211service.com
Cómo la IA está cambiando el trabajo del conocimiento: Thomas Malone del MIT
Con la ayuda de los algoritmos de IA correctos, las organizaciones pueden convertirse en supermentes más inteligentes que sus miembros individuales.
24 de enero de 2019
Thomas Malone es profesor de gestión en la Sloan School of Management del MIT, fundador y director del Centro de Inteligencia Colectiva del MIT y autor del libro de 2018 Superminds: el sorprendente poder de las personas y las computadoras pensando juntas . El libro explora las diferentes formas en que los grupos de personas toman decisiones y cómo las nuevas formas de inteligencia artificial, especialmente el aprendizaje automático, pueden ayudar. Malone predice que la IA, la robótica y la automatización destruirán muchos trabajos, incluidos los de los trabajadores del conocimiento altamente calificados, y al mismo tiempo crearán otros nuevos. Al invertir en los tipos correctos de IA, dice, las organizaciones pueden ayudar a mantener a los trabajadores productivos y felices, y asegurarse de que nuestras supermentes sean realmente más inteligentes que nuestras mentes normales.
Este episodio está patrocinado por Citrix, la empresa que impulsa la transformación digital dentro de organizaciones de todos los tamaños. En la segunda mitad del programa, el director de tecnología global de Citrix, Christian Reilly, explica por qué el aprendizaje automático es ahora un multiplicador de fuerza que hace que todo tipo de aplicaciones empresariales y de consumo sean más útiles.
Business Lab está organizado por Elizabeth Bramson-Boudreau, directora ejecutiva y editora de MIT Technology Review. El programa es producido por Wade Roush, con la ayuda editorial de Mindy Blodgett. Música de Merlean, de Epidemic Sound.
Mostrar notas y enlaces
Centro de Inteligencia Colectiva del MIT
Superminds: el sorprendente poder de las personas y las computadoras pensando juntas
Transcripción completa
Elizabeth Bramson-Boudreau: De MIT Technology Review, soy Elizabeth Bramson-Boudreau, y esto es Business Lab, el programa que ayuda a los líderes empresariales a dar sentido a las nuevas tecnologías que salen del laboratorio y llegan al mercado. Este episodio es presentado por Citrix, la empresa que impulsa la transformación digital dentro de organizaciones de todos los tamaños. Más adelante en el programa escucharemos al director global de tecnología de Citrix, Christian Reilly.
Pero primero vamos a hablar con Tom Malone. Tom es una de las personas más inteligentes que conozco que estudia cómo piensan las organizaciones y cómo las computadoras y las personas que trabajan juntas pueden pensar de manera más inteligente.
Tom es profesor de gestión en el M.I.T. Escuela de Administración Sloan. Tom también es el fundador y director del M.I.T. Centro de Inteligencia Colectiva. En 1998, fue uno de los primeros académicos en reconocer el surgimiento de e-lancing o lo que ahora llamamos Gig Economy. En 2018, Tom publicó un libro importante llamado Superminds que analiza las diferentes formas en que las personas toman decisiones juntas y cómo las nuevas formas de inteligencia artificial, especialmente el aprendizaje automático, pueden ayudar.
Aquí en Technology Review estamos especialmente interesados en cómo A.I. es llegar al mundo del trabajo del conocimiento. Hemos cubierto la forma en que la robótica y la automatización están dificultando de alguna manera que los trabajadores de cuello azul con salarios bajos y habilidades bajas mantengan sus trabajos. Pero en estos días también hay señales de que A.I. también cambiará la forma en que los trabajadores del conocimiento más calificados hacen su trabajo. Eso no significa que todos seremos engañados por las computadoras. Pero sí significa que tendremos que pensar más sobre cómo las organizaciones pueden adoptar los tipos correctos de IA. para mantener a los trabajadores productivos y felices y lo que pueden hacer para asegurarse de que nuestras supermentes sean realmente más inteligentes que nuestras mentes normales. Mi reunión con Tom Malone fue una oportunidad para hablar sobre algunos detalles. Así que aquí está nuestra charla.
Entonces, es maravilloso verte de nuevo, Tom.
Tom Malone: Genial estar aquí.
Elizabeth: Así que vamos a hablar sobre el libro que ha escrito y sobre las ideas que ha puesto en su libro. Se llama Superminds y argumenta que un grupo de personas puede, en cierto sentido, ser consciente e inteligente, a veces, de hecho, más inteligente que cualquiera de los individuos del grupo. También argumenta que las computadoras pueden hacer que estas súper mentes sean aún más inteligentes.
Entonces, primero, tal vez díganos qué lo hizo comenzar a pensar de esa manera y hubo un momento en que pensó: Oye, hay suficiente aquí que tal vez debería mirar un libro, y básicamente dinos qué te trajo a ese lugar.
Tomás: En realidad, hay un momento muy específico en 2005. Poco después de que se publicara mi libro anterior El futuro del trabajo en 2004, estaba hablando en una conferencia en Palo Alto en Stanford y dos de los otros oradores eran Esther Dyson, la conocida computadora analista de la industria e inversor, y Vernor Vinge, el conocido escritor de ciencia ficción que, entre otras cosas, ayudó a popularizar el concepto de la singularidad.
Así que los tres salimos a cenar después de hablar en la conferencia ese día. Y estamos hablando del libro más reciente de Vernor que estaba a punto de terminar en ese momento, y hablando de cosas que le interesaban, y Vernor estaba hablando de lo que llamó inteligencia sobrehumana, algo así como personas y computadoras y cosas como ese. Y tuvimos una conversación muy interesante. Estaba hablando de qué hacer y había estado pensando en lo que quería hacer después de mi libro anterior. Y al final de esa cena tuve una sensación inusual, que no era que hubiera decidido lo que iba a hacer a continuación; la sensación que tuve fue que finalmente me había admitido a mí mismo lo que iba a hacer a continuación.
Y entonces lo llamé computación sobrehumana o inteligencia sobrehumana. Más tarde pensé que una palabra mejor para eso era inteligencia colectiva. Y utilicé ese término durante bastante tiempo, incluido el nombre del centro de investigación del MIT que dirijo. Y luego, mientras escribía mi libro, que era una especie de resumen de los últimos 10 o 15 años de reflexión sobre este tema, me di cuenta de que, en cierto modo, un término aún mejor para esa cosa en lugar de inteligencia colectiva o sistemas colectivamente inteligentes, un mejor término para eso era supermentes.
Elizabeth: ¿Qué era lo que estabas viendo en el mundo en ese momento que dejó en claro que era allí donde tenías que ir?
Tomás: Entonces, en cierto sentido, cuando escribí El futuro del trabajo, estaba pensando en mirar alrededor del mundo y decir qué están haciendo las organizaciones hoy, y cuáles son las extensiones lógicas de los próximos pasos que podrían tomar en las direcciones en las que están. ya se dirigió. Más descentralización fue una de las cosas que mencioné o enfaticé con más fuerza en ese libro. Y desde mi punto de vista, una de las mejores cosas de la inteligencia colectiva como forma de enmarcar todo esto es que no dice qué sigue. Está diciendo cuál es el punto final y luego cómo nos dirigimos en esa dirección. Entonces, en cierto sentido, aunque la gente no suele pensar en ello de esta manera, en cierto sentido, la razón para tener una organización en primer lugar es para que un grupo de personas pueda hacer mejor las cosas juntas. Y a menudo eso significa más inteligentemente de lo que podrían hacerlo si estuvieran trabajando solos. Entonces, en cierto sentido, el punto final es la inteligencia colectiva perfecta.
Y, de hecho, en mi libro hablo de eso como una forma útil de pensar. Si está pensando en cómo podría mi empresa ser más inteligente, algo útil que puede hacer es pensar en qué haríamos si fuéramos perfectamente inteligentes. Si tuviéramos en cuenta todo lo que se puede conocer al tomar cada decisión. Por supuesto, en la mayoría de los casos reales no puedes comenzar a hacer eso, o al menos no puedes hacerlo por completo, pero puedes comenzar a hacerlo. Puedes pensar hasta dónde podemos llegar para ser perfectamente inteligentes. Entonces, en ese sentido, no se trataba tanto de mirar alrededor del mundo y decir que este es el próximo gran avance debido a X. Se trataba de mirar el mundo y decir cómo podemos pensar realmente en el largo plazo aquí y luego usarlo como una forma de proyectar el próximo ratito.
Elizabeth: Entonces, el libro Superminds fue escrito claramente con líderes empresariales, gente que escucha esto, en mente como su audiencia. Entonces, ¿cuáles son las principales cosas que espera que se lleven, ya sea de la lectura del libro o de esta discusión sobre el libro?
Tomás: Entonces, en mi opinión, la contribución más importante del libro no es un solo hecho o método que puedas usar. Creo que la contribución más importante, al menos espero que la contribución más importante, es una nueva forma de ver el mundo. Es una forma de ver el mundo donde puedes ver supermentes a tu alrededor, no solo otras empresas, sino también mercados, comunidades, democracias y todo este tipo de cosas a nuestro alrededor todo el tiempo. En particular, como líder empresarial, creo que eso significa que podrías y deberías pensar en tu propia organización como una especie de supermente. es una cosa Es una entidad. Es una entidad inteligente. Y luego una pregunta obvia es, ¿cómo puedo hacer que mi organización sea más inteligente? Y entonces el libro da varias formas de pensar sobre eso. Uno es pensar en los diferentes procesos cognitivos que necesita hacer cualquier supermente o cualquier entidad inteligente, como pensar en qué tipo de decisiones necesita tomar mi organización, mi supermente organizacional. Que tiene que decidir. ¿Qué tiene que sentir sobre el mundo para tomar esas decisiones? Qué tiene que recordar del pasado para tomar bien esas decisiones. Así que cada una de esas preguntas te lleva a un montón de otras posibilidades. Muchos de los cuales quizás nunca hayas pensado antes.
Elizabeth: Cuando las organizaciones deciden que quieren volverse más inteligentes incorporando más computación o más IA, ¿cuáles cree que son los problemas fáciles para aplicar esta inteligencia, esta inteligencia adicional y cuáles son los difíciles?
Tomás: Creo que un tipo de problema fácil en cierto sentido es el tipo de problemas que se pueden resolver con lo que llamo hiperconectividad. Hemos hablado mucho sobre la IA en el mundo recientemente e incluso en esta entrevista hasta ahora. Creo que una cosa igualmente importante, si no más, que pueden hacer las computadoras es crear hiperconectividad, conectar a las personas con otras personas y, a menudo, también con las computadoras, a escalas y en formas nuevas y ricas que nunca antes fueron posibles. Así que ya hemos visto esto. Internet es quizás el mejor ejemplo de una tecnología para crear hiperconectividad y todo lo que se basa en ella. Redes sociales, búsqueda en Google, todo ese tipo de cosas. Y creo que no tiene que suceder ningún nuevo tipo de cosas tecnológicas dramáticamente difíciles para que podamos usar la hiperconectividad de muchas maneras nuevas.
Cuando nos movemos en el área de la inteligencia artificial en lugar de la hiperconectividad, los lugares donde la IA puede ayudar son a menudo aquellos en los que tiene suficientes datos que se pueden capturar en forma legible por máquina para enseñar y usar algoritmos para hacer cosas que las personas hicieron. antes o tal vez la gente nunca podría hacer antes. Entonces, por ejemplo, una función comercial en la que esto suele ser fácil es en ventas. Es fácil medir los efectos de las ventas. Algunas personas venden más que otras y tenemos medidas en dólares para eso. Es más difícil medir las entradas de ventas, pero también puedes contar cosas como cuántas llamadas de clientes haces y con qué frecuencia te reúnes con ellos y cosas así y si lo haces en línea, ¿qué dices? . Por lo tanto, hay mucho que aprender, mucho que los sistemas de aprendizaje automático actuales pueden aprender acerca de la efectividad de las ventas, etc. En el caso de las ventas, lo más difícil es generar las acciones que pueden afectar los resultados. Entonces, aunque una computadora puede contar cuántas veces llama a un prospecto de ventas, una computadora no puede calcular fácilmente lo que va a decir al comienzo de la reunión sobre su fin de semana y sus hijos.
Así que todavía hay una necesidad de personas allí, pero las computadoras pueden hacer gran parte del análisis para ayudar a que todo el proceso sea más eficiente en muchos casos. Supongo que las partes más difíciles serían donde es difícil incluso medir las entradas y salidas. Entonces, cuando está diseñando un nuevo producto de software o un nuevo automóvil o algo así, no es obvio cómo medir las salidas o las entradas.
Elizabeth: ¿Cómo cree que los líderes empresariales pueden pensar en invertir en inteligencia artificial o aprendizaje automático, para dejar de verlo como una reducción de costos, por lo tanto, eliminar trabajadores o hacer que los trabajadores que tienen sean más eficientes, y más sobre reforzar la creatividad, hacer que los trabajadores se sientan más autorrealizados y más felices, para que sean retenidos y por lo tanto más productivos, etcétera?
Tomás: No, creo que es una gran pregunta. La cuestión de cómo podemos cambiar el énfasis. Creo que, en cierto sentido, la respuesta es simplemente haciéndolo. En otras palabras, por varias razones, no todas las cuales estoy seguro de entender, tenemos este gran enfoque en la IA en particular que va a hacer cosas que la gente solía hacer y luego dejar a la gente sin trabajo. Y cuando intenta desarrollar aplicaciones de IA o aplicar IA en empresas, mucha gente piensa en ello de esa manera. Ese es el tipo de mentalidad que traemos al problema. Pero eso ciertamente no es requerido por la economía. De hecho, en los negocios hay dos formas de ganar más dinero. Una es reducir sus costos. La otra es crear más valor y poder venderlo por más. Así que creo que nos hemos centrado demasiado en las aplicaciones de IA para reducir costos y no lo suficiente en las aplicaciones de IA para la creación de valor. De hecho, incluso desde un punto de vista económico, sospecho que ahí es donde está la verdadera oportunidad. Solo puede ganar tanto dinero reduciendo costos, pero en cierto sentido no hay límite para la cantidad de dinero que puede ganar si puede hacer algo nuevo que la gente quiere y que ni siquiera se podía hacer antes. Eso es mucho más emocionante en muchos casos económicamente.
Elizabeth: Creo que lo interesante de eso es que tienes toda la razón. Y creo que cuando se trata de presupuestar, siempre está muy claro cuál es el costo, pero siempre es mucho más difícil averiguar cuál será el beneficio potencial, porque en realidad no se sabe. Así que creo que probablemente sea por eso, en parte, y creo que a menudo estamos limitados por nuestra propia creatividad en ese sentido.
Tomás: En mi opinión, esa es la clave. Es nuestra propia imaginación, nuestra propia forma de pensar o nuestra propia visión del mundo el límite real aquí. Hasta cierto punto, tal vez tengamos la oportunidad, tal vez incluso la obligación de ayudar al mundo a avanzar hacia una mentalidad que sea más productiva, más abierta a estas nuevas posibilidades. Pero si pasa su tiempo pensando en cómo crear aplicaciones de IA que crearán empleos, para usarlas necesitará más personas para hacer cosas nuevas, pensará en algunas de ellas. Y creo que deberíamos dedicar mucho más tiempo a eso.
Elizabeth: Imagino que estabas escribiendo este libro en una época en la que estaban en marcha las elecciones de 2016 y tal vez incluso en los primeros meses de la presidencia de Donald Trump. Y creo que fue un momento en el que apenas empezábamos a comprender cómo ciertos tipos de supermentes como Facebook pueden producir resultados que tal vez no se entiendan uniformemente como buenos. Entonces, ¿eres tan optimista con respecto a las supermentes como lo eras cuando comenzaste a escribir el libro?
Tomás: Así que tiene razón en que estaba escribiendo mi libro durante la campaña y justo después de las elecciones de 2016. Su pregunta es si soy más optimista ahora o menos optimista ahora que cuando escribí el libro. Creo que nunca pensé que las supermentes siempre hacían cosas buenas. El mundo y la historia del mundo están llenos de supermentes, algunas de las cuales son inteligentes y otras estúpidas, algunas de las cuales son buenas y algunas de las cuales son malas. La Alemania nazi, por ejemplo, sería un ejemplo que muchas personas elegirían como una supermente que fue, al menos mientras existió, en muchos sentidos muy inteligente. Cumplió los objetivos de manera muy efectiva. Pero mucha gente diría que las metas que estaba logrando eran malas y la forma en que las estaba haciendo era mala.
Así que no lo creo. Nunca pensé y no creo que las supermentes sean siempre buenas. Cuando escribí el libro, intenté enfatizar intencionalmente las posibilidades positivas, pero no pensé que siempre sucederían. Y, curiosamente, justo cuando salió el libro en mayo de 2013, el espíritu de la época en el mundo cambió. Hasta casi ese momento, la gente estaba entusiasmada con lo buenos que son Facebook y Google y todas estas cosas. Y justo en ese momento ocurrió el escándalo de Facebook Cambridge Analytica, y de repente el mundo estaba hablando de todas las posibilidades negativas. Así que cuando hablo sobre el libro ahora, insisto en enfatizar casi desde el principio que las computadoras pueden hacer que las supermentes sean más inteligentes, pero también pueden hacer que las supermentes sean más estúpidas. Como cuando las noticias falsas influyen en los votantes en una democracia. Ese es a menudo un ejemplo en el que las computadoras hacen que la democracia sea más estúpida. Y lo que realmente creo que debemos hacer es pensar en cómo usar estas tecnologías sabiamente de manera que tengan las mejores posibilidades de crear buenos resultados. Si quieres hacer eso, sigo pensando que es muy útil hablar sobre cuáles son las buenas posibilidades por las que deberíamos esforzarnos.
Elizabeth: Tom, has hablado sobre cómo en el futuro, la inteligencia artificial y el aprendizaje automático pueden eliminar algunos trabajos antiguos, pero también pueden crear nuevos trabajos. ¿Qué sucede en el tiempo de transición? Puede haber bastantes personas afectadas por esa transición. ¿Cómo deberíamos estar preparándonos para eso? ¿Y cómo debería ser, cómo se sentirá y cómo se verá cuando estemos en él?
Tomás: Una pregunta muy importante, porque aunque a largo plazo soy muy optimista de que se crearán suficientes empleos nuevos para dar trabajo a tantas personas como quieran trabajar, creo que hay un período de transición del que debemos preocuparnos. Y eso no es necesariamente positivo para todos. Habrá algunas personas cuyos trabajos anteriores desaparezcan y que, por diversas razones, no puedan o no quieran hacer los nuevos trabajos que están disponibles. Así que vale la pena preocuparse por cómo manejamos eso como sociedad. Y hay varias posibilidades de cómo hacerlo. Una es usar la tecnología para hacer un mejor trabajo de adecuación, de modo que adecue a las personas a los puestos de trabajo. Si tiene que hacer eso tocando puertas, es mucho más costoso que si solo coloca su currículum en LinkedIn o lo que sea y automáticamente se compara. Otra forma más importante, probablemente, es capacitar a las personas para que hagan las cosas nuevas que deben hacerse. Una de las posibilidades interesantes aquí es utilizar las capacidades de la tecnología para permitir que la capacitación se lleve a cabo de formas mucho más flexibles. En lugar de tener que ir a sentarse en un salón de clases ocho horas al día aprendiendo algo de un profesor en el frente del salón, ahora, como es esencialmente obvio para todos, ahora es posible que haga gran parte de ese aprendizaje sentado en casa o sentado en su lugar de trabajo actual en un descanso o lo que sea, ganando en línea en todo tipo de formas.
Creo que incluso tiene posibilidades para nuevos tipos de aprendizaje en los que no solo puedes aprender en una clase, sino que puedes participar en el trabajo de una manera que es algo redundante con otro trabajo que está sucediendo. Entonces, en muchos de los nuevos tipos de toma de decisiones que son posibles gracias a esta tecnología, desea la opinión de más de una persona. No solo un médico que da un diagnóstico, sino quizás cinco personas que dan un diagnóstico. Y algunas de esas personas no tienen que ser médicos acreditados de pleno derecho. Quizás puedan ser estudiantes de medicina. O en otros dominios, si está tratando de predecir si el competidor lanzará un nuevo producto en una determinada categoría en una fecha determinada, tal vez no tenga que tener a los mejores investigadores de mercado del mundo haciendo esas predicciones. Tal vez pueda hacer esas predicciones a estudiantes de MBA o personas a las que les gustaría ser estudiantes de MBA. Y si hacen un buen trabajo de predicción, entonces están estableciendo sus propias credenciales. E incluso si no lo hacen, todavía están agregando más puntos de datos a los promedios para hacer las predicciones y así han contribuido con algo de valor y han aprendido cómo hacerlo en el camino.
Elizabeth: Tom, quiero agradecerte por tomarte el tiempo con nosotros hoy. Esta es una conversación fascinante. Siempre es interesante hablar contigo sobre tus últimos trabajos. Y una vez más, gracias por estar aquí y compartir sus ideas con nosotros.
Tomás: Gracias Es un placer.
****
Elizabeth: Este es el episodio final de una miniserie de tres partes sobre el futuro del trabajo del conocimiento producida con el patrocinio de Citrix. La empresa utiliza tecnología de servidor en la nube para asegurarse de que los trabajadores del conocimiento tengan acceso a las aplicaciones y los datos que necesitan dondequiera que se encuentren en un día determinado. Cuando administra tantas aplicaciones y tantos datos, resulta que puede usar la IA de algunas formas interesantes para que todo encaje mejor e incluso para hacer que la vida sea más satisfactoria y productiva para sus trabajadores del conocimiento. Recientemente tuve la oportunidad de sentarme y hablar con el Director de Tecnología Global de Citrix, Christian Reilly, y comencé preguntándole qué está haciendo Citrix para generar más inteligencia en la forma en que entrega aplicaciones a los trabajadores.
Cristian Reilly: Así que creo que en el centro de eso está el cambio en el panorama de las propias aplicaciones. Me refiero a que la forma en que pensamos acerca de las aplicaciones es muy diferente hoy en día que hace 20 o 25 años y creo que gran parte de eso es la forma en que realmente pensamos sobre lo que la aplicación está tratando de hacer. Y con eso quiero decir que históricamente hemos tenido montones y montones de aplicaciones empresariales grandes y complejas que se han basado mucho en funciones. Usted sabe que toman una función comercial completa y sirven todo eso, desde pedidos hasta efectivo como un gran ejemplo de una aplicación que típicamente habría hecho eso en un sentido histórico. Como vimos el advenimiento de los servicios en la nube, como vimos el advenimiento de los dispositivos móviles y las aplicaciones móviles, vimos que las aplicaciones cambiaron en lo que yo diría que es una forma más específica de proceso. Entonces, las aplicaciones individuales se vuelven mucho más pequeñas y en realidad proporcionan una especie de subconjunto de procesos comerciales y un subconjunto de resultados comerciales. Por supuesto, las grandes aplicaciones aún existen, pero las más pequeñas se están volviendo mucho más populares en la forma en que interactuamos. Entonces, si lo junta y piensa en las aplicaciones tradicionales que han sido complejas, han sido difíciles de usar. Ha habido muchas versiones diferentes de ellos por muchas razones diferentes. Y tenemos esta afluencia de aplicaciones más pequeñas, ligeras y ágiles. Creo que lo que en realidad hemos descubierto es que existe una yuxtaposición interesante entre la productividad y el desafío de estas aplicaciones existentes y las personas inteligentes han comenzado a pensar realmente en el aprendizaje automático de maneras que realmente desafían la forma en que hacemos el trabajo.
Entonces, desde una perspectiva muy simple, daría un ejemplo en el que tal vez somos una organización que contrata a 20,000 personas. Y tenemos un sistema que permite a las personas solicitar tiempo libre. Entonces, históricamente, lo que hemos tenido que hacer es ingresar a la solicitud, solicitar el tiempo libre y luego alguien más tendría que aprobarlo. Pero ahora, con el aprendizaje automático, en realidad podemos entender, oye, sabes que ingresas a esta aplicación todos los miércoles para verificar tu tiempo libre en tu equipo. ¿Qué pasaría si pudiéramos entender eso y si pudiéramos brindarle un mecanismo simple para decir, oye, en lugar de hacer esto todos los miércoles, voy a ver la forma en que usa ese proceso comercial y estoy Voy a aprender de eso y voy a ofrecerte una forma diferente de hacerlo que, en última instancia, tiene un mejor resultado para ti porque es más rápida. No cambia tu atención de lo que estabas haciendo. Y en realidad puedo entender qué es lo que pretendes hacer. Y mi aprendizaje automático, o en este caso, un enfoque de inteligencia artificial, en realidad comprendería lo que haces en el sistema y te brindaría una forma diferente de trabajar.
Elizabeth: Entonces, lo que creo que estás describiendo, Christian, es esta idea de que la IA y el aprendizaje automático no solo pueden tener inteligencia para hacer un gran análisis de las cosas que suceden dentro de la plataforma, sino que también juegan un papel en la forma en que las aplicaciones y el Los sistemas operativos están diseñados en primer lugar.
Cristiano: Si absolutamente. Quiero decir, creo que lo que es realmente interesante, una gran tendencia que vemos, es, y sabes, tal vez debería retroceder un poco y hablar sobre los primeros años de la inteligencia artificial, la IA. No es un concepto nuevo. Ha existido desde la década de 1950. Pero lo que es realmente interesante y creo que está siendo el multiplicador de fuerza, es el hecho de que ahora podemos aprovechar los modelos y capacidades de aprendizaje automático como servicios en la nube en sí mismos. Entonces, la barrera de entrada para implementar el aprendizaje automático es cada vez más baja. Literalmente semana tras semana mes tras mes. Entonces, lo que es interesante desde esa perspectiva es que no solo se desarrollan nuevas aplicaciones que tienen inteligencia artificial inherente y capacidades de aprendizaje automático, sino aplicaciones tradicionales a las que podemos adaptar ese mismo concepto y, en última instancia, generar mayores beneficios comerciales, mayores resultados comerciales. Así que creo absolutamente, la forma en que estamos diseñando aplicaciones ahora, todo tendrá inteligencia artificial incorporada. Ya sea un televisor inteligente o un dispositivo doméstico, una computadora portátil nueva, un teléfono nuevo, todos tendrán algún tipo de aprendizaje automático o Capacidad de IA. Pero lo que es realmente interesante es que ahora existen conjuntos de servicios en la nube para tomar problemas realmente complejos y hacerlos relativamente simples. Entonces, el conjunto de capacidades generales que tenemos es mucho más grande y la aplicabilidad de esas capacidades es mucho más amplia. Y creo que eso se vuelve realmente interesante a partir de cómo podemos generar verdaderos beneficios comerciales, no solo para las nuevas aplicaciones, sino también en los negocios tradicionales.
Elizabeth: Existe una narrativa que la mayoría de nosotros escuchamos, sobre cómo la IA y el aprendizaje automático contribuirán en gran medida a la reducción de costos. Entonces, despedir trabajadores, dirigir a las personas a trabajar de manera más eficiente. ¿Cuál es la narrativa que ilustra este concepto de que la IA y el aprendizaje automático son realmente positivos y hacen que la forma en que trabajemos en el futuro sea una experiencia más agradable y edificante?
Cristiano: Bueno, creo que colectivamente nos hemos estado preocupando por el final del trabajo de la automatización durante siglos. Hay un ejemplo famoso en el Reino Unido de la reina Isabel I, que rechazó una patente sobre una máquina de tejer automática porque estaba preocupada por los efectos de la automatización en las damas en ese momento que se ganaban la vida tejiendo. Y, en última instancia, estaba bastante dispuesta a no considerar la patente, pero no pudo detener la automatización y muchas organizaciones adquirieron estas máquinas de tejer y luego, durante un período de tiempo, la cantidad de trabajos de tejido creció exponencialmente. Así que ha sido bastante interesante de seguir. Hay una serie de otros ejemplos similares a ese. Y creo que ahora estamos en el mismo tipo de coyuntura cuando hablamos de las amenazas de la IA. Por supuesto, creo que hay una amenaza para algunos trabajos. Mire los trabajos tradicionales a los que les pueden gustar los centros de llamadas o los centros de contacto que pueden aumentarse de manera relativamente simple con algo de la inteligencia artificial del aprendizaje automático.
Así que creo que definitivamente habrá un punto en el que se perderán algunos trabajos debido a la automatización, al aprendizaje automático. Pero creo que la forma de verlo realmente es, ¿cómo podemos aplicar esto de una manera moralmente correcta que nos permita eliminar algunas de las tareas realmente laboriosas que hace la gente, ya sea una cita con el médico o incluso una cita con el peluquero? o aprobar una hoja de tiempo. Estas no son cosas de valor agregado para nosotros como humanos. Entonces, creo que cuanto más podamos aplicar el aprendizaje automático, más podremos aplicar asistentes digitales y asistentes virtuales para lidiar con las cosas que son repetitivas y que no agregan mucho valor. Creo que en realidad podemos liberar tiempo, podemos liberar capacidad intelectual, podemos liberar recursos para que las personas sean más creativas, así que en lugar de preocuparnos por la teoría entre la inteligencia artificial general y los robots que se apoderarán del mundo, vamos a centrarse en la inteligencia artificial limitada, las cosas que vemos todos los días cuando usamos Siri, o usamos Cortana, o usamos el Asistente de Google, o tenemos una recomendación de Amazon, o vemos más y más de esta tecnología integrada línea de aplicaciones comerciales que realmente consume esas tareas laboriosas y repetitivas que requieren mucha mano de obra. Creo que nos enfocamos en eso. Liberamos algo de capital intelectual para que las personas sean más creativas, para alejarse de la servidumbre de la vida cotidiana. Ahí es donde creo que podemos agregar el mayor valor y tal vez no deberíamos estar tan preocupados por los robots que se apoderarán de nuestro mundo, porque, en mi opinión, eso probablemente nunca sucederá.
Elizabeth: Estupendo. Bueno, eso es un alivio. cristian, gracias Esto ha sido maravilloso. Ha sido maravilloso saber de usted acerca de estos problemas y aprender más sobre Citrix.
Cristiano: Bueno, gracias.
Elizabeth: Eso es todo por este episodio de Business Lab. Soy su anfitriona, Elizabeth Bramson-Boudreau. Soy el CEO y editor de MIT Technology Review. Fuimos fundados en 1899 en el Instituto Tecnológico de Massachusetts. Puede encontrarnos impresos, en la web, en docenas de eventos en vivo cada año y ahora en forma de audio. Para obtener más información acerca de nosotros, visite nuestro sitio web en technologyreview.com.
Este programa está disponible dondequiera que obtenga sus podcasts. Si disfrutó de este episodio, esperamos que se tome un momento para calificarnos y comentarnos en Apple Podcasts. Business Lab es una producción de MIT Technology Review. El productor de este episodio es Wade Roush con la ayuda editorial de Mindy Blodgett. Gracias a nuestro patrocinador Citrix, la empresa que crea soluciones centradas en las personas para una mejor manera de trabajar. Gracias por escuchar. Volveremos pronto con nuestro próximo episodio.