¿Qué necesitará realmente trabajar con la IA?

A pesar de la preocupación de que las máquinas sustituyan a los trabajadores humanos, investigación impugna las exageradas afirmaciones de la IA ascendente. En la mayoría de las tareas intensivas en conocimiento, es más probable que los trabajadores se vean aumentados en asociación con máquinas que la falta automática de un trabajo. Los humanos y las máquinas colaborarán y competirán entre sí simultáneamente, como un equipo de atletismo que compite en varias pruebas. En algunos eventos, como la carrera de 100 yardas, los compañeros de equipo compiten entre sí, pero en otros, como la carrera de relevos, trabajan juntos para lograr un objetivo común.

En una relación así, tanto los humanos como los sistemas de IA necesitan habilidades competitivas y cooperativas distintas. Las habilidades competitivas se refieren a las ventajas únicas que los humanos o la IA poseen sobre los demás, mientras que las habilidades cooperativas mejoran la capacidad de los humanos y la IA para trabajar juntos de manera eficaz. Para fomentar una relación simbiótica entre los humanos y la IA, las organizaciones deben encontrar el equilibrio adecuado entre invertir en habilidades humanas y en capacidades tecnológicas, y pensar estratégicamente en la forma en que atraen y retienen el talento.

Las habilidades competitivas y cooperativas de los humanos

Puede que la IA no sustituya a los trabajadores en un lugar de trabajo centrado en las personas, pero podría transformar su trabajo de manera fundamental. Para seguir siendo relevantes e indispensables, los humanos tienen que trabajar con y en contra las máquinas.

Las habilidades de cooperación de los humanos

Colaborar eficazmente con los sistemas de IA: funciona con ellos: requiere capacidades de análisis basadas en datos, pero también entender las capacidades y limitaciones de las máquinas (áreas en las que más se requiere la intervención humana), cómo interpretar y contextualizar los conocimientos generados por la IA y las consideraciones éticas de la toma de decisiones basada en la IA. Entre ellas se incluyen:

Habilidades centradas en los datos:

La capacidad de entender los resultados que generan los algoritmos para informar y apoyar la toma de decisiones. UN encuesta reciente destacó (1) la capacidad de distinguir los datos relevantes y evaluar su credibilidad, (2) la capacidad de validar los resultados poniendo a prueba las hipótesis mediante pruebas A/B y (3) la habilidad para crear y adaptar visualizaciones claras y comprensibles para comunicar los resultados a varias partes interesadas.

Alfabetismo en IA:

Comprender cómo funcionan los algoritmos, cómo pueden apoyar y aumentar la toma de decisiones humanas, así como las limitaciones y los sesgos que pueden estar presentes en sus procesos de toma de decisiones. Es probable que los expertos del área asuman la responsabilidad de desarrollar criterios de equidad para los resultados algorítmicos que promuevan la equidad, especialmente para las poblaciones vulnerables, y de auditar continuamente los resultados algorítmicos según estos criterios.

Comunicación algorítmica:

Entender cómo articular las necesidades y los objetivos humanos con los algoritmos, así como cómo interpretar y explicar los resultados que generan los algoritmos a los demás es importante y programas de investigación que a menudo nos equivocamos al hablar con las máquinas, incluso con herramientas avanzadas de IA, como si fueran humanas. Nos va mejor cuando reconocemos que debemos hablar con las máquinas de formas específicas que aprovechen sus puntos fuertes. Por ejemplo, mediante «prompt engineering», o crear indicaciones para obtener las respuestas más eficaces de los sistemas de IA, los humanos pueden enseñar modelos de IA a producir los resultados deseados para tareas específicas.

Las habilidades competitivas de los humanos

Las personas también necesitan perfeccionar las habilidades centradas en las personas y las habilidades que las máquinas no pueden replicar, que les ayudan a trabajar en contra Los socios de la IA, como los que se basan en la inteligencia emocional (por ejemplo, las habilidades de comunicación para interactuar con otras partes interesadas humanas), una perspectiva estratégica y holística, el pensamiento crítico y la toma de decisiones intuitiva. Entre ellas se incluyen:

Inteligencia emocional:

La capacidad de reconocer las propias emociones y reflexionar sobre ellas en el contexto de la interacción con los algoritmos, así como de entender y comunicar las implicaciones emocionales de los resultados generados por los algoritmos. Por ejemplo, el agentes de servicio de atención al cliente humanos no puede confiar únicamente en los guiones o en los consejos en tiempo real de los agentes de IA, sino que personalice las soluciones comprendiendo con empatía las necesidades o sentimientos de los clientes.

Pensamiento holístico y estratégico:

La capacidad de tener en cuenta el panorama general y entender cómo los resultados algorítmicos se adaptan al contexto más amplio de un problema o decisión. Por ejemplo, la inferencia algorítmica puede informar a los patólogos, pero aun así tienen que tener en cuenta factores como el historial médico, el estilo de vida y el estado de salud general de los pacientes para llegar a un diagnóstico informado y completo.

Creatividad y pensamiento innovador:

La capacidad de pensar de forma creativa y utilizar los algoritmos de formas novedosas e innovadoras. Por ejemplo, Los sistemas de IA se utilizan para analizar datos masivos de los consumidores e identificar patrones en los intereses y el comportamiento del público objetivo, pero es el pensamiento creativo de los vendedores lo que crea un mensaje que resuene en el público.

Pensamiento crítico y ético:

La capacidad de evaluar críticamente las inferencias de las máquinas y de entender las implicaciones y responsabilidades éticas asociadas al uso de los algoritmos, incluidas la privacidad y la responsabilidad. A medida que la IA generativa, como ChatGPT, se integra cada vez más en varios productos, se necesitan expertos en diferentes ámbitos empresariales que trabajen junto con estos sistemas para abordar continuamente posible información falsa o sesgada a los que son propensos estos sistemas.

Las habilidades competitivas y cooperativas de la IA

No son solo los humanos los que deben adquirir nuevas capacidades. Si bien los sistemas de IA están ampliando rápidamente sus capacidades competitivas con respecto a los humanos, aún necesitan mejorar sus habilidades de cooperación para que las organizaciones los adopten ampliamente. En particular, la falta de explicabilidad sigue siendo un desafío en las decisiones de alto riesgo, ya que dificulta la rendición de cuentas y el cumplimiento de los requisitos legales. Por ejemplo, si el proceso de toma de decisiones de la IA sigue siendo opaco para los profesionales médicos, impedirá la adopción de estos sistemas en la atención médica, incluso si estos sistemas ofrecen decisiones casi óptimas.

Las habilidades de cooperación de la IA

Para trabajar de forma eficaz con los socios humanos, los sistemas de IA necesitan habilidades como:

PNL (procesamiento del lenguaje natural):

La capacidad de procesar, analizar, entender e imitar el lenguaje humano. Los sistemas como ChatGPT son excelentes en la interacción con los humanos porque facilitan que las personas hagan preguntas y se expresen de forma natural, incluida la expresión de emociones como el entusiasmo, la frustración o la sorpresa. La realidad, sin embargo, es que estos sistemas están lejos de sensible. Las situaciones que van más allá de una función las hace mejor un humano o con la supervisión humana. Por ejemplo, la IA puede analizar y revelar los patrones de los datos de salud, pero no debe reemplazar la función del médico en la prestación de una atención individualizada a los pacientes.

Explicabilidad:

La capacidad de dar a los humanos explicaciones claras y comprensibles de su proceso de toma de decisiones y sus resultados. La inescrutabilidad inherente de la IA con aprendizaje profundo es un desafío continuo que requiere múltiples soluciones, incluida la creación de un «marco de explicabilidad» que aborde los riesgos de las cajas negras de la IA para industrias y organizaciones específicas. Las soluciones tecnológicas también pueden implicar añadir motores de explicabilidad, que ofrecen explicaciones legibles por los humanos sobre las decisiones y predicciones de los «sistemas» de IA, especialmente en áreas críticas como la salud y las finanzas.

Adaptabilidad y personalización:

La capacidad de aprender de las interacciones anteriores y personalizar las respuestas en función de los usuarios individuales. Por ejemplo, asistentes personales inteligentes están cobrando cada vez más importancia para ayudar a las personas a abordar la sobrecarga de información y comunicación. Al analizar las actividades del usuario, estos asistentes trabajan en colaboración con los trabajadores de forma individualizada, lo que mejora su productividad en áreas como la gestión del tiempo, la organización de reuniones y la asistencia a la comunicación.

Conocimiento del contexto:

La capacidad de entender el contexto en el que se produce una interacción y responder en consecuencia. Por ejemplo, en los sitios web de comercio electrónico, los chatbots que conocen el contexto pueden analizar las consultas anteriores y el historial de compras del usuario para ofrecer soluciones o recomendaciones más pertinentes a las necesidades del cliente.

Las habilidades competitivas de la IA

Los sistemas de IA siguen presentando ventajas competitivas únicas, como:

Capacidades analíticas:

La capacidad de realizar cálculos complejos, procesar grandes cantidades de datos e identificar patrones y relaciones dentro de los datos. Por ejemplo, los sistemas de IA son cada vez más competentes para detectar transacciones fraudulentas en enormes conjuntos de datos de transacciones con tarjetas de crédito.

Generatividad:

La capacidad de generar resultados novedosos y únicos que no sean simplemente reproducciones de datos existentes. Al utilizar modelos grandes y redes neuronales para analizar los patrones, la IA generativa está transformando la creación de imágenes, textos e incluso música que se parecen a las que crean los expertos humanos. Estos sistemas automatizan la generación de contenido, mejoran la calidad del contenido, aumentan la variedad del contenido y ofrecen contenido personalizado.

Rendimiento a escala:

La capacidad de escalar las operaciones de manera eficiente, gestionar un gran número de transacciones en tiempo real y admitir aplicaciones a gran escala sin sacrificar el rendimiento. Por ejemplo, los sistemas de IA han demostrado una capacidad superior de procesamiento miles de solicitudes de tarjetas de crédito en tiempo real o en oferta» gestión algorítmica» de miles de conductores y pasajeros de Uber simultáneamente, creando un marco operativo estructurado y coherente a una escala sin precedentes.

Corriendo con y contra las máquinas

El desafío para las organizaciones que intentan crear una estrategia para utilizar nuevas y más herramientas de IA radica en diseñar sistemas organizativos que equilibren eficazmente las habilidades competitivas y cooperativas de los humanos y la IA. Las organizaciones que buscan lograr este equilibrio deben tener en cuenta lo siguiente:

Democratizar los datos para fomentar el desarrollo continuo de las habilidades humanas y mecánicas competitivas.

Los sistemas de IA pueden generar información de datos a escala y detectar patrones que el ojo humano suele pasar desapercibidos, pero traducir esa competitividad en crecimiento y agilidad empresarial requiere las propias habilidades humanas del pensamiento estratégico y la creatividad. Para permitir este tipo de colaboración, las empresas deben democratizar el acceso a los datos en todos los niveles de su organización. Casi todos los puestos de su organización deberían trabajar junto con el análisis de datos para informar sobre cómo hacer que los flujos de trabajo sean más eficientes, tomar decisiones basadas en los datos y, en última instancia, informar a una mejor comprensión de cómo atender al cliente final. Cuanta más visibilidad de los datos pueda dar la IA a su fuerza laboral, mayor será la capacidad de las personas para aplicar y desarrollar sus habilidades competitivas únicas.

Busque habilidades humanas cooperativas fuera de los muros de su propia organización.

Un reciente Estudio Deloitte descubrió que casi la mitad (el 49%) de los trabajadores tradicionales (empleados a tiempo completo) actualizaron sus habilidades hace más de un año o nunca se dedicaron al desarrollo de habilidades, mientras que el 60% de la fuerza laboral alternativa —definida como trabajadores por encargo, autónomos, trabajadores independientes y trabajadores colectivos— actualizó sus habilidades en los últimos seis meses. De hecho, el 44% de los trabajadores alternativos de las grandes organizaciones tienen un posgrado, según nueva investigación de Upwork. Probablemente esto se deba al hecho de que la mayoría de los conjuntos de habilidades técnicas, según investigación de IBM, tener una vida media de 2,5 años. Y, según la base de datos de Upwork, las habilidades más demandadas son técnicas y relacionadas con el desarrollo web, móvil y de software. Si su organización se esfuerza por mantenerse al día con las habilidades humanas cooperativas para trabajar junto a las máquinas, puede que sea el momento de utilizar un ecosistema más amplio de habilidades fuera de su organización.

No deje que la geografía limite las habilidades para las que su empresa contrata.

La pandemia marcó el comienzo de una nueva era laboral, ya que muchas organizaciones aprendieron que el trabajo se podía hacer de forma remota. El trabajo técnico se puede realizar en casi cualquier parte del mundo, ya que las máquinas han hecho que la geografía sea irrelevante para encontrar las habilidades que necesita para cooperar con las máquinas. Permitir las estrategias de trabajo remoto garantizará que su organización esté preparada para captar el cambiante panorama del talento y le ayudará a ganar la carrera con y contra las máquinas.

Al centrarse en el equilibrio de estas habilidades, las organizaciones pueden aprovechar los beneficios de un bucle infinito entre la IA y las habilidades competitivas humanas. En este equilibrio, los humanos pueden trabajar por la «competencia cooperativa» como un acuerdo en el que las partes adoptan un comportamiento tanto cooperativo como competitivo. En esa relación con los sistemas de IA, los humanos pueden aprovechar tanto la asociación con las máquinas como su propia ventaja competitiva contra la máquina. Esta relación ayuda a mantener su relevancia e imprescindibilidad, ya que los algoritmos funcionan cada vez más como miembros del equipo o incluso como directores (es decir, la gestión algorítmica).

Esta formulación que se ofrece aquí ayuda a dar forma al futuro de la educación y el desarrollo de habilidades, al hacer hincapié en la importancia de centrarse en las habilidades que dan a los humanos una ventaja competitiva sobre las máquinas, en lugar de en las que ya hemos perdido contra las máquinas. Por ejemplo, el uso de calculadoras y correctores ortográficos ya no nos sirve de ventaja, ya que cedimos estas tareas a la tecnología hace mucho tiempo.