La alfabetización en IA es el primer paso para liderar la adopción en las organizaciones

Con la inteligencia artificial en boca de todos, Actua conversó con Jon Flecther, Chief AI Strategist en The LPI y experto internacional en IA, sobre la importancia de adoptar esta tecnología en los departamentos L&D.

Empezamos por entender las cuatro áreas de estudio de la Inteligencia Artificial:

1. Inteligencia Artificial: herramienta algorítmica pensada para crear sistemas con comportamientos humanos.
2. Machine Learning: subgrupo de la IA. Permite a las máquinas aprender, tomar decisiones y hacer predicciones autónomamente gracias a algoritmos.
3. Deep Learning: se encuentra dentro del subgrupo de Machine Learning. Enseña a los ordenadores a aprender de los datos recogidos.
4. Generative AI: subgrupo dentro del Deep Learning que genera nuevos contenidos a través de textos, imágenes, audios y otros medios, basados en patrones a partir de datos.

Con el lanzamiento de la primera IA, la tecnología se centró en la cuestión predictiva, pero ahora se está entrando en la IA generativa.

Un breve repaso a la terminología IA

• LLMs (Large Language Models) grandes conjuntos de datos, almacenados para hacer prompts/preguntas a la IA y acceder a un modelo de lenguaje referido a textos.
• LVMs (Large Video Models) grandes modelos de creación de vídeo.
• LAMs (Large Action Models) generación de modelos de acción basados en clic. La IA conoce previamente los cometidos a realizar.
• SLMs (Small Language Models): creación de modelos entrenados con datos precisos para tareas específicas, como desarrollar un lenguaje de liderazgo, gestión de proyectos…
• Multimodelos (Multi Modal Models): ensamblan las diferentes soluciones creando imágenes, videos y textos, para la creación automática de contenidos de aprendizaje.
• Copilots: creados por la IA para acompañar al usuario en el recorrido, mediante bots de asistencia.
• Agents: lugar donde una solución, un sistema o bot hace procesos automatizados, implicando menor interacción humana.
• Prompt: pregunta que se hace en ChatGPT, Gemini, OpenAI o Bard.
• Prompt engineering: disciplina científica para enlazar los prompts y las diferentes soluciones para obtener una respuesta lo más precisa posible.
• Added in: creado por Josh Bersin. Herramientas de asistencia para IA.
• Built in: se ofrecen múltiples soluciones y se construye sobre ellas
• Built on: lugar donde se construyen la soluciones sobre la arquitectura de IA
• AI Ethics: sesgo, transparencia y alucinaciones (errores)

La importancia de la alfabetización en IA

Según datos del Learning and Performance Institute, sólo entre un 15% y un 20% de empresas han invertido en AI Literacy (Alfabetización en IA).

Los empleados deben aprender soluciones IA para impulsar la eficiencia en el rendimiento y mejorar la productividad, ya que aunque no es una tecnología de RRHH, es organizativa. La IA está impactando en las tareas, en el rol y en las tecnologías específicas; se debe pensar qué es lo que necesitamos como sujeto individual, como manager de equipo o como líder de una empresa para usarla. De ahí surge la alfabetización en IA, basada en cinco puntos

1. La tarea de prompting: utilizar un lenguaje natural para explicar a la IA lo que se quiere obtener en su respuesta.
2. La alfabetización en datos en IA: tener datos limpios, abundantes y previamente filtrados, para un uso optimizado.
3. Ética o entorno de la IA: se basa en el aspecto del sesgo (bias) y su mitigación, o lo que atiende a la diversidad de modelos y respuestas.
4. IA en la práctica/desarrollo en la compañía: principios y directrices de la empresa, y hoja de ruta.
5. Habilidades centradas en el ser humano: razonamiento ético, sensibilidad cultural y social, diversidad e inclusión, empatía e inteligencia emocional, adaptabilidad y disposición al crecimiento personal. El pensamiento crítico y el fact checking son las principales características.

 La IA no impacta en habilidades sino en tareas a realizar

Según Jon Fletcher la IA no impacta en habilidades sino en tareas a realizar. Se debe pensar en cómo utilizar nuestras capacidades para apoyar las tareas a desarrollar. Las habilidades centradas en el ser humano son aquellas que necesitamos para asistir a los empleados en el uso de IA. Se debe considerar si la solución sirve para aumentar nuestro flujo de trabajo (Augmentation) o automatizarlo (Automatization). La aumentación es sencilla de implementar, comparada con la automatización.

Perspectivas de futuro de la IA en los departamentos L&D

Hace veinte años el sector L&D hablaba de Training & Development, hace 10 años se ponía el acento en el Learning & Development y actualmente su atención está en Learning & Performance.

Se recomienda a las compañías que implementen programas de Alfabetización en IA. El futuro se centrará en cómo apoyar el rendimiento de los empleados utilizando IA para aumentar su flujo de trabajo, impulsándolo a nivel personal, de equipo y de empresa. Es fundamental un nuevo enfoque, más holístico, no sólo basado en comunicación o creación de contenido, e ir hacia el desarrollo del rendimiento del empleado. Los elementos de aprendizaje serán un elemento más, pero el manejo de habilidades (soft and hard skills) será otro, además del mentoring, el coaching, el comportamiento o el liderazgo.

Quien ya esté usando IA en L&D y quiera adaptarlo en su empresa, debe identificar quién está liderando la estrategia IA en la compañía, y una vez entendida dicha estrategia, crear una hoja de ruta. En segundo lugar, hay que crear un mapa de las partes interesadas, e identificar estos actores para trabajar con ellos. El tercer paso es centrarse en la estrategia de adopción IA. Según LPI, el 51% de las empresas fracasan en la implementación de la IA por carecer de dicho plan.

¿Quieres liderar la adopción de la la IA en tu organización? Apúntate a la Masterclass “AI in Learning”.