Machine Learning, em português, significa aprendizado de máquina. É uma subárea da inteligência artificial (IA) que utiliza dados e algoritmos para capacitar os sistemas a aprender padrões e tomar decisões sem serem explicitamente programados.
Quanto mais a tecnologia é “alimentada” com informações, mais facilmente ela identifica padrões, tendências e relações para tomar decisões ou executar tarefas. Esses sistemas são capazes de aprimorar suas habilidades, se adaptar a cenários e, assim, melhorar seu desempenho ao longo do tempo.
Aí na sua empresa, o Machine Learning já entrou em campo? Aqui, na Carreira Muller, já — e faz dois anos! Vamos explicar exatamente como o sistema é aplicado e, consequentemente, quais são os benefícios para você.
Como Machine Learning é aplicado na Carreira Muller?
O Machine Learning é utilizado em uma variedade de setores e aplicado em diversas áreas para automatizar tarefas complexas, resolver problemas difíceis e tomar decisões baseadas em dados. É uma ferramenta valiosa para impulsionar a inovação.
Aqui, na Carreira Muller, o Machine Learning vem sendo usado no job matching, ou seja, quando fazemos o enquadramento entre os cargos da empresa com os da pesquisa.
Para quem não sabe, esse costuma ser um processo bastante desgastante. “Quando as empresas decidem fazer uma pesquisa salarial, recebem um catálogo de cargos e precisam comparar cada um dos cargos da sua estrutura com o mercado, buscando uma equivalência entre os níveis, preenchendo vários códigos. É algo bastante trabalhoso, e ainda há o fato de um mesmo cargo ter diferentes nomes ou não haver uma correspondência clara”, explica João Resch, Gerente de Remuneração da Carreira Muller.
Na pesquisa da Carreira Muller, essa tarefa NÃO é dos clientes — e sim dos nossos consultores. Mas leva um tempo que poderia ser usado de outra maneira. Por isso, decidimos criar um sistema baseado em Machine Learning.
Veja como isso funciona na prática!
Machine learning na prática: job matching
Como podem ver na imagem acima, em uma interface amigável, o consultor da Carreira Muller faz o upload de dados de um cliente para que o sistema processe, de forma rápida e precisa, todas as informações relacionadas a setor, cargo, CBO (Classificação Brasileira de Ocupações), salário, entre outras.
A tecnologia interpreta os novos dados, cruza com todo o histórico da base da Carreira Muller no qual foi treinada e faz uma sugestão de matching dos cargos. O consultor, ao invés de pesquisar código por código, apenas confere as sugestões da ferramenta e faz os ajustes necessários nas recomendações – seja por camada ou diretamente em cada cargo.
“Vamos supor que a ferramenta recomende o nível pleno para um cargo de advogado, mas o consultor percebe que, na verdade, ele é sênior. Assim que o profissional faz esse ajuste manual, acaba reforçando o aprendizado da máquina para que, nas próximas situações, a correspondência seja exata”, explica João. O próprio sistema traz, inclusive, qual é o nível de confiança da sua recomendação.
Então a máquina pode errar?
Sim — e isso é absolutamente esperado.
Imagine que, na base de dados do cliente, há um analista de logística com salário de R$ 20 mil. A ferramenta vai buscar situações semelhantes em seu histórico de treinamento e propor uma recomendação. Por não ser uma situação típica, possivelmente a máquina terá dificuldade em acertar o enquadramento. Mas, fica a pergunta: os consultores acertariam? Muito provavelmente também não.
Uma das grandes vantagens do sistema é trazer confiabilidade para a grande maioria dos cargos e possibilitar aos consultores focar naqueles casos mais complexos de enquadramento, com nomenclaturas diferentes e/ou que exigem análise de descrições.
E vale reforçar que, depois do matching, sempre há uma reunião com o cliente para discutir e validar todos os enquadramentos.
Para as empresas, são muitos benefícios. Entre eles:
- Redução de erros, já que os códigos deixam de ser preenchidos manualmente;
- Melhora na qualidade dos enquadramentos, o que impacta em reuniões mais ágeis de validação;
- Mais disponibilidade de tempo dos consultores para atender às particularidades de cada empresa;
- Mais celeridade na entrega do projeto.
João explica que houve diminuição da estimativa do prazo de entrega da ConsultaSalarial® e a meta é reduzir ainda mais: o processo de conhecer a base do cliente, agendar reuniões e entregar o sistema pronto tende a ser cada vez mais rápido. E, o que é importante, com ainda mais confiabilidade nas informações.
O uso de Machine Learning no processo de job matching já está redefinindo a forma como os consultores de Carreira Muller lidam com suas tarefas diárias, permitindo uma abordagem mais eficiente e precisa. A expectativa é que essa tecnologia continue evoluindo – e nossas entregas também!
Quer saber mais sobre o job matching da Carreira Muller? Fale conosco!
