IA en el trabajo: La búsqueda de la verdad sobre la IA para los negocios
Los titulares sobre el futuro del trabajo no están alineados con lo que en realidad necesitan los líderes.
Por Jared Spataro, CMO de IA en el trabajo de Microsoft
Si han leído los titulares recientes, podrían pensar que la IA está a punto de quitarles el trabajo o fracasará de manera espectacular intentándolo. La verdad, como siempre, tiene más matices.
Con frecuencia, el problema es una brecha entre la nueva investigación de IA y cómo la interpretan los medios de comunicación: a veces la investigación es sólida, pero los titulares se equivocan. Otras veces, el estudio en sí está tan lejos de las condiciones del mundo real que nos dice muy poco sobre cómo la IA remodela el trabajo, sin embargo, los titulares tratan los hallazgos como presagios de fatalidad.
Es evidente que existe una desalineación fundamental entre los titulares, y gran parte de la investigación actual, y lo que los líderes y empleados buscan en este momento. Lo que falta para ambos es el cómo. Para los líderes, cómo remodelar una organización para que la IA sea lo primero en ella y, para los empleados, cómo trabajar de manera efectiva en una de estas organizaciones evolucionadas. Necesitan un libro de jugadas para convertir la promesa de la IA en una ventaja competitiva duradera.
El problema con los titulares de IA
El contexto se pierde en la traducción: en julio, mis colegas de Microsoft Research publicaron un estudio que mapeó 200 mil conversaciones de Copilot a actividades laborales. Es una investigación importante, diseñada para mostrar dónde se superponen las habilidades de la IA con las tareas diarias que realizamos en varios roles laborales. ¿Pero los titulares? Los medios de comunicación lo redujeron a «¡Historiadores en riesgo!» y «¿Es segura su carrera?»
Eso no es lo que dijo el estudio. La superposición de tareas no es un reemplazo de tareas. La capacidad de investigar y redactar textos no convierte a la IA en historiadora. Lo que hace a un historiador es la interpretación, el juicio y el contexto, todas habilidades que son muy humanas.
El desafío es separar la señal del ruido cuando se encuentran titulares e investigaciones de IA. Mi equipo usa un filtro simple que llamamos la verificación de la realidad de las 3C, donde hacemos una pausa para considerar el contexto, las comparaciones y las consecuencias.
Aplíquenlo en este caso y la imagen se aclara con rapidez:
- Contexto: El estudio fue sobre mapeo de tareas, no sobre pronósticos de trabajo.
- Comparaciones: Midió la superposición, no el reemplazo.
- Consecuencias: Copilot puede ayudar a investigar y redactar el texto, pero no puede proporcionar la interpretación y el juicio que definen el papel del historiador.
A través de las 3C, los titulares dejan de sonar como predicciones y comienzan a parecerse a lo que en realidad son: señales tempranas.
No se tienen en cuenta las limitaciones de la investigación: en otros casos, los titulares no reconocen las limitaciones de un estudio. Tomemos un estudio reciente de una organización llamada METR: los investigadores realizaron una prueba aleatoria con desarrolladores de código abierto experimentados y descubrieron que la IA los ralentizó en un 19%. Gran titular, pero veamos las 3C. Contexto: Los investigadores presentaron a los desarrolladores experimentados una nueva herramienta de IA. Comparaciones: midieron la productividad del primer uso frente a herramientas desconocidas, no la adopción del flujo de trabajo a largo plazo. Consecuencias: Los desarrolladores fueron más lentos, pero sobre todo porque se adaptaban a nuevas herramientas y dedicaban más tiempo a revisar el trabajo de la IA. Nada de eso significa que la IA no pueda acelerar la productividad una vez que esté integrada por completo. El punto perdido: la transformación lleva tiempo.
La causa y el efecto no son lo que parecen: luego está el informe «GenAI Divide» del Proyecto NANDA del MIT. Los titulares gritaban sobre una «tasa de fracaso del 95%». Ese es un titular llamativo, pero las 3C cuentan una historia diferente. El contexto era una instantánea breve y autoinformada que medía la adopción, no la capacidad. Las comparaciones carecían de una línea de base real, por lo que el número del 95% es direccional en el mejor de los casos, no una verdad para todo el mercado. Y la consecuencia es clara: esta no es evidencia de grado de decisión. Lo que en realidad muestra es que el cuello de botella no es la tecnología, es la adopción y el rediseño del flujo de trabajo.
Apuntar a los puntos de referencia incorrectos
Otro problema es que demasiados estudios de IA se apoyan en puntos de referencia sintéticos, rompecabezas aislados que son fáciles de escalar pero que se parecen poco al trabajo real, y cuando esos resultados de laboratorio se traducen directo en los titulares, la imagen se distorsiona de manera importante. Es por eso que la investigación a la que vale la pena prestar atención no se trata de tasas de fracaso sensacionalistas o acertijos de laboratorio, sino de cómo la IA en realidad cambia la manera en que trabajamos.
Es por eso que me encantan los estudios como The Cybernetic Teammate. En un experimento de campo con Procter & Gamble, Karim Lakhani y su equipo de la Escuela de Negocios de Harvard descubrieron que las personas que usaban IA se desempeñaban a la par con equipos enteros que trabajaban sin ella. Lo que en realidad me emociona es que la IA ayudó a romper los silos. Los profesionales de investigación y desarrollo, que por lo general se inclinan hacia soluciones técnicas, y los profesionales comerciales, que se inclinan hacia ideas comerciales, produjeron soluciones más equilibradas cuando tenían IA en la mezcla. Y no solo eso, sino que las personas informaron sentirse más positivas y comprometidas mientras hacían el trabajo. Estos hallazgos son notables: la IA no solo ayuda con las tareas, sino que cambia la manera en que las personas colaboran. Lakhani a menudo compara la IA con un nuevo medicamento: no lo aprueba después de una sola prueba. Se realizan ensayos, en diferentes condiciones, con diferentes poblaciones, hasta que en verdad se comprenden sus efectos. La IA merece la misma disciplina. Necesita una experimentación estructurada para revelar dónde se acelera, dónde falla y cómo remodela no solo los flujos de trabajo, sino organizaciones enteras.
En resumen
El futuro de la IA en el trabajo no se decidirá por titulares o puntos de referencia. Será moldeado por líderes y empleados que traten a la IA como un compañero de equipo capaz, uno que amplíe el juicio, fortalezca la colaboración y democratice la experiencia. La oportunidad no está en generar exageración, sino en reimaginar cómo se hace el trabajo.
Para obtener más información sobre la IA y el futuro del trabajo, suscríbanse a este boletín.
The post IA en el trabajo: La búsqueda de la verdad sobre la IA para los negocios appeared first on Source LATAM.
The post IA en el trabajo: La búsqueda de la verdad sobre la IA para los negocios appeared first on Source LATAM.
