Entrevistas |
Desafíos educativos ante la automatización: machine learning, reciclado profesional y definición de nuevos puestos de trabajo |
Santiago Mota Herce, director Técnico del Master Business Intelligence y Big Data Online de la Escuela de Organización Industrial (EOI), en Tenerife, y consultor freelance en proyectos de estrategia y BI en varias empresas, aborda el fuerte crecimiento que está experimentando la inteligencia artificial en el ámbito laboral, y el impacto que produce esta tendencia en la educación de las personas. El desafío de prepararnos para desarrollar trabajos que aún no existen y la penetración que tiene actualmente el machine learning en las empresas.
¿Cómo cree que deberán adaptarse instituciones y alumnos al fuerte crecimiento que está experimentando la inteligencia artificial?
Cuando el termino de moda era Business Intelligence (ahora en desuso) la aplicación estrella eran los cuadros de mando. Se explicaba esa nueva herramienta por medio de la analogía del tablero de instrumentos de un coche donde se mostraba toda la información al conductor.
En el mundo de la automoción, con el paso de los años vio como el coche, además de dar información al conductor, pasaba a ayudarle en ciertas tareas, como el ABS en la frenada y se iban añadido asistentes de cambio de carril, reconocimiento de señales u otras ayudas. El siguiente paso son los vehículos autónomos y, una vez estén en funcionamiento el último será que esos vehículos se anticipen al usuario y predigan cual va a ser el próximo punto donde son necesarios.
En gran parte de los ámbitos vamos a ver una evolución similar, con una primera implantación de máquinas mostrándonos información, una segunda con algoritmos que nos ayudan en las decisiones y una última fase en la que van tomando el control, se anticipan y toman las decisiones de forma autónoma.
Este contexto en el que en parte ya estamos inmerso, pero que se va a acrecentar en el futuro, hace que la educación sea clave por doble motivo: por un lado es muy importante que las personas e instituciones empiecen a estar al tanto de estas tecnologías y por otro va a hacer necesario el reciclado de personas y la re definición de puestos de trabajo.
Desde el punto de vista de la formación, vivimos una transición hacia un modelo de aprendizaje continuo, un modelo en el que los profesionales deben reciclarse, parcialmente todos los años y varias veces a lo largo de su vida laboral.
Hace no muchos años una persona tenía una sola profesión a lo largo de su vida, más adelante pasamos a personas también con una sola profesión que cambiaban de trabajo, en el futuro va a ser difícil encontrar personas que no cambien de profesión a lo largo de su vida laboral.
En este paradigma, cobra una mayor relevancia herramientas nuevas o poco utilizadas en la formación, como son:
¿Qué penetración tiene actualmente el machine learning en las empresas?
Para mí el mayor problema a la hora de estimar la penetración del machine learning en las empresas radica en que este término, como otros parecidos (big data o inteligencia artificial) sirven de paraguas a gran cantidad de tecnologías. Es por esto que resulta difícil llegar a números concretos.
No obstante, algunos de los factores que influyen en la penetración son:
Por otro lado, para analizar el grado de penetración, hay que considerar la fase de desarrollo o el alcance de estos proyectos. Actualmente es relativamente fácil encontrar empresas con proyectos de este tipo en fases de estudio o cómo proyectos piloto, pero no es muy común que estén implementadas en producción y que sean un elemento clave de este proceso productivo.
Marzo 2017
|