Doxa 1830

Cómo GenAI podría acelerar el aprendizaje y el desarrollo de los empleados

Por Chrysanthos Dellarocas

Desarrollo de Empleados

Harvard Business Review

#Doca #GenAI #aprendizaje #empleado #desarrollo #entrenamiento #simulación #habilidades #enfoque

Resumen. En una etapa incipiente, la IA generativa promete tener un gran impacto en el aprendizaje y el desarrollo. Personalizará las vías de aprendizaje, actualizará continuamente los materiales, creará simulaciones de entrenamiento variadas y muy realistas, identificará y abordará las brechas de habilidades y ofrecerá comentarios más interactivos y receptivos que los enfoques convencionales.

En nuestra era impulsada por la IA, la recalificación es un objetivo estratégico crítico para cada organización. Sin embargo, los métodos tradicionales de aprendizaje y desarrollo a menudo no son suficientes, ya que son costosos, ineficaces e incapaces de mantenerse al día con los requisitos de habilidades que cambian rápidamente.

El auge de la IA generativa ofrece oportunidades transformadoras para revolucionar y personalizar las experiencias de aprendizaje. Este artículo profundiza en algunos usos emergentes de la IA generativa en el aprendizaje y el desarrollo, a la vez que aborda los desafíos y ofrece orientación a los líderes que navegan por este ámbito.

Cómo la IA generativa cambia las reglas del juego

El papel de la IA generativa en el aprendizaje y el desarrollo está en una fase incipiente, pero está a punto de tener un impacto significativo debido a la convergencia de los avances tecnológicos y la innovación empresarial.

Vías de aprendizaje personalizadas

Los métodos actuales de aprendizaje y desarrollo suelen adoptar un enfoque generalizado y ofrecen un contenido uniforme que no tiene en cuenta las necesidades, los objetivos y las habilidades de aprendizaje individuales. Por el contrario, las plataformas de IA generativa, como Sana Labs, utilizan datos detallados de los alumnos para evaluar las competencias y los estilos de aprendizaje. Este enfoque basado en los datos permite crear o recomendar contenido de aprendizaje personalizado.

Por ejemplo, los profesionales de ventas pueden recibir módulos interactivos centrados en técnicas de comunicación avanzadas y adaptados a su historial laboral, ritmo de aprendizaje y estilo específicos, mientras que los ingenieros de software pueden recibir desafíos de codificación personalizados en función de su nivel individual de dominio de los diferentes lenguajes de programación. Este enfoque de aprendizaje personalizado se alinea estrechamente con los perfiles de los alumnos y las trayectorias profesionales de las personas y aumenta el compromiso, la eficacia y la retención.

Evolución continua del contenido

La naturaleza dinámica de las industrias actuales a menudo lleva a que los materiales de aprendizaje y desarrollo queden anticuados rápidamente, lo que requiere actualizaciones que consumen muchos recursos. Las tecnologías de IA generativa, como la GPT de Einstein de Salesforce, están diseñadas para actualizar y adaptar continuamente los materiales de formación.

Por ejemplo, en un programa de formación jurídica, la IA podría integrar los últimos cambios normativos y jurisprudenciales para garantizar que los profesionales del derecho estén al tanto de las prácticas actuales. Del mismo modo, en un campo en rápida evolución, como el marketing digital, el contenido de los cursos podría ajustarse de forma dinámica para incluir las últimas tendencias en algoritmos de redes sociales y comportamiento de los consumidores en línea. Este proceso garantiza que los alumnos tengan siempre acceso al contenido más actual y relevante, lo que fomenta un entorno de aprendizaje continuo y adaptabilidad.

Escenarios de simulación inmersiva

Las simulaciones de entrenamiento suelen carecer de variedad y realismo y, por lo general, reutilizan escenarios predeterminados. Sin embargo, la IA generativa puede crear simulaciones de entrenamiento variadas y muy realistas que respondan de forma dinámica a las decisiones de los usuarios. Esta función es especialmente beneficiosa en profesiones de alto riesgo, como operaciones militares o respuesta de emergencia.

Por ejemplo, los escenarios generados por la IA para el entrenamiento militar podrían abarcar una variedad de entornos y situaciones tácticas, lo que permitiría a los soldados estar expuestos a diversas condiciones de combate. En la formación médica, las simulaciones podrían replicar casos médicos raros y complejos, lo que permitiría a los profesionales de la salud practicar sus habilidades de diagnóstico y tratamiento en un entorno sin riesgos. Estas simulaciones facilitan el aprendizaje experiencial y mejoran la capacidad de toma de decisiones y el conocimiento de la situación en escenarios reales complejos y a menudo impredecibles.

Abordar las brechas de habilidades

Los enfoques tradicionales para identificar y abordar las brechas de habilidades suelen basarse en evaluaciones periódicas del desempeño, lo que puede provocar retrasos en las intervenciones necesarias. Las herramientas de IA generativa, como Workera, ofrecen una solución más dinámica al analizar continuamente las interacciones y el rendimiento de los usuarios para identificar y abordar rápidamente las brechas de habilidades.

Por ejemplo, al analizar el registro de uso de un sistema de control de versiones, la IA podría identificar la necesidad de un equipo de ingeniería de software de conocimientos avanzados sobre ese sistema y sugerir automáticamente los módulos de formación pertinentes. Del mismo modo, al analizar los datos de los resultados de los proyectos, la IA podría detectar la necesidad de mejorar las habilidades de gestión de proyectos y recomendar capacitaciones o simulaciones específicas. Este aprendizaje justo a tiempo puede, además, ser integrado en los flujos de trabajo diarios, garantizando un desarrollo integral, oportuno y continuo de las habilidades.

Mentoría y comentarios

Los métodos convencionales de aprendizaje y desarrollo suelen carecer de mecanismos de retroalimentación en tiempo real, que puedan ampliar la curva de aprendizaje de los alumnos. Las soluciones de IA generativa, como el asistente de aprendizaje virtual de Cognii y el nivel de suscripción DuoLingo Max de DuoLingo, ofrecen un enfoque más interactivo y receptivo. Estos sistemas de IA simulan las interacciones con los mentores, proporcionan comentarios instantáneos, responden a las consultas y ayudan a resolver problemas.

Por ejemplo, en el aprendizaje de idiomas, el usuario puede recibir correcciones y sugerencias instantáneas para mejorar el uso de la gramática y el vocabulario y, posteriormente, entablar una conversación con el mentor de la IA para solicitar aclaraciones y ejercicios de práctica adicionales. En los campos técnicos, los alumnos pueden recibir orientación paso a paso a través de procesos complejos, contactar con mentores de IA para hacer preguntas y recibir consejos e información personalizados en cada paso. Este enfoque hace que el proceso de aprendizaje no solo sea más atractivo, sino que también es significativamente más eficaz, ya que imita de cerca los beneficios de la tutoría individual.

Desafíos y consideraciones

A pesar del importante potencial de la IA generativa en el aprendizaje y el desarrollo, hay que abordar varios desafíos y consideraciones. En primer plano está la cuestión de la privacidad de los datos. Esta preocupación no es trivial, teniendo en cuenta la naturaleza confidencial de los datos en los que se basan estos sistemas, que pueden incluir los indicadores de desempeño de los empleados, las preferencias de aprendizaje e incluso las características personales. Garantizar el cumplimiento de la normativa de protección de datos, como la de la Unión Europea Reglamento general de protección de datos (GDPR) y mantener la transparencia en el uso de los datos es fundamental para mantener la confianza de los usuarios y protegerse contra las infracciones de privacidad.

Las tecnologías de IA actuales no son inmunes a producir errores o resultados inexactos. Esto podría resultar en programas de formación irrelevantes o engañosos, lo que podría perjudicar la experiencia de aprendizaje en lugar de mejorarla. El monitoreo y la validación continuos de los resultados de la IA, aumentados por mecanismos de retroalimentación en los que los alumnos puedan informar de discrepancias o confusiones, son esenciales para garantizar la calidad del contenido de la formación que se imparte.

Quizás una de las preocupaciones más importantes sea el riesgo de perpetuar los sesgos presentes en los datos existentes. Por ejemplo, si un sistema de IA se basa en datos que representan predominantemente a un grupo demográfico determinado, puede desarrollar vías de aprendizaje que se sesguen inadvertidamente hacia ese grupo y, potencialmente, marginen a otros. Este tema es particularmente pertinente en las organizaciones mundiales, donde la diversidad cultural es una consideración clave.

Las organizaciones que se aventuran a utilizar la IA generativa en el aprendizaje y el desarrollo deben afrontar estos desafíos con un profundo sentido de la responsabilidad que exige no solo el cumplimiento de las normas legales, sino también el compromiso con la diligencia y la adaptabilidad continuas ante la evolución del panorama tecnológico. Esto podría implicar crear comités de ética, invertir en programas de alfabetización y sensibilización sobre la IA y establecer directrices y procesos claros para la gobernanza de la IA.

La IA generativa marca un punto de inflexión en el aprendizaje y el desarrollo, ya que ofrece personalización, adaptabilidad en tiempo real y experiencias de aprendizaje inmersivas. Su aplicación, aunque se encuentra en sus primeras etapas, tiene el potencial de abordar muchas de las limitaciones de los métodos tradicionales. A medida que la tecnología madura, presenta una importante oportunidad para que las organizaciones transformen sus estrategias de aprendizaje y desarrollo, haciéndolas más eficaces, eficientes y alineadas con el panorama de habilidades que cambia rápidamente. Al adoptar estas tecnologías de manera cuidadosa y ética, los líderes pueden ofrecer oportunidades sin precedentes de crecimiento e innovación en el ámbito del aprendizaje y el desarrollo humanos.

Lea más sobre Desarrollo de empleados o temas relacionados Desarrollo de liderazgo e IA y aprendizaje automático

Chrysanthos Dellarocas es rector asociado de innovación y aprendizaje digital de la Universidad de Boston y profesor Shipley de Sistemas de Información en la Escuela de Negocios Questrom de la BU. @cdellarocas