¿Qué es exactamente formar a tus empleados en inteligencia artificial?
![](/download/publicidades.imagxs.baed32d93e6e4a42.aW1hZ3hzLmdpZg==.gif)
![](/download/publicidades.imagen.87f01b6fcb3e0ade.aW1hZ2VuLmdpZg==.gif)
![Learning-AI-in-corporations](/download/multimedia.normal.b0be143f25952db8.TGVhcm5pbmctQUktaW4tY29ycG9yYXRpb25zX25vcm1hbC53ZWJw.webp)
![](/download/publicidades.imagxs.921202e1b5918fb0.aW1hZ3hzLmdpZg==.gif)
![](/download/publicidades.imagen.a1685580c5ba9e3b.aW1hZ2VuLmdpZg==.gif)
A medida que más compañías van comprobando que el uso de la inteligencia artificial como asistente por parte de sus empleados los hace más productivos y es susceptible de generar posibles ventajas competitivas interesantes y ayudar a clarificar redundancias si es que existen, surge la necesidad de formar a esos empleados en el uso de ese tipo de herramientas, pero sin que parezca estar todavía muy claro en qué debe basarse esa formación.
Por el momento, llevados por compañías como Microsoft con su Copilot o Google con su Gemini, ese uso de la inteligencia artificial consiste fundamentalmente en aprender a utilizar asistentes generativos para tareas sobre todo administrativas, desde escribir un correo o una carta a hacer una presentación o una hoja de cálculo. Un uso no especialmente sofisticado y más parecido a lo que son «las clases de ofimática» de hace años, en las que, simplemente, las herramientas se han hecho levemente más sofisticadas.
Eso parece estar llevando a que muchas compañías crean estar formando a sus empleados en inteligencia artificial cuando, en realidad, les están dando versiones más o menos glorificadas de habilidades en el llamado prompt engineering, en cuatro recetas básicas para aprender a pedirle cosas de manera eficiente a un asistente generativo. Y si bien, para alguien carente de experiencia en inteligencia artificial, aprender prompt engineering puede parecer algo similar a aprender ciencia de cohetes, la realidad es que el prompt engineering es algo no solo sumamente trivial, sino que, además, será pronto bastante innecesario, dado que nuestros prompts serán optimizados por los propios algoritmos.
Recordémoslo: lo que las big tech quieren es que veamos la inteligencia artificial como algo terriblemente sofisticado, complejísimo y que hay que pedirles a ellas en forma de productos a los que nos suscribimos. Pero la realidad es que la inteligencia artificial tiene barreras de entrada muchísimo más bajas de lo que nos quieren contar, y que la competitividad de tu compañía no estará en ser capaz de utilizar lo mejor posible las herramientas que te proporcionen las big tech, sino en la creación y el desarrollo de tus propios algoritmos, entrenados con tus propios datos generados por tu actividad empresarial. Que no te engañen.
¿En qué debe consistir el entrenamiento en inteligencia artificial que proporcionamos a nuestros empleados? Básicamente, en que aprendan a diferenciar la tecnología de la magia, lo que permite entender tanto sus posibilidades como sus limitaciones. Partir de desarrollos básicos de machine learning sin necesidad de programar ayuda a los empleados a entender qué hace exactamente un algoritmo, a visualizar la importancia de los datos y a hacerse con rudimentos básicos de estadística, o cuando menos, a refrescarlos.
A partir de ahí, pasar del machine learning a la algoritmia generativa es simplemente cuestión de entender las posibilidades de los modelos masivos de lenguaje, para así darse cuenta de que, si bien nos pueden parecer espectaculares, su rendimiento es muy inferior a lo esperable dadas las ingentes cantidades de datos que precisan para su entrenamiento. Entender los dimensionamientos habituales en algoritmia generativa ayuda a que entiendan qué es realista pedir y qué no lo es, y a que sean capaces de plantear, por ejemplo, rediseños de productos o de servicios para incorporar prestaciones nuevas que los hagan más competitivos de manera razonable. Algo que no te van a enseñar, mucho me temo, en «la academia de la esquina».
Entender qué es un RAG, una LoRA o un thin wrapper frente a lo que supone el desarrollo completo de un modelo hará que nuestros empleados puedan conceptualizar muchas cuestiones fundamentales en inteligencia artificial: no se trata de que sean capaces de crear modelos, sino de que entiendan qué hay en ellos, qué tipo de limitaciones tienen, qué hace que cometan errores o qué permite hacerlos cada vez más sólidos. Y eso implica no simplemente saber escribir peticiones más o menos sofisticadas, que es una perfecta chorrada, sino entender fundamentos básicos de qué es la inteligencia artificial, qué hace y qué podemos plantearnos con ella. Ese tipo de habilidades son las que harán a tu compañía más sofisticada y posiblemente más competitiva, no simplemente un fino barniz o maquillaje de prompt engineering como si tuvieran que «aprender a hablar de nuevo» para pedirle cosas a algún tipo de «inteligencia superior».
Recordemos la tercera ley de Clarke, «cualquier tecnología lo suficientemente avanzada es indistinguible de la magia». Nuestro trabajo es que nuestros empleados dejen de ver magia donde únicamente hay tecnología, y que aprendan lo mejor posible a entender cómo funciona y qué pueden esperar de ella. Eso es todo.
Nota: https://www.enriquedans.com/