D

ado que la IA generativa tiene la capacidad de mejorar las habilidades en una amplia variedad de categorías de trabajo del conocimiento, surge una pregunta clave: ¿hace que los trabajadores remotos nacionales y extranjeros sean más intercambiables? ¿Podrían, por ejemplo, las empresas estadounidenses sustituir a los trabajadores locales por talentos mejorados con la IA en regiones con menores costos laborales?

Para investigar esto, realizamos una serie de experimentos comparando el rendimiento de trabajadores de Estados Unidos y Sudáfrica en diversas tareas (con y sin ayuda de IA generativa). Elegimos Sudáfrica debido a que cuenta con la infraestructura avanzada necesaria para el trabajo remoto y una población bien educada y angloparlante. Los resultados mostraron que los trabajadores remotos extranjeros que utilizan IA generativa son más intercambiables con los trabajadores nacionales que aquellos que no la utilizan.

Estudio 1: Evaluación de la calidad y productividad del trabajo remoto

Nuestro primer estudio involucró a 200 participantes con educación universitaria, provenientes por igual de Estados Unidos y Sudáfrica, con la mitad de cada grupo utilizando IA generativa para completar tres tareas diferentes:

— La tarea 1 se centró en la comunicación y la sensibilidad cultural, requiriendo que los participantes redactaran un correo electrónico para un cliente potencial.

— La tarea 2 puso a prueba la creatividad, pidiendo a los participantes que crearan un concepto para un anuncio de 60 segundos para una marca global.

— La tarea 3 consistió en calcular las tasas de crecimiento trimestrales a partir de los datos de ventas y analizar las tendencias.

(Estas tareas fueron previamente probadas con un grupo más pequeño y ajustadas en función de la retroalimentación de los participantes).

Evaluamos el rendimiento de los participantes utilizando una rúbrica que medía el profesionalismo, la sensibilidad cultural, la precisión técnica y la velocidad de respuesta. Para analizar los resultados se utilizaron técnicas de Procesamiento del Lenguaje Natural (PLN) y evaluadores humanos.

Resultados e implicaciones

Los hallazgos mostraron que la IA generativa mejoró el rendimiento de los participantes, tanto de Estados Unidos como de Sudáfrica, evidenciando un efecto claro de mejora en todos los tipos de tareas.

La IA generativa redujo el tiempo de finalización de las tareas en un promedio de más del 40% en todos los participantes. No hubo una diferencia significativa en el tiempo ahorrado entre los trabajadores de Estados Unidos y Sudáfrica. Por lo tanto, la IA generativa proporcionó un aumento tanto en la productividad como en la calidad del trabajo en un tiempo significativamente menor.

Estudio 2: Evaluación de la sustituibilidad del trabajo remoto

En un segundo estudio, examinamos directamente la sustituibilidad de los resultados de los trabajadores de Estados Unidos y Sudáfrica desde la perspectiva de evaluadores estadounidenses con educación universitaria. Es decir, buscamos evaluar si estos evaluadores podían distinguir la diferencia entre el resultado de los trabajadores remotos de Estados Unidos y Sudáfrica de nuestro primer experimento.

Los resultados mostraron que los evaluadores no pudieron identificar si el contenido generado con IA provenía de trabajadores remotos de Estados Unidos o Sudáfrica.

Consideramos que esto es una evidencia directa de que la IA generativa hace que los trabajadores remotos extranjeros sean más intercambiables con los trabajadores nacionales y, por ende, más atractivos debido a su costo significativamente menor.

Para evaluar más a fondo la calidad percibida, les pedimos a los evaluadores que calificaran la calidad de cada respuesta en una escala del 1 al 5. Las respuestas asistidas por IA generativa no solo se calificaron como de mayor calidad, sino que también mostraron una menor variabilidad, es decir, la calidad de las respuestas fue más consistente después del uso de IA generativa.

Implicaciones futuras

Esta investigación sugiere que la IA generativa podría marcar un cambio significativo en los patrones de contratación de trabajo remoto. A medida que la IA generativa continúa cerrando las brechas en la calidad de los resultados del trabajo del conocimiento, la ventaja de costos de contratar trabajadores extranjeros se vuelve cada vez más atractiva. El efecto de mejora de la IA generativa aumenta la productividad de todos los trabajadores y, como resultado, fortalece la ventaja competitiva de los trabajadores remotos extranjeros, impulsando a las empresas a ampliar su búsqueda de talento a nivel mundial.

Las organizaciones deben prepararse para la transformación del trabajo remoto impulsada por la IA generativa considerando las siguientes estrategias:

1. Ampliar las reservas de talento.

Los hallazgos de esta investigación demuestran claramente el potencial que tienen las organizaciones para aprovechar la IA generativa y acceder a una reserva de talento global mucho más amplia. Sin embargo, la implementación de este cambio requiere considerar diversos factores:

— Identificación de los puestos adecuados: Si bien la IA generativa puede mejorar la productividad en diversas tareas, es esencial identificar los puestos en los que realmente puede cerrar las brechas geográficas y culturales. Las organizaciones deben realizar evaluaciones exhaustivas de sus necesidades de personal y priorizar los puestos en los que la IA generativa pueda mejorar el desempeño de los trabajadores remotos extranjeros hasta alcanzar los estándares requeridos.

— Replanteamiento de las estrategias de reclutamiento: Las organizaciones deben desarrollar canales sólidos de contratación global, aprovechando las plataformas en línea, las asociaciones internacionales y la experiencia en reclutamiento intercultural. Además, es fundamental adaptar los procesos de selección para dar cabida a diversos orígenes culturales y habilidades lingüísticas.

— Consideraciones legales y éticas: La contratación transfronteriza introduce complejidades legales y éticas relacionadas con leyes laborales, privacidad de datos, impuestos y derechos de propiedad intelectual. Las organizaciones deben garantizar el cumplimiento de las regulaciones pertinentes tanto en su país de origen como en los países donde contratan trabajadores remotos.

— Fomento de la inclusión y la colaboración: Puede ser necesario invertir en herramientas y plataformas de comunicación que superen las brechas geográficas y culturales. Promover la comprensión y la sensibilidad interculturales a través de programas de capacitación y actividades de formación de equipos es importante para la integración exitosa de una fuerza laboral global.

2. Empoderar a los trabajadores con ia generativa.

Las organizaciones desempeñan un papel crucial para facilitar la adopción y el uso efectivo de las herramientas de IA generativa por parte de sus trabajadores, tanto locales como remotos, para mejorar su desempeño y productividad. Esto implica un enfoque integral que abarque orientación personalizada, recursos adaptados y apoyo continuo.

Orientación personalizada y apoyo:

— Identificación de las necesidades individuales: Las organizaciones deben evaluar las necesidades individuales de los empleados y las brechas de habilidades para brindar orientación personalizada sobre la mejor manera de utilizar las herramientas de IA generativa en sus funciones. Esto puede implicar la identificación de aplicaciones de IA específicas relevantes para sus tareas o proporcionar recomendaciones personalizadas para aprovechar las capacidades de la IA.

— Capacitación y formación: Se pueden utilizar programas integrales de capacitación y formación para garantizar que los empleados comprendan las funcionalidades y los beneficios potenciales de las herramientas de IA generativa, incluyendo instrucciones claras, tutoriales y ejercicios prácticos para facilitar la adopción.

— Mentoría y apoyo: Establecer sistemas de mentoría o apoyo puede ayudar a los empleados a superar los desafíos y maximizar los beneficios de la IA generativa en sus flujos de trabajo. Esto podría implicar emparejar a usuarios experimentados con aquellos que son nuevos en la tecnología, o proporcionar acceso a canales de soporte dedicados para la resolución de problemas y orientación.

Recursos y herramientas personalizadas:

— Selección de herramientas de IA relevantes: Las organizaciones deben elegir cuidadosamente herramientas de IA generativa alineadas con sus objetivos y necesidades de los empleados, garantizando que cuenten con soluciones eficaces para sus tareas y responsabilidades específicas.

— Plataformas de intercambio de conocimientos: La creación de plataformas o comunidades internas de intercambio de conocimientos puede facilitar el intercambio de las mejores prácticas sobre el uso eficaz de las herramientas de IA generativa. Estas plataformas pueden fomentar un entorno de aprendizaje colaborativo donde los empleados pueden beneficiarse de las experiencias de los demás y optimizar su uso de la IA.

La integración estratégica de la IA generativa en las estrategias de desarrollo del talento puede ayudar a las organizaciones a obtener beneficios significativos, incluido un mayor acceso al talento global, una mayor productividad de los trabajadores y una fuerza laboral más adaptable y resiliente. Sin embargo, es esencial considerar las implicaciones éticas, legales y prácticas para una implementación exitosa. A medida que la IA generativa siga evolucionando, las organizaciones que adapten proactivamente sus estrategias de talento estarán mejor posicionadas para prosperar en un panorama global cada vez más competitivo.

S

i bien la ética de la IA ocupa un lugar destacado en la agenda de muchas organizaciones, traducir los principios de IA en prácticas y comportamientos resulta ser más difícil de lo que parece. ¿Qué deberían hacer los líderes para redoblar sus iniciativas de IA responsable? Identificamos cuatro pasos clave (traducir, integrar, calibrar y difundir) que los líderes pueden dar para garantizar que las prácticas de IA responsable se integren plenamente en estándares operativos más amplios.

Paso #1: Traducir los principios de alto nivel en guías prácticas

Muchas organizaciones elaboran una carta ética de la IA, pero a menudo tienen dificultades para implementar los principios de IA en sus operaciones diarias. El 79% de los trabajadores del sector tecnológico afirman necesitar recursos prácticos que les ayuden a abordar las cuestiones éticas, por lo que estos principios deben traducirse en guías prácticas.

Es un proceso que lleva tiempo. En 2021, la empresa alemana de comunicaciones Deutsche Telekom presentó las directrices de ingeniería y uso de la IA, que documentaban las mejores prácticas, métodos y consejos para incorporar los principios en los procesos de desarrollo de IA. Estas directrices proporcionaban acciones específicas a tomar antes, durante y después del lanzamiento de un proyecto de desarrollo de IA, destacando consideraciones esenciales para propietarios de empresas, gerentes de proyectos, equipos de productos y equipos operativos. Disponibles en alemán e inglés, cada directriz estaba claramente documentada y se puso a disposición de todos los empleados.

Acciones clave: Facilitar la alineación

Mantener unidos a los equipos: Los equipos digitales y de cumplimiento a menudo han tenido una relación complicada. El cumplimiento se considera un impedimento para la innovación digital, mientras que los equipos digitales son vistos como disidentes que buscan riesgos. El éxito de la alineación entre ambos suele depender de la estructura de gobernanza. En Thomson Reuters, una empresa global de contenido y tecnología, el equipo de ética trabajó en estrecha colaboración con el equipo de gobernanza de datos y modelos. Los dos equipos cubrían diferentes aspectos del mismo tema, como la forma de garantizar que los datos se utilizaran de forma responsable y segura en toda la organización.

Facilitar diálogos abiertos: Crear diálogos abiertos es tan importante como establecer un sistema de gobernanza bien estructurado.

Tomemos como ejemplo la iniciativa de Deutsche Telekom de traducir el principio de transparencia en anuncios de atención al cliente mediante chatbots de IA. El departamento de servicio expresó su preocupación sobre la posibilidad de que el cliente se desvinculara si se le saludaba con mensajes formales como: «Hola, soy el asistente de servicio digital de Deutsche Telekom». Esta preocupación dio lugar a extensas deliberaciones entre los departamentos de cumplimiento, ética y servicio, que finalmente condujeron al desarrollo de un grupo de trabajo para idear una solución adecuada.

Paso #2: Integrar consideraciones éticas en los procesos de diseño y desarrollo de IA

El siguiente paso es integrar las consideraciones éticas en la rutina de desarrollo de IA. Lamentablemente, en muchos proyectos de IA surgen problemas éticos después de la implementación. Para evitar estas situaciones, muchas organizaciones han adoptado un enfoque proactivo, abordando las cuestiones éticas durante la fase de desarrollo. Descubrimos que las organizaciones con una sólida gobernanza de datos aprovechaban sus procesos de privacidad existentes para incorporar principios éticos de IA adicionales.

Acciones clave: Navegación y soporte

Adaptarse a la relevancia operativa: Las organizaciones tienen la tarea de implementar marcos que no solo cumplan con los estándares globales, sino que también resuenen con sus realidades operativas únicas. Un estudio de 2019 identificó 106 herramientas y metodologías, y esta cifra sigue creciendo. Los líderes pueden ayudar a analizar este panorama abarrotado para garantizar que las herramientas y los marcos de IA sean integrales y relevantes desde el punto de vista operativo. Por ejemplo, cuando SwissPost, el servicio postal nacional de Suiza, se dio cuenta de que un proceso de autocertificación que estaban probando se superponía significativamente con sus requisitos de certificación ISO preexistentes, respondió desarrollando un proceso simplificado que incorporaba solo preguntas que no estaban cubiertas por la ISO.

Proporcionar apoyo continuo: El viaje no termina con la configuración inicial de barandillas éticas; requiere apoyo y supervisión continuos. Las organizaciones pueden establecer mecanismos de apoyo continuo para responder las preguntas a medida que surjan. Al configurar una cuenta de correo electrónico centralizada, Deutsche Telekom invitó a personas y equipos a enviar consultas sobre la implementación de la ética de la IA.

Paso #3: Calibrar las soluciones de ia en respuesta a las condiciones locales y a los cambios tecnológicos

En las fases de prueba y evaluación, el objetivo principal es verificar que la solución de IA cumpla con los objetivos y requisitos originales. Un aspecto esencial de la fase de calibración es garantizar que la solución siga siendo relevante para las aplicaciones del mundo real. Con el tiempo, puede producirse una divergencia entre los escenarios para los que se creó la solución de IA y las situaciones cambiantes del mundo real. Es necesario un seguimiento continuo para detectar y adaptarse a cualquier cambio.

Acciones clave: Mantener el impulso

El seguimiento y ajuste de las soluciones de IA en respuesta a las condiciones locales y a los cambios tecnológicos requiere importantes inversiones en tiempo y recursos, sobre todo en personal y en la implementación de procedimientos de «alerta roja».

Posicionar la IA responsable como impulsor de valor: Las organizaciones líderes alinean las consideraciones éticas con los objetivos comerciales. La compañía de seguros suiza Die Mobiliar ejemplifica este enfoque. En lugar de considerar la ética de la IA como un proceso engorroso lleno de listas de verificación, la empresa se centró en encontrar un equilibrio óptimo entre la estrategia empresarial, la privacidad de los datos y la ética de la IA. Para lograrlo, Die Mobiliar empleó un equipo interdisciplinario, que incluía representantes de cumplimiento, seguridad, ciencia de datos y TI, que se reunían periódicamente para explorar esta sinergia.

Aprovechar las alianzas externas: La colaboración con expertos externos, instituciones académicas y grupos del sector puede proporcionar nuevas perspectivas y conocimientos que contribuyan al ajuste de las soluciones de IA.

Paso #4: Difundir prácticas y enseñanzas al resto de la organización

En el panorama de la IA, en rápida evolución, fomentar un entorno de aprendizaje e intercambio puede mejorar la conciencia y empoderar a los empleados para que contribuyan al desarrollo responsable de la IA. Sin embargo, las organizaciones también enfrentan el desafío a corto plazo de mejorar las habilidades de la fuerza laboral en los desarrollos de IA que impactan al negocio en la actualidad. La compañía farmacéutica Bristol-Meyers-Squibb (BMS) creó una comunidad autoorganizada llamada «AI Collective». Se reunían regularmente en intervalos de 4 a 6 semanas para intercambiar perspectivas e ideas sobre cómo hacer avanzar los proyectos de IA dentro de la empresa y discutir las últimas tendencias, puntos de referencia, mejores prácticas y casos de uso interesantes.

Acciones clave: Priorizar y escalar

Realizar un análisis de las partes interesadas y priorizar las funciones: Cuando los recursos son limitados y la necesidad de un impacto inmediato es alta, centrarse en las funciones clave que más influyen en el desarrollo de la IA se vuelve crucial. Un primer paso práctico es realizar un análisis de las partes interesadas para identificar los roles con mayor impacto en el desarrollo de la IA y la aplicación ética. Al analizar su panorama de partes interesadas, SwissPost identificó a los gerentes de proyectos con capacidades analíticas como fundamentales para el éxito de sus iniciativas de IA. En consecuencia, la organización tomó la decisión estratégica de priorizar las capacitaciones en ética de la IA para estas personas clave, asegurando que quienes están más involucrados en la dirección de proyectos de IA estén equipados con el conocimiento necesario para abordar eficazmente las consideraciones éticas.

Crear un conjunto de herramientas para escalabilidad: Proporcionar recursos prácticos para ayudar a compartir prácticas de IA responsable puede lograrse mediante el desarrollo de un kit de herramientas de escalabilidad para IA responsable. La firma industrial francesa Thales creó un conjunto de herramientas adaptables y con capacidad de búsqueda que las diferentes divisiones de la organización podrían utilizar para implementar prácticas de IA responsable. Este kit de herramientas contenía información sobre prácticas de IA responsable, consejos de aplicación, material de comunicación y estudios de casos diseñados para ayudar a los equipos locales de IA.

Si bien muchas organizaciones han avanzado en el desarrollo de principios de IA, el verdadero desafío radica en incorporar estos principios en el tejido de las operaciones diarias. Los líderes, en particular aquellos con funciones no técnicas, desempeñan un papel decisivo en este proceso al abogar por recursos prácticos, fomentar una cultura que valore la IA ética y garantizar que las prácticas responsables de IA sean un aspecto fundamental de la toma de decisiones.