Desde la revolución industrial, el avance de las máquinas y los procesos de automatización pusieron como eje de debate cómo se transformaría la fuerza laboral y cuántas personas perderían sus empleos. Con el surgimiento de la Inteligencia Artificial esta pregunta sigue vigente y se profundiza: ¿Hasta dónde llegará la automatización? ¿Cuántos trabajos dejarán de existir?
En su momento, los trenes diesel-eléctricos reemplazaron a la persona que cargaba el carbón para que las locomotoras pudieran funcionar. Hoy, los nuevos servicios de cloud computing rápidamente van aprendiendo a programar y autocompletan códigos de programación. Estas opciones ya están disponibles en algunos servicios. ¿Desaparecerá con esto el trabajo del programador como desapareció el del fogonero? Lo que es seguro es que se va a transformar. El proceso de innovación no se va a detener. Entonces, queda preguntarnos cómo debe prepararse hoy alguien que quiere ingresar al mundo de los datos.
Leé también: Una inteligencia artificial permite entrenarse para las entrevistas de trabajo
El rol del analista de datos seguramente no va a desaparecer
Las grandes posibilidades del mundo de los datos recién comienzan a despuntar. Pero será imprescindible que el analista no se especialice en tareas que puedan ser automatizadas, sino en el valor que su capacidad de análisis puede aportar. Las tareas y roles del científico de datos van a migrar de escribir siempre el mismo código a la gestión de la solución y la puesta en valor del algoritmo.
Esto es algo que las computadoras difícilmente puedan hacer, y por tanto ahí estará el valor del analista: conocer la casuística de negocio y cómo solucionarla con datos. La automatización no es una desventaja, sino que le libera tiempo para evaluar con mayor detalle los resultados de los modelos, y profundizar en el análisis de la información. Mientras que a la “máquina” le quedará la ardua labor de limpiar los datos, entrenar los modelos y asignar el algoritmo más eficiente.
A esto, se suman nuevos perfiles de apoyo al científico de datos que puedan explicar:
- Dar sentido y valor a los resultados de la máquina.
- Entender dónde y cómo aplicar cada tecnología.
Aunque los algoritmos cada vez se generan de forma más autónoma, siempre deberá existir un humano que pueda colocar, negociar su valor y saber de qué manera poner esta tecnología en el lugar correcto con el fin de resolver un problema, generar un negocio o facilitar las tareas manuales. Esto ya es y seguirá siendo un nicho millonario.
La tendencia de que un humano “supervise mediante los resultados económicos” a los algoritmos no es una idea descabellada, sino una foto de un presente reciente que muestra solo un fotograma de una película que se está filmando a una velocidad vertiginosa.
Una verdad terrible
La tecnología modifica y elimina ciertos trabajos. Pero no debemos adoptar la actitud de los ludistas que por esto se enfrentaban con la tecnología queriendo destruirla. Mejor será tener la inteligencia suficiente para saber cómo prepararnos hoy para el trabajo del mañana.
Las universidades tienen la responsabilidad de generar opciones para anticiparse a las necesidades del mercado y de las tendencias venideras. Es clave que este tipo de propuestas siga replicándose, con diferentes focos, es cierto; pero comprendiendo el poder transformador de las herramientas tecnológicas.
Sin embargo, hay algo que es cierto y no podemos negar: las tecnologías no pueden reemplazar aspectos como la negociación o interacción entre humanos. En definitiva, el valor de las cosas y sus usos los asignan las personas en un contexto. Tampoco pueden dar una interpretación del dato con los conocimientos tácitos que esto implica.
Leé también: El nuevo hito de la inteligencia artificial: entender los chistes humanos
Las tecnologías son la herramienta, pero no el fin. Este último es el componente humano, un aspecto que el mercado laboral ya identifica que necesita. Por eso, quienes trabajen con datos en el futuro deberán entender las herramientas que la tecnología proporciona, pero también tener la capacidad de analizar los resultados y aplicarlos en el campo que se requiera.
(*) Ezequiel Eliano y Leonardo Caravaggio son docentes de la licenciatura en Analítica Empresarial y Social del ITBA.
