Doxa 2552

Para prosperar junto con la IA, concéntrese en la mentalidad, no en las habilidades

Muchos líderes se están haciendo la pregunta equivocada cuando se trata de la adopción de la IA

Por Marco Argenti

IA generativa

Harvard Business Review

#Doxa #IA #InteligenciaArtificial #Mentalidad #Liderazgo #Innovación #AdopciónTecnológica #TransformaciónDigital #Estrategia #FuturoDelTrabajo #Mindset #Tecnología #CambioCultural #VisiónEmpresarial #AprendizajeContinuo #LiderazgoDigital

Resumen. «¿Cuál es ese 10 % de mi trabajo en el que debería centrarme, aquello que la IA nunca podrá hacer para mantener una ventaja competitiva?» En una época de cambios radicales, es una pregunta razonable. Pero piense en un jinete experimentado que reflexionasobre las habilidades que necesitas para conducir un coche. ¿Cuál es ese 10% de las habilidades de equitación que debería conservar? probablemente ninguna. ¿Cuál es el 100% de las habilidades que debería adaptarse para convertirse en un gran director? Sus reflejos e instintos. El nuevo reto no consiste solo en optimizar, sino en replantearnos nuestras funciones y nuestras empresas. No se limite a reciclarse, reimaginar las habilidades y crear nuevos hábitos.

Recientemente, uno de nuestros altos ejecutivos del sector bancario me planteó una pregunta: «Dado que las IA están adquiriendo cada vez más capacidades a una velocidad increíble, ¿en qué 10 % de mi trabajo debería centrarse, que la IA nunca podrá realizar, para mantener una ventaja competitiva?».

En muchos sentidos, es una pregunta válida. En los últimos años, la IA ha pasado de ser bastante buena en tareas sencillas y pésima en tareas complejas a ser excelente en tareas sencillas y bastante buena en tareas complejas, lo que significa que, de hecho, puede resultar muy útil en la vida real.

Una prueba de rendimiento de OpenAI denominada «GDPval» comparó el rendimiento de los modelos autónomos con el de los seres humanos en 44 profesiones y 1 320 tareas, a repartido los nueve sectores principales que contribuyen al PIB de Estados Unidos. Se constató que los agentes basados ​​en modelos de última generación (en el momento de redactar este artículo) obtuvieron resultados iguales o superiores a los de los seres humanos en el 80 % de los casos. Hace seis meses, esa cifra rondaba el 50 %. De cara al futuro, parece destinado a aumentar.

Esto plantea un problema evidente tanto para las empresas como para los trabajadores: significa que muchas de las habilidades que hemos desarrollado a lo largo de nuestra carrera profesional podrían ser desempeñadas en breve por agentes de inteligencia artificial. Dada la incertidumbre sobre lo que nos depara el futuro, es natural que las personas busquen un terreno firme en el que apoyarse y se aferren a sus hábitos más familiares. Dado que nuestra experiencia y nuestros conocimientos especializados son, con frecuencia, lo que nos ha permitido ascender en nuestros campos, puede resultar aterrador imaginar una realidad en la que todo eso desaparece de la noche a la mañana.

Lo que le dije al banquero le sorprendió: «Deje atrás ese 10 %. Tenga el valor de dejar que sus viejos hábitos mueran, para que pueda resurgir profesionalmente como un nuevo 100 %, aunque no se parezca en nada a lo que aprendió antes».

No todas las profesiones generarán disrupción de la misma manera ni en el mismo plazo. Sin embargo, si usted trabaja en una de las profesiones que el informe de GDPval identificó como las más propensas a generar disrupción —desarrolladores, abogados y administradores de fincas, por citar algunas—, la cuestión de cómo adaptarse es urgente. Es hora de mostrarse curioso, tener una mentalidad abierta y estar dispuesto a abandonar incluso los hábitos profesionales más exitosos, al tiempo que se conservan las cualidades humanas que no cambiarán, como su instinto, su criterio y sus valores.

La IA ha avanzado mucho en el último año

En el último año, la IA generativa ha pasado de ser una tecnología basada en chatbots —que resultaban útiles de forma muy similar a la búsqueda en Google, es decir, ahorrando tiempo a los usuarios pero sin cambiar de forma fundamental nuestra manera de trabajar— a convertirse en una tecnología capaz de imitar el razonamiento humano, elaborar planos y tomar medidas. Cada vez es más posible delegar tareas a agentes de IA con una intervención humana mínima, como llevar a cabo investigaciones fundamentales sobre una empresa, crear un modelo de flujo de caja descontado, rellenar formularios o resolver casos sencillos de atención al cliente. A medida que los agentes de IA ganan terreno en las organizaciones, queda claro que están cambiando la forma de trabajo de las personas.

En el contexto empresarial, estos agentes pueden mejorar gracias a la interacción humana, así como a la retroalimentación procedente de los criterios de evaluación interna. Por ejemplo, los agentes de análisis de investigación pueden aprender cuáles son las fuentes de información más confiables, cómo valorarlas en el contexto general, cómo aplicar las siglas y la jerga de la empresa y, lo que es más importante, cómo tomar microdecisiones sobre la marcha, de forma autónoma, ante la presencia de información contradictoria, de manera muy similar a como lo haría un empleado con experiencia.

Esta evolución exige un cambio de mentalidad por parte de los usuarios humanos. Requiere que confíen en estos agentes y aprendan, de forma selectiva, cuándo ceder el control, pasando de actuar como operadores a asumir un papel de supervisión. En el nivel más básico, esto exige un replanteamiento profundo de los propios hábitos.

En este contexto, mi consejo para el banquero fue que dejara de lado la necesidad de controlar directamente cada paso del proceso, como redactar cada una de las líneas del contenido de una presentación comercial. Ahora, su tarea consistía en centrarse en proporcionar instrucciones claras para que los agentes pudieran trabajar de forma más eficaz en pos de un objetivo, y en garantizar que se aplicarán los controles adecuados de manera sistemática y coherente, de modo que pudiera permitir que los agentes ejecutaran las tareas con seguridad en su nombre. De colaborador individual un supervisor y mentor.

Esto es el nuevo 100 %.

¿Por qué debería pensar en el criterio?

Consideramos la cuestión de qué habilidades deben conservar una persona para sobrevivir profesionalmente desde una perspectiva diferente: la de un jinete experimentado que aprende a conducir un coche. ¿Cuál es ese 10% de las habilidades de equitación que debería conservar para dominar la conducción? probablemente ninguna. ¿Cuál es ese 100% de habilidades que debería adaptarse para convertirse en un excelente director? Sus reflejos e instintos.

Los banqueros están acostumbrados a recibir numerosas preguntas de los clientes, a menudo de gran complejidad. Por ejemplo: ¿Cómo afectan los aranceles anunciados recientemente a las empresas de mi cartera y cómo puedo protegerme frente a este riesgo? Para dar una respuesta satisfactoria es necesario recabar información, validarla, diseñar una estrategia y, a continuación, comentarla con el cliente. Esto suele ocurrir unas horas o unos días después de que el cliente formule la pregunta —en t+1 o t+2, por utilizar la terminología propia de la liquidación de operaciones.

En el futuro, con los agentes trabajando en segundo plano, es posible que podamos responder a las preguntas en tiempo real, incluso antes de que el cliente las formule. Imagine que un banquero recibe por la mañana un correo electrónico informativo: estos son los acontecimientos críticos que han tenido lugar durante la noche, así es como pueden afectar a los siguientes clientes, y estas son algunas estrategias y puntos de debate posibles.

El valor agregado del banquero en este caso consiste en revisar las sugerencias, aplicar su criterio, debatir con su equipo y los agentes, y finalmente llamar al cliente antes incluso de que este se ponga en contacto con usted para plantearle la pregunta. Manejar una situación difícil con un cliente es como cuando un conductor experimentado se abre paso por una ruta de montaña con mal tiempo, aprovechando al máximo el control de tracción y la frenada asistida.

Cómo se traduce esto en la práctica

El nuevo reto no consiste solo en optimizar, sino en replantearnos nuestras funciones y nuestras empresas. No se limita a reciclarse, sino que reimagina las competencias y desarrolla nuevos hábitos. Considere una plantilla híbrida compuesta por agentes y personas como la nueva normalidad y reestructure su empresa en torno a esta premisa.

Esto requiere algunos ingredientes fundamentales:

Liderazgo

Dejar atrás los viejos hábitos no es algo que ocurra por sí solo. Requiere un liderazgo firme y un enfoque de arriba abajo que haga que las personas sean responsables del cambio.

Según mi experiencia, esta es la tarea más difícil de todas. Se trata de impulsar un cambio fundamental: una metamorfosis. Aplicar la IA para optimizar procesos antiguos —es decir, hacer más de lo mismo y hacerlo más rápido— puede suponer un alivio temporal, pero a la larga acabará fallando estrepitosamente. En la práctica, la gestión del cambio a tal escala exige que los líderes, al más alto nivel, se comprometan con un nivel de cambio que no sería posible sin una transformación radical de las formas de trabajo. Si desea que sus desarrolladores cambien de hábitos, pídales que sean tres veces más productivos, no un 20% más. Si quiere evitar que los candidatos hagan trampa en las entrevistas con la ayuda de la IA, plantee tareas tan difíciles que solo puedan resolverse mediante un dominio avanzado de la IA. Por ejemplo: crear un clon funcional de Excel en tres horas.

Si desea optimizar su proceso de «procure-to-pay», fíjese como objetivo reducir en un 90 % los puntos de intervención manual, no en un 20 %. Si logra alcanzar incluso la mitad de ese objetivo, sabrá que su equipo ha llevado a cabo, como mínimo, un replanteamiento radical, y no solo una optimización.

Claridad de los objetivos y los resultados.

Si no sabemos cómo es el resultado ideal, ni los seres humanos ni la IA sabrán cómo dar los pasos correctos hacia el éxito. Debemos centrarnos en las evaluaciones y los puntos de referencia.

La mayoría de las empresas conciben las tareas como una serie de acciones paso a paso. Las recogen en procedimientos operativos estándar. A continuación, se establecen controles sobre la base de dichos procedimientos. En la vida real, los procesos organizativos y la toma de decisiones se asemejan más al «problema de la papelera »: de algún modo caóticos, fortuitos y no lineales.

En Goldman Sachs, al aplicar la IA a procesos consolidados en toda la empresa, como la incorporación de clientes, nos centramos primero en definir qué se considera un buen resultado, basándonos en métricas de calidad de los procesos y en las decisiones tomadas por operadores experimentados; A continuación, creamos un conjunto de evaluaciones que comparan los resultados de la IA autónoma con los resultados deseados. Con los circuitos de retroalimentación adecuados, las IA se perfeccionan hasta que sus resultados coincidan con los deseados. Del mismo modo que le indicaría a su aplicación de mapas que le guiará hasta su destino por la ruta más rápida posible, evitando puentes, en lugar de indicarle cuántas veces debe girar a la izquierda o a la derecha, y le daría su opinión al final del trayecto. Se pasa de una ejecución de procesos paso a paso basada en reglas rígidas a sistemas agentes basados ​​en resultados que pueden tomar pequeñas decisiones por sí mismos, supervisados ​​por humanos en el bucle.

El dominio de sus propios datos

Los agentes no pueden operar sin contexto. Recurren a los chatbots. Los datos son el alma del contexto —la realidad de su organización— y el mapa de sus impulsores humanos y autónomos. Sin esta realidad, no puede haber una dirección clara.

Mi experiencia en este sentido es que la transformación hacia la IA viene tras la transformación de los datos, y no al revés. En muchas empresas, los datos se encuentran dispersos y asignados a múltiples ontologías inconexas (imagine los libros de una biblioteca organizados unos por autor, otros por tema y otros por número ISBN, todos mezclados al azar en las mismas estanterías), que además son redundantes y están obsoletos. La IA adolece del clásico problema de «si entran datos erróneos, salen resultados erróneos», ya que hace que los resultados erróneos parezcan plausibles.

Por ello, los responsables deben plantearse retrasar (un concepto muy impopular en la actualidad) la puesta en marcha de un proyecto de IA a gran escala, hasta que sus datos estén en orden. Esto puede llevar meses o incluso años, y el estado de preparación de los datos puede constituir un factor muy útil a la hora de decidir qué casos de uso priorizar para la transformación mediante IA.

...

¿Qué significa esto en términos de cambio de hábitos?

Resista la tentación de dar por sentados los resultados de la IA. Compruebe las fuentes, supervise y verifique los resultados, o aprenda a hacerlo si, hasta ahora, solo ha confiado en el producto de su propio trabajo. Un futuro proactivo requiere que todos se conviertan en una especie de gestores.

Esa es la moraleja de todo esto. El cambio personal resulta aún más difícil. Tener el valor de abandonar nuestros hábitos más arraigados y adoptar una identidad profesional nueva y plena en la que podamos prosperar es uno de los mayores retos a los que se enfrenta hoy en día cualquier persona que trabaje.

Lea más sobre IA generativa o temas relacionados Inteligencia artificial y aprendizaje automático, Tecnología y análisis, Análisis y ciencia de datos, Automatización e Informática empresarial

Marco Argenti es el Director de Información de Goldman Sachs.