Escribe Ravin Jesuthasan, Socio sénior y líder mundial de servicios de transformación de Mercer (MMC)
- El 57% de los directores ejecutivos y directores financieros planean aumentar el uso de la IA y la automatización en sus empresas.
- Esta es una causa de preocupación para las personas que trabajan en diversas industrias.
- Sin embargo, la verdadera fuerza de la IA generativa es aumentar, en lugar de reemplazar, el trabajo de los expertos humanos.
Desde el lanzamiento del modelo de lenguaje grande GPT-3 de OpenAI en noviembre y el posterior lanzamiento de GPT-4, ha habido mucha angustia sobre lo que significan estos avances en la IA generativa para el futuro del trabajo.
Pero el impacto de la IA generativa no se limita al de GPT en la generación de texto y las posibles consecuencias para el trabajo de periodistas y escritores. Incluye el impacto de DALL-E-2 en la generación de imágenes, CODEX en la codificación y MegaMoIBART en el descubrimiento de fármacos, por nombrar solo algunos.
Tres elementos principales sustentan las capacidades de la IA generativa:
- Memoria masiva y reconocimiento de patrones, con capacidad para conectar conceptos o ideas distantes y sacar inferencias.
- Requisitos de código bajos o nulos, lo que reduce significativamente la prima de las habilidades de codificación.
- Ausencia de lógica, ya que hace predicciones basadas en cantidades masivas de datos de entrenamiento, con consecuencias significativas para el funcionamiento de sus aplicaciones.
Una encuesta reciente de Mercer informó que el 57% de los directores ejecutivos y directores financieros planean aumentar el uso de la IA y la automatización; casi un tercio está rediseñando el trabajo para reducir la dependencia de las personas de sus organizaciones.
En el Estudio de Tendencias Globales de Talento 2022 de Mercer, el porcentaje de empleados que dicen que la automatización cambiará significativamente la forma en que se realiza su trabajo ha aumentado del 44% al 71% en los últimos dos años. A diferencia de iteraciones anteriores de automatización que afectaron en gran medida el trabajo repetitivo basado en reglas, la IA generativa también afectará el trabajo de bajo volumen y altamente variable, lo que lleva a lo que algunos han denominado la “democratización de la creatividad”. El trabajo en numerosas profesiones, incluidas las de autores, investigadores, abogados y muchos otros, se verá significativamente interrumpido.
Por ejemplo, la IA generativa puede resumir un documento legal en segundos con una precisión increíble, mientras que un asistente legal puede pasar horas en la misma tarea.
Pero su verdadera fuerza radica en aumentar, en lugar de reemplazar, el trabajo de los empleados.
Un marco para navegar por el “próximo” trabajo
En el libro Reinventing Jobs: A 4-step Approach for Applying Automation to Work , John Boudreau y yo demostramos que las empresas que lideran con el trabajo en lugar de la tecnología están mejor equipadas para garantizar las combinaciones óptimas de humanos y automatización. Esas empresas ven dónde la automatización puede sustituir mejor el trabajo altamente repetitivo y basado en reglas; dónde puede aumentar la creatividad humana, el pensamiento crítico y la empatía y dónde puede crear un nuevo trabajo humano.
Hay cuatro resultados potenciales distintos asociados con cualquier cuerpo de trabajo:
- Eliminación de errores: piense en parte del trabajo de un piloto de línea aérea, donde las consecuencias de un error son altas y existe un potencial significativo de valor negativo para la organización a partir de cualquier desviación de un nivel aceptable de desempeño.
- Minimizar la varianza, como el trabajo de procesamiento de transacciones, donde no tiene valor mejorar el rendimiento más allá de un nivel objetivo.
- Mejorar la productividad, por ejemplo, el trabajo de un vendedor, donde una mejora en el rendimiento produce una mejora proporcional en el valor para la organización.
- Lograr avances: piense en un trabajo altamente creativo, como la ciencia de datos, donde una pequeña mejora en el rendimiento tiene un impacto exponencialmente grande en el valor.
La automatización establecida, como la automatización robótica de procesos (RPA), puede ser útil para sustituir el esfuerzo humano en el trabajo donde el objetivo es reducir la variación y hay una mayor tolerancia al riesgo. Considere la aplicación de RPA para reducir la variación con la que se realiza el trabajo altamente repetitivo y basado en reglas de análisis y síntesis de datos financieros.
La IA se ha utilizado durante mucho tiempo para aumentar el trabajo analítico donde el objetivo es mejorar la productividad o lograr un gran avance. Considere cómo los oncólogos han utilizado el aprendizaje automático, capacitados en volúmenes significativos de datos e imágenes específicos, para aumentar exponencialmente la precisión de la detección del cáncer, no reemplazando las habilidades sino aumentando las capacidades y aumentando la experiencia y los conocimientos. Sin embargo, cuando se trata de la eliminación de errores, a menudo vemos que la automatización se usa para reducir el potencial de error humano inicialmente a través del aumento y luego mediante la sustitución a medida que se desarrollan los conjuntos de datos específicos, la lógica y las nuevas medidas de seguridad.
La IA generativa se encuentra en una etapa incipiente y puede ser propensa a errores, dada su falta de lógica subyacente. Este problema se ve agravado por el hecho de que cuando hay mucho en juego y nuestra tolerancia al riesgo es baja, somos más tolerantes con el error humano que con la falibilidad de las máquinas. Es esencial que los líderes entiendan cuándo confiar y cuándo no confiar en estas tecnologías en esta etapa de su evolución, junto con los roles específicos que deben tener en el trabajo humano: sustitución, aumento o creación. La IA generativa es más útil para democratizar el conocimiento y la creatividad a través del aumento, reduciendo las primas de habilidades tradicionalmente requeridas para una variedad de tareas creativas donde el objetivo es lograr ganancias de productividad y buscar un avance en dominios donde existe una alta tolerancia al riesgo.
Igualmente importante es comprender las consecuencias de su uso para su modelo de talento. Dado que muchas profesiones se basan en un modelo de aprendizaje, ¿cómo resistirá la tentación de sustituir el trabajo del talento de nivel junior con IA que puede eliminar a la próxima generación de creadores, líderes y gerentes?
Un nuevo conjunto de “barreras de seguridad” para la era de la IA generativa
A medida que ingresamos en esta nueva era de automatización, las empresas deben considerar lo siguiente al integrar esta tecnología prometedora en su flujo de trabajo:
Modelo de trabajo
¿Cómo creará un modelo operativo de trabajo con las herramientas y disciplinas para analizar el trabajo y aplicar de manera sostenible y responsable la inteligencia artificial y la automatización emergentes?
Modelo de talento
¿Puede desarrollar un modelo de talento que asegure una fuente suficiente de habilidades incluso cuando aplica progresivamente más IA a su trabajo?
Desarrollar habilidades futuras
A medida que prolifera la IA, es fundamental garantizar que los empleados realicen un trabajo significativo y sostenible. ¿Cómo encontrará oportunidades para automatizar tareas y liberar tiempo para actividades nuevas que agreguen valor, al mismo tiempo que garantiza la mejora y actualización de las habilidades de su fuerza laboral para la próxima iteración de trabajo?
Mentalidad y cultura
A medida que la IA continúa reduciendo la prima de la creatividad y democratiza el acceso, ¿cómo garantizará la reinvención perpetua de su modelo de negocio y fuerza laboral?
Fuente: Foro Económico Mundial (World Economic Forum – WEF)