Entendemos todas las advertencias. Pero que algo sea posible en teoría no significa que vaya a suceder. Para ser claros, la IA (en particular, los grandes modelos lingüísticos, o LLM, como ChatGPT) puede hacer cosas útiles que aumenten la productividad de los trabajadores. Pero, en todo caso, la IA generará más tareas para los trabajadores humanos de las que es probable que elimine.

Todos hemos oído las advertencias y las promesas. La inteligencia artificial (IA) transformará el trabajo por completo y pondrá en peligro millones de puestos de trabajo.

Con la ayuda de la IA, las tareas tediosas y la búsqueda de información se vuelven más eficientes, lo que permite un enfoque más creativo y productivo.

Llevamos décadas estudiando el mundo del trabajo y creemos que hay muchas razones para dudar de que se produzca esta transformación laboral, por mucho que mejore la tecnología.

Las grandes afirmaciones sobre la IA asumen que si algo es posible en teoría, entonces sucederá en la práctica. Es un gran salto. El trabajo moderno es complejo, y la mayoría de los trabajos implican mucho más que el tipo de cosas para las que la IA es buena: resumir textos y generar resultados basados en instrucciones. Y sea cual sea el trabajo que realice, la IA necesita la supervisión y el control humanos para obtener resultados útiles.

Nadie está demostrando una necesidad realista de IA a gran escala. Hace mucho tiempo que pudimos producir música orquestal magnífica electrónicamente, pero las sinfonías siguen existiendo; hace décadas que los aviones comerciales podían volar en gran medida solos, pero seguimos teniendo pilotos. ¿Sustituyeron las empresas de transporte a miles de conductores por camiones autónomos, como vaticinaban algunos expertos hace unos años?

Para ser claros, la IA (en particular, los grandes modelos lingüísticos, o LLM, como ChatGPT) puede hacer cosas útiles que aumenten la productividad de los trabajadores. Pero, en todo caso, la IA generará más tareas para los trabajadores humanos de las que es probable que elimine, como descubrimos cuando revisamos la investigación actual sobre los efectos de la IA y hablamos con los proveedores que están desarrollando la IA y los empleadores que la utilizan.

Considere estas afirmaciones comunes para los LLM, y lo que creemos que nuestra investigación sugiere que es más probable que ocurra.

Pueden encargarse de tareas sencillas de comunicación con clientes y socios.

Sí, los LLM pueden encargarse de algunas interacciones básicas para las personas. Pero muchas de esas tareas sencillas ya no están en manos de los trabajadores. Por ejemplo, la mayor parte de la correspondencia comercial básica consiste en formularios autorizados por abogados, y los empleados de los centros de atención telefónica ya siguen guiones estándar al hablar con los clientes.

Es cierto que las empresas tecnológicas podrían desarrollar mejores chatbots que ayuden de forma autónoma a clientes y consumidores, posiblemente poniendo en peligro puestos de trabajo. Pero, ¿realmente van a comprar las empresas esta tecnología? Las investigaciones sugieren, por ejemplo, que para algunas compañías puede ser más rentable hacer que los clientes realicen un montón de acciones dificultosas para que se les resuelvan sus quejas, porque algunas personas simplemente abandonarán el asunto antes que pasar por la molestia.

Además, un servicio de atención al cliente autónomo conlleva incertidumbres que las empresas probablemente no quieran asumir. Desde luego, las firmas no quieren que los chatbots “trabajen por su cuenta” y propongan soluciones novedosas y no deseadas a los problemas de los clientes, como descubrió Air Canada cuando un chatbot ofreció a los clientes tarifas más bajas de lo que la empresa quería.

A los LLM se les da muy bien resumir una amplia bibliografía e investigación.

De hecho, si queremos saber cuáles son las tendencias políticas en Uruguay, por ejemplo, los LLM pueden darnos una respuesta en cuestión de segundos. Sin embargo, no es una tarea que se plantee muy a menudo en la mayoría de los trabajos, y la IA suele ofrecer la misma información que se podría obtener con una búsqueda en Google. Además, la IA puede basarse en fuentes poco fiables o simplemente inventarse cosas.

Por lo tanto, alguien que sepa cómo es un buen informe tiene que evaluar el resultado. Cuantas más de esas personas haya, menos se necesitará el resultado; cuanto más se necesite el resultado (porque no se cuenta con esas personas), mayor será el riesgo.

Además, los distintos LLM no ofrecen los mismos resultados ante las mismas preguntas, y si le preguntas a un LLM lo mismo en distintos momentos, obtendrás resultados diferentes. El resultado final es un duelo de resultados ChatGPT. Si no me gustan las implicaciones de ese informe generado por el jefe sobre Uruguay, produzco mi propio informe con un resultado diferente. Entonces el vicepresidente recibe ambos y tiene que juzgar cuál es el correcto sin forma alguna de saber por qué son diferentes. Una vez más, esto significa recurrir a un experto humano y, al igual que antes, cuantas más personas tengas, menos necesitarás el resultado.

Los LLM pueden dar sentido a las ingentes cantidades de datos que las empresas y organizaciones recopilan en la actualidad.

Eso es cierto, con una gran salvedad. Los LLM solo pueden realizar análisis complejos si un humano ha organizado los datos de forma que los LLM puedan leerlos. Y hacer ese trabajo puede ser abrumador, por lo que la IA ya se ha quedado espectacularmente por debajo de las expectativas anteriores. En estos momentos, según nuestra investigación, sólo el 11% de los científicos de datos afirman haber conseguido que los datos de su propia organización estén en forma para producir respuestas útiles.

Para hacernos una idea de lo que implica el trabajo, supongamos que queremos saber por qué los empleados abandonan nuestra empresa. Tenemos datos de texto de entrevistas de salida en un conjunto de datos, información de evaluaciones de rendimiento en otro conjunto de datos y datos sobre el rendimiento de la empresa en un tercero. Esto significa asegurarse de que todos los documentos son compatibles, por ejemplo, utilizando las mismas definiciones de términos y las mismas escalas numéricas. No hay que olvidar que los datos pueden estar repartidos entre distintos proveedores, lo que implica muchas idas y venidas para obtener la información.

Los LLM pueden preparar las tareas de redacción o codificación que son fundamentales para algunos trabajos.

La suposición no declarada aquí es que la gente se limita a escribir y codificar, ignorando todas las demás tareas que conllevan esos trabajos. Pensemos en la programación informática. En realidad, los programadores dedican solo un tercio de su tiempo a escribir código. Una estimación indica que la mitad de su tiempo se dedica a tareas administrativas. El resto consiste en averiguar los requisitos del cliente, resolver problemas, etc. Aunque las primeras pruebas sugieren que las herramientas de programación LLM aceleran la escritura de código al principio de un proyecto, los programadores humanos deben limpiar el código más adelante en el proceso, lo que supone una pérdida de tiempo.

Pero incluso si los LLM se hicieran cargo por completo de un tercio del trabajo dedicado a la programación pura y dura, no podemos recortar un tercio de un programador individual. La única forma de reducir el número de programadores sería que su trabajo fuera completamente intercambiable y que estuvieran organizados como un grupo de mecanografía, donde las tareas se asignaran de forma centralizada. En cambio, la mayoría de los programadores se reparten entre proyectos en los que los conocimientos sobre lo que hay que hacer y cómo hacerlo son específicos de cada proyecto. No podemos dejar caer a otro programador para que escriba el 10% del código.

Es estupendo que los LLM puedan hacer más productivos los puestos de trabajo actuales. El ahorro permite a los empleados hacer otras cosas; esperamos que se pongan al día con la abrumadora cantidad de trabajo que muchos de ellos tienen ahora en lugar de añadir más tareas. El uso de los LLM también crea nuevas tareas: ingenieros que aprenden a obtener resultados creíbles, expertos que juzgan si los resultados son razonables y, sobre todo, gestores de datos e ingenieros que canalizan la increíble cantidad de datos sin utilizar que ya tenemos.

Todo esto no será barato para los usuarios. Los datos también sugieren que los proveedores de LLM, que están perdiendo grandes cantidades de dinero ahora, podrían subir sus precios en el futuro. Cuánto pagará el mundo empresarial, cada vez más barato, es una incógnita. Pero si lo hacen, creará más puestos de trabajo de los que eliminará, como ha hecho prácticamente toda la tecnología en el pasado.

Fuente: The Wall Street Journal.