Navegar por el impacto de la IA generativa en el mundo laboral
Artículo publicado inicialmente en el blog Agenda del Foro Económico Mundial.
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 la 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 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 extraer inferencias
- Requisitos de código bajos/sin código, lo que reduce significativamente la prima en habilidades de codificación
- Ausencia de lógica, ya que hace predicciones basadas en cantidades masivas de datos de formación, con consecuencias significativas para que sus aplicaciones funcionen
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 están rediseñando el trabajo para reducir la dependencia de sus organizaciones en las personas.
En el estudio Global Talent Trends Study 2022 de Mercer, el porcentaje de empleados que afirman que la automatización cambiará significativamente la forma en que se realiza su trabajo ha aumentado del 44 % al 71 % en los últimos dos años. Sin embargo, a diferencia de las iteraciones anteriores de automatización que afectaron en gran medida al trabajo repetitivo basado en reglas, la IA generativa también afectará al trabajo de bajo volumen y altamente variable, lo que conducirá a la “democratización de la creatividad”. El trabajo en numerosas profesiones, incluida la de autores, investigadores, abogados y muchas otras, 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 dedicar horas a la tarea.
Pero su verdadera fortaleza radica en aumentar, en lugar de reemplazar, el trabajo de los empleados.
Un marco para navegar por el “siguiente” trabajo
Marco para lograr las combinaciones óptimas de trabajo humano y automatización
Los valores de eje de este gráfico son valores organizativos asignados en función del nivel de rendimiento. El valor organizacional en el eje vertical se divide en dos segmentos: negativo y positivo. La línea del gráfico muestra el nivel de valor añadido a la organización cuando los objetivos de integrar el ser humano y la automatización cambian a través de cuatro escenarios diferentes:
• Objetivo de eliminación de errores: existe un potencial significativo de valor negativo para la organización a partir de cualquier desviación de un nivel aceptable de rendimiento
• Objetivo de minimizar la varianza: el valor es constante
• Objetivo de mejorar la productividad: muestra una mejora proporcional en el valor para la organización
• Objetivo de lograr avances: muestra potencial de mejora exponencial del valor
Hay cuatro posibles resultados distintos asociados a cualquier trabajo:
- Eliminación de errores (piense en parte del trabajo de un piloto de una aerolínea), donde las consecuencias de un error son altas y existe un potencial significativo de valor negativo para la organización de cualquier desviación de un nivel aceptable de rendimiento
- Minimizar la diferencia (pensar en el trabajo de procesamiento de transacciones), donde no hay valor para mejorar el rendimiento más allá de un nivel objetivo
- Mejorar la productividad (piense en 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 varianza y existe una mayor tolerancia al riesgo. Considere la aplicación de RPA para reducir la variación con la que se realiza el trabajo altamente repetitivo basado en reglas de análisis y síntesis de datos financieros.
La IA se ha utilizado durante mucho tiempo para aumentar el trabajo analítico donde la mejora de la productividad o el logro de un avance es el objetivo. Considere cómo los oncólogos han utilizado el aprendizaje automático, formados en volúmenes significativos de datos e imágenes específicos, para aumentar exponencialmente la precisión de la detección del cáncer, no sustituyendo las habilidades, sino aumentando las capacidades y aumentando la prima de la experiencia y la pericia. Sin embargo, cuando se trata de la eliminación de errores, a menudo vemos que la automatización se utiliza para reducir el potencial de error humano inicialmente a través del aumento y luego a través de la sustitución a medida que se desarrollan los conjuntos de datos específicos, la lógica y las nuevas barreras.
Sin embargo, la IA generativa está en una etapa incipiente y puede ser propensa a errores dada su falta de lógica subyacente. Este problema se agrava por el hecho de que cuando las apuestas son altas y nuestra tolerancia al riesgo es baja, somos más tolerantes al error humano que a la caída de la máquina. Es esencial que los líderes entiendan cuándo confiar —y cuándo no confiar— en estas tecnologías en esta etapa de su evolución, junto con las funciones específicas que deberían 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 que tradicionalmente se requerían para una variedad de tareas creativas donde el objetivo es lograr ganancias de productividad y buscar un avance en los dominios donde hay 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 te resistirás a la tentación de sustituir el trabajo del talento de nivel junior por IA que puede eliminar a la próxima generación de creadores, líderes y gerentes?
Un nuevo conjunto de barreras para la era de la IA generativa
-
Modelo de trabajo¿Cómo creará un modelo operativo de trabajo con las herramientas y disciplinas para analizar el trabajo y aplicar de forma sostenible y responsable la IA y la automatización emergentes?
-
Modelo de talento¿Puedes desarrollar un modelo de talento que garantice una cartera suficiente de habilidades, incluso a medida que aplicas progresivamente más IA a tu trabajo?
-
Desarrollo de habilidades futurasA medida que prolifera la IA, es fundamental garantizar que los empleados hagan un trabajo significativo y sostenible. ¿Cómo encontrará oportunidades para automatizar las tareas y liberar tiempo para nuevas actividades de valor añadido, a la vez que garantiza la mejora y readaptación perfectas de su plantilla para la próxima iteración del trabajo?
-
Mentalidad y culturaA 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 su fuerza laboral?