Doxa 2269

Recalculando los costos y beneficios de la IA de generación anterior 

Por Mark Mortensen

IA generativa

Harvard Business Review

#Doxa #costos #beneficios #IA #generativa #organización #empleado #valor #resultado #fuente #líder #preguntas #crean #generación #evaluación #objetiva #holística

Resumen. La IA de Generación tiene el potencial de generar un enorme valor para las organizaciones y sus empleados. Sin embargo, al centrarnos en el valor de los resultados que genera la IA, solemos no pensar mucho en otras fuentes de valor. Rara vez nos preguntamos: ¿ En qué¿Cómo crea cada actividad un valor verdadero y único? Es hora de que los líderes analicen sus organizaciones con detenimiento y se hagan esta pregunta para no destruir más valor del que crean al adoptar la IA de última generación. Una auditoría del valor de la IA puede ayudar a los líderes a realizar una evaluación objetiva y holística de los beneficios y los costos.

Miremos donde miremos, nos rodean mensajes sobre el profundo impacto de la IA generativa. Un flujo constante de artículos describe cómo las organizaciones pueden aumentar la velocidad y la escala del trabajo o automatizar y optimizar procesos, mientras que nuestras bandejas de entrada y redes sociales se ven inundadas de listas de las "10 mejores herramientas de IA" que prometen aumentar nuestra eficiencia individual y liberarnos de tareas rutinarias.

Dejemos algo claro: la IA de Generación puede ayudarnos a producir un mayor volumen de producción, con mayor rapidez y con menos esfuerzo humano. Quien lo niegue, en realidad, está en negación.

Sin embargo, al centrarnos en el valor de los resultados que genera la IA, solemos no pensar mucho en otras fuentes de valor, como lo que aprendemos y cómo construimos relaciones. Rara vez nos preguntamos: ¿De qué manera cada actividad que realizamos genera un valor verdadero y único? Es hora de que los líderes analicen sus organizaciones con detenimiento y se hagan esta pregunta para no destruir más valor del que crean al adoptar la IA de última generación.

De dónde viene el valor

Por mucho que me gustaría escribir artículos como se decía que Mozart compuso sinfonías —con palabras que se derramaban en la página, pensamientos completamente formados, sin correcciones a la vista—, eso nunca ha sido así. Escribir este artículo implicó numerosos comienzos en falso, múltiples esquemas (contradictorios), alejarme del ordenador con frecuencia, frustrado, y un documento de "borradores" mucho más largo que el artículo final. Por curiosidad, introduje algunas indicaciones en una herramienta de inteligencia artificial gen para crear un borrador y obtuve algo coherente en aproximadamente 10 segundos.

Empecemos por lo obvio: la IA de Generación tiene el potencial de generar un enorme valor para las organizaciones y sus empleados. Al automatizar tareas complejas o rutinarias, puede utilizarse para aumentar la eficiencia y liberar recursos para aplicaciones más valiosas. Su capacidad computacional puede mejorar la calidad de las decisiones mediante el análisis de datos y acelerar procesos como la innovación mediante el modelado, la prueba y el perfeccionamiento de nuevas ideas, todo a una escala y velocidad que superan con creces a los humanos. Al utilizarse como herramienta para la lluvia de ideas, puede sembrar nuestros procesos creativos con una cantidad aparentemente infinita de material fuente.

Los líderes deben tener presentes estos beneficios desde el principio, ya que todos contribuyen a mejorar la calidad y la eficiencia del trabajo realizado. Pero ¿qué podríamos estar perdiendo al externalizar una tarea a la IA? O dicho de otro modo: ¿de dónde más proviene el valor? Aquí hay cinco áreas clave a considerar.

Adquirir conocimientos y perspectivas

Nuestros procesos de trabajo a menudo nos proporcionan conocimiento y comprensión que van más allá de la tarea en la que trabajamos. La dificultad para encontrar una palabra en un idioma extranjero suele fijarla en nuestro cerebro para recordarla en el futuro; las soluciones descartadas a un problema técnico complejo pueden convertirse en soluciones a otros problemas relacionados o en innovaciones inesperadas por sí mismas (como fue el caso del descubrimiento de la penicilina, la Coca-Cola y los detectores de humo ); y el proceso de resumir y sintetizar información nos ayuda a reconocer conexiones conceptuales.

Pedirle a la IA general que traduzca, resuelva problemas o resuma documentos sin duda producirá resultados más rápidos y, en algunos casos, más precisos con menos esfuerzo; sin embargo, al hacerlo, perdemos el aprendizaje que de otro modo habríamos adquirido. Considere esta cita atribuida al filósofo confuciano Xun Kuang: «Dime y lo olvido. Enséñame y lo recuerdo. Involúcrame y lo aprendo».

Perfeccionamiento de habilidades

En estrecha relación con esto, hay una razón por la que se dice que "la práctica hace al maestro": mejoramos nuestras habilidades con la práctica. Redactar y revisar un informe mejora nuestras habilidades editoriales, buscar errores en nuestro código nos hace mejores programadores, y criticar el bloqueo del escritor fomenta nuestra perseverancia como escritores. Paralelamente al aprendizaje, pedirle a la IA general que revise un documento, redacte o encuentre errores en el código, o genere una colección de párrafos entre los que elegir, nos brinda el beneficio a corto plazo de una solución, pero supone riesgos para las mejoras a largo plazo en nuestras capacidades.

Mantener los lazos sociales

Tradicionalmente, la mayor parte del trabajo se ha realizado de forma colectiva, con grupos de personas que aportan la capacidad intelectual necesaria para encontrar soluciones a problemas particularmente complejos. El enorme aumento de la capacidad computacional que proporciona la IA general nos permite resolver individualmente muchos de los problemas para los que, de otro modo, requeriríamos la intervención de otros, lo que a su vez implica menos interacciones interpersonales.

Es importante reconocer que estas interacciones sirven como base para la comprensión mutua, un sentido de conexión y comunidad, y en última instancia, la confianza; todo lo cual tiene un impacto significativo en la capacidad de las organizaciones para cumplir con sus obligaciones. Además, las investigaciones sugieren que estos cambios de comportamiento también podrían estar reduciendo nuestro bienestar personal al hacernos más aislados y solitarios.

Interactuando con ideas

El compromiso, definido como la presencia psicológica al desempeñar una función, ofrece una amplia gama de beneficios, desde una mejor calidad y eficiencia en los resultados hasta el bienestar y la satisfacción individual. Sin embargo, nadie está completamente comprometido con todo lo que hace el 100% del tiempo, y el uso de la IA general puede influir en ello.

Tomemos como ejemplo el resumen, una tarea en la que la IA general destaca al extraer temas de grandes volúmenes de datos mucho más rápido que cualquier humano. Ya sea que los datos que se resumen sean un informe extenso o la transcripción de una reunión, cuando externalizamos esa tarea a la IA general, a menudo damos un paso atrás mental y reducimos nuestro compromiso. El resumen humano es un proceso activo ; no nos limitamos a capturar datos, sino que enmarcamos, interpretamos y desarrollamos las ideas. Ese proceso nos conecta con el trabajo y aumenta nuestro compromiso. Si bien es fácil decir: "Pero volveré y agregaré mis comentarios o ampliaré los argumentos más tarde", pregúntese: ¿con qué frecuencia realmente lo hace? Todos estamos ocupados, y es demasiado fácil mirar y decir: "Sí, creo que esto es lo suficientemente bueno", sin involucrarse lo suficiente como para reconocer lo que falta.

Manteniendo la singularidad

Abra cualquier publicación de gestión o sección de negocios de un periódico y no tendrá que buscar mucho para encontrar artículos sobre diferentes estilos de liderazgo. Y con razón, ya que tener el estilo de liderazgo adecuado para una situación determinada puede marcar una gran diferencia en los resultados.

Somos producto de nuestras experiencias, y el trabajo que realizamos contribuye a nuestra identidad como líderes. Nuestro tono en los documentos escritos, nuestra forma de comunicarnos, nuestro estilo en las presentaciones e incluso nuestra forma de resolver problemas son rasgos identificables que nos distinguen. Si bien usar la IA para generar automáticamente correos electrónicos, memorandos o presentaciones puede ahorrar tiempo a los líderes y obtener mejores resultados técnicos, al hacerlo se elimina el tono y la voz personales que los hacen únicos.

Yendo un paso más allá, es importante recordar que los LLM son tecnologías fundamentalmente convergentes. Cuando un líder solicita a la IA general que redacte algo, esta devuelve una respuesta que se ajusta y coincide con toda la información relevante de los datos con los que fue entrenada. Esto significa que todos los líderes que hagan preguntas similares sobre el mismo LLM obtendrán respuestas similares, ya que se basan en las mismas suposiciones. (Este efecto puede magnificarse cuando esas respuestas se añaden a los datos de entrenamiento de futuros modelos).

Evaluando los costos y beneficios de la IA de generación anterior

Intentar sopesar beneficios como el aumento de la productividad o la eficiencia frente a costos como la pérdida de habilidades o la reducción del compromiso no es fácil; en lugar de comparar peras con manzanas, es más como comparar peras con aceite de motor. Sin embargo, es aún más complejo porque no todos los costos y beneficios se experimentan de la misma manera.

En nuestra investigación sobre la creación de una propuesta de valor integrada para los empleados, la profesora de HBS Amy Edmondson y yo identificamos dos dimensiones críticas que los líderes deben tener presentes al evaluar los efectos de las iniciativas organizacionales: el nivel (individual o colectivo) y el horizonte temporal (corto o largo plazo). Los líderes son responsables de los resultados tanto colectivos como individuales, y las decisiones sobre dónde y cómo integrar la IA genérica afectan a ambos. Por ejemplo, cuando se introduce la IA genérica para escribir código en un proyecto, puede aumentar la producción a nivel de proyecto, pero a costa del desarrollo individual de los miembros del equipo.

De igual manera, los líderes deben pensar no solo en qué herramientas y procesos benefician a sus empleados, equipos y la organización en el presente, sino también en cómo se verán reflejados en el futuro. Por ejemplo, usar IA de última generación para capturar y resumir reuniones puede ahorrar tiempo en el presente, pero generar desconexión en el futuro. Por lo tanto, los líderes también deben considerar cómo sopesar los beneficios actuales con los costos futuros, algo en lo que los humanos somos notoriamente malos.

Cómo realizar una auditoría de valor de IA

La IA de última generación ha llegado para quedarse y sus beneficios son innegables, pero las posibles desventajas exigen que los líderes sean conscientes de su uso. Al igual que cualquier otra decisión gerencial importante, esto requiere una evaluación objetiva y holística de los beneficios y los costos. Los líderes deben realizar una auditoría del valor de la IA. A continuación, se explica cómo:

Paso 1: Determinar los tipos de valor más relevantes para una tarea determinada que pueda implementarse con IA.

Empieza por preguntarte qué tipo de valor genera la tarea. Los resultados, como el volumen, la velocidad, la calidad y la eficiencia, son obvios, pero también considera cuánto aprendizaje genera, cuánto fomenta la interacción y las relaciones sociales, y si se beneficia de una voz única o personal. Esta lista no es exhaustiva, pero es un buen punto de partida. No tiene por qué ser un proceso complejo; podría ser tan simple como una lista de verificación con notas adhesivas. Simplemente asegúrate de reflexionar sobre estos aspectos y pensar más allá del simple resultado.

Paso 2: Prioriza y optimiza los tipos que has identificado.

No todas las tareas deben aportar todo tipo de valor, ni todos los proyectos son igualmente eficaces para proporcionarlo. Céntrese en dónde los beneficios son mayores y más necesarios. Por ejemplo, usar IA genérica para resumir reuniones puede aumentar la eficiencia, pero reducir la conexión y la participación. Considere automatizar notas solo para reuniones de bajo impacto o alternar entre IA y toma de notas en vivo. Considere también cómo se integran las tareas en el ecosistema y la red social en general. Si usa IA genérica para reemplazar una reunión de lluvia de ideas, por ejemplo, busque otras oportunidades para que las personas establezcan vínculos.

Paso 3: Iterar.

Reconozca que aún no comprendemos del todo el impacto de la IA genérica. Además, cada organización, industria y equipo es diferente, y el contexto importa. Utilice lo que llamo la "prueba de la leche": toda decisión sobre el uso de la IA genérica debería tener fecha de caducidad. Al igual que al revisar la leche, reevalúe cuando lleguen los datos; no los descarte automáticamente, sino que ólfelos. Piense como un científico: formule una hipótesis, pruébela, recopile datos y llegue a conclusiones empíricamente fundamentadas. Esta es la mejor manera de garantizar que sus decisiones sean adaptativas, ya que puede ajustarlas si descubre que su priorización ya no es óptima.

...

Un último punto: La decisión de usar IA genérica no recae únicamente (quizás ni siquiera principalmente) en los líderes. Estas herramientas son económicas, accesibles y ampliamente disponibles, por lo que sus empleados ya toman sus propias decisiones sobre cuándo y cómo usarlas, con o sin orientación. Como dice el dicho, "Lo que se mide, se hace". Si sus KPI y otras métricas se centran únicamente en el rendimiento y la velocidad, está incentivando a los empleados a externalizar la IA genérica tanto como sea posible. Si eso es todo lo que importa, y en algunos casos lo es, no hay problema. Sin embargo, si no lo es, analice qué está recompensando y considere opciones que promuevan comportamientos que puedan estar en riesgo, como la colaboración o el aprendizaje.

Finalmente, hable con su equipo sobre la IA general y el valor que genera, así como los riesgos que conlleva. Asegurarse de que conozcan sus ventajas y desventajas reducirá la probabilidad de que tomen decisiones que no beneficien ni a ellos ni a la organización.

Lea más sobre IA generativa o temas relacionados Desarrollo de empleados y Psicología y neurociencia

Mark Mortensen es profesor de comportamiento organizacional en INSEAD y lleva más de 20 años estudiando y asesorando sobre colaboración y diseño organizacional, con especial atención al trabajo híbrido, virtual y globalmente distribuido. Mark publica regularmente en Harvard Business Review, MIT Sloan Management Review e INSEAD Knowledge, y es un colaborador habitual de medios de comunicación populares como la BBC, The Economist, Financial Times y Fortune.