Fuente: IESE BUSINESS SCHOOL. Universidad de Navarra.
Por Evgeny Káganer y Sampsa Samila
El reciente lanzamiento de ChatGPT-4, de Open AI, ha sido tremendamente popular, pero también ha encendido un debate sobre el impacto de la IA generativa en la economía y la sociedad, con el foco puesto en gran medida en la posible pérdida de empleo entre los trabajadores de cuello blanco. La historia, sin embargo, muestra lo exageradas que son las noticias sobre la destrucción masiva de puestos de trabajo.
La tecnología fomenta la productividad y contribuye al crecimiento económico y la demanda de trabajo, además de crear en el largo plazo más empleo del que destruye. Los programas de hojas de cálculo, por ejemplo, sustituyeron empleos en contabilidad, pero crearon muchos más en análisis financiero y auditoría. Un optimista razonable esperaría que la IA generativa siguiera este mismo patrón, pero con algunas reservas.
La diferencia de la tecnología actual radica en su asombrosa velocidad de difusión, su gama aparentemente ilimitada de aplicaciones y su capacidad para aprender y desarrollarse con o –cada vez más– sin intervención humana. Tales características influirán en qué nuevas competencias necesitarán las personas y organizaciones de tres maneras.
En primer lugar, para adquirir nuevas capacidades, tu organización debe visualizar futuras áreas de crecimiento e identificar qué habilidades quiere desarrollar. Los enormes y supuestamente infinitos usos de la IA generativa hacen que este reto sea especialmente desafiante.
La mayoría de las proyecciones macro se centran en las tareas con las mayores y menores probabilidades de automatización. Aunque esto puede ayudar a identificar los trabajos que más peligran hoy, apenas sirve para averiguar las ocupaciones y habilidades del mañana. Para esto último céntrate más en la IA aumentada que en sus efectos de automatización.
El problema es que los efectos de la inteligencia aumentada son más difíciles de valorar. Lo lógico sería desarrollar tareas conceptuales más sofisticadas, como el análisis, la evaluación y la creación de nuevos artefactos. Pero la investigación en torno a representantes comerciales que utilizan herramientas de IA, por ejemplo, señala que lo que más importa es su capacidad para explotar la IA en un puñado de tareas destacadas. Entender las propiedades de la IA y su dominio de aplicación, así como buscar las sinergias entre ambos, parece ser la clave del éxito.
Para comprender cómo funciona la inteligencia aumentada en dominios específicos debes experimentar con la tecnología, algo que están haciendo cada vez más ocupaciones. Según una encuesta, más de la mitad de los profesores de escuela utilizan ChatGPT para algún aspecto de su trabajo. Las organizaciones deberían favorecer la experimentación, apoyando a sus empleados con recursos, tiempo y formación.
“Las organizaciones deberían favorecer la experimentación, apoyando a sus empleados con recursos, tiempo y formación”
En segundo lugar, y una vez hayas establecido tus futuras áreas de crecimiento, desarrolla las habilidades necesarias para esas áreas. Es todo un reto, sobre todo para quienes –como los adultos– la rápida adopción y desarrollo de la IA hace que la perspectiva de “aprender un nuevo trabajo” resulte abrumadora.
La buena noticia es que, a diferencia de las tecnologías disruptivas anteriores, la IA generativa podría ofrecer una parte de la solución para adquirir nuevas capacidades. Probablemente ya estés familiarizado con el modo en que los grandes modelos de lenguaje (LLM, por sus siglas en inglés), como ChatGPT, pueden generar explicaciones y ejemplos alternativos de conceptos complejos. Ahora imagínate que usas los LLM para crear soluciones de aprendizaje personalizadas y escalables, integradas en tu trabajo y adaptadas a tus objetivos y preferencias. Sería como tener un tutor personal que te acompaña en cada etapa de tu viaje formativo y establece la siguiente etapa basándose en tu rendimiento.
Los expertos saben desde hace tiempo que el aprendizaje adaptativo promete una mayor eficacia, pero hasta ahora la necesidad de una evaluación humana individual lo hacía impracticable. La IA generativa podría resolver el reto de la escala. Para acelerar el desarrollo de tales soluciones de aprendizaje personalizadas, las empresas podrían asociarse con instituciones académicas y de investigación en aquellos dominios de habilidades relevantes.
Por último, para crear ventaja competitiva, las empresas han de mirar más allá de la capacitación de los trabajadores y pensar en el desarrollo de capacidades organizacionales. En el pasado, el aprendizaje organizacional dependía exclusivamente de los humanos. Eran los miembros de la organización quienes desarrollaban nuevas habilidades y prácticas, adoptando y asimilando nuevas tecnologías, pero la tecnología en sí misma no mostraba ninguna capacidad de aprender significativa. Hoy, la situación es muy diferente: las empresas tendrán que organizar el aprendizaje de los humanos y de las máquinas, de modo que estas ayuden a aquellos y viceversa.
Las organizaciones que busquen ventaja competitiva en sectores específicos tendrán que entrenar LLM de dominio específico. Es lo que, por ejemplo, Bloomberg ha hecho en las finanzas. Su éxito no solo estriba en que dispone de un conjunto de datos propio de gran tamaño (aunque eso ayuda), sino en que sus empleados son expertos en ese dominio. Con el entrenamiento de las máquinas por parte de los humanos deben ganar todos, de modo que conduzca a la cualificación, y no a la automatización y reemplazo de los trabajadores.
En los últimos meses, el rápido avance de la IA generativa ha provocado nerviosismo, ansiedad y miedo. Como se suele decir, tememos lo que no entendemos, y son anecdóticas las evidencias de empresas de sectores tradicionales que han tratado seriamente de entender el impacto de la IA en su talento y estrategia. En lugar de temer lo que no conoces, dedica tiempo y espacio a estudiar de primera mano cómo la IA generativa te afectará.
Por lo que hemos visto hasta ahora, la IA generativa no sustituirá por completo empleos (a nivel individual) o modelos de negocio (a nivel organizacional), sino que dará lugar a una reconfiguración arquitectónica de las habilidades y capacidades. Dicha reconfiguración exige la amplia integración de conocimientos nuevos y existentes; un proceso que lleva su tiempo y obliga a los miembros de la organización a comprometerse plenamente y a prestar sus diversas habilidades. En resumidas cuentas, para muchas empresas, la IA generativa podría ser el reto de aprendizaje organizacional definitivo, y una oportunidad clave.
Evgeny Káganer es profesor de Operaciones, Información y Tecnología en el IESE, donde estudia cómo la digitalización y la IA están remodelando los modelos de negocio y las organizaciones.
Sampsa Samila Profesor de Dirección Estratégica y director de la Iniciativa sobre Inteligencia Artificial y el Futuro de la Dirección en el IESE.
Este especial se publica en la revista IESE Business School Insight 165. Consulta todo su contenido en el sumario.
Este contenido es exclusivamente para uso individual. Si deseas utilizar este material en clase, puedes adquirir las copias que necesites tanto del report como de la revista completa en formato PDF mediante IESE Publishing.
