Llegamos a ustedes gracias a:



Reportajes y análisis

IA en el trabajo: Su próximo compañero de trabajo podría ser un algoritmo

[12/08/2020] Desde la maquinaria pesada de la revolución industrial hasta la era informática de la digitalización y, recientemente, los rápidos avances en la inteligencia artificial, los avances tecnológicos a menudo plantean el espectro de la pérdida de puestos de trabajo. Pero los expertos creen que además de reemplazar los puestos de trabajo, los sistemas de IA están destinados a aumentar los esfuerzos humanos, mejorando la eficiencia y reduciendo la carga de tareas más arduas que pueden ser descargadas a los algoritmos inteligentes.

Esto significa que los humanos cooperarán e interactuarán directamente con la IA. "Para aquellos de nosotros que no perdamos nuestros trabajos por la automatización, vamos a trabajar con software cada vez más inteligente, uno al lado del otro", comenta J.P. Gownder, vicepresidente y analista principal de la firma de investigación Forrester. "Va a ser aplicable a casi todos los tipos de procesos de negocios que se puedan imaginar".

Combinando el poder de la computación en nube y los avances en torno al aprendizaje por máquina, la idea es que los asistentes de IA pueden asumir parte de la carga cognitiva de los trabajadores humanos, que pueden centrarse en las tareas para las que están mejor preparados.

Ya está sucediendo en muchas empresas: Una encuesta realizada por Deloitte en el año 2020 a 1.300 CIO y líderes tecnológicos de alto nivel reveló que solo el 12% de las organizaciones están utilizando la IA para reemplazar a los trabajadores, y que el 60% utiliza a los asistentes de IA en su lugar.

Diseño colaborativo

Tomemos el diseño generativo, por ejemplo. Los diseñadores e ingenieros han confiado durante mucho tiempo en las herramientas de diseño asistida por computadora (CAD, por sus siglas en inglés) para crear "dibujos" en 3D de componentes o productos en campos como la fabricación. Con el diseño generativo, el usuario introduce parámetros como el tipo de material, los criterios de rendimiento y los requisitos en torno al costo en el algoritmo, que luego crea una enorme gama de modelos alternativos -ya sea para un componente de una máquina o un mueble- que el diseñador o el ingeniero puede seleccionar.

El resultado puede ser diseños orgánicos inusuales que no se ajustan a la estética esperada de lo que los humanos producen típicamente, pero que se ajustan a las especificaciones, a veces de manera más eficiente.

En la práctica, el proceso de diseño requiere que los diseñadores e ingenieros creen muchas iteraciones de su trabajo, según Seth Hindman, director de estrategia de los productos de diseño generativo y de aprendizaje de máquinas de Autodesk. Esto a su vez libera a los usuarios para centrarse en aspectos de mayor valor de su función.

"[El diseño generativo] es increíblemente complementario como colaborador del ingeniero, porque los ingenieros no tienen el tiempo, ni siquiera la inclinación, de explorar todo el espacio del diseño", anota. "Se trata de aumentar y centrar al ingeniero en hacer ingeniería de verdad".

El trabajo de Autodesk en torno al diseño generativo comenzó con la creación de la plataforma experimental Project Dreamcatcher en su brazo de I+D. Esta tecnología ha sido pilotada por empresas industriales como Airbus, que la utilizaron para crear componentes de aviones ligeros, mientras que el renombrado arquitecto y diseñador Philippe Starck utilizó la plataforma de diseño generativo en un proyecto de diseño de sillas.

Desde entonces, la tecnología se ha abierto camino en el producto comercial Fusion 360 de Autodesk, que es utilizado por empresas como Lightning Motorcycles, un fabricante de motocicletas eléctricas de San José, California. Esto ha permitido al fabricante de motocicletas superar su peso al permitir a los diseñadores crear nuevas piezas de forma más rápida y eficiente, señala el CEO y fundador, Richard Hatfield.

Anteriormente, el equipo de Lightning diseñaba una pieza y luego realizaba análisis en torno a la resistencia y otras especificaciones antes de hacer las modificaciones, un proceso que llevaba mucho tiempo, indica. "Con el software de diseño generativo, es capaz de hacer millones de estas iteraciones y simulaciones con una enorme mejora de la velocidad, en comparación con lo que se necesita para hacerlo manualmente. Es como tratar de dibujar un componente con un bolígrafo y papel en vez de usar un software para hacer la iteración", agrega Hatfield. "Es un gran salto adelante".

Los diseñadores de Lightning Motorcyles crearon el basculante resaltado en azul usando el software de diseño generativo de Autodesk.
IA, inteligencia artificial, ML, machine learning, aprendizaje automático

Para Alexandre Martin, diseñador de productos del estudio de diseño austriaco Edera Safety, que crea equipos de seguridad personal como arneses protectores de la columna vertebral, el uso práctico de las herramientas de diseño generativo Fusion 360 le ha ahorrado un tiempo significativo en su trabajo diario.

"El diseño generativo acelera mi proceso de diseño diez veces más", comenta. "Es como tener un equipo creativo súper eficiente haciendo meses de trabajo, luego elijo el resultado más efectivo".

Colaborar con la IA abre la puerta a nuevas posibilidades de diseño que de otra manera podrían haber parecido contrarias a la intuición, indica Martin. "La IA me muestra iteraciones que podría haber considerado ilógicas o simplemente pasadas por alto, y realmente se siente como una parte lógica del proceso de diseño", añade.

Las asociaciones entre humanos y la IA en el trabajo

Muchos trabajadores ya interactúan con la IA de maneras más sutiles, a menudo sin darse cuenta, desde obtener traducciones instantáneas en el software de la oficina hasta aceptar sugerencias de respuestas enlatadas en el correo electrónico. Al mismo tiempo, las interacciones con los asistentes de la IA se están volviendo más sofisticadas. Asistentes de voz como Alexa, Google Assistant, Siri y Cortana, que son familiares en nuestra vida personal, han comenzado a hacer incursiones en el lugar de trabajo, por ejemplo, ayudando a los usuarios a localizar información o a reservar reuniones.

Significa interactuar con la IA de forma más directa. Con los recientes avances en el software de los centros de llamadas de Google y Amazon Web Services, los agentes de los centros de llamadas son capaces de interactuar con los asistentes de la IA que los entrenan en cada interacción con el cliente -sacando a la superficie notas de apoyo e información, discerniendo el sentimiento del cliente y sugiriendo respuestas, todo en tiempo real. En lugar de automatizar el trabajo por completo con un chatbot, la IA ayuda al agente a proporcionar un mejor servicio, mejorando la satisfacción del cliente y, por consiguiente, aumentando las ventas.

"Este es un caso en el que la persona del centro de llamadas no está siendo reemplazada por la IA, sino que está usando la IA en paralelo para manejar mejor esa interacción", anota Gownder de Forrester. "No está muy extendido, pero está empezando a suceder".

No es solo en la oficina donde los trabajadores interactúan con la IA. Los robots de colaboración, o "cobots", se han hecho más frecuentes en las fábricas, donde están equipados para operar junto con los ingenieros para sostener objetos o herramientas pesadas en su lugar, y en los almacenes, como las enormes instalaciones de Amazon, donde los robots ayudan a los trabajadores humanos a recoger y empaquetar mercancías para su entrega.

Crear sistemas de IA que interactúen con los humanos de forma natural y fiable significa anticiparse y adaptarse a las necesidades de los trabajadores humanos -o, en otras palabras, aprender a ser un buen jugador de equipo- según Julie Shah, profesora asociada del Departamento de Aeronáutica y Astronáutica del MIT y jefa del Grupo de Robótica Interactiva del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL).

"Existe un enorme potencial, no para que la [IA] se haga cargo de trabajos muy desafiantes en los que dependemos de los humanos para analizar información ambigua e incierta, sino para entender alguna parte de cómo lo hacemos y apoyarla, proporcionar la información correcta y hacer sugerencias para que el humano se libere para hacer el aspecto más desafiante del trabajo", indica Shah.

Su investigación se centra en cómo los robots de IA pueden interactuar con los trabajadores humanos de manera más efectiva, ya sea encontrando formas de asegurar que los robots proporcionen los materiales correctos en el momento adecuado en una línea de producción automotriz, o el desarrollo de sistemas de apoyo inteligentes que ayuden a los humanos en las desafiantes tareas de toma de decisiones.

"Todo lo que hago en mi laboratorio se centra en el desarrollo de la IA que encaja como una pieza del rompecabezas para mejorar la capacidad humana, en lugar de reemplazar o suplantar lo que un humano está haciendo", indica. "La tecnología clave detrás de eso es la capacidad de inferir lo que una persona está pensando, su estado mental, y ser capaz de anticipar lo que hará a continuación, saltar y ofrecer la información correcta o los materiales físicos adecuados en el momento adecuado".

Significa imitar los complejos procesos que los humanos son expertos en llevar a cabo, con el desarrollo de algoritmos para predecir y anticipar los movimientos de los trabajadores, por ejemplo.

"Gran parte de mi trabajo se centra en 'cómo proporcionar la información correcta en el momento adecuado y en la secuencia correcta'. ¿Cómo proporciona las piezas correctas en la línea de montaje en el momento correcto y en la secuencia correcta? Son problemas de programación de asignación de tareas; eso es lo que hace que nuestro mundo funcione", indica Shah.

Un proyecto de investigación MIT CSAIL, realizado en el Centro Médico Beth Israel Deaconess, investigó la voluntad humana de confiar en la IA en el lugar de trabajo. Se utilizó un sistema de IA alojado en un robot humanoide Nao para proporcionar sugerencias de programación en la sala de partos de un hospital, un entorno en el que se requieren decisiones continuas en fracciones de segundo para coordinar la atención.

Los investigadores del MIT crearon un sistema de IA para proporcionar recomendaciones para la asignación de habitaciones y la asignación de enfermeras para las cesáreas y otros procedimientos en el Centro Médico Beth Israel Deaconess.
IA, inteligencia artificial, ML, machine learning, aprendizaje automático

El responsable es la jefe de enfermeras, que tiene la tarea de coordinar un equipo de 10 enfermeras, 20 pacientes y 20 habitaciones a la vez. Hay un gran número de variables para la programación, y las enfermeras jefe deben intentar predecir factores como cuándo llegará una mujer en trabajo de parto y cuánto durará el trabajo de parto.

"Básicamente están desempeñando un papel de controladores de tráfico aéreo en un piso del hospital, decidiendo qué pacientes van a qué habitaciones y qué enfermeras se asignan a qué pacientes", anota Shah.

El sistema de IA fue entrenado para replicar la programación llevada a cabo por la enfermera jefe, con la capacidad de anticiparse a las asignaciones de habitaciones y sugerir qué enfermeras asignar a un procedimiento en particular. La enfermera podía consultar al robot, que respondía con sugerencias utilizando un software de texto a voz.

Durante la demostración piloto en vivo, las enfermeras aceptaron las recomendaciones de la IA en el 90% de las ocasiones, así como rechazaron las sugerencias de "baja calidad" al mismo ritmo. La reacción de las enfermeras fue positiva, y las que participaron destacaron los beneficios de capacitar al nuevo personal y de compartir las cargas de trabajo.

¿Confiamos en la IA?

A medida que más trabajadores interactúan con la IA en sus trabajos, tanto los empleados como sus organizaciones pueden cuestionarse cuándo es apropiado confiar en un algoritmo para tomar decisiones importantes, y cuándo el conocimiento contextual de un humano es de mayor valor.

Cada uno tiene sus puntos fuertes relativos, y un sistema de IA puede evitar algunos de los sesgos de los que un humano puede no ser consciente. "El algoritmo podría ser capaz de incorporar información que sería costosa de reunir para el humano", comenta Athey, dando el ejemplo de la selección de currículos de solicitantes de empleo.

"Un humano que mira un currículum podría tener un estereotipo general de una universidad de unas pocas personas, pero una IA podría ser capaz de leer esa misma información y llegar a una evaluación más precisa de lo que significa esa universidad en particular", anota Athey. "Tal vez el algoritmo sepa que es una universidad estatal débil, pero el programa de ingeniería es en realidad muy selectivo, y el humano no se toma el tiempo para reunir esa información".

Al mismo tiempo, los algoritmos de IA son falibles y pueden tener sesgos no intencionados programados en ellos, por lo que la transparencia es importante para asegurar que los humanos sean conscientes de cuánto se puede confiar en un algoritmo.

"No querría que un algoritmo siempre anulara [las decisiones humanas cuando no están de acuerdo]: es contextual", sostiene Athey. "Es necesario construir algoritmos que comuniquen suficiente información de manera que los humanos puedan entender si deben escuchar el algoritmo o escucharse a sí mismos, y cómo incorporan la información del algoritmo".

Shah señala que hacer que un sistema sea confiable no es lo mismo que hacerlo digno de confianza. En la industria de la aviación, por ejemplo, se han producido numerosos accidentes debido a la dependencia de los pilotos de sistemas imperfectos de automatización de la cabina.

"Sabemos que es relativamente fácil generar una confianza inapropiada en un sistema", anota. "Hay pequeñas cosas que se pueden hacer: si lo hace más antropomórfico, si hace que le hable en lugar de proporcionarte un texto de lectura de la instrucción, [entonces] es más probable que la gente cumpla con las recomendaciones de un sistema y confíe en él.

"No se trata de hacer que estos sistemas sean confiables, ayudando a una persona a calibrar su confianza en un sistema apropiadamente; [es importante] entender cuándo está tomando decisiones dentro de los límites de su competencia, y cuándo está fuera de esos límites para que la persona pueda apuntalar la capacidad de la máquina".

Añadió: "A menudo nos preguntamos, '¿Qué tan dispuesta está una persona a confiar en el sistema?' Esa es la pregunta equivocada. La pregunta correcta es: "¿Es el sistema digno de confianza? Hay un sistema confiable contra un sistema confiable".

¿Por qué no automatizar completamente los trabajos?

¿Por qué la necesidad de que los humanos y la IA cooperen? ¿Por qué no automatizar los trabajos al por mayor? Una respuesta es que, al menos por ahora, no es técnicamente posible en la mayoría de los casos. Los humanos se desempeñan significativamente mejor en ciertas tareas, según los investigadores.

Una ventaja clave que los humanos tienen sobre la IA es la capacidad de usar la intuición para resolver problemas que no se han encontrado anteriormente, aprovechando la información de una serie de fuentes.

En otras palabras, podemos usar nuestro sentido común. "Los humanos pueden extrapolar muy bien las circunstancias que no han visto antes porque tienen mucho sentido común", señala Susan Athey, profesora de Economía de la Tecnología en la Escuela de Graduados de Negocios de Stanford y directora asociada del Instituto de Stanford para la Inteligencia Artificial Centrada en el Ser Humano. "Una IA y un humano van a tener diferentes fortalezas. [Los humanos] pueden asegurarse de que sus predicciones no sean descabelladas, mientras que una IA responde solo a los datos que tiene".

La IA, por otro lado, sobresale por procesar grandes volúmenes de datos con los que un cerebro humano lucharía. "La IA puede mirar muchos más datos; más datos sobre una situación, así como incorporar potencialmente un conjunto más grande de resultados de los que un humano habrá encontrado en su propia experiencia personal", indica Athey.

Phillippe Stark trabajó con el fabricante de muebles Kartell y Autodesk Research usando diseño generativo para crear "la primera silla en producción creada por la inteligencia artificial en colaboración con los seres humanos", según Autodesk.
Inteligencia artificial, AI, Machine learning, aprendizaje automático, ML

Aunque es posible que la IA esté equipada para llevar a cabo una gama más amplia de tareas, la tecnología está actualmente limitada en lo que es capaz de lograr sin la intervención humana. 

Incluso al seleccionar los datos que se proporcionan a las máquinas, estamos estructurando el mundo. Cuando se entrena un sistema de IA en ciertas imágenes, siguen siendo los humanos los que toman las fotos y las enmarcan alrededor de los objetos de interés. "Es un problema muy diferente reconocer las cosas del entorno cuando un robot navega libremente y las imágenes no están enmarcadas con nuestros ojos", señala Shah del MIT.

"Nosotros, como humanos, tenemos una capacidad única que la IA no tendrá en un futuro previsible, que es la capacidad de tomar un problema no estructurado y estructurarlo", sostiene Shah. "Una vez que hemos estructurado un problema, la IA es muy valiosa y funciona bastante bien, pero creo que a menudo subestimamos el esfuerzo que supone estructurar un problema para la IA hoy en día".

"Hay una falacia ahí fuera de que la IA puede ser similar a la humana", señala Gina Schaefer, director general de Deloitte Consulting y jefe de la práctica de automatización inteligente de la consultoría.

"Estamos tan, tan, tan lejos de que la IA sea humana. Puede hacer cosas tan fundamentales, tan sorprendentes, pero también carece de las habilidades que un niño de cinco años podría tener hoy en día, para entender el contexto y otros tipos de cosas. Así que esa es la belleza de la interacción", indica Schaefer. "Lo que se ha pasado por alto es que, aunque se puede reemplazar a los humanos con algo de esta tecnología, el beneficio es permitir a los humanos hacer lo que es únicamente humano en su trabajo".

Preparación de una fuerza de trabajo de la IA humana

Si se aplica correctamente, la IA puede ser una ventaja tanto para los empleadores como para los empleados, ya que estos últimos pueden dedicar menos tiempo al trabajo repetitivo.

"En la situación ideal, estas tecnologías están ayudando a tomar mejores decisiones, dando más información, ayudando a la gente a ejecutar ciertas tareas en su nombre de forma automática, o automatizando procesos que claramente no son algo en lo que los empleados quieran participar de todos modos", señala Gownder de Forrester.

Si bien las empresas ven la ventaja de que los trabajadores interactúen con la IA, puede ser necesario que se les capacite y se les cambien las habilidades, haciendo mayor hincapié en la creatividad y el razonamiento complejo a medida que se adaptan los puestos de trabajo.

Es importante que los empleadores apoyen activamente a los trabajadores a medida que interactúan con la IA con mayor frecuencia, subraya Gownder. "¿Están sus empleados equipados con la cultura, las habilidades y las inclinaciones adecuadas para poder empezar a trabajar con un software cada vez más inteligente? Mucha gente puede no querer hacerlo o puede no tener las habilidades -puede que se sientan intimidados por la tecnología", añade.

La transición requerirá un ajuste importante para muchas organizaciones: El 59% de las organizaciones cree que es importante rediseñar los puestos de trabajo para integrar la IA en los próximos 12-18 meses, según el estudio de Deloitte, pero solo el 7% dice estar preparado para hacerlo. Y solo una pequeña proporción de los encuestados (17%) están haciendo inversiones significativas en la readaptación.

"Es muy posible crear una mejor experiencia para los empleados invirtiendo en la IA y la automatización, pero también es posible hacerlo mal, como con cualquier otra cosa", advirtió Gownder.

Lo que está claro es que la IA impactará más de cerca en todo tipo de trabajos en los próximos años.

"Aunque es un comportamiento de vanguardia para muchos, pronto se convertirá en algo extremadamente importante", señala Gownder. "Todos vamos a ver nuestros trabajos transformarse en la próxima década por el software inteligente y la automatización, y tenemos que empezar a prepararnos para ello".


También en este reportaje