El verdadero obstáculo no son las habilidades técnicas: es hora de pensar
A pesar de la Potencial transformador de herramientas como ChatGPT.la mayoría de los trabajadores del conocimiento con los que he hablado no lo utilizan en absoluto. Aquellos que lo hacen se limitan principalmente a tareas básicas como resumir. Sólo un poco más del 5% de la base de usuarios de ChatGPT paga por más – una pequeña fracción de usuarios empresariales potenciales – lo que sugiere una escasez de usuarios avanzados que aprovechen la IA para trabajos complejos y de alto valor.
Después de más de una década creando productos de inteligencia artificial en empresas que van desde Google Brain hasta Shopify Ads, he sido testigo de la evolución del campo. Con el auge de ChatGPT, la IA ha pasado de ser mejoras agradables, como los organizadores de fotografías, a importantes impulsores de la productividad para todos los trabajadores del conocimiento.
La mayoría de los ejecutivos entienden que los rumores actuales son más que exageraciones: están desesperados por mover su negocio hacia la IA, sabiendo que es más poderosa y fácil de usar que nunca. Entonces, ¿por qué, a pesar del potencial y el entusiasmo, la adopción generalizada es lenta? La verdadera barrera reside en cómo las organizaciones abordan el trabajo en sí. Los problemas sistémicos impiden que estas herramientas pasen a formar parte de nuestra vida diaria.
En última instancia, la pregunta que los líderes deben hacerse no es «¿Cómo podemos usar la IA para hacer las cosas más rápido?» ¿O se puede crear esta función con IA? » sino más bien «¿Cómo utilizar la IA para crear más valor?» ¿Cuáles son las preguntas que deberíamos hacernos pero no lo hacemos? »
Recientemente, aproveché Large Language Models (LLM), la tecnología detrás de herramientas como ChatGPT, para abordar una tarea compleja de estructuración y análisis de datos que tradicionalmente habría tomado un mes o más para un equipo multifuncional de analistas de datos y diseñadores de contenido.
Esto es lo que logré en un dia usando Estudio de IA de Google:
- Transformar miles de filas de datos no estructurados en un conjunto de datos estructurado y etiquetado.
- Uso de IA para identificar grupos de usuarios clave dentro de estos datos recientemente estructurados.
- A partir de estos modelos, desarrollamos una nueva taxonomía capaz de brindar una mejor y más personalizada experiencia de usuario.
En particular, lo hice no simplemente presiona un botón y deja que la IA haga todo el trabajo.
Esto requirió una concentración intensa, instrucciones detalladas y múltiples iteraciones. Pasé horas creando indicaciones precisas, brindando retroalimentación (como un pasante, pero con un lenguaje más directo) y redirigiendo la IA cuando se desviaba de su rumbo.
En cierto sentido, estaba recortando el trabajo de un mes en un día y era mentalmente agotador.
El resultado, sin embargo, no fue sólo un proceso más rápido: fue un resultado fundamentalmente mejor y diferente. Los LLM han descubierto patrones matizados y casos extremos ocultos en datos no estructurados, creando conocimientos que el análisis tradicional de datos estructurados preexistentes habría pasado por alto por completo.
Aquí está el truco y la clave para comprender la paradoja de la productividad de la IA: el éxito de mi IA dependió del apoyo de la gerencia para dedicar un día entero a repensar nuestros procesos de datos con la IA como socio pensante.
Esto permitió un pensamiento estratégico profundo: explorar conexiones y posibilidades que de otro modo habrían llevado semanas.
Este tipo de trabajo impulsado por la calidad a menudo se sacrifica por la prisa por cumplir los plazos, pero es precisamente lo que impulsa la innovación disruptiva. Paradójicamente, la mayoría de la gente no tiene tiempo para pensar en cómo ahorrar tiempo.
Pasar tiempo explorando es un lujo que la mayoría de los PM no se pueden permitir. Bajo una presión constante para ofrecer resultados inmediatos, muy rara vez tienen una hora para este tipo de trabajo estratégico; la única manera que tienen muchos de encontrar tiempo para este tipo de trabajo exploratorio es fingir que están enfermos. Están tan abrumados por los mandatos ejecutivos y las demandas urgentes de los clientes que no logran apropiarse de su dirección estratégica. Además, los recientes despidos y otras reducciones en la industria han intensificado la carga de trabajo, lo que ha obligado a muchos PM a trabajar 12 horas al día solo para completar tareas básicas.
Esta presión constante también obstaculiza la adopción de la IA para una mejor ejecución. Desarrollar planes de prueba sólidos o identificar de manera proactiva posibles problemas relacionados con la IA se considera un lujo, no una necesidad. Esto establece una dinámica contraproducente: ¿por qué utilizar la IA para identificar problemas en su documentación si la implementación de correcciones sólo retrasará el lanzamiento? ¿Por qué realizar una investigación adicional sobre los usuarios y el espacio problemático si la dirección ya se ha fijado desde arriba?
No basta con dar tiempo a la gente para “comprender la IA”; la mayoría necesita capacitación para comprender cómo hacer que ChatGPT haga más que resumir. Sin embargo, la formación necesaria suele ser mucho menor de lo que la gente espera.
El mercado está saturado de cursos de formación en IA impartidos por expertos. Si bien algunas clases venden aceite de serpiente, muchos instructores son expertos de renombre. Sin embargo, estos cursos a menudo no son adecuados para la mayoría de las personas. Consumen mucho tiempo, son demasiado técnicos y rara vez se adaptan a áreas de trabajo específicas.
Obtuve los mejores resultados al hablar con personas durante 10 a 15 minutos, auditar sus flujos de trabajo actuales e identificar áreas donde podrían usar LLM para hacer más y más rápido. No es necesario comprender las matemáticas detrás de la predicción de tokens para escribir un buen mensaje.
No caiga en el mito de que la adopción de la IA es sólo para personas menores de 40 años con formación técnica. En mi experiencia, la atención al detalle y la pasión por hacer el mejor trabajo posible son indicadores mucho mejores de éxito. Intenta dejar de lado tus prejuicios: te sorprenderá quién se convierte en tu próximo campeón de IA.
Mi propio padre, un abogado de unos 60 años, solo necesitó cinco minutos antes de comprender lo que podían hacer los LLM. La clave fue adaptar los ejemplos a su dominio. Llegamos a una zona gris jurídica algo compleja y pregunté claudio para explicar esto a un estudiante de derecho de primer año con ejemplos de casos extremos. Vio la respuesta e inmediatamente comprendió cómo podía utilizar la tecnología para una docena de proyectos diferentes. Veinte minutos más tarde, estaba a la mitad de la redacción de un nuevo artículo de revista jurídica que había querido escribir durante meses.
Es probable que su empresa ya tenga algunos entusiastas de la IA, joyas ocultas que han tomado la iniciativa de explorar los LLM en su trabajo. Estos “susurradores de LLM” pueden ser cualquiera: un ingeniero, un especialista en marketing, un científico de datos, un gerente de producto o un gerente de servicio al cliente. Llame a estos innovadores y aproveche su experiencia.
Una vez que haya identificado a estos expertos internos, invítelos a realizar «auditorías de IA» de una o dos horas, examinando los flujos de trabajo actuales de su equipo e identificando áreas de mejora. También pueden ayudar a crear indicaciones de introducción para casos de uso específicos, compartir sus flujos de trabajo de IA y dar consejos sobre cómo solucionar problemas y evaluarlos en el futuro.
Además de ahorrar dinero en consultores externos, es más probable que estos expertos comprendan los sistemas y objetivos de su empresa, lo que los hace más propensos a detectar oportunidades prácticas y relevantes. Las personas que dudan en adoptarla también tienen más probabilidades de experimentar cuando ven a colegas usando la tecnología en lugar de a “expertos en IA”.
Además de garantizar que las personas tengan espacio para aprender, asegúrese de que tengan tiempo para explorar y experimentar con estas herramientas en su campo una vez que comprendan sus capacidades. Las empresas no pueden simplemente decirles a sus empleados que «innoven con IA» y al mismo tiempo exigir un mes adicional de funciones antes del viernes a las 5 p.m. Asegúrese de que sus equipos tengan algunas horas al mes para explorar.
La paradoja de la productividad de la IA no tiene que ver con la complejidad de la tecnología, sino más bien con la forma en que las organizaciones abordan el trabajo y la innovación. Aprovechar el poder de la IA es más sencillo de lo que los “influencers de IA” que venden la última certificación quieren hacerle creer: a menudo requiere solo unos minutos de capacitación enfocada. Sin embargo, esto requiere un cambio fundamental en la mentalidad de los líderes. En lugar de acumular resultados a corto plazo, los líderes deben crear un espacio para la exploración y el trabajo profundo, abierto y orientado a objetivos. El verdadero desafío no es enseñar IA a su personal; les da el tiempo y la libertad para reinventar su forma de trabajar.
