¿SERÁN LOS LÍDERES DEL FUTURO REEMPLAZADOS POR LA
IA EN LA TOMA DE DECISIONES DE UNA ORGANIZACIÓN?
Andrea Manríquez, Cristian Chamorro
(1) Ingeniero Civil Industrial. Departamento de Ingeniería, Facultad de ingeniería,
Universidad Andrés Bello (UNAB)
Resumen: En el presente artículo se estudia la
Inteligencia artificial (IA en adelante) en
reemplazo de los líderes del futuro para la toma de
decisiones en una organización.
Se realiza una investigación sobre los principales
fundamentos y teorías sobre la IA en la toma de
decisiones revisando en diferentes artículos,
revistas, publicaciones, etc. Para conocer cuál es
la opinión que lidera actualmente en el mundo.
Respecto a esto se debaten diferentes puntos de
vista los cuáles se sustentan mediante estudios
realizados actualmente.
I OBJETIVOS
El objetivo general del trabajo consiste en analizar
como incide la I. A. en el futuro liderazgo de una
organización.
Los objetivos específicos del trabajo se
mencionan a continuación, los cuáles involucran
los diferentes capítulos del estudio realizado.
1. Revisar la literatura referente a la IA en
la actualidad y en el futuro respecto al
liderazgo.
2. Buscar 5 opiniones diferentes respecto
del uso de IA en el liderazgo
3. Analizar la situación actual de la IA y su
evolución
II INTRODUCCIÓN
Los avances tecnológicos de las últimas décadas
han modificado las formas de producción,
organización y consumo de las economías
contemporáneas. La magnífica capacidad de las
computadoras y otras máquinas de almacenar,
analizar y manipular información han alterado
ritmos y velocidades en la organización,
producción, sistema económico y relaciones
humanas. Esta tecnología ha proliferado gracias al
aumento de producción a un bajo costo y por lo
visto no se va a detener, por lo que el presente y
futuro del trabajo tendrá riesgos inminentes; en
sus versiones más extremas, que suelen aparecer
en los medios de comunicación, la humanidad
estaría nuevamente en el umbral del fin del
trabajo.
Aunque los análisis más rigurosos que
expondremos a continuación, no pronostican un
futuro tan pesimista, ya que podría transformar
profundamente el mundo del trabajo, la economía
y la sociedad en su conjunto, al igual que lo
hicieron en su momento la electricidad y la
máquina de vapor (Brynjolfsson y McAfee, 2014).
Los continuos avances en el campo de la IA
podrían incluso conducir a una singularidad, un
punto de inflexión en el que la inteligencia
artificial superaría a la humana (Nordhaus, 2015).
Por mucho que la posibilidad de una singularidad
siga siendo altamente hipotética por el momento,
los recientes avances de la IA están generando
debates muy controvertidos.
S. Benhamou, “La transformación del trabajo y
el empleo en la era de la inteligencia
artificial: análisis, ejemplos e interrogantes”,
Santiago, Comisión Económica para
América Latina y el Caribe (CEPAL), 2022.
III ESTUDIO DE LA LITERATURA
En este capítulo se presenta la revisión y estudio
de 1 artículos y 4 publicaciones, los cuales se
presentan a continuación:
S. Benhamou, en la publicación “La
transformación del trabajo y el empleo en la era
de la inteligencia
artificial: análisis, ejemplos e interrogantes”,
Santiago, Comisión Económica para
América Latina y el Caribe (CEPAL), 2022.
Cuyo objetivo es analizar mediante análisis,
ejemplos e interrogantes la transformación del
trabajo y el empleo en la nueva era. Esta
publicación analiza el potencial y las
limitaciones de la inteligencia artificial, evalúa el
impacto de la inteligencia artificial: sus
limitaciones pero también cauces
prometedores, analiza sectorialmente el
entendimiento de la transformación del trabajo y
finaliza con un debate general con sus respectivas
recomendaciones.
Este estudio tiene la interrogante sobre en qué no
puede sustitur la IA a un ser humano, a la que
responde que pese a los considerables avances de
la IA en los últimos años, la tecnología presenta
varias limitaciones
que le impiden competir con los humanos en
tareas o actividades complejas, pero también en
tareas
manuales que podrían parecer muy sencillas.
Estas limitaciones tienen que ver principalmente
con el
acceso a los macrodatos y la calidad de estos, y
con la incapacidad de la IA para comprender y
explicar
mecanismos complejos que no se basan en leyes
deterministas.
En primer lugar, en cuanto al uso de macrodatos,
la IA necesita enormes capacidades de
computación para entrenar los algoritmos de
aprendizaje profundo. Por ejemplo, según
Jangquing Jia,
Director de Ingeniería de la plataforma de IA de
Facebook, el entrenamiento de un modelo típico
de
ImageNet requiere una potencia de cálculo de
aproximadamente un exa-FLOPS2. Para que
alcanzara la
capacidad del cerebro humano, haría falta un
aumento de varios órdenes de magnitud en la
potencia de
cálculo de la IA, algo difícil de alcanzar hoy en
día. Esto supone una importante limitación.
En segundo lugar, en el entrenamiento de los
algoritmos se requieren datos completamente
limpios y bien anotados por humanos
Por otro lado, la calidad de los sistemas de IA
también depende de la base de entrenamiento
sobre
la que se ha construido el algoritmo. Si los datos
de entrenamiento contienen sesgos en cuanto a
factores
como el género o la ubicación geográfica, el
algoritmo evidentemente reproducirá dichos
sesgos en sus
recomendaciones. A su vez, estos sesgos pueden
dar lugar a diferencias de trato entre los
individuos y específicas. En cualquier caso, el carácter
llevar a cuestionar el valor que se da a las
decisiones tomadas por los algoritmos.
Por otro lado, existen muchas tareas que las
personas saben hacer de manera intuitiva, pero
para
las que no es posible explicitar reglas o
procedimientos formales. Dichas tareas se apoyan
sobre todo
en conocimientos tácitos, que a su vez puede
derivar de valores implícitos, saberes o
conocimientos
especializados heredados de una tradición, que
son difíciles de explicar y codificar. Según el
científico
Michael Polanyi, el conocimiento humano debe
partir del hecho de que podemos saber más de lo
que
podemos decir, y desempeña un papel
fundamental en los procesos de aprendizaje
(Polanyi, 2009). Por
lo tanto, es difícil que la IA ofrezca respuestas en
casos en los que se desconocen las reglas formales
de
procedimiento; los especialistas en la tecnología
de la IA siguen tratando de resolver la llamada
"paradoja de Polanyi" aplicando la estadística y el
razonamiento inductivo, pero incluso si lo
lograran,
las soluciones no podrían generalizarse a todas las
situaciones.
En resumen, si bien los progresos logrados por la
IA han sido espectaculares, los programas
actuales solo realizan tareas muy específicas que
suelen requerir enormes volúmenes de datos de
entrenamiento para lograr un resultado
satisfactorio. Los dispositivos basados en la IA no
están
diseñados para hacer preguntas, sino para ofrecer
respuestas, recomendaciones y soluciones
predictivas. Este progreso está aún lejos de
presagiar la llegada de una IA robusta (strong AI)
que sea
realmente comparable a la inteligencia humana,
en particular en cuanto a la comprensión del
contexto
y al sentido común, además de la capacidad de
aprendizaje. Tal logro parece inalcanzable por el
momento, como señala Yann LeCun, uno de los
investigadores más reputados del mundo por su
trabajo
sobre la IA3. Según este especialista, la IA sigue
siendo una tecnología muy limitada, que no
aprende de
la misma manera que un humano, aunque sea
capaz de hacer igual de bien ciertas tareas muy
genérico de las tecnologías desarrolladas hace
prever su impacto en todos los sectores de la
economía
En 2019, Juan Gustavo Corvalan en el artículo “El
impacto de la inteligencia artificial en el trabajo”
indaga acerca de como el avance de la IA y la
robótica inciden en el empleo y, como
contrapartida, cómo las personas deben adaptarse
a un nuevo escenario de trabajo. La investigación
aborda 3 grandes ejes: Primero, a partir de
estudios estadísticos a nivel mundial , analiza el
impacto de la aplicación de la inteligencia
artificial. En este artículo se concluye que existen
3 grandes fenómenos. Por un lado se verifican las
asimetrías ya que mientras la creciente
automatización puede reducir el empleo en
algunos sectores , en otros lo incrementa, como el
caso de la industria automotriz.
Según el “Enfoque basado en tareas, a partir de la
experiencia Prometea” afirma que la perspectiva
con que debe analizar el presente del trabajo es a
partir de la distinción entre los trabajos y la serie
de tareas que llos componen, y no en aquel como
un conjunto indivisible y compacto. Insiste en esa
separación, porque en el corto plazo existen pocas
ocupaciones que puedan automatizarsepor
completo con las tecnologías existentes. Pero
cuando esas tareas se automaticen, los perfiles de
trabajo deben transformarse (INTERNATIONAL
LABOUR ORGANIZATION, 2018, p.9)).
En la investigación realizada desde el laboratorio
de Innovación e inteligencia Artificial de la
Facultad de Derecho de la Universidad de buenos
Aires y el Ministerio Público Fiscal de la ciudad,
se segmentaron las tareas en la Fiscalía General
Adjunta en lo Contencioso Administrativo y
Tributario de la ciudad Autónoma de Buenos
Aires (en adelante, la Fiscalía). Aquí se detectó
que de 169 actividades que se realizan, 54 resultan
automatizables por completo, frente a 74 que no
pueden serlo y 41 que sólo pueden serlo en parte.
De las 86 actividades que requieren habilidades
complejas como el pensamiento crítico y la
resolución de problemas, sólo 11 resultan
completamente automatizables, 28 semi-
automatizables y 47 no automatizables. En
cambio, en actividades rutinarias y repetitivas que
demandan metocidad y practicidad en su gran
mayoría son completamente automatizables: 37 de
46. Por último cuando analizamos la complejidad
de las actividades que se desarrollan en Fiscalía ,
detectamos que 54 requieren un bajo nivel de
complejidad, y por ello la porción automatizable
es sustancial: 40, frente 11 que no son
automatizables y 3 que pueden serlo parcialmente.
En cambio, de 70 actividades de alta complejidad
que se realizan, sólo 2 resultan automatizables,
frente a 44 que no pueden serlo y 24 que son
semi- automatizables.
Lo que ha hecho Prometea es automatizar las
tareas rutinarias y mecánicas de Fiscalía. Gracias
a ello, las lecciones aprendidas son diversas.
Según la publicación “Inteligencia artificial,
liderazgo real (IESE Business School Insight,
2018) propone que a medida de que se expandan
los límites de la IA se plantearan nuevos retos
para los directivos. La IA es la nueva TI , No
significa lo mismo para todo el mundo, asegura
Darío Gil, viecpresidente de IA y computación
cuántica de IBM. En su definición más básica la
IA es la manifestación de inteligencia de las
máquinas. Aunque comprende el aprendizaje de
éstas, las redes neuronales y el aprendizaje
profundo, se ha convertido en un término
paraguas que abarca muchos otros temas
relacionados, como el big data.
Bruno Cassiman a través de esta publicación
opina que la estrategia no es inmune a la ola de
cambios impulsada por la IA. Propone que si la
esencia de la ventaja competitiva es la
diferenciación estratégica ¿cómo alcanzarla? Tal
vez dejando a un lado la tecnología y fijándonos
en otro recurso: las personas.
Lo mejor de los algoritmos es que son
hiperlógicos: extrapolan y extraen conclusiones
para maximizar la eficiencia. Las personas
razonables son fáciles de dirigir y encajan sin
problema en las organizaciones. Pero ser
hiperlógico supone un problema a la hora de
definir la estrategia. A las empresas que utilicen
los mismos análisis razonables del big data o
algoritmos de la IA les costará diferenciarse
estratégicamente.
La personas con competencias sociales muy
desarrolladas son capaces de valorar el contexto
emocional y las conexiones de las decisiones
estratégicas . Pueden llevar la contraria y hacer
preguntas difíciles e ilógicas que arrojen
respuestas factibles. Tienen imaginación y
consiguen saltos intuitivos que la IA tardará como
mínimo décadas en replicar.
En el empeño por ayudar a las empresas a
diferenciarse, uno de los roles clave para los
directivos serña de explorar la razón de ser de una
organización, es decir, considerar su propósito e
identidad y fijar sus objetivos de futuro
La IA nos lleva a un punto de inflexión en la toma
de decisiones estratégicas para lograr ventaja
competitiva. Gestionarla con éxito es cuestión de
tener claro cuál será la diferenciación de la
organización.

La Diferenciación Estratégica dependerá de cómo

las empresas combinen la tecnología con sus
capacidades organizacionales internas y la de sus
empleados para ser más humanos, Bruno
Cassiman, Profesor de Dirección estratégica y
titular de a cátedra Nissan de Estrategia
corporativa y competitividad internacional en el
IESE.

Por otro lado Marta Elvira expone que “La

supervisión de las decisiones de la IA cobrará
más importancia a medida que aumente el
poder y ubicuidad de la tecnología. Por eso
necesitaremos directivos emocionalmente
inteligentes e íntegros que tengan como
prioridad a las personas. (Profesora de Dirección
estratégica y titular de la catedra Puig Global
Leadership Development en el IESE)

En el año 2021, se publicó “Liderazgo del siglo

XXI” en las instituciones públicas” Revista
científica Mundo de la Investigación y el
Conocimiento. Ante lo analizado en dicho estudio
se evidencia la importancia que reviste el impulso
de los liderazgos escolares, ganar a los estu-
diantes para sus procesos de aprendizaje,
desde practicas ejemplares que le llamen
e incentiven su motivación al aprendizaje
es fundamental; así como garantizar que se
apropien de los conceptos propios de los
líderes que requiere la sociedad hoy en día.
A tal efecto, las estrategias vislumbradas
en este análisis, pretende fomentar investigaciones
futuras sobre guías, manuales y en definitiva de
carácter formativo para la mejora del desempeñp
en los profesores en torno al liderazgo que
modelan frente al alumnado.