Investigación: Cómo utilizan los diferentes campos GenAI para redefinir las funciones

Se espera que la implementación de herramientas de IA generativa (GenAI) nuevas y emergentes mejore la eficacia y la competitividad de las organizaciones. Esta creencia se pone de manifiesto en las inversiones actuales y previstas en herramientas de GenAI, especialmente por parte de empresas de sectores intensivos en conocimiento, como las finanzas, la sanidad y el entretenimiento, entre otros. Según las previsiones, el gasto empresarial en GenAI se duplicará en 2024 y crecerá hasta 151 100 millones de dólares para 2027.

Sin embargo, el camino para obtener la rentabilidad de estas inversiones sigue siendo un tanto ambiguo. Si bien hay un historial de aumentos de eficiencia y productividad gracias al uso de los ordenadores para automatizar tareas rutinarias y estructuradas a gran escala en varios sectores, el conocimiento y los trabajos profesionales se han resistido en gran medida a la automatización. Esto se debe a la naturaleza del trabajo con el conocimiento, que a menudo implica tareas desestructuradas y mal definidas. La información de entrada específica, las salidas deseadas y/o los procesos de conversión de entradas en salidas en esas tareas no se conocen prioridad, lo que, en consecuencia, tiene aplicaciones informáticas limitadas en las tareas de conocimiento básicas.

Las herramientas de GenAI están cambiando el panorama empresarial al ampliar la gama de tareas que pueden realizar y soportar los ordenadores, incluida la generación de ideas, el desarrollo de software y la escritura creativa y la producción de contenido. Con sus avanzadas habilidades generativas similares a las de los humanos, las herramientas de GenAI tienen el potencial de mejorar significativamente la productividad y la creatividad de los trabajadores del conocimiento. Sin embargo, la cuestión de cómo integrar la GenAI en el trabajo de conocimiento para aprovechar con éxito estas ventajas sigue siendo un desafío. Dictar los parámetros para el uso de la GenAI mediante un enfoque de arriba hacia abajo, como mediante diseños o rediseños formales de los puestos de trabajo, es difícil, ya que se ha observado que las personas tienden a adoptar nuevas herramientas digitales de maneras que no del todo predecible. Esta imprevisibilidad es especialmente pertinente al uso de GenAI para apoyar el trabajo de conocimiento por las siguientes razones.

• Los datos y las metodologías utilizados para abordar los componentes desestructurados y creativos de la resolución de problemas del trabajo con el conocimiento no pueden estar totalmente predefinidos. Por ejemplo, los trabajadores del conocimiento que desempeñan funciones idénticas en la misma organización pueden utilizar diferentes enfoques para ejecutar las tareas y aun así lograr los resultados deseados. Además, el enfoque individual de un trabajador del conocimiento ante su trabajo puede evolucionar con el tiempo debido a la experiencia y el aprendizaje acumulados. Por lo tanto, la forma en que GenAI se integra en el trabajo de conocimiento es necesariamente fluida y desafía la especificación previa y la estandarización exactas. Desarrollar directrices normativas para la aplicación de GenAI por parte de los trabajadores del conocimiento resulta difícil y puede que no conduzca de forma coherente a resultados innovadores y distintos.
• Los patrones de uso de GenAI por parte de los trabajadores del conocimiento están sujetos a la evolución en formas que se ven específicamente influenciadas por el aprendizaje recíproco entre el trabajador y las herramientas de GenAI. Los trabajadores del conocimiento pueden desarrollar ideas a partir de GenAI a través de comentarios, a medida que reciben explicaciones, ejemplos y respuestas al interactuar con la herramienta. Por el contrario, las herramientas de GenAI están diseñadas para aprender de forma autónoma mediante la incorporación de nuevos datos y comentarios recopilados durante su uso. Por lo tanto, la integración exitosa de GenAI en el trabajo de conocimiento representa un proceso de adaptación continuo, intrincado y complejo tanto para el usuario como para la herramienta GenAI con el fin de alinearse con los requisitos del trabajo.

En este artículo, propongo un marco basado en los principios de creación de empleo para identificar las mejores prácticas a la hora de aprovechar las herramientas de GenAI para apoyar el trabajo con el conocimiento, con el objetivo de mejorar tanto la productividad de los trabajadores del conocimiento como su percepción de sus funciones.

¿Qué es la creación de empleo?

La creación de empleo se refiere a un proceso iniciado por el empleado para ajustar y configurar los recursos y exigencias actuales de un trabajo para que se ajusten a las necesidades y circunstancias del empleado. Los recursos en este contexto se refieren a los elementos que ayudan a ejecutar el trabajo, aumentan la motivación y el compromiso y conducen a una mejora de la satisfacción y el rendimiento de los empleados. Los ejemplos de recursos laborales incluyen las habilidades y la experiencia, las redes de apoyo, la recepción de comentarios constructivos y de entrenamiento, y la energía y el esfuerzo cognitivos y físicos.

Otra faceta de la creación de empleo es la reducción de las demandas laborales que distraen o dificultan que puedan impedir un desempeño efectivo o inducir resultados o emociones negativos. Los ejemplos incluyen una carga de trabajo excesiva, la presión de tiempo o la falta de las habilidades y la experiencia necesarias. Cabe destacar que los recursos laborales se pueden utilizar para contrarrestar el impacto de una demanda laboral tan negativa. Por ejemplo, un empleado puede solicitar el apoyo adicional de sus compañeros de trabajo para gestionar una gran carga de trabajo o cumplir con los plazos apremiantes.

UN cuerpo de investigación en el campo de la dirección ha explorado y establecido una conexión positiva entre la creación del trabajo y las mejoras en el compromiso, la motivación, el rendimiento y el bienestar general de los empleados.

GenAI como herramienta de creación de trabajos

Las funciones interactivas, conversacionales, analíticas y generativas de GenAI ayudan a la creatividad, la resolución de problemas y el procesamiento y la digestión de grandes cantidades de información. Por lo tanto, estas funciones pueden actuar como recursos cognitivos para los trabajadores del conocimiento. Además, las capacidades de GenAI pueden mitigar varios obstáculos para el desempeño efectivo que los trabajadores del conocimiento pueden encontrar en sus trabajos, como la presión horaria, las brechas de conocimientos y habilidades y los sentimientos negativos (como el aburrimiento derivado de las tareas repetitivas o la frustración derivada de las interacciones con clientes insatisfechos).

Los estudios presentados en esta sección, así como otros, arrojan luz sobre el valor de GenAI como recurso para la creación de empleo en diversos ámbitos, como la atención al cliente, la consultoría de gestión, la redacción profesional, el análisis legal y el software y la tecnología.

Servicio de atención al cliente

En un campo experimento con la participación de más de 5000 agentes de atención al cliente que trabajaban para un proveedor de software de procesos empresariales de Fortune 500, el uso de la herramienta GPT-4 de GenAI aumentó tanto la productividad (medida por el número de problemas de clientes resueltos por hora) como la satisfacción laboral. Además, los datos mostraron que la mejora de la productividad con el uso de la herramienta GenAI fue mayor en los agentes menos cualificados. Otro hallazgo interesante de este trabajo fue que el uso de GenAI por parte de los agentes mejoró la confianza de los clientes, lo que sugiere que el apoyo de GenAI prestado a los agentes contribuyó a interacciones más positivas entre ellos y los clientes, lo que generó efectos positivos en sentido descendente.

Escribir y resolver problemas

Más de 450 profesionales con estudios universitarios participaron en un experimento implicaba una tarea de escritura, y a la mitad de los participantes se les dio acceso a una herramienta GenAI como apoyo a esta tarea. Este grupo superó a los participantes a los que no se les dio acceso a la herramienta. Los usuarios de GenAI eran un 40% más rápidos y lograban una calidad de escritura un 18% superior que los que no tenían acceso a la herramienta GenAI. El estudio indicó además que los participantes con menos habilidades tuvieron una mayor mejora en su rendimiento con el uso de GenAI.

Del mismo modo, se pidió a 60 estudiantes de derecho que completaran una serie de cuatro realistas tareas de análisis legal . A la mitad de los participantes en el estudio se les pidió que utilizaran una herramienta GenAI (GPT-4) para sus tareas y a la otra mitad no se les dio acceso a la herramienta. Los hallazgos mostraron que el uso de GenAI redujo significativamente el tiempo de finalización de las tareas para los participantes que usaron la herramienta. Curiosamente, en los casos en los que el uso de GenAI tuvo un impacto positivo en la calidad del rendimiento, los participantes menos cualificados mostraron un mayor nivel de mejora en el rendimiento. Además, en una encuesta posterior al experimento, los participantes que habían utilizado GenAI expresaron un mayor nivel de satisfacción con sus tareas y se mostraron entusiasmados por incorporar GenAI a su trabajo en el futuro.

También se obtuvieron resultados positivos similares del apoyo de GenAI en un estudio de campo con la participación de más de 750 consultores de gestión profesionales. En este estudio, el uso de una herramienta GenAI permitió mejorar considerablemente el rendimiento de una tarea creativa de resolución de problemas. Además, los consultores con un rendimiento inferior a la media de referencia mostraron un mayor nivel de mejora del rendimiento con el uso de GenAI y se beneficiaron significativamente más en comparación con los consultores por encima de la media que también utilizaron la herramienta GenAI.

Software y tecnología

Para evaluar el impacto de GitHub Copilot en los desarrolladores, los desarrolladores de software profesionales fueron dividido en dos grupos para realizar tareas idénticas. Los participantes de uno de los grupos usaron GitHub Copilot (un generador de códigos de software basado en Genai), mientras que los participantes del segundo grupo no tenían acceso a la herramienta. Los desarrolladores que usaron la herramienta Copilot fueron un 55% más rápidos en comparación con los que no la usaron. Además, los usuarios de GitHub Copilot han demostrado que, además de completar las tareas más rápido, el 59% informó de una reducción de los niveles de frustración, el 60% informó de niveles más altos de cumplimiento con su tarea, mientras que el 87% de los desarrolladores señaló un menor esfuerzo mental para las tareas repetitivas.

Otro estudio en el ámbito de la tecnología, esta vez llevado a cabo por Microsoft, involucró a 149 analistas de ciberseguridad nuevos en su carrera y con poca experiencia. Los participantes del estudio se dividieron en dos grupos. Un grupo utilizó el copiloto de seguridad de Microsoft para elaborar informes de incidentes de ciberataques y recomendar medidas correctivas, mientras que el otro grupo procedió sin él. Los hallazgos indicaron que los usuarios de GenAI eran un 44% más precisos y un 26% más rápidos a la hora de realizar sus tareas. El 83 por ciento de los que usaron la herramienta dijeron que consideraban que el uso de la herramienta reducía el esfuerzo necesario para su tarea.

Los ejemplos destacados muestran que los trabajadores del conocimiento, mediante la selección autodirigida y el uso de varias funciones de la herramienta GenAI para apoyar sus tareas (una forma de creación de trabajo), demostraron consistentemente niveles de productividad más altos. Esta mejora se hizo evidente tanto en su autoevaluación como en las mediciones objetivas. Además, en ciertos casos, al ser encuestados tras el estudio, los creadores de empleo de GenAI expresaron actitudes más positivas hacia su trabajo. Esto se caracterizó por una mayor satisfacción, una disminución del esfuerzo mental, menos tareas tediosas y niveles más bajos de frustración.

Perspectivas emergentes

De este cuerpo de investigación se desprenden dos ideas clave:

• El despliegue de las herramientas de GenAI se dejó a la opinión de los trabajadores del conocimiento. En lugar de que se les pidiera que siguieran una secuencia prescrita de instrucciones o pasos para integrar GenAI en sus tareas, eran libres de utilizar estas herramientas como mejor les pareciera. Este uso autodirigido se alinea con el marco de creación de puestos, y hace hincapié en la importancia de las iniciativas y los procesos liderados por los empleados en lugar de los enfoques normativos de arriba hacia abajo. Esta flexibilidad en el uso de GenAI para crear trabajos se adapta a las características clave del trabajo con el conocimiento (desestructurado, basado en el juicio y dinámico) que se resiste a los métodos estrictos y predefinidos de ejecución de tareas.
• GenAI ha demostrado ser particularmente valiosa para cerrar las brechas de experiencia y habilidades que podrían impedir el desempeño de los trabajadores del conocimiento. Estos primeros estudios demuestran que los trabajadores del conocimiento con menos experiencia pueden beneficiarse más del uso de la creación de empleo de GenAI en comparación con sus homólogos con más experiencia y mayor rendimiento. Esto, a su vez, podría conducir a un aumento acelerado del aprendizaje y la productividad de los empleados que recién llegan a sus funciones, al tiempo que reduce la carga de entrenamiento y apoyo para sus colegas experimentados. Por lo tanto, el personal superior también puede beneficiarse indirectamente del apoyo de GenAI a la creación de empleo dirigido a sus colegas subalternos, mediante la reducción del tiempo y el esfuerzo necesarios para la tutoría y la asistencia en las tareas.

Las herramientas de GenAI son versátiles, fáciles de usar y están ampliamente disponibles. Además, los proveedores de software integran cada vez más funciones de GenAI, como el procesamiento conversacional del lenguaje natural a través de una interfaz de chat o voz, en sus productos. Estas herramientas ofrecen un potencial sustancial de creación de empleo y permiten a los trabajadores del conocimiento mejorar el rendimiento y lograr un mejor equilibrio entre la vida laboral y personal.

¿Qué papel desempeñan los gerentes en el éxito de la creación de empleo de GenAI?

Los gerentes son fundamentales para dirigir y permitir que los trabajadores del conocimiento aprovechen las herramientas de GenAI para crear puestos de trabajo. Para lograr el éxito, deben seguir los dos pasos fundamentales siguientes:

Implemente iniciativas de formación centradas en la creación de empleo con GenAI

Investigar ha examinado y establecido la necesidad y la eficacia de una formación especializada en creación de empleo. La evidencia sugiere que la enseñanza de la creación laboral influye positivamente en la búsqueda y la utilización de los recursos, lo que a su vez mejora el rendimiento laboral, el compromiso y la satisfacción laboral de los empleados. Para obtener estas ventajas, los trabajadores del conocimiento primero deben conocer los objetivos y principios principales de la creación de empleo. En concreto, deben entenderlo como un proceso de hacer cambios en su ámbito laboral general y su ámbito de control para facilitar la ejecución de las tareas asignadas a la persona por la organización. Además, es crucial que sepan que la creación de empleo no pretende evitar o eludir los desafíos laborales y no debe afectar negativamente a los compañeros y a su desempeño.

Tras aprender sobre la creación de trabajos, la formación debería centrarse en las características y funcionalidades que proporcionan las herramientas de GenAI y en cómo pueden utilizarse de forma eficaz como recursos para utilizarlos en el proceso de creación de puestos para facilitar el trabajo con el conocimiento. Por ejemplo, formarse en GenAI Prompt Engineering permite a los trabajadores del conocimiento buscar y analizar datos de manera eficiente, acceder a la información y resumirla, generar informes, desarrollar nuevas ideas, recibir comentarios oportunos y personalizados y adquirir y ampliar habilidades relacionadas con el trabajo.

Fundamentalmente, las iniciativas de formación deben garantizar que los participantes comprendan a fondo tanto los posibles beneficios y limitaciones como los riesgos de las herramientas de GenAI, aclarando lo que estas herramientas pueden ayudar a lograr y en qué pueden quedarse cortas. Un caso ilustrativo es el estudio de consultores de gestión profesionales mencionado anteriormente. Aunque el apoyo de GenAI mejoró el rendimiento en la tarea creativa de resolución de problemas, el estudio también destacó una tarea diferente de resolución de problemas empresariales que requería el análisis de los datos cuantitativos y cualitativos de las entrevistas, en las que los participantes que no usar GenAI superó a sus homólogos que usaron la tecnología. Por lo tanto, es necesario desarrollar una comprensión matizada de los puntos fuertes y débiles de GenAI para mitigar los riesgos asociados a su mala aplicación en áreas en las que no es ventajoso. Además, los programas de formación deben hacer hincapié en la responsabilidad de los usuarios y en la importancia de la revisión y la evaluación críticas de la calidad y la precisión de los productos creados por Genai.

En general, el objetivo de los programas de formación especializados es promover la práctica de una aplicación informada, responsable y eficaz del GenAI dentro del marco de la creación de empleo.

Fomentar una cultura de confianza

Los gerentes tienen que cultivar una cultura que fomente la exploración y la adopción seguras de las herramientas de GenAI para crear puestos de trabajo. Con este fin, es fundamental que los trabajadores del conocimiento confíen y estén seguros de que la intención de la creación de empleo de GenAI no es reemplazar o reducir sus funciones, sino mejorar y facilitar su trabajo. Los temores por el desplazamiento laboral pueden provocar conductas adversas entre los trabajadores del conocimiento. Estos comportamientos pueden incluir evitar las herramientas de la GenAI o el uso encubierto y peligroso de las herramientas, así como la falta de compromiso del trabajo. Este malestar puede convertirse aún más en insatisfacción laboral y bajo rendimiento. Para abordar las preocupaciones y capitalizar plenamente los efectos positivos de la creación de empleo de GenAI, los directivos deben crear una base de confianza y seguridad psicológica.

A una escala más amplia, es imperativo que los directivos, los trabajadores del conocimiento y sus respectivos equipos determinen de forma colaborativa cómo las mejoras de eficiencia y productividad que se obtienen mediante la creación de puestos con GenAI a nivel individual pueden ampliarse eficazmente en beneficio de los equipos y de la organización en general y orientarse hacia la consecución de los objetivos estratégicos y colectivos. Una cultura basada en la confianza es esencial para fomentar interacciones transparentes y productivas entre los trabajadores del conocimiento, así como entre los trabajadores del conocimiento y sus directivos, a fin de permitir la colaboración hacia estos objetivos colectivos.

En general, la creación de empleo de GenAI es un proceso dinámico y en evolución, impulsado por los avances en el aprendizaje automático, la innovación tecnológica y el aprendizaje y la experiencia acumulados de los trabajadores del conocimiento. Es crucial que los directivos reconozcan que adoptar la creación de empleo de GenAI no es un hecho singular sino un viaje continuo de aprendizaje, innovación y adaptación.