La semana pasada, coincidiendo con la segunda oleada de despidos en Jobandtalent desde que terminó el verano, pudimos hablar con un empleado y un exempleado de la compañía, quienes nos dieron su valoración desde dentro. El mensaje que transmitieron fue que el algoritmo que determina los resultados que se muestran en las búsquedas, tanto de empleos como de candidatos, así como su ordenación, tiene un funcionamiento muy distinto (a peor) que lo que se suele dar por sentado. Tras aquellas declaraciones, contactamos con Juan Urdiales, coCEO de la empresa, quien pudo dar réplica a aquellas declaraciones. No obstante, y tras la polémica generada, hemos querido ir algo más allá. Hemos estado en las oficinas de Jobandtalent con los cofundadores Felipe Navío y el propio Juan Urdiales, así como con Álvaro Polo, ingeniero de software, quienes nos han permitido ver en acción y conocer en profundidad el sistema de búsqueda y posicionamiento de su plataforma.
En Jobandtalent como usuario
Cuando un usuario quiere encontrar empleo, el sistema de recomendación se basa en un algoritmo. Funciona combinando diferentes señales (patrones en el texto, taxonomía, nivel de actividad de los candidatos, etc) para mostrar unos resultados lo más optimizados posibles. La “gracia” del algoritmo se basa en el peso que atribuye a cada componente de ese algoritmo.
Al margen del posicionamiento y el orden mostrado, el procesamientol de texto es lo que puede dar más precisión a las búsquedas. Se valora tanto el título laboral que ofrezca cada usuario (transportista, teleoperador, abogado laboralista, etc) como su experiencia en empleos anteriores. El sistema detecta qué partes del texto son relevantes y cuáles no a la hora de buscar resultados afines. Por ejemplo, en el caso de un título como “camarero por las tardes”, da mucha relevancia a “camarero”, mientras que “por”, “las” y “tardes” tienen un nivel mucho menor. Lo mismo con sufijos como “y alrededores”, “en el centro de la ciudad”, etc. Esto lo pudimos ver en directo en el panel privado de la plataforma, sólo al alcance del equipo de desarrollo de la misma.
Otro factor que mejora los resultados de las búsquedas y confiere cierta exclusividad a la plataforma es el hecho de que no sólo aparecen en base a las palabras precisas que haya usado el candidato, sino que también muestra puestos similares. Por ejemplo, a un camarero que busque trabajo le muestra también ofertas de auxiliar de tiendas o encargados de restaurante. Y algo que también afecta al algoritmo, que se va actualizando cada cuatro horas, es la actividad de cada usuario. El sistema detecta qué ofertas despliega y cuáles no, cuáles descarta, en cuáles se ha inscrito, etc. Así, si un camarero se suele inscribir en varias ofertas como dependiente, Jobandtalent le acabará mostrando tantas ofertas de camarero (y similares) como de dependiente. También le llegarán notificaciones push en el momento en que se publique una oferta de trabajo que pueda encajar con su perfil.
Sobre el algoritmo también hemos hablado con José Ramón Pérez Agüera, un ex-miembro de Jobandtalent que estuvo casi dos años al frente del equipo de recomendación, quien lo desarrolla. Cuenta de él que aunque ya existía cuando se incorporó a la empresa, en enero de 2015, tras su llegada se comenzó a reescribir desde cero. En aquel entonces ese equipo lo formaban tres personas, un data scientist y dos ingenieros. El plantel se fue ampliando hasta alcanzar su máximo hace unas semanas, cuando alcanzó las diez personas, ocho de ellas ingenieras. Ahora, tras la última oleada de despidos, se queda en la mitad: cinco, de las cuales cuatro son ingenieras.
El proceso de reescritura del algoritmo comenzó moviéndolo todo a Scala, ya que se habían usado varios lenguajes distintos, como Java y Ruby entre otros. "Tampoco es nada secreto, lo que compone el algoritmo es público", explica Agüera. De hecho se puede acceder a él a través del RecSys Challenge de este año, un concurso de sistemas de recomendación con el que Jobandtalent se volcó durante un mes, y le valió para quedar en undécimo lugar entre ciento diecinueve participantes que alcanzaron la fase final, entre ellos Netflix o AliBaba. Inscritos había más de 300. "La magia está en los datos que consigues, y en cómo los utilizas, no tanto en el algoritmo en sí. Al final, el algoritmo ha innovado mucho para adaptar algoritmos que ya existen en el mercado al área específica de recomendación de empleo, y esos algoritmos son muy conocidos, están publicados en prensa científica", concluye Agüera.
Sugeridos vs cronológicos, la polémica
Igual que en las redes sociales, Jobandtalent tiene su propio feed para los usuarios que buscan empleo. De su diseño parten algunas quejas, ya que en primer lugar muestra una lista de ofertas afines al usuario en base a todo lo visto hasta ahora, pero inmediatamente después, sin ninguna separación “física”, se muestran las ofertas de la zona en orden cronológico. Simplemente, hasta ese límite invisible las ofertas tienen la etiqueta “Sugerido”, y a partir de él, ya no la tienen.
Esto provoca que un camarero pueda ver una lista de ofertas muy afines a él, pero repentinamente pase a ver ofertas de cualquier tipo: teleoperador, transportista, cuidador de ancianos, etc. “Las quejas vienen porque es una diferencia sutil, se pasa demasiado rápido de ofertas sugeridas a otras que no tienen que ver. Es algo que tenemos que solucionar”, admite Urdiales. Con esta crítica coincide Agüera: "siempre traté de eliminar esa parte de ofertas que no están sugeridas por el algoritmo".
En Jobandtalent como empresa
Para los fundadores de Jobandtalent, la plataforma que usan las empresas es su fuente de monetización a día de hoy. Pero también es donde manifiestan un mayor orgullo, tanto por el producto en sí como por ser la cara menos conocida a día de hoy de la compañía, no tanto sobre su existencia como sobre las posibilidades que ofrece, especialmente de cara a la contratación: un empleador puede solicitar un período de prueba de un candidato, ponerse en contacto con él, ofrecerle un salario concreto, ver desglosado el coste que va a tener dicho candidato (incluyendo su salario, la seguridad social y la cuota mensual que cobra Jobandtalent), y hacerle llegar el contrato. El empleado puede verlo en su smartphone, devolverlo firmado sin salir de la app, y empezar a trabajar a partir de ese momento, ya dado de alta en la Seguridad Social y en el Servicio de Empleo Público Estatal.
Para Jobandtalent, esa parte es clave, y no sólo (por si fuera poco) de ser la única forma que tienen a día de hoy de monetizar, sino porque es la única forma de seguir teniendo controlados a los eslabones de su cadena: empleados y empleadores.
“Queremos convertirnos en una plataforma que ayude a esa contratación”, comenta Navío, en referencia al giro que hizo la empresa en mayo de 2016 para convertirse en una ETT vitaminada gracias al uso de la tecnología. “Al fomentar la contratación aseguramos que todas las empresas contraten con contrato laboral, que se cumpla como mínimo el salario mínimo interprofesional. De hecho, el 95% de los salarios que se acuerdan en nuestra plataforma están entre un 25 y un 30% por encima del SMI. Por otro lado, no tienen cabida en Jobandtalent los puestos sin contrato, contratos totalmente variables, etc. Además, el empleado se asegura de que va a recibir su nómina a tiempo, y que la va a poder tener en su móvil para consultarla cuando quiera.” Aunque el aspecto más llamativo de puertas hacia fuera es el matching para el usuario, considera que es tan o más importante el matching hacia la empresa. Sobre todo para empresas que requieren de altas muy rápidas y no pueden permitirse pasar días o semanas esperando al candidato ideal. “Para ellas, hacemos que el proceso sea muchísimo más rápido.”
¿Dónde encaja aquí el algoritmo? Una vez más, en los resultados de las búsquedas y en el orden que elige para mostrar a los candidatos. El algoritmo valora la ideoneidad de los candidatos por el cargo al que aspiran, la experiencia, la distancia a la que se encuentra del puesto de su trabajo, y también su nivel y velocidad de respuesta a las ofertas. "Las empresas necesitan gente que responda rápido". Y algo más, las valoraciones que hayan dejado en su perfil sus anteriores empleadores. Lo cual nos lleva al siguiente punto: ratings.
★★★★☆
En Amazon vemos listadas las reseñas de productos en base a la relevancia de los usuarios que las han escrito. En FilmAffinity, las críticas se ordenan en función de la cantidad de pares que las han considerado útiles. En JustEat aparecen primero los restaurantes mejor reputados (y ahí entran los tiempos de entrega, valoración de la calidad de su comida, tasa de cancelaciones, etc). En Jobandtalent, aparte de todo lo dicho anteriormente, también juega su sistema de valoraciones, de reciente incorporación.
Dice Urdiales sobre él que “está cogiendo tracción, conforme vayamos creciendo habrá perfiles lo suficientemente calificados para conocer mucho mejor al candidato”. Cada perfil va almacenando valoraciones de antiguos empleadores: tres baremos (compromiso con la empresa, calidad del trabajo y seriedad y puntualidad) con los que estos juzgan su trabajo, amén del comentario dejado. Mercantilización en estado puro, pero apenas ha levantado quejas: “aunque hay compañías a la que no les gusta, el candidato poco comprometido no suele quejarse por esto.” La idea es seguir implementándolo y que vaya a más. Y por supuesto, que siga influyendo en el algoritmo.
¿Lagunas?
En BlaBlaCar es relativamente común que cuando un pasajero concierta su viaje con un conductor y llega el momento del trayecto, el contacto (el número de teléfono normalmente) les sirva para sortear la plataforma en los casos de viajes recurrentes y ahorrarse la comisión por viaje que se lleva BlaBlaCar. En Jobandtalent puede ocurrir algo similar, antes incluso de que se lleve a cabo el proceso de contratación inicial. “Candidato y empleador tienen un chat por el que pueden hablar, a veces vemos que emplazan a seguir la conversación por teléfono, o quedan en el establecimiento, y ahí acaba el uso de nuestra plataforma”. Un problema reconocido.
En algunos casos, posiblemente ocurra de forma voluntaria. En otros, supone un problema adicional para Jobandtalent: “es un asunto de educación: la empresa nueva que entra y cree que esto es un sistema de selección más visual, pero no sabe que puede contratar al empleado a través de nosotros”. Este sistema lleva en marcha desde marzo de 2016, y es sobre el que Jobandtalent sustenta su futuro, y mediante el que se diferencia de los competidores. “Otras plataformas son una web con un listado cronológico, o esa misma web llevada al móvil. Nosotros no”. La comisión por contrato está, de media, en el 10%. Se está probando un modelo de pricing flexible que funciona en base a oferta y demanda: con una demanda alta, la comisión se incrementaría. Con una baja, disminuiría. Hacia ahí se apunta de cara al futuro.
Por otro lado, parte de las críticas a la plataforma de Jobandtalent se basa en el supuesto mal funcionamiento del sistema de recomendaciones y resultados de búsqueda. Tanto Urdiales como Navío defienden que su algoritmo funciona, sobre todo en su target, aunque admiten ciertos matices que explican: “Lo hacemos bien en posiciones complicadas. La mayoría de empleos del país están relacionados con el sector servicios. Nuestro núcleo lo forman puestos de trabajo relacionados con la hostelería, la logística, los transportes, etc. Sobre todo en puestos con rotación elevada. Apenas tenemos ofertas de empleo para un abogado laboralista, por ejemplo.” Así se explica parte de los comentarios de frustración por la supuesta escasa efectividad de la plataforma. “¿Se puede mejorar el algoritmo? Sí, muchísimo. Somos conscientes y lo hacemos."
La variable geográfica también pesa. “Nos centramos sobre todo en Madrid y Barcelona, más que nada por volumen de usuarios. En ciudades más pequeñas no estamos tan finos porque no hay ni tanta gente ni tantas empresas, y menos que vayan a usarnos. Igual que en Londres nos centramos mucho en Londres, o en Colombia, en Bogotá.” En algún momento, Jobandtalent se planteó bloquear el acceso a esos perfiles que se salieron de su core, tanto en puestos de trabajo como en localización. “Al final pensamos que es preferible dar el servicio que no darlo, aunque esté algo degradado. Quizás tengamos que replanteárnoslo en un futuro”.
