MI SELECCIÓN DE NOTICIAS
Noticias personalizadas, de acuerdo a sus temas de interés
Agregue a sus temas de interés
Mientras muchos ven la inteligencia artificial (IA) como una amenaza para la estabilidad laboral, otros la consideran una herramienta casi “mágica”, capaz de resolver los desafíos cotidianos en el trabajo de manera fácil e inmediata. Estas percepciones extremas se deben, en gran medida, al uso extendido de aplicaciones de IA generativa, como ChatGPT o Gemini, que permiten obtener fácilmente resultados impresionantes en la extracción de información clave y en la creación de contenidos.
Esta facilidad nos lleva a creer que aplicar la IA en otros ámbitos empresariales debería ser igual de sencillo. Sin embargo, es importante considerar que la pertinencia en las respuestas de la IA requiere de un paso crucial: la carga de datos relevantes y el entrenamiento con base en estos, un desafío considerable cuando se trata de datos específicos de una empresa.
El acelerado advenimiento de la IA en el campo laboral ha incrementado la disponibilidad de información en múltiples saberes técnicos, y esto genera grandes interrogantes acerca de si la alta disponibilidad de información sumada a las capacidades de análisis de la IA se constituirá en un puente para cerrar la brecha del “know how” entre las empresas.
La respuesta a este interrogante no es absoluta, aunque el uso adecuado de la IA podría catalizar el know-how empresarial, no es una solución mágica. Los desafíos significativos que implica y la variabilidad en las capacidades de implementación de la IA entre empresas indican que no todas lograrán potenciar sus competencias mediante el uso de la IA.
Ante lo anterior, nos surge la pregunta de ¿Cómo podemos hacer un uso óptimo de la IA? Para el caso de empresas usuarias finales de aplicaciones de IA, debemos enfatizar en la necesidad de desarrollar nuevas competencias dentro de la organización, agrupadas en un nuevo saber, el “saber indagar”, o “know inquire” en inglés.
El “saber indagar” a la IA se desglosa en cinco aspectos clave: (i) Especificidad y precisión en el alcance del caso de uso y las preguntas que pretendemos responder por medio de la IA. Ante preguntas generales del tipo “¿Cómo mejorar la empresa?” la IA no podrá dar respuestas adecuadas; (ii) Asegurar la relevancia y calidad de los datos para describir el caso de uso; (iii) El apropiado entrenamiento y contextualización del modelo de IA es determinante en la calidad de las respuestas; (iv) Saber seleccionar el tipo de IA adecuado dentro del amplio espectro de aplicaciones tan disimiles como la IA generativa, el aprendizaje automático, o las redes neuronales, entre muchas otras; y, (v) Saber analizar la pertinencia de las respuestas, no todas las respuestas de la IA son correctas, es por ello que las respuestas que otorga la IA deben ser evaluadas en términos de relevancia, precisión y aplicabilidad.
En un contexto donde la IA puede almacenar y procesar información a una escala y velocidad que superan ampliamente las capacidades humanas, es necesario incorporar a las competencias personales y empresariales el “saber indagar” o “know inquire”, el cual en términos más clásicos lo podríamos definir como el “pensamiento crítico digital”.
