La paradoja de la productividad de la IA: ¿Por qué no hay más trabajadores que utilicen ChatGPT? | de Julia Winn | octubre de 2024

La verdadera barrera no son las habilidades técnicas: es hora de pensar

A pesar del potencial transformador de herramientas como ChatGPT, la mayoría de los trabajadores del conocimiento con los que he hablado no las utilizan en absoluto. Aquellos que lo hacen se limitan principalmente a tareas básicas como el resumen. Sólo un poco más del 5% de la base de usuarios de ChatGPT paga por plus (una pequeña fracción de usuarios profesionales potenciales), lo que sugiere una escasez de usuarios avanzados que aprovechen la IA para trabajos complejos y de alto valor.

Después de más de una década de crear productos de inteligencia artificial en empresas desde Google Brain hasta Shopify Ads, he sido testigo de primera mano de la evolución del campo. Con el auge de ChatGPT, la IA ha pasado de ser mejoras agradables, como los organizadores de fotografías, a importantes impulsores de la productividad para todos los trabajadores del conocimiento.

La mayoría de los ejecutivos entienden que los rumores actuales son más que exageraciones: están desesperados por hacer que sus empresas avancen en IA, sabiendo que es más poderosa y fácil de usar que nunca. Entonces, ¿por qué, a pesar del potencial y el entusiasmo, la adopción generalizada está rezagada? El verdadero obstáculo es cómo las organizaciones abordan el trabajo. Los problemas sistémicos impiden que estas herramientas se conviertan en parte de nuestra rutina diaria.

En última instancia, la pregunta que los ejecutivos deben hacerse no es “¿Cómo podemos usar la IA para hacer las cosas más rápido?” ¿O esta función se puede crear con IA? “ sino más bien “¿Cómo podemos utilizar la IA para crear más valor? ¿Cuáles son las preguntas que deberíamos hacernos pero no lo hacemos?

Recientemente, aproveché los modelos de lenguajes grandes (LLM), la tecnología detrás de herramientas como ChatGPT, para abordar una tarea compleja de estructuración y análisis de datos que tradicionalmente habría llevado a un equipo multifuncional de analistas de datos y diseñadores de contenido un mes o más.

Esto es lo que logré en un día usando Google AI Studio:

1. Transformó miles de filas de datos no estructurados en un conjunto de datos estructurado y etiquetado.
2. Usó la IA para identificar grupos de usuarios clave dentro de estos datos recientemente estructurados.
3. A partir de estos patrones, se desarrolló una nueva taxonomía que puede impulsar una experiencia de usuario final mejor y más personalizada.

En particular, lo hice no simplemente presione un botón y deje que la IA haga todo el trabajo.

Requirió una concentración intensa, instrucciones detalladas y múltiples iteraciones. Pasé horas elaborando indicaciones precisas, proporcionando comentarios (como un pasante, pero con un lenguaje más directo) y redirigiendo la IA cuando se desviaba de su rumbo.

En cierto sentido, estaba comprimiendo el trabajo de un mes en un día y era mentalmente agotador.

El resultado, sin embargo, no fue sólo un proceso más rápido: fue un resultado fundamentalmente mejor y diferente. Los LLM descubrieron patrones matizados y casos extremos ocultos dentro de los datos no estructurados, creando conocimientos que el análisis tradicional de datos estructurados preexistentes habría pasado por alto por completo.

Aquí está el truco, y la clave para comprender nuestra paradoja de la productividad de la IA: mi éxito en la IA dependió de contar con el apoyo del liderazgo para dedicar un día completo a repensar nuestros procesos de datos con la IA como mi socio de pensamiento.

Esto permitió un pensamiento profundo y estratégico: explorar conexiones y posibilidades que de otro modo habrían llevado semanas.

Este tipo de trabajo centrado en la calidad a menudo se sacrifica por las prisas por cumplir los plazos, pero es precisamente lo que impulsa la innovación revolucionaria. Paradójicamente, la mayoría de las personas no tienen tiempo para descubrir cómo ahorrar tiempo.

Dedicar tiempo a la exploración es un lujo que la mayoría de los PM no pueden permitirse. Bajo una presión constante para ofrecer resultados inmediatos, la mayoría rara vez tiene siquiera una hora para este tipo de trabajo estratégico; la única forma en que muchos encuentran tiempo para este tipo de trabajo exploratorio es fingiendo estar enfermos. Están tan abrumados con mandatos ejecutivos y solicitudes urgentes de los clientes que no se sienten dueños de su dirección estratégica. Además, los recientes despidos y otros recortes en la industria han intensificado la carga de trabajo, dejando a muchos PM trabajando 12 horas al día solo para mantenerse al día con las tareas básicas.

Esta presión constante también obstaculiza la adopción de la IA para mejorar la ejecución. Desarrollar planes de prueba sólidos o identificar proactivamente problemas potenciales con la IA se considera un lujo, no una necesidad. Establece una dinámica contraproducente: ¿por qué utilizar la IA para identificar problemas en su documentación si la implementación de las correcciones sólo retrasará el lanzamiento? ¿Por qué realizar una investigación adicional sobre los usuarios y el espacio problemático si la dirección ya se ha fijado desde arriba?

Darle tiempo a la gente para “descubrir la IA” no es suficiente; la mayoría necesita algo de capacitación para entender cómo hacer que ChatGPT haga más que un resumen. Sin embargo, la formación necesaria suele ser mucho menor de lo que la gente espera.

El mercado está saturado de formaciones en IA impartidas por expertos. Si bien algunas clases venden aceite de serpiente, muchos instructores son expertos reputados. Aún así, estas clases a menudo no son adecuadas para la mayoría de las personas como punto de partida. Consumen mucho tiempo, son demasiado técnicos y rara vez se adaptan a líneas de trabajo específicas.

Obtuve los mejores resultados al sentarme con personas durante 10 a 15 minutos, auditar sus flujos de trabajo actuales e identificar áreas donde podrían usar LLM para hacer más y más rápido. No es necesario comprender las matemáticas detrás de la predicción de tokens para escribir un buen mensaje.

No caiga en el mito de que la adopción de la IA es sólo para aquellos con formación técnica menores de cuarenta años. En mi experiencia, la atención al detalle y la pasión por hacer el mejor trabajo posible son indicadores mucho mejores de éxito. Intente dejar de lado sus prejuicios; es posible que se sorprenda al saber quién se convertirá en su próximo campeón de IA.

Mi propio padre, un abogado de unos sesenta años, solo necesitó cinco minutos antes de comprender lo que podían hacer los LLM. La clave fue adaptar los ejemplos a su dominio. Se nos ocurrió un área gris legal algo compleja y le pedí a Claude que se lo explicara a un estudiante de derecho de primer año con ejemplos de casos extremos. Vio la respuesta e inmediatamente comprendió cómo podía utilizar la tecnología para una docena de proyectos diferentes. Veinte minutos más tarde, estaba a la mitad de la redacción de un nuevo artículo de revisión de leyes que había querido escribir durante meses.

Lo más probable es que su empresa ya tenga algunos entusiastas de la IA: joyas ocultas que han tomado la iniciativa de explorar los LLM en su trabajo. Estos “susurradores de LLM” podrían ser cualquiera: un ingeniero, un especialista en marketing, un científico de datos, un gerente de producto o un gerente de servicio al cliente. Haga una convocatoria para estos innovadores y aproveche su experiencia.

Una vez que haya identificado a estos expertos internos, invítelos a realizar “auditorías de IA” de una o dos horas de duración, revisando los flujos de trabajo actuales de su equipo e identificando áreas de mejora. También pueden ayudar a crear indicaciones iniciales para casos de uso específicos, compartir sus flujos de trabajo de IA y brindar consejos sobre cómo solucionar problemas y evaluar el futuro.

Además de ahorrar dinero en consultores externos, es más probable que estos expertos comprendan los sistemas y objetivos de su empresa, lo que los hace más propensos a detectar oportunidades prácticas y relevantes. Las personas que dudan en adoptar también tienen más probabilidades de experimentar cuando ven a colegas usando la tecnología en comparación con los “expertos en IA”.

Además de garantizar que las personas tengan espacio para aprender, asegúrese de que tengan tiempo para explorar y experimentar con estas herramientas en su dominio una vez que comprendan sus capacidades. Las empresas no pueden simplemente decirles a los empleados que “innoven con IA” y al mismo tiempo exigir funciones para otro mes antes del viernes a las 5 p.m. Asegúrese de que sus equipos tengan algunas horas al mes para explorar.

Una vez que haya superado este primer obstáculo de la adopción de la IA, su equipo debería poder identificar las áreas más prometedoras para la inversión. En este punto, estará en una posición radicalmente mejor para evaluar la necesidad de capacitaciones adicionales y más especializadas.

La paradoja de la productividad de la IA no tiene que ver con la complejidad de la tecnología, sino más bien con la forma en que las organizaciones abordan el trabajo y la innovación. Aprovechar el poder de la IA es más sencillo de lo que los “influencers de IA” que venden la última certificación quieren hacerle creer; a menudo requiere solo unos minutos de capacitación específica. Sin embargo, exige un cambio fundamental en la mentalidad del liderazgo. En lugar de acumular resultados a corto plazo, los ejecutivos deben crear espacio para la exploración y el trabajo profundo, abierto y orientado a objetivos. El verdadero desafío no es enseñar IA a su fuerza laboral; les está dando el tiempo y la libertad para reinventar su forma de trabajar.

¿Quiere profundizar en la implementación eficaz de la IA? Consulte Necesitamos elevar el listón para los gerentes de productos de IA y ¿Qué caracteriza a un verdadero agente de IA? Repensar la búsqueda de la autonomía.