Laszlo Beke Archives

Por Laszlo Beke

En un evento de Lotusphere en Orlando, hace un poco más de 30 años, descubrí el concepto y el término Gestión del Conocimiento y me emocionó ver las posibilidades de hacer la gestión del conocimiento dentro de una empresa usando Notes. Era algo fascinante, pero rápidamente nos dimos cuenta que todavía no estaba disponible toda la tecnología que nos permitiera escalar la idea. Fue necesario esperar al desarrollo de Internet, la aparición de la Nube, el extraordinario crecimiento de la capacidad del hardware y finalmente ahora la IA para poder abordar esos sueños de la Gestión del Conocimiento y convertirlos en realidad

Estamos acostumbrados a que la IA nos sorprenda proveyendo explicaciones totalmente coherentes con la información que recoge desde Internet, la cual analiza y sintetiza con facilidad. Dentro de una empresa se pueden aprovechar esas características de la IA Generativa trabajando exclusivamente sobre información propia de la empresa, la cual está protegida y solo está disponible internamente. La IA Generativa nos ha venido demostrando que en forma natural es capaz de hacer la gestión del conocimiento dentro de nuestras empresas.

Precisamente, hace un par de meses publiqué el artículo ¡La IA Generativa continúa asombrando!, donde describí el manejo natural del conocimiento que hacía la IA (en este caso Microsoft Copilot) con la información existente en Microsoft 365 dentro de la empresa. En un prompt, relativamente corto, se le indicó el nombre de la persona que dejaba la organización y se le solicitó a Copilot recomendaciones sobre el perfil y las responsabilidades para el cargo. La IA produjo un documento con una descripción exhaustiva del perfil y las responsabilidades de un Gerente de Cuentas para esa unidad de negocios en BekeSantos, donde enfatizó la combinación de habilidades comerciales, consultivas y operativas necesarias para el cargo. ¡Dicha información consolidada no residía directamente en ningún documento! Copilot usó la información existente en M365, la IA hizo su trabajo sobre la información de la empresa tal como existía en correos, mensajes, presentaciones y archivos y sus conclusiones nos sorprendieron a todos, incluyendo los insights que agregó. Es una deducción lógica y simple imaginar lo que pudiera hacer la IA con información más completa y organizada y con ella hacer una Gestión del Conocimiento muy extensa, profunda y útil

¿Por qué hacer Gestión del Conocimiento?

Las empresas pequeñas pueden depender del conocimiento informal, no así las grandes y medianas organizaciones. A medida que una empresa crece necesita estándares, procesos repetibles, transferencia sistemática de conocimiento y consistencia entre sedes y equipos. La gestión del conocimiento permite que la organización crezca sin perder efectividad

. La conclusión es que con la IA podremos hacer la Gestión del Conocimiento en la empresa que nos permita:

Identificar, codificar el conocimiento y con ello además mitigar la pérdida del conocimiento empresarial.
Capturar el conocimiento experto.
Evitar el «reinventar la rueda» y “eliminar silos”.
Reducir el tiempo de Onboarding y acelerar la integración de los nuevos empleados.
Implementar el aprendizaje continuo.
Mantener la calidad y consistencia en la toma de decisiones.
Reducir riesgos operativos y de cumplimiento.
Escalar el negocio de manera más eficiente.

Por supuesto, permite habilitar y alimentar a los Copilots y Agentes de IA

y con ello mejorar los procesos, aumentar la productividad y eventualmente apuntar a una Transformación Tecnológica y de IA de la empresa

Como implementar la Gestión del Conocimiento

La clave no es solo “documentar lo que saben los mejores”, sino convertir ese conocimiento en criterios, patrones, decisiones, ejemplos, excepciones y mecanismos de mejora continua que puedan usar tanto nuevos empleados como sistemas de IA. Hay un modelo práctico para implementar la Gestión del Conocimiento en una empresa

, como una evolución de la gestión del conocimiento tradicional hacia un sistema operativo de conocimiento experto aumentado con IA:

Definir el objetivo “replicar buen juicio” en lugar de “almacenar conocimiento” – No se trata únicamente de tener documentos, manuales o repositorios, sino de capturar cómo piensan los mejores empleados, cómo priorizan, qué señales observan, qué errores evitan, qué criterios usan para decidir, qué excepciones reconocen y qué hacen cuando no hay una respuesta clara.
Crear una arquitectura de conocimiento por niveles – Para que el conocimiento sea útil a nuevos empleados y a la IA, debe estructurarse en varios niveles: (1) Conocimiento explícito, (2) Conocimiento experto, (3) Conocimiento codificado para IA y (4) Conocimiento vivo.
Identificar a los “expertos modelo” – Los tipos de expertos a incluir son expertos técnicos, mejores vendedores, mejores supervisores, líderes de operaciones, analistas senior, personas con conocimiento histórico, empleados que resuelven casos complejos, personas que conocen “cómo funcionan realmente las cosas”.
Extraer el conocimiento experto de forma estructurada – La empresa necesita un proceso formal de captura de conocimiento. Entre los métodos recomendados se incluyen: entrevistas cognitivas, análisis de casos reales, observación del experto, talleres de decisión y captura desde conversaciones y documentos.
Convertir conocimiento en activos reutilizables – Una vez capturado, el conocimiento debe transformarse en piezas accionables., este incluye los siguientes activos clave: Mapas de decisión, Rúbricas de calidad, Playbooks o Guías Operativas, Casos ejemplo, Prompts y asistentes de IA y Base de conocimiento alimentada por expertos.
Diseñar el sistema para nuevos empleados – Para los nuevos empleados, el objetivo es acelerar la curva de aprendizaje y se necesita crear una “ruta de aprendizaje inteligente”: Fase 1 – Inducción contextual, Fase 2 – Aprendizaje por casos, Fase 3 – Copiloto de desempeño, Fase 4 – Mentoría humana y Fase 5 – Certificación de criterio.
Diseñar el sistema para todos los empleados – Para empleados actuales, el objetivo es mejorar consistencia, productividad y calidad. Los componentes recomendados son: Portal único de conocimiento, Copilotos por función, Comunidades de práctica y Revisiones periódicas de conocimiento.
Incorporar validación experta – Los roles clave son: (a) Dueño del conocimiento: responsable de un dominio específico, (b) Experto validador: aprueba contenido crítico, (c) Curador de conocimiento: organiza, etiqueta y mantiene la base, (d) Responsable de IA: asegura que el sistema use bien el conocimiento, (e) Usuario contribuyente: reporta errores, mejoras y casos nuevos, (f) Comité de gobierno: define prioridades, riesgos y estándares.
Crear ciclos de retroalimentación – Se necesita capturar feedback de forma estructurada. Los tipos de feedback incluyen: Feedback del usuario, Feedback del experto y Feedback del sistema.
Gobernar el conocimiento como un activo estratégico – Para que esto funcione en toda la empresa, deben existir elementos de gobierno: taxonomía corporativa, ciclo de vida del conocimiento, responsables claros y políticas de uso de IA.
Implementar la tecnología adecuada – La tecnología dependerá del ecosistema de la empresa, como ejemplo para una organización que usa Microsoft, una arquitectura práctica podría incluir: (a) Capa de conocimiento – SharePoint, Microsoft Viva Learning, Microsoft Teams, OneDrive, Bases documentales, Wikis internas, Dataverse, Sistemas ERP, CRM o mesa de ayuda, (b) Capa de IA – Microsoft 365 Copilot, Copilot Studio, Azure AI Search, Azure OpenAI, Agentes especializados, Sistemas RAG, Power Automate, Power Apps, (c) Capa de analítica – Power BI, Dashboards de uso, Métricas de calidad, Análisis de preguntas frecuentes, Seguimiento de brechas de conocimiento y (d) Capa de gobierno – Microsoft Purview, Etiquetas de sensibilidad, Control de acceso, Auditoría, Retención documental, Seguridad de datos.
Principios de diseño – Para que el sistema funcione, se recomiendan estos principios: (1) El conocimiento debe estar integrado al flujo de trabajo, no escondido en repositorios, (2) La IA debe citar o mostrar sus fuentes internas cuando sea posible, (c) Los expertos deben validar lo crítico, no todo indiscriminadamente, (d) Las contribuciones deben tener reputación y trazabilidad, (e) El sistema debe capturar excepciones, no solo reglas generales, (f) Los nuevos empleados deben aprender con casos reales, no solo con cursos, (g) La calidad debe medirse continuamente,(h) La responsabilidad humana debe estar clara, (i) La IA debe saber cuándo escalar y (j) El conocimiento debe tener dueño, vigencia y ciclo de vida.

Se está utilizando información proveniente de Microsoft Copilot y de Gemini, a través de un conjunto de Prompts dirigidos. Se utiliza información de diversos estudios . El artículo también aparece en mi Portal .

Por Laszlo Beke

La IA que transformó la forma de guerrear de Estados Unidos es el Sistema Inteligente Maven, quizás el sistema de armas más importante del que se haya oído hablar. Maven no solo identifica objetivos, sino que también le indica a los comandantes cómo atacarlos. Ha detectado misiles iraníes con destino a Israel y lanzacohetes en Yemen.

Ha detectado migrantes cruzando la frontera sur de Estados Unidos y embarcaciones de narcotraficantes en el Caribe. En un solo día de 2022, encontró más de 260 objetivos potenciales para Ucrania. Hay expertos que lo consideran que Maven es «El Microsoft Windows de la guerra». Bien podría convertirse para las fuerzas armadas en lo que Microsoft es para los drones de oficina. La transformación de la IA en el Pentágono y el principal responsable del “Proyecto Maven” fue el Coronel Drew Cukor. Posteriormente, después de retirarse del servicio militar, ayudó a liderar la transformación de la IA en JPMorgan Chase y ahora es el presidente de TWG AI, una firma de estrategia y transformación de IA y es reconocido por el “Método Cukor” para transformar las organizaciones con IA, del cual hablaremos más adelante.

Proyecto Maven – inicios

Comenzó como un proyecto que aprovechaba la IA para encontrar objetos en ingentes cantidades de imágenes de drones, una tarea que antes consumía enormes cantidades de personal. Los primeros algoritmos, probados durante las operaciones antiterroristas en Somalia en 2017, eran erráticos. Los algoritmos llegaban a etiquetar las nubes como autobuses escolares voladores. Al año siguiente, en Afganistán, el software identificó árboles como personas y rocas como edificios. Pero continuó mejorando. En una ocasión, justo cuando las fuerzas estadounidenses estaban a punto de lanzar un ataque con drones, un analista divisó a un pastor entrando en el campo de visión. Le había tomado 40 segundos detectarlo; cuando probaron Maven con la misma transmisión de video, la IA tardó menos de un segundo en detectarlo. En 2019, Maven se utilizó durante la operación para eliminar a Abu Bakr al-Baghdadi, líder del Estado Islámico, en Siria, y a Qassem Suleimani, un general iraní, mediante un ataque con drones en 2020.

Todo se automatizará

Cuando se lanzó Maven, los funcionarios del Pentágono lo presentaron como una herramienta de inteligencia, alejada del complejo y controvertido trabajo de selección de objetivos. En la realidad, desde el principio, Maven se concibió para acelerar la cadena de ataque estadounidense: el proceso de encontrar objetivos, decidir qué hacer y ejecutar un ataque. Los grandes modelos de lenguaje han quintuplicado la velocidad del proceso de selección de objetivos, permitiendo a Estados Unidos identificar y atacar 5.000 objetivos por día. Cukor indica que «En última instancia», «todo esto se automatizará». Esto, por supuesto, plantea profundas interrogantes sobre el control humano de la guerra.

Ahora, además de operar en servidores remotos, los algoritmos desarrollados por Maven se integran en las armas. Se tiene noticia de dos armas poco conocidas diseñadas para abrumar y ralentizar a las fuerzas chinas en cualquier guerra en el Pacífico. «Goalkeeper» es una munición merodeadora, o dron suicida; «Whiplash» es una moto acuática cargada de explosivos, cuyas primeras versiones fueron introducidas de contrabando en Ucrania por la CIA para su prueba. Cada tipo podía enviarse para localizar y atacar objetivos por sí solo.

Maven aplicado a las empresas

Lo que diferenció a Maven no fue la tecnología, sino la decisión de tratar la IA no como un experimento que debía gestionarse, sino como una transformación organizacional que debía asumirse como propia. Los altos directivos lucharon por ella, tanto a nivel personal como burocrático. Los flujos de trabajo se desmantelaron, no se optimizaron. Los resultados, lo que le permitía hacer a los militares, era la única medida que importaba. Esa disciplina es la razón de su éxito. Aplicado al mundo empresarial, el “Método Cukor”, va más allá de la simple automatización de tareas para rediseñar los flujos de trabajo de mayor valor con inteligencia integral. IA conecta cada punto de contacto, desde la periferia hasta el núcleo, se transforman los sistemas y procesos heredados en sistemas adaptables, liberando productividad a una escala que redefine sus resultados.

El mundo corporativo y la IA

La historia está repleta de países y empresas que lideraron la invención, pero fracasaron en la implementación. Estados Unidos está confiando en su modelo nacional de IA y en la destreza de sus chips, en las clasificaciones y los resultados de referencia, pero esos logros, si bien son hercúleos, no son lo que en última instancia determinan quién gana. La clave del avance de China en IA no reside en que tengan mejores modelos o mejores procesadores, sino en la ejecución. Por eso, gran parte del debate corporativo sobre IA no es el apropiado. Los ejecutivos hablan de gastos y casos de uso. La adquisición es fácil, los casos de uso no son la medida adecuada y la reorganización es amenazante. Obliga a los líderes a afrontar las preguntas que se suelen evitar: ¿Qué decisiones se pueden automatizar? ¿Qué revisiones se pueden eliminar? ¿Cuáles flujos de trabajo deberían desaparecer? La mayoría de las empresas no están buscando respuestas a estas preguntas. Quieren la imagen de innovación sin el dolor del cambio.

Construir una organización en torno a la IA es difícil, y ese es precisamente el reto que las corporaciones del mundo tienen que afrontar. Las empresas que sobrevivan a la próxima década serán las que se desmantelen por completo, desmantelando los procesos, organigramas y supuestos obsoletos sobre cómo se realiza el trabajo, y reconstruyéndose como nativas de la IA. No con IA aumentada, sino nativas de la IA. Existe una diferencia, y es la diferencia entre competitividad y obsolescencia. No se trata de un riesgo teórico.

Maven & IA hoy en las empresas

La mayoría de las grandes empresas hoy en día realizan experimentos con IA, pocas llevan a cabo transformaciones con IA. La diferencia no es técnica, sino organizativa. Esta se reduce a tres fallos que la experiencia de Maven expone con incómoda claridad.

1. La IA a gran escala requiere la implicación de la alta dirección, no delegación – En el Pentágono, Maven funcionó porque los altos directivos la asumieron personalmente y lucharon por ella. En muchas corporaciones, la estrategia de IA se delega a un director de IA o a un laboratorio de innovación, estructuras organizativas diseñadas para mostrar progreso, sin alterar la estructura de poder existente. Esa es la receta para un piloto estancado.

2. La IA requiere desmantelar los procesos heredados, no superponerlos – Las empresas que integran la IA en los flujos de trabajo existentes obtienen ganancias marginales de eficiencia y lo llaman transformación. Si su organigrama, cadenas de aprobación y ritmo operativo siguen siendo los mismos que antes del lanzamiento de su iniciativa de IA, no ha transformado nada.

3. La IA exige rendición de cuentas en la ejecución – Maven se evaluó por su impacto operativo, por lo que permitió a los combatientes hacer aquello que antes era imposible. Demasiados programas corporativos de IA se miden por la actividad: modelos entrenados, pruebas de concepto completadas, alianzas anunciadas. La actividad sin resultados es mera puesta en escena.

Principios Cukor – algunos ejemplos

No implementamos IA — desplegamos capacidades de decisión superior en ciclos controlados.
Traducción a las empresas empresa: No proyectos ? misiones, No sistemas ? capacidades operativas, No big bang ? iteración controlada (pilotos).
Ciclo Cukor aplicado (crítico), aquí está la diferenciación clave, ciclo operativo estándar – (1) Definir misión; (2) Desplegar agente IA controlado; (3) Forecast, pricing, recomendaciones; (4) Integrar en workflow real; (5) Validar impacto y (6) Escalar o abortar.

Transformación Digital con IA

Para ejecutar la transformación, lo recomendado es un modelo integrado, con las siguientes capas:

Nube ? Cerebro – Datos y modelos de IA … esto puede ser Azure, AWS, Google Cloud.
Operación ? Procesos, usuarios, flujos de trabajo … Microsoft 365, Google WorkSpace conectados a ERP, CRM y aplicaciones
Método Cukor ? Ejecución – Pilotos rápidos, Escalamiento controlado.

Se hace referencia a The AI that transformed American Warfare y I helped build the Pentagon’s AI transformation. Corporate America is making every mistake we almost made. También aparece en mi Portal https://tinyurl.com/2y3s8w77. La imagen es cortesía de Microsoft Copilot.

Por Laszlo Beke

La tecnología avanza a pasos agigantados, y por ello las empresas deben actuar con la mayor rapidez. La IA —en particular la IA agéntica, con su capacidad de gestión— está transformando el funcionamiento de las organizaciones y la manera en que las personas generan valor. Para aprovechar al máximo esta ola tecnológica liderada por IA, las organizaciones deberán reestructurar los flujos de trabajo y redefinir los roles, las habilidades, las estructuras y los sistemas que sustentan la empresa.

Es importante identificar y trabajar sobre los cambios que resultan cruciales para que ello ocurra. Dichos cambios tienen mucho que ver con tecnología, procesos, el talento humano y el liderazgo atrevido. A continuación, se mencionan los cambios más determinantes:

Flujos de trabajo – rediseño integral con IA desde el diseño

Cuando las organizaciones han tratado la IA como un complemento, añadiendo asistentes virtuales o chatbots a los procesos heredados, como resultado han obtenido mejoras modestas en la productividad. Para lograr avances significativos en velocidad y productividad, debe replantearse la IA como prioridad, proceso por proceso, comenzando por los objetivos y resultados deseados

. Los empleados deben ser integrados de forma deliberada basado en lo que aporten como valor único a través del criterio, la empatía y la creatividad. El proceso de alfabetización en IA en toda la organización es crítico. La comunicación, la colaboración y la gestión del conocimiento, a través de una reestructuración integral mediante la tecnología, servirán para eliminar los silos y reducir los costos de transacción, liberando así valor añadido latente en múltiples ámbitos.

Talento – una nueva frontera entre humanos y agentesUna vez que los flujos de trabajo cambien, los roles no podrán permanecer inalterados. Se necesitarán nuevas capacidades —algunas que la tecnología puede desempeñar y otras que no—, mientras que algunas capacidades existentes dejarán de ser necesarias. Esto exigirá replantear los roles. Se estima que el 75 % de los roles actuales necesitarán una reestructuración y nuevas combinaciones de habilidades, incluyendo mayores competencias tecnológicas y un mayor énfasis en las habilidades sociales, emocionales y cognitivas superiores. Adicionalmente:

Están surgiendo nuevos perfiles – como los orquestadores de agentes, que diseñan y supervisan los flujos de trabajo de los agentes; los gestores híbridos, que lideran equipos mixtos de humanos y agentes; y los coaches de IA, que ayudan a los empleados a integrar la IA en su trabajo diario.
Otros roles desaparecerán – por ejemplo, los roles interpretativos que históricamente se requerían para conectar diferentes áreas.

Cultura y habilidades – la reinvención continua como ventaja competitiva

Las organizaciones (y las personas que las integran) evolucionan linealmente. Sin embargo, la tecnología cambia exponencialmente y la brecha entre la situación actual de las organizaciones y la que necesitan alcanzar sigue ampliándose. Abordar esto requiere una inversión deliberada en la reinvención continua, involucrando a las personas en la organización y previniendo la atrofia de las habilidades organizacionales. Cada empleado debe ir más allá de la fluidez en IA, para integrar la IA en sus funciones diarias

. Esto requerirá la reconversión de habilidades y la redistribución a gran escala, la formación de nuevos empleados en flujos de trabajo de inteligencia conjunta y la capacitación continua de los empleados actuales a medida que los agentes asuman tareas fundamentales.Al mismo tiempo, las organizaciones deben pasar de una cultura centrada en la experiencia a una cultura de aprendizaje. Desde la alta dirección, los líderes deben integrar el aprendizaje continuo en toda la empresa mediante nuevos comportamientos, mentalidades e incentivos para construir un sistema dinámico que pueda evolucionar a medida que avanza la tecnología. La cultura se convierte en el elemento clave para garantizar la adopción: sin confianza ni propósito, incluso los sistemas de IA más avanzados se estancarán. El resultado es una fuerza laboral que puede adaptarse más rápidamente y una cultura de reinvención que se convierte en una ventaja competitiva.

Liderazgo – orquestadores de la inteligencia híbrida

Los roles de liderazgo también deben evolucionar. A corto plazo, los líderes son fundamentales para diseñar e implementar la transformación de la IA a pesar de la incertidumbre. Los líderes necesitarán mayores capacidades tecnológicas para permitir la reinvención de los procesos con IA, pensamiento sistémico y la capacidad de tomar decisiones éticas. Los líderes deben respaldar el cambio en toda la organización, comunicando una narrativa clara, disipando temores e impulsando la adopción. Se espera que se conviertan en visionarios estratégicos más destacados, centrando su atención en un liderazgo más estratégico y priorizando los resultados sobre la propiedad. Deben enfocarse en impulsar el cambio cultural y ético fomentando la experimentación continua, la adaptabilidad y una mentalidad de «probar y aprender» y orquestando los equipos y flujos de trabajo que combinan humanos y agentes

Recursos Humanos – construyendo un sistema de talento co-inteligenteRecursos Humanos debe convertirse en el motor de la transformación, colaborando con otros líderes empresariales y tecnológicos para reimaginar los puestos de trabajo, redistribuir el talento e integrar la confianza en el sistema:

Cada producto de Recursos Humanos. debe replantearse, comenzando con la planificación estratégica de la fuerza laboral, que incluya tanto a personas como a agentes, y las decisiones que se tomen deben incorporar tanto a las personas como a la tecnología.
Recursos Humanos debe dar forma al rediseño de roles, la recapacitación a gran escala, la contratación, los programas de aprendizaje y desarrollo profesional, la gestión del desempeño y los incentivos, así como al nuevo diseño organizacional. Esto requerirá colaborar con otros para liderar la transformación de la fuerza laboral y una reinvención del departamento de Recursos Humanos. Este proceso ya está en marcha, con los primeros ejemplos de la fusión de roles de RR. HH., IT/datos/liderazgo digital y transformación en empresas de software, farmacéuticas, aseguradoras y otros sectores.

Estructura – organizaciones dinámicas

Las pirámides jerárquicas basadas en silos de conocimiento no sobrevivirán a la era de la inteligencia artificial, serán las plataformas escalables las que impulsarán el valor. Las organizaciones deben adoptar estructuras más ágiles, horizontales y flexibles, organizadas en torno a equipos autónomos de «humanos + agentes» orientados a resultados

. La combinación de tecnología y capacidades humanas debe convertirse en la nueva unidad de valor para un equipo, combinando una productividad escalable sin limitaciones y las capacidades humanas únicas para la rendición de cuentas, la supervisión y el progreso continuo. Los equipos deben ser dinámicos, capaces de formarse y reformarse según cambien las prioridades. La gobernanza debe convertirse en un factor clave de diseño, definiendo dónde se requiere la supervisión y el juicio humanos, determinando cómo integrar la gobernanza de agentes y asegurando el equilibrio entre la rendición de cuentas y la velocidad.

El conjunto – un mandato para los líderes

La IA no solo está transformando las tareas, sino también las organizaciones. Cada una de estas transformaciones es profunda por sí sola y en conjunto, ellas redefinen los cimientos mismos de la empresa

. Los líderes exitosos rediseñarán audazmente los flujos de trabajo para priorizar la IA, reinventarán roles y estructuras, desarrollarán nuevas capacidades de liderazgo y convertirán la cultura y los RR. HH. en los motores de la transformación. Los líderes que aborden proactivamente estas transformaciones garantizarán que sus organizaciones sean más resilientes, adaptables y competitivas en esta nueva era del trabajo.

Se hace referencia a Six shifts to build the agentic organization of the future. También aparece en mi Portal https://tinyurl.com/mcdj2sya. La imagen es cortesía de Google Gemini.

Por Laszlo Beke

Existe un entusiasmo enorme por la IA generativa, pero pudiéramos estar frente a un cambio cultural muy peligroso. Ahora podríamos estar empezando a hacer el outsourcing del pensamiento mismo Para ser más precisos, estaríamos realizando el outsourcing del esfuerzo de formar un juicio antes de expresarlo

El riesgo es que el uso inapropiado de la IA permita crear la primera generación de humanos con funciones cognitivas externalizadas. La diferencia fundamental radica entre quienes utilizan la IA como un apoyo intelectual y quienes la utilizan como un sustituto del pensamiento

Los primeros se ven potenciados por ella. Los segundos se ven progresivamente debilitados. Quienes más se beneficiarán de la IA no serán quienes la usen para todo. Serán quienes sepan cuándo no usarla. En la educación actual yfutura, esto se vuelve imposible de ignorar

Es necesario crear los hábitos que permitan aprovechar la IA.

Outsourcing de la cognición

Durante años, los humanos hemos venido haciendo un outsourcing de partes de la cognición de forma tan gradual que el cambio apenas se ha notado

Outsourcing de la memoria a los motores de búsqueda – a pesar de que el conocido «efecto Google» demostrara que, cuando las personas esperan que la información permanezca accesible en línea, es menos probable que recuerden la información en sí y es más probable que recuerden dónde encontrarla.
Outsourcing de la navegación al GPS- incluso cuando las investigaciones comenzaban a mostrar que una dependencia excesiva de este sistema podía debilitar la memoria espacial, cuando sea necesario orientarnos por nuestra cuenta.
Outsourcing cada vez mayor de la coordinación social a plataformas – donde estas deciden lo que se ve, lo que se responde y cómo se mantiene la sincronización con otros.

La tecnología cumple funciones como una capa de productividad, como un impulsor de la creatividad o como un asistente universal. Pero también crea una tentación peligrosa: confundir la producción de resultados sin fricciones con la comprensión real, y las respuestas fluidas con el juicio adquirido. Las investigaciones han demostrado que una mayor confianza en la IA generativa se asocia con un menor pensamiento crítico, y han vinculado una mayor dependencia de la IA con un menor pensamiento crítico. Cuando las personas tratan la IA como un sustituto del juicio, en lugar de una herramienta para agudizarlo, no se vuelven más capaces. Simplemente se vuelven más dependientes

La era de la descarga cognitivaLos psicólogos denominan descarga cognitiva el transferir el trabajo mental a una ayuda externa. Una lista de la compra es descarga cognitiva. Una calculadora es descarga cognitiva. También lo son un calendario, una libreta o una aplicación de recordatorios. En ese sentido, no hay nada intrínsecamente nuevo ni siniestro en ello. Los seres humanos siempre han creado herramientas que amplían la mente.

El problema no radica en la delegación de tareas en sí, sino en lo que se delega. Al externalizar el almacenamiento, se ahorra esfuerzo. Al externalizar la navegación, reducimos la incertidumbre. Pero al externalizar el juicio, se corre el riesgo de debilitar la facultad que nos permite decidir si la máquina es útil, engañosa, sesgada, superficial, manipuladora o simplemente errónea.

Este riesgo es más importante de lo que muchas organizaciones parecen pensarr. Porque la IA generativa no solo responde preguntas: crea una ilusión de competencia tan convincente que puede difuminar la distinción entre “entiendo esto y puedo producir algo que parezca comprensión»

Ciertas capacidades pueden alterarse de forma significativa, incluyendo una confianza inflada y patrones de recuerdo modificados.

La fluidez no es cognición

Lo que hace que la IA generativa sea culturalmente desestabilizadora no es solo su utilidad, sino su fluidez. Una calculadora nunca pretendió entender la aritmética. El GPS nunca afirmó saber cómo se siente una ciudad. Los motores de búsqueda no se expresaban en primera persona ni ofrecían resúmenes convincentes con una prosa impecable. La IA generativa produce un lenguaje tan pulido y cercano a la retórica humana que resulta fácil confundir la coherencia lingüística con el razonamiento.

Pero una respuesta bien formulada no es lo mismo que una respuesta meditada

Un artículo reciente de HBR señaló que la experiencia y el juicio humanos siguen siendo cruciales porque la IA no puede distinguir con fiabilidad las buenas ideas de las meramente plausibles, ni puede guiar por sí sola la estrategia a largo plazo

Este argumento no es contrario a la IA, es simplemente contrario a la ingenuidad.

Educación

La ansiedad en torno a la IA en las escuelas y universidades suele plantearse en términos de trampas, plagio o integridad de la evaluación. Si bien estos son problemas reales, no son el más profundo. El problema de fondo es que la IA generativa puede mejorar el rendimiento sin generar aprendizaje

Estos sistemas deben utilizarse dentro de un marco centrado en el ser humano, en lugar de usarlos como atajos para el propio proceso cognitivo. La verdadera pregunta no es si los estudiantes usarán la IA, por supuesto que lo harán. La verdadera pregunta es si los estudiantes seguirán teniendo que ejercer su juicio al usarla

La IA podría transformar la educación, si las instituciones educativas en lugar de obsesionarse con la vigilancia se dedican a rediseñar el aprendizaje para un mundo en el que el outsourcing cognitivo parece ser la norma.

La paradoja de la era de la IALas personas con buen criterio, con un conocimiento profundo del área y con un escepticismo disciplinado pueden usar la IA para avanzar más rápido sin renunciar a la autoría. Pueden analizar los resultados, poner a prueba las hipótesis, comparar alternativas y detectar cuándo la máquina ignora la ambigüedad o inventa certezas. Quienes carecen de estos hábitos tienden a aceptar la primera respuesta plausible y seguir adelante.

Los escritos recientes sobre gestión empresarial han comenzado a converger en torno a esta idea. HBR argumentó que trabajar bien con la IA requiere actuar como un tomador de decisiones, en lugar de un usuario pasivo de la herramienta

También advierten que si la IA se encarga del trabajo inicial, complejo y laborioso, a través del cual las personas normalmente desarrollan el discernimiento, las organizaciones podrían terminar con trabajadores capaces de producir resultados sin haber desarrollado jamás un juicio crítico. Incluso las investigaciones sobre creatividad apuntan en la misma dirección: la IA tiende a ayudar más a quienes poseen una metacognición sólida que a quienes carecen de ella

Esto convierte la IA en un problema cultural, no solo técnico. No se trata simplemente de integrar una nueva herramienta en los hábitos existentes. Se está renegociando la relación entre esfuerzo y autoría, entre comodidad y competencia, entre expresión y comprensión.

Lo que realmente debería preocuparnosNecesitamos sistemas educativos, normas laborales y opciones de productos que preserven el juicio humano en lugar de eludirlo. Se necesitan interfaces que fomenten la verificación, la reflexión y la comparación, en lugar de seducir a los usuarios hacia la aceptación pasiva. Debemos dejar de considerar cada reducción del esfuerzo mental como un progreso, por cuanto no toda fricción es un desperdicio. Parte de la fricción es la fuente de la comprensión. Bien utilizada, la IA puede reducir considerablemente la monotonía y crear espacio para un pensamiento más profundo. Mal utilizada, puede erosionar los hábitos que, en primer lugar, hacen posible un pensamiento más profundo.

Es un error centrarse solamente en la velocidad, en la comodidad y en el volumen. La pregunta que debería definir esta fase de la era de la IA: no si las máquinas pueden pensar como nosotros, sino si, al depender de ellas sin control, podríamos dejar de pensar como nosotros mismos. El futuro no pertenecerá a quienes más utilicen la IA, sino a quienes sepan cuándo no hacerlo.

Se hace referencia a AI is creating the first generation of cognitively outsourced humans. También aparece en mi Portal https://tinyurl.com/4xaecx5e. La imagen es cortesía de Microsoft Copilot.

Por Laszlo Beke

Entre las grandes preocupaciones globales está la posible de pérdida de puestos de trabajo causados por la IA. La evidencia no es concluyente que IA haya provocado una pérdida significativa de empleos. Las empresas tecnológicas siguen contratando desarrolladores de software sofisticados, pero ya no necesitan programadores calificados. Sin embargo, hay motivos para creer que el avance de la IA cambiará radicalmente la contratación y los requisitos de habilidades en gran parte de la economía. Veremos menos personas realizando el trabajo que hace la IA, y quienes lo hagan serán más expertos, resolviendo los problemas complejos que la IA actualmente no puede resolver por sí sola. Resulta relevante también pensar como será el mundo con los cambios que la IA traerá en los próximos 10-20 años. Muchos piensan que se trabajará menos horas y que asociados con la Inteligencia Artificial General podrán aparecer soluciones como “Capital Básico Universal” y “Seguro Salarial”. En todo caso, aún cuando nunca se llegara a los todos los objetivos de la IAG General, los avances de la IA afectaran inmensamente el mercado de trabajo.

No se encuentran diferencias en el empleo en los últimos años entre las ocupaciones más expuestas a la IA y las menos expuestas. Solo han pasado tres años desde la introducción masiva de esta tecnología, y a las empresas les toma tiempo comprender cómo implementarla de forma transformadora. En cuanto a lo que esto significa para el mercado laboral en el futuro, históricamente se ha experimentado mucha disrupción tecnológica, pero estas también generan nuevas oportunidades.

La apuesta a futuro

Los principales laboratorios de IA no están haciendo apuestas de cientos de miles de millones de dólares esperando que la IA tenga efectos menores en el mercado laboral. Apuestan por lograr la inteligencia artificial general (IAG), que podría sustituir la mano de obra humana en gran parte de la economía. Las cifras de inversión son asombrosas, solo en el último año, Alphabet, Meta, Microsoft y Amazon han invertido en conjunto más de US$300.000, principalmente en infraestructura de IA.

Este enorme gasto no está creando muchos empleos, ni siquiera en las propias empresas de IA. OpenAI tiene aproximadamente 4.000 empleados y está valorada en unos US$500.000 millones. Anthropic tiene alrededor de 2.300 empleados con una valoración de US$350.000 millones. Los principales laboratorios de IA son apostadores, no son oráculos. Sus apuestas podrían dar sus frutos. Pero los inversionistas también están alimentando esas cifras inmensas. Su éxito podría simplemente crear un gran valor en otros sectores de la economía: más descubrimientos científicos, mejor atención médica, transporte, educación, servicios legales, manufactura, construcción, etc. Pero, deberíamos prepararnos ahora para la posibilidad de una disrupción significativa en el mercado laboral, en lugar de esperar a que se refleje de forma concluyente en las estadísticas.

El impacto de la tecnología

Las nuevas tecnologías no solo reemplazan la mano de obra en los sectores económicos existentes; crean sectores completamente nuevos. Hace siglos, no había automóviles, aviones ni telecomunicaciones, y todas esos sectores emplean a personas. La disrupción tecnológica nunca antes ha provocado que la humanidad se quede sin trabajo, a pesar de siglos de preocupaciones casi luditas que indican lo contrario. Esta vez podría ser diferente, y esta revolución podría reducir la necesidad de mano de obra en general. Entonces, tal vez el mundo adoptaría alguna versión de la semana laboral de 15 horas que John Maynard Keynes predijo u otros enfoques. Lo más probable es que surjan nuevos empleos, como ha ocurrido en el pasado, que compensarán los empleos menos necesarios. Habrá ganadores y perdedores. Entre los perdedores podrían incluirse los asociados de bufetes de abogados de primer año y los estudiantes de posgrado en economía, que pasaron años perfeccionando habilidades que la IA puede realizar sin esfuerzo. No es cuestión de minimizar la posible disrupción. La eficacia con la que se gestione esta transición dependerá de las decisiones que se tomen, y será importante reciclar a la fuerza laboral.

Pero las ganancias también serán reales, las personas tendrán más acceso a servicios legales y otros servicios que el software puede proporcionar. También habrá nuevas ocupaciones para supervisar el producto del trabajo de la IA. Con la revolución industrial, aun cuando las innovaciones impulsaron un aumento de la productividad, pasaron cinco décadas antes de que el nivel de vida de la clase trabajadora comenzara a mejorar. En su encarnación inicial, la Revolución Industrial desplazó el trabajo experto, dejando a los humanos a cargo del trabajo simple, agotador e inexperto de alimentar fábricas. Aunque la IA genere grandes ganancias generales para la producción económica, probablemente perjudicará a muchos más trabajadores de los que beneficiará, al menos a medio plazo.

Una pregunta importante es que se debería hacer para reducir ese riesgo. Si la IA continúa avanzando solo modestamente, habrá una transición dolorosa, pero en última instancia surgirán nuevos empleos, como siempre ha sucedido. Durante dos siglos, la mano de obra ha sido el factor más escaso de nuestra economía, lo que ha dado lugar a salarios que han aumentado considerablemente por encima de los niveles preindustriales. Los trabajadores humanos eran el cuello de botella, y eso los hacía valiosos. Pero si la mano de obra en sí misma se volviera opcional para la economía, la situación sería muy diferente.

Inteligencia Artificial General

Si la búsqueda de la Inteligencia Artificial General tiene éxito, no estaremos ante otra Revolución Industrial. Cuando una máquina puede realizar el trabajo de un trabajador, su salario acaba reduciéndose hasta igualar el costo de la máquina. Surgirán nuevos empleos, como siempre. Pero las máquinas los aprenderán más rápido y los realizarán a un costo menor. Los patrones históricos tranquilizadores dependían de la necesidad de los humanos para gestionar la economía. Si se elimina ese cuello de botella, nos enfrentamos a algo cualitativamente diferente: un cambio permanente en quién, o qué, se beneficia del crecimiento económico.

Lo positivo es que la inteligencia artificial general generaría enormes ganancias económicas. Las mismas fuerzas que podrían disminuir el valor de la mano de obra también aumentarían drásticamente la producción total. El reto es garantizar que los humanos compartan esa abundancia cuando ya no se requiera el trabajo humano para generarla. Históricamente, los salarios han sido el principal mecanismo para distribuir ampliamente los beneficios del crecimiento económico. Es posible que pronto se necesiten nuevos mecanismos que desvinculen los ingresos del trabajo: una amplia propiedad del capital, una renta básica universal o enfoques que aún no se han imaginado. Se necesita empezar a construir esas instituciones ahora. La IA podría, en última instancia, mitigar la escasez de mano de obra. De ser así, se trataría de un desafío social desgarrador que no estamos preparados todavía para gestionar con éxito. Dos ideas provenientes de MIT, esbozadas en un ensayo reciente, son:

Capital Básico Universal – El capital básico universal otorgaría a cada persona una participación significativa en la propiedad de los activos productivos al nacer. Potencialmente, proporcionaría ingresos a través de la rentabilidad del capital en lugar de transferencias continuas y protegería contra el riesgo de que la IA desplace la mano de obra.

Seguro Salarial – También se podrían necesitar políticas para ayudar a los trabajadores que pierdan su empleo. Los trabajadores despedidos a menudo deben aceptar recortes salariales significativos para encontrar un nuevo empleo. El seguro salarial puede ayudar a facilitar estas transiciones difíciles

Se hace referencia a Are We at the End of the Industrial Age. También se encuentra en mi Portal https://tinyurl.com/mt7cvcxy.

Por Laszlo Beke

Los trabajadores humanos están cediendo el control a la IA más que nunca, la automatización total de tareas ha aumentado un 8%. La IA está redefiniendo el trabajo, transformando la contratación de la fuerza laboral y transformando la ventaja competitiva. La IA está impulsando un reajuste organizacional fundamental: las empresas más eficientes, nativas de IA, que priorizan la eficiencia, están comenzando a superar a las empresas más grandes y tradicionales. De manera que, tratar la adopción de la IA como una transformación empresarial a gran escala, en lugar de una simple implementación tecnológica es esencial, y esa transformación comienza con el diseño de los equipos de trabajo.

La eficiencia se ha convertido en el parámetro de referencia del éxito, y está identificado como el principal responsable del ROI para productos y servicios impulsados por IA. Consideremos una empresa con un ARR (Ingresos Anuales Recurrentes) de US$20 millones anuales: antes de la IA, este tipo de negocio podría haber requerido un equipo de 50 personas para su lanzamiento al mercado. Sin embargo, la IA permite a la empresa lograr potencialmente el mismo resultado con 15 personas a un costo de adquisición de clientes (CAC) un 40% menor. La automatización es ahora un requisito previo para mantener la competitividad. Aun así, los desafíos de implementación, como la indecisión del liderazgo, los datos no limpios o estructurados y la limitada alfabetización en IA, han contribuido a una tasa de satisfacción de tan solo el 59 %. A medida que la innovación supera la adopción, la reconstrucción de los sistemas en torno a la IA y la contratación de personal en consecuencia determinarán cuales empresas tendrán éxito. En lugar de superponer herramientas de IA sobre procesos obsoletos, los líderes deben reorientar su fuerza laboral hacia puestos más técnicos y de asesoramiento o se arriesgan a quedarse atrás.

La revolución de roles

La idea de una «toma de control por parte de la IA» no implica una pérdida total de empleos. Las investigaciones demuestran que la IA está creando más empleos de los que elimina, con un crecimiento del 38% incluso en puestos con alta exposición a la IA. Lo que está cambiando es la distribución del trabajo: las funciones tradicionales están siendo reemplazadas por puestos que combinan un profundo conocimiento técnico con habilidades claramente humanas. El modelo tradicional de éxito del cliente está evolucionando hacia una colaboración más integrada entre los gestores de relaciones y los expertos técnicos:

Gerentes del éxito del cliente (CSM) – Estos ahora se centran principalmente en la gestión de relaciones y la coordinación de proyectos,
Ingenieros de despliegue avanzado (FDE) – Se integran directamente con los clientes durante las fases de preventa, incorporación y expansión de las transformaciones que se realizan en la empresa. Estos ingenieros suelen reemplazar las contrataciones tradicionales de servicios profesionales, bien sea gestionadas internamente o a través de consultores externos, ofreciendo integraciones más rápidas y personalizadas. El resultado es un modelo híbrido que combina la ejecución técnica con una gestión de relaciones personalizada, alineando mejor a los equipos con los resultados del cliente.
Ingeniero go-to-market – Los roles de representante de desarrollo de ventas (SDR), se han reducido un 36%, al consolidarse en un único «ingeniero go-to-market» que integra y automatiza todos los aspectos de los flujos de trabajo de ventas.
Nuevas funciones – Están surgiendo estas funciones, desde líderes de operaciones de IA hasta ingenieros de prospección, encargados de garantizar que los modelos funcionen según lo previsto. En marketing, la expansión de las cuentas de clientes existentes está teniendo un impacto mucho mayor en el ROI que las nuevas adquisiciones de empresas, un área donde las relaciones sólidas siguen siendo esenciales. Ahora el esfuerzo está en centrarse en que los representantes de desarrollo de negocio demuestren que se han tomado el tiempo de investigar y contactar con los clientes; es un proceso muy personalizado y de alta calidad.
Coaching – Un gran avance reside en aprovechar la IA para transcribir y automatizar los procesos de coaching. La IA no puede reemplazar las conexiones humanas profundas, pero puede crear espacios para que los empleados las profundicen.

IA como multiplicador de fuerzas para el talento

La IA ya está transformado la estructura organizacional. El éxito no depende de adoptar herramientas de forma aislada, sino de rediseñar la empresa en torno a ellas, creando organizaciones más eficientes que combinen la visión humana con las capacidades de la IA. El futuro pertenece a quienes colaboran con la IA, no a la competencia:

Las empresas están cambiando la contratación por «lo que sabes» a «cómo aprendes», priorizando la curiosidad, la adaptabilidad y el pensamiento nativo de IA. Utilizan pruebas de habilidades de IA y preguntan a los candidatos cómo implementarían modelos específicos para las tareas.
Los equipos de ventas de 10 a 15 personas ahora pueden lograr lo que antes requería 50, y los mejores candidatos son aquellos que buscan activamente herramientas de IA para mejorar su trabajo.
Las empresas con visión de futuro contratan por curiosidad, capacitan para habilidades complejas e integran la IA directamente en la incorporación para potenciar el talento humano en lugar de reemplazarlo.
Los equipos de contratación de Recursos Humanos también están sopesando las ventajas y desventajas entre la experiencia de alto nivel y la adaptabilidad al inicio de la carrera profesional. Si se contrata a alguien con mucha experiencia, existe el riesgo de que dependa de las estrategias tradicionales y no pueda adaptarse a las nuevas herramientas de IA. Hay que plantear las preguntas correctas sobre cómo aplicar su experiencia a nuestra situación actual. Al escalar, no se quiere tener personas que simplemente sigan su antiguo manual de estrategias.

El artículo hace referencia a How AI is reshaping workforce strategy. También aparece en mi Portal https://tinyurl.com/3ma4bnzb.

Por Laszlo Beke

En el pasado artículo ¡Los temas que marcaron la tecnología el año 2025!, mencionamos que Amy Webb es ampliamente reconocida como la autoridad global que transformó la práctica de la previsión estratégica en una disciplina rigurosa basada en datos. Amy publica anualmente sus proyecciones para el año siguiente, y aprovechamos para compartirlas.

Ella mencionó que el 2025 fue el año en que la tecnología dejó de ser una categoría independiente. La tecnología no es algo que se sitúe junto a la geopolítica, la economía, el trabajo, la energía o la cultura. Ahora es inseparable de ellas. La labor de un líder en 2026 es garantizar que una organización pueda adaptarse cuando el código de negocios, la naturaleza y la propia realidad comiencen a cambiar. Ya han surgido diez temas que definirán el año que viene y ellos son:

1. Las convergencias impulsarán la próxima ola de disrupción y crecimiento – Habrá una cantidad masiva de convergencias: donde las tecnologías dejan de evolucionar de forma independiente y comienzan a evolucionar entre sí. La tecnología se acumula, se combina y se acelera mutuamente: IA con biología, robótica con software, energía con computación, datos con materiales. Las convergencias reescriben las cadenas de valor. Debilitan los plazos. Las convergencias transformarán industrias, instituciones e incluso la identidad, cambiando nuestra forma de trabajar, de gobernar y de definir la ventaja.

2. El internet post-búsqueda – Pronto, dejaremos de buscar exactamente lo que queremos en un navegador. Quizás dejemos de navegar por completo. Los sistemas colaborativos de IA lo harán por nosotros. La antigua interfaz de pestañas y enlaces está siendo reemplazada por una basada en la conversación y la intención. La búsqueda solía ser la puerta de entrada a internet. En un futuro próximo, es más probable que le preguntes a una IA y te la venda. la economía de referencia podría desaparecer de la noche a la mañana.

3. El auge del trabajo ilimitado – Para que los robots actúen en el mundo físico, deben ver, comprender y adaptarse. Necesitan el equivalente a la conciencia del contexto humano: la capacidad de procesar información multimodal y convertirla en acción. Hasta hace poco, esa barrera era demasiado alta. En 2026, esa barrera comenzará a derrumbarse. Los investigadores están combinando datos del movimiento humano, la teleoperación y archivos visuales, enseñando a las máquinas a actuar observándonos actuar. La destreza, la intuición y la inteligencia incorporada pasan de la investigación a la realidad. Esto está creando un «momento ChatGPT» para el mundo físico.

Pero los robots humanoides no son realmente lo que vendrá en masa. Tras ellos, habrá millones de robots no humanos distribuidos en laboratorios científicos, obras de construcción, centros logísticos, granjas, estaciones de limpieza y prácticamente en cualquier otro lugar. Por segunda vez en la historia moderna, la tecnología no ofrece herramientas para que las personas trabajen. Ofrece mano de obra ilimitada. La pregunta que nos espera no es si los robots reemplazarán empleos. La otra pregunta es quién será el dueño de la mano de obra una vez que lo hagan.

4. Vibe codifica el futuro de la vida con Biotecnología – La biotecnología utiliza la vida misma como herramienta. Las células, las bacterias y el ADN se están convirtiendo en los componentes básicos de la invención. Así es como fabricamos vacunas, diseñamos cultivos que prosperan con menos agua y creamos combustibles más limpios. Está surgiendo una nueva clase de modelos de base biológica. Hemos empezado a programar la biología de la misma forma que programamos software. Las startups ahora diseñan microbios que secuestran carbono, producen plásticos, cultivan textiles y sintetizan fármacos, todo ello sin minería, refinación ni transporte.

Su próximo proveedor de materiales podría ser un laboratorio de biotecnología, no una empresa minera. Su próximo producto podría cultivarse, no fabricarse. La capacidad de diseñar con biología definirá la próxima generación de productos, cadenas de suministro, opciones de atención médica e industrias. Este es el nacimiento de la bioeconomía, un nuevo orden industrial en el que la biología se convierte en el sistema de fabricación más poderoso del planeta. El problema, sin embargo, es que la biología no se depura fácilmente. La convergencia entre la IA y la biología da como resultado la plataforma tecnológica más trascendental del siglo XXI.

5. Los dispositivos pensarán por sí mismos – Un dispositivo nativo de IA no es solo hardware con funciones de IA. Es un sistema diseñado desde cero para ejecutar inteligencia localmente: pensar, razonar y actuar sin depender de la nube. Esto marca el próximo gran cambio en la tecnología de consumo. Teléfonos, wearables y sistemas domésticos percibirán el contexto, interpretarán intenciones y responderán de forma autónoma. Esto implica un nuevo ecosistema de dispositivos expresivos, adaptativos y anticipatorios. La primera ola está emergiendo. El R1 de Rabbit y el Humane AI Pin fueron prototipos tempranos (aunque fallidos): imperfectos, pero con un rumbo definido. La próxima generación debutará el próximo año, a medida que empresas pioneras en IA como OpenAI realicen la transición al hardware. Los dispositivos nativos de IA señalan el final del teléfono como el nodo central de la comunicación. En este nuevo modelo, las tareas sencillas se realizan sin conexión. Los procesos más complejos se sincronizan a la perfección cuando es necesario.

Históricamente, el hardware ha sido un vehículo para el software. Estamos viendo cómo esa lógica se invierte. La IA no será solo la capa interna del dispositivo, sino que el dispositivo se convertirá en la extensión de la IA. Una nueva forma de interacción profundamente contextual, profundamente personal y, muy probablemente, posterior a la pantalla. Esto supone un cambio radical respecto a los paradigmas informáticos existentes.

6. Reescribiendo las leyes de la materia – La tecnología está reescribiendo las leyes de la materia. Los metamateriales son estructuras de ingeniería que desafían las reglas normales de la física. Están diseñados mediante geometría, no química, y se comportan de maneras que la naturaleza nunca concibió. Estos materiales pueden desviar la luz o el sonido a la inversa. Pueden adoptar formas imposibles. Pueden cambiar sus propiedades en respuesta al calor, la presión o la luz. En esencia, son materia programable: sistemas físicos que se adaptan a su entorno en tiempo real.

Cuando la IA y la biotecnología convergen con los metamateriales, el mundo empieza a verse increíblemente extraño. La última vez que un avance en la ciencia de los materiales transformó la civilización fue el descubrimiento de los semiconductores en la década de 1920, que condujo al transistor y a la era digital. Los metamateriales podrían marcar el siguiente paso.

7. Casos de uso reales de la cuántica – El nuevo algoritmo Quantum Echoes de Google resolvió recientemente un cálculo trece mil veces más rápido que una supercomputadora convencional. Ese experimento marca el momento en que la teoría comenzó a inclinarse hacia la implementación. Los sistemas cuánticos aún cometen errores, pero los avances en la corrección de errores están acortando la distancia. Muchos investigadores esperan máquinas estables y escalables antes de que finalice la década. Las finanzas, los seguros, la logística y las ciencias de la vida dependen de la resolución de problemas de una complejidad asombrosa.

8. La confianza como arma. La ingeniería social solía depender del texto y la sincronización. Un correo electrónico plausible o un mensaje de texto de pánico podían ser suficientes para engañar a alguien y obligarlo a revelar su contraseña. Eso era malo, lo que viene es peor. La realidad se ha vuelto editable. La IA generativa convierte la persuasión en producción. Las herramientas de clonación de voz disponibles comercialmente pueden reproducir el tono y el timbre únicos de un CEO, mientras que los generadores de video más modernos pueden poner palabras en boca de ese CEO. Los sistemas de traducción más recientes pueden comunicar autenticidad en diferentes idiomas. Las herramientas diseñadas para acelerar la edición de podcasts o ayudar a equipos globales pueden reutilizarse como armas.

Lo que antes era una falsificación costosa ahora es una simple llamada a la API. La psicología detrás de los ataques de ingeniería social no ha cambiado. Los atacantes siguen explotando la confianza, el miedo y la amabilidad. Es la forma de comunicar lo que ha mejorado. La infraestructura de la confianza (su marca, sus comunicaciones con los inversores, sus informes internos) es ahora una superficie de ataque potencial. Dentro del próximo año, los medios sintéticos habrán superado los deepfakes actuales para simular interacciones con clientes y producir videos de inversores indistinguibles de las grabaciones en vivo. ¿La ventaja? Escalabilidad infinita de la comunicación. ¿La desventaja? Manipulación infinita de la verdad. El próximo año, creo que podríamos presenciar al menos una crisis geopolítica donde la atribución se vea enturbiada por la evidencia generada por IA en ambos bandos, y el público no pueda identificar qué video inició el último conflicto. La autenticación de voz, antes vendida como una medida de seguridad conveniente, pronto podría convertirse en un lastre.

9. Los primeros parques industriales extraplanetarios – Durante décadas, el espacio se centró en banderas, imágenes y fascinación. La órbita baja terrestre comenzará a brindar oportunidades prácticas extraplanetarias en 2026. Pilotos de fabricación en órbita, biorreactores, investigación de materiales, mantenimiento espacial: estos ya no son hitos de ciencia ficción, son pruebas de producción reales. El espacio se está convirtiendo en una extensión de la cadena de suministro. Lo que antes sustentaba las imágenes y las comunicaciones está comenzando a respaldar la fabricación, la reparación y la experimentación que no pueden realizarse aquí en la Tierra.

Las megaconstelaciones, la proliferación de activos de defensa y las plataformas comerciales están convirtiendo las posiciones orbitales en territorios en disputa. Los desechos espaciales dejarán de ser un problema ambiental abstracto para convertirse en una limitación operativa que determinará los calendarios de lanzamiento, los costes de los seguros y el diseño de los sistemas. Aquí es donde la gobernanza cobra importancia. Las ventajas son profundas: nuevos materiales, cadenas de suministro resilientes, capacidades imposibles bajo la gravedad. Las desventajas deberían ser obvias.

10. El reinicio de la globalización, priorizando la seguridad – Durante treinta años, la globalización se optimizó para la eficiencia. Los bienes se trasladaban adonde eran más baratos de producir. Lo que la reemplaza es algo más rígido y político. Esto se asemeja más a un reinicio de la globalización priorizando la seguridad. En el futuro, la seguridad nacional se convertirá en el principio rector de la política económica. Los gobiernos no tratarán los mercados como ámbitos neutrales, sino que intervendrán directamente y los tratarán como terreno en disputa. Los semiconductores, los sistemas energéticos, los alimentos, los datos, la biotecnología y la logística se reclasificarán como activos estratégicos. La lógica del comercio está cambiando. Las cadenas de suministro justo a tiempo darán paso a la redundancia por si acaso. La eficiencia dará paso a la resiliencia.

Las herramientas económicas se convertirán en armas en un amplio espectro de países. Los controles de exportación, las sanciones, los subsidios, la política industrial y el control de las inversiones pasarán de la trastienda al centro de la política exterior. La seguridad no será algo que solo los militares gestionen. Se transformará en un proyecto de toda la sociedad, que abarcará la infraestructura, la industria, el trabajo y los datos. Las instituciones darán paso a acuerdos impulsados por los ejecutivos. Las alianzas se volverán condicionales, transaccionales y coyunturales. En 2026, la globalización no desaparece. Se reconfigura en torno a componentes básicos fundamentales: computación, energía, alimentos y materiales críticos.

Se hace referencia a Which tech will matter most next year?. También aparece en mi Portal https://tinyurl.com/33ha4fsj.

Por Laszlo Beke

Si bien el uso de la IA en las grandes empresas es común, una encuesta reciente de la consultora McKinsey sugiere que aún se está lejos de su máximo potencial. La mayoría de las organizaciones todavía se encuentran en la transición de la experimentación a la implementación a gran escala, y aun cuándo pueden estar obteniendo valor en algunas áreas, aún no perciben un impacto financiero a nivel empresarial.

Ahora bien, la experiencia de las empresas con mejor rendimiento aprovechando IA sugiere un camino a seguir. Estas empresas consideran la IA como un catalizador para transformar sus organizaciones, rediseñando los flujos de trabajo y acelerando la innovación. A medida que las herramientas de IA, incluidos los agentes, mejoran y las capacidades de las empresas maduran, la oportunidad de integrar la IA de forma más completa en la organización ofrecerá nuevas maneras de generar valor y crear una ventaja competitiva.

Casi todos los encuestados afirman que sus organizaciones utilizan IA, y muchas ya han comenzado a usar agentes de IA. Sin embargo, la mayoría aún se encuentra en las primeras etapas de la implementación a gran escala de la IA y la obtención de valor a nivel empresarial. Los principales hallazgos se pueden resumir así:

– Experimentación o prueba piloto – es la fase en la cual se encuentran la mayoría de las organizaciones.

– Gran interés en los agentes de IA – el 62 % de los encuestados afirma que sus organizaciones al menos están experimentando con agentes de IA.

– Indicadores positivos sobre el impacto de la IA – los encuestados reportan beneficios en costos e ingresos a nivel de casos de uso, y el 64 % afirma que la IA está impulsando su innovación.

– Las empresas con mejor desempeño utilizan la IA para impulsar el crecimiento, la innovación y la reducción de costos – las empresas que obtienen el mayor valor de la IA a menudo establecen el crecimiento o la innovación como objetivos adicionales.

– El rediseño de los flujos de trabajo es un factor clave para el éxito – La mitad de las empresas con un alto rendimiento en IA tienen previsto utilizarla para transformar sus negocios, y la mayoría ya está rediseñando sus flujos de trabajo.

– Impacto en el número de empleos – hay diferentes perspectivas sobre el impacto de la IA en el tamaño total de la plantilla de sus organizaciones para el próximo año varían: el 32 % prevé disminuciones, el 43 % que no habrá cambios y el 13 % aumentos.

Si bien las herramientas de IA son ahora habituales, la mayoría de las organizaciones aún no las han integrado lo suficiente en sus flujos de trabajo y procesos como para obtener beneficios sustanciales a nivel empresarial. El panorama de la IA se caracteriza tanto por un uso más extendido —incluida la creciente proliferación de la IA basada en agentes— como por persistentes dificultades de adaptación, y la transición de las pruebas piloto a un impacto a gran escala sigue siendo un proceso en evolución en la mayoría de las organizaciones.

El uso de la IA continúa expandiéndose, pero se mantiene principalmente en fases piloto

La última encuesta muestra que una mayor proporción de encuestados informa del uso de IA en sus organizaciones, aunque la mayoría aún no ha escalado las tecnologías. El 88 % informa del uso regular de IA en al menos una función empresarial, en comparación con el 78 % del año anterior. Sin embargo, a nivel empresarial, la mayoría aún se encuentra en las etapas de experimentación o prueba piloto.

Muchas organizaciones ya están experimentando con agentes de IA

Las organizaciones también están comenzando a explorar las oportunidades que ofrecen los agentes de IA: sistemas basados ??en modelos fundamentales capaces de actuar en el mundo real, planificando y ejecutando múltiples pasos en un flujo de trabajo. El 23 % de los encuestados informa que sus organizaciones están escalando un sistema de IA basado en agentes en alguna parte de sus empresas. Pero el uso de agentes aún no está generalizado: la mayoría de quienes están escalando agentes afirman que solo lo hacen en una o dos funciones.

Para la mayoría de las organizaciones, el uso de la IA permanece en fases piloto.

El uso de la IA en general se está ampliando dentro de las organizaciones, se utiliza la IA en más funciones empresariales. Más de dos tercios de los encuestados ahora afirman que sus organizaciones utilizan la IA en más de una función, y la mitad informa que la utilizan en tres o más funciones. Sin embargo, muchas empresas, especialmente las más pequeñas, aún no han integrado la IA de forma profunda en sus flujos de trabajo. Las empresas más grandes, tanto en términos de ingresos como de número de empleados, tienen más probabilidades de haber alcanzado la fase de escalamiento.

La IA como catalizador de la innovación

Para la mayoría de las organizaciones, el uso de la IA aún no ha afectado significativamente el EBIT empresarial. Sin embargo, los encuestados observan otros resultados cualitativos a nivel empresarial: la mayoría afirma que el uso de la IA en sus organizaciones ha mejorado la innovación, y casi la mitad reporta una mejora en la satisfacción del cliente y la diferenciación competitiva.

Las organizaciones con ambiciosos planes de IA son las que obtienen mayores beneficios

Las empresas con alto rendimiento en IA, que representan aproximadamente el 6 % de los encuestados, reportan impulsar la innovación transformadora mediante la IA, rediseñar flujos de trabajo, escalar más rápidamente, implementar las mejores prácticas para la transformación e invertir más. Para las empresas de alto rendimiento con IA:

Buscan más que la simple reducción de costos con IA – las organizaciones que obtienen el mayor impacto de la IA suelen aspirar a lograr esto.

Utilizan la IA para impulsar el crecimiento y/o la innovación – de allí tienen más probabilidades de obtener beneficios cualitativos a nivel empresarial, como una mayor satisfacción del cliente, diferenciación competitiva, rentabilidad, crecimiento de los ingresos y cambios en la cuota de mercado.
Tienen casi tres veces más probabilidades que otros de afirmar que sus organizaciones han rediseñado fundamentalmente los flujos de trabajo individuales.
Utilizan la IA con regularidad en más funciones empresariales que sus pares – tienen muchas más probabilidades que otros de reportar su uso en marketing y ventas, estrategia y finanzas corporativas, y desarrollo de productos y servicios.
El uso de la IA es impulsado por sus líderes.
Tienen más probabilidades que otras de afirmar que sus organizaciones cuentan con procesos definidos para determinar cómo y cuándo los resultados de los modelos requieren validación humana para garantizar su precisión.
Están invirtiendo más en capacidades de IA.

Las expectativas sobre el efecto de la IA en el tamaño de la plantilla varían

A medida que las organizaciones amplían el uso de la IA, los encuestados comparten diferentes perspectivas sobre cómo esta podría afectar el tamaño de su plantilla en el próximo año. En cuanto a las funciones en las que las organizaciones utilizan la IA, la mayoría de los encuestados observó pocos o ningún cambio en el número de empleados debido al uso de la IA por parte de su organización durante el último año. Sin embargo, una mayor proporción de encuestados espera cambios en el número de empleados en estas funciones durante el año. Las expectativas difieren en cuanto al impacto de la IA en el tamaño total de la plantilla de las empresas encuestadas. Si bien la mayoría de los encuestados prevé que el número total de empleados de sus organizaciones no se verá afectado en el próximo año, el 32 % pronostica una reducción general del 3 % o más, y el 13 % prevé un aumento de esa magnitud.

Los esfuerzos por mitigar los riesgos de la IA son cada vez más comunes a medida que se materializan los desafíos

En los últimos seis años, se ha constatado sistemáticamente que la mayoría de las organizaciones encuestadas mitigan pocos riesgos asociados al uso de la IA. En los últimos hallazgos, el porcentaje de encuestados que informan sobre medidas de mitigación para riesgos como la privacidad personal e individual, la explicabilidad, la reputación de la organización y el cumplimiento normativo ha aumentado desde la última consulta sobre los riesgos asociados a la IA en general en 2022. Los riesgos que las organizaciones experimentan y que intentan mitigar están interrelacionados: los encuestados son más propensos a afirmar que sus organizaciones están mitigando cada uno de los riesgos de los que han sufrido consecuencias. La inexactitud es uno de los dos riesgos que la mayoría de los encuestados afirma que sus organizaciones están intentando mitigar. Sin embargo, el segundo riesgo más mencionado —la explicabilidad— no se encuentra entre los que se mitigan con mayor frecuencia. Los encuestados de empresas con un alto desempeño en IA, que afirman que sus organizaciones han implementado el doble de casos de uso de IA que otras, tienen más probabilidades que otros de reportar consecuencias negativas.

Se hace referencia a The state of AI in 2025: Agents, innovation, and transformation. También aparece en mi Portal https://tinyurl.com/yx5h62rv.

Por Laszlo Beke

En Finanzas la vía para la adopción de Inteligencia Artificial comienza con el uso de la IA Generativa, a través de Asistentes de IA y de Agentes de IA. Inicialmente se trata de un esfuerzo de aprendizaje que lleva a una mejora de productividad individual. Siendo Microsofft una plataforma comunmente utilizada por Finanzas, Copilot ofrece las facilidades como Asistentes de IA para Excel y otros productos Microsoft, la posibilidad de crear Agentes IA a nivel individual y también de Agentes IA como parte de la mejora de procesos más complejos. Una vez que ya existe un mejor conocimiento de IA, se entra en la siguiente etapa de proyectos pilotos IA a nivel de empresa. Las empresas que obtienen resultados son aquellas que vinculan la IA con necesidades empresariales específicas, optimizan los procesos clave y utilizan la tecnología para liberar recursos para tareas de mayor valor. Para los directores financieros, el mensaje es inequívoco: la oportunidad es real, pero para aprovecharla es necesario ir más allá de la experimentación y adoptar una ejecución disciplinada, basada en las prioridades del negocio.

La realidad empresarial pone de manifiesto lo difícil que sigue siendo obtener un valor tangible de la IA: según estudios realizados, solo alrededor del 5 % de los proyectos piloto de IA se han traducido en un impacto significativo en los resultados financieros

. Los malos resultados se deben principalmente a que los proyectos piloto fallan en condiciones reales, no se adaptan a la aparición de nuevos datos y permanecen mal integrados en los procesos clave. Sin embargo, existen equipos financieros, que están utilizando con éxito la IA, la IA general y, cada vez más, la IA con agentes, para aumentar la eficiencia, mejorar la información y automatizar tareas manuales que consumen mucho tiempo

. En lugar de depender de proyectos piloto aislados, estas organizaciones aplican la IA en todos los ámbitos fundamentales de las finanzas. De esas experiencias, se examinan tres áreas donde los equipos de finanzas están aportando el mayor valor con la IA: planificación y control estratégicos, gestión de efectivo y capital de trabajo, y optimización de costos

Finalmente, se identificaran cinco errores comunes que pueden ralentizar los procesos y cómo superarlos.

Planificación y control estratégicos – cómo la IA puede ofrecer mejores perspectivasLas herramientas de apoyo a la toma de decisiones, impulsadas por una combinación de análisis predictivo e IA general, facilitan y agilizan el acceso a los datos de la empresa, la generación de informes y la ejecución de pronósticos o escenarios. Estas herramientas apoyan a los líderes financieros y a sus equipos, al tiempo que hacen que los datos sean más asequibles para quienes toman decisiones en toda la empresa. Por lo general, las herramientas de IA combinan algunas capacidades comunes: alertas que ayudan a los responsables financieros a optimizar su tiempo y atención, análisis interactivo de la causa raíz que permite comprender los factores que influyen en el rendimiento y la consideración de escenarios alternativos. En algunas funciones financieras donde se ha adoptado ampliamente, se ha observado que los profesionales de finanzas dedican entre un 20 % y un 30 % menos de tiempo al procesamiento de datos. La IA es idónea para estas tareas por cuanto integra con gran eficacia múltiples capas de información —provenientes de fuentes externas, financieras y operativas— en una visión coherente. Algunos ejemplos:

En una empresa global de bienes de consumo, un asistente de IA general ayuda a los profesionales de finanzas a proporcionar información sobre las variaciones presupuestarias a los líderes empresariales de diferentes divisiones y mercados. Esta herramienta sustituye el procesamiento manual de datos. Esto ha generado un ahorro estimado del 30 % del tiempo de los profesionales de finanzas.
El agente de apoyo a la toma de decisiones de una empresa biofarmacéutica global, impulsado por IA general e IA agente, reduce a la mitad el tiempo que el equipo de finanzas dedica a la toma de decisiones sobre la asignación de recursos. El equipo ahora genera escenarios complejos utilizando lenguaje natural durante las sesiones de planificación mensuales. La herramienta de IA integra datos de múltiples fuentes —incluidos sistemas de gestión de relaciones con clientes, información financiera y análisis del mix de marketing— para generar alertas de rendimiento. También proporciona análisis de causa raíz. Posteriormente, la herramienta sugiere acciones basadas en datos.
En una gran institución financiera norteamericana, una herramienta de IA general ayuda a generar borradores de informes que documentan los requisitos y actualizaciones del modelo de riesgo interno.

Gestión de efectivo y capital de trabajo – cómo la IA analiza términos y facturas para mayor precisiónLos flujos de trabajo automatizados con IA permiten un nuevo nivel de automatización en los procesos de cuentas por pagar y por cobrar, lo que contribuye a que los departamentos de compras y otras áreas administrativas sean más eficientes. Por ejemplo, una empresa biotecnológica global implementó el cumplimiento de facturas y contratos mediante un sistema automatizado con IA que procesa contratos y facturas durante todo el año y verifica que todos los términos contractuales se apliquen correctamente. Este enfoque ayuda a prevenir pérdidas de valor cuando los proveedores omiten o aplican incorrectamente términos del contrato. El sistema puede interpretar cada contrato de proveedor y sus términos, rastrear las facturas entrantes para verificar el cumplimiento e identificar problemas que surgen solo en varias facturas, como cuando los volúmenes de compra acumulados dan derecho a un nivel de precio inferior. Mediante este sistema de IA, la empresa identificó fugas de contratos equivalentes a aproximadamente el 4 % del gasto total.

Optimización de costos – cómo la IA encuentra ahorros analizando el gasto detalladoLa IA puede simplificar la tarea, que consume mucho tiempo, de categorizar los costos detallados mediante el análisis de facturas y órdenes de compra complejas y su organización en categorías claras y estructuradas. Con una mayor visibilidad, los equipos financieros pueden aplicar algoritmos avanzados para detectar anomalías y áreas de despilfarro. Para comprender y controlar mejor su base de gastos indirectos, una gran institución financiera europea se propuso identificar ineficiencias ocultas en sus operaciones. Comenzó recopilando datos a nivel de factura de miles de proveedores y organizándolos en una taxonomía de costos detallada con cuatro niveles de detalle creciente y aproximadamente 400 subcategorías. Si bien cada categoría generó ahorros modestos por sí sola, en conjunto contribuyeron a reducir los costos en aproximadamente un 10% de un presupuesto multimillonario.

Otra gran empresa europea del sector del embalaje logró un mayor control sobre su fragmentada base de proveedores mediante el uso de gen AI para categorizar a más de 10 000 proveedores

Tradicionalmente, la gerencia se había centrado en los proveedores de mayor gasto, mientras que numerosos proveedores más pequeños —muchos de ellos en categorías de gasto indirecto— permanecían poco conocidos. Gracias a gen AI, la empresa clasificó a todos los proveedores con mayor precisión.

Superando las barreras para la escalabilidad de la IA en finanzas

Para aprovechar el potencial de la IA en finanzas, los equipos deberán ir más allá de simplemente añadir nuevas herramientas a los métodos de trabajo tradicionales. Deben transformar los procesos clave, el talento y la tecnología para que la adopción se consolide y genere valor

En este proceso, el progreso puede verse ralentizado o estancado por los siguientes obstáculos comunes

Esperar datos perfectos – ofrecer casos de uso que funcionen con los datos actuales.
Intentar una transformación total de golpe – El camino más eficaz es transformar dominio por dominio,
Lanzarse sin una hoja de ruta clara: – Los líderes financieros necesitan una hoja de ruta alineada con las prioridades de su negocio, con decisiones claras sobre qué casos de uso abordar primero y cuáles después.
Descuidar la gestión del cambio – La mayor barrera suele ser la adopción, no la tecnología.
Automatizar procesos fragmentados – Eliminar pasos innecesarios y unificar los procesos entre los equipos permite que la tecnología escale de forma efectiva.

Se hace referencia a How finance teams are putting AI to work today. También aparece en mi Portal https://tinyurl.com/cyjrprxf.

Por Laszlo Beke

Es muy difícil predecir hacia donde apunta y como se utilizará Inteligencia Artificial en el futuro. Incluso, Geoffrey Hinton, considerado el padre de la IA y Premio Nobel se puede equivocar proyectando el efecto de IA. El Dr. Hinton en 2016 planteó que «La gente debería dejar de capacitar a radiólogos ahora», añadiendo que era «completamente obvio» que dentro de cinco años la IA superaría a los humanos en ese campo”. Ahora, acepta que habló de esta forma demasiado amplia en 2016 y aclaró que se refería exclusivamente al análisis de imágenes y se equivocó en el momento, pero no en la dirección. También afirma que, en unos años, la mayor parte de la interpretación de imágenes médicas se realizará mediante «una combinación de IA y un radiólogo, lo que aumentará considerablemente la eficiencia de los radiólogos, además de mejorar la precisión». Independientemente de las predicciones pasadas de los expertos, que la IA robaría puestos de trabajo en radiología, la realidad es que la tecnología transformará la medicina. Dentro de cinco años, será una mala praxis no usar IA, pero serán los humanos y la IA trabajando juntos.

Aun cuando el mensaje era “Su radiólogo de IA no estará con usted pronto”, un estudio reciente del Colegio Americano de Radiología proyectó un crecimiento constante de la fuerza laboral hasta 2055. Aquí la tecnología tendría un impacto significativo, pero no como una destructora de empleos.

El mercado laboral

Informáticos, expertos laborales y legisladores llevan mucho tiempo debatiendo cómo se desarrollará la IA en el mercado laboral. ¿Será un asistente inteligente que mejore el rendimiento humano o un sustituto robótico que desplace a millones de trabajadores? El debate se ha intensificado a medida que la tecnología de vanguardia, detrás de los chatbots, parece estar mejorando más rápido de lo previsto. Los líderes de OpenAI, Anthropic y otras empresas de Silicon Valley predicen que la IA eclipsará a los humanos en la mayoría de las tareas cognitivas en pocos años. Pero muchos investigadores prevén una transformación más gradual, en línea con las invenciones trascendentales del pasado, como la electricidad o internet.

La prevista extinción de los radiólogos ofrece un caso de estudio revelador. Hasta ahora, la IA está demostrando ser una poderosa herramienta médica para aumentar la eficiencia y potenciar las capacidades humanas, en lugar de quitarle el trabajo a nadie. En lo que respecta al desarrollo e implementación de la IA, la radiología ha sido un objetivo prioritario de la tecnología. De las más de 1.000 aplicaciones de IA aprobadas por la Administración de Alimentos y Medicamentos (FDA) para su uso en medicina, aproximadamente tres cuartas partes se destinan a radiología. La IA suele destacar en la identificación y medición de anomalías específicas, como una lesión pulmonar o un bulto en el pecho. Ha habido un progreso asombroso, pero estas herramientas de IA, en su mayoría, buscan un solo objetivo: utilizar esta tecnología para mejorar.

Los radiólogos hacen mucho más que estudiar imágenes. Asesoran a otros médicos y cirujanos, hablan con pacientes, redactan informes y analizan historiales médicos. Tras identificar un grupo sospechoso de tejido en un órgano, interpretan su posible significado para un paciente con un historial médico específico, aprovechando años de experiencia. El rol del radiólogo es como «un médico para otros médicos», comunicando claramente los resultados de las imágenes, asistiendo y asesorando. Las predicciones de que la IA robará puestos de trabajo a menudo subestiman la complejidad del trabajo que las personas realmente realizan, al igual que los radiólogos hacen mucho más que leer exploraciones. Las herramientas de IA se han investigado, desarrollado y adaptado para adaptarse a las rutinas de trabajo de los médicos con mucha actividad.

Clínica Mayo en Rochester, Minnesota.

En lugares importantes y reconocidos, como la Clínica Mayo, la tecnología ha sido más aliada que enemiga. Hoy en día, los radiólogos —médicos especialistas en imágenes médicas que observan el interior del cuerpo para diagnosticar y tratar enfermedades— siguen teniendo una gran demanda. En la Clínica Mayo, en los últimos años, han comenzado a utilizar la IA para mejorar la nitidez de las imágenes, automatizar tareas rutinarias, identificar anomalías médicas y predecir enfermedades. La IA también puede servir como «un segundo par de ojos». En la Clínica Mayo, la plantilla de radiólogos ha crecido un 55 % desde el pronóstico catastrófico del Dr. Hinton, hasta alcanzar más de 400 radiólogos. En la Clínica Mayo decidieron invertir y hoy en día, el departamento de radiología cuenta con un equipo de IA de 40 personas, incluyendo científicos de IA, investigadores de radiología, analistas de datos e ingenieros de software. Han desarrollado una serie de herramientas de IA, desde analizadores de tejidos hasta predictores de enfermedades.

La IA está presente en todo el flujo de trabajo ahora. En general, la Clínica Mayo utiliza más de 250 modelos de IA, tanto desarrollados internamente como con licencia de proveedores. Los departamentos de radiología y cardiología son los principales consumidores. En algunos casos, la nueva tecnología abre la puerta a conocimientos que superan la capacidad humana. Un modelo de IA analiza datos de electrocardiogramas para predecir la mayor probabilidad de que los pacientes desarrollen fibrilación auricular, una anomalía del ritmo cardíaco. Un proyecto de investigación en radiología emplea un algoritmo de IA para discernir cambios sutiles en la forma y la textura del páncreas y detectar el cáncer hasta dos años antes que los diagnósticos convencionales. La IA también puede identificar automáticamente las imágenes que muestran la mayor probabilidad de un crecimiento anormal, básicamente informándole al radiólogo. Otro programa escanea imágenes en busca de coágulos de sangre en el corazón o los pulmones, incluso cuando el enfoque médico puede estar en otra parte.

Una médico, la Dra. Potretzke, ha colaborado en una herramienta de IA que mide el volumen de los riñones. El crecimiento renal, al combinarse con quistes, puede predecir el deterioro de la función renal antes de que se refleje en los análisis de sangre. Anteriormente, se medía el volumen renal principalmente a mano, con el equivalente a una regla en la pantalla y conjeturas. Los resultados variaban y la tarea requería mucho tiempo. La Dra. Potretzke se desempeñó como consultora, usuaria final y evaluadora mientras trabajaba con el equipo de IA del departamento. Ayudó a diseñar el programa de software, que tiene un código de colores para diferentes tejidos, y revisó las mediciones. Hoy, ella menciona una imagen en la pantalla de su computadora y hace clic en un ícono, y la medición del volumen renal aparece al instante. Le ahorra de 15 a 30 minutos cada vez que examina una imagen renal, y su precisión es constante. “Es un buen ejemplo de algo que se siente muy cómoda delegando en la IA por su eficiencia y precisión”, Puede aumentar, asistir y cuantificar, pero no está en condiciones de renunciar a las conclusiones interpretativas de la tecnología”.

Se hace referencia a Your A.I. Radiologist Will Not Be With You Soon. También aparece en mi Portal https://tinyurl.com/uzzm874b.

Morfema Press

Es lo que es

Laszlo Beke

Outsourcing de la cognición

La fluidez no es cognición

Educación

La revolución de roles

IA como multiplicador de fuerzas para el talento

El mercado laboral

Clínica Mayo en Rochester, Minnesota.

Nosotros

Secciones

Síguenos

Contáctanos