Recalculando los costos y beneficios de la IA generativa

A

claremos algo: la IA generativa definitivamente puede ayudarnos a producir un mayor volumen de resultados, más rápido y con menos esfuerzo humano. Cualquiera que diga lo contrario está en negación.

Sin embargo, al centrarnos en el valor de los resultados que produce la IA, tendemos a no pensar mucho en otras fuentes de valor, como lo que aprendemos y cómo construimos relaciones. Rara vez preguntamos: ¿De qué manera cada actividad que realizamos crea un valor verdadero y único? Es momento de que los líderes analicen con frialdad y dureza a sus organizaciones y se hagan esa pregunta, para no destruir más valor del que crean al adoptar la IA generativa.

De dónde viene el valor

Comencemos con lo obvio: la IA generativa tiene el potencial de crear una enorme cantidad de valor para las organizaciones y los empleados individuales. Al automatizar tareas complejas o mundanas, puede usarse para aumentar la eficiencia y liberar recursos para aplicaciones que generen mayor valor. Su poder computacional puede mejorar la calidad de las decisiones mediante el análisis de datos y acelerar procesos como la innovación, modelando, probando y refinando nuevas ideas. Cuando se usa como apoyo para la lluvia de ideas, puede alimentar nuestros procesos creativos con cantidades aparentemente infinitas de material de origen.

Los líderes deben comenzar con estos beneficios en mente y mantenerlos presentes, ya que todos ellos pueden mejorar la calidad y la eficiencia del trabajo realizado. Pero, ¿qué podríamos estar sacrificando cuando delegamos una tarea a la IA generativa? O, dicho de otra forma: ¿De dónde más proviene el valor? He aquí cinco áreas clave a considerar.

1. Adquisición de conocimientos y perspectivas

Nuestros procesos de trabajo a menudo nos proporcionan conocimientos y perspectivas más allá de la tarea específica en la que estamos trabajando. Luchar por encontrar una palabra en un idioma extranjero suele fijarla en nuestra memoria para un uso futuro; las soluciones rechazadas a un problema técnico complicado pueden resultar ser soluciones a otros problemas relacionados o innovaciones inesperadas por sí mismas; y el proceso de resumir y sintetizar información nos ayuda a reconocer conexiones conceptuales.

Pedir a la IA generativa que traduzca, resuelva problemas o resuma documentos sin duda arrojará resultados más rápidos y, en algunos casos, más precisos, con menos esfuerzo. Sin embargo, al hacerlo, perdemos el aprendizaje que de otro modo habríamos adquirido.

2. Perfeccionamiento de habilidades

Relacionado estrechamente con lo anterior, hay una razón por la cual la gente dice que “la práctica hace al maestro”: mejoramos nuestras habilidades a través de la práctica. Redactar y revisar un informe mejora nuestras habilidades editoriales, buscar errores en nuestro código nos hace mejores programadores, y maldecir el bloqueo del escritor fortalece nuestra perseverancia como escritores. De forma paralela al aprendizaje, pedir a la IA generativa que revise un documento, redacte un borrador, encuentre errores en el código o genere una colección de párrafos entre los que elegir, nos da el beneficio a corto plazo de una solución, pero presenta riesgos para la mejora de nuestras capacidades a largo plazo.

3. Mantenimiento de vínculos sociales

Tradicionalmente, la mayoría del trabajo se ha realizado de forma colectiva, con grupos de personas aportando la capacidad intelectual necesaria para encontrar soluciones a problemas particularmente complejos. El aumento masivo de la potencia computacional que proporciona la IA generativa nos permite resolver individualmente muchos de los problemas para los que antes necesitábamos a otros, lo que, a su vez, implica menos interacciones interpersonales.

Es importante reconocer que tales interacciones sirven como base del entendimiento mutuo, el sentido de conexión y comunidad, y, en última instancia, la confianza (todos ellos elementos que tienen impactos significativos en la capacidad de las organizaciones para obtener resultados).

4. Compromiso con las ideas

El compromiso, definido como estar psicológicamente presente al desempeñar un rol, tiene una amplia gama de beneficios, desde mejorar la calidad y eficiencia de los resultados hasta incrementar el bienestar y la satisfacción individual. Sin embargo, ninguno de nosotros está comprometido al 100% con el 100% de las cosas que hacemos el 100% del tiempo, y el uso de la IA generativa puede influir en eso.

Tomemos como ejemplo la tarea de resumir, una en la que la IA generativa se destaca extrayendo temas de grandes volúmenes de datos mucho más rápido que cualquier humano. Ya sea que los datos que se están resumiendo correspondan a un extenso informe o a la transcripción de una reunión, cuando delegamos esa tarea a la IA generativa, a menudo damos un paso mental hacia atrás y reducimos nuestro nivel de compromiso. La síntesis humana es un proceso activo: no solo capturamos datos, los enmarcamos, los interpretamos y desarrollamos aún más las ideas. Ese proceso nos conecta con el trabajo y aumenta nuestro compromiso.

5. Mantenimiento de la singularidad

Somos el producto de nuestras experiencias, y el trabajo que realizamos contribuye a nuestra identidad como líderes. Nuestro tono en los documentos escritos, la forma en que nos comunicamos en los mensajes, nuestro estilo en las presentaciones e incluso cómo resolvemos problemas son rasgos identificables que nos distinguen unos de otros. Aunque usar IA generativa para redactar automáticamente correos electrónicos, memorandos o presentaciones puede ahorrar tiempo y ofrecer resultados técnicamente mejores, al hacerlo se elimina el tono personal y la voz que nos hacen únicos.

Evaluación de los costos y beneficios de la IA generativa

La IA generativa llegó para quedarse y sus beneficios son innegables, pero los posibles sacrificios implican que los líderes deben ser intencionales en su uso. Al igual que con cualquier otra decisión gerencial importante, esto requiere una evaluación objetiva y holística de beneficios y costos. Los líderes deben realizar una auditoría del valor que aporta la IA. He aquí cómo hacerlo:

Paso 1: Determinar los tipos de valor más relevantes para una tarea determinada que pueda automatizarse con IA.

Comience por preguntarse qué tipos de valor genera la tarea. El resultado (como volumen, velocidad, calidad y eficiencia) es evidente, pero también considere cuánto aprendizaje genera la tarea, cuánto fomenta la interacción social y las relaciones, y si se beneficia de una voz única o personal.

Paso 2: Priorice y optimice los tipos de valor que ha identificado.

No todas las tareas tienen que aportar todo tipo de valor, ni todos los proyectos son igual de eficaces para proporcionarlo. Concéntrese en dónde los beneficios son mayores y más necesarios.

Paso 3: Iterar.

Reconozca que aún no comprendemos del todo los impactos de la IA generativa. Utilice lo que yo llamo la “prueba de la leche”: toda decisión sobre su uso debería tener una fecha de caducidad. Así como revisamos la leche antes de desecharla, vuelva a evaluar cuando tenga nueva información. No la descarte de inmediato, pero asegúrese de revisarla bien.

Un último punto: la decisión de usar IA generativa no recae únicamente (quizá ni siquiera principalmente) en los líderes. Estas herramientas son baratas, accesibles y están ampliamente disponibles, por lo que sus empleados ya están tomando sus propias decisiones sobre cuándo y cómo usarlas, con o sin orientación.

Hable con su equipo sobre la IA generativa y los tipos de valor que crea (y lo que podría poner en riesgo). Asegurarse de que sean conscientes de los beneficios y las desventajas reducirá la probabilidad de que las personas tomen decisiones que no sean en su propio interés o en el de la organización.