AMERiCA LEARNiNG MEDiA

Analizamos el nuevo contexto laboral y social que emerge velozmente y tendrá fuertes consecuencias para la vida profesional y el futuro de las organizaciones. Impacto, desafíos y posibles escenarios a los que deberemos adaptarnos. La responsabilidad central que tiene y tendrá la educación en la reconversión profesional de millones de personas, y la necesidad de reciclarse para auto gestionar la empleabilidad futura. Recursos, casos y el análisis de especialistas, para entender un fenómeno irreversible.

Por Nicolás Hellers, Editor de Contenidos de America Learning Media

(@americalearning) La automatización está impactando transversalmente nuestras vidas, tanto en el ámbito social, como en la actividad laboral, en la atención médica, en la forma de comunicarnos, e incluso dentro de nuestras propias viviendas. Vivimos en un mundo donde la inteligencia artificial y los algoritmos forman una parte esencial de las acciones que desarrollamos diariamente en la interacción con las redes sociales, el consumo de entretenimiento, las compras online, el turismo, junto al resto de las aplicaciones vinculadas a la provisión de diversos servicios, y el trabajo.

La educación y la formación profesional no son ajenas a este fenómeno. Son protagonistas excluyentes, que nos permitirán gestionar lo que vendrá.  Por un lado y partir del creciente uso de tecnologías para apoyar procesos de aprendizaje, surgen nuevas modos de distribuir el conocimiento, y de interpretar y resolver las necesidades de capacitación de las personas. Por otra parte, el impacto incremental de la inteligencia artificial en diversos sectores laborales, obliga a prepararnos para un futuro incierto, con profesiones y actividades laborales que aún no conocemos.

Machine Learning, Deep Learning y Big Data, son términos que comienzan a poblar nuestro vocabulario y conversaciones, sumados a los ya tradicionales: robótica e inteligencia artificial. Estas temáticas tuvieron centralidad en los debates, discusiones y análisis del último Foro Económico Mundial (WEF) celebrado en Davos (Suiza). Incluso, numerosos congresos focalizados en educación y tecnologías comienzan a registrar la necesidad de información y debate hacia estas cuestiones, por parte de la industria y las personas. En Alemania, Online Educa Berlín abordó el potencial que de la IA en la educación. En España, EXPOELEARNING 2017 tuvo como tema central al machine learning. En Estados Unidos, el foro Learning Systems & Tools 2017, analizará el ML y los LMS/LCMS. Por supuesto, también hay eventos específicos, como la Machine Learning Conference, que esté año se celebrará en la ciudad de Seattle; la International Conference on Machine Learning and Data Mining MLDM 2017, a realizarse en Nueva York; o la MOD 2017 - The Third International Conference on Machine Learning, Optimization and Big Data, que tendrá lugar en Italia.

Por otra parte, las principales plataformas educativas que imparten cursos MOOC, como Udacity, coursera, edx, Future Learn y MiriadaX, ya cuentan con contenidos específicos, que permiten entender este nuevo contexto, comprender sus alcances y potencialidades, y mejorar el aprendizaje a partir de datos sin intervención humana. Algunos de ellos:

• Introducción al Machine Learning (MiriadaX)
• Machine Learning Engineer Nanodegree (Udacity)
• Intro to Machine Learning (Udacity)
• Machine Learning for Data Science and Analytics (edx)
• Learning From Data (Introductory Machine Learning) (edx)
• Principles of Machine Learning (edx)
• Machine Learning (coursera)
• Big Data: Statistical Inference and Machine Learning (Future Learn)

“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”, señaló 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, durante una entrevista mantenida con America Learning Media.

“Este contexto en el que en parte ya estamos inmersos, 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”, precisó.

Para Mota, 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”, anticipó Santiago Mota Herce.

Inteligencia Artificial: cómo prepararse para un nuevo contexto laboral

Quienes viajen a la capital japonesa y se hospeden en el Henn na Hotel Maihama Tokyo Bay, ubicado en el distrito de Tokio Disney Resort, se sorprenderán en que los recepcionistas del establecimiento son dinosaurios robot, que los peces que nadan en una pecera que adorna el lobby también son robóticos y que un robot en las habitaciones ofrece el pronóstico del tiempo y gestiona el encendido y apagado de los artefactos electrónicos. Este es solo un ejemplo de la fuerte presencia que la automatización, de la mano de la inteligencia artificial, está adquiriendo en nuestras vidas.

“La inteligencia artificial está presente en muchas empresas, sobre todo en las más grandes: Google, Facebook, Microsoft, IBM. El reconocimiento de voz, la interacción del hombre con las máquinas, la creciente robotización, IoT-Internet de las cosas, reconocimiento visual, el chip en las personas…y muchas cosas más, hace pensar que no estamos muy lejos de ver que los exámenes los corregirá una máquina, que podremos hacer una tutoría online con un potente robot, que nos facilitaran el contenido que necesitamos cada día para estudiar o que cuando nos levantemos, nos recordaran lo que debemos aprender en ese día. Matrix ya está aquí”, señaló José Lozano, presidente y CEO de AEFOL EXPOELEARNING, en su artículo '¿Por qué Machine Learning?', publicado en Linkedin Pulse; destacando que por mucha tecnología que usemos para todo, la persona seguirá siendo el centro. Como dice Bill Gates, la empatía y la comprensión humana son todavía únicas.

En el marco de una entrevista mantenida con America Learning Media, Antonio Orbe, Director del Máster en Dirección de Empresas Digitales de LIDlearning y La Salle International Graduate School, y autor del libro ‘Una Mirada Al Futuro. Inteligencia artificial, abundancia, empleo y sociedad’, consideró que la IA supone una revolución silenciosa y ubicua. “Multitud de áreas de nuestra vida están siendo afectadas por la inteligencia artificial. Todos los usuarios de un smartphone usan sin saberlo la IA, desde el navegador al corrector de teclado. En la empresa, la IA está presente en un número creciente de procesos que mejoran su eficiencia”, apuntó.

“En términos generales la IA es una enorme ventaja, ya que hacemos más con menos. El mundo mejora en casi todos los aspectos, el hambre disminuye, la democracia se afianza, la información se disemina y la educación nos hace más libres. La amenaza se percibe en relación al desempleo tecnológico, que es una realidad. Otra amenaza como la IA general, que es capaz de hacer todo y dominar a los humanos, está muy lejos de ser cierta y hoy en día es solo ciencia ficción”, analizó.

Para Ignacio Sánchez Chiappe, director del IEEC, la Escuela de SupplyChain y Logística, la inteligencia artificial (IA) es una de las tecnologías que está replanteando las dinámicas de producción, y cuyo crecimiento impacta fuertemente en la realidad cotidiana, y principalmente en el ecosistema laboral actual.

“Los robots terminan sus tareas pese a todo, no tienen necesidades, no poseen sentimientos, no se cansan ni se enferman, no son representados por sindicatos, y no se deben pagar cargas sociales por ellos (aunque Bill Gates ya propuso que paguen impuestos). Esto propone un enorme cambio del paradigma laboral para las fuerzas de trabajo de los próximos años; planteando la necesidad de capacitarse en forma permanente para desempeñar las nuevas tareas que nos demandará un futuro impactado por la tecnología y en el que surgirán áreas de desempeño y trabajos que hoy no existen ni imaginamos. El desafío que tienen por delante las instituciones educativas es anticiparse y proveer a sus alumnos de herramientas que los preparen para esos trabajos que no existen y les permitan reconvertir su actividad laboral actual, sin quedar al margen del sistema”, destaco Sánchez Chiappe.

De hecho, durante la conferencia DLD, celebrada en Munich, el CEO de Microsoft, Satya Nadella, advirtió que la próxima gran ola de dislocación económica vendrá del “ritmo implacable de la automatización, que hace que muchos buenos trabajos de clase media se vuelvan obsoletos".

Algunas previsiones de mercado plasman el futuro mediato que deberemos enfrentar en el mercado laboral. Forrester, por ejemplo, advierte que para el año 2025, en Estados Unidos, el impacto del machine learning y la inteligencia artificial reducirá el 7% de los puestos de trabajo. Mientras que en la última edición del Foro Económico Mundial de Davos, se dijo que la IA, la nanotecnología y la robótica destruirán alrededor de 5 millones de empleos en los próximos cuatro años, generando poco más de 2 millones de nuevos puestos laborales. Aunque seguramente surgirán nuevos trabajos vinculados al escenario mundial emergente, probablemente vinculados a actividades sociales que requieran cooperación, colaboración, creatividad, comunicación y empatía.

Las primeras noticias de lo que vendrá, comienzan a llegar. Por ejemplo, Accenture anunció en el foro económico mundial de Davos, que se eliminaron 17.000 empleos a raíz de la automatización, pero sin despedir empleados, ya que tomaron la decisión de formar y reconvertir a sus colaboradores, para ocupar nuevas posiciones dentro de su estructura corporativa. Sin embargo, no todas las empresas tendrán la posibilidad de recorrer este camino, y en muchos casos –la mayoría de ellos, quizás- serán los mismos profesionales, quienes deban reciclarse, parcialmente todos los años y varias veces a lo largo de su vida laboral.

Frente a este pronóstico, el director del IEEC reafirmó la importancia de prepararnos adecuadamente para administrar el cambio que ya está en marcha, y adquirir los conocimientos y habilidades para poder adaptarnos a la evolución, que un mercado impregnado de tecnologías y comunicación, impondrá a las organizaciones.

“En momentos en los que la inteligencia artificial avanza a pasos acelerados, el patrimonio de las organizaciones somos los seres humanos (capacitados y preparados para gestionar el cambio)”, apuntó Ignacio Sánchez Chiappe.

Mientras que Daniel Wilner, Director General de élogos SurLatam, sostuvo que de acuerdo a cómo se gestione el desarrollo del talento en este contexto, se determinará el futuro de muchas empresas, apuntando a que la adecuación se plantee cuanto antes.

Como señala el Índice de Competitividad del Talento Global 2017 presentado en la reunión anual número 47 del Foro Económico Mundial (WEF), realizada este año en Davos, tendremos que adaptarnos a un entorno de trabajo donde el know-how tecnológico, las habilidades de las personas, y la flexibilidad y la colaboración, son y serán imprescindibles para alcanzar el éxito.

A partir de su participación en este foro internacional, Kalyan Kumar, CTO deIT Services, HCL Technologies, analizó en su post ‘Davos 2017: Nine Notes for AI Mavens’, que difícilmente la automatización pueda conducir un cambio de paradigma a menos que sus usuarios estén equipados para aprovechar sus múltiples características. “Creo en la homogeneidad de lo humano y de la inteligencia artificial, donde cada uno aumenta las capacidades del otro. Dirijamos esta curva de aprendizaje, reorientemos a nuestros clientes y redefinamos cómo se percibe y despliega la inteligencia artificial”, propuso.

El reporte ‘Harnessing automation for a future that works’ del McKinsey Global Institute, coincide con esta visión, al plantear que el pleno potencial de la automatización requiere que la gente y la tecnología trabajen mano a mano. El informe también advierte que la robótica, la inteligencia artificial y el machine learning cambiarán las actividades de laborales de todos. En este sentido, estima que la automatización de estas actividades puede permitir a las empresas mejorar el rendimiento reduciendo los errores y mejorando la calidad y la velocidad y, en algunos casos, logrando resultados que van más allá de las capacidades humanas y contribuyendo a la productividad.

Machine Learning: impacto y desafíos

El reciente artículo ‘7 Technology Trends That Will Dominate 2017’ publicado en Forbes por Jayson DeMers, identificó al Machine Learning, como la tercera de siete tendencias tecnológicas dominantes para los próximos meses.

En su MOOC sobre ‘Machine Learning’ impartido a través de la plataforma coursera, la Universidad de Stanford define al aprendizaje automático como la ciencia de conseguir que las computadoras actúen sin haber sido explícitamente programadas. “En la última década, el aprendizaje automático nos ha proporcionado vehículos que funcionan sin conductor, reconocimiento práctico de voz, búsqueda efectiva en la web,  y un conocimiento infinitamente mejorado del genoma humano”, ejemplifican los responsables del curso, en su presentación. El MOOC aborda una gran cantidad de casos prácticos para aprender a aplicar algoritmos de aprendizaje para construir robots inteligentes (percepción, control), la comprensión de textos (búsqueda web, anti-spam), la visión por computadora, la informática médica, el audio, y la minería de base de datos, entre y otras áreas.

SAS, nombrada como compañía líder en el reporte ‘The Forrester Wave™: Predictive Analytics and Machine Learning Solutions, Q1 2017’, al obtener las puntuaciones más altas entre los 14 proveedores en cada una de las tres categorías evaluadas: oferta actual, estrategia y presencia en el mercado; define al aprendizaje automático como un método de análisis de datos que automatiza la construcción de modelos analíticos. “Usando algoritmos que iterativamente aprender de los datos, el aprendizaje de la máquina permite a las computadoras para encontrar ideas ocultas sin ser explícitamente programado donde buscar”, señalan.

Al referirse a al impacto que está teniendo el Machine Learning en las organizaciones, el experto español en inteligencia artificial, Antonio Orbe, consideró que programar cada posible caso es una labor inabarcable. “Si las máquinas aprenden, pueden resolver multitud de situaciones imposibles de prever y programar. El aprendizaje automático o Machine Learning es una idea muy antigua, pero solo ahora es posible debido a tres causas: la mejora de los algoritmos, la potencia de las máquinas y la gigantesca cantidad de datos que los usuarios hemos puesto a disposición de los algoritmos. Gracias al Machine Learning las organizaciones pueden avanzar mucho más rápido en la mejora de los procesos”, aseguró.

Consultado sobre cómo puede el Machine Learning ayudar a identificar preferencias de aprendizaje, Orbe expresó que el ML se basa en aprendizaje supervisado. “Los expertos entrenan al sistema”, precisó. “No obstante, hay nuevos métodos de aprendizaje no supervisado que están comenzando a funcionar. Damos a la máquina el input (los datos del problema) y el output (recompensa positiva si acierta y negativa si falla). La máquina se encarga de optimizar el resultado desentrañando (figuradamente) el problema. En el futuro veremos una enorme mejora de ambos sistemas”, anticipó el Director del Máster en Dirección de Empresas Digitales de LIDlearning y La Salle International Graduate School.

En su artículo ‘Debunking Machine Learning Misconceptions’, Javier Vargas, Research Manager de Easy Solutions, analiza que el machine learning está destinado a conquistar aquellos retos antes inalcanzables para las capacidades humanas y los sistemas estáticos. “Ahora nos está proporcionando capacidades sin precedentes que nos permiten dar sentido a grandes volúmenes de datos no estructurados, procedentes de fuentes tan diversas como la interacción del usuario, los datos transaccionales, la actividad de la red, el historial de phishing y los sistemas de detección de puntos finales”, describe. Aunque al mismo tiempo sostiene que las grandes expectativas que despierta, muestran al machine learning como una caja mágica capaz de resolver cualquier problema, creando esperanzas de desempeño irreales en usuarios no muy bien informados.

Por ello, Vargas destaca cuatro puntos a tener en cuenta a la hora de adoptar esta tecnología:

1. El Machine learning extrae conocimiento, no lo crea.

2. Es tecnología adicional, no un fundamento.

3. Las evaluaciones de desempeño realizadas por científicos de datos tienden a ser ambiguas, por lo cual hay que asegurarse de entender su esencia.

4. Los resultados de los procesos de machine learning no siempre son fáciles de explicar.

Al ser consultado sobre las innovaciones con mayor impacto en la educación, Félix Eroles, director de proyectos en RedVisible.com y autor en Personas que Aprenden, aseguró en una entrevista con America Learning Media, que una de las tecnologías que está explotando y que cada vez veremos con más profusión es el Machine Learning. Luego sostuvo que el aprendizaje estará guiado o conducido por el Adaptative Learning, y que con ayuda de la Inteligencia Artificial, “podemos explorar las capacidades de nuestros alumnos y determinar los ritmos, estilos de aprendizaje, estados emocionales, contenidos… que necesitan en el momento oportuno”. Sin embargo, el experto español puntualizó en que estas grandes cantidades de información, que se requieren para poder el aprendizaje a conductas y patrones individuales, son difíciles de obtener, por lo que es previsible que dichos datos y su tratamiento se inicie por parte de los grandes operadores, como Google, Apple y Microsoft.

En esta línea y en referencia a las tendencias actuales en materia de adaptative e-elearning, José Antonio Omedes, Research & Development Director de iTopTraining, mencionó en una entrevista concedida a America Learning Media en junio de 2016, que en el aprendizaje basado en recomendación el software utiliza técnicas Machine Learning para descubrir, de modo automático, los diferentes perfiles de usuario y sus itinerarios de aprendizaje óptimos a través de los contenidos, de modo que el sistema se realimente no sólo de la experiencia individual de un alumno en un curso, sino de la totalidad de los procesos de aprendizaje que han tenido lugar en la plataforma. “Es un sistema más rico en cuanto a capacidades de detección de tipología y necesidades de alumnos”, puntualizó.

Por su parte, Carlos Biscay, CEO de e-ABC Learning, consideró que la incorporación creciente del Machine Learning, podrá colaborar con las organizaciones en la identificación de necesidades de aprendizaje a partir de un análisis del desempeño y resultados de cada persona.

“En términos de aprendizaje, el machine learning nos permite determinar claramente cuáles son las necesidades educativas de cada persona, de acuerdo a su historial formativo, las responsabilidades de su puesto de trabajo, los nuevos desafíos que tiene por delante su empresa, y a su desempeño laboral, entre otros factores evaluados. Los sistemas de gestión del aprendizaje pueden interactuar autónomamente de una forma más intuitiva y focalizada con los estudiantes, entregando información de máxima relevancia a sus profesores/tutores, y en el ámbito corporativo, a sus superiores”, dijo Biscay.

En tanto, José Luis Salguero, Gerente de AENOA, consideró en una entrevista realizada por este revista, que el machine learning aplicado al aprendizaje o a la formación continua se considera una adaptación de los contenidos a las capacidades de cada alumno-empleado, utilizando entre otras herramientas el histórico de cada participante. “Es otro modo más de diseñar programas de formación personalizados, por ello no lo considero como una gran novedad. Sí existirá un gran impacto en otros aspectos como la formación online interna o corporativa (elearning corporativo), o el microelearning, el uso del Big Data, la gamificación, aplicaciones del marketing digital, o el M-Learning.

Veamos algunas aplicaciones del Machine Learning:

• En la India, Microsoft ayuda a las autoridades educativas a predecir las deserciones escolares, a través de su solución Azure Machine Learning, una herramienta que procesa datos complejos, consistentes en información sobre el desempeño estudiantil, infraestructura escolar y habilidades de los maestros, con el objetivo de encontrar patrones significativos. Más de 10.000 escuelas del estado sureño de Andhra Pradesh utilizan esta solución, permitiéndole al departamento de educación del estado intervenir en el momento adecuado para reducir la cantidad de deserciones.
• Proctorio es una solución cuyo objetivo es garantizar la integridad de los exámenes online. Utiliza el machine learning y el reconocimiento facial para supervisar a los estudiantes durante los exámenes en línea. Según explican, se integra directamente con el LMS. Ya lo utilizan más de 100 instituciones, como Columbia University Harvard University University of Texas (Austin), CA Community Colleges, entre otras.
• Amazon puede predecir las compras de sus clientes aplicando tecnología Machine Learning, que le permite diseñar sistemas automáticos que recomiendan productos a cada usuario, de acuerdo a sus preferencias. Además, el gigante del e-commerce brinda el servicio Amazon Machine Learning, que facilita a desarrolladores de todos los niveles de habilidad el uso de la tecnología de aprendizaje automático, proporcionando asistentes y herramientas de visualización que guían a lo largo del proceso de creación de modelos de aprendizaje automático (machine learning - ML), sin la necesidad ed tener que aprender complicados algoritmos y tecnología específica. También permite obtener predicciones de su aplicación con facilidad, utilizando API sencillas, y sin implementar código de generación de predicciones personalizado, ni administrar infraestructuras.
• El equipo Sequel de Inria Chile, una fundación sin fines de lucro creada por la institución pública francesa Inria (reconocida a nivel internacional por su aporte en I+D aplicada en el mundo digital -desde las ciencias de la computación y las matemáticas aplicadas-), trabaja con científicos de la Carnegie Mellon University (Pittsburg, Estados Unidos) en un equipo mixto llamado Eduband, que investiga cómo el machine learning puede generar y mejorar nuevas herramientas educacionales. En concreto, registra las reacciones de un usuario que está tomando, por ejemplo, un curso de capacitación, y desarrolla un algoritmo que analiza todos los datos y formula recomendaciones para facilitar el proceso de aprendizaje. “La plataforma automáticamente sugerirá ejercicios para enfocarse en temas que el estudiante aún no ha entendido y tratará con mayor rapidez los puntos que el alumno ya domina”, detalla Alessandro Lazaric, líder del proyecto (conocer más sobre la iniciativa).
• En CES 2017 se dio a conocer que en noviembre de 2017 los huéspedes de Carnival Cruises comenzarían a utilizar un medallón, denominado Ocean Medallion, que a través del machine learning, aprenderá sobre las preferencias de un pasajero y le ofrecerá opciones en relación a actividades, eventos y excursiones, a partir del análisis de sus opciones anteriores. Desde la compañía, hablan de un ‘genoma de huésped’, que evoluciona en tiempo real, creando experiencias con inteligencia. El dispositivo también permitirá hacer reservas o pedir una copa de vino desde cualquier lugar de la embarcación, eliminando la necesidad en el barco: identificadores, tarjetas de crédito y tarjetas de crucero.
• Los algoritmos de Netflix permiten hacer sugerencias a los usuarios, basadas en películas que vieron dentro de esta plataforma de entretenimiento.
• Rafa Nadal Academy, una institución de alto rendimiento que combina educación y formación deportiva para jóvenes tenistas, impulsó una convocatoria junto con la plataforma Telefónica Open Future, para identificar proyectos tecnológicos aplicables a la academia. Entre los 162 proyectos recibidos se presentaron iniciativas que permiten preparar sesiones de entrenamiento por medio de inteligencia artificial.