Por qué transformar un buen trabajo en uno excelente será el verdadero beneficio de la IA
La IA aumentará las capacidades de la fuerza laboral humana, no la dejará obsoleta. Image: Getty Images/iStockphoto
Mantente al día:
Futuro del trabajo
- El entusiasmo en torno a la IA se ha centrado sobre todo en el aumento de la productividad, pero el verdadero potencial reside en los procesos de toma de decisiones que lo preceden.
- Los modelos de gran lenguaje pueden integrar el "conocimiento tácito" de una empresa, además de sus fuentes de datos estructurados.
- Esa base de conocimientos ampliada puede utilizarse para mejorar la toma de decisiones, elevando un buen trabajo a uno excelente.
2023 será recordado como el año en que la IA generativa se generalizó.
Nada demuestra mejor el impacto de la tecnología en nuestra conciencia pública que el destacado diccionario Collins nombrando "IA" como palabra del año. Se debatió acaloradamente la necesidad de regular la IA, así como sus beneficios y su impacto en la economía y el empleo.
Según el Informe sobre el Futuro del Empleo 2023 del Foro Económico Mundial, casi tres cuartas partes de las empresas encuestadas tienen previsto adoptar la IA, y el 50% espera que provoque un crecimiento del empleo. En el libro Bridgital Nation, nuestro presidente, Natarajan Chandrasekaran, predice que la IA podría añadir 30 millones de puestos de trabajo para 2025 y dar un gran impulso al crecimiento económico.
Como era de esperar, el impacto de la IA en la economía será uno de los temas principales de la próxima reunión anual del Foro en Davos (Suiza). Y es fácil ver por qué: algunas proyecciones sugieren la contribución de la IA a la economía mundial podría ser equivalente a la producción de India y China juntas para 2030. Estamos al comienzo de una década transformadora en la que la IA generativa ya está remodelando el trabajo, la vida y los negocios. Además de su impacto empresarial, aportará beneficios a la salud, la educación y el cambio climático.
Sin embargo, a pesar de la intensa atención prestada a la IA, estamos pasando por alto algo fundamental. La atención pública se ha centrado en gran medida en el aumento de la productividad y, en consecuencia, de la producción. Pero el verdadero potencial reside en los procesos de toma de decisiones que lo preceden. Aquí, la IA puede aumentar lo que los humanos son capaces de hacer, elevándolos de promedio a excelentes, haciendo que los novatos sean tan competentes como los expertos, en lugar de convertir a los humanos en obsoletos.
Evolución de la IA
Antes de entrar en materia, definamos qué significa IA. Su evolución ha sido rápida y puede delinearse por la expansión de sus capacidades. Al principio, la IA se centraba en tareas de reconocimiento, como identificar objetos en imágenes. Su siguiente iteración consistió en razonar, analizar lo que estaba sucediendo, por qué estaba sucediendo, los resultados probables, lo que deberíamos hacer al respecto, y la toma de decisiones basada en esa comprensión.
El cambio más transformador se produjo con la llegada de las capacidades generativas u operativas, ejemplificadas por los grandes modelos lingüísticos (LLM) como GPT, LaMBDA y LLaMA. Estos modelos utilizan las predicciones realizadas durante la fase de razonamiento y pueden tomar decisiones y proponer acciones.
Los LLM van más allá de la información que reciben y la extrapolan, dando lugar a respuestas no deterministas al mismo problema. Tienen la capacidad de extraer información de contenidos no estructurados y, cuando se combinan con modelos específicos de la empresa, pueden crear una superestructura de conocimientos que mejore la velocidad de decisión, la eficacia y la experiencia del cliente.
Aumentar, no sustituir
Está claro que el uso más eficaz de la IA generativa será aumentar la creatividad humana, más que sustituir a los humanos. La IA no sustituirá a los puestos de trabajo, sino que los mejorará, en parte gracias a la democratización del conocimiento. Esto permitirá que los puestos de trabajo se eleven gracias a la IA, nivelando las lagunas de conocimiento existentes y aumentando el acceso global a la información. De hecho, el Foro Económico Mundial predice que la IA será un creador neto de empleo de aquí a 2027.
Aunque las empresas tienen la responsabilidad de ayudar a su personal a reciclarse y mejorar sus cualificaciones en consonancia con estos avances, los beneficios están a la vista de todos: el aumento de la eficiencia y, por tanto, de la producción son efectos secundarios bienvenidos. La necesidad de reciclar a las personas debe ser nuestra prioridad para aprovechar esta oportunidad. En TCS, hemos formado a más de 100 000 personas en IA generativa en el último año, y me anima ver esfuerzos similares en toda la industria, que son esenciales para crear una fuerza laboral preparada para la IA.
Una nueva arquitectura empresarial para la IA
En la actual economía del conocimiento, las empresas generan valor a través del trabajo del conocimiento, que implica decisiones y acciones tomadas por individuos o grupos. Para extraer información de datos estructurados se han utilizado técnicas tradicionales como el aprendizaje automático y el análisis de datos. Pero luego está el conocimiento tácito de una organización: el contenido y los datos no estructurados -a menudo adquiridos por la experiencia, la observación, la imitación y la práctica- que no pueden codificarse fácilmente.
Esta dependencia del conocimiento tácito hace que las decisiones sean difíciles de explicar y provoca variabilidad en la toma de decisiones, los resultados y las experiencias de los clientes. La IA generativa o los grandes modelos lingüísticos pueden extraer información de estos contenidos no estructurados. Los modelos fundacionales, como GPT, LLaMA y las alternativas de código abierto, son sofisticados y pueden integrar el conocimiento común que existe fuera de línea, como en libros o pinturas.
Combinando estos modelos con los propios de la empresa y las técnicas tradicionales de IA/ aprendizaje automático (IA/ML), se puede crear una superestructura del conocimiento dentro de una empresa, aumentando la velocidad y la eficacia de las decisiones y acciones. Esto puede mejorar la experiencia del cliente, la productividad y la utilización del talento. El mayor beneficio de estas tecnologías es la digitalización del conocimiento de una empresa y la reducción de la dependencia del conocimiento tácito en las decisiones y acciones.
Esto requiere la creación de un gran número de modelos o agentes y ajustados a la empresa para cada actividad, que se verán reforzados por estas superestructuras de conocimiento. La IA debe considerarse como un ejercicio de redefinición de la empresa en el que participen diversas partes de la empresa, como los equipos jurídicos, de seguridad, de datos, de cumplimiento y de tecnología, para identificar las actividades de mayor valor que pueden transformarse mediante una superestructura de conocimiento.
Las empresas tendrán que invertir en una arquitectura de cuatro niveles impulsada por cientos o miles de modelos customizados y optimizados en cuanto a costes, calidad, seguridad y privacidad. Esta compleja tarea ofrece importantes oportunidades para reducir la dependencia del conocimiento tácito, ofrecer un valor de calidad superior y reducir la varianza en la calidad de los resultados. Para impulsar esta transformación dentro de una empresa se requiere una estrategia sofisticada y bien pensada.
Elevar la toma de decisiones a la excelencia
En última instancia, la IA generativa ofrece a toda la empresa la oportunidad de mejorar los procesos de toma de decisiones y la eficiencia general. Esta integración digitaliza el conocimiento empresarial, reduciendo la dependencia del conocimiento tácito e impulsando la productividad y la utilización del talento.
Y es aquí donde el enfoque actual del debate público está fuera de lugar, centrándose casi exclusivamente en la "acción", en lugar de en el potencial para digitalizar el conocimiento de una empresa y reducir la dependencia del conocimiento tácito en las decisiones y acciones. En pocas palabras, el verdadero valor de la IA y el aprendizaje automático reside en el paso previo al resultado, en la mejora de la toma de decisiones.
¿Por qué? Porque puede ayudarnos a superar la brecha entre resultados promedio y excelentes y posibilitar resultados de mayor calidad de forma más sistemática. La IA nos permite democratizar el conocimiento. Esto podría contribuir a mejorar los resultados en muchos ámbitos: pensemos en la posibilidad de que los médicos diagnostiquen y traten a los pacientes de forma más coherente a pesar de las diferencias de experiencia y las limitaciones de tiempo.
Si aprovechamos correctamente la IA generativa y nos centramos en cómo puede aumentar nuestra toma de decisiones y nuestra creatividad, podemos destapar una poderosa superestructura de conocimientos, mejorar la velocidad y la eficacia de las decisiones y potenciar las experiencias de los clientes.
Convertir un trabajo promedio, o incluso bueno, en excelente. Esa es la verdadera oportunidad que tenemos por delante.
No te pierdas ninguna actualización sobre este tema
Crea una cuenta gratuita y accede a tu colección personalizada de contenidos con nuestras últimas publicaciones y análisis.
Licencia y republicación
Los artículos del Foro Económico Mundial pueden volver a publicarse de acuerdo con la Licencia Pública Internacional Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0, y de acuerdo con nuestras condiciones de uso.
Las opiniones expresadas en este artículo son las del autor y no del Foro Económico Mundial.
Temas relacionados:
La Agenda Semanal
Una actualización semanal de los temas más importantes de la agenda global
Puedes anular tu suscripción en cualquier momento utilizando el enlace que figura en nuestros correos electrónicos. Para obtener más información, consulta nuestro Política de privacidad.
Más sobre Tecnologías emergentesVer todo
Laura Converso and Arunima Sarkar
25 de septiembre de 2024
Heather Domin
20 de septiembre de 2024
Cathy Li
20 de septiembre de 2024
Madeleine North
20 de septiembre de 2024
Construyendo sistemas de datos más justos: lecciones a partir del sesgo racial en la atención médica
JoAnn Stonier, Lauren Woodman and Karla Yee Amezaga
20 de septiembre de 2024