Cómo prepararse para un futuro GenAI que no se puede predecir
Escrito por Por Amy Webb.
Recientemente, el director ejecutivo de un importante banco me llamó por teléfono para hablar sobre la promesa de la IA generativa. Al principio, trabajamos en escenarios para mejorar la detección de fraudes y el servicio al cliente, pero con la serie de anuncios recientes, quedó claro que tenía ambiciones más grandes en mente. Como muchas industrias, la banca tiene un problema de fuerza laboral: existe una discrepancia entre la demanda de personal calificado y la oferta de trabajadores que están dispuestos a regresar a una oficina y jugar con las reglas anteriores al COVID.
La IA generativa, pensó, podría ser una especie de panacea. Podría generar ahorros de costos y eficiencias a través de la automatización, pero ¿podrían estas nuevas herramientas resolver también el problema de la escasez de talento? Para decirlo claramente: ¿cuánto tiempo tardará la IA en reemplazar a los trabajadores humanos?
Nuestra conversación se hizo eco de muchas de las que he tenido desde noviembre pasado con ejecutivos de una variedad de empresas, incluidas las de seguros, manufactura, farmacéuticas e incluso ejecutivos que lideran estudios de Hollywood, cuyos guionistas y actores estaban en huelga. Todos quieren saber cómo sus empresas pueden crear más valor utilizando menos recursos humanos. Esto se debe a que el otoño pasado, ChatGPT, el chatbot desarrollado por OpenAI, de repente se volvió viral, demostrando el poder de la IA para generar sus propios correos electrónicos, ensayos, recetas, informes financieros, artículos e ideas. Goldman Sachs estima que dentro de la década, 300 millones de empleos serán eliminados o en gran medida disminuidos por la IA generativa.
Ya estamos empezando a ver turbulencias. Las ofertas de empleo para «ingenieros rápidos» (humanos que piden a sistemas como ChatGPT que generen contenido) ofrecen salarios anuales de 300.000 dólares o más . El GPT-4 de OpenAI aprobó el examen de la barra uniforme y dio a entender que en un futuro cercano, es posible que no necesitemos abogados para el trabajo transaccional. De hecho, Walmart está creando un prototipo de un sistema de IA generativa (no relacionado con OpenAI) para negociar algunos de sus contratos con proveedores; el 75% de los abogados de contratos y los funcionarios de adquisiciones del otro lado dicen que ahora prefieren negociar con una IA en lugar de con sus contrapartes de carne y hueso. Med-PaLM 2 de Google, que es un modelo especializado entrenado en conocimientos médicos, ahora responde a los problemas de exámenes médicos al nivel experto de un médico. Este verano, los socios comenzaron a probar aplicaciones que pueden mirar una radiografía y escribir automáticamente un informe de mamografía, sin un médico humano en el proceso.
Con el vertiginoso ritmo de desarrollo, no es de extrañar que tantos ejecutivos estén llegando a la misma conclusión: en tan solo unos años, los potentes sistemas de IA realizarán tareas cognitivas al mismo nivel (o incluso por encima) de la fuerza laboral humana. Tentados por las posibilidades de la IA, preocupados por encontrar y retener trabajadores calificados y humillados por las recientes correcciones del mercado o las expectativas de los analistas que no se cumplieron, los líderes empresariales imaginan un futuro laboral sin casi tanta gente como hoy. Desde mi perspectiva, se trata de un enorme error de cálculo.
En primer lugar, es demasiado pronto para predecir el futuro exacto de la IA, especialmente si se tiene en cuenta que la IA generativa es solo una pequeña área de un campo con muchas interdependencias, cada una en distintas etapas de desarrollo. Exactamente qué trabajos eliminará la IA y cuándo lo hará es una incógnita. No basta con que un sistema de IA realice una tarea; el resultado tiene que demostrar que es confiable, integrarse en los flujos de trabajo existentes y gestionarse en función de cuestiones de cumplimiento, riesgo y normativas.
En segundo lugar, en un período de rápida disrupción provocado por la tecnología, los líderes se centran demasiado en las ganancias inmediatas, en lugar de en cómo se transformará su red de valor en el futuro. A medida que la IA evolucione, será necesario reimaginar segmentos enteros de las empresas, en tiempo real, pero antes de que tengamos una idea completa de cómo será el futuro. ¿Recuerdan los primeros días de Internet y los navegadores web públicos, que se consideraban un entretenimiento? Nadie planeó la transformación fundamental que ambos desencadenarían. Entonces habría sido imposible predecir cómo influiría algún día en las elecciones presidenciales o crearía las primeras empresas del mundo valoradas en un billón de dólares.
Sin duda, los ejecutivos de hoy deben tomar decisiones en el entorno operativo más complejo que he visto desde los primeros días de Internet. Los líderes, comprensiblemente preocupados por perderse la próxima ola de tecnología, están haciendo apuestas arriesgadas sin darse cuenta sobre el futuro de sus empresas. A continuación, se indican los pasos que todo líder debería seguir para prepararse para un mundo incierto en el que la IA generativa y las fuerzas de trabajo humanas coexistirán, pero evolucionarán de maneras que son desconocidas.
Preparándose para un futuro que no se puede predecir
He aquí la paradoja: tenemos que pensar en la fuerza laboral como algo que evoluciona con la IA generativa, en lugar de verse suplantada por ella. La fuerza laboral tendrá que evolucionar y los trabajadores tendrán que aprender nuevas habilidades, de manera iterativa y a lo largo de un período de años. Los líderes deben adoptar un nuevo enfoque para maximizar el potencial de la IA en sus organizaciones, lo que requiere hacer un seguimiento diferente de los avances clave en materia de IA, utilizar un proceso iterativo para cultivar una fuerza laboral preparada y, lo más importante, crear escenarios futuros respaldados por evidencia que desafíen el pensamiento convencional dentro de la organización.
¿Qué pueden hacer los líderes ahora para afrontar este período?
En primer lugar, modere las expectativas sobre lo que la IA generativa puede y hará por su negocio.
Históricamente, la IA pasa por fases que implican avances, oleadas de financiación y momentos fugaces de interés general, seguidos de expectativas incumplidas y recuperaciones de financiación.
En 1970, Marvin Minsky, un influyente científico informático y uno de los padres fundadores de la IA, dijo a la revista Life que la inteligencia artificial general (una IA con capacidades cognitivas indistinguibles de las de una persona) estaba a solo tres años de distancia. Hay que tener en cuenta que en la década de 1970, la potencia informática necesaria para una IA de ese tipo aún no existía. Las supercomputadoras eran en su mayoría teóricas. Lo mismo que las computadoras personales. El Datapoint 2200 y su procesador acabaron convirtiéndose en la arquitectura fundacional de lo que llegamos a conocer como PC. Las grandes ambiciones prometidas por Minsky y sus colegas nunca se materializaron, por lo que la financiación y el interés se agotaron. Esto volvió a ocurrir en 1987, cuando, una vez más, los científicos informáticos y las empresas hicieron promesas audaces sobre un cronograma para la IA que simplemente nunca fue factible.
Aunque las herramientas de IA generativa más populares de la actualidad (ChatGPT, Midjourney, DALL-E 2) son potentes, no son productos terminados. Pronto, la gente se cansará de su novedad y se dará cuenta de que, si bien la IA puede crear contenido, no es lo suficientemente buena como para usarla en la práctica. Del mismo modo, todavía es muy pronto cuando se trata de herramientas de IA específicas para el campo de la medicina, el clima y las ciencias biológicas. Para que la IA generativa realice los milagros que nos han prometido (a escala y de manera rentable), es necesario hacer mucho más trabajo. Recuerde que, hasta hace muy poco, estas herramientas eran principalmente teóricas.
Los ejecutivos deben tener claras las funciones prácticas que desempeñará la IA generativa en sus organizaciones hoy. También deben ser pragmáticos respecto de las oportunidades (y los riesgos) que eventualmente abrirá la IA generativa. La IA no es un monolito y apenas estamos al comienzo de una trayectoria muy larga. Esto puede sonar intuitivo, pero, en mi opinión, pocos líderes están desarrollando una estrategia realista que vincule las operaciones de hoy con la visión del mañana, socializándola dentro de sus equipos de gestión y revisando sus indicadores de desempeño en consecuencia.
Recientemente, me reuní con los directivos de una empresa multinacional de bienes de consumo envasados (CPG) deseosa de asociarse con una empresa de IA generativa. Les presenté un escenario de alta probabilidad en el que los clientes que usaban una herramienta de chat respondían algunas preguntas sobre sus preferencias y objetivos, y tenían un carrito de compras en línea automáticamente lleno de los artículos que necesitarían para la semana. Pero ninguna de las marcas de CPG aparecía en el carrito, o si lo hacían, no estaban en el primer lugar de la lista. Así como los motores de búsqueda como Google y Amazon inventaron nuevos mecanismos y reglas para la optimización de motores de búsqueda, en el futuro, las integraciones de IA generativa en plataformas como minoristas y aplicaciones de carrito de compras crearían nuevos desafíos para las empresas de CPG, que podrían encontrarse más abajo en la cadena de valor donde se toman decisiones críticas.
En segundo lugar, evalúe qué datos está generando su empresa y cómo los utilizará hoy y en el futuro la IA generativa.
Los datos empresariales son invaluables porque, una vez que se ha entrenado un modelo, puede resultar costoso y técnicamente complicado transferir esos datos a otro sistema. En este momento, las plataformas de IA emergentes no son fácilmente interoperables, y eso es así por diseño. Las plataformas de IA generativa están evolucionando hacia jardines amurallados, donde las empresas que crean la tecnología controlan todos los aspectos de sus ecosistemas. Las empresas de IA más grandes compiten por una participación en el mercado y por las enormes cantidades de datos que necesitan para que sus modelos sean más competitivos. Al comercializar sus plataformas a las empresas, quieren encerrarlas (y a sus datos) en ellas.
Los sistemas de IA actuales se están creando utilizando una técnica conocida como aprendizaje de refuerzo con retroalimentación humana (RHLF, por sus siglas en inglés). Básicamente, los sistemas de IA necesitan una retroalimentación humana constante, o corren el riesgo de aprender y recordar la información incorrecta. Cuantos más datos se ingieran, más anotaciones, etiquetas y capacitación se requieren. Hoy, este trabajo está automatizado para los trabajadores eventuales en economías emergentes como Kenia y Pakistán. A medida que la IA madure, se necesitarán especialistas con conocimientos de nivel experto. Muchos de los líderes empresariales con los que me he reunido no están planeando un futuro que incluya una unidad RHLF interna encargada de monitorear, auditar y ajustar continuamente los sistemas y herramientas de IA. (Lo último que cualquier líder debería querer es un sistema de IA sin supervisión que tome decisiones sobre cómo mejorarse a sí mismo).
Incluso con humanos capacitados en el proceso, las empresas deben diseñar continuamente escenarios que revelen los riesgos de trabajar junto con sistemas de IA generativos, especialmente aquellos operados por terceros. Esto se debe a que los sistemas de IA no son estáticos; mejoran de manera incremental con el tiempo. Con cada nuevo desarrollo, surgen nuevos riesgos y oportunidades potenciales. Sería imposible calcular de antemano todos los posibles resultados negativos sin que esas predicciones se vuelvan obsoletas rápidamente. (Por ahora, no hay forma de crear una simulación de Monte Carlo que sea completamente precisa para predecir el futuro). En cambio, un equipo dedicado debería encargarse de monitorear los sistemas de IA generativos a medida que aprenden, así como los desafíos de ciberseguridad relacionados, y debería desarrollar escenarios breves de «qué pasaría si» imaginando formas en que las cosas podrían salir mal.
De la misma manera, a medida que la IA evolucione, también lo harán las oportunidades para generar nuevos crecimientos. Esto significa que las empresas también deberían contar con un equipo interno de desarrollo comercial dedicado a desarrollar escenarios a corto y largo plazo para las innumerables formas en que las herramientas emergentes mejorarán la productividad y la eficiencia, conducirán al desarrollo de productos, estimularán la innovación y más.
En tercer lugar, cuando se trata de IA, los líderes deben cambiar su enfoque desde la rentabilidad hasta el crecimiento.
Esto puede parecer contradictorio, ya que muchos ven la IA generativa como un medio para reducir los costos operativos. Los chatbots inteligentes de hoy pronto darán paso a sistemas multimodales, que son IA capaces de resolver diferentes problemas y lograr diferentes objetivos a la vez. Imagine una compañía de seguros de daños y responsabilidad civil en la que cada asegurador trabaja en equipo con una IA. Inicialmente, el asegurador podría pedirle a la IA que evalúe el riesgo asociado con asegurar una propiedad; después de un análisis preliminar del texto, podría pedirle que refine los resultados utilizando las imágenes de los informes de inspección o las entrevistas de audio con el posible asegurado. Podría ir y venir varias veces, utilizando diferentes fuentes de datos, hasta que se reciba una cotización óptima tanto para la compañía de seguros como para el cliente.
La clave para hacer un uso productivo de las IA multimodales es entender cómo y qué delegar a una máquina, de modo que tanto el humano como la IA puedan lograr más mediante la colaboración que trabajando de forma independiente. Sin embargo, la delegación es algo con lo que los profesionales tienen problemas de forma habitual: asignan demasiadas tareas, o muy pocas, o no las tareas adecuadas. Trabajar junto a una IA multimodal requerirá que los trabajadores dominen el arte de la delegación.
Una vez que los empleados comprenden cómo delegar correctamente, actuarán como un multiplicador de fuerza dentro de las organizaciones. Los equipos individuales podrían ser más ambiciosos en el aumento de los ingresos de la empresa mediante la ideación y simulación de nuevas fuentes de ingresos, la búsqueda y adquisición de nuevos clientes y la búsqueda de diversas mejoras para las operaciones generales de la empresa.
Esto presagia un futuro que exige un enfoque diferente para la capacitación. La mayoría de los trabajadores no necesitarán aprender a codificar o a escribir instrucciones básicas, como solemos escuchar en las conferencias. En cambio, necesitarán aprender a aprovechar la IA multimodal para hacer más y mejor trabajo. Basta con mirar Excel, que es utilizado por 750 millones de trabajadores del conocimiento todos los días. El software incluye más de 500 funciones, pero la gran mayoría de las personas solo usan unas pocas docenas, porque no entienden completamente cómo hacer coincidir la enorme cantidad de características que ofrece Excel con sus tareas cognitivas diarias. Ahora, imaginemos un futuro en el que la IA, un software mucho más complicado y enrevesado, sea omnipresente. ¿Cuánta utilidad se dejará de lado simplemente porque los líderes empresariales abordaron la capacitación de manera demasiado limitada?
Un marco para navegar en la cambiante fuerza laboral de la IA
El cambio en la fuerza laboral es un efecto secundario inevitable de la evolución tecnológica, y los líderes necesitan una forma sistematizada de ver cómo será el futuro de sus organizaciones a raíz de los avances de la IA generativa. Con ese fin, este marco simple ayudará a los líderes de cualquier organización a anticipar cómo y cuándo su fuerza laboral necesitará cambiar para aprovechar la IA. El objetivo no es hacer predicciones a largo plazo, ni siquiera estar listos para todo, sino posicionar a las organizaciones para que estén preparadas para cualquier cosa a medida que la IA siga mejorando.
Este marco debe utilizarse para desarrollar escenarios para el futuro de una empresa. Está diseñado para ayudarle a ver los riesgos y las oportunidades con la suficiente antelación para actuar. Si se utiliza con regularidad, este marco permite a los líderes ver el panorama con mayor claridad, evaluar las brechas dentro de sus organizaciones y vincular la tecnología emergente con la estrategia existente, lo que los posiciona para tomar decisiones con confianza. Es importante destacar que pide a los líderes que piensen exponencialmente sobre la IA, pero que actúen de forma incremental en respuesta a los nuevos desarrollos. Si bien no predecirá un futuro singular para su empresa (ningún escenario puede hacerlo), preparará a los líderes para tomar decisiones mucho antes que sus competidores.
Lo mejor que pueden hacer las organizaciones en este momento, durante este período de cambios e incertidumbre que parecen abrumadores, es planificar metódicamente el futuro. Eso requiere conocer las limitaciones de la IA generativa, así como sus fortalezas, y adoptar una cultura de evaluación y mejora continuas. También significa pasar de las demostraciones ingeniosas de productos a conversaciones mucho más mundanas y pragmáticas sobre la trayectoria del desarrollo, cómo se utilizan los datos y las formas prácticas en que las empresas pueden utilizar las herramientas emergentes. Resista la tentación de reducir su fuerza laboral y, en su lugar, utilice la previsión estratégica para crear un futuro en el que la IA sea aprovechada por una fuerza laboral altamente calificada y donde los equipos humanos-IA sean más productivos, creativos y eficientes trabajando juntos que separados.
Texto con traducción automática de Google.
Tomado de:
Harvard Business Review. How to Prepare for a GenAI Future You Can’t Predict. Recuperado de: www.hbr.org
Continúe leyendo este artículo como miembro
Este artículo es exclusivo para Miembros Activos de ALPAR. Si no logra ingresar, le recomendamos verificar el estado de su membresía con la Asociación.
Los artículos publicados hace más de dos años son de acceso público. Explorar ahora