En los últimos años, estoy seguro de que todos hemos sido testigos y experimentado un cambio lento pero significativo en la forma en que trabajamos. Nos hemos perfeccionado a menudo y mi pila de análisis siguió reconstruyéndose debajo de mí. Recuerdo que cuando leí por primera vez sobre las proezas de la IA generativa, mi pensamiento se detuvo en “Nunca más tendré que pasar horas en StackOverflow para depurar mi código”.
Hoy en el trabajo, uso modelos de IA para escribir, diseñar, codificar, hacer sólidas mis ideas, completar tareas a una velocidad vertiginosa, ayudarme a redactar propuestas para ejecutivos, crear historias analíticas, probar mis hipótesis, prepararme para reuniones importantes y discusiones difíciles y mucho más.
Sin embargo, cuanto más tiempo paso integrando la IA para hacer mi vida “más fácil”, me doy cuenta de que hay algunos trabajos duros que realizan los humanos que la IA no puede replicar exactamente. La IA generativa no puede establecer aspiraciones, tomar decisiones en tiempos difíciles, generar confianza entre las partes interesadas ni responsabilizarse por lo bueno o lo malo.
Ese trabajo sigue siendo profundamente humano.
A medida que la IA agente absorba una mayor parte del flujo de trabajo analítico, la escasez en su pila tecnológica no será la velocidad o la calidad de ejecución, sino la capacidad de generar un pensamiento original, aplicar un criterio empresarial y decidir qué merece atención en primer lugar.
El pensamiento independiente sigue siendo una ventaja competitiva
He llegado a creer que la IA no reemplazará los trabajos humanos. Pero la IA ciertamente puede ayudarnos a ejecutar el trabajo más rápido que nunca. En ese punto, la verdadera pregunta es: ¿qué hacemos con el tiempo que la IA nos devuelve? ¿Lo usamos para pensar más profundamente, explorar nuevas ideas y resolver problemas más difíciles? ¿O dejamos gradualmente de hacer esas cosas nosotros mismos?
En comparación con principios de este año, estoy notando un cambio en mi propio comportamiento. Cada vez más me sorprendo pidiendo a Copilot que interprete patrones en los datos antes de verlos yo mismo. Me veo prefiriendo la comodidad a desafiarme a mí mismo. ¿Por qué pasar veinte minutos explorando un conjunto de datos cuando una IA puede sentar las bases en segundos? La comodidad es innegable.
Sin embargo, esta dependencia de la IA me pone nervioso. Y eso no tiene nada que ver con que el agente se equivoque (porque muchas veces no es así). Me pongo nervioso pensando en lo fácil que es saltarse la parte más valiosa del análisis: ¡formar mi propio punto de vista inicial! Simplemente habría recibido la versión de otra persona, vestida como la mía.
Ésa es mi gran ansiedad en torno a toda la conversación sobre IA y empleos: no que me vuelva obsoleto, sino poco original.
Imagínese recorrer toda una carrera sin tener regularmente un solo pensamiento original. No quiero que desaparezca la fricción intelectual que produce conocimientos, creatividad y convicción porque obtengo una gran sensación de logro al superar los desafíos.
Mi opinión es que en un mundo donde la inteligencia se vuelve abundante, el pensamiento independiente se vuelve escaso.
El problema de la traducción empresarial
Trabajando en análisis e inteligencia artificial durante más de siete años, sé que los analistas que tienen dificultades rara vez son los que no son los más fuertes en escribir consultas SQL o código en Python; son los analistas quienes no pueden traducir lo que dicen los datos y lo que la empresa debería hacer a continuación.
La IA actual puede hacer mucho más que generar SQL o resumir paneles. Con acceso a capas semánticas (una abstracción empresarial que se adapta al modelo de IA de su organización y ayuda a la IA a comprender métricas, definiciones, relaciones y contexto organizacional), los agentes modernos pueden comprender métricas, detectar patrones, recomendar acciones y, en algunos casos, incluso ejecutar acciones de forma autónoma (IA agente) con conocimiento de las reglas comerciales, las decisiones históricas y los riesgos empresariales.
Digo que la pila de análisis se está reescribiendo porque veo que la IA se vuelve cada vez más capaz tanto de análisis como de ejecución. Y, sin embargo, persiste una brecha crítica.
El desafío actual del uso de la IA en el trabajo no es comprender el negocio. Cada vez más, la IA puede hacerlo. El desafío es lograr que la IA se haga cargo de las consecuencias de las decisiones comerciales (tal vez mañana también lleguemos a ese punto).
Los seres humanos rutinariamente toman decisiones que contradicen los datos porque comprenden las prioridades estratégicas, las políticas organizacionales, los matices culturales, los riesgos regulatorios o simplemente una creencia sobre hacia dónde debe ir el negocio a continuación. Estas decisiones no siempre son objetivamente correctas, pero en última instancia alguien debe ser responsable de tomarlas. Pero la IA, en mi opinión, no puede determinar cuándo se deben infringir las reglas. Ese juicio sigue siendo enteramente humano.
Entonces, la pila de análisis puede estar cambiando, pero la responsabilidad no y esa es la capa que la IA agente aún no puede tocar.
Cómo uso la IA para trabajar más rápido sin dejar que piense por mí
Dónde me concentraría, ahora y más adelante
A medida que la IA agente se hace cargo de una mayor parte del trabajo que solía consumir nuestros días, desde la redacción de consultas hasta la documentación, los informes, el análisis, la investigación e incluso la formulación de recomendaciones en una historia, la pregunta ya no es si la IA puede hacer partes de nuestro trabajo. La pregunta es qué hacemos con el tiempo que nos devuelve.
¿Reinvertimos ese tiempo en aprender algo nuevo y más profundo, desarrollar un juicio más sólido o trabajar en un problema más ambicioso? ¿O también subcontratamos gradualmente esas capacidades?
Para mí, la verdadera pregunta profesional en esta era de la IA es: ¿qué debería delegar en la IA y qué debería tener en mis manos deliberadamente?
Este trimestre
Audite dónde pasa la mayor parte de su tiempo cada semana. Separe el trabajo que es mecánico del trabajo que requiere juicio.
Delegue libremente el trabajo mecánico a la IA: redacte resúmenes extensos, documentación, preparación de datos, primeros borradores, consultas exploratorias. Guarde su energía para las preguntas que importan y para lo que realmente significan las respuestas a esas preguntas.
Antes de pedirle una interpretación a AI, dedica cinco minutos a formar tu propia hipótesis.
Utilice los agentes de IA para desafiar su forma de pensar, no para reemplazarla.
Antes de que termine el año
Aprenda a colaborar con agentes de IA de la misma manera que colaboraría con un nuevo empleado sólido o un analista junior.
El contexto, las limitaciones, los objetivos y la retroalimentación importan más que las indicaciones.
Utilice la IA como entrenador en lugar de simplemente como ejecutor. Pídale que pruebe su razonamiento, exponga puntos ciegos, simule reacciones de las partes interesadas y explore escenarios alternativos.
Practique traducir hallazgos complejos en decisiones comerciales. Cuanto más la IA mercantiliza la ejecución técnica, más valiosas se vuelven su comunicación y su juicio.
Durante los próximos meses
Convierta su experiencia en marcos, principios y modelos de toma de decisiones que puedan escalar más allá de usted.
Busque oportunidades en la intersección de la estrategia empresarial, el análisis y la IA y siga leyendo sobre todos los avances en este panorama.
Invierta continuamente en habilidades que son muy humanas y se fortalecen mediante el uso (pero se debilitan con la delegación), como el pensamiento crítico, la creatividad, el juicio, el liderazgo y la visión.
Reflexiones finales: a medida que la IA se hace cargo de una mayor ejecución, la ventaja humana se desplaza hacia el juicio, la aspiración y el pensamiento independiente.
···
Eso es todo por mi parte en esta publicación de blog. ¡Gracias por leer! ¡Espero que te haya resultado una lectura interesante!
Rashi es un experto en datos de Chicago al que le encanta analizar datos y crear historias de datos para comunicar ideas. Es consultora sénior de análisis de atención sanitaria a tiempo completo y le gusta escribir blogs sobre datos los fines de semana con una taza de café.
···