Cómo prepararse para un futuro real que no puede predecir
Dado el vertiginoso ritmo del desarrollo de la IA generativa, no es de extrañar que tantos ejecutivos se sientan tentados por las posibilidades de la IA, preocupados por encontrar y retener trabajadores cualificados y humillados por las recientes correcciones del mercado o por no cumplir con las expectativas de los analistas. Se imaginan un futuro laboral sin casi tantas personas como en la actualidad. Pero se trata de un error de cálculo. Los líderes, comprensiblemente preocupados por perderse la próxima ola de tecnología, están haciendo, sin darse cuenta, apuestas arriesgadas por el futuro de sus empresas. Estas son las medidas que todo líder debe tomar para prepararse para un mundo incierto en el que la IA generativa y la fuerza laboral humana coexisten, pero evolucionarán de formas desconocidas.
••• Hace poco, el CEO de un importante banco me llamó por teléfono para hablar de la promesa de la IA generativa. Al principio analizamos escenarios para mejorar la detección del fraude y el servicio de atención al cliente, pero con la continua oleada de anuncios recientes, quedó claro que tenía ambiciones más ambiciosas en mente. Como muchos sectores, la banca tiene un problema con la fuerza laboral: hay una discrepancia entre la demanda de personal cualificado y la oferta de trabajadores que están dispuestos a volver a una oficina y seguir las normas anteriores a la COVID. La IA generativa, pensó, podría ser una especie de solución milagrosa. Podría generar ahorros de costes y eficiencia mediante la automatización, pero ¿podrían estas nuevas herramientas resolver también el problema de la escasez de talento? Para decirlo sin rodeos: ¿cuánto tardará la IA en reemplazar a los trabajadores humanos? Nuestra conversación se hizo eco de muchas de las que he mantenido desde noviembre pasado con ejecutivos de una variedad de negocios, incluidos los de seguros, la fabricación, los productos farmacéuticos e incluso ejecutivos de los principales estudios de Hollywood, cuyos escritores y actores están actualmente en huelga. Todos quieren saber cómo sus empresas pueden crear más valor con menos recursos humanos. Esto se debe a que el otoño pasado, ChatGPT, el chatbot desarrollado por OpenAI,[de repente se hizo viral](https://openai.com/blog/chatgpt), demostrando el poder de la IA para generar sus propios correos electrónicos, ensayos, recetas, informes financieros, artículos e ideas. Goldman Sachs [estimaciones](https://www.goldmansachs.com/intelligence/pages/generative-ai-could-raise-global-gdp-by-7-percent.html) que dentro de una década, la IA generativa eliminará o disminuirá en gran medida 300 millones de puestos de trabajo. Ya estamos empezando a ver turbulencias. Las ofertas de trabajo para «ingenieros rápidos» (personas que piden a sistemas como ChatGPT que generen contenido) son[ofreciendo salarios anuales de 300 000 dólares o más](https://www.businessinsider.com/ai-prompt-engineer-jobs-pay-salary-requirements-no-tech-background-2023-3). [El GPT-4 de OpenAI aprobó el examen uniforme de abogacía](https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4389233) e insinuó que, en un futuro próximo, puede que no necesitemos abogados para el trabajo transaccional. De hecho, Walmart es[creación de prototipos](https://www.businesswire.com/news/home/20230111005148/en/Pactum%E2%80%99s-Autonomous-Negotiation-Technology-on-Display-at-the-National-Retail-Federation%E2%80%99s-2023-Retail-Big-Show) un sistema de IA generativa (no relacionado con OpenAI) para negociar algunos de sus contratos con los proveedores;[El 75% de los abogados contratados y oficiales de aprovisionamiento](https://www.pymnts.com/news/artificial-intelligence/2023/walmart-finds-75-percent-vendors-prefer-negotiating-with-chatbot/) por otro lado, dicen que ahora prefieren negociar con una IA antes que con sus homólogos de carne y hueso. De Google[Med-Palm 2](https://cloud.google.com/blog/topics/healthcare-life-sciences/sharing-google-med-palm-2-medical-large-language-model), que es un modelo especializado basado en conocimientos médicos, ahora responde a los problemas de los exámenes médicos con el nivel de experto de un médico. Este verano, los socios comenzarán a probar aplicaciones que pueden ver una radiografía y redactar automáticamente un informe de mamografía, sin que un médico humano se entere. Con el vertiginoso ritmo de desarrollo, no es de extrañar que tantos ejecutivos lleguen a la misma conclusión: en tan solo unos años, los potentes sistemas de IA realizarán un trabajo cognitivo al mismo nivel (o incluso por encima) de su fuerza laboral humana. Tentados por las posibilidades de la IA, preocupados por encontrar y retener trabajadores cualificados y humillados por las recientes correcciones del mercado o por el incumplimiento de las expectativas de los analistas, los líderes empresariales imaginan un futuro laboral sin casi tanta gente como en la actualidad. 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, sobre todo teniendo en cuenta que la IA generativa es solo un área pequeña de un campo con muchas interdependencias, cada una de las cuales se encuentra en diferentes etapas de desarrollo. Qué trabajos eliminará exactamente la IA y cuándo son conjeturas. No basta con que un sistema de IA realice una tarea; hay que demostrar que el resultado es confiable, integrado en los flujos de trabajo existentes y gestionado para garantizar el cumplimiento, los riesgos y las cuestiones reglamentarias. En segundo lugar, en un período de rápida disrupción provocado por la tecnología, los líderes se centran demasiado en las ganancias inmediatas, más que en cómo se transformará su red de valores en el futuro. A medida que la IA evolucione, será necesario reinventar segmentos enteros de la empresa, en tiempo real, pero antes de que tengamos una idea completa de cómo será el futuro. ¿Recuerda los primeros días de la Internet pública y los navegadores web, que se consideraban entretenimiento? Nadie planificó la transformación fundamental que ambas provocarían. Habría sido imposible entonces predecir cómo influiría algún día en las elecciones presidenciales o en la creación de las primeras empresas multimillonarias del mundo. Sin duda, los ejecutivos actuales 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, sin darse cuenta, apuestas arriesgadas por el futuro de sus empresas. Estas son las medidas que todo líder debe tomar para prepararse para un mundo incierto en el que la IA generativa y la fuerza laboral humana coexisten, pero evolucionarán de formas desconocidas. ## Prepararse para un futuro que no puede predecir He aquí la paradoja: tenemos que pensar que la fuerza laboral evoluciona con la IA generativa, en lugar de ser sustituida por ella. La fuerza laboral tendrá que evolucionar y los trabajadores tendrán que aprender nuevas habilidades, de forma 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 exige hacer un seguimiento de las principales novedades de la IA de forma diferente, utilizar un proceso iterativo para formar una fuerza laboral preparada y, lo que es más importante, crear escenarios futuros respaldados por pruebas que desafíen el pensamiento convencional de la organización. ¿Qué pueden hacer los líderes ahora para superar este período? ### En primer lugar, modere las expectativas sobre lo que la IA generativa puede y hará por su empresa. Históricamente, la IA pasa por fases que implican avances, oleadas de financiación y momentos fugaces de interés general, seguidos del incumplimiento de las expectativas y los retrocesos de la financiación. En 1970, Marvin Minsky, un influyente científico de la computación y uno de los padres fundadores de la IA,[dicho](https://aiws.net/the-history-of-ai/this-week-in-the-history-of-ai-at-aiws-net-marvin-minsky-was-quoted-in-life-magazine-in-from-three-to-eight-years-we-will-have-a-machine-with-the-general-intelligence-of-an-average-human-b/) La revista Life decía que la inteligencia general artificial (una IA con habilidades cognitivas indistinguibles de las de una persona) estaba a solo tres años de distancia. Tenga en cuenta que en la década de 1970, la potencia de cálculo necesaria para una IA de este tipo aún no existía. Los superordenadores eran en su mayoría teóricos. También lo eran los ordenadores personales. El[Punto de datos 2200](https://r5.ieee.org/houston/ieee-stepping-stone-award-datapoint-2200-the-first-personal-computer/) y, con el tiempo, su procesador se convirtió en la arquitectura fundamental de lo que conocimos como ordenadores. Las grandes ambiciones prometidas por Minsky y sus colegas nunca se materializaron, por lo que la financiación y los intereses se agotaron. Esto volvió a ocurrir en 1987, cuando los informáticos y las empresas hicieron promesas audaces con un calendario para la IA que simplemente nunca fue factible. Si bien son potentes, las principales herramientas de IA generativa actuales (ChatGPT, Midjourney, DALL-E 2) no son productos terminados. Pronto, la gente se amargará con su novedad y se dará cuenta de que, si bien la IA puede crear contenido, no es lo suficientemente bueno como para usarlo realmente. Del mismo modo, aún es muy pronto en lo que respecta a las herramientas de IA de dominios específicos para la medicina, el clima y las ciencias de la vida. Para que la IA generativa haga los milagros que nos han prometido, a gran escala y de forma rentable, queda mucho trabajo por hacer. Recuerde que estas herramientas eran en su mayoría teóricas hasta hace muy poco. Los ejecutivos tienen que tener claras las funciones prácticas que desempeñará la IA generativa en sus organizaciones en la actualidad. También deberían ser pragmáticos en cuanto a las oportunidades (y los riesgos) que la IA generativa abrirá eventualmente. La IA no es un monolito y acabamos de empezar una trayectoria muy larga. Puede que suene intuitivo, pero según mi observación, pocos líderes están desarrollando una estrategia realista que vincule las operaciones actuales con la visión del mañana, la socializan en sus equipos de gestión y revisan sus indicadores de rendimiento en consecuencia. Hace poco, me reuní con la dirección ejecutiva de una empresa multinacional de bienes de consumo envasados (CPG) deseosa de asociarse con una empresa de IA generativa. Les expliqué un escenario de alta probabilidad en el que los clientes, mediante una herramienta de chat, respondían a algunas preguntas sobre sus preferencias y objetivos, y hacían que un carrito de la compra online se llenara automáticamente con los artículos que necesitarían para la semana. Pero ninguna de las marcas de CPG apareció en el carrito o, si lo hicieron, no ocupó 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 los motores de búsqueda, en el futuro, las integraciones de la IA generativa en plataformas como tiendas y aplicaciones de carritos de la compra crearían nuevos desafíos para las empresas de CPG, que podrían encontrarse más abajo en la cadena de valor, donde se toman las decisiones críticas. ### En segundo lugar, evalúe los datos que genera su empresa y cómo los utilizaría la IA generativa hoy y en el futuro. Los datos empresariales tienen un valor incalculable porque, una vez que se ha entrenado un modelo, puede resultar caro y técnicamente engorroso transferir esos datos a otro sistema. Por el momento, las plataformas de IA emergentes no son fácilmente interoperables, y eso se debe a su 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 mayores empresas de IA compiten por la cuota de 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 bloquearlas (y sus datos). Los sistemas de IA actuales se crean mediante una técnica conocida como[_aprendizaje por refuerzo con comentarios humanos_](https://huggingface.co/blog/rlhf), o RHLF. Básicamente, los sistemas de IA necesitan comentarios humanos constantes o corren el riesgo de aprender y recordar información incorrecta. Cuantos más datos se ingieran, más anotaciones, etiquetas y entrenamiento será necesario. Hoy en día, este trabajo está automatizado para contratar a trabajadores 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 planificando un futuro que incluya una unidad interna de RHLF encargada de supervisar, 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 personas capacitadas informadas, las empresas deben elaborar continuamente escenarios que revelen los riesgos de trabajar junto con sistemas de IA generativa, especialmente los operados por terceros. Esto se debe a que los sistemas de IA no son estáticos, sino que mejoran de forma gradual con el tiempo. Con cada nuevo desarrollo, surgen nuevos riesgos y oportunidades potenciales. Sería imposible anticipar todos los posibles resultados negativos por adelantado sin que esas predicciones quedaran anticuadas rápidamente. (Por ahora, no hay forma de construir un[Simulación de Montecarlo](https://www.techtarget.com/searchcloudcomputing/definition/Monte-Carlo-simulation) eso sería totalmente preciso a la hora de predecir el futuro.) En cambio, un equipo dedicado debería encargarse de monitorear los sistemas de IA generativa a medida que aprenden, así como los desafíos de ciberseguridad relacionados, y debería desarrollar escenarios breves de «qué pasaría si» imaginando formas en las que las cosas podrían salir mal. Del mismo modo, a medida que la IA evolucione, también lo harán las oportunidades de generar nuevos crecimientos. Lo que significa que las empresas también deberían tener un equipo de desarrollo empresarial interno 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, en lo que respecta a la IA, los líderes deben cambiar su enfoque de los resultados a los más altos. Esto parecerá contradictorio, ya que muchos ven la IA generativa como una forma de reducir los costes operativos. Los chatbots inteligentes actuales pronto darán paso a los sistemas multimodales, que son IA capaces de resolver diferentes problemas y lograr diferentes objetivos a la vez. Imagínese una compañía de seguros de propiedades y accidentes en la que cada asegurador colabore con una IA. Al principio, la aseguradora podría pedir a la IA que evaluara el riesgo asociado al seguro de una propiedad; tras un análisis preliminar del texto, podría pedirle que refinara los resultados utilizando las imágenes de los informes de inspección o las entrevistas de audio con el posible titular de la póliza. Puede que vaya y venga varias veces, utilizando diferentes fuentes de datos, hasta que reciba un presupuesto óptimo tanto para la compañía de seguros como para el cliente. La clave para hacer un uso productivo de la IA multimodal es entender cómo y qué delegar en una máquina, de modo que tanto el ser 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 se esfuerzan habitualmente: o asignan demasiado, o no lo suficiente, o no las tareas correctas. Trabajar junto a una IA multimodal requerirá que los trabajadores dominen el arte de la delegación. Una vez que la fuerza laboral comprenda cómo delegar correctamente, actuará como un multiplicador de fuerzas en las organizaciones. Los equipos individuales podrían ser más ambiciosos a la hora de hacer crecer los ingresos de la empresa mediante la creación y simulación de nuevas fuentes de ingresos, la búsqueda y la adquisición de nuevos clientes y la búsqueda de diversas mejoras en las operaciones generales de la empresa. Esto presagia un futuro que exige un enfoque diferente de la mejora de las habilidades. La mayoría de los trabajadores no necesitarán aprender a programar ni a escribir instrucciones básicas, como solemos escuchar en las conferencias. Más bien, tendrán que aprender a aprovechar la IA multimodal para trabajar más y mejor. Basta con mirar Excel, que es[usado](/2018/10/10-excel-functions-everyone-should-know) por 750 millones de trabajadores del conocimiento cada día. El software incluye más de 500 funciones, pero la gran mayoría de las personas solo utilizan unas cuantas docenas, porque no entienden del todo cómo hacer coincidir la enorme cantidad de funciones que ofrece Excel con sus tareas cognitivas diarias. Ahora, imagine un futuro en el que la IA —un software mucho más complicado e intrincado— esté en todas partes. ¿Cuánta utilidad quedará sobre la mesa simplemente porque los líderes empresariales abordaron la mejora de las habilidades de manera demasiado limitada? ## Un marco para gestionar la evolución de la 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 tras los avances de la IA generativa. Con ese fin, este sencillo marco ayudará a los líderes de cualquier organización a anticipar cómo (y cuándo) tendrá que cambiar su fuerza laboral para aprovechar la IA. El objetivo no es hacer predicciones a largo plazo, ni siquiera estar preparadas para todo, sino posicionar a las organizaciones para que estén preparadas para cualquier cosa a medida que la IA siga mejorando.  [Ver más gráficos de HBR en Datos y imágenes](https://www.hbr.org/data-visuals) Este marco debería utilizarse para desarrollar escenarios para el futuro de una empresa. Está diseñado para ayudarlo a ver el riesgo y la oportunidad con la suficiente antelación como para actuar. Si se utiliza con regularidad, este marco permite a los líderes ver el panorama con más claridad, evaluar las brechas en sus organizaciones y vincular la tecnología emergente con la estrategia existente, lo que les permite tomar decisiones con confianza. Es importante destacar que pide a los líderes que piensen de manera exponencial en la IA, pero que actúen de forma gradual en respuesta a los nuevos avances. 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 lo que parece una cantidad aplastante de cambios e incertidumbre— es planificar metódicamente para el futuro. Eso requiere conocer las limitaciones y puntos fuertes de la IA generativa y adoptar una cultura de evaluación y mejora continuas. También significa pasar de las ingeniosas demostraciones 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 plantilla y, en su lugar, utilice la previsión estratégica para crear un futuro en el que la IA sea aprovechada por una fuerza laboral altamente cualificada y en el que los equipos humanos de IA sean más productivos, creativos y eficientes al trabajar juntos que por separado.
