¿El cajero automático sustituye o complementa al empleado del banco?

Una máquina puede ser completamente capaz de llevar a cabo tareas en fábricas, como el procesamiento del algodón y la lana. Este tipo de trabajos tienen menos retroalimentación humana.  

Un empleado de banco es diferente en el sentido de que cada interacción interpersonal puede ser una oportunidad para que ambas partes aprendan algo y busquen un resultado que beneficie los involucrados. Antes de la introducción de los cajeros automáticos, la mayoría de las personas utilizaban los bancos para retirar e ingresar dinero, pero también realizaban otro tipo de gestiones. 

Una vez que la gente se sintió cómoda utilizando el cajero automático,  acudir a la sucursal se reservó para gestiones en los que la mera interacción con el cajero no podía ayudar. Muchos de estos servicios tenían más valor para los clientes, y el banco podía obtener ingresos adicionales prestando muchos de estos servicios añadidos de mayor valor. 

Así, aunque las máquinas eliminaron la necesidad de tantos trabajadores en las fábricas de algodón, en realidad crearon la necesidad de más empleados bancarios para prestar servicios de mayor valor añadido, además de retirar y depositar dinero. 

¿Es la IA más parecida a una máquina de fábrica o a un cajero automático?

Esta es la pregunta por excelencia, ya que el objetivo es reemplazar totalmente al ser humano en determinadas funciones, o más bien aumentarlo y establecer una relación piloto humano/copiloto de inteligencia artificial. Microsoft fue muy decidida con su marca Copilot de ciertos asistentes de IA, tratando de enfatizar el valor añadido procedente de la persona que trabaja con la IA y no la IA simplemente haciendo todo sin supervisión. 

Lo más probable es que la respuesta sea variada: algunos trabajos podrían ser "reemplazados" por la IA y otros podrían ser "muy mejorados" por la IA. 

El marco académico

Predecir cómo puede ser el futuro de este tipo de cuestiones puede resultar difícil. La base de datos O*NET abarca 1.016 ocupaciones y sus actividades y tareas laborales detalladas. El ingrediente clave es que los trabajos se dividen en tareas, y las tareas pueden evaluarse en función de si se percibe que pueden realizarse de tal manera con acceso a un LLM que podría suponer un ahorro de tiempo de aproximadamente el 50 %. Parte de esta información está sujeta a estimaciones y juicios de valor, pero al combinar los complejos ámbitos de las "ocupaciones en EE. UU." y "lo que pueden hacer los LLM" se pueden extraer algunas conclusiones. 

Algunos de los trabajos publicados indican:

• 1,8 % de los puestos de trabajo podrían ver afectadas más de la mitad de sus tareas por LLM con interfaces sencillas y formación general. Con la evolución actual y futura, este porcentaje podría elevarse a más del 46 % de los puestos de trabajo, con más del 50 % de sus tareas afectadas por LLM. 
• Por término medio, los LLM son relevantes para aproximadamente el 14 % de las tareas por ocupación. 
• Utilizando los datos de la Matriz Nacional de Empleo de la Oficina de Estadísticas Laborales, se calcula que alrededor del 80 % de los trabajadores desempeñan ocupaciones con al menos un 10 % de tareas expuestas a los LLM, suponiendo una implementación parcial de software complementario. 
• Solo alrededor del 1,86 % de las tareas pueden ser totalmente automatizadas por los LLM, además de las integraciones de software adicionales sin supervisión humana. 
• Los dos grupos de empleos que parecen más expuestos a los LLM son "Científicos e investigadores" y "Tecnólogos", que podrían incluir ingenieros de software y científicos de datos. 

Hasta ahora, los trabajos académicos parecen apoyar la "complementariedad" y el "aumento" más que el "reemplazo". 

Analizar las pruebas anecdóticas

Tanto las historias humanas como los estudios académicos pueden influir en la política y las políticas. Hay algunas citas notables en las que se habla del potencial de la IA para aumentar la productividad, sobre todo en el ámbito del desarrollo de software. 

• "Ahora estamos viendo que los desarrolladores que utilizan GitHub Copilot son un 55 % más productivos en las tareas". - Scott Guthrie, Microsoft EVP of Cloud & AI
• En Code Whisperer de Amazon: "Las pruebas internas mostraron un 57 % más de rapidez en la realización de tareas y un 27 % más de probabilidades de éxito". - Adam Selipski, CEO de AWS

La codificación es un caso de uso interesante, ya que los distintos enfoques asistidos por la IA pueden ayudar directamente en un proceso que antes implicaba muchas búsquedas en Internet y ensayo y error. Todavía no tenemos noticias de que los asistentes de IA hagan las cosas perfectas el 100 % de las veces, pero sí permite mejorar el proceso y aumentar la eficacia a la hora de superar los distintos obstáculos y desafíos que puedan surgir.

¿Y los autónomos?

La redacción publicitaria ha sido un trabajo autónomo notable y flexible, y los profesionales suelen crear una base de clientes en un sector concreto. Por ejemplo, los asesores financieros suelen necesitar diversos textos de marketing en sus webs, folletos y correos electrónicos. No tiene sentido que lo redacten todo ellos mismos: su especialidad es trabajar con los clientes en planificación financiera y asuntos relacionados. Trabajar con redactores ha sido una solución desde hace mucho tiempo, pero es fácil suponer que este tipo de trabajo podría correr un enorme riesgo de ser totalmente sustituido por los LLM. 

En el año 2024, es posible que la redacción aún no se considere lo suficientemente buena como para sustituir a los redactores humanos, ya que hay casos de redactores a los que se les pide que "pulan" el trabajo de los LLM, pero es importante tener en cuenta que los modelos pueden iterar y mejorar con bastante rapidez. 

También abre una parte importante del debate sobre el aumento. Si un redactor, codificador o traductor solo realiza un trabajo "básico", los LLM pueden reemplazarlo por completo. La persona tendría que ascender en la curva, aplicándose a actividades más avanzadas que los LLM no pueden completar tan fácilmente. Sin embargo, podría ser necesario algún tipo de aprendizaje o formación para llegar hasta allí.

Conclusión: El cambio será la única constante

El espectro será un modelo mental importante. Si la gente está esperando que los LLM completen las tareas en su totalidad con cero errores, podrían estar esperando mucho tiempo, pero si la gente está buscando mejorar su eficiencia en ciertas tareas diarias, la IA podría estar lista para ayudar con eso inmediatamente. 

Haríamos bien en recordar innovaciones pasadas, como la calculadora o el ordenador, en las que necesitábamos que la gente fuera muy buena haciendo cuentas con precisión, pero en el año 2024 tenemos tantas herramientas para eso que es mucho menos importante. Es más importante entender los conceptos que encierran las matemáticas que hacer la aritmética. La IA será probablemente similar en el sentido de que será menos importante que la gente escriba palabras por sí misma, pero será más importante que la gente entienda los elementos de una gran historia y cómo editar los resultados de la IA o impulsarla cada vez más en esta dirección.
 

TE INTERESA

Si quiere aprender a invertir y gestionar su patrimonio, descubra la nueva sección de cursos gratuitos