En un momento de transformación sin precedentes, impulsada por avances significativos en inteligencia artificia, el estudio muestra que las herramientas basadas en LLM pueden “mejorar significativamente la productividad en tareas comunes de trabajo de información”, permitiendo a los usuarios completar tareas de escritura comunes un 37% más rápido y con una calidad superior en más del 40% en proyectos de consultoría simulados. Otro hallazgo del informe es que los LLM facilitan la adquisición de conocimientos muy especiales, aquellos que sólo se obtienen con el tiempo y la calificación, pero en todos los niveles.

LLM (Large Language Model) se refiere a un tipo de modelo de inteligencia artificial que utiliza grandes cantidades de datos para comprender y generar lenguaje humano de manera efectiva. Las herramientas basadas en LLM son aplicaciones o sistemas que utilizan este tipo de modelo para realizar tareas como generación de texto, traducción automática, resumen de documentos, respuesta a preguntas, entre otras. Ejemplos de herramientas basadas en LLM incluyen asistentes virtuales, motores de búsqueda, sistemas de recomendación y aplicaciones de procesamiento de lenguaje natural.

Más allá de la productividad, el despliegue de LLM en el trabajo implica una nueva configuración de habilidades y competencias. La capacidad de “aplicar análisis críticos y evaluar la información generada por LLM” se perfila como cada vez más crucial a medida que la generación de contenido por parte de la IA tiende a ocupar un papel preponderante.

En este contexto, competencias como la “creatividad, el liderazgo y la inteligencia emocional” cobran un valor añadido significativo en el entorno laboral, marcando una reconfiguración de las habilidades valoradas.

Los desafíos en la adopción de LLM no se limitan solamente a las competencias individuales. La investigación subraya cómo la “brecha digital en la adopción de IA” sigue patrones preexistentes, con un uso más intensivo y un interés mayor en LLM en aquellas comunidades con un nivel educativo superior. Este fenómeno sugiere que las desigualdades existentes podrían intensificarse en el emergente panorama laboral digital.

En este escenario de transformación profundo, surge un llamado a liderar con una mentalidad científica; es decir, abrazar la experimentación y el aprendizaje continuo como herramientas fundamentales para navegar la incertidumbre. “Innovar vs. automatizar” emerge como un marco esencial para comprender y dirigir el impacto de la IA en el trabajo, enfatizando la importancia de generar nuevas formas de valor y trabajo en vez de simplemente automatizar las existentes. Esta reflexión invita a considerar no solo cómo se implementa la tecnología, sino también cómo deseamos que incida en nuestra sociedad y nuestro futuro laboral.

Habilidades de los trabajadores
La IA generativa exige una mayor metacognición por parte de los usuarios, pero también tiene el potencial de apoyarla. Por ejemplo, haciendo preguntas autorreflexivas para ayudar a calibrar la confianza de los usuarios.

Las LLM parecen ayudar más a los trabajadores menos experimentados. Según Erik Brynjolfsson, director del Instituto de Economía Digital de Stanford, “las LLM ayudan a diseminar el conocimiento tácito que los trabajadores experimentados y altamente calificados ya tenían”.

Si bien las LLM plantean importantes desafíos, el informe de Microsoft destaca su potencial para aumentar la productividad laboral, democratizar la educación y, en definitiva, mejorar la vida de millones de personas. “Tenemos la responsabilidad de dar forma a un mejor futuro del trabajo con IA”, afirmó Jaime Teevan, Directora Científica de Microsoft.

Productividad laboral
- 37% menos tiempo para completar tareas comunes de escritura cuando se utilizan herramientas de IA generativa según un estudio. O sea que con la ayuda de la IA se puede escribir mucho más rápido.

- 40% más calidad en las soluciones propuestas por consultores cuando usaron una herramienta de IA en un proyecto simulado. La IA ayuda a dar mejores recomendaciones.

- 19% más de probabilidades de que los consultores den una solución incorrecta cuando la IA se equivoca. Aunque la IA ayuda, a veces también induce más errores humanos.

- 80% de precisión obtuvo el modelo de IA GPT-4 en un examen médico en Estados Unidos, 20 puntos mejor que el puntaje para aprobar de los médicos humanos. Esto sugiere que los modelos de IA ya son mejores que los humanos en algunas tareas médicas.

- Entre 68% y 73% de los encuestados por Microsoft dicen que las herramientas de IA les ayudan a completar tareas más rápido y gastar menos esfuerzo mental en tareas repetitivas. Claramente la mayoría de los usuarios perciben beneficios de productividad con las nuevas herramientas de IA.