La IA está revolucionando los puestos de trabajo asociados a tecnología y datos.
De la mano del concepto de IA la sociedad, la economía, las organizaciones y los individuos están experimentando transformaciones profundas en sus maneras de desenvolverse cuyas posibilidades solo empiezan a atisbarse. Las capacidades, a veces perturbadoras, que demuestra esta nueva tecnología son motivo de esperanza, pero también con frecuencia de temor a que una fuerza más poderosa que nosotros mismos acabe controlando nuestra existencia y hasta haciéndonos prescindibles. Para mantener a raya esos miedos, que en mayor o menor medida han acompañado siempre a las mayores innovaciones tecnológicas, nada mejor que desnudar la esencia de lo que hacen.
En 1956 , un grupo de investigadores de New Hampshire pusieron ya en marcha un ambicioso, y visionario, proyecto de IA: hacer que los ordenadores pensaran; que manejasen el lenguaje, los conceptos abstractos, que resolviesen problemas reservados a los humanos y que fueran capaz de mejorarse a sí mismos. El proyecto languideció, entre otras razones por la escasa capacidad de los ordenadores de entonces.
Posteriormente, en los años ochenta, los sistemas expertos reavivaron la expectativa de poder crear “máquinas pensantes” que tomasen decisiones en lugar de los humanos. Pero, para la mayoría de objetivos interesantes, requerían un esfuerzo inabarcable de codificación de las incontables situaciones posibles a las que la máquina debería enfrentarse y el gran proyecto de la IA volvió a hibernar.
Hasta que aproximadamente a partir de 2004, una disciplina denominada machine learning (aprendizaje de máquina), que entonces empezaba a competir con los modelos estadísticos de regresión para hacer predicciones (como las de ventas o las de de abandono de clientes) comenzó a tener resultados claramente mejores que estos. ¿La razón? Los ordenadores habían empezado a ser lo bastante potentes para permitir el uso eficiente de cantidades mucho mayores de datos.
Esta evolución de los ordenadores permitió al aprendizaje de máquina empezar a desplegar su potencial, basado en su capacidad de explorar ilimitadas combinaciones entre las variables explicativas. Desde entonces las capacidades de procesamiento y de almacenamiento de los ordenadores se han multiplicado en paralelo a la sofisticación y los éxitos de los nuevos modelos de predicción, cuyo máximo exponente son las llamadas redes neuronales de aprendizaje profundo (deep learning).
En pocos años, la nueva tecnología “de predicción” ha alcanzado logros extraordinarios, llegando a niveles de acierto cercanos al 100% en problemas que antes sólo admitían un 80% o menos. Supera así la capacidad humana de “acierto” en ámbitos en los que esta no tenía rival, como la identificación de imágenes o la destreza en juegos tan sofisticados como el ajedrez o el Alpha-Go.
Los nuevos modelos basados en datos se han extendido con éxito a todos los campos de la actividad humana, hasta el punto de que la ambición de las organizaciones más conscientes es estar orientadas por los datos (ser data driven). Las máquinas basadas en esta tecnología producen nuevos medicamentos, mantienen conversaciones, seleccionan, escriben y traducen textos complejos, conducen vehículos, componen música o pintan cuadros.
¿Cómo no considerar que esta nueva tecnología se merece cada una de las letras de la palabra “Inteligencia”, que es la semilla de esa poderosa Inteligencia General imaginada por algunos autores y llamada a desplazar a los humanos?
La espectacularidad de los logros no debe ocultar la relativa simplicidad de lo que hay detrás de la IA: un potente sistema de extracción de patrones a partir de una cantidad ingente de datos que permite predecir datos futuros, acertar datos actuales desconocidos o incluso generar “datos” alternativos (pensemos en el deep fake).
Es verdad que la precisión de los “aciertos” es tal que todos los procesos de toma de decisiones de una organización o de un individuo se ven potencialmente transformados de forma radical y a menudo pueden ser automatizados. Pero, a fin de cuentas, todo se basa en una herramienta que intenta extraer la máxima información relevante a partir de un conjunto de datos conocidos para generar “datos” que desconocemos.
La desmitificadora idea de que la IA no son más que “máquinas que aciertan mucho” a partir de los datos que se le proporcionan, además de facilitar su comprensión y la de sus capacidades transformadoras, puede también ayudarnos a tener más claros sus límites y de paso su previsible impacto sobre sus creadores, los humanos. Señalaré tres ideas.
La calidad de las predicciones dependerá de la calidad y abundancia de los datos existing. Therefore, human judgment will continue to be irreplaceable in novel contexts or with few or bad data, such as in the case of a business merger or any unusual phenomenon, in which new variables unknown to the model may come into play. El Human will only be replaceable in relatively stable contexts and with an abundance of data from which to draw guidelines.
What is important to get right and what is it for completely escapes the capabilities of the machine itself. Always You're going to need a human to set your preferences, determine the objectives that best satisfy them and monitor that the machine does what is expected of it. It is true that countless intermediate objectives can be automated and largely left in the hands of the machines themselves for some time, but the general purpose and its coherence with all decision-making processes they must be constantly defined and supervised by individuals.
The third idea concerns the multiplier effect on human activity That always Technological innovations entail. With them, it is not only possible to do much better what was already done before, but they also generate an infinite number of new products and services that were previously unthinkable (digital assistants, all kinds of robots, new forms of marketing...).
In short, AI means a Huge breakthrough in the tools of extracting information from data and is revolutionizing every aspect of human life. However, in substance this is a change comparable to that of other great technological innovations of the past, which simply made some facet of human activity (transport, manufacturing, communication...) more accessible, powerful and cheaper.
None of these innovations ended human work, and neither will this one, whose essence is to improve the ability to infer from data.
Jobs that become unnecessary will predictably be compensated by the new possibilities generated by the human intelligence supported by artificial intelligence Plus the jobs generated for the design, maintenance and oversight functions associated with the new technology.
Altogether, it will be about more qualified jobs, which in itself can be considered positive. La Main concern, therefore, it should not be if human labor is going to disappear, but how to facilitate the transition of workers whose jobs disappear to new ones.
De la mano del concepto de IA la sociedad, la economía, las organizaciones y los individuos están experimentando transformaciones profundas en sus maneras de desenvolverse cuyas posibilidades solo empiezan a atisbarse. Las capacidades, a veces perturbadoras, que demuestra esta nueva tecnología son motivo de esperanza, pero también con frecuencia de temor a que una fuerza más poderosa que nosotros mismos acabe controlando nuestra existencia y hasta haciéndonos prescindibles. Para mantener a raya esos miedos, que en mayor o menor medida han acompañado siempre a las mayores innovaciones tecnológicas, nada mejor que desnudar la esencia de lo que hacen.
En 1956 , un grupo de investigadores de New Hampshire pusieron ya en marcha un ambicioso, y visionario, proyecto de IA: hacer que los ordenadores pensaran; que manejasen el lenguaje, los conceptos abstractos, que resolviesen problemas reservados a los humanos y que fueran capaz de mejorarse a sí mismos. El proyecto languideció, entre otras razones por la escasa capacidad de los ordenadores de entonces.
Posteriormente, en los años ochenta, los sistemas expertos reavivaron la expectativa de poder crear “máquinas pensantes” que tomasen decisiones en lugar de los humanos. Pero, para la mayoría de objetivos interesantes, requerían un esfuerzo inabarcable de codificación de las incontables situaciones posibles a las que la máquina debería enfrentarse y el gran proyecto de la IA volvió a hibernar.
Hasta que aproximadamente a partir de 2004, una disciplina denominada machine learning (aprendizaje de máquina), que entonces empezaba a competir con los modelos estadísticos de regresión para hacer predicciones (como las de ventas o las de de abandono de clientes) comenzó a tener resultados claramente mejores que estos. ¿La razón? Los ordenadores habían empezado a ser lo bastante potentes para permitir el uso eficiente de cantidades mucho mayores de datos.
Esta evolución de los ordenadores permitió al aprendizaje de máquina empezar a desplegar su potencial, basado en su capacidad de explorar ilimitadas combinaciones entre las variables explicativas. Desde entonces las capacidades de procesamiento y de almacenamiento de los ordenadores se han multiplicado en paralelo a la sofisticación y los éxitos de los nuevos modelos de predicción, cuyo máximo exponente son las llamadas redes neuronales de aprendizaje profundo (deep learning).
En pocos años, la nueva tecnología “de predicción” ha alcanzado logros extraordinarios, llegando a niveles de acierto cercanos al 100% en problemas que antes sólo admitían un 80% o menos. Supera así la capacidad humana de “acierto” en ámbitos en los que esta no tenía rival, como la identificación de imágenes o la destreza en juegos tan sofisticados como el ajedrez o el Alpha-Go.
Los nuevos modelos basados en datos se han extendido con éxito a todos los campos de la actividad humana, hasta el punto de que la ambición de las organizaciones más conscientes es estar orientadas por los datos (ser data driven). Las máquinas basadas en esta tecnología producen nuevos medicamentos, mantienen conversaciones, seleccionan, escriben y traducen textos complejos, conducen vehículos, componen música o pintan cuadros.
¿Cómo no considerar que esta nueva tecnología se merece cada una de las letras de la palabra “Inteligencia”, que es la semilla de esa poderosa Inteligencia General imaginada por algunos autores y llamada a desplazar a los humanos?
La espectacularidad de los logros no debe ocultar la relativa simplicidad de lo que hay detrás de la IA: un potente sistema de extracción de patrones a partir de una cantidad ingente de datos que permite predecir datos futuros, acertar datos actuales desconocidos o incluso generar “datos” alternativos (pensemos en el deep fake).
Es verdad que la precisión de los “aciertos” es tal que todos los procesos de toma de decisiones de una organización o de un individuo se ven potencialmente transformados de forma radical y a menudo pueden ser automatizados. Pero, a fin de cuentas, todo se basa en una herramienta que intenta extraer la máxima información relevante a partir de un conjunto de datos conocidos para generar “datos” que desconocemos.
La desmitificadora idea de que la IA no son más que “máquinas que aciertan mucho” a partir de los datos que se le proporcionan, además de facilitar su comprensión y la de sus capacidades transformadoras, puede también ayudarnos a tener más claros sus límites y de paso su previsible impacto sobre sus creadores, los humanos. Señalaré tres ideas.
La calidad de las predicciones dependerá de la calidad y abundancia de los datos existing. Therefore, human judgment will continue to be irreplaceable in novel contexts or with few or bad data, such as in the case of a business merger or any unusual phenomenon, in which new variables unknown to the model may come into play. El Human will only be replaceable in relatively stable contexts and with an abundance of data from which to draw guidelines.
What is important to get right and what is it for completely escapes the capabilities of the machine itself. Always You're going to need a human to set your preferences, determine the objectives that best satisfy them and monitor that the machine does what is expected of it. It is true that countless intermediate objectives can be automated and largely left in the hands of the machines themselves for some time, but the general purpose and its coherence with all decision-making processes they must be constantly defined and supervised by individuals.
The third idea concerns the multiplier effect on human activity That always Technological innovations entail. With them, it is not only possible to do much better what was already done before, but they also generate an infinite number of new products and services that were previously unthinkable (digital assistants, all kinds of robots, new forms of marketing...).
In short, AI means a Huge breakthrough in the tools of extracting information from data and is revolutionizing every aspect of human life. However, in substance this is a change comparable to that of other great technological innovations of the past, which simply made some facet of human activity (transport, manufacturing, communication...) more accessible, powerful and cheaper.
None of these innovations ended human work, and neither will this one, whose essence is to improve the ability to infer from data.
Jobs that become unnecessary will predictably be compensated by the new possibilities generated by the human intelligence supported by artificial intelligence Plus the jobs generated for the design, maintenance and oversight functions associated with the new technology.
Altogether, it will be about more qualified jobs, which in itself can be considered positive. La Main concern, therefore, it should not be if human labor is going to disappear, but how to facilitate the transition of workers whose jobs disappear to new ones.
Have you been interested? Go much deeper and turn your career around. Industry professionals and an incredible community are waiting for you.
Onsite/Online
Weekly hours:
.webp)
