Agencias / ¿Qué sabemos sobre el futuro impacto de la IA en el empleo? No mucho, sencillamente porque no sabemos nada del futuro, ni del minuto siguiente ni de los próximos diez años. Esta verdad incómoda nunca nos impidió -a los seres humanos inteligentes- hacer predicciones, con o sin la ayuda de la inteligencia artificial, ya sean bolas de cristal, ordenadores, análisis estadísticos o modelos económicos.
No faltaron predicciones sobre el impacto de la inteligencia artificial en los puestos de trabajo desde la adopción de los ordenadores por las empresas y la popularización del término “automatización” a principios de los años cincuenta. Más recientemente, la popularidad generalizada de la “IA” dio lugar a una especulación desenfrenada, sobre todo por parte de investigadores académicos, acerca de la posible eliminación de muchas ocupaciones actuales por máquinas cada vez más inteligentes, que algunos, sobre todo empresarios de la IA, predicen que igualarán o superarán a los humanos en un futuro muy próximo.
El documento de trabajo del MIT que se acaba de publicar, “Beyond AI Exposure: Which Tasks are Cost-Effective to Automate with Visión Artificial?” (Más allá de la exposición a la IA: ¿qué tareas son rentables de automatizar con visión por ordenador?) pretende aclarar las predicciones sobre la IA y el empleo. ¿Las buenas noticias? Sólo el 23% de los salarios vinculados a tareas relacionadas con la visión podrían ser sustituidos de forma rentable por la IA.
Según los investigadores del MIT, la “ansiedad sobre la IA” se debe al uso generalizado entre los académicos que intentan medir el impacto de la IA de la noción de “exposición a la IA”, es decir, la clasificación de las tareas profesionales según su “potencial de automatización”. El problema de esta equiparación de las capacidades de la IA con lo que se necesita para realizar una tarea específica es doble: no se tiene en cuenta la “viabilidad económica” de la IA y se confunde la automatización total y la consiguiente sustitución de trabajadores con la automatización parcial que podría dar lugar a un aumento del trabajo.
El panorama laboral a futuro
Para subsanar estas deficiencias y construir lo que ellos llaman el “primer modelo de automatización integral de la IA”, los investigadores del MIT se centraron en tareas relacionadas con la visión, en las que las estimaciones de costos de los sistemas de IA están más desarrolladas. El modelo evalúa el nivel de competencia necesario para una tarea basándose en encuestas a los trabajadores pertinentes, el costo de conseguir esa competencia mediante trabajadores humanos o sistemas de IA (cuyo desarrollo es costoso) y la decisión económica de las empresas de adoptar o no la IA para una tarea concreta.
Utilizando el nuevo modelo mejorado, los investigadores del MIT descubrieron que “sólo el 23% de las compensaciones de los trabajadores ‘expuestos’ a la Visión Artificial de la IA sería rentable para las empresas automatizar debido a los grandes costos iniciales de los sistemas de IA”.
Reducir el costo de desarrollo de la IA y/o el costo de despliegue de la IA (aumentando la escala, posiblemente mediante el uso de una plataforma de IA como servicio), achicaría estos costos. Sin embargo, “incluso con un rápido descenso de los costos del 20% anual, las tareas de visión por ordenador tardarían décadas en convertirse en económicamente eficientes para las empresas”.
Los investigadores del MIT sostienen que sus hallazgos también son aplicables a la IA generativa o a la automatización de tareas relacionadas con el lenguaje. Todas las áreas de implantación de la IA requieren un ajuste o personalización “para adaptarlas a las características específicas de la empresa”, un factor de costos crucial y un obstáculo para su rápida adopción.
Otro obstáculo para la adopción, no siempre tenido en cuenta por los economistas (y otros pronosticadores), es lo que otro estudio califica de “aceptabilidad social de la IA”. Algunas profesiones pueden integrar sin problemas las herramientas de IA, mientras que otras podrían encontrar resistencia debido a preocupaciones culturales, éticas u operativas”.
Este estudio fue realizado por el Fondo Monetario Internacional y publicado coincidiendo con el Foro Económico Mundial de Davos de este año, en el que la IA fue el principal tema de debate. Siguiendo la tradición de investigación que criticaba el documento del MIT, el estudio del FMI estimaba que casi el 40% del empleo mundial está “expuesto” a la IA.
“En las economías avanzadas”, afirma el FMI, “cerca del 60% de los empleos pueden verse afectados por la IA. Aproximadamente la mitad de los empleos expuestos pueden beneficiarse de la integración de la IA, mejorando la productividad. Para la otra mitad, las aplicaciones de IA pueden ejecutar tareas clave actualmente realizadas por humanos, lo que podría reducir la demanda de mano de obra, dando lugar a salarios más bajos y a una reducción de la contratación. En los casos más extremos, algunos de estos empleos podrían desaparecer”.
Los negocios, ¿también cambiarán?
Más allá de los modelos económicos, otro estudio publicado en vísperas de la reunión de Davos recopiló datos directamente de las personas encargadas de crear y eliminar puestos de trabajo. La empresa de contabilidad PwC realizó una encuesta a 4.700 CEOs de 105 países y descubrió que aproximadamente una cuarta parte de los CEO preveía que el despliegue de la IA generativa en sus propias empresas provocaría recortes de empleo de al menos el 5% este año.
Casi el 75% predijo que la IA generativa cambiaría significativamente su negocio en los próximos tres años, exigiendo la formación de los empleados en nuevas habilidades y la gestión de nuevos riesgos de ciberseguridad, información errónea y sesgos hacia grupos específicos de clientes o empleados.
Es posible que los CEO hayan intuido (pero no preguntado directamente) la “aceptabilidad social” de la IA. Como ocurre con cualquier otra nueva capacidad y funcionalidad informática que aparece en las últimas siete décadas, el factor social se descuida en gran medida en las especulaciones sobre su impacto en el empleo y la naturaleza del trabajo.
En su comentario sobre el estudio del FMI, Harry Law veía esto como el “problema más general de este estilo de análisis”. Debido al problema de cuantificar y evaluar (mis palabras) los “elementos contextuales, de reputación, burocráticos y sociales de la adopción de la IA”, lo que tenemos aquí es “más o menos un juego de adivinanzas”.
Esto recuerda a Law, que casualmente trabaja en DeepMind, “uno de los principales problemas de las evaluaciones de modelos, que es que suelen ser excelentes para determinar si un modelo puede hacer X, pero no tan buenas para decirnos lo bien que un modelo hace X en el mundo real”.
Cuando se intenta predecir el rendimiento de la IA o su impacto en el empleo, el mundo real desbarata los mejores modelos, ya sean de IA o de otro tipo. El mundo real no sigue las predicciones de los expertos. Especialmente, cuando estas predicciones son sobre lo que la gente hará (o no hará) con las nuevas tecnologías.
