Mi nuevo compañero de trabajo será un robot
Se está lejos de que la IA pueda reemplazar a los humanos, pero muy cerca de que sean compañeros de trabajo
Las máquinas automatizarán ciertas tareas, pero en otras la aportación humana será más valiosa
La inteligencia artificial (IA), y en especial el machine learning (aprendizaje automático), ha vivido en el último año grandes avances que han permitido acelerar la automatización de muchas tareas y sugieren que, en poco tiempo, se producirán grandes y rápidos cambios en el mundo laboral.
Las máquinas no pueden hacer toda la gama de tareas que hacen las personas, pero sí son ya capaces de resolver algunas partes de su trabajo de forma más rápida, precisa, efectiva y barata, de manera que se está lejos de que los robots puedan reemplazar a los humanos pero muy cerca de que se conviertan en compañeros de trabajo y provoquen cambios muy profundos y disruptivos en la forma de trabajar y de desempeñar las profesiones. Porque, como deja claro el informe sobre el estado actual del machine learning que han publicado a finales de diciembre en Science el director del MIT para iniciativas de negocio digital, Erik Brynjolfsson, y el fundador del departamento de Machine Learning en la Universidad Carnegie Mellon, Tom Mitchell, esta tecnología tiene implicaciones no sólo en los trabajos más repetitivos o que requieren menor cualificación, sino también en el desempeño de profesiones especializadas y creativas, desde el diseño hasta la abogacía pasando por la medicina o la composición musical. “Los trabajos generalmente consisten en una serie de tareas distintas pero interrelacionadas; probablemente en muchos casos sólo algunas de estas tareas sean adecuadas para el machine learning, pero no son necesariamente las que serían fáciles de automatizar con tecnologías anteriores”, escriben.
Y detallan que los sistemas de aprendizaje automático funcionan bien cuando se trata de trabajar con grandes volúmenes de datos de entrenamiento y el big data, cuando se pueden fijar claramente los objetivos, las metas y métricas de una tarea, cuando el trabajo no exige largas cadenas de razonamiento sino asociaciones empíricas de datos, cuando no hace falta detallar cómo se toman las decisiones, cuando la función a realizar no cambia rápidamente en el tiempo, no requiere movilidad ni habilidades físicas, y cuando la tarea permite cierta tolerancia al error, no siendo exigible el 100% de precisión.
A modo de ejemplo explican que una máquina no puede sustituir a un abogado en todas sus funciones, pero sí se puede entrenar un sistema para que clasifique los documentos potencialmente relevantes para un caso, la jurisprudencia previa, etcétera. Reconocen que sería más difícil que un sistema automático realizara las entrevistas a testigos o desarrollara la estrategia para ganar un caso, así que esas tareas seguirían en manos de humanos.
Algo parecido ocurre en el ámbito médico. Hay algoritmos que pueden diagnosticar a partir de imágenes de rayos X, tomografías o resonancias magnéticas con mayor precisión que los radiólogos, pero no pueden reemplazar a estos a la
hora de interactuar con otros médicos para decidir tratamientos, comunicarse con los pacientes o tranquilizarlos. Ello no quiere decir que las máquinas no vayan a asumir tareas que requieran interacción con personas, inteligencia emocional o creatividad. Las empresas ya están usando machine learning para interpretar las emociones, el tono o el estrés y anticipar el comportamiento del interlocutor en las llamadas que reciben. Y hay programas de diseño capaces de crear objetos que cumplan los requisitos de peso, resistencia, velocidad, etcétera de forma más efectiva que cualquiera de los diseñados por humanos.
Pero que trabajos cualificados vayan a poder ser automatizados no quiere decir que las máquinas vayan a reemplazar a las personas. “Por eficientes que sean los softwares resolviendo una tarea, quien los tendrá que definir, afinar y supervisar será la persona”, opina el director del Instituto de Investigación en Inteligencia Artificial del CSIC, Ramón López de Mántaras.
Brynjolfsson y Mitchell escriben en Science que, a medida que las máquinas automaticen algunas funciones, las tareas restantes, las no susceptibles de ser realizadas por inteligencia artificial, “pueden volverse más valiosas” y abrir nuevas oportunidades económicas para las personas. En otros casos, el trabajo de las máquinas aumentará las capacidades humanas y posibilitará productos, servicios y procesos completamente nuevos, que desconocemos, de modo que la demanda de mano de obra, incluso en trabajos parcialmente automatizados, quizá no se reduzca y acabe aumentando. “Lo que hay que hacer es poner a máquinas y humanos juntos, a trabajar colaborativamente, porque es la fórmula más eficaz”, sostiene López de Mántaras.
Son muchos los expertos que defienden este enfoque de human in
the loop o inteligencia artificial con interacción humana, también conocida como “aprendiz de aprendizaje”. Propugnan que si el programa de IA actúa como aprendiz para ayudar al trabajador humano, este mejorará su labor y al mismo tiempo la máquina aprenderá de las decisiones que adopte, las capturará como entrenamiento adicional, y podrá aprender y extraer conclusiones de los datos combinados de las múltiples personas a las que ayude. Por otra parte, si la máquina dispone de datos independientes y externos al conocimiento de la persona puede ayudar a esta a mejorar sus decisiones y su desempeño. Ponen como ejemplo el diagnóstico de cáncer de piel a partir de imágenes dermatológicas: si el médico cuenta con un programa entrenado con los resultados de biopsias posteriores a las imágenes podrá lograr diagnósticos más precisos.
Pero más allá de su eficacia, lo que tienen claro los expertos es que la incorporación de sistemas de machine learning tendrá efectos laborales y económicos muy notables: en las tareas donde puedan reemplazar a las personas caerá la demanda de trabajadores y se reducirá el coste; y allí donde la automatización de funciones sea parcial se requerirán nuevas habilidades y cambios en los procesos organizativos, de producción, en el modelo de negocio, en las cadenas de suministro o incluso en las normativas reguladoras, así que quizá se desencadenen también innovaciones empresariales y económicas.
Por eficientes que sean los softwares, quien los tendrá que definir, afinar y supervisar será la persona
La incorporación de sistemas de aprendizaje automático va a tener efectos laborales y económicos relevantes