Blackstraw ayuda a AMN Healthcare a realizar asociaciones satisfactorias con Azure

En la industria de contratación de personal sanitario, los reclutadores enfrentan un desafío constante y apremiante: evaluar las cualificaciones de los candidatos capacitados y asociarlos rápidamente y con exactitud a las posiciones disponibles. Para roles especializados como enfermeras y médicos itinerantes, donde la colocación rápida es crítica para atender la urgencia y las exigencias en terreno, superar este desafío resulta crítico. Pero precisamente este tipo de desafío es el que Blackstraw, una empresa consultora de datos e inteligencia artificial, está preparada para resolver.

Como socio de Microsoft, con un equipo de más de 300 científicos y ingenieros de datos altamente capacitados, Blackstraw ayuda a las organizaciones a modernizar su infraestructura y operaciones de datos con Azure. Además, utilizan esos datos para crear y desplegar soluciones de IA que se adaptan a las necesidades empresariales de sus clientes.

“Estamos inmersos en ambas áreas: IA e ingeniería de datos. Esa es la base sobre la que permitimos a nuestros clientes capturar, procesar y almacenar los datos que necesitan”, afirmó Atul Arya, fundador y director ejecutivo de Blackstraw. “Pero una vez que procesaste y almacenaste los datos, ¿qué haces? ¿Cómo los utilizas para resolver problemas empresariales? Aquí es donde aprovechamos la inteligencia artificial para ofrecer soluciones”.

Un sistema de asociación automatizado y exacto

Dada la experiencia de Blackstraw como Socio de soluciones para Datos e IA (Azure), Innovación Digital y de Aplicaciones (Azure) e Infraestructura (Azure), AMN Healthcare recurrió al socio de Microsoft para implementar una solución con IA que agilizara sus operaciones, aliviara la carga de los reclutadores e incorporara mecanismos para reducir los sesgos durante el proceso de contratación.

Después de que Blackstraw evaluara la arquitectura de datos actual de AMN Healthcare, utilizaron Azure Machine Learning Studio para desarrollar un sistema de asociación automatizado que se integrara con sus fuentes de datos existentes, incluyendo un servidor SQL local y Azure CosmosDB. Con un portal y una aplicación móvil accesibles tanto para los candidatos como para los reclutadores, el sistema se compone de cuatro componentes principales:

• Un motor de asociación avanzado multimodelo que emplea algoritmos de clasificación y regresión para evaluar factores como la elegibilidad del candidato, la probabilidad de completar una asignación y la relevancia del pedido con respecto a su historial laboral.
• Una cadena de procesamiento de aprendizaje automático en múltiples etapas que predice resultados críticos como la acreditación exitosa y las autorizaciones de entrevista. Después de asignar pesos específicos a cada puntuación de probabilidad, el proceso genera una puntuación de compatibilidad integral con una priorización detallada y precisa.
• Herramientas de búsqueda que ayudan a reducir los sesgos mediante el uso de procesamiento de lenguaje natural y aprendizaje automático para analizar currículos y cartas de presentación sin tener que recurrir a palabras o frases relacionadas con características demográficas. Estas herramientas también permiten evaluar a los candidatos en función de criterios objetivos (como cualificaciones, experiencia y educación) en vez de factores subjetivos (como nombre, género y etnia). 
• Un Panel de explicabilidad de las asociaciones que entrega un análisis integral de los factores que influyen en las decisiones del modelo, lo cual promueve tanto la transparencia como la confianza.

La aplicación es capaz de capturar y procesar automáticamente cualquier cambio en las ofertas de empleo en tiempo real y extraer información de los currículos para compararla con las descripciones de los puestos. “Imagínalo como una aplicación de citas: ¿Cuál es la probabilidad de que haya coincidencia? El entorno es diferente, pero el concepto es el mismo. Lo que buscamos es mejorar la probabilidad de encontrar una asociación con el puesto ofertado”, explicó Arya.

Para mejorar esa probabilidad se requiere una mayor precisión y exactitud, razón por la cual Blackstraw vuelve a entrenar los modelos periódicamente y realiza un mantenimiento estricto de los mismos. “No solo detectamos cambios a lo largo del tiempo, sino que también evitamos cualquier pérdida de exactitud utilizando Azure Machine Learning Studio”, afirmó Arya.

Blackstraw cuenta con más de 100 implementaciones exitosas en Azure pero en lo que respecta a la IA, su visión pragmática es lo que los mantiene con los pies en la tierra. “Nos enfocamos no solo en lo que es posible, sino también en lo que no lo es, y somos francos al respecto”, reflexionó Arya. “Hay que responder una pregunta crítica: ¿Cómo vas a lidiar con las inexactitudes de la IA? Es una pregunta que no se formula ni se responde suficientemente, pero nosotros la entendemos y nos aseguramos de abordarla”.

Asociaciones en pocos minutos

Una vez que AMN Healthcare implementó el sistema automatizado de asociación mediante IA, lograron encontrar asociaciones de candidatos en tan solo un minuto después de introducir las ofertas nuevas al sistema. En general, los tiempos promedio de procesamiento se redujeron a menos de seis minutos, gracias a Azure Kubernetes Service y a la arquitectura controlada por eventos de Kubernetes, lo cual representa una mejora significativa comparado con los días que los reclutadores solían demorar en el análisis de los currículos.

Más allá de mejorar el proceso de selección, la solución de Blackstraw faculta a AMN Healthcare para tomar decisiones basadas en datos y optimizar todo el proceso de contratación. “Esta solución brinda perspectivas valiosas sobre el volumen de pedidos previsto y las tarifas por servicios de distintas disciplinas y especialidades en los meses venideros, lo cual permite tomar decisiones informadas y planificar de forma estratégica”, explicó Hagan. “Al ofrecer visibilidad sobre las futuras demandas de personal, [la solución] mejora la administración de la dotación de personal de salud, lo que propicia procesos más eficientes y efectivos, permitiendo que el personal clínico llegue más rápido donde se le necesita para atender a los pacientes”.

Mirando hacia el futuro, Blackstraw y AMN Healthcare planean continuar trabajando juntos a fin de seguir refinando la solución para que siga evolucionando con la empresa. “Como organización grande, AMN Healthcare tiene muchas aplicaciones diferentes con las que este modelo funciona o está conectado”, explicó Arya. “Asegurarnos de que se integre con todas las aplicaciones que utilizan será una estrategia a largo plazo”.

Con su amplia experiencia y profundo conocimiento de Azure, Blackstraw desarrolló una solución que genera un impacto significativo para los proveedores de personal de salud, los reclutadores y los trabajadores del sector. Pero, lo más importante, para los pacientes que necesitan una atención de calidad.