Queridos hijos:

Ahora que ya habéis podido leer y asimilar el contenido de las dos primeras cartas, llega el momento de hablaros de los puestos de trabajo y de las profesiones que probablemente vayan a estar más “a salvo” de la automatización de tareas a través de la Inteligencia Artificial (IA).

¿Cuál será el balance final entre destrucción y creación?

Hay mucha gente que piensa que se van a perder muchos puestos de trabajo a medida que vayan aumentando las capacidades de la IA para automatizar tareas. Echando la vista atrás sobre lo que ha ocurrido en revoluciones industriales anteriores, es cierto que muchos puestos de trabajo desaparecerán, pero no es menos cierto que también aparecerán muchos otros cuyo nombre aún no conocemos porque aún no se han inventado. Hace un tiempo escribí un artículo en el que enumeraba el tipo de nuevos puestos de trabajo que la IA generaría en el futuro de forma directa.

La otra gran cuestión es si los nuevos empleos podrán mantener la estructura económica actual de 40h/semana, 5 días de trabajo y dos de descanso (bueno la mayoría de profesiones, los que trabajan a turnos o en sectores especiales funcionan de manera diferente). Esto es importante porque lo que te pagan hoy en día está en función básicamente de lo que produces (bienes o servicios que prestas) durante esas horas, lo que los economistas denominan productividad laboral.

Cada día será más común el trabajo conjunto con una IA

Es cierto que, como señalan varios estudios, la IA generará riqueza en el conjunto de la economía, por lo que el Producto Interior Bruto (PIB) de los países crecerá. Es decir, habrá más dinero para atender a nuevos servicios que una nueva sociedad más compleja que la actual demandará o necesitará. Pero todavía no he encontrado un estudio lo suficientemente riguroso para ser medianamente fiable, que haya sido capaz de cuantificar cuál será este balance entre destrucción y creación de empleos. ¿uno creado por cada uno perdido?, ¿uno destruido por dos nuevos creados?, ¿serán empleos de 40h?, ¿serán los salarios proporcionales a las horas trabajadas o a la productividad real?

Ni siquiera he encontrado (no digo que no lo haya) algo mucho más fácil de hacer por tratar de cosas que ya han sucedido, como es un estudio sobre este balance en automatizaciones pasadas, la Industrial o la de la Sociedad de la Información.

Lo digo porque este balance entre puestos destruidos y creados es fundamental para cuantificar el grupo de “inútiles”. Aunque no os lo comenté en la primera carta para no alargarla excesivamente, este grupo se alimentará de tres fuentes:

  • Los inadaptados analógicos (básicamente mayores de 45 años en 2018).
  • Los “jóvenes viejos” producto del aumento de la esperanza y la calidad de vida a nivel mundial (y muy especialmente en España), pero que serán demasiado “caros” y podrán ser reemplazados por dos o tres jóvenes mucho más baratos.
  • La nueva población que aún no ha nacido (el grupo más numeroso), que hará que pasemos de 7.100 millones de personas en 2018 a 9.700 millones en 2050 y cuya contribución principal procederá de países del tercer mundo y países en vías de desarrollo.

La humanidad aumentada[1]: la gran esperanza en la automatización de tareas

Pero en el caso de muchos otros puestos de trabajo y profesiones que existen en la actualidad, lo que va a suceder no es que van a desaparecer sino que se van a transformar. Parte de las tareas del puesto se dejarán en manos de la IA. Los trabajadores se concentrarán en aquellas tareas en las que (aún) somos mejores o añadimos más valor que las máquinas.

Esto como ya os expliqué deberá permitir a los trabajadores que se mantengan en el círculo virtuoso dar un salto cuantitativo importante en su productividad (esto es capacidad de servir a más personas o fabricar más productos por unidad de tiempo o de añadir más valor a lo que se hace), es decir el aumento de las capacidades humanas al trabajar “codo con codo” con la IA. A esto lo llaman sinergia aunque a mí me gusta más el término humanidad aumentada. Esto sucederá tanto en los puestos de trabajo globales como locales, pero los puestos de trabajo “aumentados” serán especialmente relevantes en los globales, por la enorme competencia a la que estarán sometidos.

La buena noticia es que habrá una oportunidad muy importante de trabajo para la nueva profesión de diseñador de la interacción en los puestos de trabajo entre las personas y la IA. Envidio las posibilidades de trabajo que se abrirán a estas personas que sepan como combinar la psicología humana y nuestras capacidades y sesgos cognitivos[2] por un lado y las posibilidades de los algoritmos con el uso de IA por otro. Las IA deberán proporcionar la información relevante en cada momento y sólo la necesaria para que la persona pueda tomar las decisiones que no puedan/deban ser tomadas automáticamente.

A la hora de aproximarse a esta lista de profesiones, es posible hacerlo en base a varios puntos de vista, que os voy a mostrar a continuación. La lista final de profesiones “seguras” será la resultante de aplicar todos estos puntos de vista a cada una de las profesiones existentes.

Los reductos de las profesiones físicas y de relativamente baja cualificación

Las personas tenemos dos tipos de capacidades, las físicas y las mentales (que llamaré de forma más precisa, cognitivas).

Sobre las primeras, las sucesivas oleadas de automatización ya ha ido eliminando buena parte de las necesidades de fuerza humana. Y la IA, a través de los robots (que no tienen porque tener forma humanoide), va a eliminar otro buen pedazo de las que quedan (de hecho, ya las están eliminando). Un ejemplo de esto lo podéis ver en las siguientes imágenes entre una línea de producción de coches de mediados del siglo XX y una actual:

Línea manual de mediados del S.XX. Se observa la gran cantidad de trabajadores que hay alrededor de los coches.

Línea robotizada de coches del S.XXI. No se ve a ningún trabajador en esta zona.

Es decir, en general, todas las tareas repetitivas que se den en un entorno predecible, como en muchas partes de las líneas de producción en una fabrica, serán reemplazadas por sistemas automáticos con interacción física con el entorno basados en IA (esto es lo que son los robots).

En cuanto a las tareas físicas y de relativamente baja cualificación que van a permanecer, son la de aquellos grupos de profesiones que por sus características, o por el espacio físico o el contexto en el que se produzcan sean difíciles de asumir por los robots. Algunos ejemplos:

  • Limpiador de exteriores de edificios de formas singulares como monumentos o museos, que tendrán que limpiar lo edificios usando técnicas propias de los alpinistas.
  • Donde no salga rentable su automatización por la variedad de contextos posibles para el valor que se percibe por los usuarios: fontanero, electricista, etc.
  • Donde los robots no sean aceptados socialmente (todavía) en este contexto: cuidadores de niños o de ancianos.

A la búsqueda de las capacidades cognitivas más difíciles de imitar por la IA

Además de estas tareas físicas, todas aquellas de tipo mental repetitivas, como los trabajos de tipo administrativo, irán desapareciendo también. No creo que eso sea una sorpresa, ni siquiera para vosotros que aún no habéis accedido al mundo laboral.

Este hecho va a transformar toda la parte de “oficina” de las empresas, pero de manera muy especial en la administración pública, aunque llevará su tiempo por las resistencias de todo tipo que habrá a este proceso. Así que si queréis trabajar en este tipo de puestos, aseguraros de no entrar en las empresas o en la Administración Pública como auxiliares administrativos o administrativos, incluso como técnicos de administración general, sino como técnicos o directivos, especialistas o generalistas de la llamada administración especial (y en estos últimos puestos siendo capaces de trabajar “codo con codo”, con las IA como ya os he comentado).

Por lo que respecta al segundo tipo de capacidades humanas, las cognitivas, se puede enumerar las siguientes: aprender, analizar, comunicar y comprender las emociones humanas. Gracias al llamado Aprendizaje Profundo (o Deep Learning) todas y cada una de estas áreas están siendo ocupadas de forma creciente por las IA. En unos casos con capacidades humanas y en otros sobrehumanas (mejor que las humanas), como muestro a mis alumnos en mis clases de IA. El Deep Learning está proporcionando a las máquinas capacidad de intuición y también, por mucho que nos duela, creatividad[3].

la revolución de la IA está impulsada por los avances que se producen en el conocimiento de las ciencias de la vida, de forma particular la neurociencia y en las ciencias sociales, en concreto la economía conductual.

(Yuval Harari)

Ambas disciplinas son las que están permitiendo comprender mucho mejor cómo se toman las decisiones, lo que abre la puerta a sustituir progresivamente la intuición humana por la intuición artificial, poniendo a la Humanidad entre la espada y la pared, porque ya había una parte en la que la IA es mejor que nosotros (desde hace años), el pensamiento analítico (esto es, razonar) y ahora se sientan las bases para que acabe siendo mejor también a nivel intuitivo.

Pero mientras ese momento llega (y a largo plazo lo hará en algún momento), hoy en día la gran mayoría de las aplicaciones de la IA se basan en su capacidad de predicción, igual o superior a la humana en muchas ocasiones y crecientemente mucho más barata que éstos.

¿Es así siempre?¿En qué situaciones las máquinas predicen mejor que las personas?[4]

Los cuatro tipos de entornos para la predicción

Las máquinas son mejores cuando hay entornos en los que hay muchos datos, como en la detección de fraude bancario o el diagnóstico de imágenes médicas, fichaje de jugadores de deportes de élite (con múltiples estadísticas) o decisiones sobre la imposición de fianzas a acusados. Esto es lo que se llama competencia consciente (known known).

Por otro lado existen entornos de trabajo en el que las predicciones a realizar disponen de pocos datos y que en la actualidad las máquinas no manejan bien porque se trata de sucesos raros y no hay datos (o pocos), en cambio los seres humanos gracias a nuestro “sentido común” y nuestro conocimiento aprendido durante toda nuestra vida de “cómo funciona el mundo”, manejamos muy bien estas predicciones a pesar de la pocos datos disponibles, entre otras cuestiones porque entendemos la imprecisión de nuestra predicción. Este tipo de situaciones se llaman de competencia inconsciente (known unknown).

Las automatizaciones mediante IA bien diseñadas deberán ceder el control a los seres humanos para que realicen las predicciones en estos casos, lo que sin duda será un fuente de puestos de trabajo, porque este tipo de cesión del control en base a excepciones será una norma muy común en muchas tareas y puestos de trabajo.

De todos modos, esta situación está cambiando gracias al desarrollo de técnicas de aprendizaje con pocos ejemplos, o incluso uno solo como los seres humanos (one shot learning se llama esta técnica de IA) y la ventaja de los humanos se irá acortando cada vez más, así que dentro de menos de una década[5], probablemente la situación sea al revés.

Luego están las situaciones más peligrosas, las de incompetencia consciente (Unknown kowns) en las que la IA proporciona predicciones con una apariencia de gran confiabilidad (esto es, que te puedes fiar de ellas) y sin embargo sus predicciones pueden estar muy erradas. Las causas de esto son varias, pero no os las voy a presentar ahora para no complicar demasiado esta carta. En este caso lo mejor es disponer de humanidad aumentada para abordarlos, junto con la formación específica del ser humano que la desempeña para detectar este tipo de situaciones, es decir, que conozca bien los límites de lo que la IA puede o no predecir de forma realmente confiable, a pesar de que esté aparentemente “muy segura” de sus conclusiones.

El último supuesto, el de incompetencia desconocida (Unknown unknown), no debe preocuparos ya que en éste tanto los humanos como las máquinas somos igualmente incapaces de hacer predicciones correctas. Son los típicos “cisnes negros” que nadie puede prever. ¿Quién pudo prever que la aplicación de descarga de música entre pares P2P (peer to peer) Napster se iba a cargar la floreciente industria de los CD y los DVD a principios de este milenio?.

Pero al abaratarse tanto las predicciones de las máquinas y ser tan buenas generalmente, lo que va a suceder es que para cada toma de decisión asociada a una tarea determinada, se va a separar la capacidad de predicción (que la hará de forma creciente la IA) de la de juzgar la validez y relevancia de la predicción adecuadamente en el contexto en que se produce (que la harán seres humanos durante un tiempo al menos). El rediseño de los puestos de trabajo se hará, precisamente de esta manera.

Características de los trabajos “más seguros”

¿Qué espacio os quedará pues? En general todos los trabajos relacionados con la irracionalidad de los seres humanos y sus necesidades, como las emociones y la aceptación social, así como todas las tareas en las que por su naturaleza, el juicio necesario para tomar una decisión en base a la predicción de una IA sea difícil de automatizar o sea particularmente arriesgado hacerlo.

Se me ocurren los siguientes[6]:

  1. Sistemas complejos demasiado caros de automatizar: estos sistemas siempre van a requerir de personas con altas capacidades para orquestarlas, a pesar de que estas empresas punteras utilizarán la IA extensamente para acelerar sus operaciones, como Tesla o SpaceX.

En este apartado estarán también los puestos de trabajo generalmente de empresas del ámbito local, que no sabrán como explotar la automatización para reducir sus costes de desarrollo y producción de productos y servicios y por lo tanto tendrán puestos de trabajo disponibles para manejar esta complejidad, pero también un potencial de crecimiento mucho más limitado.

El problema de este último tipo de trabajos es que estarán en riesgo constante de que su competencia local o global sí se aproveche de la IA para disponer de márgenes de beneficio mayores y acabe “sacándolos” del mercado o dejándolos en una posición de debilidad, por lo que simplemente estas empresas “irán tirando” como puedan.

  1. Tareas relativamente simples con rentabilidad económica insuficiente para ser automatizadas: de este grupo ya he hablado, se refiere a profesiones predominantemente manuales de alto grado de personalización, en las que no es rentable su automatización, como por ejemplo un fontanero, un electricista o un montador de muebles a medida.
  2. Esfuerzos creativos que sólo los humanos pueden apreciar: es parecido al anterior, pero dirigido a puestos creativos, como los de la industria audiovisual por ejemplo.

Cada vez habrán menos puestos a medida de que la IA se vaya apropiando de más facetas, como por ejemplo ya se hace en la producción de películas donde se sustituyen los extras y escenarios por simulaciones por ordenador fotorrealísticas.

En cuanto a la pintura artística, uno de los grandes mitos de las facetas reservadas a los humanos, la IA ya es capaz de producir cosas muy notables, como pueden verse en artículo, lo que confirma la tendencia a largo plazo de la IA de “colarse” en cualquier faceta de la vida.

4. Decisiones que necesitan de razonamiento basado en personas: en los que los seres humanos actúan como perros guardianes ante automatizaciones fuera de control.

Este tipo de trabajos no desaparecerá, si las administraciones públicas requieren de su existencia, aunque técnicamente no sean necesarios en muchos casos. De hecho, pueden ser fuente de subsistencia “artificial” de muchos puestos de trabajo. Básicamente serán los encargados de “desenchufar” o “apagar” la IA “fuera de control”.

5. Respuestas complicadas que necesitan de un traductor humano: es una variación del tema anterior, sólo que la supervisión tiene lugar por arriba en vez de por abajo.

Responde a la necesidad de los seres humanos de interpretar a las máquinas de manera que otros humanos puedan entender sus conclusiones y aceptarlas. Ya existen leyes que obligan a que estos roles sean humanos, aunque incluso eso puede cambiar, como podéis ver aquí con la primera IA que ha sido reconocida legalmente como médico para un tipo de prueba específica (es decir que realiza el diagnostico y toma la decisión sin intervención humana).

No obstante, es muy posible que esto siga siendo así ya que no es probable que los seres humanos quieran que una máquina envíe a prisión a una persona, por ejemplo.

Ejemplos de este tipo de profesiones: médicos, jueces, directivos de empresas, analistas de datos, defensores de la privacidad, estrategias de construcción de las relaciones, asistencia de partos y mapeado genealógicos.

6. Situaciones que requieren un toque humano: básicamente las actividades alrededor de la enseñanza.

Pero como ya os he dicho en una carta anterior, la enseñanza se está haciendo masivamente online y mejorará con la combinación de la realidad virtual, realidad aumentada y la IA, que permitirán un nivel de interacción a los alumnos mucho mejor que lo que puede conseguir un profesor medio. El problema es que nuestro modelo de enseñanza pasiva está agotado. La gente aprende mejor haciendo, que escuchando una clase magistral y eso requerirá de los profesores un profundo conocimiento de la tecnología interactiva, el comportamiento humano y los métodos de enseñanza. Y en este punto la capacidad del Deep Learning para reaccionar al comportamiento humano puede ser crucial en alcanzar un nuevo nivel de calidad en la enseñanza.

7. Configuraciones en las que es preferible una lealtad humana a prueba de hackers sobre las máquinas digitales: como por ejemplo, guardaespaldas de personas VIP, confidentes, salvaguarda de conocimiento corporativo, consultores, lobistas y, por qué no, ¡líderes de grupos de resistencia a los robots!. [7]

Los luditas del sXIX saboteaban las máquinas porque pensaban que les iban a quitar el trabajo. En el S.XXI veremos neoluditas, pero con respecto a la IA.

En sentido contrario cabe decir que la tecnología de cadena de bloques (blockchain), en la que se basan las criptomonedas, pueden constituir una alternativa sólida a varios de estos grupos, que pueden ser objeto de ingeniería social.

8. Valoraciones entres humanos: el mercado de valores, votar, políticas públicas, las consecuencias de la infracción a las políticas públicas, agentes de compra, agencias de rating (tipo Moody’s), encuestas.

Si nos fijamos ya tenemos a nuestro alrededor todo tipo de valoraciones como las listas de lectura de Facebook, los productos recomendados de Amazon, los resultados filtrados de nuestra búsqueda en Google, etc. Y aún es más incluso están tomando ya las decisiones por nosotros, como por ejemplo los navegadores GPS de los coches o en los móviles, de manera que diversos estudios atestiguan que estamos perdiendo la capacidad de orientarnos por nosotros mismos.

Lo que pasa con este tipo de trabajos es que para evitar que de todas estas valoraciones se beneficien sólo unos pocos, habrá que añadir algún mecanismo tecnológico, como la cadena de bloques o de forma más general las llamadas aplicaciones descentralizadas (o Dapp) que aseguren la transparencia y la integridad de las operaciones para que podamos asumir un mercado o un proceso democrático justo, de una manera colectiva, ya que los humanos individualmente considerados pueden tener motivaciones para engañar al sistema.

9. Puestos donde los humanos controlan los robots: esta es opuesta de la anterior en el sentido de que en aquella las Dapp trabajan con los humanos para asegurar todo el proceso. En esas es al revés, son las personas las que aseguran el trabajo de las IA.

Ejemplos: empresarios y directivos, desarrolladores de software, ingenieros de sistemas, diseñadores de productos, mantenedores de robots.

¿Cuáles son las posibles respuestas a la automatización por la IA de los puestos de trabajo?[8]

Hasta aquí os he hablado de características positivas y negativas de puestos de trabajo en relación con la automatización, pero no de cómo evaluar el nivel de amenaza que supone la automatización para un puesto concreto.

Toda persona en un puesto de trabajo usa un conjunto de habilidades y conocimientos para proporcionar valor de alguna manera a un destinatario, sea un cliente o dentro de una organización. Los trabajos evolucionan según las percepciones de valor de los clientes se mueven a lo largo de dos dimensiones: el tipo de valor proporcionado a los clientes y cómo se entrega dicho valor.

En unos puestos estas habilidades son una base específica de conocimiento o de destreza. En otros casos se trata, por el contrario, de destrezas y habilidades para construir relaciones mas que de una maestría técnica. Las destrezas que fácilmente se pueden estandarizar, codificar o convertir en rutina, son más probables de ser automatizadas. Otras que implican más una transferencia o transmisión (de conocimientos o destrezas) o la resolución de problemas en tiempo real, tienen menos riesgo de automatización, porque desarrollar herramientas bastante sofisticadas para manejar esta ambigüedad o demasiado costoso, o comporta demasiado trabajo, o tecnológicamente no son posibles de conseguir. Por poneros un ejemplo, aunque los conocimientos de un electricista puede parecer vulnerables a la automatización, la aplicación de estas habilidades varía mucho para las circunstancias únicas de cada cliente (cada edificio es único en cierta manera). Este grado de personalización podría ser difícil de automatizar.

Fuente: adaptado de “Four Ways Jobs will respond to automation”

Por otro lado, un conjunto de destrezas proporciona valor sólo cuando puede ser entregado a sus destinatarios, sin embargo, el mecanismo de distribución del valor, puede cambiar. Por ejemplo, un profesor tiene como habilidad el conocimiento de un cierto dominio de conocimientos que tradicionalmente se han entregado vía clases presenciales. Pero como ya os dije en otra carta, los cursos masivos online (MOOC), ofrecen nuevas formas para que pueda tener lugar el aprendizaje. Los conocimientos son los mismos, pero la forma de entregarlo a través de software que se adapta a cada alumno y tutores virtuales y permiten una instrucción muy personalizada y soporte para un gran número de estudiantes con diferentes necesidades. Y la “enseñanza dirigida por ordenador” seguirá evolucionando a través de una creciente automatización y sofisticación basado en IA.

Perdonadme por toda esta explicación previa, pero era necesaria para que entendierais porqué existen cuatro tipos de trabajos desde el punto de vista de la automatización por la IA, como veis en la figura y cada uno de ellos exige de una estrategia distinta para mantenerse en el círculo virtuoso y no “caer” al círculo vicioso de que os hablé en mi primera carta. Así:

  1. Trabajos con disrupción: ocurren cuando las destrezas necesarias para un trabajo están altamente estandarizadas aunque los consumidores prefieren recibir el valor de la misma manera (p.ej. trabajadores en cadenas de comida rápida, que ven amenazado su puesto tanto en la parte de los pedidos por quiscos de autoservicio y aplicaciones móviles específicas de una cadena o de un local, como en la parte de la cocina, que para este tipo de comida se presta a un importante grado de automatización).

Pero algunas profesiones con importantes destrezas también como los agentes inmobiliarios, los abogados (excepto el trabajo en tribunales que requiere habilidades de negociación y “tacto” humanos) y los contables, sufren el mismo problema, sus habilidades están amenazadas pero no la forma en que se entrega el valor.

En este caso la estrategia que habéis de seguir si os encontráis en algún momento en esta situación es la de encontrar trabajos de transición en los cuales la involucraciis que pensarra a medio y largo plazo ar de la automatizacirrecto que para este tipo de comida se presta a un importante grado dón de seres humanos es necesaria. Es decir, que pasáis a cambiar vuestro trabajo para asegurar que el valor se entrega a los clientes de forma correcta a pesar de la automatización del proceso de trabajo. Son trabajos en todo caso, en los que tendréis que saber trabajar en forma de “humanidad aumentada” de que os he hablado al principio de esta carta.

De todas manera a medio plazo tendréis que pensar en cambiar de tipo de trabajo a uno que no afronte disrupción, ni desplazamiento, como veréis a continuación. Para ello las habilidades de aprendizaje rápido de que os hable os podrán ser muy útiles.

  1. Trabajos desplazados: en este caso las habilidades y destrezas del puesto de trabajo se han quedado obsoletas y la forma de entregar el valor a los clientes se ha modificado de manera irreversible (no hay vuelta atrás posible).

Entre las de baja cualificación se encuentran, en esta situación, los cobradores de peajes en autopistas o los operadores telefónicos. Pero también entre las de alta cualificación como los farmacéuticos (cada vez más el despacho de medicamentos se va ir haciendo online) y los bibliotecarios por parecidos motivos (libros electrónicos). Un último ejemplo especialmente interesante es de programadores informáticos, porque escribir código se puede estandarizar fácilmente y la forma de entregar valor ha cambiado de desarrollo interno a aplicaciones abiertas como la nube o la próxima aplicación de aplicaciones distribuidas (Dapp y Blockchain).

La estrategia que debéis seguir si os encontráis en esta situación alguna vez es la del reentrenamiento. Pero no un programa largo, sino programas cortos como microgrados, certificaciones basadas en competencias y acreditaciones digitales. Para esto como he comentado antes os resultará muy ventajoso haber adquirido competencias como fast learners.

En este punto, la solución más fácil y que puede tener buenos resultados es moverse a sectores con alto crecimiento que necesitan trabajadores, como por ejemplo (hoy en día), la ciberseguridad.

  1. Trabajos deconstruidos: en este caso las habilidades y destrezas están a salvo (por el momento), pero lo que está amenazado es la forma de entregar valor.

Por ejemplo, los conductores de taxis o de limusinas. Sus habilidades centrales se están viendo amenazas por la aparición de los coches autónomos, aunque a corto plazo aún siguen siendo necesarios.

Lo que está cambiando es la forma de entregar el valor. Tradicionalmente se trataba de una flota de vehículos centralizada. Sin embargo empresas como Uber o Lyft están entregando el mismo valor de forma descentralizada.

Lo mismo sucede con los profesores o los fotógrafos, sus habilidades siguen siendo importantes, pero lo que ha cambiado es la forma de entregar valor.

Si alguna vez estáis en esta situación, la estrategia que tenéis que seguir es la de adaptaros a la nueva forma de entregar el valor o prepararos para quedar obsoletos y fuera del mercado. El principal obstáculo para hacerlo es la resistencia al cambio. Tenéis que aceptar que la forma en que en un momento ejercíais la profesión puede no tener ya cabida y que debéis desaprenderla y abrazar (si es posible) las nuevas expectativas de los clientes.

  1. Trabajos duraderos: en ellos, ni las habilidades ni la forma de entregar valor están amenazadas. Además de algunos empleos de baja cualificación como electricista o fontanero, también aplica a otras de más alta cualificación con el de enfermero/a. Las habilidades necesarias : entrenamiento médico, el trato con los pacientes y el conocimiento sobre el funcionamiento de los seguros médicos, aumentarán su valor a medida que los avances tecnológicos permitan que menos doctores traten más pacientes incluso que parte de sus funciones diagnósticas sean llevadas a cabo por las IA.

A medio plazo haciendo más o menos el mismo trabajo y cobrando menos que los médicos, hay una posibilidad de que los enfermeros causen una disrupción en el trabajo de los médicos (al menos de ciertas especialidades médicas).

En este caso, la estrategia es mantenerse aquí, mediante la formación continua e ir poniendo un ojo constantemente si la evolución de las preferencias de los clientes pueden amenazar a vuestro puesto de trabajo de alguna de las maneras que hemos visto aquí.

Bueno, como veis ha resultado mucho más complicado de lo que anticipé hacer una lista de profesiones amenazadas por la automatización de los puestos de trabajo por causa de la IA. A lo más que me he atrevido es a proponeros una serie de caminos para que escojáis y a señalaros en qué cosas deberéis fijaros en el futuro para detectar si vuestro puesto de trabajo está amenazado o no en un momento dado.

Las herramientas ya os las he dado, las indicaciones de cuáles son los caminos prometedores también, ahora os corresponde a vosotros hacer el camino, ¡mucha suerte con vuestras decisiones!

Sean éstas las que sean y resulten como resulten, vuestra madre y yo vamos a estar con vosotros todo el tiempo, apoyándoos y queriendoos.

 

Para ver la primera carta, pulsa aquí.

Para ver la segunda carta pulsa aquí.

 


[1] Este concepto es de Xavier Marcet.

[2] Un sesgo cognitivo es un efecto psicológico que produce una desviación en el procesamiento mental, lo que lleva a una distorsión, juicio inexacto, interpretación ilógica, o lo que se llama en términos generales irracionalidad, que se da sobre la base de la interpretación de la información disponible, aunque los datos no sean lógicos o no estén relacionados entre sí (fuente: Wikipedia).

[3] Como ejemplo de esto Alpha Zero Go, que ha aprendido a jugar sólo, sin observar partidas humanas y que tiene un nivel de juego sobrehumano, es utilizado por los mejores jugadores (humanos) como fuente de creatividad porque contiene combinaciones que a ningún ser humano se le habían ocurrido y permite aprender a los jugadores humanos. Lo mismo puede decirse del ajedrez donde existen programas para detectar si un jugador humano se está ayudando de una IA por usar combinaciones de juego demasiado creativas.

[4] Adaptado de “Prediction Machines”, Ajay Agrawal, Joshua Gans y Avi Goldfarb (Hardward Business Review Press)

[5] Recordar que no es una década (10 años), lineal, sino exponencial y que depende de lo grande que sea el exponente, 10 años pueden ser muchas décadas de progreso.

[6] Aquí tomo prestada una clasificación debida al investigador de IA, Carlos E. Pérez, que, no obstante ha sido adaptada por mi.

[7] Los luditas del S.XXI

[8] La fuente de referencia de este punto es “Four Ways Jobs will respond to automation”, Scott Latham y Beth Humb, MIT Sloan Management Review, Fall 2018 Issue.

Posted by santiago

Deja un comentario