Pese a la falta de formación específica, la inteligencia artificial generativa ya es tendencia entre los empleados. Las percepciones de los trabajadores del conocimiento sobre la IA están influyendo en su adopción. Además, y no menos importante, la innovación es el ingrediente secreto para la creación de empleo con las nuevas tecnologías.

Pese a la falta de formación específica, la inteligencia artificial generativa (IA generativa) ya es tendencia entre los empleados. Las percepciones de los trabajadores del conocimiento sobre la IA están influyendo en su adopción. Además, y no menos importante, la innovación es el ingrediente secreto para la creación de empleo con las nuevas tecnologías.

El ruido provocado por la IA generativa y su aplicación en diferentes áreas empresariales centra el debate público en una gran cantidad de ámbitos. Para que esa conversación se establezca en unos términos adecuados, planteemos una serie de preguntas clave que nos permitan formarnos una opinión sólida en relación con el contenido infinito de la inteligencia artificial generativa:

  • ¿Cómo afecta la IAG a la velocidad y la calidad de las tareas comunes del trabajo del conocimiento? Puede impulsar la productividad, pero también requiere una cuidadosa evaluación y adaptación.
  • ¿Cómo puede ayudarnos a descomponer y desarrollar tareas complejas? Los grandes modelos lingüísticos (LLM por sus siglas en ingles) pueden reconocer y generar texto, entre otras tareas; y también puede ayudarnos a abordar trabajos complejos o creativos, estimulando el pensamiento crítico, permitiendo la microproductividad y cambiando el equilibrio de habilidades (mejorando, por ejemplo, la metacognición).
  • ¿Cómo podemos colaborar eficazmente con la IAG? Todo depende de cómo impulsemos los modelos LLM, los complementemos, confiemos en ellos y los auditemos.
  • ¿Cómo se utiliza la IAG y cómo afecta a los diferentes sectores productivos? Afecta a todos los ámbitos, pero actualmente los mayores avances los encontramos en ingeniería de software, medicina, ciencias sociales y educación.
  • ¿Cómo puede ayudar a los equipos de trabajo a colaborar y comunicarse mejor? Los LLM pueden ayudar a mejorar la interacción, la coordinación y los flujos de trabajo proporcionando retroalimentación en tiempo real y aprovechando marcos holísticos.
  • ¿Cómo está cambiando la naturaleza y distribución del conocimiento en las organizaciones? Los LLM serían capaces, por ejemplo, de eliminar finalmente los silos de conocimiento en las grandes empresas para que la información fluya y esté disponible en toda la organización.
  • ¿Qué implicaciones tendrá para el futuro del trabajo y la sociedad? Fomentará la innovación y el avance científico, pero debemos recordar que el futuro del trabajo está bajo nuestro control.

Un enfoque crítico del trabajo

¿A quién ayuda la IA generativa? La evidencia apunta a que los grandes modelos lingüísticos ayudan a los trabajadores menos experimentados. Al estudiar el lanzamiento escalonado de un asistente (sistema conversacional generativo basado en IA) se ha descubierto que esta herramienta era la que más ayudaba a los trabajadores novatos y poco cualificados. Aunque también se encontró evidencia de que contribuía a difundir información tácita, conocimientos que ya tenían los trabajadores experimentados y altamente cualificados de la empresa.

A medida que la IA se aplica a tareas más generativas, el trabajo humano está pasando a ser crítico, concepto que ha de entenderse de dos maneras: por un lado, las tecnologías interactivas —que generan debates e involucran a los usuarios— contribuyen a desarrollar el pensamiento crítico; por otro, con el contenido generado por IA, el trabajo del conocimiento puede centrarse menos en producir y más en evaluar (es decir, criticar) e integrar en un todo las creaciones parciales de los sistemas de IA.

El interés del mercado en el impacto y las aplicaciones de la inteligencia artificial es innegable

Por otra parte, construir indicaciones óptimas es difícil. La composición precisa es fundamental para lograr el resultado deseado del LLM, ya que las indicaciones semánticamente similares producen resultados significativamente diferentes, a veces incorrectos. Escribir indicaciones efectivas puede requerir un esfuerzo manifiesto, incluidas las múltiples iteraciones de modificación y prueba.

En este sentido, es interesante entrenar modelos de lenguaje para seguir instrucciones con retroalimentación humana. Trabajos recientes sugieren que las indicaciones optimizadas pueden superar a los modelos específicamente ajustados en una serie de aspectos importantes (por ejemplo, en medicina, neurociencia, etc.).

Aquí hay que tener en cuenta los prompts, las instrucciones iniciales que se le proporcionan a una herramienta de IAG para guiar su generación de respuestas. Las personas también están aprendiendo a dar indicaciones de manera más efectiva.

Humanos, IA generativa y ciencia

En otro orden de cosas, la complementariedad es un enfoque en el que los humanos y la IA son socios que compensan sus respectivas debilidades colaborando de diversas maneras: desde que cada parte actúe como miembro del equipo a que una persona supervise un bucle de automatización de IA, o a una IA que simula a un ser humano.

En este ámbito también es importante el aspecto de la latencia, esto es, el tiempo que pasa desde que se emite un mensaje hasta que se recibe una respuesta. Para muchos casos de uso, una latencia baja es esencial: sabemos por la búsqueda tradicional que incluso pequeños aumentos en la latencia pueden afectar sustancialmente a la experiencia del usuario.

Trabajar con Joule es como pedirle a un colega más inteligente y experimentado que te eche una mano

Por otra parte, estamos atravesando un período de rápido aprendizaje y crecimiento en estas tecnologías, durante el que, afortunadamente, podemos apoyarnos en el proceso científico: desarrollar hipótesis y métricas para posteriormente someterlas a prueba mediante la experimentación.

Aplicar el método científico también significa aprender del conocimiento existente para seguir avanzando. Compartir lo que aprendemos les da a otros algo sobre lo que construir y crea la oportunidad de validar los resultados y abrirse al debate sobre el mejor camino posible. En definitiva, la ciencia puede proporcionar información sobre cómo liderar en esta época de cambios significativos.

IA en el universo SAP

Si nos adentramos en el papel que la IA va a desempeñar en el ecosistema SAP, vemos que, en septiembre de 2023, el fabricante alemán anunció la incorporación de Joule a su cartera de soluciones empresariales en la nube. Estamos en este caso ante una herramienta que, básicamente, proporciona información proactiva y contextualizada procedente de dicha cartera, así como de fuentes de terceros.

Se trata de un copiloto de IAG en lenguaje natural que aspira a transformar la forma en que funcionan las empresas. Joule se integrará en las aplicaciones SAP, desde Recursos Humanos a Finanzas, pasando por Cadena de Suministro, Compras y Experiencia del Cliente, así como en SAP Business Technology Platform (SAP BTP). Para explicar cómo transformará Joule la experiencia del usuario de SAP podemos recurrir a la metáfora: trabajar con Joule es como pedirle a un colega más inteligente y experimentado que te eche una mano.

A medida que la IA se aplica a tareas más generativas, el trabajo humano está pasando a ser crítico

El interés del mercado en el impacto y las aplicaciones de la inteligencia artificial es innegable. Según el informe Perspectivas de adopción tecnológica en la empresa española y estrategia de evolución SAP, elaborado por Penteo y la Asociación de Usuarios de SAP en España (AUSAPE), un 70% de los comités de dirección tiene un interés alto o muy alto en adoptar la IA, y un 60% de las empresas ya ha planificado o incluso ha arrancado proyectos piloto.

Para dar respuesta a este interés, desde nuestra asociación cada vez organizamos más eventos dedicados a la IA, con expertos que muestran cómo las empresas pueden implantar esta nueva tecnología en su negocio, mediante chatbots, análisis predictivo, IA generativa, automatización de procesos, gestión documental.