- "Hola, soy Siri, el asistente de Apple. ¿En qué puedo ayudarte?". - "Hola, Siri. Quiero saber qué carrera estudiar".
- "Hola, Xavi. Tu perfil académico y tus intereses muestran una alta compatibilidad con Ingeniería e Informática".
Esta conversación-ficción podría ser posible en un futuro no muy lejano si conseguimos aplicar todas las posibilidades del Big Data y Machine Learning (aprendizaje automático) a la orientación académica y profesional.
Según la consultora tecnológica Gartner, el Big Data puede definirse como "los activos de información de gran velocidad, gran volumen y gran variedad que requieren de formas innovadoras económicamente viables para procesar la información con el objetivo de mejorar el conocimiento y la toma de decisiones." Por otro lado, la orientación académica y profesional pretende ayudar a las personas a tomar decisiones fundamentadas en el ámbito de sus estudios y su carrera profesional, respectivamente.
Uno de los retos más apasionantes de la orientación que maneja datos masivos, veloces y variados es crear Planes de Carrera Personalizados de forma automática, cuya simulación he planteado al inicio.
Una forma de automatizar este proceso es el uso de Inteligencia Artificial y Algoritmos de Aprendizaje Automático, donde estos algoritmos, usando millones de casos previos almacenados en grandes bases de datos, aprenden a recomendar la mejor decisión para una persona en función de su perfil, trayectoria, entorno económico, preferencias, etc.
Para que este proceso resulte útil, deberían recabarse y almacenarse los siguientes tipos de datos de un gran número de personas, del orden de millones:
- Datos sociodemográficos
- Intereses
- Hobbies
- Competencias transversales
- Competencias técnicas
- Historial académico completo
- Historia profesional completo
- Profesiones
- Ofertas laborales
- Perfil de los demandantes
- Perfil de los contratados
- Económico
- Político
- Social
Si conseguimos disponer de un conjunto de datos suficientemente grande, heterogéneo y dinámico podemos intentar implementar algoritmos de aprendizaje automático que permitan diseñar buenas recomendaciones académicas y profesionales para los usuarios del sistema.
Conseguir esta información abundante y variada no es tan difícil como podría parecer en un principio, si pensamos en las empresas que alojan bolsas de trabajo online como, por ejemplo, Infojobs, redes profesionales como Linkedin, redes sociales como Facebook o el mismo Google o Amazon. Ahora bien, estas empresas tienen un problema, y es que normalmente desconocen el éxito o fracaso de las elecciones de las personas, que es exactamente lo que permitiría al sistema aprender qué transiciones son más exitosas, en qué casos, con qué excepciones, etc.
Educaweb, en busca del asistente automatizado
En Educaweb, como pioneros y líderes en orientación académica y profesional, gestionamos información de alrededor de 15 millones de visitantes anuales a través de Educaweb.com, y tratamos cerca de 100 millones de interacciones de usuario tales como:
- Solicitudes de interés por cursos
- Navegación web que permite inferir intereses
- Análisis de correos electrónicos
- Recomendaciones de centros y cursos
- Llamadas telefónicas
- Currículums revisados automáticamente
- Preguntas al servicio de orientación
- Test de intereses
La primera aproximación que utilizamos en Educaweb fue la recomendación basada en contenido. Mediante técnicas de análisis semántico y agrupación de textos automática (clusterización) relacionamos los cursos entre sí ofreciendo más variedad de cursos a los usuarios para permitirles comparar entre cursos similares y elegir el que más les conviene.
En una segunda etapa implementamos el filtrado colaborativo, donde añadimos una capa adicional de inteligencia al sistema usando el comportamiento de los anteriores usuarios para mejorar y corregir las recomendaciones previas y descubrir relaciones no evidentes en el contenido.
Actualmente nos encontramos inmersos en el diseño de estrategias de aprendizaje automático usando herramientas como Amazon Machine Learning, Google Cloud Machine Learning o soluciones de software libre como Apache Mahout.
También queremos recolectar más información sobre el historial profesional de los usuarios, por lo que estamos desarrollando proyectos como la Herramienta de Soporte al Desarrollo Profesional que pretende crear un Planificador de Carrera a partir de la lectura automática de un currículum y de una profesión objetivo marcada por el usuario y/o sugerida por otras herramientas como el test de intereses o GR.
Además estamos incluyendo encuestas online y telefónicas para conseguir feedback por parte de nuestros usuarios, para así poder aprender sobre el éxito de nuestras recomendaciones y, de este modo, ir afinando las propuestas.
Todas estas herramientas pretenden proporcionar recursos a usuarios y orientadores en un futuro, casi presente, donde la automatización de profesiones y procesos cambiará radicalmente el panorama laboral. La velocidad de estos cambios será cada vez mayor y se hará imprescindible contar con sistemas automáticos de recomendación que sean capaces de detectar patrones de cambio antes de que estos sean evidentes.
