Inteligencia artificial y trabajos de cuello blanco

Autor: | Posteado en Noticias Sin comentarios

A medida que la inteligencia artificial y el machine learning van mostrando sus posibilidades, no ya solamente en terminos de lo que pueden o no pueden hacer, sino también de las barreras de entrada que cree su uso al hilo del desarrollo de plataformas de MLaaS, Machine Learning as a Service, surgen también debates sobre la sustitución de trabajadores por máquinas o, mejor, por algoritmos, en ámbitos de todo tipo.

La 1ª aproximación a estos procesos de sustitución puede enfocarse de forma abiertamente optimista, como “esto ya lo vimos antes, y a la sustitución y pérdida de puestos de trabajo siguió una reinvención de actividades antes inexistentes que remodelarán el comercio laboral y costará asimilar, sin embargo que generarán otras ocupaciones”, o de forma mas pesimista, entendiendo que el surplus de productividad que generarán las máquinas convertirá en redundante e innecesario una parte significativa del trabajo de las personas.

En este sentido, resulta atrayente presenciar como las líneas de pensamiento en este sentido tienden a asumir una sustitución mas rápida de los trabajos que se encuadran dentro de las llamadas “tres D”, Dull (aburridos), Dirty (sucios) y Dangerous (peligrosos), que suelen identificarse con lo que se conoce como “trabajos de cuello azul“: actividades de montaje, ensamblaje, construcción o mantenimiento, ocupaciones como la minería, las cadenas de producción, la conducción u otras afines. Esta interpretación, en realidad, enfoca a la idea de relevar a las individuos de trabajo alienantes, desagradables o en general poco motivadores que, supuestamente, no deberían estar haciendo. Parece claro, viendo los mejoras en la conducción autónoma, que conducir, por ejemplo, será una version pronto relegada a las máquinas, pese a que a aquellos que hoy viven de conducir – taxistas, camioneros, etc. – el tema bazar a hacerles entre muy poca y ninguna gracia.

De la sustitución de los llamados “trabajadores de cuello blanco” tiende a hablarse menos, quiza porque sus actividades se interpretan como menos necesitadas de sustitución, o mas basadas en habilidades que tendemos a considerar inherentes y propias del raciocinio humano. El trabajo administrativo en oficinas o entornos corporativos, las funciones directivas en general, se suelen considerar como mas “a salvo” de la intromisión de las máquinas, o mas apropiados para planteamientos del tipo “ayuda” o “soporte” a la función: cómo crear que los directivos puedan crear preferible su trabajo gracias al machine learning, o cómo introducir el machine learning en los entornos corporativos un poco en modo “sin romper nada”.

Esa mentalidad conservadora, sin embargo, no se ve corroborada con la experiencia: un trabajo como la planificación de campañas publicitarias en diferentes medios, por ejemplo, que en origen se consideraría claramente como de cuello blanco, esta sufriendo el choque de los ejemplos de propaganda programática, en los que una lista de algoritmos negocian en tiempo real precios de avisos en un soporte definido en función de las funciones sociodemográficas o conductuales de cada cliente que pasa. Donde antes un ejecutivo tomaba decisiones y asignaba impresiones a cada soporte en función de una lista de criterios de diversos tipos (y no todos ellos fundamentalmente claros o transparentes), ahora una maquina lleva a cabo un trabajo mucho mas certero, mas experto y sin duda, con resultados mas ajustados… que llega a ser exactamente lo mismo que ocurre en el caso de la conducción: las máquinas conducirán no solo de forma mas productiva, sin obligación de tiempos de descanso y sin distracciones, sino que además, lo harán mucho mejor, con varios menos accidentes.

¿Hasta qué punto es sustituible el trabajo directorio por una maquina o un algoritmo? En realidad, la mayor parte de las actividades directivas tienden a identificarse con la toma de decisiones en entornos complejos, con procesos de negociación, o con otras responsabilidades que, en la práctica, sí podrían caer dentro de lo que los procesos de deep learning pueden sistematizar. Y por “sistematizar” ya no sabemos “aplicar una receta” o “automatizar una decisión”, sino exactamente lo contrario: aprender una circuntancia compleja, y plantear un movimiento o decisión que maximice el retorno, bien de forma inmediata (a una jugada) o en el curso de una tactica a largo plazo. En el instante en que contamos de técnicas de machine learning, pasamos a reconocer las actividades desarrolladas por una maquina no como la simple sustitución de un humano que las hacía antes, sino como la mejora de lo que el humano era apto de hacer.

Que compañías como Google, Facebook® o Microsoft, que no se caracterizan en absoluto por el predominio de actividades consideradas de cuello azul, estén remodelándose totalmente en torno a la inteligencia artificial razones darnos alguna pista. En varios casos, esos algoritmos mejorarán sus productos o beneficios de formas que varios individuos de cuello blanco laborando coordinadamente no podrían llegar a imaginar. Y en consecuencia, resultarán en la sustitución de individuos que antes hacían trabajos considerados directivos, con todo lo que ello conlleva.

En el estado vigente de la tecnología, con algoritmos capaces de examinar y entender el idioma natural preferible que varias personas, en múltiples idiomas y con contextos bien determinados y acotados por las redes sociales, la capacidad de un algoritmo de mantenerse totalmente informado sobre una industria, una compañia o una version es ya muy superior a la que tiene una persona. Que sobre esas bases se desarrollen procesos de toma de decisiones basados en machine learning es simplemente una cuestión de tiempo, de oferta de precio y de interés.

 


Enrique Dans



El mejor vídeo del día Trucos de Android


Nota: La creación de esta noticia le pertenece al autor original que aparece en la firma de más arriba. No hemos eliminado en ningún momento los enlaces oficiales, ni tampoco intentamos perjudicar su posicionamiento en los motores de búsqueda.

El Administrador de QueEsGoogle.Com

Agrega tu comentario