2017 iba a ser el año en que la inteligencia artificial aterrizara en el entorno de trabajo. Que la automatización se haya convertido en un elemento habitual en sectores como el retail ha propiciado un aumento gradual de la inquietud en el entorno laboral. Así lo recogió Stephen Hawking en The Guardian a finales del año pasado: “El ascenso de la inteligencia artificial es probable que extienda esta destrucción de trabajo en las clases medias, a la que sobrevivirán solo los roles de atención y cuidado personal, creativos o de supervisión”.
Inteligencia artificial (IA) es una expresión que se refiere a un conjunto de tecnologías y enfoques centrados en la capacidad de las computadoras para tomar decisiones racionales y flexibles en respuesta a condiciones ambientales a menudo impredecibles. Esta aproximación incluye el procesamiento del lenguaje natural, el aprendizaje automático, los agentes inteligentes y la toma racional de decisiones.
La ficción (por ejemplo, 2001: Una odisea del espacio, de Stanley Kubrick, basada en la novela homónima de Arthur C. Clarke) se ha centrado a menudo en una inteligencia global de las máquinas: su capacidad para responder a sus entornos con el mismo tipo de flexibilidad y creatividad que los seres humanos. Si bien esto puede ser un objetivo a largo plazo, la práctica actual se centra en abordar problemas específicos sobre contextos concretos, en lugar de enfocarse a emular la inteligencia humana de forma general.
El camino hacia las máquinas inteligentes ha sido largo. Desde los primeros pasos en la década de 1940, la posibilidad de que exista inteligencia en una máquina fue tanto reconocida como cuestionada. Por ejemplo, Turing desarrolló su prueba de inteligencia (el test de Turing de 1950). Un año más tarde argumentó que “al final del siglo sería posible programar una máquina para responder preguntas de tal manera que será extremadamente difícil diferenciar si las respuestas están siendo dadas por un hombre o una máquina”.
El impacto del uso de IA en Amazon va más allá de la automatización de sus cajeros
No obstante, a través de 60 años de investigación se han hecho muchos progresos que pueden hacer reflexionar sobre la dificultad de la tarea que Turing predijo. El primer paso significativo fue el chatbot de Joseph Weizenbaum (MIT) denominado ELIZA (1966). ELIZA fue presentada con un programa que simulaba la conversación con un psicólogo. Fue muy convincente: algunas personas creyeron que estaban conversando con una máquina inteligente y, aunque finalmente se demostró que era un mero sistema para empatizar con el ser humano mediante frases hechas, ELIZA inició la investigación sobre el procesamiento y análisis del lenguaje natural que se convirtió posteriormente en parte integral de las interfaces de IA contemporáneas.
En 1997, Deep Blue de IBM se convirtió en la primera computadora de ajedrez en vencer a un vigente campeón mundial, Kasparov, en una partida usando condiciones de torneo estándar. Esta victoria fue importante, en parte porque el ajedrez había sido tradicionalmente un caso de prueba para la IA, como lo fue para el propio Turing.
Más recientemente, en 2011, Watson de IBM compitió en el concurso de televisión Jeopardy y obtuvo el primer premio. Esta victoria marcó un hito debido a su habilidad para explotar conjuntos de datos estructurados y no estructurados, usando el análisis semántico paralelo para encontrar soluciones a preguntas de conocimiento general planteadas en lenguaje natural.
Singularidad tecnológica
Estos logros, y el desarrollo de la IA en los últimos años, han llevado a augurar la inminencia de una “singularidad tecnológica”. Se trataría del punto en el que la inteligencia de la máquina superaría a la humana, conduciéndonos a un crecimiento tecnológico desbocado. Según sus detractores, representa una amenaza significativa para la humanidad y una enorme convulsión del equilibrio y las estructuras socioeconómicas tal y como las conocemos.
Por otra parte, las últimas décadas de investigación han mostrado la enorme complejidad de simular la inteligencia humana respecto a lo que originalmente se había vaticinado, y lo lejos que estamos de este objetivo.
Estos desarrollos han contribuido a una mejor comprensión de la complejidad de la tarea de simular la cognición humana y los distintos elementos que la conforman. En cuanto a su ejecución, la IA se ha ido alejado de la aspiración global de simular la inteligencia humana y se ha ido centrando en distintas aplicaciones concretas, que incluyen:
- Procesamiento del lenguaje natural, en particular el reconocimiento del habla, que es un reto más complejo que analizar la escritura (la capacidad de trabajar en respuesta al lenguaje natural como input).
- Razonamiento semántico. La capacidad de tomar decisiones sobre la base de los significados de datos y declaraciones.
- Aprendizaje de la máquina. La capacidad de mejorar en la realización de tareas sobre la base de la iteración.
- Procesamiento inteligente de datos y su recuperación. La capacidad de aplicar estas dos funciones significativas sobre datos e información.
A través de las mejoras de estos procesos, la IA y el aprendizaje automático han encontrado aplicaciones importantes en una variedad de contextos de negocio, en los que la rápida toma de decisiones en respuesta a grandes conjuntos de datos difusos es una prioridad. Lo que es nuevo en la discusión sobre IA no es su aplicación a los procesos del negocio, sino la forma en la que las tradicionales aplicaciones de nicho están encontrando usos más generales, tanto en el ámbito profesional como en el de los consumidores finales.
Vehículos autónomos
Hay dos campos en particular que han atraído la atención en los últimos dos años. El primero es el surgimiento de los vehículos autónomos. Este es un buen ejemplo de las capacidades actuales de las tecnologías de IA y de aprendizaje automático, así como de la tipología de cambios significativos que pueden traer consigo.
Muchas de las situaciones que surgen en la conducción no son predecibles ni repetibles, son únicas y dependen del contexto, y requieren una rápida toma de decisiones en tiempo real. En la práctica, los vehículos autónomos no pueden funcionar siguiendo unos procedimientos prescriptivos de toma de decisiones basados en reglas, como el típico proceso algorítmico, sino que necesitan responder a condiciones ambientales dinámicas, cambiantes e impredecibles sobre una base de datos a menudo incompleta o parcial.
Como aplicación de la IA, los vehículos autónomos son como el ajedrez de la computadora: parece un problema más simple de lo que realmente es y se ha tardado más de lo previsto en que las computadoras superen a los seres humanos en sus habilidades. Sin embargo, es un problema relativamente bien definido.
Recientemente, Alemania acaba de aprobar una ley que legaliza los coches autónomos y la conducción automatizada, ley según la cual toda la responsabilidad recae en el fabricante. La legislación exige un sistema de almacenamiento de datos, como la caja negra en los aviones, que monitorice todos los parámetros del viaje, recabando información y registrando si es el conductor humano o el sistema autónomo del automóvil quien está a cargo en cada momento del trayecto
El desarrollo de la IA ha puesto de manifiesto una enorme dificultad para insertar IA en los procesos orientados a las personas: la conducta humana puede ser en gran medida predecible y rutinaria, pero las pocas situaciones impredecibles e irregulares que vivimos son, precisamente, las que nos obligan a buscar ayuda, y es a esas situaciones a las que, actualmente, es casi imposible anticiparse. El aprendizaje automático y la IA funcionan mejor en contextos bien definidos y limitados, lo que permite apostar por la teoría de que la IA se expandirá más fácilmente en contextos profesionales y de negocio.
Otras aplicaciones
En el último año ha habido numerosos análisis de IA que han sugerido distintas aplicaciones para las empresas. Por ejemplo, el proyecto de la gestora de fondos americana Bridgewater Associates para desarrollar software que automatice las partes claves de la operación de la empresa, incluyendo reclutamiento y otras decisiones estratégicas. También el bufete de abogados Baker & Hostetler anunció que está empleando ROSS, un sistema inteligente que incorpora machine learning para realizar búsquedas legales.
Algunos ejemplos fuera del sector jurídico podrían ser el anuncio de KPMG Australia para asociarse con IBM Watson y automatizar algunas funciones de auditoría. Aunque estos anuncios tienen un gran componente mediático, es evidente que la IA está empezando a tener un impacto significativo en las funciones del negocio que son más sistemáticas y rutinarias.
La discusión sobre el impacto de la automatización y la IA en el mercado de trabajo a menudo parte del supuesto de que la tecnología reemplazará a los roles, funciones y tareas actuales, particularmente aquellos que son más rutinarios o mecánicos. Un claro ejemplo pueden ser las cajas de supermercado (Amazon Go): una función crítica de la organización (la salida y pago de los productos) se delega en una tecnología ampliamente autónoma y automatizada, se libera así tiempo del personal para que haga frente a situaciones y tareas más complejas o, directamente, se genera un exceso de personal.
A todos los efectos, la tecnología se integra en los procesos existentes y libera costos de personal. No solo eso, sino que a través de la automatización la tienda recopila todo tipo de información sobre el cliente, desde hábitos de compra hasta cuánto tiempo pasa en la tienda o en cada zona del supermercado.
El desafío no es reemplazar los roles profesionales, sino alterar su identidad
Tecnología transformadora
Así es como la tecnología se está desplegando en determinados contextos experimentales. Sin embargo, no es el modo correcto de pensar en cuanto al impacto emergente y las oportunidades futuras de estas tecnologías. Si bien la primera aplicación se centra en reproducir las funciones existentes (búsqueda legal, información financiera…) es a través de la alteración de estas fórmulas o funciones donde la IA tiene verdadero sentido. Es decir, y siguiendo el ejemplo de Amazon, el uso por parte de Amazon de técnicas de IA —tanto en su motor de recomendación como en el asistente personal de Alexa o en su proceso logístico— ha tenido un impacto más significativo en la forma en la que compramos que la mera automatización de sus cajeros.
El hecho de que los roles profesionales sean automatizados no parece ser lo que representa un desafío futuro para el trabajo profesional. Se trata más bien de que la tecnología transforme los contextos, en la medida en que esos roles ya no tienen el mismo significado o valor que una vez tuvieron. Es decir, los abogados y los médicos no pueden ser reemplazados por robots, pero también es previsible que la demanda de este tipo de servicios cambie a medida que la tecnología permita a sus clientes cubrir sus necesidades de formas distintas.
En general, el mayor desafío que puede plantear la IA en las próximas décadas no es reemplazar los roles profesionales, sino más bien alterar la identidad de los mismos. Sin embargo, estos cambios son a largo plazo y, aunque la IA y el aprendizaje automático plantean desafíos para el futuro laboral, también presentan grandes oportunidades en cuanto a trabajar de nuevas formas.
El reto para la profesión en el futuro inmediato es repensar las maneras en que explora y complementa las nuevas herramientas tecnológicas, haciendo especial hincapié en las habilidades “blandas” para cubrir todo el espectro del rol profesional del futuro.