Introducción: polarización de habilidades
La transición digital generará algunos empleos, hará que otros disminuyan y se desarrollarán nuevos empleos. AI expandirá los trabajos de alta y baja calificación mientras reduce los trabajos de calificación media en la fuerza laboral. Esta transición conducirá a cambios en la estructura de habilidades conocidos como 'polarización de habilidades'. Por lo tanto, mejorará los trabajos de alta calificación, posiblemente reemplace los trabajos de calificación media a través de rutinas programables, especialmente porque han tenido el crecimiento salarial más lento en los últimos 30 años. Sin embargo, es poco probable que la IA afecte el trabajo poco calificado con patrones impredecibles de tareas relacionadas con el trabajo.
La anomalía de la 'polarización de habilidades' ha sido analizada de cerca en EE. UU. y Europa. Sin embargo, las explicaciones de esta tendencia de la literatura empírica no son consistentes. La demanda reciente de habilidades solicitadas incluye creatividad y habilidades interpersonales que muestran una disminución en la demanda de habilidades físicas. [1] .
El trabajo altamente calificado utiliza habilidades cognitivas, pensamiento abstracto, coordinación de actividades y toma de decisiones (p. ej., abogados, médicos, ingenieros de software, enfermeras). El trabajo poco calificado utiliza la interacción personal y la proximidad física (p. ej., trabajadores del servicio de alimentos, trabajadores de cuidado de niños). El trabajo medianamente calificado hace uso de tareas manuales rutinarias que es más probable que sean reemplazadas por la tecnología y la globalización (por ejemplo, trabajadores de apoyo administrativo, operadores de máquinas).
Midiendo la Escala del Desafío de Upskilling
La Organización para la Cooperación y el Desarrollo Económicos (OCDE) está realizando una prueba internacional de alfabetización en su Programa para la Evaluación Internacional de las Competencias de los Adultos (PIAAC). Esto prueba una muestra representativa de adultos en edad laboral en cada país participante.
Para comprender si es probable que la IA y los robots alteren la estructura fundamental del trabajo, necesitamos saber si estas nuevas tecnologías requerirán cambios en las habilidades laborales y si son factibles o no. Si los cambios son factibles, el efecto general de la IA y los robots se parecerá a los cambios que hemos visto con otras innovaciones tecnológicas como Internet. Sin embargo, si los cambios necesarios en las habilidades laborales no son factibles, entonces este tiempo puede ser diferente.
¿Qué significa esto para el impacto potencial de la IA en el trabajo? - nos enfrentamos a dos cuestiones prácticas:
1. ¿Qué tan competentes son las computadoras para estas otras habilidades y cuántas personas son más competentes que las computadoras?
2. Para otras habilidades, ¿puede la mayoría de las personas hacer lo que las computadoras no pueden hacer, o la mayoría de las personas también tienen problemas con esas tareas? Los trabajos que requieren altos niveles de habilidades sociales e interacción a menudo se proponen como trabajos prometedores del futuro, ya que es posible que las computadoras no puedan interactuar tanto.
Inteligencia artificial y habilidades humanas Niveles de competencia para alfabetización y otras habilidades, incl. Habilidades sociales
La alfabetización es una habilidad clave y una habilidad fundamental que es fundamental para el razonamiento especializado y las habilidades de resolución de problemas en dominios específicos. Por lo tanto, las computadoras pueden realizar varias tareas relacionadas con la información que actualmente realiza la fuerza laboral con competencia en lectura y escritura en los niveles 2 o 3. Sin embargo, es posible que no puedan realizar muchas de las tareas relacionadas con la información que realizan los trabajadores con competencia en lectura y escritura en los niveles 2 o 3. Niveles 4 o 5. El desempeño de la computadora en el Nivel 1 de PIAAC para alfabetización no representa una amenaza para los empleados, ya que pocos adultos tienen bajos niveles de alfabetización. Sin embargo, el rendimiento de la computadora en el Nivel 3 puede ser una amenaza ya que pocos adultos pueden ser mejores que eso.
Habilidades sociales : podemos sobrestimar las habilidades de los empleados y subestimar las habilidades de la IA. Si bien algunas personas pueden ser capaces de aspectos más simples de la interacción social, incluido el reconocimiento facial o responder a solicitudes directas de información, la IA de hoy también puede realizar tales tareas. Sin embargo, si bien es posible que la IA no realice interacciones sociales más complejas, como realizar negociaciones delicadas o ganarse la confianza de un cliente enojado, estas interacciones sociales complejas también tienden a ser difíciles para ciertas personas. Por lo tanto, en lo que respecta a las habilidades sociales y otras áreas importantes de habilidades, es necesario evaluar cómo se comparan las capacidades informáticas con la competencia humana.
Argumentar que las personas tienen mejores habilidades que la IA no sería suficiente, para continuar con una economía basada en el trabajo, las personas necesitan desarrollar mejores habilidades que las proporcionadas por la IA.
De acuerdo con la literatura sobre la difusión de la tecnología, la industria tiende a tardar un tiempo en adoptar y aplicar nuevas tecnologías. Esto incluiría:
1. Es hora de aprender sobre IA.
2. Refinarlo para aplicaciones particulares.
3. Invertir en tecnologías de IA a escala.
Además, la difusión generalizada puede demorar varias décadas, lo que significa que tenemos tiempo para comprender qué capacidades de IA existen actualmente y anticipar cómo es probable que cambien las habilidades que necesita la fuerza laboral en los próximos 10 a 20 años. Además, las mejoras en la educación a menudo son lentas y difíciles, lo que significa que incluso 10 a 20 años de advertencia pueden no ser suficientes para desarrollar las habilidades requeridas . .
Impacto previsible de la IA en el futuro del trabajo
Si la IA general a nivel humano todavía está lejos en el futuro, es probable que la IA tenga una gran importancia económica mientras tanto, ya que aumentará constantemente la cantidad de tareas que la IA puede hacer más rápido, mucho más barato y mejor que las personas, con un mínimo de No hay error. Sin embargo, para que la industria se adapte y satisfaga las demandas del impacto que la IA tendrá en el futuro del trabajo, primero debe predecir las tareas requeridas.
Para predecir las tareas futuras de la IA, la industria debe tomar nota de lo que las computadoras de hoy en día a menudo son mejores que las personas, como el procesamiento de datos de rutina, como resumir las transacciones de las tiendas minoristas, y el trabajo físico predecible, como la producción en línea de ensamblaje.
Dos factores clave necesarios para los algoritmos de aprendizaje automático actuales son:1. grandes cantidades de datos, como grabaciones de conversaciones anteriores con clientes, registros de sensores de operaciones de máquinas anteriores.
El éxito de Google Translate fue posible gracias a la disponibilidad de grandes cantidades de datos textuales en muchos idiomas en la web.
2. Debe haber un patrón para ser reconocido, por ejemplo, las máquinas pueden realizar evaluaciones de riesgo crediticio al usar información como los activos actuales, los ingresos y la deuda de un prestatario. Además, los programas de aprendizaje automático pueden entrenarse para reconocer patrones en grupos de datos que son mucho más grandes de lo que los humanos pueden evaluar.
Los minoristas en línea como Amazon usan IA para detectar patrones sutiles en grandes cantidades de datos relacionados con qué tipo de clientes compran qué tipo de productos [1] . Si bien, ninguna cantidad de aprendizaje automático puede predecir la ruta exacta que tomará un comprador a través de un centro comercial.
Es difícil predecir qué podrán o no podrán hacer las tecnologías futuras. Los ejemplos proporcionados son meras pautas y juicios aproximados de las tareas clave que la IA puede hacer hoy.
Si bien es simple afirmar que "las computadoras pueden realizar tareas que se pueden especificar con precisión de la manera en que las computadoras pueden ejecutarlas", es difícil proporcionar reglas generales sobre lo que se puede especificar y lo que no se puede especificar con precisión de esta manera, lo que hace que sea aún más difícil predecir los efectos. del progreso futuro en IA [1] .
No sabemos si las declaraciones categóricas que creemos que son precisas hoy serán realmente ciertas en el futuro: "las computadoras nunca serán realmente creativas" o "las computadoras nunca podrán comprender las emociones humanas". Dentro de 10 a 20 años, las computadoras podrán hacer todas las cosas tan bien como las personas.
Por ejemplo, las computadoras ya han generado imágenes sorprendentemente artísticas. [2] , incluida una pintura que se vendió por más de $400,000 en una subasta. Del mismo modo, también han demostrado ser capaces de leer las emociones humanas en diferentes circunstancias.Para comprender la dificultad de predecir qué podrán hacer las máquinas en el futuro es necesario reconocer una diferencia clave entre la IA clásica y el aprendizaje automático moderno:
● La IA clásica (décadas de 1950 a 1980) utiliza el enfoque de "representar y razonar" al representar el conocimiento requerido y luego razona lógicamente usando el conocimiento.
● El aprendizaje automático utiliza un enfoque de "ajuste de funciones", ya que trata de encontrar los parámetros para funciones matemáticas complejas que permiten al sistema predecir las relaciones de entrada-salida observadas en los datos de entrenamiento.
Si bien ambos enfoques son útiles, ninguno puede "pensar", hasta la fecha, en la forma en que lo hacen los humanos.
El enfoque clásico es similar a cómo las personas piensan conscientemente, sin embargo, no ha tenido mucho éxito en reflejar diferentes actividades cognitivas humanas del mundo real.
El enfoque de aprendizaje automático parece más similar a los procesos mentales humanos inconscientes, como la percepción visual, sin embargo, plantea desafíos para el razonamiento y la interpretabilidad.
Una dirección interesante sería combinar los enfoques clásicos y más recientes [1] Sin embargo, es difícil conocer las limitaciones exactas de cada enfoque por separado o cuando se combinan.
No obstante, si bien es difícil predecir con precisión qué tareas puede realizar la IA en el futuro, aún se pueden esbozar algunas posibilidades, ya que veremos oportunidades importantes para la IA en una serie de tareas.
Potential Impact of AI on the Future of Work
The potential impact of AI on the future of work revolves around 3 elements, namely sensing, deciding & creating:
1. Sensing: AI systems today can already analyse different images, sounds, motions, and other inputs.
Some Interesting facts:
1. AI at times may be better than physicians at interpreting X-rays and similar medical images.
2. Amazon Go stores enable people to pay for their shopping without having to stand at the cashier by having sensors and cameras track what items were selected and charge them on departure.
3. Airbus also uses different kinds of maintenance records, motion sensor logs, and other data to anticipate when preventive maintenance on an aircraft is required .
These examples barely hint at the innovative ways AI may be used to sense various aspects of the world around us.
1. Deciding: AI may carry out better decision-making that people when decisions are based on inputs and the desired result are codified with precision, even more so when ample data on similar past cases is made available.
AI already carries out credit risk decisions, and with medical cases, as large amounts of data become available, various automated medical diagnoses may also become feasible.
2. Creating: Creation involves patterns that AI can learn. News articles as regards Little League baseball games were successfully generated through innovative technologies from basic statistics about the game . Soon, it may also become possible to generate customised versions of legal contracts, sales proposals, and other documentation.
The GPT-3 system may flexibly generate human-like text, despite being unable to really “understand” what it is developing. Hence, eventually it may increasingly enhance other text generation software. AI today is also becoming useful to generate detailed, innovative designs for objects such as heat exchangers.
For tasks like these, machines are likely to perform work currently done by people, but for the foreseeable future, human work is likely to become even more valuable in tasks that humans usually do better than machines (McKinsey, 2017 and Malone, 2018, 273-281), including those that require social skills, unpredictable physical skills, common sense, or the general intelligence needed to deal with new, non-routine situations.
Figure for predicting where machine learning may be useful - page 17 (Source: Thomas Malone in MIT Sloan and CSAIL 2019, Module 2): https://workofthefuture.mit.edu/wp-content/uploads/2020/12/2020-Research-Brief-Malone-Rus-Laubacher2.pdf
Source: https://www.youtube.com/watch?v=m5uut9pya4g
Source: https://www.youtube.com/watch?v=UdE-W30oOXo
Source: https://www.youtube.com/watch?v=a-7Azih0D98
Source: https://www.youtube.com/watch?v=Cx5aNwnZYDc
Curious about this? have a look at these documentaries:
Source: https://www.youtube.com/watch?v=-ePZ7OdY-Dw
Source: https://www.youtube.com/watch?v=s0dMTAQM4cw
Source: https://www.youtube.com/watch?v=SN2BZswEWUA
Source: https://blogs.salleurl.edu/en/ai-data-centers
Source: https://medium.com/@sadievrenseker/ai-thinking-vs-human-thinking-bd40d34b629c