Así es como las empresas deben sortear la IA generativa en el mundo laboral

Desde la publicación en noviembre del gran modelo de lenguaje GPT-3 de OpenAI y el posterior lanzamiento de GPT-4, ha habido mucha angustia sobre lo que estos avances en IA generativa significan para el futuro del trabajo.

Pero el impacto de la IA generativa no se limita al de GPT en la generación de textos y sus 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:

Una encuesta reciente de Mercer informó que el 57% de los CEO y CFO planean aumentar el uso de IA y automatización; casi un tercio está rediseñando el trabajo para reducir la dependencia de sus organizaciones de las personas.

En el Estudio de Tendencias Mundiales del Talento 2022 de Mercer, el porcentaje de empleados que afirman que la automatización cambiará significativamente su forma de trabajar ha pasado del 44% al 71% en los últimos dos años. A diferencia de las iteraciones anteriores de la automatización, que afectaron en gran medida al trabajo repetitivo y basado en reglas, la IA generativa también afectará al trabajo de bajo volumen y muy variable, dando lugar a lo que algunos han denominado la "democratización de la creatividad." El trabajo en numerosas profesiones, como el de escritores, investigadores, abogados y muchos otros, se verá considerablemente alterado.

Por ejemplo, la IA generativa puede resumir un documento jurídico en segundos con una precisión increíble, mientras que un asistente jurídico podría dedicar horas a la misma tarea.

Pero su verdadera fuerza reside en aumentar -y no sustituir- el trabajo de los empleados.

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 con 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 a cualquier obra:

Establecer una automatización, como la Automatización Robótica de Procesos (RPA por sus siglas en inglés), puede ser útil para sustituir el esfuerzo humano en trabajos cuyo objetivo es reducir la varianza y existe una mayor tolerancia al riesgo. Consideremos la aplicación de RPA para reducir la varianza con la que se realiza el trabajo altamente repetitivo y basado en reglas de analizar y sintetizar datos financieros.

La IA se utiliza desde hace tiempo para aumentar el trabajo analítico cuando el objetivo es mejorar la productividad o lograr un gran avance. Piénsese en cómo los oncólogos han utilizado el aprendizaje automático, entrenado 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 e incrementando el valor de la experiencia y los conocimientos. Sin embargo, cuando se trata de eliminar errores, a menudo vemos que la automatización se utiliza para reducir el potencial de error humano, inicialmente mediante el aumento y luego mediante la sustitución a medida que se desarrollan los conjuntos de datos específicos, la lógica y los nuevos parámetros.

La IA generativa se encuentra en una fase incipiente y puede ser propensa a errores, dada su falta de lógica subyacente. Este problema se agrava por el hecho de que, cuando hay mucho en juego y nuestra tolerancia al riesgo es baja, somos más tolerantes con los errores humanos que con la falibilidad de las máquinas. Es esencial que los líderes comprendan cuándo confiar -y cuándo no- en estas tecnologías en su presente fase de evolución, considerando las funciones específicas que deben tener en relación al 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 cualificaciones tradicionalmente requeridas para una variedad de tareas creativas en las que el objetivo es lograr ganancias de productividad y buscar un avance en dominios en los que 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 podemos resistir a la tentación de sustituir el trabajo de los jóvenes talentos por la inteligencia artificial, lo que podría eliminar a la próxima generación de creadores, líderes y directivos?

A medida que nos adentramos en esta nueva era de la automatización, las empresas deben tener en cuenta lo siguiente al integrar esta prometedora tecnología en su flujo de trabajo.

¿Cómo van a crear un modelo operativo de trabajo con las herramientas y disciplinas necesarias para analizar el trabajo y aplicar de forma sostenible y responsable la IA y la automatización emergentes?

¿Pueden desarrollar un modelo de talento que garantice una reserva suficiente de competencias incluso a medida que se aplica progresivamente más IA a su trabajo?

A medida que prolifera la IA, es fundamental que los empleados realicen un trabajo significativo y sostenible. Cómo van a encontrar oportunidades para automatizar tareas y liberar tiempo para nuevas actividades que aporten valor, garantizando al mismo tiempo el perfeccionamiento y reciclaje de su plantilla para la siguiente iteración de trabajo?

A medida que la IA sigue rebajando los requerimientos de conocimientos a la creatividad y democratizando su acceso, ¿cómo garantizarán la reinvención perpetua de su modelo de negocio y su plantilla?