El surgimiento de herramientas de IA generativas, especialmente aquellas como ChatGPT, Bing Copilot, Claude y Gemini, ha despertado un intenso debate a través de los consejos de administración, los círculos políticos y las conversaciones de la cafetería. Ofrece una mirada basada en datos y basada en la base de datos sobre cómo las personas están utilizando estas herramientas y qué significa esto para el futuro del trabajo. Trabajar con IA: Medir las implicaciones ocupacionales de la IA generativa, Basándose en más de 200.000 conversaciones anónimas con Microsoft Bing Copilot, los autores tratan de cortar el hype y responder a una pregunta crítica: ¿Qué están haciendo las personas con la IA generativa y cómo está el mapa en el mercado laboral? Más allá de la especulación La mayoría de los titulares sobre IA y puestos de trabajo son utópicos o distópicos. a menudo se basan en la intuición o en proyecciones de alto nivel sobre qué puestos de trabajo están "en riesgo" sin pruebas de comportamiento reales. En lugar de preguntar qué podría hacer la IA, examina lo que las personas ya están haciendo con los sistemas de IA generativos.Los investigadores analizan las interacciones de los usuarios reales para comprender qué tareas están delegando los trabajadores a la IA, cuán eficaz es la IA en el desempeño de esas tareas, y qué significa esto para diferentes ocupaciones. El resultado es una de las primeras ventanas empíricas a una asociación humano-IA en rápida evolución. Los principales hallazgos a simple vista La IA se utiliza fuertemente para tareas que involucran la recopilación de información y la escritura. La IA se desempeña mejor en tareas semi-estructuradas intensivas en el idioma. Hay una fuerte correlación entre los tipos de tareas en las que la IA es buena y las que son centrales para el trabajo de conocimiento de alto salario. Los trabajadores no están simplemente reemplazando tareas, están experimentando, aumentando y remodelando la forma en que trabajan. Las tareas que las personas realmente hacen con AI El documento identifica que la mayoría de los casos de uso de IA caen en dos categorías amplias Recopilación de información – por ejemplo, investigación, resumen, comparaciones Generación de contenido – por ejemplo, escribir correos electrónicos, redactar documentos, idear Estas categorías se superponen con las actividades centrales de muchas funciones de la economía del conocimiento, incluyendo consultores, comerciales, analistas, profesionales jurídicos y investigadores. Curiosamente, los usuarios eran más propensos a usar la IA para la exploración que para la ejecución.Muchos prompts eran abiertos o dirigidos a la brainstorming, lo que sugiere que la IA se está utilizando actualmente menos para la automatización de la rueda y más como un socio de sparring cognitivo. ¿Qué tan bien actúa? Los autores van más allá de la frecuencia de uso e introducen una nueva métrica: "cobertura de tareas". Esto mide no sólo cuántas veces se realiza una tarea con AI, sino cuán bien el sistema realiza esa tarea basada en métricas de participación del usuario y proxies de satisfacción. ¿El resultado ? La IA funciona mejor en tareas de lenguaje estructuradas o semi-estructuradas.Piensa en redactar correos electrónicos, resumir documentos o generar propuestas de primer paso.Las tareas que requieren razonamiento de sentido común, experiencia específica de dominio o juicio cuantitativo preciso han empeorado. La IA funciona mejor en tareas de lenguaje estructuradas o semi-estructuradas.Piensa en redactar correos electrónicos, resumir documentos o generar propuestas de primer paso.Las tareas que requieren razonamiento de sentido común, experiencia específica de dominio o juicio cuantitativo preciso han empeorado. Este matiz importa. demuestra que la IA no se trata sólo de reemplazar a los humanos (todavía). en lugar de eso, se despliega en sub-tareas específicas, a veces dentro del mismo trabajo, y transforma los flujos de trabajo una capa a la vez. La lente ocupacional: ¿quién es afectado? Para traducir estos datos a nivel de tareas en impacto en el mercado de trabajo, los investigadores se refieren a ellos con O*NET o la base de datos ocupacional detallada del gobierno de EE.UU. Esto les permite mapear las capacidades de la IA en funciones de trabajo del mundo real. Una de las conclusiones más importantes del documento es que AI is disproportionately suited for high-wage, white-collar occupations. Los roles como: Especialistas en Marketing Consultores de Gestión analistas financieros Abogados y paralegales Profesionales de Desarrolladores de software (para la generación de código y documentación) ... todos comparten tareas que la IA ya está haciendo a escala y con alta eficacia. En contraste, las ocupaciones que involucran manipulación física, servicio en persona o trabajo manual (enfermeras, electrificantes, trabajadores de entrega) permanecen en gran parte intactas por el momento. En nuestro último episodio de podcast, hablamos de , donde Steven Bartlett planteó una pregunta crucial a Geoffrey Hinton, ampliamente conocido como el padre de la IA. The Diary Of A CEO ¿Qué le dirías a la gente sobre sus perspectivas de carrera en un mundo de superinteligencia? ¿Qué le dirías a la gente sobre sus perspectivas de carrera en un mundo de superinteligencia? Respuesta de Hinton: El tren para ser un plumero El tren para ser un plumero Tal vez sea el momento de dejar de fijarnos en elevar al siguiente matemático, ingeniero o médico y empezar a pensar en cómo elevar al mejor plomero o electrificante. Augmentation vs Automation: ¿Un falso binario? La narración popular en torno a la IA a menudo es binaria: o automatiza su trabajo, o no lo hace. Muchos usuarios no estaban pidiendo a la IA para reemplazar su trabajo, sino para acelerarlo. Elaboración de un informe para refinar más adelante Obtener una segunda opinión sobre una decisión Brainstorming de Títulos o Ángulos de Presentación Crear esquinas o plantillas para tareas repetitivas En otras palabras, la IA actúa como un co-piloto, no un piloto. . For now Pero aquí está la trituración: si un co-piloto de IA puede manejar el 30% de su carga de trabajo hoy en día, ¿cuánto tiempo hasta que pueda manejar el 70%? ¿Qué significa esto para la fuerza laboral? Los autores se abstuvieron sabiamente de hacer predicciones apocalípticas. Generative AI ya está remodelando la composición del trabajo dentro de los empleos. Generative AI is already reshaping the composition of work within jobs. Algunas están siendo delegadas a la IA, otras están siendo reimaginadas por completo. Diseño de puestos de trabajo – Los límites entre los roles pueden ser borrosos.Un solo trabajador podría jugar tareas que solían abarcar varios departamentos. Requisitos de habilidad - La comunicación, el pensamiento crítico y la ingeniería rápida están aumentando en valor. Desigualdad: los trabajadores de altos salarios pueden ver más ganancias en la productividad (y presión), mientras que los trabajadores de bajos salarios pueden enfrentar una disrupción más lenta pero menos herramientas de productividad. El desafío ético y político Con tales herramientas que evolucionan rápidamente, el mundo de la política está detrás de la curva.El documento señala que los marcos tradicionales de automatización (que dependen de la difusión gradual a lo largo de años o décadas) no se aplican aquí. Basado en la nube Disponible libremente Útil de inmediato Actualizaciones Semanales Esto crea un problema de medición: ¿cómo se regula o guía algo que evoluciona más rápido de lo que las instituciones pueden reaccionar? Los autores piden que los proveedores de plataformas compartan más datos de comportamiento en tiempo real (anonimizados y conservadores de la privacidad). sin ellos, corremos el riesgo de volar ciegos.* Implicaciones para las empresas y los trabajadores La transformación de la IA ya no es teórica, está sucediendo en flujos de trabajo en vivo, a menudo bajo el radar. Flujos de trabajo de auditoría: Identificar tareas de alta frecuencia que se sobrepasan con los puntos fuertes actuales de la IA. Enseñar a los empleados cómo colaborar con la IA en lugar de resistirla. Rediseño de puestos de trabajo: En lugar de eliminar roles, divídense en sub-tareas compatibles con la IA y centradas en el ser humano. Monitor Equity: Asegúrese de que los beneficios de productividad impulsados por la IA no se acumulen en la parte superior. El futuro pertenece a aquellos que saben cómo hacer las preguntas correctas sobre la IA, no sólo a aquellos que temen ser reemplazados por ella. Conclusión: Una transición, no una toma de posesión... por ahora El estudio de la IA de Microsoft ofrece una descripción nuancada y basada en evidencias de cómo la IA generativa está impactando el trabajo hoy en día; no en teoría, sino en acción. En su lugar, ofrece algo más útil: a map of what’s actually happening and a preview of what’s to come. En un mundo cada vez más modelado por la IA, este artículo nos recuerda que el trabajo no es una lista estática de tareas, sino una negociación dinámica entre la ingenuidad humana y la capacidad tecnológica. Ya sea que esa transformación termine en la obsolescencia masiva o en un mundo de trabajo más inteligente y más equitativo dependerá menos de lo que la tecnología puede hacer y más de lo que elegimos hacer con ella. Lee el artículo completo: Aquí
