mié. Ago 19th, 2026

inteligencia artificial

La IA podría robar más de 80 millones de empleos en los próximos cinco años

By Redacción Economis 3 años ago
Compartí esta noticia !

El Foro Económico Mundial ha señalado recientemente que la inteligencia artificial generativa podría sustituir 83 millones de puestos de trabajo en los próximos cinco años en sectores amenazados como la tecnología y la educación.

Según un reciente informe de McKinsey, los trabajadores con sueldos altos que desempeñan funciones administrativas centradas en la toma de decisiones y la colaboración podrían ser los más amenazados, pero la IA podría mejorar sus puestos de trabajo si aprenden a utilizarla y redoblan sus esfuerzos en habilidades que la IA no puede replicar tan fácilmente.

Business Insider ha hablado con un vicepresidente de una plataforma de datos e IA, un experto en contratación de LinkedIn y un emprendedor sobre tres estrategias para mejorar las habilidades de tu carrera a prueba de IA.

Desarrolla tus habilidades interpersonales

Los chatbots de IA como ChatGPT tratan de imitar a los humanos con el texto que generan, pero en una encuesta de LinkedIn realizada a ejecutivos estadounidenses en junio, el 92% de los encuestados afirmó que las habilidades interpersonales son “más importantes que nunca”.

Karin Kimbrough, economista jefe de LinkedIn, explica a Business Insider que esas habilidades, como “la gestión, la comunicación, el servicio al cliente, el liderazgo y el trabajo en equipo”, son más importantes para los líderes de las empresas que las habilidades de IA.

La economista pronostica que estas habilidades seguirán siendo “demandadas” frente a la IA y el teletrabajo porque “pueden adquirirse a partir de experiencias vitales” y son transferibles entre sectores.

“Con el aumento del trabajo remoto e híbrido, y ahora la IA, la necesidad de conexión humana y de habilidades interpersonales se ha vuelto más importante que nunca, ya que las empresas buscan talentos que puedan dar un paso adelante y gestionar equipos, independientemente de su entorno”, asegura.

Profundiza tus conocimientos fuera de tu área de especialización

Los chatbots de IA tienen acceso a un gran volumen de información, y para un cerebro humano puede resultar difícil competir.

Junta Nakai, vicepresidente global de Databricks, una plataforma de datos e IA, comentó en octubre a Business Insider que “las carreras profesionales de éxito no se definirán por una única habilidad dura” y que los trabajadores deberían centrarse en mejorar sus “habilidades blandas para adaptarse y reinventarse”.

Nakai sugiere a los trabajadores que profundicen sus conocimientos fuera de su especialidad.

“Toma clases que tus compañeros no estén cursando y lee libros que tus competidores no estén leyendo”, afirma Nakai. “Para una persona muy técnica, esto podría significar hacer algo incómodo como realizar un curso online sobre la historia del arte renacentista”.

Y añade que las trayectorias profesionales de los trabajadores se volverán cada vez más desafiantes y complicadas.

“Muchos baches, giros y bifurcaciones que experimentes mientras navegas por tu carrera serán cada vez más pronunciados y afilados”, escribe. “No extrapoles el éxito pasado. Prepara tu mente para ver constantemente las cosas desde nuevas perspectivas”.

Aprende a escribir buenas instrucciones para los chatbots de IA

Aprender a escribir prompts eficaces es crucial para sacar el máximo partido a los chatbots, que pueden ayudar con tareas mundanas y liberar tiempo para otras.

Jacqueline DeStefano-Tangorra, fundadora de la consultora Omni Business Intelligence Solutions, explica a Business Insider que utiliza ChatGPT para generar material de marketing para LinkedIn y Upwork y para redactar propuestas, lo que le ha dejado más tiempo para centrarse en captar nuevos clientes.

En mayo, afirmó que el impacto financiero de integrar la IA fue “tremendo”. Entre diciembre de 2021 y marzo de 2022 registró unos ingresos de 71.000 dólares. En el mismo periodo de tiempo, un año después, consiguió contratos por valor de 128.000 dólares, lo que supone un aumento del 80% en los ingresos, al tiempo que ahorraba tiempo y dinero con ChatGPT.

DeStefano-Tangorra remarca que aprender a ser un “buen prompter” fue clave para generar respuestas útiles de los chatbots.

“Si realmente quieres generar algo que te resulte útil, tienes que hacer algo más que escribir una frase genérica”, afirma.

DeStefano-Tangorra señala que los usuarios deben utilizar “una redacción precisa y un lenguaje conciso”.

Compartí esta noticia !

Crece la confianza de las empresas en el uso de herramientas de Inteligencia Artificial generativa: casi el 40% avala su uso responsable

By Economis Redacción 3 años ago
Compartí esta noticia !

PwC publicó los resultados de su encuesta global Tecnologías Emergentes 2023. El estudio Pulse Survey de agosto 2023 demuestra que la tecnología encabeza ampliamente las agendas estratégicas en el corto plazo; de hecho, el 59% de los ejecutivos declaró que sus empresas planean invertir en tecnologías nuevas dentro de los próximos 18 meses y un 46% planifica lo mismo respecto de la IA generativa. También se pudo ver que a los ejecutivos les preocupa no retrasarse cuando se trata de adoptar innovaciones. 

El estudio ofrece una inmersión más profunda en lo que revelan las respuestas a la encuesta sobre confianza y tecnologías emergentes: qué beneficios se espera obtener en cuanto a confianza y qué medidas se están tomando, así como ciertas vulnerabilidades que aún no han sido abordadas.

En cuanto a los datos sobre confianza, se puede comprobar que los ejecutivos de negocios y tecnología están tranquilos con respecto a las tecnologías emergentes, ya que el 93% de los encuestados concuerda en que están ayudando a generar confianza entre las partes de interés. Una cantidad aún mayor espera que esa confianza aumente en los próximos 12 meses. Pero también la mayoría reconoce que están implementando pocas (o ninguna) de las acciones necesarias para garantizar la seguridad en su uso. Cabe destacar, en ese sentido, que existen medidas generalizadas para fomentar la confianza en las tecnologías emergentes que pueden contribuir a abordar potenciales problemas en temas de gestión de riesgos, cumplimiento, desempeño, impacto en el personal y retorno sobre la inversión, entre otros. Sin embargo, las empresas que las están implementando son menos de la mitad.

El 47% de los encuestados piensa que las tecnologías emergentes ya están logrando mayor confianza de las partes de interés. Un 37% opina lo mismo de IA generativa, específicamente. Las expectativas con respecto a este valor de aquí a 12 meses son aún más altas.

Al respecto, Mariana Melbardis, socia de PwC Argentina de la práctica de Digital Advisory, afirma que “Para ganar esta confiabilidad, muchas empresas necesitarán más acciones. Por ejemplo, la gobernabilidad de datos actual podría no ser capaz de estar a la par de los dispositivos con IoT integrada en toda la extensión de las operaciones. A su vez, la IA generativa se presenta como fácil de usar, en especial cuando tiene una interfaz basada en un chat, pero es fundamental contar con adecuadas herramientas de control, políticas de uso, supervisión y capacitación para confiar en los resultados que entrega”.

Finalmente, el estudio propone 5 ideas, con un enfoque tecnológico de liderazgo humano como base, para generar confianza en las tecnologías emergentes:

  1. Convocar a las personas apropiadas, identificando las partes de interés internas adecuadas para generar una alineación de las prioridades y asignar roles y responsabilidades claras.
  2. Hacer que las tecnologías emergentes se integren con la estrategia y valores de la empresa.
  3. Concentrarse en los resultados. Los datos cuantitativos y mediciones cualitativas pueden ayudar a monitorear los avances en la generación de confianza.
  4. Estar preparados para imprevistos.
  5. Implementar IA responsable. Responsible AI es un conjunto de herramientas diseñadas para asistir a las organizaciones en el uso efectivo y ético de IA.

Puede acceder al informe en el siguiente link.

Compartí esta noticia !

¿Cómo evitar un caos en un almacén de distribución, con IA?

By Economis Redacción 3 años ago
Compartí esta noticia !

La optimización de almacenes es esencial para cualquier negocio. No solo es fundamental contar con un proceso ágil y transparente para satisfacer la creciente demanda de los consumidores, sino que también reduce costos: el almacenamiento representa el 15% de los costos operativos. La optimización de almacenes siempre ha sido un punto de interés para las empresas, y ahora con el avance de la Inteligencia Artificial, se potencian las posibilidades de maximización.

Esto se debe a que se dan las condiciones necesarias tanto para el diseño como para la implantación de sistemas de control de almacenes dinámicos, integrales y artificialmente inteligentes. Estas condiciones son dos: la disponibilidad de grandes cantidades de datos, registrados por los sistemas de gestión de almacenes; y el acceso a potentes arquitecturas informáticas basadas en la nube, que permiten la inferencia en línea y la solución casi instantánea de problemas complejos.

Según Infor, líder global de software empresarial en la nube especializado por industria, basado en cifras de sus clientes, “para atender los pedidos a través de plataformas de comercio electrónico, los operarios del almacén usan listas de picking (preparación del pedido), proceso que representa entre el 50% y el 70% de los costos operativos y, si se dirige a las ubicaciones correctas, supone el 55% del tiempo que los operarios dedican a realizar este proceso”.

Según los datos del estudio Mid Term 2023 según el CACE (Cámara Argentina de Comercio Electrónico), la industria de los negocios digitales del país facturó $2.459.030 millones, lo que significa un significante aumento del 125% con respecto al mismo período del año anterior. Y este panorama no es sólo local: la firma Pay Retailers asegura que el comercio electrónico en Latinoamérica cuenta con más de 300 millones de compradores digitales, lo que implicará un crecimiento del 20% entre 2023 y 2027.

Este panorama, sumado a las necesidades de un consumidor que demanda más eficiencia y agilidad, ha llevado a que los responsables de almacén inviertan en soluciones tecnológicas cada vez más eficientes. Y uno de los principales retos es mejorar el rendimiento de la selección de productos de un almacén, lo que se conoce como picking.

El sistema de gestión de almacenes (SGA) como medio de transformación IA/ML/DL

Los proveedores de soluciones de SGA ofrecen servicios de software que incluyen planificación de recursos empresariales, gestión de inventarios y programación de tareas, brindando un mayor control a los operarios de almacén. Además, integran máquinas de almacenamiento y sistemas de recogida automáticos en la cinta transportadora. “Para mantener su competitividad en un entorno cada vez más desafiante, los proveedores de SGA deben incorporar tecnologías y procesos, como la IA, en la gestión de almacenes”, comenta Belluomo.

Políticas de almacenamiento: aleatorio/caótico vs. dedicado/slotting

Las políticas de almacenamiento son esenciales en los procesos operativos y pueden beneficiarse de soluciones basadas en IA y ML. Estas políticas determinan cómo se almacenan los productos entrantes, equilibrando la eficiencia espacial e intentando reducir la distancia de desplazamiento del operario. Los dos enfoques principales de almacenamiento son los siguientes:

Aleatorio / caótico: las mercancías entrantes se almacenan en la ubicación disponible más cercana. Su punto negativo, es que puede significar que los operarios tengan que desplazarse largas distancias.

Dedicado / slotting: las mercancías se almacenan en ubicaciones concretas. El problema de este tipo de almacenamiento es que el espacio del almacén puede desaprovecharse.

Así funciona IA en almacenes

Los algoritmos de Inteligencia Artificial utilizan reglas de asociación de datos para crear políticas de asignación dinámica de espacios, en donde el algoritmo intenta “adivinar” los pedidos futuros, basándose en los pedidos históricos. Esta estrategia aprovecha al máximo el espacio y reduce la distancia de desplazamiento del personal, siendo especialmente útil en entornos con fluctuaciones estacionales de pedidos.

El slotting o almacenamiento dedicado, es eficaz cuando los pedidos son predecibles. Sin embargo, en contextos en los que los pedidos son menos predecibles, es preferible el almacenamiento caótico. Esto ocurre seguido en las empresas que prestan servicios de comercio electrónico.

Existen varios casos de uso público que ayudan a comprender los beneficios que estas tecnologías aportan a la gestión de almacenes. Uno de los casos más emblemáticos es el de Amazon, que utiliza IA y ML para automatizar la preparación de pedidos en sus almacenes. Los sistemas de IA son capaces de identificar los productos correctos y colocarlos en los envases correctos con una precisión del 99,9%. Otra empresa que ha adoptado la tecnología es la cadena Walmart. Utilizan IA y ML para predecir la demanda de productos. Los sistemas de IA son capaces de predecir las ventas con una precisión del 95%, lo que les ayuda a planificar la cantidad correcta de inventario.

“Adoptar estas herramientas de la forma correcta puede aportar valor a corto plazo, pero es necesario encontrar a los socios adecuados que ofrezcan un verdadero Data as a Service (DaaS). Esto significa encontrar aquellas empresas que no sólo impulsan una biblioteca de casos de uso, sino que realmente apoyan en la selección de las mejores opciones a medida y su implementación. El futuro seguramente se construirá con Inteligencia Artificial, aportando más eficiencia y productividad en toda la gestión de almacenes. Sólo queda abrir la mente a esta posibilidad.”, concluye Belluomo de Infor.

Compartí esta noticia !

El 80% de los proyectos de IA fallan y el motivo no está en la tecnología

By Redacción Economis 3 años ago
Compartí esta noticia !

Se tiene estimado que para 2026, más del 80% de las empresas habrán utilizado interfaces o modelos de programación de aplicaciones de Inteligencia Artificial Generativa, ya que se ha convertido en una de las principales prioridades de alta dirección y ha provocado una enorme innovación en nuevas herramientas más allá de los modelos básicos, de acuerdo con Gartner. Sin embargo, el mayor desafío está en la calidad de los datos que alimentan la IA para el futuro.

”La IA ciertamente ha estado llegando a los titulares en 2023. Hay una multitud de opiniones alrededor de las ventajas y desventajas, pero una cosa es cierta: la IA sólo es tan buena como la calidad de los datos que alimentan la tecnología,” señala Ruben Belluomo, Gerente Comercial de Infor Cono Sur.

Un estudio de 2022, hecho en Brasil por la asociación global GS1, con más de 2,000 empresas, ha señalado que apenas un 9% de la industria ha adoptado soluciones de inteligencia artificial. Un gran salto de los 4%, en 2021, pero un desarrollo aún bastante lento. La cantidad de empresas que está evaluando la posibilidad de adoptar la IA Generativa crece a cada día, pero el avance no se dá de manera más acelerada por tres motivos: la gestión de datos en las empresas, el contexto macroeconómico que exige resultados a corto plazo y el desconocimiento de posibles beneficios y ventajas operativas en la adopción de esta tecnología.

“Según estudios, la adopción de la IA Generativa puede aumentar en 6% los ingresos de la empresa y en las compañías que deciden hacer un all-in en IA, puede representar hasta un 20% del EBITDA. Es una ventaja tremenda, pero hay que hacer lo básico, que es preparar la data para que la IA sea eficiente”, añade Belluomo.

Lo que se nota en el contexto empresarial es que el tema ‘transformación digital’ ha migrado del área de TI a la mesa de los CEOs y ocupa un puesto de mayor destaque en las decisiones corporativas. No es casualidad que la expectativa del IDC es que el sector de software empresarial alcance los USD$80 mil millones en 2023, un crecimiento de 5% en comparación con el año pasado.

El Gerente Comercial de Infor destaca que uno de los grandes desafíos es tangibilizar los distintos beneficios de adoptar la IA Generativa. “Desde Infor, queremos apoyar a las empresas a prepararse para el futuro con la IA como una herramienta de mejora operacional. Para ello, hay que adoptar soluciones en la nube que permitan una organización e integración de los datos por toda la organización.”

Otros desafíos permean la adopción de la IA Generativa

Ruben Belluomo afirma que el ritmo de cambio en el mundo de GenAI es rápido y las organizacione de s que no respondan a tiempo pueden quedarse atrás. Idealmente, las empresas deberían adoptar esta poderosa tecnología en lugar de rechazarla. Pero eso definitivamente no significa que la talla única sirve para todos cuando se trata de modelos GenAI y ciertamente hay una serie de desafíos que deben abordarse antes de que los modelos GenAI puedan obtener una adopción generalizada en entornos empresariales. En este contexto describe:

  1. Primero, está el tema de la confiabilidad. Si bien el contenido generado a partir de un modelo de lenguaje grande parece original, en realidad imita un patrón basado en un conjunto de datos de entrenamiento similar al que ha estado expuesto.
  2. En segundo lugar, tenemos problemas de privacidad. Los datos y las condiciones de entrada que comparten los usuarios se utilizan para entrenar el modelo más grande.
  3. Luego está el tema del sesgo. La calidad de los datos es importante a la hora de aplicar técnicas analíticas o de Inteligencia Artificial, porque los resultados de estas soluciones serán tan buenos o malos como la calidad de los datos utilizados. El hecho de introducir datos erróneos o sesgados conlleva riesgos. Los algoritmos que alimentan los sistemas basados en IA sólo pueden asumir que los datos a analizar son fiables, así que en caso de que sean erróneos, los resultados serán engañosos y el proceso de toma de decisiones se verá comprometido. Además, el tiempo y los recursos utilizados para realizar el análisis de datos habrá resultado inútil, lo que conlleva gastos.

Belluomo menciona que a pesar de los desafíos, las empresas que adoptan la IA de manera correcta pueden cosechar ventajas sustanciales. “Tenemos casos de clientes en el que, con el apoyo de nuestra solución de IA, el tiempo de procesamiento de pedidos se ha reducido en un 30% y el ahorro con distribución ha llegado a la cifra de US $1,5 millón de dólares anuales”.

Por último, en términos de cómo evolucionará la IA generativa en los próximos cinco a diez años, las inversiones en la tecnología aumentarán enormemente, tanto en términos de generación de mejores modelos como en el espacio de hardware, con chips más rápidos y potentes y la necesidad de más anchos de banda de red, precisa el directivo de Infor.

Compartí esta noticia !

Inteligencia vs astucia ¿Qué nos hace humanos?

By Camilo Furlan 3 años ago
Compartí esta noticia !

Alan Mathison Turing fue un matemático y lógico contemporáneo a la segunda guerra mundial, su participación en los trabajos de decodificación de mensajes encriptados por el Tercer Reich fue fundamental para ganar la guerra por parte de los aliados, aunque esto no lo sabríamos si no 50 años más tarde. Por otra parte, Turing es considerado como uno de los padres de la computación y la inteligencia artificial, ya que sus máquinas “no sólo resolvían ecuaciones” matemáticas, más bien razonaban por sí mismas para determinar cual era más eficiente de resolver el problema. Esto lo convierte en el pionero más importante de lo que hoy conocemos como razonamiento artificial o machine learning. 

El principio usado por Turing para el desarrollo de sus máquinas autómatas se basaba en la siguiente afirmación: “El razonamiento matemático puede considerarse esquemáticamente como el ejercicio de combinación de dos factores, que podríamos llamar intuición e ingenio”. Estos factores son los pilares de lo que hoy llamamos Inteligencia Artificial, porque usa conceptos (no lineales) para resolver los problemas, es decir, aprende del problema a resolver y se centra estrictamente en hallar la manera más eficiente de rodear el asunto de forma “astuta”, evadiendo obstáculos y sorprendiéndonos por su parecido al aprendizaje humano.

Turing, a lo largo de toda su carrera, hizo un particular énfasis en la capacidad humana de poder diferenciar a otro humano de una máquina. Es por ello que creo lo que hoy conocemos como “El test de Turing”, en el que un humano intercambia mensajes con un individuo detrás de una pared hipotética, posteriormente teniendo que adivinar si está hablando con un humano o con una máquina. Este énfasis se debía a la postura meramente “materialista” de la inteligencia por parte de Alan, es decir, a la interpretación de la inteligencia humana como la suma de complejas ecuaciones matemáticas (en algún punto replicables). Descartando cualquier postura que considere a la conciencia como un factor metafísico, mágico o bien más allá de los límites alcanzables por la ciencia. Por eso se consideraba ateo y desarrolló el siguiente concepto: “La ciencia es una ecuación diferencial, la religión es una condición de frontera”. De esta manera, Turing jamás descarta la existencia de lo “sobrenatural”, si no que creía que primero deberíamos de comprender hasta la mayor profundidad el razonamiento meramente lógico, para posteriormente (o no) embarcarnos en esa dirección. 

Esto nos lleva a la interpretación quizás más importante de la inteligencia por parte del matemático. En un punto determinado de la historia, la humanidad no será capaz de discernir la diferencia entre un humano y una máquina, lo que nos dejará entre la espada y la pared con respecto a la pregunta ¿Qué nos hace humanos? ¿Acaso no somos más que un montón de sintaxis y sumatorias que desencadenan respuestas frecuentemente predecibles? O, en aquel punto ¿En que podríamos sostenernos para afirmar que las máquinas carecen de conciencia?

Otra línea de pensamiento nos lleva a plantear que el momento “x” en el que no seamos capaces de diferenciar un chatbot de una persona será inalcanzable, ya que los procesadores no tienen la capacidad de computar tantos datos como si la tiene un humano. Nuestra capacidad de abstracción (Imaginación) es equivalente a la memoria RAM de las computadoras, un cerebro promedio tiene no menos de 2,5 Petabytes de “RAM”, (2,5 millones de Gigabytes). Mientras que una computadora promedio tiene entre 4 y 8 Gigabytes solamente. Además, un algoritmo de computadora jamás será capaz de vivir el cotidiano humano promedio, bañado de conversaciones, chistes sarcásticos, traumas, “emociones” (Sintaxis matemática cerebral alterada por la segregación de químicos en el organismo). 

Entonces ¿Qué es la inteligencia artificial?

Como bien lo planteaba Turing, una computadora jamás será capaz de emular un cerebro humano en toda su complejidad y magnificencia, lo que sí puede hacer es volverse extremadamente eficiente en convencernos de que si puede. Esta es la matriz del desarrollo actual de la mal llamada I.A, es decir, no somos capaces de generar el nivel de conciencia que podemos llegar a alcanzar los humanos, pero la capacidad de resolver problemas por parte de una I.A es una manera elegante de ocultar algo más simple, la astucia. 

Llevándonos de esta manera a construir el postulado de inteligencia sustentado sobre la base de la mera capacidad de persuasión y no de razonamiento. Mediante esto podríamos decir que más allá del trasfondo científico que subyace la verdadera razón del intelecto o la conciencia humana, el concepto más eficaz para describir que es la inteligencia refiere a la capacidad del comunicador de convencer al comunicado sobre su nivel de inteligencia. Es decir, somos tan inteligentes como seamos capaces de demostrar.

Las implicancias de esa afirmación hacen peligrar la estructura misma del mundo moderno, sustentado por medios de comunicación masivos e instantáneos. En el que convencer a la mayor cantidad de personas de ser capaz de revertir el cambio climático o eliminar el hambre del mundo, se vuelve tan fácil como publicar un meme de vez en cuando. En la era de la inteligencia artificial, la computación cuántica y la fibra óptica, nos enorgullecemos de poder engañar con mayor eficiencia que antes. Quizás no merezcamos desenmarañar el misterio detrás de la conciencia humana, siendo que teniendo la posibilidad de hacerlo justo frente a nuestras narices, decidimos usar la I.A para hacer tiktoks virales y engañar al profesor de literatura más fácilmente.

Compartí esta noticia !

Categorías

Solverwp- WordPress Theme and Plugin