La inteligencia artificial se está abriendo paso en el mundo laboral. Ya la utilizan las empresas para organizar el trabajo –moviendo robots en grandes almacenes logísticos o distribuyendo pedidos en aplicaciones de reparto-, para fraguar el ‘match’ entre empresas que buscan llenar vacantes y profesionales que buscan empleo o incluso para decidir quién se queda e incluso para determinar quién es despedido y quien no en una reestructuración. También la está integrando la Inspección de Trabajo para perseguir el fraude en la contratación. Y los salarios no podían quedar al margen del perímetro algorítmico.
La consultora Ceinsa ha iniciado este año un piloto con ocho empresas para fijar los salarios de parte de sus plantillas mediante inteligencia artificial, según explica a El Periódico de Catalunya, del grupo Prensa Ibérica, el consejero delegado de la firma, Josep Capell. Tradicionalmente enviaban un consultor, les hacía un plan de viabilidad y en base a este configuraba una estructura de remuneraciones, pensada para aquellos trabajadores que cobran por encima de convenio (por debajo del mismo no es legal pagar). No es una herramienta de uso indiscriminado, sino de momento enfocada a trabajadores de alta cualificación.
Ahora ese proceso que iba a cargo de un consultor lo realiza un algoritmo, que a partir de una extensa base de datos acumulada durante los 30 años de experiencia de Ceinsa acaba emitiendo una propuesta de remuneraciones. Esta la configura a partir del perfil del puesto a cubrir, el currículo y habilidades de los candidatos disponibles, la ubicación geográfica de la compañía y el tamaño de la misma, entre otros.
De las 'big tech' a las pymes
La idea de Ceinsa es ofrecer un producto más barato que una asesoría personalizada y hacerlo así accesible a las pequeñas y medianas empresas. De momento no sustituye enteramente a los responsables de recursos humanos, que tienen la última palabra para aceptar o modificar la propuesta salarial que les hace la inteligencia artificial. "Delegarlo todo al algoritmo sería empobrecer los liderazgos dentro de la empresa", argumenta Capell.
"Utilizar 'big data' para fijar unos salarios adecuados es algo todavía muy joven en el mercado laboral", coincide el director de innovación empresarial en España de la consultora Hays, Aitor Larrauri. “Pero cada vez irá a más, especialmente en mercados muy competitivos donde a las empresas les cuesta mucho captar o retener a personal y se ven obligadas a ofrecer paquetes salariales muy completos. No es solo cuánto pagan, sino cómo y además de qué”, añade.
"Ahora mismo hay ejemplos en empresas altamente intensivas en tecnología, pero ya existen las condiciones para que modelos de este tipo se generalicen. No pasará de un día para otro, pero son medidas que pueden ir incorporándose sin necesidad de digitalizar toda la empresa", apunta la profesora de derecho laboral de Esade y asesora del Gobierno en materia de algoritmos, Anna Ginès.
Uno de los casos más sonados de inteligencia artificial definiendo salarios fue en la aplicación de transporte Uber, en Estados Unidos. “Los algoritmos determinaban no solo qué cobraba cada conductor por carrera, sino también la parte de la propina que se quedaban. Y quedó demostrado que tendían a calcular para que cobrarán el mínimo posible”, recuerda la doctora en políticas tecnológicas, directora de Eticas Tech y también asesora del Gobierno, Gemma Galdón.
Transparencia, la clave
"Nuestro sistema solo funciona si todos ganan, tanto la empresa como el trabajador. Es importante la máxima transparencia y previsibilidad, si no puede ser contraproducente", explica el consejero delegado de Ceinsa. Esa transparencia no solo es una condición de éxito, sino un requerimiento legal que el actual Gobierno incorporó con la conocida 'ley Rider'. Esta, a banda de las implicaciones de laboralidad para el sector de las aplicaciones de reparto, obliga a las compañías que utilicen algoritmos para organizar el trabajo a explicar cómo funcionan a los sindicatos. Tanto si el algoritmo lo fabrica dicha empresa o se lo compra a un tercero.
Aquí toda empresa que quiera adoptar un algoritmo, sea el que sea, se enfrenta a riesgos. Por un lado, el algoritmo se basa en datos previos "y esos datos pueden tener sesgos por discriminaciones pasadas", apunta Ginès. Como, por ejemplo, la brecha salarial entre hombres y mujeres o las diferencias según la edad. "Los algoritmos no son ni neutros ni objetivos, dependen de en base a qué datos se les entrene y con qué objetivos", añade Galdón. Es decir, un riesgo es que los datos que se utilicen para entrenar el algoritmo no sean un buen reflejo de la realidad porque sean parciales. “No partimos de una realidad en la que todo el mundo cobre salarios justos y comparables entre iguales. Cualquiera que diseñe un algoritmo y quiera evitar disfunciones debe tener esto muy claro”, advierte la directora de Eticas Tech.
