herramienta de IA respecto al progreso de Tan Mois en donde le estamos diciendo a la herramienta que ha completado ciertos cursos Entonces con eso, ¿cómo cambia el verdadero desarrollo tretory Entonces solo queremos saber eso. Entonces estamos diciendo ese proyecto cuando estará listo y mostrará la línea de tiempo actualizada para el rol en función de su trayectoria de desarrollo real. Por lo que busca un rol de marketing digital en Google. Entonces, ¿cómo cambia ese rechazo? Eso es lo que queremos entender. Entonces también hemos dicho que estos son tres cursos que ha completado, en el último año, bien, ingeniería rápida para hat GPT avanzado, ingeniería rápida para todos y GPT de IA abiertos creando su propio asistente de IA personalizado Entonces con esto entrando en escena, se están mostrando los cambios. La estimación original fue de 12 meses, bien, que se dio. Pero la estimación revisada basada en el dejectorio real es de 14 a 16 meses Los cursos de IA son aditivos, por lo que no sustituyen. Bien, porque está buscando un rol de gerente de marketing digital, que es en el que, nuevamente, los cursos de IA serán adicionales. Por lo que le va a dar más tiempo, por lo que su trayectoria se incrementará en este caso en particular. Entonces con eso, va a contar de cómo va a ayudar es que los cursos de IA van a estar apoyando habilidades que sin duda puede usar. Le ayudará en el curso de construcción de estrategias y mediciones, específicamente, lo que puede hacer. Puede completar los cursos de estrategia de marketing, cursos de análisis de marketing, que va a estar más alineado con su nuevo rol que está persiguiendo. misma manera, caso de experimentación prueba de experimentación completa, cursos de marketing de crecimiento, todos estos van a ayudar. Entonces ahora la herramienta está renunciando fase por fase, ejecución que tenemos que hacer con respecto a lo que todas las cosas deben cubrirse para que pueda llegar a elegible para ese rol de gerente de marketing digital dentro de los próximos 14 a 16 meses. Entonces esto también es lo que prácticamente podemos hacer con cualquiera de los empleados, una vez que empiezan a tomar esos cursos, una vez que están ejecutando todos esos pasos que se necesitan cuando están persiguiendo un nuevo rol dentro de la organización. 22. Explicaciones accesibles: obtén las ideas clave ahora mismo: Hola, chicos. Bienvenidos a las sesiones. En esta sesión, hablaremos sobre cómo podemos hacer uso de la IA generativa en RRHH, específicamente para obtener explicaciones la manera que queramos Muchas veces lo que sucede es la información que tenemos y necesitamos llegar a mucha gente de la empresa con respecto a los empleados. Necesitamos obtener la información, necesitamos entenderla de una manera específica y ese podría no ser el caso. Se vuelve realmente difícil para nosotros entender un particular, digamos, un perfil laboral, que tiene términos técnicos específicos o jergas que se utilizan y se vuelve extremadamente difícil para nosotros como empleados de RRHH seguir adelante y entender eso y en base a los seguir adelante y entender eso y cuales dar los pasos necesarios Entonces, en tales casos, podemos hacer uso de la IA generativa para transformar ese tipo de información en información o explicación accesible para nosotros, explicaciones que podamos entender Puedes transformar eso y luego puedes seguir adelante y hacerlo. Entonces veamos un ejemplo práctico de lo que estamos tratando de decir aquí. Digamos que estamos aquí para entrevistar a un candidato específico y podemos subir el currículum de ese candidato en particular y podemos pedirle a la IA genitiva que siga adelante y eche un vistazo al documento y haga que explique el rol laboral, la pericia de esa persona de manera comprensible Entonces aquí está el baile de graduación que podemos dar donde estamos diciendo que vamos a estar entrevistando a las megas para el rol de gerente de marketing digital en Google, estoy haciendo una entrevista inicial, pero estoy en RRHH, y no soy un experto en la materia No use jergones ni términos técnicos, explique las cosas con claridad usando analogías y ejemplos concretos que no Estoy estableciendo las expectativas. Estoy configurando eso como quiero que me den la explicación. Este es el poder de la IA donde se le puede pedir que proporcione la salida de cierta manera. Ahora, esto puede ser y ahora esto puede ir a cualquier parte. Se le puede pedir que proporcione información con conocimiento de dominio, sin conocimiento de dominio. Se puede pedir dar la explicación con, digamos, teniendo en cuenta que el público va a ser CEOs. Para que puedas dar cualquier tipo de expectativa y en base a la cual la herramienta de IA la personalizará y proporcionará la salida. También estoy diciendo que quiero que me ayudes a conocer al candidato y los logros más importantes que pueda discutir con él. ¿Cuáles son algunas contribuciones importantes que han hecho y que puedo discutir con ellos? Escribir dos párrafos 2 a tres párrafos de la narrativa para que me ayuden a conocer al candidato. Entonces ahora lo que está sucediendo es que la herramienta de IA se está transformando, cambiando todo el currículum, que podría tener muchos términos técnicos y jergas en un y jergas en un lenguaje sencillo y comprensible que soy capaz de entender Esto es lo que queremos decir con explicaciones accesibles, que podemos tener. Y ahora puedo entender mejor lo que me tiene que decir el currículum y también las cosas específicas que pedimos, ha señalado. Ahora, aparte de esto, también puedo seguir adelante y decirle la herramienta de IA que ahora a la herramienta de IA que ahora me explican en uno o dos párrafos, ¿cuáles son las partes más importantes de este rol y qué habilidades o cualidades busca el equipo? Explique en términos no técnicos. ¿Cuál es la expectativa? Cuál es la expectativa laboral que también quiero entender claramente, posiblemente pueda compartirla con el candidato en la entrevista. veas lo que está pasando es, uh este es uno de los ejemplos donde lo que puedes hacer es cualquier tipo de términos técnicos que se te ocurra, tal vez un documento específico el cual se ha compartido contigo, de la alta dirección relacionado ciertos cambios en las políticas de RRHH, que es demasiado técnico y no eres capaz de entender completo, puedes subir aquí en el herramienta generativa de IA y pedirle que la presente de manera comprensible Entonces ese es el poder de la herramienta de IA, y así es como puedes hacer que tu trabajo sea mucho más simple y fácil de entender, uh con la ayuda de cómo puede transformar cualquier tipo de información. 23. Patrón de generador de preguntas: Hola, chicos. Bienvenidos a esta sesión. En esta sesión veremos cómo podemos hacer uso de la IA generativa para generar preguntas para nosotros que necesitamos mientras trabajamos en RRHH específicamente Digamos en términos de cuestionar o entrevistar a un candidato específico Entonces, en este caso particular, estamos tomando una situación en la que no somos los expertos de ese dominio, sino que queremos hacer ciertas preguntas que podrían ser útiles para evaluar un poco algún nivel de comprensión de cómo es el candidato y si podría ser un perfil de rol adecuado para el rol que estamos buscando. Entonces desde ese aspecto, queremos utilizar la IA generativa para hacer esas preguntas específicas importantes y ver qué tan bien es capaz de evaluar al candidato para nosotros. Entonces podemos usar la IA generativa para generar esas preguntas que vamos a estar haciendo Entonces tomemos un ejemplo de este currículum en particular, que es lo que Tarmgas y nosotros podemos seguir adelante y dar la consulta particular por aquí, bien, en donde estamos pidiendo específicamente me ayuden a crear una o dos preguntas para evaluar el nivel de emoción del candidato, Lo que vamos a hacer es que vamos a hacer esta pregunta en particular, que es que no soy un experto en el dominio, pero quiero algunas preguntas sencillas que podría hacer para determinar mejor su idoneidad para el papel en la descripción del trabajo adjunta No conozco los detalles técnicos, pero quiero algunas preguntas de sondeo que pueda hacer Daré mi comprensión de las respuestas al equipo que busca contratar para ayudarlos a decidir si quieren agendar una entrevista con él. Entonces esta es la fase inicial de entrevistas que estamos haciendo desde el departamento de RRHH ¿Bien? Entonces ahora se le han ocurrido esas preguntas. Me puedes decir de la vez que ayudaste a crecer a un negocio o cliente, pesar de que al principio no estaban seguros o vacilantes, verdad Por lo que esto no requiere jerga técnica alguna. No hay cosas específicas sobre el perfil. Generalmente estamos pidiendo entender la mentalidad del candidato ¿Cómo suele explicar ideas complejas a alguien que no tiene experiencia en mercadotecnia, verdad? También te da lo que esto revela y lo que estamos esperando del candidato, lo que queremos escuchar de la persona. Entonces estas son las preguntas que podemos obtener. ¿Cómo decides en qué enfocarte cuando tienes muchas responsabilidades al mismo tiempo? Escucha, lógica clara de priorización, pensamiento estructurado, comodidad con prioridades cambiantes Ahora, una vez que tengamos esto, también podemos pedir a la herramienta de IA que nos ayude con otras preguntas, que podemos ver el currículum del candidato, ahora generar de dos a tres preguntas que son más sondeantes y ayudaremos a evaluar si este candidato tiene las habilidades más importantes, una a dos habilidades o no Bien. Entonces ahora va a mirar el currículum, y a partir de ahí se va a valorar. La primera pregunta que se te ocurre es que has pasado mucho tiempo entrenando y entrenando a otros. ¿Cómo sabes que realmente funcionó tu formación? Algunas personas alguna vez la gente volvió al trabajo, ¿verdad? Entonces esta es una buena pregunta para conectar de nuevo con el impacto, el impacto de la formación, que estamos tratando de evaluar por aquí. Formas claras en las que midió el éxito, ejemplos de ajustar su enfoque, bien, propiedad de los resultados. Cuéntame de una época en la que tuviste que presionar por un cambio que ayude al negocio incluso cuando la gente se sentía incómoda o resistente. Entonces este es el tipo de preguntas que ahora se le han planteado. Ahora, aparte de esto, puedes profundizar un poco más para hacer otras preguntas que me pueden ayudar a crear una o dos preguntas para evaluar el nivel de entusiasmo de este candidato por trabajar en Google, y determinar su motivación para cambiar de trabajo. ¿Bien? Entonces ahora queremos tener dudas en torno a estos dos puntos. Por lo que has trabajado con Google diferentes maneras como formador de empleados en los programas de Google y alguien que enseña a otros sobre los productos de Google. ¿Qué es lo que específicamente te está atrayendo a Google Now, verdad? Por lo que conecta de nuevo a ese punto y por qué este papel en este momento de tu carrera. Si permanecieras en tu camino actual durante los próximos dos años, ¿qué sería lo que te faltaría y cómo crees que Google llena ese vacío, verdad? Entonces así es como podemos obtener más intrigantes generadas con la ayuda de la IA para una entrevista per se Y por último, cambiemos todo esto, y digamos que pensemos una última pregunta muy desafiante que podría hacer un experto conocido como yo que ayudaría a evaluar el conocimiento del área de este candidato y ayudaría a determinar qué tan bien piensa de pie o colaborar con otros. Bien. Entonces ahora estamos dando esta cosa en particular. Imagina que un socio comercial no está contento y dice, llevo meses trabajando con Google y no siento que esté ayudando a mi negocio. Aún no estás seguro de si el problema son las expectativas del producto o cómo lo están usando. Acompáñame a través. ¿Qué harías en la primera conversación y a quién más, si alguien, involucrarías? ¿Correcto? Entonces ahora estamos pidiendo aparte del puesto de trabajo, estamos haciendo preguntas mucho más profundas específicamente, entendiendo la comprensión del candidato del rol y todas las cosas que puede aportar sobre la mesa. Ya ves, así es como podemos hacer uso del GenertiveVi para generar preguntas para nosotros relacionadas con nuestro RRHH, tal vez mucho útiles en las entrevistas iniciales que realizamos para 24. Patrón de estandarización: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, queríamos ver cómo podemos hacer uso del BI generativo con respecto a la estandarización de ciertos procesos Entonces, una vez que estés trabajando con RRHH y estés entrevistando a varias personas, varios candidatos, te gustaría tener un proceso estandarizado o métricas en base a las cuales quieres evaluar a tus candidatos y luego tomar un juicio tú mismo si quieres continuar con ese candidato o no Entonces para eso también, podemos usar IA generativa para construir este marco para nosotros. Tratemos de entender lo que estamos tratando de hacer aquí. Entonces digamos que tenemos una descripción específica del puesto para que estamos contratando en este momento y queremos crear un marco estandarizado o una hoja de comparación de evaluación, que nos ayude a poner en todos los detalles de los candidatos y luego hacer comparación entre ellos para entender a quién queremos ir adelante. Entonces este es el aviso que estamos dando. Estoy en RRHH y ayudando a contratar a un equipo para un puesto adjunto. Esta es la posición. Quiero crear una tabla estandarizada que pueda capturar información clave o habilidades de los aspirantes. Quiero estandarizar y resaltar información clave necesaria para las personas comparen a esos candidatos en función de los criterios de trabajo Quiero los criterios en columnas y los candidatos estarán en las filas. Necesitamos un número razonable de columnas que capturen las habilidades, cualidades o experiencia más importantes de los candidatos . Entonces ahora tenemos la estructura en su lugar. Entonces aquí podemos agregar los nombres de los candidatos y luego estos son los criterios que ha creado Se puede ver experiencia relevante, ejemplos de impacto empresarial, todos los que provienen, como una estructura que estamos construyendo, capacidad para explicar ideas complejas. Estos son los criterios sobre los que vamos a evaluar a nuestros candidatos y luego compararlos eventualmente para saber con quién seguir adelante Entonces ahora lo ha creado. Ahora lo que vamos a hacer es que vamos a aplicar esto a un candidato específico. ¿Bien? Por lo que hemos subido el currículum del candidato. hemos subido la hoja de comparación, También hemos subido la hoja de comparación, y ahora le damos un prompt donde decimos que lee el archivo adjunto, currículum, y la hoja de información del candidato para cada columna incluye cotizaciones directas ¿Bien? No queremos explicaciones ni información genérica. Queremos citas exactas del currículum que ayuden a ser útiles para la persona que evalúa al candidato Esos se pueden agregar aquí. No queremos juzgar al candidato, por lo que no estamos pidiendo a la herramienta de IA que llegue a una conclusión sobre el candidato si va a seguir adelante con ellos o no. Esa decisión la estamos tomando nosotros. Solo queremos que nos ayude con la comparación a hacer, estandarización de métricas a hacer Todo eso lo está haciendo la IA. No queremos juzgar a los candidatos. Queremos estandarizar la presentación de información para ayudar a los evaluadores humanos Si no encuentras nada relevante, entonces también estamos diciendo explícitamente que dejan esa métrica en particular negra. Crear una versión actualizada de la hoja con la información en. Entonces ahora se puede ver que ha ido adelante y ha proporcionado esa información, así nombre del candidato, experiencia relevante proveniente del currículum, impacto empresarial, dada capacidad de explicar ideas complejas, simplemente, bien, mentalidad de toma de decisiones y datos, colaboración entre equipos, todo esto proveniente de puntos de datos provenientes del currículum en sí, propiedad y rendición comodidad con ambigüedad y cambio. Comunicación e influencia. Bien. Todos estos siendo proporcionados por aquí, premios y reconocimientos, motivación para el rol de Google, todo lo que se está brindando aquí Así es como podemos seguir adelante y estandarizar los procesos que tenemos en RRHH específicamente y luego obtener la salida de una manera mucho más rápida y efectiva también Este es uno de los ejemplos que puedes usar muy fácilmente en RRHH para contratar personas. Espero que esto tenga sentido. Espero que entiendas ahora cómo estamos haciendo uso del patrón de estandarización en IA generativa para nuestro trabajo de RRHH 25. Introducción a la IA generativa en la adquisición de talentos: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, veremos, hablaremos sobre cómo la IA generativa también puede ser útil en los procesos de adquisición de talento Entonces, si nos fijamos en las aplicaciones prácticas de la IA generativa y la incorporación de adquisición de talento , Al igual que el primero es con la ayuda de la IA, puedes tener una comunicación personalizada de candidatos, que es básicamente puedes generar descripciones de trabajo a medida para los candidatos, correos electrónicos que se les pueden enviar, preguntas personalizadas y de entrevistas que son mucho más identificables con el perfil para el que estás contratando y el candidato el rol que eres contratando y el perfil que estás entrevistando También puede haber cribado automatizado y listado corto, lo que puedes hacer con IA genitiva, donde puedes automáticamente con IA, analizar el currículum, entender las fortalezas del currículum, evaluar a los candidatos que encajen con el perfil Ese proceso lo puedes configurar con IA. Además, puede automatizar el proceso de selección de incorporación inicial Qué candidato seleccionar, cuál no seleccionar, considerando las fortalezas y debilidades, en base a considerando las fortalezas y debilidades, lo cual el primer proceso de selección también se puede automatizar con la ayuda de la IA. También habrá experiencias de incorporación interactivas que puedes crear con generativas donde puedes crear generativas donde puedes crear material de incorporación atractivo como mensajes de bienvenida personalizados, módulos de capacitación interactivos, tableros de chat generativos impulsados por IA, tableros de chat generativos impulsados por IA, que pueden ser una buena experiencia de usuario para También, uh, puede haber generación de contenido que puedes hacer con fines de capacitación. Entonces, mientras se están entrenando, puedes crear cuestionarios, puedes crear resúmenes, puedes crear resúmenes, guiones para videos de capacitación en video que podrías necesitar para diferentes estilos de Estos son todos los beneficios que puedes ver, que puedes tener, y puedes construir con la ayuda de la IA generativa en TA o adquisición e incorporación de talento Además de esto, la mitigación de sesgos, que también se puede hacer aquí, que es que puede utilizar PI genética para identificar y mitigar posibles sesgos en las descripciones de puestos Entonces este puede ser realmente un proceso justo que puedes construir para la selección de candidatos, evaluaciones de desempeño, evaluaciones de desempeño promocionando un proceso de contratación justo e inclusivo. Entonces, puede haber múltiples casos de uso diferentes de VI generativo con respecto a adquisición e incorporación de talento 26. Casos de uso de la IA generativa en la adquisición de talentos: Hola, chicos. Bienvenidos a esta sesión. Entonces en esta sesión, veremos algunos casos de uso del VI generativo en la adquisición de talento Entonces lo que entendemos aquí es que hay múltiples cosas que puedes hacer en la adquisición de talento con respecto a la genética VI El primero va a ser la interacción automatizada. Entonces aquí, puedes construir comunicación automatizada que es necesaria inicialmente cuando te estás comunicando con los nuevos candidatos y también a partir de descripciones de trabajo que puedes crear, puedes crear puedes enviar correos electrónicos de seguimiento automatizados, mejorando el engagement y ahorrando mucho tiempo humano. Entonces puedes mirar también la generación de contenido y la gestión, que básicamente genera dónde se puede usar la herramienta de IA para generar ofertas de trabajo a medida, preguntas de entrevista que podemos crear a través la herramienta de IA y el material de incorporación también necesario para cada uno de los roles También va a haber generación interna y personalización que puedes hacer ahora Se puede analizar el perfil de los candidatos para identificar rápidamente a los mejores candidatos con precisión. Esto va a llevar mucho menos tiempo comparativamente que pasar manualmente por todos y cada uno de los perfiles También puedes hacer asistencia al agente y automatización del flujo de trabajo, lo que básicamente es agilizar, programar entrevistas, administración de tareas, flujos de trabajo de reclutamiento rutinarios que se necesitan Esos se pueden generar a través de la IA, lo que permite que tus equipos se centren en discusiones de estrategia más grandes. Ahora, con respecto a esto, también se pueden identificar muchos casos de uso generativos de IA en la adquisición e incorporación de talento, lo que puede ser, en primer lugar, mirar identificar los procesos manuales y que consumen mucho tiempo ¿Cuáles son los principales procesos manuales que consumen mucho tiempo? Se pueden identificar aquellas tareas que implican mucho esfuerzo manual humano. Al igual que la proyección de currículum, programación de entrevistas, onboarding , papeleo, todo esto se puede dar a la herramienta de IA para hacer y lo que nos ahorra mucho Segundo, lo que podemos hacer es mirar resaltando áreas que son propensas a errores humanos. Busque procesos que puedan ser errores humanos como trabajos de entrada de datos de comprobaciones de cumplimiento, comunicación de candidatos. Todos estos pueden tener muchos errores humanos, que podemos erradicar asignándolo a una herramienta generativa de IA Luego está descubriendo oportunidades para obtener conocimientos más profundos, lo que básicamente consiste en considerar áreas en las que desea obtener más comprensión y ajuste de candidatos o efectividad de incorporación, diversidad e inclusión Para estas cosas específicas, puedes realizar esfuerzos especiales tomando ayuda de la herramienta de IA para generar ese contenido para nosotros. También va a estar explorando las soluciones de IA disponibles. Así que puedes investigar herramientas generativas de IA diseñadas específicamente para TA e incorporación, incluyendo ATS generativa impulsada por IA, incluyendo ATS generativa impulsada por IA El portal donde podrás gestionar todos los perfiles. Puedes crear chat bots, generadores de contenido, que se pueden construir con herramientas de IA, que pueden generar diversos materiales necesarios para TA e incorporación Y luego también plataformas de análisis, que pueden ayudarte a entender qué perfiles enfocarte. Lo último que debemos hacer es cuando empiezas a aplicar estas herramientas generativas de IA en TA e incorporación es comenzar con los proyectos piloto donde comienzas implementando la IA generativa en áreas más pequeñas para probar su efectividad Por ejemplo, automatizar solo la selección de currículum vitae o pilotar un panel de chat de IA generativa o personalizar los materiales de incorporación que Entonces todo eso, puedes comenzar como una fase de prueba, fase de experimentación Y luego una vez que veas la salida de la misma, puedes construir herramientas similares, procesos similares para las otras partes del TA y onboarding Espero que esto tenga sentido. Espero que entiendas ahora cómo estamos tratando de usar las herramientas generativas de IA para incorporarlas en nuestros procesos de TA y posteriores. 27. Domina la ingeniería de promociones y desarrolla un JD Creator, parte 1: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión, veremos cómo podemos dominar ingeniería rápida y desarrollar un creador de GD específicamente, cómo podemos generar un recurso específico para TA e incorporación con la ayuda de una ingeniería rápida efectiva Por lo tanto, la ingeniería rápida va a ser parte más efectiva del uso de la IE en la que necesitamos crear y proporcionar indicaciones efectivas, que son clave para extraer resultados precisos de herramientas de IA y LLM genetivas Así que tenemos que asegurarnos de qué tipo de prompt estamos dando para la salida deseada que estás buscando. Entonces, cuanto más específico vas a ser en tu prompt, más respuestas efectivas obtendrás de estas herramientas. El prompt actúa básicamente como instrucciones que están guiando que le estás dando a la herramienta de IA para entender tus necesidades y en función de las cuales va a proporcionar sus resultados. Ahora, un mensaje bien escrito va a ser esencial cuando intentes que tu proceso de T e incorporación sea un éxito Así que tenemos que personalizar nuestras indicaciones en torno a nuestra tarea de T e incorporación y dárselas a las herramientas de IA para proporcionar la salida correcta Si nos fijamos en un área problemática, digamos, un escenario en el que el proceso de incorporación ha sido muy abrumador para las nuevas contrataciones Entonces en tal caso, el objetivo que tienes en su lugar, el problema que tienes en su lugar es agilizar el proceso de incorporación para las nuevas contrataciones con la ayuda de Entonces, como vas a hacer eso es que puedes partirlo en cuatro partes. La primera parte va a ser instrucción donde vas a exponer claramente el problema, qué quieres que haga la herramienta de IA. Entonces, en este caso, la instrucción puede ser analizar el proceso de incorporación actual, los materiales que se utilizan, y sugerir mejoras basadas en los comentarios de nuevos empleados que haya recibido Una vez que obtienes esto de la herramienta de IA, entonces estableces el contexto. Establecimos el contexto, proporcionamos a la IE la información de fondo que los nuevos empleados se sentían abrumados con el proceso de incorporación y estaban luchando con la navegación del portal de incorporación y no tienen una comprensión clara de sus Estás dando el contexto. Una vez que proporcionas todo esto a la herramienta de IA, entonces la pregunta que puedes dar, que es donde preguntas directamente la herramienta de IA y qué queremos que responda. Nos preguntamos cómo se puede mejorar el proceso de incorporación, el material para abordar los problemas que enfrentan las nuevas contrataciones Ahora con eso, la herramienta de IA puede proporcionarle la salida. ¿Bien? Entonces aquí es donde guiamos a la IA sobre cómo queremos que se estructure la respuesta. ¿Qué tipo de salida buscas ? ¿Cuál es la expectativa? Entonces pedimos recomendaciones específicas como simplificar el contenido, cómo podemos simplificar el contenido, cómo podemos mejorar la navegación del portal, aclarar roles, agilizar elementos del proceso de TA y personalizar la experiencia general para Entonces así es como puedes estructurar un proms de IA efectivos para resolver un escenario de caso de uso específico que te enfrentas en la incorporación de TN También hay ciertas mejores prácticas, que puede tener en cuenta al elaborar estas indicaciones de IA efectivas Primero, queremos mantener nuestras indicaciones lo más simples y claras posible para asegurarnos de que no haya ambigüedad, y sea fácilmente comprensible la herramienta para la herramienta Necesitamos ser muy específicos y directos con las instrucciones para obtener resultados precisos. Hablamos de esto antes también. También necesitamos proporcionar información relevante, contexto para ayudar a la herramienta de IA comprender el escenario actual, la tarea, que necesita resolver y generar respuestas útiles. Uh, también necesitamos definir claramente el resultado deseado para que coincida con nuestras expectativas. ¿Cuál es el tipo de salida que buscas? Por lo que le da a la herramienta e más contexto en torno cómo va a enmarcar las respuestas y proporcionarnos eso. Entonces podemos probar y refinar las indicaciones, así como avanzar regularmente para mejorar la claridad y efectividad, para obtener mejores resultados, para obtener resultados prácticos más efectivos, respuestas que realmente podemos poner en práctica Por último, también podemos asegurarnos de evitar cualquier ambigüedad o confusión especificando qué debe y qué no debe incluirse en la respuesta Esta la herramienta de IA es muy clara sobre qué tipo de respuesta tiene que generar para nosotros. Espero que esto tenga sentido. Espero que entiendas ahora cómo vamos a hacer uso de las herramientas AA de ingeniería para ayudarnos en nuestro proceso de TA e incorporación 28. Domina la ingeniería de promociones y desarrolla un JD Creator, parte 2: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, veremos cómo podemos hacer uso de la herramienta de IA como hat GBT para desarrollar una descripción de trabajo, creador específicamente Crear una descripción de trabajo para un tipo específico de rol. Empecemos primero con la interfaz. Así se ve ahora el sombrero GBT. Estamos en una versión de Chat GBT 5.5 0.2 en este momento, que es lo que es justo en este momento Y esto es si miras el plan, estamos en un plan de marcha. Vamos a ir a planificar ahora mismo, que es un Por plan. También puedes hacer esto en un plan gratuito también donde la salida puede ser un poco similar, pero el plan go te brinda beneficios adicionales así como puedes ver mencionado aquí, que llegamos a ver. Yo sugeriría que sería una buena idea que puedas tomar un plan de ir y eso te dé resultados mucho mejores. Aparte de esto, si nos fijamos en los ajustes, hay ciertas cosas que solo quería mencionar. Por ejemplo, puedes ir a controles de datos donde puedes activar la opción de mejorar el modelo para todos. Entonces esto básicamente lo que hace es, cuando lo enciendes, entonces HAGEPT va a tomar en consideración tus conversaciones anteriores, tu contenido, específicamente para entrenar sus modelos para darte soluciones y resultados más personalizados Así que totalmente tu elección si quieres hacer eso, pero si sientes que son problemas de privacidad, entonces podrías seguir adelante y cambiarlo también ofrece. Eso se puede hacer. Aparte de esto, también tienes la opción de apps donde puedes conectar tus herramientas, otras herramientas como Google Drive o cualquier otra herramienta, que puedes conectar a HatGpt para que el uso de la transición sea mucho más el uso de la transición sea mucho más sencillo y te resulte más fácil trabajar con esta plataforma en particular Ahora, volvamos a la pronta y veamos para qué estamos aquí. Entonces digamos que queremos crear una descripción de trabajo para un rol específico. Entonces veamos dos opciones. La primera opción es donde podemos darle un prompt específico, algo como esto, donde decimos, crear una descripción de trabajo para científico de datos senior. Este es un aviso sencillo que estamos dando. Y con eso, ChatBT puede comenzar a hacer ese trabajo de proporcionarnos una descripción completa del trabajo, mirando el título del trabajo, ubicación, tipo de empleo, rol, panorama general Entonces se están dando todos estos. Titulación requerida, calificación preferente, lo que ofrecemos, Bien, así se proporciona todo esto. Ahora bien, esto está absolutamente bien. No obstante, tienes que obviamente en un escenario de la vida real, tendrás que verificar esto con tu requerimiento actual cuando estés planeando publicar una descripción de trabajo para un rol específico, ya sea que se alinee con eso o no Entonces tendrás que hacer ese mapeo manual de lo que está produciendo Ta JBT versus lo que realmente requieres en tu trabajo de RRHH, ¿verdad Entonces, la otra opción que puedes hacer es darle un prompt diferente por separado donde el prompt puede ser un poco más específico. Das un prompt muy estructurado exactamente cuál es tu requerimiento. Y en base a lo cual luego Chat GPT da la salida. Entonces echemos un vistazo a eso también. Entonces esto viene del punto que habíamos discutido anteriormente, que es un marco de instrucciones, contexto, pregunta y salida, ¿verdad? Entonces, en instrucciones, damos la instrucción clara de que eres para crear una descripción integral del trabajo basada en el rol, los requisitos y el contexto proporcionados, garantizar que apela a los candidatos calificados y se alinee con los estándares de la empresa Entonces le das el contexto, su rol es este departamento, el tamaño del equipo, la cultura de la empresa, habilidad requerida. Mencionaste todo eso. Pregunta, con base en el contexto anterior, borrador de descripción del trabajo, tenemos que crear una descripción del trabajo destacando las responsabilidades primarias , calificaciones requeridas, habilidades preferidas y beneficios asociados a este puesto. Y luego finalmente la salida. Queremos el resultado de esta manera particular donde habrá título de trabajo, la compañía, resumen de roles, responsabilidades clave, habilidades preferidas y beneficios mencionados. Ahora bien esta es información detallada mucho más informada que estamos brindando Chat GBT, por lo que se pone un poco más informada sobre lo que se espera de ella, y posiblemente te dará una salida mucho mejor frente a la anterior Entonces echemos un vistazo a esto. Entonces vamos a dar ese prompt en particular. Hemos agregado el prompt por aquí. Entonces ahora va a crear eso. Entonces puedes ver que está creando una descripción general de la compañía de título laboral, resumen de roles, responsabilidades clave. Lo que queremos de ella. Va a generar toda la información basada en el contexto que hemos dado aquí mismo. Ahora nos ha dado la responsabilidad clave requerida calificaciones, habilidades preferidas, beneficios, todo lo que se brinda. Esto se está volviendo un poco más específico como experiencia trabajando en entornos basados en la nube, Abu como GCP, Azure Esto parece mucho más informativo que el anterior si haces una comparación et. Es así como podemos hacer uso de Chat JPT para creaciones de descripción de puestos, que pueden ser parte de nuestro RRHH. Bien. 29. Crea una revisión de currículum en GPT: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, veremos cómo podemos crear un GPT personalizado específicamente para la selección de currículum Tratemos de entender qué es un GPT personalizado. Un GPT personalizado es principalmente, puedes imaginarlo como un asistente personal, que has construido sobre la plataforma GPT Ahora bien, este va a ser un tipo específico de GPT personalizado para sus soluciones, sus problemas en su negocio ¿Bien? Entonces aquí, puedes darle ciertas instrucciones, conversación, base de conocimientos, capacidades, acciones, que le das. Y con eso, construyes la estructura de este GPT personalizado, cual es personalizado para brindar soluciones que satisfagan sus necesidades específicas Entonces en instrucciones, aquí es donde vas a decirle a la IA cómo quieres que se comporte, cómo dar las respuestas de manera formal, casual o enfocada. Los iniciadores de conversación van a ser ejemplos que demuestren que la IA, el tipo de conversaciones que va a manejar. ¿Bien? La base de conocimiento es aquí donde vas a seguir adelante y alimentar a la IA con información específica que necesita como políticas de la compañía o detalles del producto, preguntas frecuentes, va a proporcionar todo eso. En capacidades, estas van a ser algunas características extra que podrás usar con tu GPT, como la navegación web, si quieres hacerlo eso estará disponible, generando imágenes con Dali, todo eso será posible Y luego vienen las acciones. En acciones es donde permites conectar tu GPT a servicios específicos como APIs, agregando documentos, todo eso se puede hacer Con todo esto, construimos un GPT personalizado, y damos todas las instrucciones de qué problema estamos tratando de resolver También le damos los antecedentes, y luego comienza a proporcionarnos resultados que atienden a nuestros requisitos específicos. Veamos esto en la práctica cómo vamos a crear esto para la proyección de currículum. Nuestra intención es que queremos construir un GPT personalizado para la selección de currículum donde queremos que filtre un currículum específico para una descripción específica del trabajo Tenemos una descripción específica del trabajo en nuestro RRHH. Hemos implementado una apertura en particular y hay un currículum que estamos recibiendo y necesitamos ver si el currículum coincide con esa descripción del trabajo o no. Eso es lo que sería el trabajo de la GBT personalizada. Tratemos de construir esto. Para construir GPT personalizados específicamente, vamos a venir aquí y podemos explorar GPT y aquí es donde podemos Podemos crear nuevos GPT nosotros mismos, y esta es la tienda GPT donde puedes ver que hay muchos GPT diferentes, GBTs personalizados creados por De igual manera, también puedes construir el tuyo propio y puedes crear uno nuevo donde tengas la opción de crear desde aquí. Así que aquí puedes dar todos los detalles. Das los detalles de qué tipo de GPT quieres crear, y comenzará a construirlo el modelo para ti. ¿Bien? Entonces digamos que este es el prompt que queremos dar. Así que crea un JBT que tome un CV y un JD y proporcione una evaluación crítica de si el CV es adecuado o no para el puesto Dar salida a una lista de puntos a favor o en contra de los requisitos clave de la JT y aportar pruebas Proporcionar una puntuación de cero a diez contra requisitos clave, dar una recomendación final sobre si continuar con el currículum o no. Adicionalmente, haga un comentario sobre qué tipo de puesto será el más adecuado para este candidato . Bien, entonces esto es lo que queremos. Entonces le damos eso al sombrero GPT, y ahora comenzará a construir el GPT personalizado para Nos va a pedir recomendar o sugerir cierto nombre para este GPT personalizado ¿Bien? Así que reanude Fit. Sí, le está dando cierto nombre. Y ahora también está generando una foto de perfil para ello. Se puede ver en el lado derecho, aquí es donde se está creando el GPT personalizado Se pueden ver algunas indicaciones de ejemplo que está generando automáticamente Así que también se creó la foto de perfil. Bien. Si quieres, puedes personalizarlo también, y veamos la opción de configurre Así que aquí puedes ver el nombre del GPT personalizado. Si quieres cambiar eso tú mismo, puedes hacerlo. Si quieres dar una descripción de una línea del GD del GPT personalizado, puedes hacerlo también Y esta es la información que hemos proporcionado. Ahora bien, estos son los iniciadores de conversación. De esto es de lo que estamos hablando. Los iniciadores de conversación van a ser los diferentes tipos de proms con los que tratará Entonces esos se dan por aquí, y esto es lo que queremos exactamente, ¿verdad? Evaluar este CV contra el JD adjunto. Entonces una vez que tengas esto, también puedes subir ciertos archivos solo dando recursos adicionales al GPT personalizado para estar bien equipados para brindarnos mejores resultados Entonces puedes hacer eso también. Y luego las capacidades que quieres encenderlo, quieres que pueda hacer búsquedas en la web, usar Canvas, bien, usa generación de imágenes. Entonces todo eso si quieres, puedes encenderlos también, y luego crear. Una vez que crees esto, este GPT personalizado en particular estará en acción, activo, y luego podremos seguir adelante y usarlo Entonces ahora mismo, digamos, estas son las opciones que te darán. Entonces si quieres uh, mantenlo contigo mismo en privado. Por ahora, puedes hacer eso o cualquier persona con el enlace o ponerlo en la tienda GPT Entonces digamos que lo estamos haciendo sólo por mí por ahora. Una vez que haya creado el GPT, entonces nuestro trabajo sería que ya que el propósito de este cliente en particular GPT era evaluar un JD en particular para un Entonces aquí, ahora puedes simplemente este es nuestro JD GPT personalizado creado, así que podemos subir digamos que intentaremos subir un JD, y también damos una Y decimos, por favor evalúe Este es un requisito nuestro. Ahora va a mirar los documentos. Y puedes ver, para la puntuación de mapeo de requisitos clave, nos está dando la puntuación, las funcionalidades centrales, la planificación del presupuesto, todo eso es dar puntaje O es 7.1 de diez. Entonces ahora con base en esto, podemos entender, y da las fortalezas y brechas también para evaluar. Así que posiblemente puedas preguntar si tienes algún punto de referencia en particular. Digamos que quieres uh llamar a todos los candidatos a entrevistas que hayan anotado más de cinco. Entonces, una vez que entreviste a esta persona en particular, podrás cavar más y hacer preguntas en torno a las brechas y riesgos. Recomendación superior. No proceda. Por ahora, se trata de decir que no procedan por un rol de mercadotecnia de P Digi Proceder si se ajusta el rol, se consideran roles alternativos. Aquí también se están dando mejores alternativas. Entonces así es como vamos a crear unos chicos GPT personalizados, que pueden ser útiles en trabajos de RRHH Este es uno de los ejemplos de cribado de currículum que puedes crear como un GPT personalizado y hacer uso de él en tu trabajo diario de RRHH 30. Automatiza la selección de currículums con Gemini: Hola, chicos. Bienvenidos a las sesiones. En esta sesión, veremos cómo podemos seguir adelante y retomar screening también con la ayuda de una herramienta de IA como Google Gemini. Google Gemini es otra herramienta de IA creada por Google, similar como Open AIHatGBT que puedes usar para proporcionar salidas de obtención basadas en las indicaciones Entonces echemos un vistazo a esta herramienta. Entonces esta es la plataforma chicos, que es Google Gemini, que sin duda puedes usar por aquí, y también tiene un plan gratuito y de pago. Así que absolutamente puedes seguir adelante y echar un vistazo a eso también para que puedas hacer uso de. Esto es lo que vamos a usar. Lo que vamos a hacer aquí es idealmente, vamos a ir a la configuración de la misma donde vamos a asegurarnos de que realmente lo estamos usando para diferentes productos de Google, que va a ser Google Drive. Vamos a usar el Google Gemini vinculado a otros productos de Google como Google Drive, Google Excel, hojas de cálculo Excel específicamente y ver cómo podemos usarlo para automatizar nuestro proceso de selección de currículums Entonces esta es nuestra hoja de cálculo de Google que estamos usando, ¿verdad? Entonces aquí vamos a utilizar la herramienta particular de Google Gemini. Entonces para eso, lo que tenemos que hacer es que podamos seguir adelante y activarlo desde aquí, que dice Ask Gemini. Y ahora podemos iniciar todo el proceso de darle indicaciones específicas relacionadas con nuestro proceso de selección de currículums Entonces digamos que este es el primer baile de graduación que queremos dar, que queríamos crear una tabla con una lista de cinco candidatos de muestra con las siguientes columnas, que serán nombres, correos electrónicos, fecha disponible para entrevista, y disponible. Entonces ahora se lo hemos dado a la herramienta Gemini y va a crear la tabla para nosotros. Puedes ver que la tabla ha sido creada, cual puedes absolutamente seguir adelante y editar según tus datos. Para que puedas hacer eso, también. Entonces podemos decir, vamos a insertar esto aquí mismo. Entonces tenemos los datos por aquí. Ahora lo que queremos hacer es en contra de estos específicos. Entonces vas a actualizar todos los detalles, los nombres, correos electrónicos de tus entrevistadores, entrevistados Y ahora en contra de ellos, tendremos que sumar sus específicos, pueden decir los entrevistadores que van a estar ahí ¿Bien? Entonces, vamos a darle este aviso. Ahora vamos a dar el prompt por aquí donde tenemos dos entrevistadores Digamos que Tamdas está disponible el, uh, diez de febrero, hay 11 de febrero 13 de febrero, y Greg está disponible para 12 y, um, hay los días 10, 11 y 13, 12 y diez Así es como los disponibles, los entrevistadores están disponibles para ello también Ahora queremos el solo queremos poner a los entrevistadores contra el entrevistado para que sepamos cuales son las personas que van a estar ahí Entonces ahora tenemos eso por aquí. Por lo que se asignan entrevistadores. Así que pongámoslo también. Entonces esto lo tenemos en su lugar. Bien. Ahora, una vez que tenemos esto, así tenemos los detalles del mismo, queremos enviarles correos electrónicos invitándolos a la entrevista, ¿verdad? Entonces para eso, tenemos un prompt específico el cual queremos dar donde decimos que ahora generamos que ahora generamos mailers de entrevistas individuales para cada uno de los candidatos, saludarlos apropiadamente y agradecerles por tomar el interés en el papel de desarrollador de software, y mencionar la fecha y el momento de la entrevista, nombre de la entrevista, estándar, etiqueta de entrevista a seguir y desear ellos todos los mejores. También proporciona un enlace ficticio del equipo de Google para unirse al ínterin Entonces este es un correo electrónico, que va a salir a cada uno de ellos, invitándolos a la interm Entonces ahora la herramienta Gemini saldrá y generará esos correos electrónicos también para nosotros. Como pueden ver, el primero es para Alex Johnson, lo cual es correcto, Alex Johnson. ¿Bien? El correo electrónico ha sido creado, redactado, que es para el diez de febrero. Los datos son correctos. Bien, entrevistador va a ser thermidas el Google Meet Link proporcionado Se proporciona etiqueta estándar de entrevista. Bien, lo mismo va para María, la siguiente persona, ¿de acuerdo? Y entrevistador es Greg Smith. Bien, los detalles son absolutamente correctos. Ya puedes ver todos los correos electrónicos que se han compuesto. Bien. Todo lo que tienes que hacer ahora es enviarlo desde tu correo electrónico oficial a todos ellos. Entonces así es como podemos hacer uso de la herramienta Google Gemini para hacer mucho trabajo de recursos humanos como el cribado de currículum. ¿Bien? También puedes hacer evaluación de candidatos, bien, descripción del puesto, creación. Muchas de estas cosas también se pueden hacer. 31. Crear la evaluación de candidatos: GPT: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, veremos cómo podemos crear un GPT de evaluación de candidatos así como sobre GPT específicamente, un GPT personalizado, que básicamente va a evaluar a los básicamente va Entonces para esto, lo que requerimos son tres cosas importantes. Uno va a ser un caso donde queremos crear necesitamos tener un documento que contenga el JD, la descripción del trabajo del perfil del puesto, que estamos buscando parámetros de evaluación en base a los cuales vamos a juzgar Y las respuestas dadas por la entrevista VE, por el candidato específicamente, que es lo que va a evaluar el GPT Entonces el GPT va a evaluar con base en estos y luego puntuarlos en una escala de digamos cero a cinco Entonces hemos creado un prompt específico para eso también. Entonces este es el prompt que vamos a usar para crear ese GPT personalizado. Echemos un vistazo a esto. Lo que vamos a hacer es ir a explorar GPT, y vamos a crear un nuevo GPT por completo, y vamos a dar este prompt El baile de graduación dice claramente, crear un GPT que tome en un documento que contenga un JD, parámetros de evaluación y un conjunto de preguntas respondidas por el candidato El GPT tiene que proporcionar una evaluación crítica del candidato y también puntuarlo en cada uno de los aspectos de evaluación en una escala de 025 Esto es lo que queremos hacer. Y en base a esto, entonces tendremos la anotación hecha por la GBT, ya sean aptos para pasar al siguiente nivel, próximas rondas de entrevistas o no Lo que vamos a ver es que vamos a tomar dos escenarios diferentes. Un escenario puede ser donde se le den al candidato las respuestas adecuadas adecuadas necesarias. Podemos ver, sí. Simplemente podemos responder a esto. Bien. Y en el segundo escenario, veremos a un candidato cuyas respuestas no han estado a la altura de la marca. Entonces queremos ver si el GPT personalizado es capaz hacer esa diferencia y puntuarlos en consecuencia. Entonces echemos un vistazo a esto. Ahora mismo, solo estamos creando el GPT personalizado y luego una vez que esté activo, podemos subir toda la información Así que imagínate tener este GPT ya contigo. Cómo esto va a ser realmente útil y ahorra mucho tiempo es que podrías estar teniendo a mucha gente siendo entrevistada. Ahora rápidamente quieres puntuarlos si el proceso de selección, el proceso de evaluación está en curso. Entonces ahora tenemos el GPT personalizado creado. Entonces la idea es que con la ayuda de esto, se pueda ahorrar mucho tiempo del proceso de evaluación de candidatos. Solo necesitas subir sus respuestas, y tendrás los parámetros de valoración ya ajustados. Entonces con eso, simplemente puedes seguir adelante y crearlo tú mismo y puedes subir los documentos uno tras otro en el GPT personalizado, y te marcará Se puede obtener la puntuación adecuada se puede hacer, y en base a la cual luego se pueden decidir los siguientes pasos, cuáles son los candidatos que están avanzando a las siguientes rondas y cuáles no. Esa es la idea. Ahora tenemos el GPT creado Entonces ahora tenemos la evaluación del candidato, GPT creada para nosotros. Entonces ahora vamos a subir el documento. Entonces ya he creado el documento por aquí. Entonces el primero va a ser éste, que contiene toda la información. Así que vamos a echarle un vistazo también. Entonces ahora hemos dado la información, así que vamos a echarle un vistazo también aquí. Solo quería mostrarte qué información estamos subiendo. Este es el rol del desarrollador de software, se proporciona la descripción del trabajo. Después hemos dado los objetivos de la entrevista, también se mencionaron los criterios de evaluación, y luego las preguntas respondidas por el candidato. Este es el documento que tenemos aquí, y esto es lo que estamos subiendo en hat GPT en el GPT personalizado Es. Entonces ahora veamos que va a mirar el documento. Entonces ahora se va a evaluar en base a los parámetros sugeridos. Entonces competencia técnica, cuatro de cinco, experiencia práctica, 3.5 de cinco, pensamiento analítico de resolución de problemas, 4.5 Es medir con base en eso. El puntaje promedio general nos ha sido dado 4.1. Entonces podemos ver que esto se está proporcionando aquí mismo. Ahora veamos otro ejemplo. Y vamos a dar el mismo aviso. Demuestra conciencia básica del concepto de desarrollo de software, pero las respuestas de su entrevista revelan brechas significativas. Se puede ver que los conocimientos técnicos son 2.5. La aplicación práctica también es 2.5. La capacidad de resolución de problemas es muy baja, 1.5 de cinco, habilidades de comunicación, potencial de aprendizaje y crecimiento, 2.5. El puntaje general está llegando ahora a 2.1 de cinco. Así, puede utilizar el GPT personalizado principalmente para evaluación de candidatos y rápidamente la herramienta puede evaluar en función de sus parámetros, los parámetros evaluación de su entrevista y decirnos si el candidato es adecuado para pasar a la siguiente ronda o. 32. Desarrolla un GPT de automatización de BGV: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, veremos cómo podemos hacer un GPT personalizado, que es la automatización de verificación de antecedentes Aquí, lo que estamos tratando de hacer es que estamos tratando de verificar los detalles dados por el candidato con lo que se menciona en su CV. Cualesquiera que sean las certificaciones que hayan hecho y eso aparece de la misma manera en el CV o no? Eso es lo que queremos verificar con la ayuda de GPT personalizado Entonces echemos un vistazo a esto. Vamos a crear un GPT personalizado yendo a explorar GPT y crear. Entonces aquí es donde vamos a darle un baile de graduación. Entonces digamos que este es el prompt que queremos dar. Crear un GPT que tome en un CV y documentos testimoniales. Por favor valide si el CV y los testimonios adjuntos, uh, cuentan. Si hay una anomalía, entonces por favor menciónalo así que vamos a usar esto y crear un GPT personalizado ahora mismo Entonces esto hará que nuestro trabajo sea mucho más rápido porque entonces con la ayuda de este GPT personalizado, solo necesitas subir los documentos de verificación proporcionados por el candidato y su CV, y nos puede decir un sí o un no sobre eso Para que puedas ver que automáticamente recoge las indicaciones iniciales que puedes usar Entonces dándole un nombre también, que es validador testimonial CV y también está generando una imagen de perfil del Entonces, una vez que tengamos el GPT personalizado en su lugar, subiremos todos los detalles Vamos a subir su CV. También vamos a subir su documento. Bien. Echemos un vistazo a esto. Entonces esto es ante todo, el documento, que es el CV, que estamos subiendo para Greg Smith Digamos, ese es el candidato que estamos verificando aquí, y luego vamos a subir los demás documentos. Los certificados que estamos subiendo ahora mismo. Entonces ahora subimos y solo vamos a pedir que por favor evalúe va a mirar el CV, va a mirar los certificados y luego verificar y verificar si ese es el caso o no. Dice que tanto el ensayo PMP como el CI están ahí mencionados, confirmados y consistentes Para que podamos verificar eso. Se verifica completamente que la documentación de certificaciones que proporcionó el candidato también se menciona claramente en el CV. Espero que esto tenga sentido. Así es como vamos a hacer uso del GPT personalizado para cualquier tipo de verificación de antecedentes, automatización que queremos hacer para nuestro RRHH 33. Desarrolla un chatbot de incorporación: Hola, chicos. Bienvenidos a esta sesión. Entonces, en esta sesión, veremos cómo podemos hacer uso de Chat GPT para desarrollar un tablero de chat de incorporación para nuestros nuevos Entonces, los nuevos carpinteros, una vez se despeje su entrevista y estén a punto de unirse, pueden y tendrán muchas preguntas relacionadas con las políticas de la compañía, código de vestimenta que se sigue, bien, las vacaciones, la información, los fines de semana libres, toda esa información que requerirían para saber número de horas trabajando horas extras, conocimiento sobre eso deja Entonces para esos, tendrán muchas consultas por las que les gustaría que les respondieran. Ahora, proporcionar respuestas a todas estas consultas manualmente a diario puede ser muy abrumador y consumir mucho tiempo para el HRT Aparte de eso, lo que podemos hacer es construir un GPT personalizado que puede ayudar a manejar todo esto Veamos cómo podemos hacer eso. Una vez que esté en CTA GPT, podemos comenzar a construir un nuevo GPT por completo, donde vamos a crear un GPT específico, que va a atender a Vamos a crear esta en particular. Donde decimos que crear un GPT que tenga la base de conocimiento de las políticas de RRHH de la compañía Toma preguntas y las responde puramente del documento de política proporcionado. Este GPT está destinado a ayudar a los nuevos carpinteros aclarar diversas cuestiones relacionadas con políticas Además, también mencionamos que por favor responda ya que no sé cuándo la respuesta a la pregunta no está disponible en la base de conocimientos dada. Aquí, también tendremos que adjuntar la base de conocimientos o el documento de política en este GPT personalizado Vamos a tomar esto en esto por aquí y vamos a agregar también el GPT personalizado También podemos subir los archivos aquí mismo. Entonces vamos a poner las políticas de recursos humanos. Nosotros hemos subido el documento, como puedes ver, y va a crear el nombre también, ha creado ha creado el documento la política de recursos humanos se ha subido aquí, y luego podemos crear todo el GPT personalizado Entonces ahora con base en la cual también puedes probar el GPT. Um, así que vamos a echar un vistazo a eso. Entonces esto va a ser muy útil porque va a ahorrar mucho tiempo porque los nuevos carpinteros serán muy inquisitivos y tendrán muchas preguntas en su mente, que fácilmente pueden seguir adelante y ser respondidas por este GPT Entonces este es el GPT personalizado que puedes copiar, y ahora puedes compartirlo con todos los nuevos carpinteros del equipo Así que probemos esto también. Entonces digamos que queremos saber sobre la política de licencia. Entonces solo entienda que este GPT personalizado en particular también tiene el documento de política en el back end Entonces, sea cual sea la respuesta que vaya a dar va a dar con base en el documento al que se le ha adjuntado. Entonces va a mirar el documento y recoger toda la información de ahí. Digamos que estamos pidiendo más información, por favor explique licencia extraordinaria. Entonces ahora nos está dando más información, mirando el documento de política. Es así como podemos hacer uso del chat GPT para crear un GPT personalizado específicamente para atender Funciona como un tablero de chat que va a responder a todas las consultas relacionadas con el abordaje. Espero que esto tenga sentido. Espero que la gente entienda ahora cómo estamos usando la herramienta de IA para, uh, simplificar nuestros procesos relacionados con los recursos humanos y trabajar que tenemos e implementar la automatización tanto como podamos en nuestro trabajo diario. 34. Las mejores prácticas para la IA en la adquisición de talentos: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión, discutiremos sobre las mejores prácticas que podemos tener en cuenta para IA en la adquisición de talento específicamente. Entonces, el primero es una especie de identificación de los casos de uso clave. Por lo tanto, debemos enfocarnos en tareas donde IA pueda tener el mayor impacto, como la selección de currículum vitae, la entrevista, programación o la administración de documentos de votación. Automatizar este tipo de tareas puede liberar mucho tiempo y ayudar a los equipos a discutir sobre áreas de estrategia superior Además, se puede mirar a mantener la supervisión humana. Entonces, mientras la IA se usa de forma regular para hacer el trabajo pesado, los humanos pueden permanecer involucrados, especialmente para tomar decisiones complejas, decisiones finales que deben tomarse como selecciones finales de candidatos. De esta manera, estás agregando el toque personal reflexivo a todo el proceso. Capacitación con datos relevantes también. Por lo tanto, el uso de datos específicos de la organización, como las tendencias de contratación o las descripciones ayudará a capacitar a la IA de la manera correcta. Asegura que brinda salidas relevantes para nuestro negocio, para nuestra industria, específicamente, atendiendo a nuestras necesidades. También implementando el aprendizaje continuo. Por lo tanto, actualizar regularmente la IA con nuevos datos y comentarios puede ayudarla a adaptarse a los cambios en las condiciones, políticas, prácticas del mercado laboral políticas, prácticas y mantenerla mucho más relevante y precisa. También, tenemos que asegurarnos de que haya una comunicación clara. Entonces la transparencia realmente importa cuando estamos usando herramientas de IA. Entonces todo el mundo sabe cuándo está involucrada la IA, que puedan revisar o ajustar los resultados, especialmente para roles importantes. Ahora bien, si nos fijamos en los principios clave para la IA responsable en la contratación, el primero es obviamente la transparencia. Necesitamos comunicar claramente cómo se usa la IA en el proceso de contratación para construir esa confianza dentro de los empleados. Privacidad de datos. Por lo tanto, necesitamos salvaguardar información de los candidatos proporcionando regulaciones de privacidad como GDPR y asegurando que la protección de datos también esté sucediendo. También sesgo. Por lo tanto, debemos asegurarnos de que el uso de la IA sea diverso, se utilicen datos justos para entrenar a la IA y estamos evitando cualquier práctica de contratación sesgada y obsoleta perpetua Entonces esos deben ser evitados. También, la rendición de cuentas está ahí. Tenemos que asegurarnos de que las decisiones de IA puedan ser rastreadas y corregidas si se están haciendo errores y alguien con alguien responsable de la supervisión Por lo que es necesaria la intervención humana en tales casos. También el control sobre la decisión generada por IA, manteniendo la supervisión humana sobre las decisiones finales como la selección de candidatos, incluso cuando la IA automatiza la mayoría de las tareas como la selección de currículum vitae o la programación de entrevistas Ahora bien, si nos fijamos en la importancia de supervisión humana en la contratación impulsada por IA, hay muchos como garantizar la precisión. A veces, la IA pierde las calificaciones en un currículum o un reclutador puede intervenir y atraparlo y garantizar que los mejores candidatos no sean pasados por alto, cierto, maneja Entonces, para situaciones únicas como reglas de cumplimiento complejas, experiencia humana garantiza una precisión total donde la IA podría quedarse corta. Entonces, la intervención humana realmente ayuda en tales casos. También construyo confianza. Entonces, cuando los gerentes de contratación ven que un humano ha revisado la lista preseleccionada impulsada por la IA, aumenta la confianza, especialmente para roles críticos También mejora la IA. Entonces, cuando los humanos atrapan errores, sus comentarios pueden ser devueltos a la IE para que sea más inteligente y confiable durante un período de tiempo. También mejora la calidad. Para tareas como enviar documentos de incorporación, un humano puede intervenir para verificar la precisión, asegurando que no se pierda nada en tales casos Ahora bien, si nos fijamos en algunas de las mejores prácticas para la privacidad de datos en la adquisición de talento, la primera viene como minimización de datos, que es recopilar solo la información relevante necesaria como habilidades y experiencia laboral, y evitar cualquier dato personal Luego existe la limitación de propósito, que es usar los datos recopilados únicamente para su propósito previsto , como seleccionar candidatos y evitar el uso no relacionado También hay transparencia, que básicamente es informar claramente a los candidatos cómo se utilizarán sus datos, especialmente cuando la IA está involucrada a través de datos a través de descripciones de puestos o políticas de privacidad. También hay control de acceso, por lo que se limita el acceso a datos confidenciales, que garantiza que solo el personal autorizado como el equipo de recursos humanos pueda verlo. Y luego se implementa la seguridad de los datos, que es principalmente proteger los datos candidatos con que es principalmente proteger los datos candidatos con encriptación o protección con contraseña para evitar accesos no autorizados o violaciones Entonces así es como podemos aplicar estas mejores prácticas cuando IA está involucrada en nuestros procesos de recursos humanos. 35. Introducción y bienvenida: Hola, chicos. Bienvenidos a esta sesión. En esta sesión veremos cómo podemos hacer uso de la IA generativa y la adquisición de talento, específicamente para una selección más inteligente de candidatos En este módulo, vamos a aprender un par de cosas, que va a ser primero ver cómo podemos automatizar todo el proceso de selección y ahorrar mucho tiempo de nuestro recurso humano. En segundo lugar, personalizar las evaluaciones de los candidatos. Entonces, cómo estamos evaluando a los candidatos, podemos personalizarlo también en función de su perfil. Y luego cómo podemos agilizar todo el flujo de trabajo. Esto realmente ayudará a reducir o eliminar procesos o pasos redundantes que podamos tener en nuestro proceso de selección de recursos humanos. También intentaremos responder algunas preguntas críticas aquí, como, ¿cómo puede la contratación impulsada por la IA seguir siendo ética e imparcial También tenemos que asegurarnos de que eso esté sucediendo. En segundo lugar, vamos a ver cómo puede salvaguardar privacidad y la seguridad de los datos en el proceso de selección impulsado por IA. Entonces vamos a poner ciertos pasos por los cuales llegaremos a ver cómo podemos hacer eso. Y por último, ¿cómo te aseguras tu equipo abrace la IA como una herramienta y no como una amenaza Esto tiene que ser así porque es como podrás hacer uso de la IA de manera productiva y generalmente va a mejorar la calidad de nuestro trabajo. Entonces vas a ver prácticamente diferentes herramientas como Chat JPT, Gemini, y Claude siendo utilizadas en este módulo para aplicar todos estos conceptos 36. Identificar los puntos de contacto y las oportunidades en la contratación: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, hemos querido entender e identificar los puntos de contacto y oportunidades en el onboarding donde podamos implementar Entonces, si nos fijamos en el proceso tradicional de selección de candidatos. Por lo que el primer paso es la selección de currículum, donde los reclutadores pasan por múltiples miles de solicitudes para evaluar calificaciones Luego viene la proyección inicial donde verificamos los conceptos básicos y encontramos el ajuste inicial para el rol o no. Y luego vienen las pruebas de habilidades y aptitudes, que pueden ser específicas de rol Por lo que se realizan pruebas específicas de rol. Y luego viene el proceso de entrevista donde la brindamos brinda una comprensión más profunda del candidato y sus fortalezas y debilidades. Después hacemos las verificaciones de antecedentes y referencias, lo que ayuda a verificar credibilidad del candidato y por último, hay una selección de candidatos. Por lo que este es el proceso tradicional de selección de candidatos que cada empresa sigue en su mayoría. Ahora, el inconveniente o ineficiencias en el tamizaje tradicional es el proceso lento Entonces, como pueden ver, todo esto es manual, lo que lleva mucho tiempo ser conducido y ejecutado por el HRT Ahora bien, esto sucede también por el enorme volumen de reclutamiento o entrevistas de recursos humanos que se están realizando. Miles de solicitudes llegan cada vez que hay vacantes laborales en una empresa. Y eventualmente, lo que lleva a esto es un retraso en la contratación. El proceso de contratación se vuelve mucho más largo y lleva mucho tiempo tener selecciones de candidatos por hacer. Ahora los otros inconvenientes o ineficiencias es la subjetividad Debido a que esto se hace humanamente, puede haber mucho uh en la selección de candidatos, puede haber un sesgo o subjetividad o uh cosas que el reclutador no ha podido evaluar adecuadamente, que se puede perder como Y luego también, hay una personalización limitada del candidato en el sentido de que tratamos de identificar cuáles son las fortalezas reales del candidato y tratando de encontrar el papel que mejor se ajuste a ellos. Entonces estas son todas las faltas, se puede decir, en la proyección tradicional Entonces aquí es donde entra en imagen la IA en donde IA generativa puede intentar automatizar todo el proceso de selección de candidatos, primero, en donde podemos hacerlo para el análisis de currículum y la preselección se puede hacer con herramientas como Chat GPT, Gemini, puedes También puede hacer que los agentes de detección impulsados por IA estén disponibles Cloud y HatGPT que pueden ayudar en la selección de los perfiles de candidatos particulares Entonces también puedes crear pruebas de habilidades y aptitudes en estas herramientas como el intérprete de código Chat GPT, que se puede dar a los candidatos para que tomen, y luego los evaluamos sobre eso. Luego hay detección de sesgos y tamizaje justo. Por lo que aquí podemos hacer uso de Chat JBT principalmente para establecer un proceso de cribado justo que detecte completamente el sesgo , que no toma en consideración ningún ángulo humano Y por último, también podemos hacer comentarios personalizados de los candidatos en función de subir el currículum del candidato de atención y dar información específica a través de herramientas como Gemini y Chat GPT, donde podemos darle comentarios mucho más personalizados al Así es como podemos usar las herramientas de IA para cerrar estas brechas que regularmente encontramos en nuestro proceso completo de selección en nuestros trabajos de RRHH. 37. Selecciono de candidatos personalizado con IA de generación: Hola, chicos. Bienvenidos a las sesiones. En esta sesión, hablaremos sobre cómo la IA generativa puede ser útil para tener un proceso de selección de candidatos personalizado, que podemos configurar con ella Ahora, cuando miras a personalizar el proceso de incorporación con CHANGPT, hay múltiples cosas con las que nos puede ayudar En primer lugar, automatiza la tarea repetitiva, que va a ser el proceso de cribado Todo eso se puede eliminar por completo y CHAGPT puede hacerse cargo y hacer esa tarea por nosotros También seguirá adelante y potenciará la personalización. Con base en el perfil, podemos personalizar las preguntas y luego hacer de una manera mucho mejor, de manera efectiva. Entonces por eso también mejorará la eficiencia de todo el proceso de tamizaje. Podremos preseleccionar al candidato adecuado sin faltas Y luego también porque es una herramienta de IA, también puede ayudar a reducir el sesgo, que las personas podrían tener cuando están haciendo todo este proceso manualmente. Ahora bien, si nos fijamos con respecto a cómo Tangibty mejora la selección de candidatos, para que pueda enviar uh, invitaciones que son personalizadas Por lo que puede generar invitaciones de entrevista personalizadas con los detalles clave de los candidatos de selección, puede crear preguntas de selección específicas de rol estructuradas preguntas de selección específicas de rol que son mucho más personalizadas al perfil. Puede resumir los comentarios de la entrevista en función de los aportes del reclutador sin ningún sesgo También puede proporcionar y elaborar mensajes de rechazo educados y constructivos, lo que puede ser realmente incierto y cuando se hace humanamente, puede ir de cualquier manera Entonces puede hacerlo de manera correcta. Y luego el seguimiento también, envío de recordatorios o información adicional de roles se puede compartir a través de la automatización con la ayuda de madera ChatLPT. Veamos esto en la práctica. ¿Cómo exactamente vamos a hacer esto? Digamos, así es como se ve la interfaz. Lo que vamos a hacer aquí es que vamos a proporcionar a la herramienta JD y un CV en particular y pedirle que cribe el CV particular para la regla del trabajo Este es el aviso que vamos a dar donde vamos a donde vamos a pedirle que sea asistente de reclutamiento, base en la siguiente descripción del trabajo de GD, analice el currículum de este candidato y proporcione una puntuación adecuada sobre diez Junto con las fortalezas y debilidades clave, se adjuntan la descripción del puesto y el currículum vitae evaluar críticamente y mencionar los ajustes y brechas Entonces adjuntemos Eso ya lo hemos hecho, y ahora podemos proporcionar esto. Entonces lo que va a hacer la herramienta es que va a mirar tanto a los documentos como a partir cuales nos va a dar la salida. Hagámoslo una vez más. Entonces ahora va a mirar ambos documentos, como pueden ver, nos va a dar una puntuación general basada en eso. Entonces nos va a dar primero las áreas de fuerte ajuste. ¿Bien? Cuáles son las cosas que son adecuadas para el rol en función del perfil dado. Entonces, marketing digital, experiencia en marketing de rendimiento digital, ecosistema de Google y conocimiento de dominio. Entonces sobre estos, está dando. Y luego las debilidades clave también, ajuste parcial, propiedad del fin a y estrategia de marketing, hay una brecha ahí Bien, así que enfatiza en currículum enfatiza en la capacitación, mientras que lo que buscan es estrategia de marketing de extremo a extremo, productos, marketing de estilo , brecha notable, no hay mucha experiencia de eso. Bien. Entonces así, va a dar en todos los aspectos, áreas que son excelentes, excepcionales, bien, fuertes. Bien. Y luego los que son parciales y en base que va a dar la puntuación general, que fue de 8.3 de diez. Así que ahora tenemos el puntaje aquí, ¿de acuerdo? Entonces digamos adicionalmente lo que queremos también queríamos hacer es crear cinco preguntas de entrevista conductual para el puesto de trabajo dado que idealmente deberíamos hacerle al candidato que evalúa sobre resolución de problemas, liderazgo y comunicación. ¿Bien? Y también estamos pidiendo a Chatb que nos brinde la respuesta ideal para que podamos comparar, ¿verdad? Entonces si esto ya está con nosotros, antes de ir a la entrevista, si nos preparamos así, tenemos la pregunta y la respuesta ideal también. Y ahora sólo tenemos que compararlo con lo que dice el candidato en la entrevista. Entonces también tenemos la respuesta ideal, lo que estamos buscando evaluar sobre la resolución de problemas, bien, específicamente el liderazgo, todos esos temas en particular. Por último, digamos que también podemos pedirle a AGBT que brinde cinco preguntas adicionales sobre la base de habilidades Entonces específicamente para este rol, preguntas técnicas, básicamente, que queremos obtener también. Y eso también Chat JBT nos puede ayudar con donde podamos obtener preguntas específicas relativas a temas como dominio del canal de formación, medición y KPI, experimentación y pruebas, gestión de presupuestos, y así sucesivamente y así sucesivamente De manera que se puede ver ahora con este proceso, con este enfoque, se puede evaluar al candidato una manera mucho más efectiva y hacerse una idea concreta de si debe seguir adelante con el candidato a la siguiente ronda o no. 38. Estrategias rápidas y varias herramientas de IA de generación: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión, veremos algunas estrategias rápidas y diversas herramientas generativas de IA que podemos utilizar para aplicar estas estrategias Entonces, cuando miras la estructura rápida, así es como necesitamos construir la estructura de nuestros prompts. Entonces hay tres partes para ello. Entonces la primera parte van a ser instrucciones. La instrucción es, aquí es donde le dices a la IA lo que hay que hacer. Entonces eso tiene que ser muy claro para que la IA sepa exactamente lo que necesita para realizar y brindar la solución. En segundo lugar, el contexto. Entonces esto define lo que busca la empresa, lo que buscas, qué información, entonces estás dando el contexto, los antecedentes de la misma, cuál es el trasfondo y en base a lo que le estás pidiendo a la herramienta de IA que haga. Luego viene la pregunta y el formato de salida, que asegura respuestas estructuradas que podemos obtener de la herramienta de IA en factores accionables, que posiblemente podamos producir a partir de ella Estos tres deberían ser parte de nuestro aviso cada vez que se los estamos dando a cualquier AITOL Ahora hay varias estrategias rápidas que puedes tener en cuenta al escribir tus indicaciones. Primero es la estrategia de pros y contras. Este enfoque ayuda a la IA a analizar ambos lados de un método de selección de decisiones de contratación o proceso de evaluación. Al pedirle a la IA que sopese las ventajas y desventajas, los reclutadores pueden obtener una perspectiva más equilibrada El otro va a ser la estrategia de roles donde asignas una persona a la IA para que su respuesta sea más dirigida en lugar de dar consejos genéricos. La IA responde como si estuviera en un rol específico, como un reclutador senior en una empresa tecnológica De igual manera, puede haber una estrategia de preguntas y respuestas. Ayuda a estructurar las respuestas de la IA al desglosar un mensaje en preguntas específicas. Esto es útil para identificar señales de alerta en currículums, elaboración, preguntas previas a la selección o evaluar perfiles clave de candidatos Ahora, otra estrategia que puedes usar es la estrategia de cadena de pensamiento. Este método guía la IA a través de un razonamiento paso y ayudando a bajar las decisiones en pasos más pequeños, dividiendo las decisiones en pasos más pequeños, lo que puedes hacer. Todos estos son diferentes tipos de estrategias que realmente podemos aplicar. Veamos así como vamos a hacer esto a través de diversas herramientas de IA. Entonces, lo que hoy vamos a buscar es Google Gemini. En Google Gemini, como ves, así es como se ve la interfaz, puedes seguir adelante y encontrarás la configuración por aquí. Si vas a la configuración, puedes ir a Aplicaciones Conectadas. Las aplicaciones conectadas te muestran a qué productos de Google Apps puedes vincular tu Google Gemini. Aquí puedes cambiarlos. También puedes activar aplicaciones adicionales a las que quieras conectarte. Ahora, déjame mostrarte un ejemplo de cómo va a quedar Google uh Gemini. Aquí es donde en la esquina superior derecha, cuando dices Ask Gemini, va a subir de esta manera particular donde puedas seguir adelante y dar tu pronta. Aquí es donde vas a dar tu prompt y puedes insertar los detalles en el documento. Ahora echemos un vistazo a un ejemplo de cómo va a funcionar esto para nosotros. Vamos a hacer un nuevo chat Así que hagamos este aviso en particular donde le estamos pidiendo a Google Gemini que actúe como reclutador senior en una startup de marketing digital de rápido crecimiento Tú seleccionas candidatos o roles de gerente de marketing digital y que adjuntaremos aquí. Eso requiere experiencia en marketing de desempeño, SEO, SEM. Un candidato ha sido fuertes habilidades técnicas, pero mínima experiencia trabajando en equipos multifuncionales. ¿Cómo valorarías su idoneidad para ellos? ¿Bien? Entonces vamos a adjuntar los documentos aquí la primera descripción del trabajo. Y luego el currículum. Y ahora le pediremos que mire la descripción del puesto, mire el currículum en base al cual, evalúe el perfil laboral particular y nos dé un ranking si el currículum es lo suficientemente bueno para eso o no. Entonces ahora se puede ver que ha comenzado a crear un resumen efectivo de fortalezas clave, que ha mencionado, riesgos potenciales. Está mostrando evaluación frente a requisitos. Se ha mapeado que también recomendaciones, entrevista técnica, bypass preguntas básicas de PPC, y enfoque en el modelado de atribución completo para en estrategia Entonces preguntas que hay que hacer por aquí, entrevista conductual, todas estas se pueden pedir de distancia. Entonces así es como podemos hacer uso de Google Gemini específicamente dándonos un prompt estructurado, y nos va a dar la salida de la misma manera. Veamos cómo va a funcionar Cloud de la misma manera. Así es como se ve Cloud donde podemos dar el prompt. ¿Bien? Así que vamos a dar un prompt diferente ahora. Este es el aviso que le estamos dando a Claude. Estamos diciendo, necesito preseleccionar candidatos para el puesto de analista de datos senior El proceso implica revisar currículums, realizar entrevistas de rescriening y evaluar habilidades y evaluar Guíame a través de un enfoque paso a paso para seleccionar a los mejores candidatos. Desglose los criterios, métodos de tamizaje y proceso de toma de decisiones de manera estructurada. Ahora nos va a dar el proceso particular. La primera fase es la revisión de currículum. Cuál es el requisito, indicadores de experiencia, crear una rúbrica de puntuación, Fase dos, proyección telefónica y video, lo que puede suceder banderas rojas para ver habilidades técnicas de fase tres evaluación de habilidades técnicas de fase tres, tarea de llevar a casa, entrevista técnica en vivo para la que podemos llamarlos y luego la selección final donde la entrevista de ajuste del equipo puede suceder crear una rúbrica de puntuación, Fase dos, proyección telefónica y video, lo que puede suceder banderas rojas para ver la evaluación de habilidades técnicas de fase tres, tarea de llevar a casa, entrevista técnica en vivo para la que podemos llamarlos y luego la selección final donde la entrevista de ajuste del equipo puede suceder, liderazgo puede ocurrir una entrevista con las partes interesadas , la evaluación final y luego tomar la decisión. Entonces así es como podemos usar prompts específicamente de manera estructurada para obtener la salida correcta Otra cosa específica de estas herramientas de IA es que ahora, si le doy este baile en particular a Claude, donde digo que ¿ puedes poner esto manera Crips en formato tbar A lo que esto se refiere específicamente a la conversación anterior. Bien. Entonces, cómo funcionan estas herramientas de IA es cada conversación se va a almacenar en los datos de la memoria AIS. Bien. Y por lo cual, cualesquiera que sean las preguntas que se hagan, se referirá a las conversaciones anteriores y en base a las cuales responderá. Entonces es como una experiencia de conversación humana que estás sacando de ella. Cuando inicias un nuevo chat, que tienes la opción de crear en la esquina superior izquierda en todas las herramientas de IA, esa será una nueva conversación, y la memoria no se referirá a eso. Por lo que cada chat tendrá una memoria específica la cual grabará y en base a la cual se darán las salidas. Espero que esto tenga sentido. Espero que ahora puedas entender cómo deben estructurarse y usarse las indicaciones en varias herramientas de IA 39. Creación de un GPT personalizado para la evaluación de currículums vitae: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, veremos cómo podemos construir un GPT personalizado específicamente para la evaluación de currículum Ahora bien, esto puede ser de gran utilidad porque un GPT personalizado podría analizar los currículums, comparar calificaciones de candidatos, puntuar Todo esto se puede hacer de forma automatizada con la ayuda del GPT personalizado Podrá automatizar todo el proceso de evaluación de currículum. Podrá hacer coincidir a los candidatos con las descripciones de puestos, lo que le hemos proporcionado también estandarizando todo el proceso de selección, y finalmente, reduciendo también el sesgo de contratación Así que esto realmente ayudará a mejorar la calidad del proceso de contratación que solemos tener en nuestros departamentos de RRHH. Entonces veamos esto en la práctica cómo vamos a traer este GPT personalizado Entonces, una vez que estés en tu sombrero GPT, como sabes, los GPTs personalizados van a ser función de pago, lo que necesitas estar en una versión paga de Chat GPT para acceder a él que podamos ir a explorar los GPT y vamos a crear un nuevo GPT por aquí Entonces vamos a darle un prompt. Entonces este es el aviso que vamos a dar. Crear un GPT personalizado para automatizar el cribado de currículums en contrataciones de alto volumen, um, especialmente para carreteras de ingeniería de software El GPT debe incluir extraer detalles clave de currículums, incluyendo habilidades, experiencia y educación, emparejar candidatos con descripciones de puestos, resaltar la alineación con criterios específicos de rol, resaltar la alineación con criterios específicos de rol calificar a los candidatos en función de la experiencia técnica, nivel de experiencia y habilidades de resolución de problemas, garantizar una evaluación libre de sesgos utilizando cortas estructuradas basadas en habilidades Genere informes amigables para los reclutadores con puntajes adecuados, fortalezas clave y brechas El reclutador debe poder ingresar un currículum, recibir recomendaciones de candidatos clasificados y acceder a informes concisos de preselección para firmar, acelerar la toma de decisiones La base de conocimientos sobre este GPT contiene la descripción del trabajo Entonces tendremos que proporcionar la descripción del trabajo también en la parte posterior de este GPT personalizado para que pueda puntuar los currículums, los currículums basados en eso. Bien. Entonces esto es lo que vamos a darle al GPT personalizado para crear Entonces veamos cómo va a funcionar. Le va a dar un nombre como cribador de currículum tecnológico. Digo que está bien. Luego generará una foto de perfil para ello para este GPT personalizado Una vez que crea eso, entonces haremos una prueba de ello, con real subiremos el JD, y luego vamos a dar el currículum Entonces se crea esto. Bien, así que subamos el JD también por aquí en la sección de conocimiento, descripción del trabajo Bien. Entonces ahora podemos crear esto Digamos que esto es para cualquiera y podemos salvar esto. Ahora vamos a seguir adelante y subir nuestro CV o currículum y le pedimos que evalúe el currículum base en la descripción del trabajo proporcionada en el back end. Veamos este GPT personalizado en particular. Este es nuestro GPT personalizado. Así que vamos a subir el CV. Y estamos diciendo, evaluar el resto. Se va a mirar el JD y con base en el perfil proporcionado la instantánea del candidato dada por aquí, Habilidades de ajuste de rol al mapeo de requisitos que se está haciendo, calificación mínima y preferida Fortalezas dadas aquí del currículum, brechas, marketing de productos, propiedad, estilo de vida, ciclo de vida o comercialización de embudo. Estas son algunas de las brechas en el currículum. Bien, puntuacion de idoneidad dada. Por lo tanto, la puntuación total proporcionó 90 fuera de. Entonces ahora, en base a esto, como se puede ver lo rápido que somos capaces evaluar el perfil contra nuestro JD y obtener información específica en base cual podemos tomar nuestras decisiones y avanzar, uh, con los siguientes pasos Así es como podemos construir un GPT personalizado para la evaluación de currículums también, um, y acelerar nuestros procesos de recursos humanos en el futuro 40. Detección de prejuicios en la evaluación de candidatos con Claude: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión veremos cómo podemos hacer uso de Cloud principalmente para detectar sesgos en la evaluación de candidatos. Ahora bien, esto puede ser algo muy común que puede suceder por un error humano, posiblemente, donde hay un sesgo que encontramos en la evaluación de candidatos Entonces aquí es donde Cloud puede ser realmente útil. Puede ayudar a procesar los datos de entrevistas de una manera mucho más estructurada y concreta y detectar sesgos a través de la demografía, proporcionar información procesable y estandarizar todo el proceso y hacer que sea mucho más la calidad de la productividad, la salida se puede mejorar mucho con la ayuda de Echemos un vistazo a cómo podemos hacer esto. Entonces vamos a usar dos conjuntos de datos diferentes, idealmente hablando para hacer la comparación y entender. El primero es donde vamos a usar este prompt en particular donde decimos, analizamos la siguiente pregunta de entrevista, analizamos la siguiente pregunta de entrevista conjunto de datos de evaluación para detectar posibles sesgos en la puntuación de candidatos, identificar cualquier discrepancia en identificar cualquier discrepancia puntajes promedio a través diferentes demografías, género y etnia, universidad, resaltar cualquier entrevistador cuyos desviaciones significativas del promedio. Proporcionar un resumen de los hallazgos y sugerencias para asegurar una evaluación más justa Echemos un vistazo a esto. Entonces una vez que hace el evalúa el documento y veamos también el conjunto de datos, que podemos ver por aquí, idealmente viendo, echemos un vistazo a eso también Este es el conjunto de datos que vamos a usar en donde, este es un conjunto de datos aleatorio que hemos creado idealmente, que estamos usando en este caso particular. Entonces ahora lo que pasa es que evalúa todo el asunto y nos da información específica Al igual que, por ejemplo, los candidatos masculinos obtuvieron 1.1 puntos más altos en promedio que las candidatas femeninas. ¿Bien? Entonces, el promedio masculino, puntaje general fue de 6.6, promedio femenino fue de 5.5, ¿de acuerdo? Entonces también da el desglose de puntaje de género. Entonces en puntaje técnico, masculino obtuvo 7.1, puntaje de comunicación 6.1, puntaje general fue 6.6. Entonces la misma ruptura que está mostrando en estos momentos. Ahora bien, lo que da el análisis es que las candidatas, 40% recibe la puntuación más baja, 4.5, sólo 10% recibe 7.5 más. Mientras que los candidatos varones, 0% recibieron la puntuación más baja, 30% recibió 77.5 más No hay candidatas lindas por encima de 7.5. Un candidato varonil obtuvo 8.5. Ahora nos está dando el análisis de esta manera particular, y luego hace el análisis de etnicidad también el análisis universitario también y nos da la salida. Esta es una evaluación justa que se está haciendo donde no podemos ver ninguna señal de alerta como tal en términos de sesgo en general, nos va a mostrar este tipo de puntuación Ahora cambiemos un poco los datos para entender realmente las brechas. Entonces el mismo conjunto de datos, hemos realizado algunos cambios, y ahora lo estamos volviendo a poner en Cloud para analizarlo . Entonces ahora este es el conjunto de datos que hemos utilizado. Bien. Entonces ahora echemos un vistazo a esto, cómo va a funcionar para nosotros. Se puede ver, en primer lugar, sesgo sistemático de género en todos los entrevistadores, que podemos ver aquí Entonces aquí, lo que podemos ver es el yo, específicamente, que es el primer entrevistador, promedio masculino 7.1 promedio femenino es siete brecha de género, no mucho, ¿verdad En caso de I dos también 7.5, 6.5 moderado I tres. Ahora vemos que es una severa que podemos ver aquí. ¿Bien? Inconsistencias extremas en la puntuación Entonces pueden dos, específicamente, vemos eso y tres, hay mucha brecha. Emite brecha de tres puntos que podemos ver aquí, misma entrevista, mismo género, misma etnia, rendimiento idéntico, diferencia de tres puntos, que llegamos a ver. Evidencia de sesgo. Podemos ver evidencia de sesgo también casos en los que los candidatos con puntajes de desempeño idénticos reciben diferentes puntajes generales. Y análisis entrevistador. Análisis de entrevista, en general, lo que vemos es entrevista dos y Entrevista tres tiene una mala calificación de consistencia. Es así como podemos seguir adelante e identificar cualquier tipo de sesgo e identificar cualquier tipo de sesgo en nuestra evaluación de candidatos con la ayuda de herramientas de IE al igual que Clot 41. Cómo abordar los errores de la GenAI en la detección con estrategias para aplicar el sistema humano en el bucle: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, se quiere discutir sobre las trampas generativas de IA que pueden ocurrir en el proceso de tamizaje humano en las estrategias de bucle Entonces, lo que estamos tratando de decir aquí es que también puede haber muchos desafíos de limitación cuando estamos usando IA con respecto al proceso de reanude el proceso de selección y el trabajo de recursos humanos. Uno de ellos puede estar requiriendo supervisión humana para ser justos. Entonces también puede haber problemas con esto, en donde la herramienta de IA no ha sido entrenada adecuadamente, y nos está dando la salida que tiene estas lagunas También puede seguir adelante y generar alucinaciones y errores también a menos que y hasta que lo controlemos y demos instrucciones adecuadas adecuadas, favoreciendo currículums favoreciendo Esto también puede ser una posibilidad en la que la IA podría favorecer currículums estructurados no de la manera adecuada Y pasando por alto las brechas de carrera válidas. Si las instrucciones, los proms no se dan adecuadamente, entonces estas cosas pueden suceder en donde podría pasar por alto ciertas brechas profesionales produciendo evaluaciones inconsistentes Por lo tanto, las evaluaciones que se están creando o las pruebas de aptitud que se crean para los perfiles no son relevantes o no se personalizan a las habilidades laborales requeridas Refuerzo del sesgo en la contratación. Entonces podría ser un caso que necesitemos mirar contratación sin ningún sesgo también y carente de explicabilidad en Las decisiones que se están dando por la herramienta de IA no tienen explicación adecuada o explicación completa. Ahora bien, esto lleva a crear muchos riesgos éticos y legales para el negocio también si estos no se controlan de la manera correcta. Entonces, lo que queremos hacer en tales casos, podemos hacer uso de algunos prompts reflexivos que podemos dar a la salida proporcionada por la herramienta de IA y evaluarla nuevamente y verificar si la respuesta dada por la herramienta de IA está enfrentando estos desafíos es sesgada o imparcial Por lo que queremos comprobar eso con la ayuda de estos prompts reflexivos Entonces veamos un ejemplo práctico de lo que estamos tratando de lograr aquí afuera. Entonces digamos que esta es una situación, ¿de acuerdo? Un reclutador está revisando un ranking de candidatos generado por IA para un rol de ingeniería de software y se da cuenta de que un candidato con sólidos conocimientos teóricos, pero sin experiencia práctica adecuada, la experiencia del proyecto se clasifica más alta que los candidatos con experiencia práctica, ¿verdad? Entonces esto no es correcto. Apenas por la experiencia teórica más, es clasificarlos más altos, dándoles puntos más altos, lo que no debería ser el caso. Para que queramos evaluar. Bien, entonces veamos esto, y veamos también el conjunto de datos que estamos discutiendo aquí, idealmente hablando. Entonces vamos a Mirar un conjunto de datos específico. Digamos que este es el conjunto de datos. Estos son tres. Y aquí se puede ver que al primer candidato se le ha dado una puntuación más alta, lo que dice una excelente comprensión teórica de los conceptos básicos, sólida formación académica se desempeña muy bien en explicaciones escritas y orales, pero carece de experiencia práctica en proyectos del mundo real, ¿verdad? Entonces ese es el tema al que se enfrenta. Ahora queremos ver si la herramienta AA es capaz de detectar esta brecha específicamente. Entonces lo que vamos a hacer es que vamos a hacer uso de esto y vamos a darle un prompt, y vamos a subir primero el conjunto de datos. Y vamos a dar el prompt. ¿Esta evaluación se alinea con los requisitos laborales reales que enfatizan la experiencia del proyecto, o está influenciada por una gran lista de habilidades involucradas en el perfil de los candidatos? Queremos verificar si la herramienta de IA puede identificar esta brecha. Bien, alineación con los requisitos del trabajo, la descripción del trabajo propiedades manos en el proyecto, entrega de extremo a extremo, resolución de problemas en el mundo real Entonces la versión debería hacer referencia en gran medida a proyectos específicos ejecutados, ¿verdad? ¿Bien? Bandera roja común en tales evaluaciones, puntuaciones más altas o comentarios positivos sin evidencia clara del proyecto, ¿verdad? Qué mejor resultado final, la evaluación no se alinea completamente con los requisitos centrados en el proyecto de trabajos si premia principalmente una lista de habilidades de lista larga. ¿Correcto? Entonces ahora entiende claramente. Entonces así es como tenemos que seguir adelante y también una cosa muy importante que cuando estamos usando tanto IA en nuestro RRHH funcione específicamente, asegurándonos de que la salida que estamos obteniendo también sea de la manera correcta. No debemos estar mirando la herramienta de IA para ser utilizada ciegamente, la salida para ser utilizada ciegamente, pero tenemos que hacer un supervisión humana siempre debe estar ahí, y la herramienta de IA debe usarse como asistente para obtener la salida para nosotros y hacer que nuestra salida sea mucho mejor. La calidad del trabajo puede ser mejor, pero no debería ser en la que confío. No debería darse el caso de que la salida de las herramientas de IA sea de lo que dependemos para la salida para que podamos usar en nuestro proceso. Entonces, el objetivo es que vamos a asegurarnos de que los prompts para reducir todo esto, los prompts necesitan ser mucho más específicos y mucho más alineados adecuadamente con la expectativa, que estamos dando a la herramienta de IA y obtener los resultados correctos 42. Las mejores prácticas y herramientas emergentes para GenAI en la detección: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión, hablaremos sobre las mejores prácticas y herramientas emergentes que están sucediendo en GN AI con respecto al currículum de cribado y específicamente con palabras de recursos humanos. Si nos fijamos en algunas de las mejores prácticas que van a ser, tenemos que asegurarnos de que se esté produciendo el uso ético de la IA, por lo que el monitoreo de sesgos está sucediendo, la transparencia y la explicabilidad aumentan con la IA, y la supervisión humana debe permanecer todo el tiempo Optimizar los flujos de trabajo de IA también para la eficiencia va a estar ahí. Entonces, donde necesitamos seguir ajustando los prompts que estamos usando en las herramientas, automatizar la integración de datos debería suceder para que no haya discrepancia ahí Y también estamos haciendo uso de una gran cantidad de agentes de IA personalizados, lo que nos dará salidas personalizadas. Además, las herramientas que estamos utilizando en este momento para fines de contratación en IA van a ser cloud y chat GPT funciona muy bien en términos de proporcionar los procesos, automatizar muchas cosas a través de GPT personalizados y Gemini y gema Aparte de esto, también podemos hacer uso de Power Automate más AI Builder para automatizar estos procesos y crear herramientas que puedan generar resultados de alta calidad. Ahora, aparte de estas técnicas de IA que están transformando la contratación en este momento, si lo miras, hay ideas de comportamiento generadas por IA. Así que mucha de la información que estamos obteniendo, así que comprender cómo los conocimientos de comportamiento que estamos obteniendo de la IA también puede ser útil. También hay algoritmo de detección de sesgo. Así que ahora tenemos GPT personalizado, que puede detectar salidas imsesgadas de sesgo Entonces eso también está surgiendo en el futuro. Entonces hay modelos predictivos de contratación. Se están creando muchos modelos de contratación basados en la IA, que pueden ser de naturaleza predictiva, dándonos mucho más apalancamiento sobre contratación de candidatos de alta calidad para nuestros negocios. Luego también está el análisis de IA en entrevistas en video, específicamente dándonos insumos a partir de ahí y haciéndonos capaces de entender las fortalezas y debilidades de los candidatos. Ahora, para porque esto va a ser cada vez mayor y nuevas herramientas están llegando, necesitamos estar a la vanguardia con este uso de IA en recursos humanos específicamente, donde necesitamos seguir aprendiendo sobre estas herramientas y usarlas de forma regular, mejorar nuestra ingeniería rápida también para que la calidad de las indicaciones que estamos dando a estas herramientas también precisos y precisos para que obtengamos los resultados deseados. Necesitamos seguir experimentando e iterando con diferentes tipos de proms, GPT personalizados que podemos crear, que realmente ayudará a darnos resultados de recursos humanos mucho mejores, y también asegurándonos mientras hacemos estos, adoptamos prácticas éticas de IA todo el tiempo para que nos dé la salida correcta, y estamos usando la tecnología de IA de la manera 43. Introducción a las consideraciones legales: Hola. Bienvenidos a esta sesión. En esta sesión, quisimos entender las consideraciones legales que necesitamos tener en IA con respecto a RRHH. Entonces, la IA y los recursos humanos tienen mucha iniciativa en este momento, y si ves, la IA está remodelando los recursos humanos para la contratación a la gestión del desempeño En todas las áreas, se puede integrar la IA. Pero con la innovación viene mucha complejidad. Por lo tanto, temas como la privacidad de los datos, la prevención de sesgos y la rendición de cuentas necesitan una intervención cuidadosa y una navegación legal. Por lo que el cumplimiento de regulaciones como el GDPR, el Reglamento General de Protección de Datos, la Ley de Privacidad del Consumidor de California, CCPA y las leyes contra la discriminación se están volviendo críticos Ahora, la discriminación y el sesgo en la IA tienen el poder de transformar la contratación, ¿verdad? Ahora, pero también puede perpetuar sesgos si se desmarca. Entonces es por eso que los algoritmos discriminatorios son un riesgo legal. Ahora, para evitar esto, las organizaciones deben auditar sus sistemas de IA regularmente asegurando equidad y transparencia en todos los procesos de recursos humanos También hay, si ves, privacidad se está volviendo primordial. Los sistemas de IA manejan una gran cantidad de datos confidenciales de los empleados. Para cumplir con GDPR y CCPA, todas las organizaciones deben asegurar el consentimiento explícito, mantener la transparencia y proteger los datos personales Sólo se deben recabar datos relevantes, ni más ni menos. Ahora, con respecto a esto, también hay algunas prácticas éticas y legales, que deberíamos estar aplicando. Por lo tanto, los ejemplos del mundo real muestran que cuando las prácticas éticas y legales están incrustadas desde el principio, la IA y los recursos humanos pueden ser realmente transformadores Las organizaciones exitosas han adoptado auditorías de IE, evaluaciones de riesgos legales y documentación clara con la que deben hacer minimizando el riesgo y generando mucha confianza A medida que la IA continúa evolucionando en RRHH, las consideraciones legales permanecen a la vanguardia. Las empresas deben ser proactivas en el tratamiento de la privacidad, la discriminación, la transparencia y el consentimiento. Con los marcos éticos adecuados, la IA puede revolucionar los recursos humanos de una manera socialmente responsable y legalmente compatible Al integrar consideraciones legales y éticas en las prácticas de IA, podemos asegurar un futuro más justo, transparente y eficiente en RRHH Entonces espero que así sea como entiendas cómo van a ser las consideraciones legales en las políticas de RRHH. 44. Leyes de protección de datos y privacidad: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, hemos querido platicar sobre las leyes de protección de datos y privacidad. Entonces, en las regulaciones clave como el GDPR y la Ley de Privacidad del Consumidor de California CCPA, establecer los estándares de transparencia, consentimiento y seguridad de datos Comprender estas leyes ayuda a las organizaciones a proteger la privacidad individual y a mantener el cumplimiento en un entorno digital complejo. Entonces veamos cómo funciona GDPR. GDPR o Reglamento General de Protección de Datos es una ley integral, EA efectiva de la UE y organizaciones globales enfocadas en el procesamiento de datos legal, justo y transparente. Los principios del RGPD incluyen legalidad, limitación de búsqueda, minimización de datos, precisión, limitación de almacenamiento, transparencia y confidencialidad, asegurando manejo responsable de los datos por parte Estos principios también otorgan a las personas derechos significativos sobre sus datos personales y bajo GDPR. GDPR otorga derechos como acceso, rectificación, eliminación y portabilidad de datos, facultando a las personas para controlar cómo se utilizan sus datos personales Ahora, también hay algunos pasos de cumplimiento. Las organizaciones logran el cumplimiento del RGPD a través de evaluaciones de impacto en la protección de datos, DPIAs básicamente nombran a un oficial de protección de datos, implementan la privacidad por diseño y obtienen el consentimiento informado antes de procesar cualquier De igual manera, veamos cómo funciona CCPA. CCPA, que es la Ley de Privacidad del Consumidor de California, faculta a los californianos con derechos como el acceso a los datos, la eliminación, las opciones de exclusión voluntaria y la protección contra Para garantizar estos derechos, las empresas deben seguir medidas específicas de cumplimiento bajo la CCPA Las empresas deben proporcionar avisos claros, manejar el acceso a los datos y las solicitudes de eliminación con prontitud, capacitar a los empleados y actualizar las políticas de privacidad para cumplir con la CCPA Más allá del RGPD y la CCPA, varias leyes globales de protección de datos también juegan un papel crucial en la salvaguardia de los datos personales Otras leyes importantes incluyen Protección de la Información Personal, Ley de Documentos Electrónicos, PIPEDA en Canadá, Ley de Protección de Datos de Protección de Datos en Singapur, Privacidad de Australia y la Ley General de Protección de Datos de Brasil Cada uno con requisitos significativos, requisitos únicos para la protección de datos personales. Comprender y cumplir con las leyes globales de protección de datos como GDPR y CCPA es esencial Es importante para salvaguardar los datos personales. Al adherirse a estas regulaciones, las organizaciones pueden proteger la privacidad y generar confianza en un panorama digital en rápida evolución. 45. Implicaciones del derecho laboral: Hola, chicos. Bienvenidos a esta sesión. En esta sesión, veamos las implicaciones de la ley laboral debido a la IA, ¿verdad? Entonces, las implicaciones de la IA en el empleo pueden ser múltiples. Por lo que la IA agiliza los procesos de recursos humanos, pero también posee mucho riesgo legal Los desafíos clave incluyen la discriminación potencial, las preocupaciones sobre la privacidad de los datos y la necesidad de transparencia en las decisiones impulsadas por la IA. Una de las preocupaciones más apremiantes en recursos humanos impulsados por IA es el riesgo de discriminación y sesgo. Los sistemas de IA pueden perpetuar involuntariamente sesgos de datos históricos conducen a Los recursos humanos deben garantizar la equidad en desempeño y las evaluaciones de desempeño impulsadas por IA Además, junto con el sesgo, privacidad y la seguridad de los datos son áreas críticas que exigen atención. La dependencia de la IA en los vastos datos de los empleados a veces plantea problemas de privacidad. Las organizaciones deben cumplir con regulaciones como GDPR para salvaguardar los datos personales contra el acceso no autorizado y las violaciones Más allá de la privacidad, la transparencia en los procesos de IA es esencial para la confianza. Los empleados merecen saber cómo la IA impacta en sus carreras. Las organizaciones deben hacer que los procesos de IA sean transparentes proporcionando explicaciones comprensibles para las decisiones impulsadas por la IA. Las consideraciones éticas también juegan un papel importante en el uso responsable de la IA. La IA y los recursos humanos, como el monitoreo de empleados, plantea preguntas éticas. Los empleadores deben equilibrar los beneficios tecnológicos con el respeto de los derechos y la privacidad de los empleados. Ahora bien, si nos fijamos en el marco legal para la IA y el empleo, hay leyes antidiscriminación y regulaciones de privacidad guían el uso de la IA en RRHH. Las organizaciones necesitan asegurar el cumplimiento incorporando rendición de cuentas y transparencia en las prácticas de IA. También hay mitigación de riesgos, que es que los recursos humanos pueden mitigar el riesgo legal mediante la adopción de medidas sólidas de cumplimiento , pautas éticas y colaboración continua con expertos legales. Los programas de capacitación pueden mejorar la alfabetización de IA entre los profesionales de recursos humanos, asegurando un uso responsable de la IA. Entonces, al final, IA aporta mucha eficiencia a los recursos humanos pero también introduce serios desafíos legales y éticos. Abordar riesgos como la discriminación, la privacidad de los datos y la transparencia es esencial para el uso responsable de la IA. Las organizaciones deben cumplir con las leyes laborales, adoptar medidas estrictas de cumplimiento y colaborar estrechamente con expertos legales. Las capacitaciones continuas garantizan que los profesionales de recursos humanos puedan administrar las herramientas de IA manera ética y legal construyendo confianza y equidad 46. Realización de auditorías de IA: Hola, chicos. Bienvenidos a las sesiones. En esta sesión, veremos cómo estamos realizando auditorías de IA. Por lo tanto, las auditorías de la IE evalúan sistemáticamente los procesos de la IE para identificar y abordar posibles sesgos, garantizar el cumplimiento de la privacidad de los datos y generar confianza a través de la transparencia Las medidas de cumplimiento efectivas ayudan a las organizaciones a mitigar riesgo legal y reputacional al tiempo que aprovechan la IA de manera responsable Ahora, las auditorías de IA evalúan sistemáticamente si los sistemas de IA cumplen con los requisitos legales y éticos. En RRHH, estas auditorías aseguran que los procesos impulsados por IA sean justos, transparentes y responsables. Un aspecto clave de las auditorías de IA es garantizar la equidad en todas las actividades de recursos humanos Y la auditoría de IA juega un papel vital en la eliminación del sesgo en los procesos de recursos humanos. Al revisar algoritmos, evitan la discriminación basada en atributos como la raza, el género o la nacionalidad. Más allá de la equidad, el cumplimiento las leyes también es un componente crítico de las auditorías de IA Las organizaciones deben cumplir con leyes como GDPR al usar IA y Recursos Humanos. Las auditorías de la IE verifican el cumplimiento de estas regulaciones, asegurando que se mantenga la protección de datos y la privacidad. Ahora bien, si nos fijamos en la transparencia y confianza en los sistemas de IA, la transparencia es otro factor esencial para generar confianza en los sistemas de IA. Las auditorías de IA evalúan la transparencia de los procesos de toma de decisiones. Los sistemas transparentes ayudan a los empleados a comprender cómo se toman las decisiones relacionadas con el empleo, fomentando la confianza en la IA. Ahora, mitigar el riesgo es otra razón por la que las auditorías de IA son indispensables Descuidar las auditorías de IA puede dar lugar a demandas y daños a la reputación Al identificar y resolver problemas, las auditorías tempranas protegen a las organizaciones de daños legales y reputacionales Ahora veamos cómo ocurre el proceso de auditoría de IA. El proceso de auditoría consiste identificar sistemas de IA, establecer métricas de cumplimiento, recopilar y analizar datos, evaluar la toma de decisiones e implementar medidas correctivas según sea necesario. El monitoreo es clave para mantener el cumplimiento a lo largo del tiempo. Las auditorías de IA son importantes para mantener la equidad, la transparencia y el cumplimiento legal en RRHH. monitoreo y la documentación continuos son necesarios para adaptarse a los estándares éticos en evolución. Esta vigilancia continua asegura que la IE continúe apoyando prácticas éticas y efectivas de recursos humanos Para garantizar el cumplimiento legal y la equidad en los recursos humanos impulsados por IA, las organizaciones deben realizar auditorías periódicas de IE Estas auditorías evalúan la equidad, la transparencia y el cumplimiento de las leyes de privacidad como GDPR, ayuda a mitigar los riesgos y proteger contra daños legales y reputacionales El monitoreo continuo es esencial para el cumplimiento sostenido. Espero que esto tenga sentido. Pude entender cómo las auditorías de IA son tan críticas para asegurarme que las políticas estén en su lugar y el uso de la IA se haga de una manera mucho más ética. Um, 47. Evaluación y mitigación de riesgos: Hola, chicos. Bienvenidos a las sesiones. En esta sesión, hablaremos sobre la Evaluación y mitigación de riesgos con respecto a IA y RRHH. Ahora, si nos fijamos en la Evaluación de Riesgos, ayuda a las organizaciones a identificar y evaluar posibles riesgos legales asociados con la IA y los recursos humanos, como el sesgo, la discriminación, la privacidad de los datos, las violaciones y las preocupaciones de propiedad intelectual Ahora, las estrategias de mitigación efectivas implican implementar salvaguardas, actualizar políticas y colaborar con expertos legales para minimizar estos riesgos. monitoreo y revisión continuos son esenciales para mantener el cumplimiento y adaptarse a la evolución de las regulaciones. Ahora la importancia de la evaluación de riesgos es que realizar estas evaluaciones de riesgos permite a las organizaciones anticipar problemas legales como discriminación de los compradores y las violaciones de la privacidad de los datos, tomando medidas proactivas para salvaguardar a los empleados y clientes Ahora, los pasos involucrados en evaluación de riesgos son el proceso que inicia identificando posibles riesgos legales como incumplimientos de seguridad o infracción de propiedad intelectual, seguido de evaluar su probabilidad e impacto en la organización A continuación, analizamos cómo evaluar los sistemas de IA y los posibles sistemas de IA que estamos utilizando. Ahora, analice los sistemas de IA para comprender algoritmos, fuentes de datos y sesgos potenciales, identificando áreas donde pueda surgir el riesgo legal, asegurando el cumplimiento de las regulaciones. Mitigar estos riesgos legales, una vez identificados los riesgos, es importante desarrollar estrategias para manejarlos de manera efectiva. Desarrollar estrategias de mitigación de riesgos basadas en riesgos identificados, implementar salvaguardas, actualizar políticas y asociarse con expertos legales para administrar y reducir posibles amenazas legales. Ahora, con respecto a la revisión de monitoreo, monitoreo y revisión continuos de la efectividad de las estrategias de mitigación necesario hacer un monitoreo y revisión continuos de la efectividad de las estrategias de mitigación. Manténgase actualizado sobre los cambios legales para garantizar cumplimiento continuo y ajustar las estrategias según sea necesario. Ahora, si nos fijamos en el riesgo legal clave en recursos humanos, la IA es un riesgo legal común que incluye problemas de privacidad de datos de los compradores, impactos de la ley laboral y preocupaciones de propiedad intelectual. Abordar estos riesgos es vital para la implementación exitosa de la IA en RRHH. Ahora, hay cierto cumplimiento proactivo que también gestiona proactivamente estos riesgos legales a través de una evaluación integral de riesgos que asegura que la IA y los recursos humanos operen dentro de los límites legales, protegiendo tanto a la organización como a sus partes interesadas Entonces, finalmente, si lo miras, evaluación efectiva de riesgos en IA para RRHH implica identificar posibles riesgos legales como sesgos, violaciones de privacidad de datos y problemas de propiedad intelectual Al evaluar estos sistemas de IA, desarrollar estrategias de mitigación y monitorear el cumplimiento, y monitorear el cumplimiento, las organizaciones se aseguran de que la IA opere dentro de los límites legales y salvaguardando a las partes interesadas. Espero que esto tenga sentido. Espero que ahora puedas entender cuáles son los diferentes tipos de riesgos legales que puedes enfrentar con respecto a la IA en RRHH. 48. Documentación y transparencia: Hola, chicos. Bienvenidos a las sesiones. En esta sesión hablaremos de documentación y transparencia. Desde fuentes de datos hasta toma de decisiones, registros claros, generar confianza, equidad y rendición La documentación detallada de los métodos de recolección de datos, modelos de IA , procesos de capacitación y criterios de decisión garantiza la transparencia y permite auditorías efectivas. Ahora, está la importancia de la documentación de datos. Si tiene documentación detallada de fuentes de datos, métodos de recolección y procedimientos de limpieza es vital. Ayuda a identificar posibles sesgos, asegurando equidad y transparencia en las decisiones de recursos humanos impulsadas por IA Si observa la documentación del modelo, la documentación transparente del modelo incluye detalles sobre algoritmos, hiperparámetros y métricas de rendimiento Esta claridad permite la comprensión, el escrutinio y la detección de sesgos en modelos de IA utilizados en RRHH. Además, cuando miramos documentación de capacitación y validación, los procesos de capacitación y validación son igualmente importantes. documentación de los procesos de capacitación y validación incluye conjuntos de datos y técnicas, garantiza la transparencia Permite la replicación y verificación, asegurando la confiabilidad de los modelos EI en RRHH. También la documentación de toma de decisiones, que es donde reportar criterios de decisión, factores considerados y conjunto de umbrales asegura transparencia en la toma de decisiones de IA. Esta documentación es esencial para realizar auditorías y evaluar la equidad en las decisiones de recursos humanos Rendición de cuentas y auditoría cuando miramos eso, documentación transparente permite la rendición de cuentas organizacional y la auditoría garantizada. Un rastro claro de información respalda el uso ético de la IA en recursos humanos, lo que garantiza el cumplimiento de las mejores prácticas y estándares. Además, cuando analizamos la mitigación de sesgos en IA, la transparencia en la documentación de datos y modelos ayuda a identificar y mitigar los sesgos en los algoritmos de IA, promoviendo la equidad y reduciendo el riesgo de discriminación en las prácticas de recursos humanos Finalmente, contar con una documentación exhaustiva de fuentes de datos, modelos de IA y procesos de toma de decisiones es crucial para la transparencia y rendición de cuentas en RRHH. Al registrar estos métodos de capacitación y estrategias de mitigación de sesgos, las organizaciones garantizan prácticas de recursos humanos justas, éticas y legalmente conformes, impulsadas por IA. 49. Actualizarse con los cambios reglamentarios: Hola, chicos. Bienvenidos a las sesiones. En esta sesión, hablaremos sobre cómo podemos mantenernos al día con los cambios regulatorios. Entonces, a medida que avanza la tecnología, también debe ser nuestra comprensión de los límites legales y éticos en los que opera. Mantenerse informado no es lo suficientemente inteligente. Es esencial para garantizar la equidad, cumplimiento y la seguridad organizacional Entonces, ¿por qué son importantes las actualizaciones regulatorias? A medida que la tecnología de la IE evoluciona, es esencial garantizar el cumplimiento de los últimos estándares legales y éticos Las actualizaciones regulatorias definen los límites dentro de los cuales opera la IE, ayudando a los profesionales de recursos humanos a garantizar el cumplimiento y evitar costosas consecuencias legales. Estas actualizaciones promueven la equidad y la igualdad en los procesos de recursos humanos impulsados por la IE como el reclutamiento y las evaluaciones de desempeño Ahora el cumplimiento y la gestión de riesgos, estas actualizaciones también ofrecen información valiosa sobre los posibles AIRS. Mantenerse informado ayuda a los profesionales de recursos humanos a gestionar esos riesgos salvaguardando tanto a la organización como a sus empleados. Ahora, cuando miras estrategias para mantenerte informado, primero, lo que puedes hacer es suscribirte a boletines de los organismos reguladores. Esto asegura que obtenga actualizaciones oportunas directamente en su bandeja de entrada. Segundo, puedes seguir agencias reguladoras en las redes sociales para participar en discusiones y actualizaciones en tiempo real en plataformas como Linden y Twitter En tercer lugar, puede asistir a seminarios web y talleres para aprender de expertos y obtener información detallada sobre los cambios regulatorios Y por último, puedes unirte a asociaciones profesionales como SHRM y participar en comunidades en línea donde los profesionales comparten experiencias y consejos sobre las últimas regulaciones Algunas de las mejores prácticas que puede tener en cuenta son que puede comenzar estableciendo un equipo de cumplimiento para monitorear y abordar las actualizaciones regulatorias regularmente. Puede asegurarse de que sus sistemas de EI se alineen con las últimas regulaciones evaluándolos regularmente. Si hay brechas, puedes tomar medidas rápidas para corregirlas. Desarrollar programas de capacitación para mantener informado a su personal de recursos humanos sobre los cambios regulatorios y su impacto en las prácticas de la IE. Y finalmente, considere auditorías externas para identificar cualquier cumplimiento y puntos ciegos y comparar sus prácticas con los estándares de la industria. Entonces, finalmente, al mantenerse proactivos e informados, los profesionales de recursos humanos pueden navegar de manera efectiva por el panorama regulatorio siempre cambiante. Esto no solo garantiza el cumplimiento legal, sino que también fomenta la confianza y equidad en los procesos de recursos humanos impulsados por IA 50. participación de las partes interesadas: Hola, chicos. Bienvenidos a las sesiones. Y en esta sesión hablaremos sobre el compromiso de las partes interesadas. La colaboración efectiva entre profesionales de recursos humanos, expertos legales, científicos de datos y empleados ayuda a las organizaciones a mantenerse alineadas con regulaciones en evolución al tiempo que fomenta la transparencia y la rendición de cuentas. Involucrar a las partes interesadas temprano y mantener canales de comunicación abiertos respalda el uso ético de la IE y fortalece la confianza en toda la organización. Si miras a comprender a las partes interesadas, las partes interesadas en IA para recursos humanos incluyen profesionales de recursos humanos, empleados, expertos legales y científicos de datos. Sus diversas perspectivas contribuyen a una estrategia integral de cumplimiento. Ahora obteniendo conocimientos de cumplimiento, primero, permite a las organizaciones obtener información valiosa sobre los riesgos y desafíos de cumplimiento. Al involucrar a las partes interesadas temprano, las organizaciones pueden identificar posibles problemas y garantizar una comprensión integral de las necesidades de cumplimiento. En segundo lugar, fomenta un sentido compartido de responsabilidad. Cuando las partes interesadas participan en discusiones de cumplimiento, toman posesión del proceso ayudando a impulsar una cultura de cumplimiento dentro de la organización. Por último, promueve la transparencia. La comunicación abierta entre diferentes partes interesadas garantiza que se aborden las preocupaciones relacionadas con la IA , generando confianza y facilitando la resolución de problemas de cumplimiento. Participación efectiva de las partes interesadas. La primera estrategia es identificar e involucrar a los actores relevantes. Con partes interesadas como especialistas en recursos humanos, equipos legales y científicos de datos al principio del proceso, sus perspectivas son críticas para abordar las preocupaciones de cumplimiento. En segundo lugar, establecer reglas y responsabilidades claras, definir claramente los roles y roles de cada actor. Evita confusiones y asegura que todos sepan cómo contribuyen a los objetivos de cumplimiento. Tercero, fomentar el diálogo abierto y la comunicación. Fomentar la comunicación abierta a través reuniones y talleres regulares. Esto crea un espacio para que las partes interesadas puedan expresar sus inquietudes y colaborar en soluciones. Para, compartir conocimientos y mejores prácticas, crear plataformas para que las partes interesadas compartan conocimientos. Esto ayuda a todos a mantenerse informados y mejora el cumplimiento en toda la organización. Cinco, revisar y evaluar periódicamente las medidas de cumplimiento, evaluar la efectividad de las medidas de cumplimiento y ajustar según sea necesario. Por último, la participación de las partes interesadas es esencial para garantizar que la IE y los recursos humanos conformes, éticos y transparentes. Al colaborar de manera efectiva, las organizaciones pueden navegar por el panorama regulatorio y construir una cultura de cumplimiento. 51. Consideraciones internacionales: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión, hablaremos de las consideraciones internacionales. Navegar por diversos paisajes legales, culturales y éticos es esencial para las organizaciones que operan a nivel mundial. Regulaciones clave como la regulación general de protección de datos, GDPR, CCPA, LGPD y las normas de organizaciones internacionales del trabajo, establecen requisitos para la privacidad, equidad y transparencia de los datos en los procesos de recursos humanos impulsados por IA La implementación de sólidas evaluaciones de cumplimiento, políticas de gobierno de datos y capacitación continua ayuda a las organizaciones a administrar estas complejidades de manera efectiva Ahora, cuando observa el cumplimiento del RGPD en la IE para recursos humanos, medida que crece la IE y los recursos humanos, las organizaciones se enfrentan a diversas regulaciones internacionales que rigen la privacidad de los datos, las leyes de discriminación y los estándares éticos de la IE. Ahora, las regulaciones destacadas incluyen el GDPR en Europa, CCPA en California y LGPD en Brasil Cada uno de estos da forma a cómo se manejan los datos personales en los procesos de recursos humanos impulsados por IA. Ahora, mirar la regulación global, comprender y cumplir con estas regulaciones globales es importante para mitigar los riesgos legales, mantener la equidad generar confianza con los empleados y Adherirse a las regulaciones globales es vital. El incumplimiento puede llevar a graves consecuencias legales, daños a la reputación y dilemas éticos Al mantenerse informadas sobre las leyes internacionales, las organizaciones pueden fomentar la EIU responsable en RRHH y evitar trampas legales Algunos ejemplos de regulaciones Glogal, GDPR Europe rige la protección de datos personales, requiriendo un estricto consentimiento y medidas de seguridad para procesar datos de empleados en sistemas de IA CCPA USA protege la privacidad de los residentes de California, exigiendo transparencia y control sobre los datos personales LGPD Brasil regula el uso de datos, garantizando la privacidad y seguridad de los empleados brasileños Las normas de la OIT protegen los derechos de los empleados y previenen las prácticas discriminatorias de la IE a nivel mundial Estas regulaciones guían cómo los sistemas de IA deben procesar los datos y tomar decisiones en RRHH al tiempo que promueven la equidad y la transparencia Algunas de las mejores prácticas para el cumplimiento global de la IA pueden ser llevar a cabo una evaluación integral del cumplimiento. Revise regularmente las regulaciones globales para garantizar la alineación con los sistemas de IA en RRHH, colaborar con expertos legales para obtener información regional, implementar políticas de privacidad y gobernanza de datos, desarrollar prácticas sólidas y claras de gobierno de datos y políticas de privacidad que cumplan con leyes como GDPR y CCPA para salvaguardar los datos personales Monitoreo y capacitación continuos, monitoreo regular, cumplimiento y capacitar al personal de recursos humanos en estándares regulatorios globales, protección de datos y prácticas éticas de IA. Garantizar la transparencia en las decisiones de IA y crear pautas éticas para fomentar confianza dentro de su organización. Siguiendo estas mejores prácticas, las organizaciones pueden navegar por las complejidades de las regulaciones globales y aprovechar la IE de manera responsable en RRHH Navegar por las regulaciones internacionales es crucial para el uso responsable de la IE en RRHH. Cumplir con regulaciones como GDPR, CCPA, LGPD y estándares de la OIT garantiza privacidad, equidad y transparencia de los datos Al implementar las mejores prácticas, como verificaciones regulares de cumplimiento, un sólido gobierno de datos y capacitación continua, las organizaciones pueden asegurarse administrar los riesgos legales y mantener prácticas éticas. 52. Ajuste de las consideraciones éticas y legales: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión, hablaremos alinear consideraciones éticas y legales. La IA ofrece poderosas ventajas, pero su uso debe alinearse con los estándares éticos y los requisitos legales. Examinaremos principios clave como equidad, transparencia, privacidad de datos y cumplimiento legal Entonces transparencia y explicabilidad. Las tecnologías de IA ofrecen numerosos beneficios en RRHH desde la racionalización de los procesos hasta la mejora de la toma de decisiones Sin embargo, para aprovechar completamente el potencial de IA, las organizaciones deben alinear sus prácticas con estándares éticos y regulaciones legales. Esta alineación garantiza la equidad, transparencia y protección de los derechos de los empleados Las consideraciones éticas en la IA de RRHH se centran en la equidad, la transparencia y la salvaguardia del bienestar de los empleados Los sistemas de IE deben ser comprensibles con una explicación clara de cómo se toman las decisiones y qué datos se utilizan. Esto fomenta la confianza y permite a los empleados desafiar decisiones injustas Los sistemas EI deben estar libres de sesgos. Las auditorías regulares y las métricas de equidad ayudan a garantizar que las decisiones de recursos humanos impulsadas por la IA no afecten desproporcionadamente a ningún grupo en función del género, la raza, la edad Los datos personales deben ser tratados de manera responsable. Esto incluye obtener el consentimiento, garantizar la seguridad y anonimizar los datos cuando sea posible, cumpliendo con Ahora, también hay algunos alineamientos legales, leyes y regulaciones laborales. Los sistemas de IA deben adherirse a las leyes que rigen las prácticas de contratación, los derechos de los empleados y los beneficios. El incumplimiento puede conllevar un riesgo legal significativo. Los derechos de propiedad intelectual, IA y RRHH deben respetar las licencias de derechos de autor y las patentes. Las organizaciones deben garantizar que las tecnologías de IA patentadas estén protegidas y no infrinjan la propiedad intelectual de otros Gobernanza de datos y cumplimiento transfronterizo de operaciones globales, las organizaciones deben navegar por diversas leyes de protección de datos. Esto incluye garantizar que las transferencias transfronterizas de datos cumplan con regulaciones como GDPR en Europa y CCPA en California La propiedad intelectual y el gobierno de datos para lograr la alineación ética y legal, las organizaciones deben implementar evaluaciones integrales de cumplimiento para mantenerse alineadas con las leyes y pautas éticas en evolución. Adopte marcos sólidos de gobierno de datos para garantizar la privacidad y seguridad de los datos. Realizar auditorías periódicas para identificar y mitigar sesgos en sistemas de IA. Brindar capacitación continua a los equipos de recursos humanos sobre estándares legales y éticos, asegurando una aplicación consistente en toda la organización. uso efectivo de la IA en RRHH depende de alinear la tecnología tanto con los principios éticos como con los requisitos legales. Las organizaciones deben priorizar la equidad, la transparencia y la rendición de cuentas para evitar prejuicios y proteger los derechos de los empleados Finalmente, políticas claras, capacitación continua y colaboración con expertos legales ayudan a garantizar el cumplimiento y construir una cultura de confianza. Al integrar estándares éticos y legales en el desarrollo de IA, las organizaciones pueden generar confianza, minimizar el riesgo y crear un entorno de recursos humanos justo y transparente. 53. Desarrollar directrices éticas y legales: Yo Hola, chicos. Bienvenidos a estas sesiones. Y en esta sesión, hablaremos sobre el desarrollo pautas éticas y legales. Por lo tanto, con la IA remodelando reclutamiento, las evaluaciones de desempeño y más, es esencial garantizar la equidad, la transparencia Exploraremos los principios y leyes que ayudan a construir sistemas confiables de IE centrados en el ser humano en RRHH. Por lo tanto, para garantizar que los sistemas de IA en RRHH se desplieguen de manera responsable, es vital abordar consideraciones tanto éticas como legales Las preocupaciones éticas incluyen equidad, transparencia, privacidad y prevención de sesgos en decisiones como reclutamiento y evaluaciones de desempeño En tanto, las consideraciones legales giran torno a la adhesión a las leyes de protección de datos como GDPR, CCPA y regulaciones contra la discriminación conjunto, estas consideraciones ayudan a construir sistemas de recursos humanos confiables, justos y conformes. Ahora, cuando nos fijamos en principios éticos clave, lo primero viene la equidad. Los algoritmos de IA deben evitar sesgos y garantizar la equidad, esencialmente en lo que respecta a características protegidas como género, raza o discapacidad Sesgo. Los sistemas de IA son propensos al sesgo y ya sea a partir de datos de sesgo o algoritmos defectuosos Para mitigar esto, son esenciales diversos datos de capacitación y auditorías periódicas. Interpretabilidad, los profesionales de recursos humanos deben garantizar que los sistemas de IA sean transparentes, aunque la lógica de toma de decisiones debe ser clara y comprensible para todos los empleados Privacidad. La protección de los datos personales es fundamental. La IA y los Recursos Humanos deben cumplir con las regulaciones de protección de datos y adoptar prácticas de privacidad por diseño. consentimiento siempre obtiene el consentimiento informado de las personas al recopilar y procesar datos personales en procesos de recursos humanos impulsados por IA. Consideraciones legales en IA para RRHH, protección de datos. Los sistemas de IA deben cumplir con las leyes de privacidad de datos como GDPR y CCPA Los datos personales deben almacenarse y procesarse de forma segura . Anti discriminación. Las herramientas de IA no deben perpetuar el sesgo en la contratación o las evaluaciones de desempeño Adherirse a las leyes de no discriminación garantiza la equidad en las decisiones de recursos humanos Leyes laborales. Los sistemas de IA deben alinearse con las regulaciones de empleo para proteger los derechos de los trabajadores, particularmente en torno a temas como el monitoreo del desempeño o el desarrollo de los empleados. Desarrollo de lineamientos éticos y legales de IA. Por lo tanto, identifique a otros actores involucrados con profesionales de recursos humanos , científicos de datos, expertos legales y empleados para crear pautas integrales. Evaluar los riesgos éticos y legales, identificar riesgos como decisiones sesgadas o violaciones a la privacidad y abordarlos de manera proactiva. Definir principios éticos, establecer principios como equidad, transparencia y privacidad para guiar todo el desarrollo del sistema de IA Revisar los marcos legales. Familiarícese con leyes como GDPR, CCP y regulaciones contra la discriminación para garantizar el cumplimiento Establecer un gobierno de datos, desarrollar marcos para la recopilación, almacenamiento y uso responsables de los datos , garantizar protección de la privacidad y la minimización de los datos Diseñar medidas de rendición de cuentas, implementar procesos de auditoría y mecanismos para que las personas cuestionen las decisiones de la IE. Al establecer pautas éticas y legales sólidas, las organizaciones pueden garantizar que los sistemas de IA en RRHH sean justos, conformes y transparentes, estas pautas fomentan la confianza, reducen riesgos, soporte y despliegue responsable de IA en todas las funciones de IA y recursos humanos. Con una rendición de cuentas clara y una capacitación continua, las organizaciones pueden mantener estándares éticos y cumplimiento legal a medida que la IA continúa evolucionando. 54. Estudios de casos: Hola, chicos. Bienvenidos a estas sesiones. En esta sesión, exploraremos y veremos algunos de los estudios de caso en los que hemos seguido adelante y utilizamos la implementación de AIN HR. Así que vamos a ver tres estudios de casos inspiradores que demuestran cómo las organizaciones alinean con éxito sus sistemas de recursos humanos impulsados por IA con estándares éticos y legales. Estos ejemplos muestran cómo se abordaron los desafíos en transparencia sesgada y privacidad transparencia sesgada y privacidad a través de estrategias cuidadosas. Entonces veamos el primer estudio de caso. corporación XYZ implementó una herramienta de reclutamiento impulsada por IA, pero descubrió que el sistema favorecía ciertos datos demográficos que conducían a resultados de contratación sesgados Los datos de capacitación que reflejaban patrones históricos de contratación reforzaron estos sesgos causando discriminación por género, raza y antecedentes educativos XYZ o Corporation tomaron medidas proactivas para abordar el sesgo. Esto comenzó con una exhaustiva auditoría de los datos históricos de reclutamiento para identificar fuentes de sesgo. Ampliaron el conjunto de datos de capacitación para incluir una gama más diversa de currículums, asegurando una representación más justa a través Adicionalmente, incorporaron restricciones de equidad en el modelo de IA y utilizaron técnicas explicables AIXAI para hacer transparentes las decisiones de los hacer También introdujeron la colaboración de IA humana donde los reclutadores tomaron la decisión final después de revisar las recomendaciones de la IA Además, la capacitación de sensibilización sobre prejuicios fue la capacitación para reclutadores que ayudó a reducir los sesgos inducidos por humanos La puntuación de sesgo de los sistemas de IA mejoró en 40%, reflejando una reducción significativa en los resultados sesgados. La diversidad en el grupo de talentos aumentó 25% en seis meses, y la eficiencia mejoró con una reducción de 30% en tiempo a tiempo para contratar. Este éxito impulsó la confianza interna y aseguró el cumplimiento legal de las leyes contra la discriminación Veamos otro caso de estudio. En ABC Inc, el sistema tradicional de evaluación de empleados se percibía como opaco y sesgado. Los empleados plantearon preocupaciones sobre favoritismo y los criterios de evaluación inconsistentes, creando una falta de confianza en el proceso de revisión del desempeño Por lo que ABC Inc abordó estos desafíos diseñando un sistema de evaluación impulsado por IA con un enfoque en la transparencia Utilizaron técnicas de tecnología XAI para hacer que las evaluaciones de desempeño comprensibles para los empleados Se creó un panel de control para proporcionar a los empleados información clara sobre sus puntuaciones de desempeño, factores contribuyentes y áreas de mejora. La compañía también integró estrategias de mitigación de sesgos, auditando el sistema de IA regularmente para garantizar la equidad en los diferentes datos demográficos de los empleados ABC puso a prueba el sistema en un departamento antes de implementarlo en toda la organización, asegurando una transición sin problemas Como resultado, 90% de los empleados reportaron una comprensión más clara de sus evaluaciones y la satisfacción de los empleados con la equidad de las revisiones de desempeño aumentó en 35% La transparencia y retroalimentación llevaron a un impulso de 20% en la productividad ya que los empleados se enfocarían en áreas específicas de mejora. El sistema ayudó a ABcING a fomentar una cultura de confianza y rendición Veamos otro estudio de caso tres, donde DefCop adoptó un sistema de nómina impulsado por IA para agilizar el procesamiento de nóminas Sin embargo, los empleados expresaron su preocupación por la forma en que sus datos personales confidenciales, incluidos los salarios y los identificadores, serían manejados de manera segura por temor a posibles violaciones DefCop priorizó la privacidad de los datos mediante la implementación de un sólido marco de protección de datos Realizaron una evaluación de gestión de riesgos de privacidad y emplearon técnicas de anonimización de datos para proteger las identidades de los Adicionalmente, integraron protocolos avanzados de encriptación para almacenar y transmitir datos confidenciales de nómina. Restringieron el acceso a estos datos a través permisos basados en roles y autenticación multifactor, que es MFA Para mejorar la transparencia, utilizaron la tecnología blockchain para proporcionar pistas de auditoría inmutables para todas las transacciones de los empleados, lo que permitió a los empleados rastrear cómo se estaban utilizando sus datos aprendizaje federado se aplicó para entrenar el modelo de IA sobre datos descentralizados, asegurando la privacidad sin dejar de beneficiarse del análisis de IA Las medidas resultaron en cero violaciones de datos en el primer año y el 85% de los empleados expresó confianza en la capacidad del sistema para proteger la política, su privacidad El tiempo de procesamiento de nómina se redujo 50%, mejorando la eficiencia operativa. Estos esfuerzos no solo protegieron los datos confidenciales, sino que también mejoraron la confianza de los empleados y cumplimiento de las regulaciones globales de protección de datos Entonces, finalmente, estos estudios de caso muestran cómo las organizaciones pueden abordar desafíos éticos y legales en IA para RRHH. Al centrarse en la mitigación de sesgos, la transparencia y la detección de privacidad, las empresas pueden alinear con éxito los sistemas de IA tanto con los estándares éticos como con los requisitos legales. 55. ¡Gracias por tomar esta clase!: Hola, chicos. Enhorabuena por llegar al final de esta clase. Gracias por tomar esta clase. Espero que el contenido sea valioso, capaz de entender ahora cómo podemos usar estas herramientas de IA para integrarlo en nuestros trabajos diarios de RRHH, y espero que seas capaz de implementarlos prácticamente en tu negocio y para tus clientes. Gracias una vez más por tomar esta clase y estoy muy emocionada de verte de nuevo en una nueva clase, así que.