Desarrolla tu Fluidez Digital Aprendiendo IA

16/06/2021 64

En un reciente estudio de LinkedIn titulado Workplace Learning Report: Skill Building in the New World of Work ofrece algunos datos claves para la toma de decisiones en el mundo empresarial. Por ejemplo, cerca del 60% de los líderes consideran que adquirir nuevas competencias (upskilling) y reciclarnos profesionalmente (reskilling) son la principal prioridad por encima del liderazgo y el management. La lista de habilidades más importantes por orden de importancia para el año 2021 son:

1) Resiliencia y adaptabilidad

2) Habilidades tecnológicas / fluidez digital

3) Comunicación a través equipos remotos o distribuidos

4)  Inteligencia emocional

5) Colaboración entre funciones

6) Liderar a través del cambio

7) Gestión del cambio

8) Gestionar el estrés/ser más consciente

9) Gestión del tiempo

10) Creatividad

Con relación a la segunda habilidad de la lista, el estudio marca una diferencia entre la fluidez digital y la transformación digital. Este último concepto es el cambio asociado con la aplicación de la tecnología digital en todos los aspectos de la sociedad humana. La transformación digital reestructura todos los aspectos de un negocio.

En otras palabras, es la forma en que las organizaciones utilizan la tecnología, el talento y los procesos para innovar e impactar el rendimiento empresarial. Sin embargo,desde una perspectiva de aprendizaje y desarrollo de los empleados, la transformación digital es un programa de aprendizaje, mientras que tener fluidez digital significa que un alumno tiene las habilidades tecnológicas para operar de manera efectiva en un mundo cada vez más digital.

Incluye todo, desde comprender cómo usar la suite de Microsoft Office hasta utilizar Inteligencia Artificial más avanzada. Estos datos están en concordancia con los publicados en el último informe Artificial Intelligence Index Report 2021 de Stanford University Human-Centered Artificial Intelligence. En dicho estudio se detallan los rendimientos tecnológicos más relevantes de la IA en cinco áreas, de forma que podamos entender en que formarnos:

La primera analiza cómo absolutamente todo es generativo. Los sistemas de IA ahora pueden componer texto, audio e imágenes de un nivel tan elevado que los humanos están empezando a tener problemas para diferenciar lo artificial de lo natural. Estos desarrollos abren una enorme gama de aplicaciones de la Inteligencia Artificial pero también están provocando que los investigadores inviertan en tecnologías para detectar modelos generativos y DeepFakes.

Los humanos están empezando a tener problemas para diferenciar lo artificial de lo natural.

La segunda está relacionada con la industrialización de la visión por computadora. La visión por computadora ha experimentado un progreso inmenso en la última década, principalmente debido al uso de técnicas de Aprendizaje Automático. Las empresas están invirtiendo cantidades cada vez mayores de recursos computacionales para entrenar sistemas de visión por computadora a un ritmo más rápido que nunca. Mientras tanto, las tecnologías para su uso en sistemas implementados, como los marcos de detección de objetos para el análisis de fotogramas fijos de videos, están madurando rápidamente, lo que indica un mayor despliegue de IA.

La tercera estudia cómo el procesamiento del lenguaje natural (PNL) está superando sus métricas de evaluación. Se están desarrollando sistemas de Inteligencia Artificial con capacidades lingüísticas mejoradas que han comenzado a tener un impacto económico significativo en el mundo. El progreso en la PNL está siendo exponencial y ha comenzado a superar los puntos de referencia actuales. Esto se puede apreciar en la aparición de sistemas que obtienen un rendimiento a nivel humano en SuperGLUE, una suite de evaluación de PNL desarrollada en respuesta al progreso anterior de PNL que sobrepasa las capacidades evaluadas por GLUE.

La cuarta revisa los nuevos análisis sobre el razonamiento. Los nuevos análisis desarrollados para el Índice de IA ofrecen métricas que permiten un punto de referencia en evolución y la atribución a sistemas individuales de crédito por una parte del rendimiento general de un grupo de sistemas a lo largo del tiempo. Estos se aplican a dos problemas de razonamiento simbólico, la demostración automatizada de teoremas y la satisfacción de fórmulas booleanas.

Se están desarrollando sistemas de IA con capacidades lingüísticas mejoradas que han comenzado a tener un impacto económico significativo en el mundo.

La quinta argumenta que el aprendizaje automático está revolucionando la atención médica y la biología. El panorama de las industrias de la salud y la biología ha evolucionado sustancialmente con la adopción del Aprendizaje Automático. Por ejemplo, PostEra, una startup de IA, utilizó técnicas basadas en Machine Learning para acelerar el descubrimiento de fármacos relacionados con la COVID durante la pandemia. Otro caso que ya mencionamos en este blog fue cómo la empresa Sherpa.ai diseñó para el Servicio Vasco de Salud (Osakidetza) una aplicación que permitía anticipar la evolución de Covid-19 en Euskadi.

El estudio de Stanford destaca cómo las mejores universidades del mundo han aumentado su inversión en educación sobre IA en los últimos cuatro años. El número de cursos que enseñan a los estudiantes las habilidades necesarias para construir o implementar un modelo práctico de IA en los niveles de pregrado y posgrado ha aumentado en un 102,9% y un 41,7%, respectivamente, en los últimos cuatro años académicos. En los últimos 10 años, los doctorados relacionados con la Inteligencia Artificial han pasado del 14,2% en Estados Unidos, a cerca del 23% a partir de 2019.