Seis de cada 10 trabajadores necesitarán formación antes de 2027, según el Informe sobre el Futuro del Empleo 2023 del Foro Económico Mundial.
Pero encontrar formas de mejorar y recualificar a los trabajadores para cubrir las carencias de empleo y seguir el ritmo de las nuevas tecnologías emergentes puede resultar difícil.
Erik Brynjolfsson, profesor del Instituto Stanford de Inteligencia Artificial Centrada en el Ser Humano, explica cómo se puede aprovechar la IA para identificar afinidades entre competencias que ayuden a cerrar las brechas.
“Aunque no lo parezca, si se toma a un contable forense y se le enseña algo de ciberseguridad, puede convertirse en experto en ciberseguridad”, afirma Erik Brynjolfsson, profesor del Instituto Stanford de Inteligencia Artificial Centrada en el Ser Humano.
“Hay mucha coincidencia de competencias entre esas dos profesiones, aunque no lo habríamos pensado sin analizar los datos subyacentes.”
Brynjolfsson y sus colegas del Laboratorio de Economía Digital de Stanford utilizan la IA para examinar millones de ofertas de empleo e identificar brechas de competencias y “afinidades” entre competencias que pueden ayudar a las empresas a reciclar a sus equipos para responder a las exigencias del futuro del trabajo.
El Informe sobre el Futuro del Empleo 2023 del Foro Económico Mundial afirma que el 60 % de los trabajadores necesitará formación adicional para 2027, siendo la prioridad más importante el pensamiento analítico.
Los roles relacionados con la tecnología dominan la lista de empleos de crecimiento más rápido del informe, encabezada por los especialistas en IA y aprendizaje automático. Además, la investigación de LinkedIn realizada para el Informe sobre el Futuro del Empleo 2023 identifica los 100 “Empleos en Ascenso”, es decir, aquellos que han crecido “con mayor rapidez, de forma constante y a escala mundial” durante los últimos cuatro años, de los cuales 16 corresponden a roles de tecnología y TI.
Las competencias y la IA estarán entre los temas candentes que se debatirán en la Cumbre sobre Crecimiento del Foro Económico Mundial los días 2 y 3 de mayo en Ginebra.
La IA cobra cada vez más importancia en todos los empleos, como sabe Brynjolfsson, y su proyecto Work2Vec ayuda a las empresas a reciclar a sus empleados para roles emergentes, identificando similitudes entre las competencias actuales y las futuras. A continuación se incluyen extractos de una entrevista con él sobre el impacto de la IA en el mundo del trabajo:
¿Qué impacto tiene la IA en los empleos y llegará alguna vez a sustituirlos por completo?
Estamos en los albores de una auténtica revolución en cuanto a la forma en que la IA afecta al trabajo y al empleo. La tecnología crece de forma exponencial, pero nuestras competencias, nuestras organizaciones y nuestras instituciones no se adaptan ni de lejos con la misma rapidez.
Hace unos 10 años empecé a analizar este tema con más detenimiento. Uno de los proyectos consistió en definir un conjunto de criterios para los tipos de tareas adecuados para el aprendizaje automático. Está claro que, si bien la IA es muy potente a nivel humano o incluso superhumano en muchas tareas, hay muchas otras en las que los humanos siguen teniendo una gran ventaja, y eso seguirá siendo así durante bastante tiempo.
No prevé ningún tipo de apocalipsis laboral ni desempleo masivo, pero sí creo que habrá una reestructuración masiva del trabajo a medida que la IA empiece a realizar más tareas que antes solo hacían los humanos.
¿Qué aprendió de ese primer proyecto?
Definimos un conjunto de criterios sobre qué tareas eran más adecuadas para el aprendizaje automático y cuáles no lo eran. Lo plasmamos en un artículo de la revista Science y, después, aplicamos esa rúbrica a unas 18.000 tareas de la economía estadounidense a partir de un conjunto de datos llamado O*NET.
La mayoría de los empleos incluye muchas tareas distintas. Por ejemplo, si es radiólogo, no solo analiza imágenes médicas, sino que también consulta con los pacientes y coordina la atención con otros médicos, etc. Los radiólogos realizan unas 26 tareas distintas y lo que descubrimos es que el aprendizaje automático podía afectar a muchas de ellas. Pero en ninguna de las 950 ocupaciones que analizamos el aprendizaje automático logró dar un giro y realizar todas las tareas.
En todos los casos, había partes del trabajo que los humanos hacían mejor y otras en las que las máquinas podían ayudar. Por ejemplo, en el caso de los radiólogos, el aprendizaje automático era muy bueno analizando imágenes médicas y cada vez mejor diagnosticando distintas patologías. Sin embargo, no sirve para consolar a los pacientes ni para hablar con ellos después de un diagnóstico, ni para coordinar la atención con otros médicos. Eso fue lo que descubrimos en el caso de los conductores de autobús, los economistas, las enfermeras, los cajeros… en todos los empleos. Había partes que el aprendizaje automático podía realizar en mayor medida y otras en menor medida. Así que, de cara al futuro, creo que seguiremos viendo una reestructuración significativa del trabajo, pero no un desempleo masivo debido a la IA.
De las tareas que el aprendizaje automático no podía realizar, ¿eran más bien del ámbito de las competencias blandas?
Exacto. Muchas de las tareas que las máquinas no hacían bien incluían algunas de las competencias más blandas: las relaciones, la inteligencia emocional y también la creatividad, la formulación de nuevas preguntas en las que trabajar y los nuevos tipos de innovación en los que trabajan científicos, personas creativas, artistas o emprendedores. Por tanto, hay un amplio abanico de ámbitos en los que los humanos siguen teniendo una ventaja.
En su proyecto más reciente, Work2Vec, utiliza la IA para trazar el mapa de los empleos del futuro. ¿Qué ha descubierto hasta ahora?
Una de las cosas interesantes de trabajar en este campo es que no solo estudiamos cómo la IA está cambiando el trabajo, sino que también podemos utilizar la IA y, en particular, las herramientas de aprendizaje automático para comprender el propio trabajo. Así que tenemos un gran proyecto, que llamamos Work2Vec, que convierte los empleos en vectores matemáticos y relaciona en qué se parecen o se diferencian entre sí.
Mis colegas del Laboratorio de Economía Digital de Stanford y yo estamos analizando cientos de millones de ofertas de empleo. Cada una describe no solo el puesto, sino también las tareas que implica y las competencias que se requieren, de modo que se puede ver lo parecidos o diferentes que son los empleos, utilizando técnicas de procesamiento del lenguaje natural.
Al examinar estas ofertas, empezamos a detectar patrones y a comprender cómo cambia el trabajo con el tiempo, cómo varían las competencias, por ejemplo, entre Miami y Denver, o qué ocurre si se añade una nueva competencia, como la experiencia en Python, a un empleo que antes no la requería. ¿Qué significa esto para la remuneración? Este es el tipo de análisis que se puede hacer con Work2Vec. Ha sido estupendo disponer no solo de una enorme cantidad de datos, sino también de herramientas de aprendizaje automático muy potentes para entender realmente lo que sucede con la fuerza laboral.
¿Qué tipo de cambios ha observado en cuanto a competencias y empleos?
Tenemos datos de unos diez años atrás y podemos ver que, con el tiempo, se ha producido un cambio. Evidentemente, uno de los cambios más importantes es que la IA ha cobrado una importancia muy superior en muchos empleos, no solo en los puestos de ingeniería básicos, sino que también empieza a extenderse a partes de la medicina, a los negocios, al derecho y a otros ámbitos.
También empezamos a observar cambios en el tipo de competencias necesarias, con una importancia creciente de las competencias de gestión y liderazgo, así como de las competencias relacionales. Algunos de esos cambios probablemente también se deben a las transformaciones de la tecnología subyacente que estamos viendo. Hemos comprobado que los trabajadores con salarios bajos, es decir, con estudios de secundaria o inferiores, no han seguido el ritmo de los salarios de los trabajadores con más formación. En los últimos años, esta tendencia se ha invertido y los trabajadores con salarios bajos, al menos en Estados Unidos, han registrado aumentos salariales y de remuneración mayores que los de los situados en la franja media o alta del espectro.
Estos son los tipos de análisis que podemos hacer por primera vez. Es como una nueva herramienta, un microscopio que nos permite observar lo que ocurre en la fuerza laboral de una forma que nunca antes habíamos podido. Por eso son momentos muy interesantes para ser investigador como yo y tratar de entender el futuro del trabajo.
¿Cuáles son las posibles aplicaciones de estas herramientas?
Una de las grandes ventajas de estas herramientas es que ahora se puede asesorar a los responsables de contratación, a los directores de recursos humanos y a los directores ejecutivos. Tengo una empresa llamada Workhelix que comercializa algunas de estas herramientas y permite a las empresas observar no solo su propia fuerza laboral, sino el mercado en su conjunto. Así pueden tomar mejores decisiones sobre la remuneración. Pueden saber qué empleados actuales podrían correr el riesgo de que los contraten otras empresas porque el mercado ha incrementado el valor de sus competencias. Y pueden entender mejor cómo contratar a las personas adecuadas.
También pueden anticiparse a los cambios. Es decir, invertir en las competencias que se necesitarán en los próximos dos, tres o cinco años, y no solo en lo que se necesita hoy, porque tenemos cierta visibilidad del futuro al observar los tipos de empleos en los que el aprendizaje automático puede ayudar y los que se ven menos afectados. Las empresas que cuentan con ese tipo de radar de visión de futuro para el talento logran tener más éxito que las que navegan a ciegas.
En Davos, en enero, se habló bastante de que las empresas deben convertirse en creadoras de talento y desarrollar competencias internamente.
Creo que las empresas sí necesitan ser creadoras de talento. No basta con intentar contratarlo desde fuera. En muchos casos, estas empresas ya tienen gran parte del talento que necesitan dentro de la organización, pero no lo saben. O quizá exista algo parecido a un “casi acierto”, lo que llamamos afinidades entre competencias: no tienen exactamente a la persona que necesitan, pero sí a alguien muy similar. Work2Vec describirá cómo se solapan esas competencias y, quizá, con un poco de formación adicional, cursos en línea u otras herramientas, incluso en tan solo 60 a 90 días, es posible convertir a alguien que no encaja del todo en alguien que es exactamente lo que se necesita.
¿Cuál es un ejemplo de empleo en el que existan afinidades de competencias con otro rol profesional?
Mi empresa, Workhelix, trabaja con Amazon, que necesita contratar a muchas personas para sus centros de datos. Necesitan contratar más expertos en aprendizaje automático, personal de ciberseguridad y personas que sepan tender fibra. Las tres categorías son muy difíciles de encontrar. Sin embargo, resulta que si se toma a un científico de datos y se le enseña Python y otras competencias, puede realizar gran parte del trabajo de aprendizaje automático.
Y se puede tomar a un electricista que ha trabajado con cobre y enseñarle a trabajar con fibra. Así, en cada caso, se puede encontrar a alguien del que hay mucha más oferta y, con un poco de formación, convertirlo en ese perfil escaso que empresas como Amazon necesitan.
¿Puede también identificar nuevos títulos de empleo concretos que estén surgiendo?
Están surgiendo profesiones y tipos de ocupación completamente nuevos. A veces se ven en nuevos títulos. El concepto de ingeniero de prompts es algo de lo que nunca habríamos oído hablar antes. Un ingeniero de prompts es alguien que trabaja con nuevas herramientas como ChatGPT y redacta instrucciones útiles para extraer el conocimiento y las ideas de esa herramienta, de modo que pueda, por ejemplo, redactar un texto publicitario mejor o, ya puestos, una mejor oferta de empleo. A veces se necesita un poco de ingenio para escribir el prompt adecuado.
En la próxima década será cada vez más importante no solo tener buenas respuestas, sino también saber hacer las preguntas correctas. Y eso es algo en lo que los humanos destacan especialmente. Por eso podemos fijarnos no solo en los títulos de los empleos, sino también en el contenido que hay detrás y entender dónde aportan valor las personas al formular las preguntas adecuadas.
¿Serán estos empleos del futuro de mejor calidad y mejorarán el equilibrio entre vida laboral y personal?
El gran desafío de la próxima década no será un problema de cantidad de empleo, sino de calidad del empleo. Es decir, en la actualidad el desempleo en Estados Unidos y en otros muchos países está casi en mínimos históricos. Hay muchos empleos disponibles, pero no siempre están bien remunerados ni ofrecen un buen equilibrio entre vida laboral y personal. No siempre son trabajos que la gente disfrute.
Uno de los retos de nuestra sociedad en el futuro es trabajar para que los empleos sean de mejor calidad. No creo que sea inevitable que lo hagamos bien o mal. Es algo en lo que tenemos que trabajar duro y de forma consciente: directores ejecutivos, líderes sindicales, responsables políticos, técnicos y tecnólogos deben reflexionar sobre cómo podemos mejorar la calidad de los empleos y crear un trabajo que no solo sea productivo y valioso para los clientes y los accionistas, sino también satisfactorio para quienes lo realizan. Si lo logramos, creo que tendremos salarios más altos y un mejor equilibrio entre vida laboral y personal.
¿Cuáles cree que son los peligros de la IA? Su artículo The Turing Trap plantea el argumento de que sustituir a las personas en realidad destruye el valor del trabajo.
A medida que he trabajado cada vez más con la tecnología de IA, me impresiona su potencia, pero también me preocupa que pueda utilizarse de formas destructivas, que puedan socavar la prosperidad compartida que todos deseamos. En particular, existe en IA un concepto llamado Test de Turing, según el cual la prueba de si una IA es inteligente consiste en si puede imitar perfectamente a un ser humano, de modo que no se pueda distinguir qué respuestas proceden de una persona y cuáles de una máquina. Creo que es una visión muy evocadora y entiendo que resulte inspiradora. Como economista, también resulta ser exactamente la visión equivocada en cuanto a la creación de valor.
Si se tiene una máquina que hace exactamente lo mismo que una persona, se reducirán los salarios y el valor del trabajo humano. Pero existe otro camino: crear máquinas que complementen a las personas, que les permitan hacer algo nuevo que nunca antes habían hecho, o crear productos y servicios de mejor calidad, más creativos o novedosos. La IA que impulsa ese tipo de innovación tiene más probabilidades de aumentar los salarios y generar una prosperidad ampliamente compartida.
Por ello, mi llamamiento a los tecnólogos es que piensen más en cómo crear una IA que complemente a las personas en lugar de limitarse a automatizar el trabajo. La misma misión deberían tener los emprendedores y los directivos: idear modelos de negocio que se apoyen en las personas, que aumenten el valor del trabajo humano y que mantengan a las personas en el proceso o, mejor aún, al mando. Los responsables políticos deben plantearse si están diseñando políticas gubernamentales que fomenten este tipo de prosperidad compartida o si, por el contrario, la están destruyendo.
Por ejemplo, la política fiscal de Estados Unidos y de la mayoría de los demás países avanzados favorece actualmente el capital frente al trabajo. Los impuestos sobre el trabajo son significativamente más altos que los que gravan el capital, lo que básicamente orienta la innovación lejos de ayudar al trabajo y hacia la concentración de beneficios en los propietarios del capital. No creo que esa sea una política sensata. Como mínimo, deberíamos tener unas condiciones equitativas para que las personas pudieran tomar las decisiones que generen mayor valor, y no que los responsables políticos carguen la balanza para desviar el valor hacia los propietarios del capital. Si hacemos estas tres cosas, con los tecnólogos, los directivos, los emprendedores y los responsables políticos, podremos mantener a las personas en el proceso, mantenerlas al mando y contar con el tipo de IA que beneficie a todos en general.
Hemos visto cómo la IA generativa ha dado un salto enorme en los últimos meses. ¿Cómo aborda las preocupaciones que suscitan estas herramientas?
Creo que mucha gente se preocupa por la potencia de los avances más recientes en IA generativa o en modelos fundacionales como ChatGPT, pero también por los de imágenes como DALL-E y Stable Diffusion. Son tecnologías asombrosamente potentes y comparto el asombro que muchos profanos y tecnólogos sienten ante lo eficaces que se han vuelto estas herramientas, muy por encima de lo que esperaba mucha gente.
La preocupación es que vayan a sustituir empleos. Pero creo que existe otro enfoque, del que hablé en el artículo The Turing Trap: utilizarlas para potenciar la creatividad y mejorar los empleos. La próxima década podría ser una década de florecimiento humano, en la que creemos más y mejor arte, más y mejor escritura, más y mejor creatividad en muchas dimensiones distintas, e incluso en la invención y el descubrimiento científico, utilizando estas herramientas de IA generativa para ayudarnos a hacer cosas nuevas que antes no podríamos haber hecho.
En lugar de intentar frenar estas herramientas y, por ejemplo, decir a los estudiantes que no las usen, en mi clase les digo que las adopten; y espero que la calidad de su trabajo sea mucho mejor ahora que cuentan con la ayuda de estas herramientas. En última instancia, a final de semestre espero que los estudiantes entreguen trabajos sustancialmente más creativos e interesantes que los que pudieron elaborar los estudiantes del año pasado o las generaciones anteriores.
¿Cómo podemos recualificar a personas a gran escala para cubrir las brechas que su investigación ha identificado y seguir el ritmo del desarrollo tecnológico?
Con Work2Vec podemos precisar y comprender mucho mejor dónde existen algunas de las brechas en la fuerza laboral, dónde hace falta nuevos tipos de competencias, dónde la fuerza laboral ya cuenta con muchas de las competencias que buscamos y cómo podemos reasignarlas. De cara al futuro, creo que seremos mucho más cuantitativos y científicos a la hora de asignar el activo más valioso del planeta, que es el capital humano.
Solo en Estados Unidos hay unos 220 billones de dólares en capital humano, pero está muy mal gestionado porque se mide muy mal. Por eso estamos trabajando para comprender mejor cuáles son las competencias reales de la fuerza laboral, de modo que las personas puedan tomar mejores decisiones. En última instancia, será beneficioso no solo para las empresas y la sociedad, sino también para los propios individuos. La mayoría de las personas son más felices cuando realizan un trabajo que de verdad les permite desarrollar su potencial, en lugar de hacer algo que no se ajusta exactamente a sus competencias y capacidades.
