La forma en que la gente habla sobre cómo los trabajos y el trabajo están cambiando debido a la inteligencia artificial (IA) y la automatización a menudo no coincide con la realidad, según varios oradores en el reciente Congreso de IA y Trabajo del Futuro del MIT.
En un panel sobre los mitos de la tecnología de IA, varios oradores discutieron cómo la IA simplemente no puede hacer todas las cosas que hace la gente y cómo las personas deben ser una parte integral de los nuevos procesos que se están desarrollando.
Fred Goff, director ejecutivo de Jobcase, dijo que teníamos la oportunidad de aprovechar la inteligencia artificial "para el empoderamiento real de las personas", en lugar de simplemente usarla para reemplazar trabajadores o tareas.
Goff dijo que la tecnología ha estado desplazando puestos de trabajo durante el último medio siglo y que el gran problema era el estancamiento de los salarios y el subempleo. Debemos entender que la inteligencia artificial y la automatización pueden realizar tareas, no trabajos, por lo que no pueden reemplazar todo lo que puede hacer un ser humano. Deberíamos pensar en "máquinas Y humanos, no máquinas O humanos", dijo Goff.
Otro problema que señaló Goff es que asumimos que los humanos han estructurado el problema correctamente cuando aprovechan el aprendizaje automático (ML) o la inteligencia artificial para obtener la respuesta correcta. Habló sobre cómo se necesita tiempo para que las personas se pongan al día en una nueva tarea. También habló sobre cómo las máquinas no necesariamente procesan todas las entradas en torno a una decisión. Por ejemplo, Goff habló sobre cómo se está utilizando la inteligencia artificial en el capital humano y la adquisición de talento, donde le preocupaba que tales sistemas tienden a estar resolviendo para obtener el trabajo, no para retener a las mejores personas. TEstos sistemas pueden tener un sesgo implícito y tienden a considerar si la contratación potencial es adecuada para este trabajo en esta empresa en lugar de averiguar con qué grupo trabajaría mejor el empleado.
Tenía "miedo de que pudiéramos estar resolviendo los problemas equivocados".
Julie Shah, profesora asociada en el Departamento de Aeronáutica y Astronáutica del MIT, dijo que una idea errónea era que podemos configurar la automatización en factores basados ??en los datos que tenemos. Ha pasado mucho tiempo en las fábricas, viendo a los asociados practicar cómo construir un nuevo modelo.
"No sabemos cómo configurar un [manufacturing] línea de la manera más óptima ", dijo, razón por la cual las fábricas con" luces apagadas "no muestran mejoras. En cambio, fueron los seres humanos que repetían continuamente el proceso en función de las condiciones cambiantes los que han tenido más éxito. GRAMOEn el futuro, los sistemas deben comprendernos, mientras que nosotros debemos comprender cómo se comportan.
Shah dijo que los seres humanos aportan tanto conocimiento, tanto trasfondo, a las decisiones que es muy difícil codificar, o incluso describir. Señaló que con muchos de los modelos actuales, explicar la toma de decisiones suele ser problemático. En cambio, Shah recomendó utilizar "expertos en el dominio" para guiar el proceso de inferencia de una máquina, ayudando a determinar las ideas implícitas y la priorización.
Tanto Goff como Shah estuvieron de acuerdo en que la IA no debería determinar los resultados, sino que se puede utilizar mejor como una de varias herramientas para la toma de decisiones humanas.
"Recapacitar y reentrenamiento no significa que las personas necesiten sentarse frente a las computadoras y codificar", dijo Goff. Señaló que la gente suele hablar de volver a capacitar a los mineros del carbón para codificar e ideas similares. En cambio, dijo que necesitamos una amplia educación postsecundaria para la gente, pero que debemos darnos cuenta de que "no todo el mundo necesita ir a la universidad". Hay una gran demanda de personas en los oficios, como la soldadura y los plomeros, dijo, y se preguntó si había una mayor oportunidad para la "microcertificación".
Scott Prevost, vicepresidente de ingeniería de Sensei en Adobe, insistió en que la IA actual "en realidad empodera al trabajador", amplificando la experiencia de la persona creativa al automatizar las cosas que la gente tiene que hacer pero no quiere hacer. El 74 por ciento de los clientes de Adobe dijeron que dedicaban la mitad de su tiempo a tareas repetitivas y no creativas.
Prevost esperaba un asistente creativo y un asistente de marketing para ayudarlo a avanzar en todo su flujo de trabajo.
Dijo que los "creativos" y los especialistas en marketing no desaparecerán, pero sus roles pueden cambiar. Un creativo se convertirá más en un director de arte que en una producción de grano fino.
Como resultado, el énfasis se desplazará hacia la resolución creativa de problemas, la innovación y la buena colaboración.
Esto permitirá a los diseñadores probar más ideas por cliente, permitiéndoles probar las ideas más creativas, al tiempo que reduce el listón para las personas menos capacitadas.
David Autor del MIT le preguntó a James McGlennon, director de información de Liberty Mutual Insurance, sobre cómo están cambiando los trabajos debido a la IA. McGlennon dijo que estaba viendo muchos cambios, pero que fueron impulsados ??más por la "transformación ágil" y la "agilidad empresarial" que por la inteligencia artificial.
Dijo que Liberty Mutual está viendo una mayor demanda de trabajos de mayor calificación y que la especialización donde la tecnología es un factor clave está "poniéndose de moda", incluso en funciones donde la tecnología no es la función clave. Como resultado, todos deben comprender la tecnología mucho mejor. Afirma que los asociados de Liberty Mutual en general saben que para seguir siendo relevantes, muchas personas deben volver a capacitarse, y la empresa ofrece capacitación y recursos.
Recomendado por nuestros editores
Estuvo de acuerdo con los comentarios anteriores de que las habilidades se están volviendo más importantes que las credenciales y que las habilidades con las personas son más importantes en más trabajos. "Lo que diferenciará a los líderes y los ganadores", dijo, será su "capacidad para comprender e interrelacionarse con las personas en todos los niveles".
En el cuidado de la salud, el gran problema con la IA no es la existencia de datos, sino una explosión de datos y la capacidad de tomar decisiones con IA, dijo Ittai Dayan, Director Ejecutivo de Estrategia, Investigación y Operaciones Clínicas del Hospital General de Massachusetts. Dijo que la atención médica tiene obstáculos regulatorios y legales que se interponen en el camino del uso de IA. Pero las mejores soluciones a menudo no son las más avanzadas, sino que se centran en resolver un problema práctico particular en un entorno clínico. La idea es brindar un servicio, luego otro, luego otro. Otro uso potencial es utilizar ML e IA para mejorar el llenado de formularios y hacer que ese proceso sea más rápido e inteligente.
La gran limitación de la IA en el cuidado de la salud, dijo, era la falta de comprensión de los sistemas biológicos. Las soluciones deberán integrar muchas fuentes de datos y fusionar tipos de datos.
En fabricación, David Johnson, vicepresidente de ingeniería de producción y calidad de nuevos modelos de Nissan Norteamérica, destacó lo complejos que son los vehículos actuales, con unos 30.000 componentes; y dijo que el análisis de big data y el aprendizaje automático pueden ayudar tanto con el rendimiento actual como con la predicción del rendimiento futuro. Señaló que con la realidad virtual, Nissan puede tomar decisiones sobre los anuncios de nuevos productos antes de que nadie pueda ver el nuevo producto físico, y se pueden contratar técnicos en la línea de fabricación para ayudar a resolver el proceso.
Habló sobre cómo combinar las nuevas tecnologías con las habilidades de los trabajadores veteranos y utilizó un estudio de taller de carrocería sobre el ajuste y el acabado y la calidad de la superficie como ejemplo. Para que eso funcione, combinó a un veterano de la línea de fabricación de 20 años y un estudiante del MIT.
Zeynep Ton, profesor de MIT Sloan School of Management, señaló que la tecnología siempre ha tenido un impacto profundo en el sector minorista, y señaló que el mayor cambio en los últimos años ha sido el comercio electrónico. Aún así, la experiencia del cliente y la experiencia de los empleados no ha cambiado mucho. Señaló que el comercio minorista es el empleador más grande del país, pero es conocido por sus malos trabajos, bajos salarios, horarios impredecibles y "personas utilizadas como aparatos". Dijo que tenemos la oportunidad de rediseñar el trabajo, pero hasta ahora no estamos implementando tecnologías de esa manera.
