Plataformas digitales e IA en la intermediación del mercado laboral en PIM

Plataformas de empleo digitales que amplían el acceso al empleo en países de ingresos bajos y medianos

Las plataformas digitales de emparejamiento laboral han estado transformando la forma en que los trabajadores en países de ingresos bajos y medianos (PIBM) se conectan con empleos en los sectores formal, informal y de alta especialización. Tradicionalmente, la mayoría de los trabajadores en países en desarrollo encontraban empleo a través de redes personales o acercándose directamente a los empleadores, con solo una fracción reducida que usaba agencias de empleo​. Esta dependencia de redes informales limitaba las oportunidades a círculos inmediatos y al vecindario​. Las plataformas en línea ayudan a superar esta brecha de información al agregar ofertas de trabajo y hacerlas fácilmente accesibles. Reducen las fricciones de búsqueda al centralizar la información laboral, permitiendo a los trabajadores encontrar oportunidades en diferentes ubicaciones y sectores, e incluso ofreciendo herramientas en línea para pruebas y verificación de habilidades. Estas eficiencias impulsadas por las plataformas digitales han extendido el acceso al empleo a grupos que a menudo están desatendidos en los mercados laborales tradicionales.

• En el sector informal, intercambios de trabajo basados en móvil y web ahora conectan a trabajadores de bajos ingresos y no organizados con oportunidades laborales a gran escala. Tales plataformas aprovechan tecnología móvil que requiere acceso a internet nulo o bajo, usando interfaces simples basadas en texto para conectar a los trabajadores con los empleadores, e incrementando drásticamente la visibilidad de los trabajadores informales frente a posibles empleadores, ayudando incluso a quienes no tienen credenciales formales a encontrar empleo.

• Aplicaciones de la economía de los “gigs” (desde el transporte por aplicación hasta los mercados de trabajo freelance en línea) permiten a los trabajadores obtener ingresos por tarea o contrato. Solo el trabajo de “gig” basado en la web ahora involucra un estimado de entre el 4.4% y el 12.5% de los trabajadores en todo el mundo (a tiempo completo o parcial). Incluyendo aplicaciones basadas en la ubicación (como transporte compartido y entrega), hasta el 12% del mercado laboral global ya podrían ser trabajadores de “gig”. En los países en desarrollo, estas plataformas están abriendo vías únicas para jóvenes, mujeres y poblaciones rurales que han quedado excluidas de los mercados laborales tradicionales​.

  • Se considera que el trabajo de “gig” en línea apoya la inclusión económica al proporcionar oportunidades para jóvenes, mujeres, trabajadores poco cualificados y aquellos en áreas con pocos empleos locales​. De hecho, la mayoría de los trabajadores de “gig” en línea son jóvenes menores de 30 años que buscan ganar dinero o aprender nuevas habilidades, y se ha encontrado que las mujeres participan en la economía de “gig” en línea a tasas más altas. Un análisis en 17 países encontró que el 42% de los trabajadores de “gig” en línea eran mujeres, mientras que la participación de las mujeres en el mercado laboral general en esos países era solo del 31.8%. En sociedades donde las normas culturales limitan la movilidad de las mujeres o las confinan a responsabilidades domésticas como el cuidado de los hijos, el trabajo de “gig” en línea ofrece una solución práctica, permitiéndoles obtener ingresos mientras gestionan sus tareas del hogar.

• Las plataformas digitales también han expandido las vías para profesionales altamente calificados en PIBM. A través de sitios web de trabajo freelance y portales de trabajo remoto, los trabajadores calificados en países en desarrollo ahora pueden acceder a clientes y empleos a nivel mundial. Esto efectivamente “exporta” mano de obra calificada servicios desde los PIBM y genera ingresos. El crecimiento ha sido sorprendente: en África subsahariana, las ofertas de empleo en una importante plataforma de trabajo en línea aumentaron 130% entre 2016 y 2020, superando con creces el crecimiento del 14% observado en Norteamérica. Al reducir las barreras geográficas, estas plataformas integran el talento de los PIBM en los mercados internacionales, creando oportunidades para desarrolladores de software, diseñadores, redactores y otros profesionales para asegurar contratos que antes estaban fuera de alcance.

Mejoras impulsadas por IA en el emparejamiento laboral y la alineación de habilidades

La inteligencia artificial (IA) y el análisis de datos han potenciado exponencialmente las capacidades de las plataformas digitales en emparejamiento laboral, análisis de la fuerza laboral y alineación de habilidades. Los modernos sistemas de empleo en línea despliegan cada vez más algoritmos de aprendizaje automático para emparejar a los buscadores de empleo con vacantes de manera mucho más eficaz que las búsquedas básicas por palabras clave. A diferencia de los portales de empleo tradicionales que dependen del emparejamiento uno a uno por palabras clave, las plataformas impulsadas por IA pueden interpretar el contexto y el significado de los requisitos del puesto y los perfiles de los candidatos. El resultado es un emparejamiento bidireccional de mejor ajuste proceso, donde la plataforma sugiere los mejores candidatos para un empleador y los mejores empleos para un candidato, a menudo con un “puntaje de coincidencia”.

• Más allá del emparejamiento, la IA permite análisis e información avanzada sobre los buscadores de empleo que antes eran inalcanzables. Utilizando técnicas de big data, las plataformas pueden analizar perfiles e historiales laborales para identificar tendencias y predecir resultados. Por ejemplo, el servicio público de empleo de Bélgica (VDAB) utiliza perfilado estadístico basado en IA que emplea la funcionalidad de “datos de clics” para la actividad y el comportamiento de clics de los buscadores de empleo para predecir el tiempo que estarán desempleados. El SPE austriaco también desarrolló un modelo estadístico que estima la probabilidad de un buscador de empleo de caer en desempleo de corto y largo plazo, permitiendo a los orientadores dirigir el apoyo a quienes tienen mayor riesgo de permanecer sin empleo.

• La gamificación de evaluaciones psicométricas también ha cobrado impulso en los últimos años, incluso entre los servicios públicos de empleo. En India, la National Skill Development Corporation (NSDC) se asoció con KnackApp para desarrollar un mecanismo de perfilado de candidatos (habilidades, rasgos y potencial emprendedor) a través de juegos cognitivos. Esto se utiliza para guiar a los estudiantes hacia oportunidades profesionales y empleos más adecuados a sus intereses.

• También se están utilizando herramientas de IA para predecir la demanda laboral – “La Bonne Boîte” de Francia utiliza un algoritmo predictivo para analizar las contrataciones de los últimos 12 meses y predecir las de los próximos 3 meses. Estos datos permiten a los buscadores de empleo identificar una lista corta de empresas 'con alto potencial de contratación' para ayudar a orientar candidaturas no solicitadas. Este tipo de análisis mejora la toma de decisiones tanto para los trabajadores como para los responsables de políticas: los buscadores obtienen orientación basada en datos (por ejemplo, qué industrias están creciendo o qué habilidades están en demanda), mientras que los gobiernos obtienen inteligencia del mercado laboral en tiempo real para diseñar mejores programas de formación y empleo.

• Los asistentes de carrera impulsados por IA están mejorando la personalización de la orientación y la formación para los trabajadores en estas plataformas. Los asistentes de carrera inteligentes o chatbots “coaches” de empleo analizan perfiles de usuario, datos del mercado laboral y tendencias de contratación para proporcionar interactivamente recomendaciones de empleo personalizadas, sugerencias de mejora de habilidades y orientación profesional. Sin embargo, aún no hay consenso sobre la efectividad de estas herramientas de orientación profesional habilitadas por IA. Una evaluación de Bob Emploi, un sitio web de asistencia para la búsqueda de empleo en línea, encontró efectos nulos en general sobre los principales resultados de búsqueda y empleo.

El cambio hacia el perfilado por habilidades y competencias

De manera crucial, la IA está ayudando a orientar las plataformas de empleo digitales hacia emparejamientos y alineaciones basadas en habilidades. El reclutamiento tradicional se centra en gran medida en las cualificaciones formales y los títulos laborales, lo que puede pasar por alto a candidatos que tienen las habilidades adecuadas pero trayectorias no lineales. La IA permite que las plataformas extraigan datos ricos sobre habilidades duras y blandas de currículums, perfiles en línea y evaluaciones de comportamiento y las emparejen con los requisitos del puesto​.

Las plataformas de empleo avanzadas ahora a menudo incluyen un componente de emparejamiento basado en competencias: en lugar de filtrar a los candidatos solo por títulos académicos o empleos anteriores, el algoritmo considera el espectro completo de habilidades técnicas, habilidades transferibles e incluso aptitudes. Este enfoque holístico significa que las habilidades de codificación, idiomas o trabajo en equipo de un buscador de empleo (incluso si son autodidactas o adquiridas de forma informal) pueden ser reconocidas y emparejadas con puestos vacantes, ampliando las oportunidades. También ayuda a los empleadores a descubrir talento que podría estar oculto en currículums no tradicionales.

Muchos países han ampliado las taxonomías y marcos laborales tradicionales para incluir habilidades y competencias. La Clasificación Europea de Habilidades, Competencias, Cualificaciones y Ocupaciones (ESCO) de la Comisión Europea ahora define casi 13,500 habilidades mapeadas a los pilares ocupacionales preexistentes de la OIT ISCO . Marcos como ESCO y O*Net, su equivalente en EE. UU., proporcionan un mapeo holístico de ocupaciones y habilidades, pero han sido un desafío para localizar y aplicar en contextos más en desarrollo/emergentes, lo que ha dado lugar a exploraciones metodológicas alternativas de aprovechar big data de vacantes en línea y perfiles de solicitantes en combinación con procesamiento de lenguaje natural (PLN) para extraer información sobre habilidades y crear taxonomías locales desde cero.