1
La revolución de la IA Generativa en la gestión del talento
¿Por qué es disruptiva la GEN AI?; las capacidades y los pormenores de la herramienta que promete optimizar la oficina
8 minutos de lectura'
Desde el fin de 2022, con la irrupción de ChatGPT, la inteligencia artificial (IA) está revolucionando cómo trabajamos y, en consecuencia, cómo se gestiona el talento humano. Esta transformación se siente en múltiples aspectos de la gestión, desde la atracción y fidelización de talento hasta la automatización de tareas que van mucho más allá de las simples, mecánicas y repetitivas.
ChatGPT es una especie de IA, denominada IA Generativa (GEN AI), basada en grandes modelos de lenguaje (LLM). Se presenta como un auténtico cambio de paradigma, que nos obliga a entender cómo este nuevo modelo de colaboración entre humanos e IA redefine el entorno laboral.
¿Por qué es disruptiva la GEN AI? Porque ya no solo está preparada para tareas en particular, sino que trata de entender el conocimiento humano y actuar en función de aquello. Para darnos una idea de su magnitud, se entrenan con el equivalente a 4.000 wikipedias. ¿Para que se utiliza? Tanto para crear contenido nuevo y original, como para modificar o mejorar el contenido existente: texto, imágenes, música y videos. Algunos de los ejemplos son crear clones digitales, modificar tonos de voz, modificar fotos y muchos etc.
Este tipo de IA se basa en modelos de aprendizaje profundo basados en redes neuronales que simulan comprender a partir de una representación de miles de millones de datos. A veces puede “refritar” información, reproducirla con criterios probabilísticos, y en otros casos basarse en datos originales para crear otros. En síntesis, a diferencia de la IA tradicional que trata de etiquetar o categorizar datos, la GEN AI busca sintetizar el conocimiento humano, y desde ahí, recrearlo, combinarlo y recombinarlo. No es una licuadora tradicional. Puede hacer nuevos licuados, aunque tenga los mismos ingredientes.
Nuevos desafíos para nuevas realidades
Según un reciente informe de Microsoft y LinkedIn, el uso de herramientas de GEN AI ha sido casi duplicado en los últimos seis meses.
Un estudio realizado por el Laboratorio de IA (IALAB) de la Universidad de Buenos Aires (UBA), en el que se analizaron 83 tareas en diferentes entornos laborales, demostró que la GEN AI optimizó los tiempos en un 77% en promedio, alcanzando hasta un 99% en la traducción de un texto de 15.000 palabras. Las tareas varían en complejidad (alta, media, baja) y grado de automatización (automatizable, semi automatizable, no automatizable). El mismo brinda evidencia de que la IA ayuda y mejora significativamente, también, en tareas complejas y semi complejas que requieren un alto juicio humano, y no solo es un complemento de las tareas rutinarias y repetitivas, lo que marca un cambio fundamental con respecto a la perspectiva que teníamos hasta el momento.
GEN AI aplicada a la Gestión del Talento
Ahora bien, si ponemos el foco en la combinación de GEN AI con otras soluciones, ya se están visualizando muchos ejemplos en la Gestión del Talento en todas las etapas del ciclo de vida del colaborador. Desde la atracción, donde la IA puede filtrar rápidamente los CVs y programar entrevistas, hasta el proceso de incorporación, personalizando la experiencia de “onboarding” con módulos adaptados a las necesidades de cada integrante, personalizando la experiencia.
La GEN AI también puede ayudar a detectar áreas de mejora en cada colaborador y recomendar programas de aprendizaje individualizados, ofreciendo formación adaptada al ritmo y estilo de de cada persona (al mejor estilo de lo que sucede en plataformas como Netflix).
Por otro lado, en cuanto a sistemas de Performance Management (evaluaciones de desempeño), la IA puede proporcionar feedback preciso y continuo, mejorando la objetividad y ayudando a identificar oportunidades de desarrollo en tiempo real. Cabe destacar que los estudios señalan que los usuarios tienden a ser menos dispuestos a aceptar retroalimentación para mejorar de una IA en comparación con un humano, debido a la falta de calidez y presencia emocional en las interacciones con la misma.
¿Podrá la IA analizar nuestros sentimientos y emociones? Ya hay algunos análisis de diferentes avances en ese terreno.
Respecto al desarrollo profesional ¿podríamos imaginar un “Tinder” para este desafío? La IA una vez más nos puede ayudar a identificar a colaboradores con alto potencial para roles de liderazgo, analizando habilidades, capacidades, competencias, desempeño y aspiraciones de trayectoria y matchear o sugerir planes personalizados que preparen a estos colaboradores para futuros roles clave.
El gran desafío que tenemos por delante
La obsolescencia se refiere a la pérdida de relevancia de ciertas habilidades, roles y tecnologías a medida que las innovaciones avanzan.
Una investigación de la OCDE revela que más del 30% de los colaboradores globales corren el riesgo de volverse obsoletos en los próximos veinte años debido a la automatización y digitalización. También se afirma que el 27% de los empleos están en ocupaciones con alto riesgo de ser automatizadas Esta situación exige medidas para la la actualización de habilidades (upskilling) y la reconversión laboral/reciclaje profesional (reskilling).
Para mitigar o gestionar este fenómeno, es esencial promover una cultura de aprendizaje continuo y resiliencia en las organizaciones.
IA by USER
Antes era indispensable contar con presupuesto y expertos en programación para poder aplicar y escalar soluciones de IA. La GEN AI modifica gran parte de este paradigma. Ahora, también el usuario sin programar puede usar estas tecnologías de manera intuitiva, a bajo costo o “freemium” (versiones básicas de servicio de forma gratuita, pero con funciones limitadas).
Las personas que participaron en los experimentos con ChatGpt o Gemini en diversas organizaciones y en entornos de aplicación concretos -sin ser expertos en IA- tuvieron la oportunidad de demostrarlo, aplicándola de manera transversal. Esto marca un horizonte de democratización de acceso y escalabilidad en múltiples industrias y tareas, más allá de cuán complejo sea lo que hay que resolver.
En otras palabras, así como la electricidad se usó como una tecnología de base que atravesó y potenció el resto de las tecnologías, la GEN AI hace algo similar pero más profundo y disruptivo: la automatización cognitiva potencia el conocimiento y se erige como una nueva capa transversal para complementar, asistir -y también sustituir- a las personas en cada vez tareas.
El mercado laboral comienza a demandar una nueva habilidad: aprender a hablar con la GEN AI. Nace así el trabajo de “Prompt engineer”, que consiste en redactar o elaborar buenas instrucciones -Prompts-. Esto es clave para mejorar el rendimiento de los grandes modelos de lenguaje que son el epicentro de la GEN AI. A modo de ejemplo, un súper prompt (una instrucción optimizada basada en algo que se conoce como árbol de pensamiento), permite optimizar una tarea hasta un 70% más que una instrucción básica.
En síntesis, aparecen dos nuevas oportunidades de corto plazo: implementar programas para aprender habilidades de hacer Prompts y promover una cultura de colaboración con IA. Ambos se basan en fomentar ecosistemas de alta adaptabilidad y flexibilidad.
Por cierto, integrar la GEN AI como herramienta complementaria es también esencial para que el talento humano se concentre en detectar el valor agregado que está en constante evolución. Ya no se trata solamente de dedicarse a las tareas más complejas y dejar a la IA las simples. Acompañar la mutación del valor agregado humano es un eje fundamental en la hoja de ruta.
Not by IA y Human in the loop: cuando la contribución humana es clave
Ante la emergencia de tanta tecnología, aparecen otras dos nuevas habilidades: a) entender dónde NO aplicar IA y b) aprender a garantizar cuándo y dónde asegurar la intervención humana en los procesos automatizados por IA. Estas nuevas capacidades se basan en los conceptos de “Not by IA” y “Human in the loop”.
Por un lado, planificar estratégicamente cómo diseñar ecosistemas laborales basados en tareas no automatizables, en donde es relevante -por diferentes factores- el “toque humano”, será más valorado en ciertos escenarios. Emociones no simuladas, tareas que demandan mucha contextualización cultural, y otras que se basan en experiencias físicas y biológicas. Incluso, algunas en las que sea importante destacar la importancia de los procesos analógicos (cara a cara). Por ejemplo, comunicar un diagnóstico a un paciente. En este caso y en muchos otros, se aplica el concepto “Not by IA”.
Como complemento, “Human in the loop” es una categoría transversal que será exigida en procesos complejos, y también en escenarios de definiciones importantes para tomar decisiones críticas en las organizaciones. Un ejemplo: asegurar una evaluación humana de sesgos cognitivos antes de aplicar sistemas de IA en tareas de atracción y selección de talento.
Finalmente, es importante cambiar el enfoque tradicional de “automatizar todo lo que se pueda”, por otro que busque una transición más armónica. En otras palabras, diseñar estrategias para que la IA complemente y asista por default. El reemplazo total tendría que ser la última opción hasta no descubrir cómo reconvertir talento. En última instancia, tenemos que repensar el rol del trabajo en la vida de las personas.
La pregunta, por lo tanto, es: ¿cómo potenciamos la actividad humana a partir de la GEN AI? No podemos cerrar los ojos ante la irrupción de este “Tsunami tecnológico”. La clave, por el contrario, viene dada por capitalizar la oportunidad y agregar cada vez más valor desde los rasgos que nos unen como especie: somos seres emocionales, vivimos experiencias sensoriales, podemos ponernos en lugar de otros y, nuestra aproximación al mundo del trabajo, se basa en la búsqueda de un propósito compartido. Y, por sobre todo, tenemos conciencia, ética, criterio y sentido común.
Más leídas de Economía
