La Inteligencia Artificial creará más empleos de los que elimina

• La tendencia de colaboración humano/robot seguirá creciendo en los próximos años.
• Existe una demanda creciente de profesionales especialistas en inteligencia artificial entre los que destacan: ingeniero de machine learning, robotic scientist, data scientist, research scientist o desarrolladores de inteligencia empresarial.

Madrid, 22 de septiembre de 2021.- ICEMD – Instituto de Innovación by ESIC- ha presentado el informe Innovation Series: “Tendencias de innovación en Inteligencia Artificial”. El estudio aborda las principales tendencias e innovaciones que se están desarrollando en la Inteligencia Artificial y como esta tecnología está impactando en los negocios y las empresas.

Durante la presentación, María Albalá, directora del Innovation Hub de ICEMD – Instituto de Innovación by ESIC, ha estado acompañada por Juan Aguilar, director del Máster en Marketing Digital de ESIC y CMO de Shapelets.  

APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL

A medida que se avanza en la integración de estas herramientas en las organizaciones, comprender las diferencias entre estos diferentes tipos de tareas compatibles con la IA puede ayudarnos a determinar la mejor herramienta para cada trabajo, averiguar la mejor manera de apoyar esa herramienta con empleados humanos y, en última instancia, optimizar la colaboración entre humanos y máquinas.

“Según se vaya avanzando en el desarrollo de la IA esta se irá democratizando, como ha pasado ya con otras tecnologías, por complejas que sean. Llegará un momento en el que muchas de las herramientas que usamos todos los días tengan una base de IA que les de capacidades mucho más altas de las que ahora mismo tienen y, además, serán transparentes para el usuario”, ha especificado María Albalá.

Aunque existen cientos de herramientas de IA que resuelven problemas de negocio, las podemos agrupar en cuatro categorías: tareas sencillas, tareas sencillas que requieren toma de decisiones éticas, tareas creativas con implicaciones éticas limitadas y tareas que requieren tanto creatividad como ética.

Con este marco simple, los líderes de las empresas pueden empezar a controlar las capacidades humanas en las que necesitarán invertir para aprovechar al máximo estas nuevas herramientas.

1. Tareas repetitivas y rutinarias.

Estos sistemas se utilizan para tareas mecánicas sencillas en entornos industriales como fábricas y almacenes. En estos casos, el papel del ser humano es simplemente supervisar la herramienta de IA. Aunque estas herramientas harán obsoletos muchos trabajos de montaje tradicionales, todavía requerirán que los seres humanos supervisen la finalización de estas tareas en funciones nuevas y más centradas en la gestión. Para prepararse para esta transición, las empresas deben considerar la mejor manera de reentrenar a los empleados y mantener la participación y la motivación entre los equipos que se enfrentan a asumir estas nuevas responsabilidades.

2. Tareas sencillas que requieren una toma de decisiones éticas.

Algunas tareas altamente repetitivas requieren un alto nivel de conciencia ética, lo que hace que el apoyo humano en estos sistemas sea muy importante. Por ejemplo, cuando se trabaja con robots que ayudan a las personas discapacitadas con la mecánica de comer, apoyar a los ancianos o personas con discapacidades a caminar, administrar medicamentos… es vital que los seres humanos proporcionen los componentes éticos y empáticos que un robot por sí solo no puede ofrecer. Cuando se implementan este tipo de sistemas de IA se deben las implicaciones éticas de cualquier tarea automatizada, y comprobar que estas herramientas van acompañadas de profesionales humanos equipados para mejorar la experiencia de las personas a las que está ayudando.

3. Tareas creativas con componentes éticos limitados.

Esta categoría se refiere a aplicaciones para tareas que requieren un alto nivel de creatividad y complejidad, pero no requieren mucha conciencia ética. Por ejemplo, las herramientas de financiación encargadas de predecir los cambios en el mercado tienen que hacer cálculos complejos para desarrollar resultados procesables, pero esos procesos, generalmente, no implican mucho ángulo ético.

4. Tareas con componentes creativos y éticos.

La categoría final son los sistemas que se utilizan para tareas que requieren un alto nivel de creatividad e implican decisiones éticas. En estos casos, le pedimos a una máquina que interactúe con su entorno y realice una tarea compleja con una participación mínima o nula de personas humanas.

Por ejemplo, los vehículos totalmente automatizados necesitan ejecutar tareas complicadas y creativas mientras automatizan decisiones éticas de alto riesgo, como priorizar las preocupaciones de seguridad contradictorias. Del mismo modo, los robots de búsqueda y rescate utilizados para encontrar y evacuar a las personas de sitios de desastres naturales deben aprovechar las capacidades creativas y éticas para realizar sus tareas de forma segura.

Estos sistemas tienen un gran potencial para mejorar vidas, pero también requieren una mayor cantidad de supervisión. Si bien hemos hecho grandes progresos en el desarrollo estas herramientas, es vital asegurar que los profesionales humanos aprovechen sus capacidades creativas y éticas para apoyar estos sistemas.

TENDENCIAS EN INTELIGENCIA ARTIFICIAL

Entre las tendencias de innovación basadas en Inteligencia Artificial que veremos impulsar desde las empresas durante los próximos años destacan:

1. Añadir inteligencia a los RPA. Muchas empresas están recurriendo a los RPA (Automatización Robótica de Procesos) para mejorar sus flujos de trabajo.  Un RPA puede manejar y automatizar tareas repetitivas. Sin embargo, la integración de la IA con RPA puede llevar la automatización y el control de tareas al siguiente nivel. La colaboración de estas dos tecnologías tiene el potencial de abordar muchos problemas en tiempo real. Este año veremos avances más innovadores en el sector de la automatización con IA y RPA. 
2. Automatización Inteligente de Procesos (IPA). La Automatización Inteligente de Procesos (IPA) es otro caso de uso para automatizar procesos de contenido no estructurado en las empresas. Esta tecnología también puede colaborar con otras tecnologías como Cognitive Automation, Machine Learning, RPA y Computer Vision para obtener resultados sólidos.  Además, la IPA está sirviendo a industrias como el comercio minorista, la banca, las finanzas, etc., incluso los banqueros de inversión utilizan IPA para identificar inconsistencias en los datos de investigación, lo cual es casi imposible de identificar para los seres humanos.
3. IA para ciberseguridad y privacidad de datos. A medida que las tecnologías crecen, también lo hacen las amenazas a la seguridad. Durante los próximos años el robo de datos y el phishing seguirán siendo un problema. Con medidas mejoradas de ciberseguridad, la IA evitará la ciberdelincuencia mediante la detección de transacciones y actividades digitales falsas siguiendo patrones para detectar actividades delictivas. Veremos como cada vez más organizaciones implementan la IA para gestionar sus tareas de ciberseguridad.
4. IA con Internet de las Cosas. La Inteligencia Artificial es una tecnología extraordinaria que, junto con el poder del Internet de las cosas (IoT), proporciona una solución muy potente para las empresas. La combinación de estas dos tecnologías traerá cambios distintos en la industria de la automatización. En el futuro, los dispositivos domésticos inteligentes como Google Nest, Smart Plugs, smart locks, etc. predecirán y atenderán las necesidades humanas. Actualmente, los dispositivos sólo funcionan al mando, pero al conectarse con la tecnología de IA, estos dispositivos pueden predecir automáticamente las necesidades humanas e iniciar otros aparatos y procesos sin intervención humana.
5. Aprendizaje automático para aficionados. El aprendizaje automático permitirá a los no expertos comprender y utilizar algoritmos de machine learning (ML).  Por lo que veremos un aumento en el número de científicos de datos. Herramientas como Google Cloud AutoML serán más populares en el futuro. Estas herramientas ayudan a las empresas a agregar personalización sin necesidad de conocer el complejo proceso de desarrollo de ML.
6. Avances en la visión por computadora. Computer Vision puede monitorizar si se cumplen los procedimientos de seguridad (mascarillas, equipos de protección) para garantizar la seguridad en el lugar de trabajo. Esta técnica ayuda a las empresas de diferentes sectores (salud, la aviación, el comercio minorista…) a realizar un seguimiento de sus empleados, identificarlos, etc.
7. Chatbots basados en IA. Estos chatbots son capaces de proporcionar una mejor automatización del servicio al cliente. Los chatbots conversacionales de IA seguirán aprendiendo y mejorando en términos de comprensión y comunicación con los clientes. Estos chatbots utilizan Machine Learning (ML) y procesamiento de lenguaje natural (PNL) para entender los comandos, proporcionando una comunicación natural imitando la conversación humana con los usuarios.
8. Hacia una fuerza de trabajo híbrida con IA. El lugar de trabajo está evolucionando hacia una fuerza de trabajo híbrida, donde la fuerza de trabajo humana colaborará y trabajará con los bots para hacer su trabajo de manera más eficiente.  En los últimos años, hemos notado la aparición de asistentes digitales como Siri, Alexa y VERA. Esta tendencia de colaboración humano/robot seguirá creciendo.

 “La siguiente generación de plataformas de Big Data Analytics e Inteligencia Artificial deben permitirnos poder trabajar con mayor volumen de fuentes de datos y con información en tiempo real y a un precio asequible”, ha destacado Juan Aguilar.

¿QUÉ PERFILES PROFESIONALES ESTÁN BUSCANDO LAS EMPRESAS?

Las oportunidades de trabajo disponibles por el advenimiento de la inteligencia artificial sólo van a crecer a medida que la tecnología siga innovando. Los expertos de Gartner predicen que la Inteligencia Atificial generará más empleos de los que elimina. Cada función, sin embargo, requiere educación y capacitación para satisfacer las necesidades de la industria.

La inteligencia artificial es altamente científica. Después de todo, imitar el cerebro humano usando máquinas es un problema muy difícil de resolver. Las habilidades que necesitarás para seguir la IA como carrera son variadas, pero todas requieren una gran cantidad de educación, capacitación y enfoque.  Dicho esto, hay una amplia variedad de tipos de carreras disponibles en IA y aprendizaje automático, y van desde la investigación de nivel superior hasta la programación e implementación de bajo nivel. 

La mayoría de las carreras en inteligencia artificial requieren trabajo de formación y experiencia en una variedad de temas relacionados con las matemáticas y la ciencia.

Existe una demanda creciente de profesionales especialistas en inteligencia artificial. Las empresas necesitan perfiles concretos que no encuentran, entre los que destacan ingeniero de machine learning, robotic scientist, data scientist, research scientist o desarrolladores de inteligencia empresarial.

“Cada vez vemos más, en profesiones eminentemente técnicas o tecnológicas, que el conocimiento del negocio, cómo son sus procesos, el conocimiento del sector en el que se moverán las aplicaciones que desarrolles, qué demandan nuestros clientes, así como las habilidades interpersonales y de comunicación, son un valor en alza”, comenta María Albalá, directora del Innovation Hub de ICEMD – Instituto de Innovación by ESIC

En este sentido, Juan Aguilar, director del Máster en Marketing Digital de ESIC y CMO de Shapelets, añade que “la IA supondrá el cuarto salto en los ecosistemas digitales y para aprovechar toda su potencia serán necesarios nuevos perfiles, como los Data Scientists y nuevas herramientas que les permitan extraer todo el valor de los datos."

“En el campo de la IA cada vez son más demandados perfiles híbridos que sean capaces de entender las necesidades de negocio y no solo hablarles en su idioma, sino explicar la tecnología de una forma comprensible para un no tecnólogo.  La IA se basa en datos y procesos, pero además hay que conocer el contexto, tanto la relación entre ellos, como el significado y las implicaciones. De la misma forma, los perfiles de negocio necesitan conocer las capacidades y el potencial de la tecnología, para poder evaluar su posible uso de cara a negocio. Las fronteras entre negocio e IT se difuminan para generar el máximo valor”, añade Albalá.

Descubre en el informe más de 50 ejemplos de herramientas de Inteligencia Artificial aplicados a los diferentes ámbitos de la empresa: bussines intelligence, marketing de consumo, finanzas, seguridad, recursos humanos, ingeniería o nuevas tecnologías, entre otros.

Accede al informe:  https://icemd.esic.edu/knowledge/estudios/innovation_series_ia/

ICEMD-Instituto de Innovación by ESIC Bussines School