A estas alturas, con asistentes de inteligencia artificial generativos disponibles desde hace ya bastante más de un año y mejorando en sus prestaciones de manera consistente, deberíamos tener evidencias de lo que supone trabajar sistemáticamente teniendo acceso a los mismos, o mejor, habiéndonos acostumbrado a optimizar su uso.

Atrás empiezan a quedar, al menos para los usuarios experimentados, los torpes prompts que utilizábamos para simplemente jugar o para intentar evaluar sus prestaciones: ahora, es perfectamente normal que algunos prompts sean mucho más largos que la propia respuesta que generan, o que no estén diseñados para generar respuestas que son simplemente copiadas y pegadas, sino como parte de un trabajo en fases. En mi papel como profesor en una escuela de negocios, en el contexto de un curso de innovación en el que invito a mis alumnos a utilizar esos algoritmos en la resolución de cualquier cuestión, ver la forma en que esos alumnos, personas con varios años de experiencia en trabajo directivo procedentes de todo el mundo, utilizan este tipo de herramientas resulta enormemente clarificador.

Por eso me ha gustado bastante este artículo en The Washington Post titulado «I used AI work tools to do my job. Here’s how it went«, en el que una periodista del medio puso a prueba dos algoritmos generativos, Microsoft Copilot y Gemini for Google Workspace, como herramientas para hacer su trabajo. El resultado, como era esperable, es desigual, y apunta como conclusión principal a una reducción importante del tiempo dedicado a crear textos, ilustraciones o vídeos, pero un incremento también muy significativo del tiempo dedicado a la supervisión de lo creado por los algoritmos.

Básicamente, como apunta la CTO de la Wikimedia Foundation, Selena Deckelmann, el valor de las contribuciones humanas en el tiempo de la IA generativa es incluso mayor. Las personas que simplemente tratan a este tipo de asistentes como una forma de ahorrarse tareas sencillas, como redactores de bloques de texto o como creadores de ilustraciones que después integran en creaciones más complejas con un componente de creación humana parecen tener una ventaja clara frente a aquellos que los ven como generadores de algo que simplemente se copia y se pega sin más. Yo, con un martillo y un cincel, llego como mucho a romper piedras, pero Miguel Ángel fue capaz de esculpir el David. Como todas las herramientas, la cuestión está en saberlas utilizar adecuadamente.

Todo indica que, al menos en los trabajos que conocemos como «de cuello blanco», el futuro apunta a personas que tendrán que trabajar con este tipo de herramientas si quieren ser razonablemente competitivos, pero que más que sustituirlos, complementarán muchas de las labores que llevan a cabo habitualmente. En mi trabajo diario, me encuentro recurriendo a algoritmos generativos para muchas cosas, desde plantear el esquema de una clase con unos requisitos determinados hasta generar ilustraciones como la que acompaña al artículo de hoy, pero en muy pocas ocasiones me planteo simplemente copiar y pegar como forma de uso, y todo ello sin mencionar el número de veces que cometería errores de bulto si lo hiciera. El tiempo dedicado a la supervisión de lo obtenido, en efecto, se incrementa notablemente.

Para ese tipo de trabajadores, por tanto, nada nuevo bajo el sol: como ocurrió con todas las herramientas anteriores, es importante adquirir rápidamente la maestría en su uso, que te diferenciará de los que «simplemente las usan» y te permitirá seguir siendo eficiente en tu trabajo, salvo que ese trabajo sea completamente asumible por un algoritmo entrenado adecuadamente (en ese caso, prepárate para otro tipo de trabajo).

Mi impresión hablando con personas que utilizan este tipo de herramientas para generar código es básicamente la misma. Sin embargo, tengo mis dudas con lo que ocurrirá a medida que vayamos integrando cada vez mejor la algoritmia generativa a la robótica y aprendamos a utilizar esos robots con eficiencia para los trabajos habitualmente denominados como «de cuello azul». Es muy posible que, en ese tipo de contextos, nos encontremos con otros resultados. Y por tanto, que generen problemas completamente diferentes.

Nota:https://www.enriquedans.com/