Al reciclar las habilidades de los empleados para la era de la IA, podemos elegir intentar ser mejores que los robots o complementarlos.
Deberíamos aspirar a un término medio, aprovechando lo mejor del potencial de ambas partes.
El futuro del aprendizaje automático debería centrarse en cómo las personas y las máquinas pueden formar los mejores equipos.
Mientras Estados Unidos atraviesa la mayor pérdida de empleos en décadas, el presidente Donald Trump propone resolver la cuestión desvinculando la relación manufacturera de EE. UU. con China y trayendo esos empleos de vuelta a Estados Unidos.
Sin embargo, esa estrategia enfrenta un desafío importante. En términos generales, los empleos manufactureros tal como los conocemos no van a regresar. En cambio, están destinados a ser reemplazados por la automatización y el aprendizaje automático.
Este no es un problema exclusivamente estadounidense. Las previsiones demográficas mundiales indican que alcanzaremos casi 8.500 millones de personas en 2030. Si a esto le sumamos la velocidad exponencial con la que avanzan áreas como la IA, la capacidad de procesamiento computacional y la robótica, es seguro prever que nuestra fuerza laboral global y las exigencias que le imponemos cambiarán notablemente en el futuro cercano.
Las funciones laborales cambiarán rápidamente al ritmo de la tecnología, por lo que crear una fuerza laboral formada y preparada para adaptarse a las demandas cambiantes debe estar entre nuestras prioridades.
La forma que adoptarán los empleos futuros probablemente dependerá de cómo terminen trabajando juntos las personas y las máquinas. Sigue sin estar claro hasta qué punto la capacidad analítica de las máquinas reemplazará la de los humanos. ¿Se volverá por completo obsoleta la presencia humana en algunas funciones laborales? Estas preguntas podrían plantearse mejor.
Hay buenas noticias para quienes desempeñan funciones creativas: hasta ahora, las máquinas no pueden replicar realmente la imaginación. La mala noticia es para quienes tienen empleos rutinarios no creativos, ya que, efectivamente, están siendo absorbidos por la automatización.
Las personas y las máquinas pueden encontrarse de dos maneras
Existen dos enfoques opuestos sobre cómo podemos ayudar a la fuerza laboral a mantenerse al día con el desarrollo tecnológico. Uno consiste en potenciar las habilidades analíticas de los empleados para competir directamente con las máquinas; el otro, en esforzarse por complementar las máquinas y la inteligencia artificial con habilidades sintéticas.
Pero no se trata de extremos polares ni de elegir uno u otro; se trata de encontrar ese punto óptimo en el que las máquinas y las personas trabajan mejor juntas. Esto no se logrará diseñando la unidad central de procesamiento (CPU) más rápida ni el robot más fuerte. Por el contrario, será el fruto de diseñar los mejores equipos, los mejores procesos y las mejores experiencias de usuario.
No deberíamos evaluar el potencial de las personas ni de las máquinas por separado, sino considerar ambos en conjunto. Los diseñadores deben buscar soluciones en las que humanos y máquinas se complementen, maximizando el potencial de ambos.
Por qué la potencia computacional no debería reservarse solo para los especialistas
Garry Kasparov, un maestro de ajedrez ruso que aún ostenta el récord de victorias consecutivas en torneos profesionales, afirmó: “Un jugador humano débil más una máquina más un mejor proceso es superior a una máquina muy potente por sí sola, pero, más notablemente, es superior a un jugador humano fuerte más una máquina y un proceso inferior.”
En la década de 1990, Kasparov representó a los humanos frente a las máquinas en una histórica partida de ajedrez contra la computadora Deep Blue de IBM. Después participó y observó diversos torneos de ajedrez en los que equipos formados por personas y máquinas competían entre sí.
¿Su conclusión? No gana el equipo con mayor potencia computacional ni el que tiene a los grandes maestros de mayor ranking, sino el que tiene la mejor interacción: el mejor trabajo en equipo.
En 2000, el gran maestro Vladímir Kramnik derrotó a Garry Kasparov y se convirtió en el campeón mundial de ajedrez clásico. Tras retirarse, buscó reavivar la virtuosidad humana en el ajedrez. Paradójicamente, lo hizo con la ayuda de DeepMind, creadora de la mejor computadora de ajedrez hasta la fecha, AlphaZero, un programa mucho más avanzado que Deep Blue. Es autodidacta y, como AlphaZero puede enseñarse a sí mismo a jugar, también es capaz de aprender a jugar cualquier juego con nuevas reglas.
Puede explorar nuevas variantes de juegos y revelar sus fallos y su belleza más rápido de lo que podrían hacerlo generaciones de jugadores humanos. Puede probar todos los resultados posibles de un juego y decidir si vale la pena jugarlo. En consecuencia, el equipo humano-máquina Kramnik-AlphaZero está explorando nuevas formas de ajedrez que despliegan la maestría y la estética humanas, y han creado todo tipo de variantes nuevas y atractivas del ajedrez como resultado.
Reimaginar el proceso empresarial
No deberíamos esperar que el futuro del aprendizaje automático y del diseño robótico consista en humanos contra máquinas, sino en cómo las personas y las máquinas pueden formar los mejores equipos. Una encuesta a mil empresas que trabajan con IA publicada en Harvard Business Review afirmó en 2018 que: “La mayoría de las actividades en la interfaz humano-máquina requieren que las personas hagan cosas nuevas y diferentes (como entrenar un chatbot) y que hagan las cosas de otra manera (usar ese chatbot para ofrecer un mejor servicio al cliente). Hasta ahora, sin embargo, solo un pequeño número de las empresas encuestadas ha comenzado a reimaginar sus procesos empresariales para optimizar la inteligencia colaborativa.”
Hoy, al menos 90.000 de los 388.000 empleados de IBM aplican métodos de design thinking para desarrollar los ámbitos empresariales de la compañía, como la IA y la CPU. Así, IBM itera y experimenta sobre cómo puede mejorar la experiencia del usuario al trabajar con la potencia computacional.
El futuro no consistirá en crear la CPU más rápida ni en cultivar las habilidades prototípicas de los empleados, sino en diseñar las combinaciones más compatibles de personas y máquinas, y en optimizar y simplificar la interacción entre ambas. Y las empresas más pioneras ya lo saben.
