Pensando en Sistemas

En el Universo todo son sistemas y lo normal es que estos funcionen porque llegan a una especie de equilibrio, al menos si la vida existe y sobre esa vida se ha llegado a desarrollar inteligencia es porque existe un equilibrio.

• El equilibrio en el Sistema Solar permite que los planetas giren alrededor del Sol sin chocarse unos con otros y sin precipitarse sobre la estrella que proporciona la energía necesaria para que al menos en la Tierra pueda haber vida.
• El equilibro del planeta Tierra con la Luna determina el funcionamiento de las mareas y esto a su vez genera un equilibrio con los vientos en la atmósfera, lo cual determina muchos aspectos en el clima que también influyen en la vida.
• El ahora nuevamente famoso núcleo terrestre incluso tiene una influencia importante en el desarrollo de la vida terrestre gracias al efecto de apantallamiento magnético que nos protege de las radiaciones procedentes del espacio.
• El equilibro en los ecosistemas terrestres es aún más palpable en nuestra vida y está muy bien representado por la cadena trófica, donde los cambios que se producen en alguna de las especies que habitan la tierra puede afectar a las demás.
• También el equilibrio existente en el interior y exterior de los seres vivos con las bacterias que lo pueblan es tremendamente relevante para nosotros, hasta el punto que sin ellas no podríamos vivir, ni quizás tampoco ser inteligentes.
• Finalmente llegamos al equilibro entre la inteligencia humana y la Inteligencia Artificial, que tras millones de años de evolución de la vida es justo el momento en el que nos encontramos ahora y nos hace visualizar un escenario en el que ya existe una Super Inteligencia Artificial o Inteligencia Artificial General si consideramos la combinación del humano y la máquina como un sistema que se retroalimenta. No necesitamos llegar a tener una inteligencia artificial que sea 100% autónoma, lo mejor que puede ocurrir en estos momentos es que lo artificial sea parte de un sistema que trabaja en colaboración con las personas.

Y así es como hemos llegado de nuevo al tema de la Inteligencia Artificial que es a lo que vamos a dedicar este artículo, porque todo lo que está pasando en los últimos meses con las GenAI lo merece y desde Futurizable queremos contribuir a que sea cada vez más conocido y utilizado entre los que cada domingo leéis esta newsletter.

Un recorrido por la historia reciente de las Redes Neuronales

Entender lo que está ocurriendo con la Inteligencia Artificial merece dedicarle algo de tiempo a aprender cómo hemos llegado hasta aquí y cuáles son las principales tecnologías que hacen posible que ahora estemos hablando con ChatGPT como si fuera un humano que nos acompaña en nuestro día a día, para ayudarnos con nuestras actividades habituales, ya sea cuando estamos trabajando, cuando estamos aprendiendo, y sobre todo cuando estamos haciendo ambas cosas a la vez.

Sin tener que remontarnos a la época de Alan Turing y las primeras computadoras, cuando ya se comenzó a hablar de Inteligencia Artificial, es interesante pensar que desde ese momento ya estaba previsto que la tecnología fuera poco a poco replicando las capacidades humanas que solemos asociar con la inteligencia, como son la capacidad de hablar, leer, escribir, reconocer imágenes, resolver problemas matemáticos, jugar a juegos como el ajedrez y sobre todo aprender.

De esta forma los desarrollos en Inteligencia Artificial han seguido durante mucho tiempo dos caminos diferentes, por un lado los sistemas expertos donde se desarrollaban diferentes herramientas de software que estaban programadas para replicar las habilidades humanas pero a base de fuerza bruta, ya que la máquina no se cansa y tiene todo el tiempo del mundo para hacer los cálculos necesarios para replicar de manera matemática lo que un humano hace, por ejemplo cuando juega a las damas, que es uno de los primeros juegos donde se puso a prueba esta tecnología en la década de los 50.

Desde entonces hemos vivido diferentes periodos de auge y caída de las expectativas al respecto de las posibilidades que podría ofrecernos la Inteligencia Artificial, lo cual no ha hecho que en todo este tiempo los científicos declinaran en su afán por avanzar en el desarrollo de esta tecnología, como queda de manifiesto en la siguiente cronografía que debería servirnos para hacernos una idea de dónde estamos y cómo hemos llegado hasta aquí.

• Las primeras redes neuronales artificiales fueron desarrolladas en 1943 por el neurofisiólogo Warren McCulloch y el matemático Walter Pitts. Sin esta invención sería imposible haber experimentado el gran avance de la Inteligencia Artificial en los últimos años, gracias a la genialidad de replicar la inteligencia a través de sus elementos fundacionales, las neuronas.
• La neuronal artificial perceptrón desarrollado en 1957 por Frank Rosenblatt fue otro de los pilares fundamentales de esta tecnología y ofrecía la utilidad de resolver problemas de clasificación binaria, determinando si un objeto dado pertenecía a una de dos categorías.
• El siguiente paso era conectar las neuronas artificiales entre sí, porque esto es lo que se considera como base para la inteligencia, no solo que tengamos neuronas sino como estás se conectan e interactúan formando un sistema, lo cual es la razón por la que hablamos de redes neuronales y no solo de neuronas. Y esto sucedió en la década de los 60 gracias a Georgiy Ivakhnenko y Vladimir Lapa con el desarrollo de redes neuronales que realizaban tareas como la identificación de sistemas y la predicción de series temporales. Estas redes neuronales se caracterizaban por su capacidad para realizar ajustes finos y por su estructura en cascada, lo que permitía que la información fluyera de una capa a otra; también por su capacidad para aprender a partir de datos y para generalizar a nuevos datos.
• Y así es como llegamos al aprendizaje automático, o machine learning, que como os podéis imaginar es en lo que se basa todo lo que ha venido después y que ahora denominamos como deep learning, como una representación de que si las máquinas aprenden es gracias a la estructura de capas de redes neuronales apiladas unas sobre otras.
• Después tuvieron que pasar un par de décadas (el invierno de la Inteligencia Artificial), en concreto llegar a los años 80 y 90 para que se produjera un nuevo gran avance en esta tecnología, con la invención de las redes neuronales convolucionales, propuestas por Kunihiko Fukushima en 1980 a través del concepto de Neocognitron, que ​más tarde fue mejorado por Yann LeCun en 1998​ al introducir un método de aprendizaje basado en la propagación hacia atrás para poder entrenar el sistema correctamente.
• Este diseño de redes neuronales convolucionales fue refinado en 2012 por Dan Ciresan y en este momento es cuando se produce el gran punto de inflexión en esta tecnología, gracias a su utilidad para el procesamiento de imágenes. Precisamente en 2012 esta arquitectura de redes neuronales logró una gran notoriedad por usarse para vencer en la competición ImageNet organizada por las universidades Stanford y Princeton, para fomentar el desarrollo de los sistemas de clasificación de imágenes basados en Inteligencia Artificial.
• También en 2012 Geoffrey Hinton y George Dahl, usaron redes neuronales profundas para ganar una competencia organizada por Merck en la plataforma Kaggle, que era utilizada por una gran cantidad de científicos de datos y expertos en Inteligencia Artificial para poner a prueba sus modelos de aprendizaje automático.
• En paralelo al desarrollo de las redes neuronales convolucionales encontramos las redes neuronales recurrentes que se basan en el trabajo de David Rumelhart en 1986. Estas se utilizan para procesar secuencias de datos, como texto, audio o vídeo, es decir, para el procesamiento del lenguaje natural. En lugar de procesar cada entrada independientemente, mantienen un estado oculto que se actualiza a medida que se procesan las entradas sucesivas en la secuencia, lo cual les permite tener en cuenta la información anterior y procesar la secuencia completa para producir una salida.
• Fue en 2014 donde vimos como todo comenzaba a acelerarse y donde nos encontramos con las redes neuronales generativas antagónicas, las famosas GANs, desarrolladas por Ian Goodfellow. Estas redes están formadas por dos partes, un generador y un discriminador, donde a través de un proceso iterativo, el generador aprende a crear datos cada vez más convincentes y el discriminador aprende a ser más efectivo en la detección de datos falsos, lo cual ha tenido un recorrido enorme en los últimos años para la generación de imágenes.
• En 2015 Google libera Tensor Flow, la librería de software gratuita y de código abierto para el aprendizaje automático y la inteligencia artificial, que puede ser usada en una variedad de tareas, pero que tiene un enfoque particular en el entrenamiento y la inferencia de redes neuronales profundas. A raíz de esta iniciativa multitud de personas se lanzan a la aventura de aprender sobre Inteligencia Artificial lo cual acelera considerablemente el desarrollo de esta tecnología.
• Y entonces llegó el año 2016 donde la Inteligencia Artificial ocupó todas las portadas gracias al desarrollo de AlphaGo por parte de DeepMind, al ganar al campeón del mundo del juego de mesa de Go, gracias a un desarrollo en el que confluían tecnologías de aprendizaje automático combinadas con un de árbol del decisión del tipo búsqueda Monte Carlo. Llegados a este punto vale la pena mencionar que en aprendizaje automático a demás de las redes neuronales artificiales tenemos otros algoritmos como son los árboles de decisiones, las reglas de asociación, los algoritmos genéticos, las máquinas de vectores de soporte, los algoritmos de agrupamiento y las redes bayesianas.
• Finalmente vamos a detenernos en este viaje en el año 2017 con la publicación del paper Attention Is All You Need donde se presentan los transformers como un nuevo tipo de red neuronal que viene a mejorar a las convolucionales y a las recurrentes, proponiendo una estructura secuencial que procesa la información en forma de secuencia, como ocurre en una frase o un documento, en lugar de procesar la información en una estructura de grid, como en una red neuronal convencional. Para ello se utiliza el concepto de atención, que permite a la red considerar la importancia de diferentes partes de la secuencia al realizar tareas como la traducción automática o la clasificación de texto. La atención permite a la red aprender a enfocarse en las partes relevantes de la secuencia y desechar aquellas que no son importantes.

Nomenclatura para entender el funcionamiento de las redes neuronales

Para sacar provecho de la Inteligencia Artificial Generativa no es necesario conocer en profundidad el funcionamiento del Deep Learning ni de las redes neuronales que lo soportan, pero como muchas veces al hablar de esta tecnología se menciona el tipo de red neuronal en el que está basado y alguna característica específica de su arquitectura, puede ser interesante conocer algunos de los términos más habituales.

• Neuronas artificiales: son las unidades básicas de una red neuronal y se encargan de procesar y transmitir la información.
• Entrada: son las características o variables que se utilizan como entrada de información en la red neuronal.
• Capas: una red neuronal puede estar compuesta por una o más capas de neuronas. Las capas de entrada contienen las neuronas que reciben las señales de entrada, mientras que las capas intermedias, también llamadas ocultas, y la capa de salida contienen las neuronas que procesan y generan la señal de salida.
• Pesos: cada entrada de una neurona está asociada a un peso que controla la influencia de esa entrada en la salida de la neurona. Los pesos se ajustan durante el proceso de aprendizaje de la red neuronal.
• Sesgos: son parámetros adicionales que se incluyen como una corrección que se aplica a la entrada de una neurona antes de que se calcule su salida, lo cual se utiliza para desplazar la función de activación de una neurona hacia arriba o hacia abajo, lo que permite ajustar la salida de la neurona de forma independiente de sus entradas
• Función de activación: es una función matemática que se aplica a la suma ponderada de las entradas para producir la salida de la neurona. La función de activación introduce no linealidad en la red neuronal, lo que permite a la red modelar una gran variedad de relaciones complejas entre las entradas y las salidas.
• Propagación hacia adelante: es el proceso de calcular la salida de la red neuronal a partir de las entradas y los pesos. La señal de entrada se propaga a través de las capas de la red neuronal hasta la capa de salida.
• Función de costo o pérdida: es una medida de la diferencia entre la salida deseada y la salida real de la red neuronal. Se utiliza para evaluar el rendimiento de la red y para guiar el proceso de aprendizaje.
• Optimizador: es un algoritmo que se utiliza en el entrenamiento de redes neuronales para mejorar sus capacidades predictivas con el objetivo de encontrar los mejores pesos y sesgos de las redes neuronales de manera que puedan producir las predicciones más precisas posibles.
• Propagación hacia atrás: es el proceso de ajustar los pesos de la red neuronal en función de la función de costo y de la propagación hacia adelante. Se trata de un algoritmo de optimización que permite a la red neuronal aprender a partir de los datos de entrenamiento.
• Entrenamiento: el entrenamiento es el proceso de ajuste de los pesos y los sesgos de las conexiones entre las neuronas artificiales en una red neuronal con el fin de optimizar su capacidad para realizar tareas específicas. La idea detrás del entrenamiento es que la red neuronal debe ser capaz de aprender de los datos de entrada y producir una salida correcta para una determinada tarea. Esto se lleva a cabo a través del uso de un conjunto de datos de entrenamiento, que consiste en pares de entrada y salida deseada. La red neuronal ajusta sus pesos y sesgos en base a la comparación entre su salida actual y la salida deseada para cada ejemplo en el conjunto de datos de entrenamiento. Este proceso se repite varias veces hasta que la red neuronal alcance un nivel aceptable de precisión en la realización de la tarea deseada. Así el éxito del entrenamiento depende de factores como la calidad y cantidad de los datos de entrenamiento, la estructura de la red neuronal, la elección de la función de pérdida y la optimización del proceso de entrenamiento.
• Aprendizaje supervisado: es un tipo de aprendizaje automático en el que se utiliza un conjunto de datos etiquetados para entrenar un modelo de aprendizaje, donde se proporciona una entrada y una etiqueta deseada para cada ejemplo en el conjunto de datos, y el objetivo es que el modelo aprenda a producir la etiqueta correcta para nuevas entradas en base a los patrones de asociación encontrados en los datos de entrenamiento.
• Aprendizaje no supervisado: es otro tipo de aprendizaje automático en el que en esta ocasión se utiliza un conjunto de datos sin etiquetar para entrenar el modelo, por lo tanto, ya que no se proporciona una etiqueta deseada para cada ejemplo en el conjunto de datos, el objetivo es que el modelo descubra patrones y estructuras ocultos en los datos, como son las agrupaciones y las asociaciones.
• Aprendizaje por refuerzo: es un tipo de aprendizaje automático en el que un algoritmo aprende a tomar acciones en un entorno con el objetivo de maximizar una recompensa o refuerzo, de esta forma experimenta con diferentes acciones y recibe recompensas o penalizaciones en función de sus acciones. A partir de estas experiencias, el algoritmo ajusta su comportamiento para maximizar la recompensa en el futuro.
• Finetuning:  consisten en utilizar una red neuronal que ya ha aprendido algunas características útiles para realizar una tarea en particular, pero ahora queremos aplicar esa red neuronal a un nuevo problema. Para ello se aprovechan los pesos y sesgos aprendidos previamente y se adaptan a un nuevo problema específico. Este proceso implica congelar los pesos y sesgos de una parte de la red neuronal preentrenada y continuar el entrenamiento solo en la parte restante de la red. Esto se hace porque se asume que la parte preentrenada de la red ya ha aprendido características generales útiles en un problema similar, y que estas características se pueden transferir y ajustar al nuevo problema. Esta técnica se utiliza cuando no hay suficientes datos disponibles para entrenar una red neuronal desde cero, o cuando se desea aprovechar las capacidades de aprendizaje de una red neuronal preentrenada.
• Gran modelo de lenguaje: es un modelo de aprendizaje profundo que ha sido entrenado en un gran corpus de texto con el objetivo de comprender y generar lenguaje humano. Estos modelos utilizan técnicas de aprendizaje automático y procesamiento del lenguaje natural para desarrollar una comprensión profunda del significado del lenguaje y cómo se relaciona con otros conceptos. Los grandes modelos de lenguaje se utilizan en una variedad de tareas, incluyendo la traducción automática, la generación de texto, la respuesta a preguntas, la clasificación de texto, la búsqueda en internet, la asistencia virtual y la automatización de chats.

Y aquí es donde acaba la historia que os queríamos contar hoy, porque un gran modelo de lenguaje es precisamente lo que ha creado la empresa OpenAI a través de GPT-3 y su versión para conversar con humanos ChatGPT.

La respuesta de Google al huracán ChatGPT

Bueno, quizás mejor no terminamos aún, porque están pasando tantas cosas en este sector de la Inteligencia Artificial que vale la pena hacer un bonus para fijarnos en la respuesta que está dando o quiere dar Google a las diferentes iniciativas emprendidas por OpenAI y su socio Microsoft. Ya que tras la integración de GPT en Bing y otras herramientas como Teams, parece que no queda mucho para que Google haga lo propio con su buscador, con la presentación de Bard, que está basado en el modelo de lenguaje para aplicaciones de diálogo LaMDA

Además recientemente Google ha invertido 300 millones de dólares en la startup Anthropic, lo cual nos lleva a recordar que en este juego no solo participan las grandes empresas tecnológicas, sino que se está desarrollando un ecosistema increíble de nuevas empresas, algunas de las cuales muestran un futuro enormemente prometedor, como es el caso de Perplexity, que es una de las más avanzadas en este campo de los chats basados en Inteligencia Artificial Generativa.

Y ahora sí, para terminar, os dejamos algunos recursos para seguir aprendiendo sobre este apasionante tema, hasta la semana que viene que volveremos en Futurizable con más contenidos sobre GenAI.

• Third Oasis: es un directorio de aplicaciones basadas en Inteligencia Artificial Generativa.
• Dot CSV: probablemente el mejor canal de Youtube de divulgación sobre Inteligencia Artificial.
• Monos Estocásticos: un nuevo podcast dedicado relatar toda la actualidad de este sector.

Etiquetas: ChatGPT, deep learning, Google, machine learning, OpenAI, Perplexity, redes neuronales

¿Se puede transformar la cultura de una organización dando tan solo 8 pasos? supongo que esta pregunta se la hizo el profesor John Kotter cuando expuso su modelo para gestionar el cambio cultural dentro de una organización y lo que hoy vamos a ver nosotros es qué tiene que ver esto con OKR.

Los 8 pasos que propone Kotter para la gestión del cambio y su relación con OKR son:

• Crear sentido de urgencia: mejor empezar hoy a aplicar OKR que mañana. Para ponerse objetivos no es necesario esperar al comienzo del año o a la vuelta de las vacaciones. Cualquier momento es bueno para adoptar una metodología que nos ayudará a estar más enfocados en las prioridades de la organización y alinearnos para trabajar de la mejor manera para lograr nuestros objetivos. Todo esto, cuando se hace usando una metodología que promueve la autonomía personal y un nuevo modelo de liderazgo basado en la confianza, actuará como el catalizador que andamos buscando para que se produzca un cambio real a nivel cultural.
• Formar una coalición: comenzar a usar OKR con aquellas personas que sean más partidarias del uso de este tipo de metodologías que promueven la autonomía persona y la colaboración siempre será una de las mejores cosas que podemos hacer para lograr el éxito en un proceso de transformación. Aunque sin olvidar que al final las organizaciones tienen una estructura y unas dependencias, por lo que hay que evitar todo lo posible que se vea como algo aislado que solo practican algunos miembros de la organización sino que al final todos podremos salir beneficiados por ello.
• Crear visión para el cambio: qué mejor forma de crear y transmitir la visión que dejar claro cuáles son los objetivos de la organización y qué evidencias vamos a tener para saber si el trabajo que estamos realizando nos acerca a la consecución de esos objetivos. Sobre todo porque muchas veces las formas en las que explica la visión, misión, valores y propósito de la organización pueden quedar bastante ambiguas y que la gente realmente no entienda qué es lo que la empresa quiere conseguir y hacia dónde quiere encaminarse en ese proceso de transformación.
• Comunique la visión: en la línea del punto anterior, muchas veces el problema de que la visión se quede solo en teoría es que poco a poco la gente se va olvidando de ello, pero por suerte en OKR contamos con los CFR que se van a encargar de mantenernos al corriente de que había un propósito que inspiraba unos objetivos y que al final nuestro trabajo va encaminado a conseguir eso que nos hemos propuesto lograr entre toda la organización.
• Eliminar los obstáculos: en todo proceso de cambio es importante contar con facilitadores que ayuden a impulsar las dinámicas que se hayan establecido, como ocurre en el caso de OKR con los OKR Champion que asumen esa responsabilidad conscientes del gran valor que pueden aportar al respecto. A sabiendas de que muchas veces los obstáculos nos han sido puestos a propósito, sino que aparecen por las propias dinámicas que se generan en las organizaciones, será más sencillo localizarlos y eliminarlos sin que esto suponga generar conflictos entre las personas de la estructura de la empresa.
• Asegurarse triunfos a corto plazo: la propia dinámica que propone OKR a través de ciclos trimestrales y los CFR donde se fomenta el feedback y el reconocimiento, nos permitirá poner de manifiesto esos triunfos al respecto de la adquisición de unos hábitos muy beneficiosos para el conjunto de la organización. Esto nos lleva a trabajar para poner de manifiesto que OKR puede ser una buena forma de introducirnos en un circulo virtuoso de mejor continua, potenciando los ciclos de retroalimentación positiva que tan beneficiosos pueden resultar para que se produzca un cambio real en la cultura de la organización.
• Construir sobre el cambio: justamente esto es lo que propone OKR al decirnos que la consecución de los objetivos debe parecerse más a un camino que recorremos que a una meta que alcanzamos. Volviendo al tema de la mejora continua, puede haber muchas formas de trabajar al respecto, pero la claridad que ofrece OKR al respecto de los pasos a seguir pocas otras metodologías lo tienen tan bien logrado.
• Anclar el cambio en la cultura de la empresa: la adopción de OKR debe ser para todo la vida, quizás no de manera tan estructurada, pero los buenos hábitos hay que mantenerlos y los superpoderes hay que trabajarlos siempre para que no decaiga nuestro afán por mejorar y aportar valor a través de nuestro trabajo. Esto claramente redundará en la construcción de un nuevo modelo de empresa, con una cultura más colaborativa, abierta e innovadora, que al final es lo que se busca lograr con esa gestión del cambio.

Curso de OKR aplicado a las ventas

El Curso de OKR para vendedores ofrece a directores de ventas y de marketing un acercamiento a la metodología OKR, para que puedan crear o evolucionar una cultura de ventas dentro de sus equipos. Esta cultura se basa en la aportación de máximo valor en cada interacción y cada fase del funnel.

Este curso tendrá lugar los días 14, 15 y 16 de febrero de 10 a 12h de manera online y estará dinamizado por los mentores del OKR Lab y de la empresa BeForGet, una escuela de liderazgo donde evolucionan los líderes y equipos para conseguir resultados exponenciales. Entre sus programas, se encuentra EXSALE: Exponential Sales Programa, un modelo de ventas propio co-diseñado con Iban Solé que ya ha impactado en más de 10.000 vendedores de habla hispana.

Etiquetas: estrategia, OKR, OKR Champion, ventas

Muy recomendable escuchar este podcast en el que dos profesores debaten al respecto de cómo la Inteligencia Artificial Generativa (GenAI), especialmente ChatGPT puede afectarles en su trabajo. De la conversación se pueden deducir muchas cosas y cada uno puede entenderlo de una forma, pero lo que está claro es que se vienen curvas y va a ser muy importante prestar atención a los cambios que esta tecnología va a producir a nivel global, no solo como en este caso en el sector educativo.

¿Ocurrirá con los profesores como con los ascensoristas? es imposible predecirlo, pero lo que es más sencillo deducir es que un profesor tendrá que dejar de hacer su trabajo como lo ha estado haciendo hasta ahora, porque se perderá totalmente el sentido y la utilidad. Por lo tanto, todo apunta a que los profesores tendrán que volver a la escuela a aprender de nuevo cómo hacer su trabajo o más bien, todos deberíamos empezar a pensar en cuál es la alternativa al sistema educativo actual, porque para perder el tiempo no es necesario pasarse toda la mañana metido en un aula.

Y si la Inteligencia Artificial Generativa va a dejar obsoleto el trabajo del profesor, igual va a ocurrir con el de diseñador, redactor, administrativo, … y no solo eso, también del médico, ingeniero, abogado, … porque en estos momentos ya hay una startup que está pensando en cómo usar los últimos avances en Deep Learning para desarrollar una aplicación que haga el trabajo mejor que todos estos profesionales y de forma más eficiente y barata.

El trato humano, dicen, será lo que nos permita seguir ganándonos el jornal, pero ahora parece que está ocurriendo todo lo contrario, vas al médico y cuesta un triunfo que levante la mirada del ordenador porque en los 5 minutos que dura la cita apenas tiene tiempo para tomar notas y generar el informe correspondiente de la visita. Pero dejemos de criticar a los médicos que bastante tienen con adaptarse a la normativa que impone la administración y pensemos si nosotros también estamos manteniendo la misma actitud en relación con el uso que hacemos de la tecnología, por ejemplo cuando estamos hablando con otra persona y estamos más pendientes de las notificaciones del móvil que de lo que la otra persona quiere contarnos.

Aprende a usar la Inteligencia Artificial Generativa en tu trabajo

Durante mucho tiempo la Inteligencia Artificial ha sido una tecnología fuera de nuestro alcance, como mucho, podíamos ser meros observadores o usuarios pasivos, meros consumidores, o víctimas de los algoritmos de recomendación. Pero resultaba imposible o muy complicado que cualquier persona pudiera usar esta tecnología de manera proactiva, a no ser que fuera un programador. Con la llegada de las GenAI esto ha cambiado y se va a producir un vuelco enorme a la gran mayoría de los trabajos que se basan en el conocimiento y se realizan de manera digital.

Por esto es por lo que hemos lanzado el Curso de Inteligencia Artificial Generativa y ChatGPT del que vamos a realizar en breve la segunda edición y en cuya primera edición participaron 30 profesionales que no estaban dispuestos a que este tsunami les pasara por encima, más bien, están empezando a desarrollar las habilidades necesarias para subirse a la ola y que esto les proyecte hacia el futuro como mejores profesionales digitales.

Y también por esto es por lo que desde Futurizable llevamos ya un par de meses, desde la aparición de ChatGPT compartiendo el conocimiento que vamos adquiriendo al respecto de cómo la Inteligencia Artificial Generativa puede convertirse en la compañera ideal para maximizar el valor que aportamos con nuestro trabajo, ayudándonos a ser más productivos e incluso también más creativos. Así que hoy también queríamos compartir parte de este conocimiento, en concreto cómo hablar con ChatGPT para que nos ofrezca los mejores resultados y estas son nuestras recomendaciones al respecto.

Vamos a dividir las recomendaciones en 3 grupos, ya que en general son consejos para obtener buenos resultados, pero unos de ellos están relacionados con la necesidad de poner en contexto a la GenAI para que entienda bien lo que necesitamos, luego es importante que le demos instrucciones precisas para obtener resultados concretos y finalmente también es importante que tomemos una serie de precauciones al respecto de cómo enfocamos la interacción con la Inteligencia Artificial.

1. Ponle en contexto

Una de las cosas que mejor funciona para obtener buenos resultados con ChatGPT es que entienda bien el contexto que rodea a la conversación que vais a mantener y el trabajo que va a tener que realizar al respecto. Cuanta más información le puedas proporcionar sobre ello mucho mejor, hasta el punto de que puedes darle incluso documentación que utilice como referencia para realizar sus respuestas. Dicho esto, veamos qué cosas podemos hacer para aportar contexto a la conversación

• Explícale de qué quieres hablar: antes de hacerle una pregunta dale pistas sobre el tema del que quieras tratar, así podrá ser más específico y podrá darte resultados más precisos. Por ejemplo puedes explicarle que quieres hacer un trabajo para entender cómo funciona determinado fenómeno físico, la razón por la que quieres hacer ese trabajo y el resultado que te gustaría obtener.
• Dile quién eres: si le explicas quién eres, cuáles son tus necesidades, podrá darte una respuesta más personalizada y que se adapte mejor a tus necesidades. Por ejemplo puedes decir que eres profesor y vas a usar las respuestas para mejorar la forma en la que realizas tus clases o que eres un abogado y quieres usar las respuestas para explicarle algo a tus clientes.
• Pídele que asuma un papel: cuando le pides que asuma un rol o papel concreto dentro de una conversación ofrece mejores resultados que si le preguntas directamente. Por ejemplo puedes decirle que es un médico que tiene que explicar el resultado de un análisis a uno de sus pacientes.
• Dile que es un experto en la materia: una forma de lograr respuestas más precisas es decirle que es un experto en la materia de la que trata la pregunta, así ampliamos el conocimiento sobre el contexto de la conversación. Por ejemplo le puedes decir que es un experto en temas inmobiliarios y te tiene que asesorar sobre los contratos relacionados con la compra de una vivienda, la hipoteca y la reforma.
• Cuéntale una historia: para que entienda mejor el contexto de lo que quieres hacer u obtener le puedes relatar cómo se te ha ocurrido y darle detalles de cómo se ha ido produciendo tu razonamiento al respecto. Por ejemplo dile en qué momento se te ocurrió una idea, qué es lo que estabas haciendo y qué es lo que hiciste a continuación para actuar al respecto. Luego hazle que forme parte de la historia como un protagonista que tiene una función.
• Háblale de un público objetivo: si le pides que piense en un público objetivo concreto ofrecerá una respuesta que se adapte mejor al nivel de comprensión o las circunstancias de esas personas. Por ejemplo le puedes pedir que lo explique de manera sencilla como si fuera para que un niño pequeño lo pueda entender.
• Explícale para qué quieres la respuesta: para mejorar la información de contexto puedes darle indicaciones al respecto de para qué vas a usar la respuesta y de esta podrás obtener resultados más relevantes. Por ejemplo puedes decirle que tienes que tomar una decisión en tu trabajo o que quieres presentar los resultados a un grupo determinado de personas para que tomen una decisión al respecto.
• Dale pistas sobre la respuesta esperada: cuando tienes una idea de lo que te gustaría obtener con la respuesta le puedes orientar al respecto y decirle que esperas que sea una respuesta de determinado tipo. Por ejemplo puedes darle algunos datos o información que tú conozcas sobre el tema y así podrá saber mejor qué información esperas obtener por su parte.

2. Dale instrucciones

No olvidemos que ChatGPT aunque pueda mantener conversaciones totalmente fluidas como si fuera una persona, sigue siendo una máquina y correspondientemente nos ayudará a obtener mejores resultados si le proporcionamos instrucciones precisas al respecto de cómo queremos que nos aporte la respuesta.

• Dile que estructure la respuesta: si necesitas que presente la respuesta de una forma determinada le puedes decir que lo haga en forma de lista, de pregunta y respuesta, de tabla, … Por ejemplo dile que te lo presente en forma de entrevista donde un periodista realiza preguntas a un experto en determinada materia.
• Pídele que incluya algunas palabras: dile qué palabras te gustaría que aparezcan en la respuesta, así podrá tener en cuenta esas palabras y darte una respuesta más elaborada o que encaje mejor con tus necesidades. Por ejemplo puedes darle nombre de personas, de lugares o de objetos que quieres que formen parte de la respuesta y que los utilice en el contexto correcto.
• Pídele una descripción: para ampliar la información que te proporciona en la respuesta le puedes pedir que describa algunos elementos de la misma, como puede ser el lugar en el que sucede o las personas que intervienen. Por ejemplo si quieres que te explique en qué consiste un descubrimiento le puedes pedir que describa las circunstancias que llevaron a realizarlo, las personas que intervinieron y el lugar en el que se produjo.
• Dile cómo quieres que responda: le puedes pedir que responda usando determinado estilo de escritura, como puede ser en forma de poesía o imitando a la forma en la que escribe determinado autor. Por ejemplo puedes pedirle que use el estilo de un escritor famoso y construya la respuesta como si fuera uno de los personajes de uno de los libros de ese escrito.
• Dale instrucciones precisas: dile la forma que quieres que tenga la respuesta, la estructura del texto en cuanto a extensión, formato de los párrafos, lenguaje utilizado Por ejemplo dile que quieres que aporte la respuesta en tres párrafos, el primero de introducción, el segundo de explicación y el tercero de conclusión, además del tamaño que debe tener cada párrafo.
• Pídele que te haga preguntas: para mejorar el conocimiento que tiene sobre lo que necesitas puedes pedirle que te haga preguntas así podrás aportarle la información que necesita para darle una mejor respuesta. Por ejemplo le puedes decir que te pregunte sobre qué personas van a leer la respuesta o sobre qué uso vas a dar a la respuesta.
• Hazle preguntas: utiliza pregunta del tipo qué, quién, cómo, donde, por qué, cuándo, … para conseguir respuestas más variadas. Por ejemplo le puedes pedir que redacte una nota de prensa de lanzamiento de un nuevo producto que tenga la estructura quién, qué, dónde y cómo.
• Dile que haga un resumen: cuando hayas recibido una respuesta puedes pedir que haga un resumen y de esta forma tendrás una visión más concreta al respecto. Por ejemplo si le has pedido que haga un artículo para un blog, puedes pedirle que te haga un resumen para compartir ese artículo en las redes sociales.
• Dile que amplíe la información: puedes obtener mejores resultados cuando le pides que amplíe la respuesta, así será más creativo a la hora de responder y tendrás más información al respecto Por ejemplo cuando te haya dado una respuesta sobre un tema, aprovecha parte de su respuesta para que amplíe información introduciendo esas palabras en la conversación.
• Pídele que defienda la opinión contraria: cuando ya te ha dado una respuesta concreta puedes pedirle que aporte una idea contraria y de esta forma podrás tener una visión contraria. Por ejemplo si te ha explicado determinada teoría desde un punto de vista ideológico le puedes pedir que lo haga desde otro punto de vista para contrastar la visión inicial.
• Pide un número de respuestas: enumera el número de respuestas que quieres obtener, así podrás lograr más resultados y que estos sean más variados. Por ejemplo para escribir un artículo de 10 razones para hacer determinada cosa o 10 consejos para una persona que quiere aprender sobre determinado tema.
• Dale el formato de la respuesta: ChatGPT puede responder en formato texto, en formato de código fuente con diferentes lenguajes de programación, en diferentes idiomas o con estructuras de tablas. Por ejemplo puedes pedirle el código fuente para hacer una página web, para crear una macro de excel o para realizar un videojuego, además puedes decirle en qué lenguaje de programación debe hacerlo.
• Pídele pros y contras: cuando quieres tomar una decisión suele pensarse en los pros y contras, pero muchas veces nos vemos influidos por nuestros sesgos. Contrastar esa opinión con el conocimiento condensado que tiene ChatGPT puede aportarnos un nuevo punto de vista. Por ejemplo si tienes que decidir entre vivir de alquiler o comprar una vivienda, puedes decirle que te aporte los pros y los contras en base a tus condicionantes particulares, el lugar en el que quieres vivir o el momento del mercado en el que nos encontramos

3. Piensa tú primero

Lanzarse a hacer preguntas o pedir cosas a ChatGPT es muy tentador, sobre todo cuando ves los resultados tan alucinantes que está compartiendo la gente de sus interacciones con la GenAI, pero una vez que hemos hecho las primeras pruebas vale la pena que dediquemos algo de tiempo a pensar de qué forma nos estamos acercando a esta tecnología, con qué mentalidad lo estamos haciendo y si tenemos que modificar nuestra actitud para que el resultado sea óptimo.

• Considera que puede equivocarse: ya sabes que ChatGPT muchas veces se equivoca, lo cual hay que tenerlo en cuenta y si no estás convencido con lo que responde contrastarlo con otras fuentes. Por ejemplo cuando preguntamos cosas muy concretas sobre personas, lugares, fechas u otros datos suele cometer errores o inventarse cosas. Es importante aprender a encontrar estos fallos.
• Haz preguntas sobre temas que conozcas: para sacarle el mayor provecho a ChatGPT empieza por hacer preguntas de temas que sabes un poco, no demasiado, ni muy poco, así podrás validar la calidad de las respuestas. Por ejemplo si estás aprendiendo sobre algo nuevo de lo que ya has leído algunas cosas y tienes unas ideas básicas, puedes pedirle que amplie ese conocimiento que has ido adquiriendo.
• No preguntes de lo que no sabes nada: ya que el mayor riesgo de ChatGPT es que a veces se inventa cosas si no sabe qué responderte, es importante que aprendas a identificar estas situaciones. Por ejemplo si le pides una lista de personas referentes en una materia, si son personas que hablan o escriben en inglés suele acertar pero si le dices que hablen español se lo puede inventar si no tiene ese conocimiento.
• Pregunta varias veces lo mismo: ya que cada vez que responde lo hace «pensando» de nuevo, puedes obtener diferentes respuestas si haces diferentes preguntas y de esta forma tener una respuesta más enriquecida. Por ejemplo si quieres que te explique un tema científico hazle varias veces la misma pregunta y al darte resultados diferentes es como si varias personas te lo estuvieran explicando y podrás entenderlo mejor.
• Pídele una alternativa: a veces la respuesta que recibes puede no encajar con lo que buscas y al pedirle una alternativa sí que te ofrece el resultado esperado. Por ejemplo si le preguntas sobre creación de empresas puede responder sobre cosas anticuadas, como hacer un plan de negocio, pero si le pides una alternativa puede hablarte de opciones más actuales.
• Insiste en que responda: a veces no va a responder a determinadas preguntas que le hagas por su política de uso, pero puedes insistir y muchas veces cambia de opinión y sí que responde a lo que necesitas. Por ejemplo cuando le pides que escriba el código de programación dice que no puede hacerlo, solo te explica cómo hacerlo, pero si insistes sí que acaba escribiendo el código.
• Plantea alternativas: puedes plantearlo diferentes alternativas o escenarios de cara a obtener respuestas más variadas o enriquecidas. Por ejemplo si le has dicho que se ponga en el papel de determinada persona puedes decirle que luego se ponga en el papel de otra persona con unas características diferentes.
• Utiliza palabras clave: puedes usar palabras clave como informe, análisis, revisión, protocolo, describe o recomienda para obtener mejores respuestas. Por ejemplo si quieres que utilice un lenguaje técnico y proporcione unas instrucciones precisas puedes decirle que escriba un protocolo de actuación ante determinada situación
• Utiliza ejemplos: si le explicas lo que quieres obtener a través de ejemplos podrá entenderte mejor y darte mejores resultados. Por ejemplo puedes decirle que eres una persona que quiere explicar a otra cómo hacer determinada cosa o que tienes una función dentro de una empresa y tienes que cumplir con ella.
• Evita las contradicciones: cuando mantengas una conversaciones tienes que mantener una línea argumental porque ChatGPT va a tender a responderte para satisfacer tu interés y si te contradices también te dará respuestas contradictorias. Por ejemplo cuando estás aprendiendo sobre un tema tienes que mantener el mismo tema dentro de la conversación para que vaya mejorando las respuestas en base al conocimiento que va adquiriendo sobre el tema que quieres tratar.
• Se creativo: atrévete a hacerle preguntas originales, extrañas o controvertidas, nunca sabes qué te va a responder y puede que te sorprenda. Por ejemplo le puedes preguntar que imagine que viene de otro planeta y que se encuentra con determinada situación o que lleva mucho tiempo dormido para ver como reacciona ante algo nuevo.

¿Qué te han parecido estas recomendaciones? nos encantaría conocer tu opinión al respecto y también qué nos cuentes para qué estás usando ChatGPT.

Etiquetas: ChatGPT, deep learning, educación, GenAI, profesores, universidad

Hace poco David Bonilla en la Bonilista nos contaba un caso muy concreto de un equipo en el que ante una circunstancia particular podía ser mejor no usar OKR sino otro sistema de gestión por objetivos y en concreto lo expresaba así:

A lo mejor deberíamos leer menos libros de liderazgo y asegurarnos de entender e interiorizar el «Accelerate» de Forsgren, Humble y Kim. A lo mejor deberíamos invertir menos tiempo estudiando nuestros OKRs y más nuestras métricas D.O.R.A.

Sin duda puede haber algunas excepciones dentro de una empresa que hagan que un equipo no deba trabajar con OKR o no convenga que lo haga, igual que puede haber en general determinado tipo de empresas u organizaciones que en momentos puntuales sea mejor que se organicen de otra forma.

Como podéis ver las métricas D.O.R.A podrían asemejarse a la construcción de unos Resultados Clave específicos que hacen referencia a un objetivo común que es ayudar a los equipos a reducir el tiempo que tardan en llevar cambios a producción, reduciendo la posibilidad de introducir errores y sin perder calidad durante el mismo.

De esta forma cualquier equipo que quiera mejorar su rendimiento o maximizar el impacto que logra con su trabajo o actuar de manera más coordinada, puede diseñar unas métricas específicas y ponerle un nombre concreto, pero al final del día, no hay tanta diferencia en pensar que tenemos un OKR permanente, que se extiende a lo largo de todo el tiempo de vida del equipo, al menos hasta que las prioridades cambien.

Primer curso de OKR Expert de 2023

La semana que viene comenzamos un nuevo curso OKR Expert y estamos muy contentos de la buena acogida que está teniendo también este curso avanzado sobre OKR, que al igual que el OKR Champion, te prepara para convertirte en el líder de OKR en una organización, pero más allá de saber cómo se escriben los OKR y se hace seguimiento de ellos, permite diseñar el proceso de implantación de OKR dentro de una organización.

A continuación puedes conocer la estructura del curso OKR Expert que realizaremos los días 7, 8, 9, 14, 15, 16, 21, 22 y 23 de febrero con horario de 17 a 20h y de manera online.

Módulo 1: El sistema y diseño de OKRs

• El sistema OKR.
• Técnicas para diseñar OKR.
• Diseño de OKR de organización, equipos y personas.
• Relación de OKR con otros sistemas de gestión por objetivos y métricas clave en la empresa.

Módulo 2: CFR y relación entre equipos

• CFR y técnicas de feedback.
• Cómo realizar reuniones 1:1.
• Plan de trabajo para el desarrollo del CFR en una empresa.
• Cómo usar el feedback para la mejora del trabajo en equipo.

Módulo 3: Implantación de OKR

• Cómo utilizar OKR para facilitar los procesos de gestión del cambio en la organización.
• Aplicación de OKR por departamentos de la empresa, casos de uso y ejemplos prácticos.
• Caso práctico aplicación OKR por funciones profesionales.
• La figura del OKR Champion para la facilitación de la implantación de la metodología OKR

A lo largo de todo el curso los participantes podrán trabajar en un proyecto personal, por ejemplo un caso real porque puedan aplicarlo en la empresa en la que trabajan. De esta forma todo lo que se vaya aprendiendo en las clases se podrá ir adaptando a las circunstancias de cada proyecto y sobre todo se podrá tener el feedback de los profesores al respecto.

Etiquetas: D.O.R.A, métricas, objetivos, OKR, OKR Champion, OKR Expert

Aunque el nombre de este artículo parezca el de una novela de suspense, de lo que hoy vamos a hablar es de un concepto que hemos aprendido de Félix Lozano que ha convertido en su propósito vital transformar la manera en la que aprendemos y usamos el aprendizaje para enfrentarnos a los retos que nos depara el futuro.

La sociedad de lo desconocido es aquella en la que se valora el descubrimiento y el aprendizaje constante, en lugar de conformarse con el conocimiento existente.

En esta sociedad se da prioridad a la exploración y al desafío de lo desconocido, se fomenta el pensamiento crítico y la curiosidad intelectual.

Se caracteriza por un enfoque de búsqueda constante del conocimiento, una actitud de apertura, disposición a aprender cosas nuevas y desafiar lo que se considera sabido.

En la sociedad de lo desconocido prima la profundidad en la búsqueda del conocimiento frente a la superficialidad del conocimiento estandarizado.

La sociedad de lo desconocido requiere que nos entrenemos en las habilidades específicas relacionadas con la capacidad de respuesta ante lo imprevisto e imprevisible.

Los cisnes negros son la representación de la sociedad de lo desconocido y la antifragilidad la capacidad a desarrollar para estar preparados ante su llegada.

La hormesis es el entrenamiento. Es duro pero vale la pena. Salir a vender a puerta fría y sobre todo cuando hace frío. No conformarte cuando te rechazan o ignoran. Considerar los obstáculos como parte del camino, porque otros se retirarán sin intentarlo.

El resurgimiento del Estoicismo

No debe ser casualidad que el Estoicismo se haya puesto de moda, más de 2300 años después de que Zenón de Citio fundara la escuela de filosofía estoica, sus ideas y recomendaciones, junto con las de otros filósofos como Epicteto, Séneca y Marco Aurelio, resultan ahora más útiles que nunca.

Solo mirando en Amazon por la categoría libros de estoicismo encontramos más de 800 resultados y si nos fijamos en las fechas de publicación vamos a ver que la mayoría han sido escritos en los últimos 3 o 4 años, además de que ha sido justo con el inicio de la pandemia cuando este fenómeno se ha disparado.

Entre esos más de esos 800 libros vamos a encontrar los clásicos de toda la vida, como el Enquiridion o manual de Epicteto, las Cartas de Séneca a Lucilio y las Meditaciones de Marco Aurelio, que probablemente sean los libros más leídos sobre estoicismo a lo largo de toda la historia. Pero también vamos a ver que a partir de la publicación de libros como El Arte de la Buena Vida de William B. Irvine en 2008, The Obstacle is the Way de Ryan Holiday en 2014 y Cómo ser un Estoico de Massimo Pigliucci en 2017, no han parado de publicarse nuevos libros sobre el tema cada mes, especialmente al comprobar lo beneficiosa que podía resultar esta filosofía de vida para afrontar los retos psicológicos que presentaba la pandemia.

Así que la filosofía estoica está de moda porque precisamente nos enseña que debemos concentrarnos en lo que podemos controlar y aceptar lo que no podemos controlar. Lo cual nos ayuda a afrontar los desafíos del futuro con una mentalidad más resiliente, ya que nos permite enfocarnos en lo que podemos hacer para mejorar nuestra situación en lugar de preocuparnos por lo que está fuera de nuestro control. Además nos enseña a desarrollar una perspectiva más amplia y a mantener una actitud positiva ante las dificultades.

Y fijaros que precisamente este ha sido un mensaje que ha trasladado recientemente en una entrevista Sam Altman, CEO de OpenAI, los creadores de ChatGPT cuando se le ha preguntado ¿Cómo nos preparamos para un futuro con la Inteligencia Artificial? Con resiliencia, adaptabilidad, capacidad de aprender cosas nuevas rápidamente y creatividad (aunque habrá creatividad asistida)

Quizás es que los protagonistas de la revolución tecnológica en la que estamos sumergidos en las últimas décadas llevan tiempo viendo venir los grandes cambios que se iban a producir y precisamente por eso han sido los primeros en abrazar el estoicismo para afrontar en mejores condiciones los retos a los que se iban a tener que enfrentar.

Los retos en la sociedad de lo desconocido y las soluciones que aporta la tecnología

Entonces, lo que vamos a ver a continuación es cuáles son esos retos y cómo podríamos prepararnos para ellos, no solo mental y emocionalmente, sino también recurriendo a otras herramientas como las que nos proporciona la tecnología.

• El impredecible impacto de la Inteligencia Artificial en el modelo de sociedad:  si lees el libro Superpotencias de la Inteligencia Artificial de Kai-Fu Lee entenderás los grandes efectos que la Inteligencia Artificial puede provocar en la estructura social del siglo XXI. Considerando que la gran aportación del siglo XX, tras un primera mitad en la que casi nos destruimos entre nosotros, la segunda mitad ha servido para aplanar la desigualdades, sacando a miles de millones de personas de la pobreza absoluta y reduciendo sustancialmente problemas terribles como la mortalidad infantil o el analfabetismo. Pero ahora sin embargo puede comenzar a producirse un punto de inflexión, cuando los miles de millones de personas que prosperaron a través de su trabajo en la industria y utilizando las tecnologías de la información, vean como su trabajo o el de sus hijos comienza a ser acaparado por los robots y la Inteligencia Artificial. Ante este panorama solo tenemos dos opciones, esperar ansiosos el subsidio que nos permita sobrevivir sin tener una motivación por aportar valor a la sociedad a través de nuestro trabajo o aprender todo lo posible sobre Inteligencia Artificial, usando esta tecnología para potenciar nuestra propia inteligencia de cara a resolver los grandes retos a los que aún nos enfrentamos como especie.
• Las consecuencias psicológicas de los confinamientos en la pandemia: a toro pasado es muy fácil opinar sobre las medidas que tomaron los gobiernos al respecto de los confinamientos prolongados, las vacunaciones masivas y todo el resto de acciones que se han realizado durante los últimos años, pero esto no quita para que pensemos en la consecuencias de segundo orden que han tenido esas acciones. Algunas podrían considerarse como positivas, como una mayor preocupación en la sociedad por los temas de salud y el estado de las infraestructuras sanitarias o las innovaciones que han podido producirse en el desarrollo de vacunas y medicamentos. Pero sin duda también ha habido consecuencias muy negativas y que van a tener un impacto enorme en el largo plazo, por ejemplo en lo relativo a la salud mental de las personas, que de hecho no es un tema exclusivo relacionado con la pandemia sino en general de los grandes cambios a nivel social, económico y tecnológico que se han venido produciendo en los últimos años. Los confinamientos y el resto de situaciones vividas en la pandemia los han exacerbado, pero hay otros muchos componentes a tener en cuenta para poder afrontarlos.  Y aquí la tecnología debería venir en nuestra ayuda especialmente aportando soluciones en el ámbito científico, que permitan conocer mejor cómo funciona el cerebro y cómo tratar las enfermedades que más pueden afectarle.
• La inflación que mina poco a poco nuestra capacidad de ahorro: la sociedad del bienestar en la que vivimos, en la mayoría de los países, se ha construido en base al endeudamiento, algo que es positivo si a futuro somos capaces de demostrar la capacidad de usar esa deuda para crear valor y generar riqueza. Si un emprendedor busca financiación tiene que explicar cómo va a ser capaz de dedicar el dinero que consiga para construir un modelo de negocio rentable. Pero muchos países han decidido que esto ya no es necesario cuando hablamos de progreso social, se pueden endeudar sin ningún tipo de restricción aunque estén estancados económicamente y no tengan ningún plan para salir de esa situación. Como te puedes imaginar esto es totalmente insostenible y va a provocar innumerables crisis económicas y sociales que son imposibles de predecir. Pero la tecnología nos ofrece una alternativa, se llama Bitcoin y lleva desde 2009 funcionando sin interrupción, siguiendo unas reglas de emisión de moneda limitada y ofreciendo una alternativa al modelo de expansión cuantitativa que provoca la inflación que destruye la capacidad de ahorro y posterior inversión de esos ahorros por parte de los ciudadanos.
• La politización de los fenómenos climáticos y el impacto en el medio ambiente: poco bueno puede ocurrir cuando la ciencia se mete en política o cuando la política acapara la ciencia, especialmente cuando eres consciente de que lo que se publica en los medios de comunicación masiva sobre estos temas puede estar manipulado para servir a determinados intereses políticos y económicos. Entonces poco puedes hacer al respecto, a no ser que optes por recurrir a los primeros principios, entender realmente qué significa el impacto ambiental, qué consecuencias puede tener en el clima y cómo encontrar un equilibrio para que se pueda seguir avanzando como sociedad. Esto cada uno a nivel personal, pero luego en lo relativo a cómo la tecnología puede ayudar a mejorar esta situación sin duda se abren infinitas oportunidades, por ejemplo usando la Inteligencia Artificial, impulsada por la computación cuántica, para encontrar aquellas propuestas de la geoingeniería que realmente puedan ser factibles de cara a contrarrestar, por ejemplo el aumento de la temperatura en el planeta o cuáles pueden ser las formas más efectivas para reducir la contaminación de los acuíferos o eliminar los plásticos que inundan los océanos.

Etiquetas: ahorro, geoingeniería, hormesis

Si te dedicas a vender, hemos preparado junto con la empresa Beforget, que precisamente está especializada en ese tema, un webinar en el que vamos a contar nuestra visión de cómo usar OKR para vender más y mejor.

Este webinar está pensado para los que se dedican a las ventas o al marketing y quieren poner más orden en sus procesos para mejorar resultados. También para los que necesitan alinear a su equipo en los resultados que consiguen unos y otros. Y para aquellos a los que les cuesta conectar la estrategia global con la táctica y ejecución.

Se trata de una clase online gratuita, realizada por Ramón Romero, CEO de BeForGet, co-creador de la metodología EXSALE para conseguir ventas exponenciales y colaborador de grandes empresas como Vodafone y Enel; y por Javier Martín Director de Innovación Abierta en Sngular y del OKR Lab, que explicarán las bases de esta metodología y cómo empezar a aplicarla con un equipo.

Etiquetas: marketing, OKR, ventas

La explosión cámbrica hace referencia a un fenómeno que tuvo lugar durante el cámbrico temprano, en el que se aceleró significativamente la evolución de las especies que habitaban el planeta en ese periodo, lo cual desembocó en una diversificación repentina de organismos. En la actualidad se utiliza este concepto para reflejar una evolución acelerada, como la que estamos viendo en estos momentos para el ser humano gracias a la Inteligencia Artificial, que va a tener especial impacto en determinadas actividades, como es el caso del aprendizaje, al que vamos a dedicar este artículo.

Esto es así porque a raíz del surgimiento de las Inteligencias Artificiales Generativas (GenAI), especialmente de la presentación de ChatGPT, se ha iniciado una verdadera revolución en el sector educativo, la enésima revolución tras la llegada de la informática, Internet y los smartphones, pero que en esta ocasión realmente podría, o debería, cambiarlo todo.

Aprendamos juntos

Una de las cosas que más nos ha gustado del curso sobre GenAI y ChatGPT que hemos realizado esta semana, ha sido escuchar a profesores contarnos cómo están usando estas herramientas para mejorar su trabajo, especialmente involucrando a sus alumnos en el proceso. Bueno también nos ha gustado ver a padres que se lo están enseñando a sus hijos, pero eso es otra historia.

Por esto nos atrevemos a proponer un cambio en el modelo educativo, pasemos del actual en el que el profesor sabe y el alumno no sabe, por uno nuevo en el que el profesor sabe, pero quiere aprender más y comparte ese proceso de aprendizaje con el alumno. Como un maestro que mejora en su maestría a media que el aprendiz valida sus conocimientos y le motiva para querer aprender más, para ser mejor.

El fin de las tareas

Si ya de por si antes las tareas nos parecían algo inútil, ahora ya es ridículo que el profesor mande una tarea al alumno que acabará haciendo una máquina. Absoluta pérdida de tiempo para el alumno, que no habrá aprendido nada más que a usar la máquina y para el profesor, que no debería conformarse con mantener al alumno ocupado, sino que debería tener como objetivo principal su aprendizaje, o al menos que aprueben su asignatura, si es que está correctamente definido el sistema de evaluación.

Aprovechemos este sinsentido para eliminar las tareas para casa y aprovechemos la tecnología para involucrar mucho más a los alumnos en su proceso de aprendizaje, que pasen a ser verdaderos protagonistas y que el profesor se convierta en un mentor en todo ese proceso. Entonces, cuando hayamos logrado que los alumnos sientan una verdadera motivación por aprender, no solo querrán aprender durante el tiempo que están en clase, sino que cuando vuelvan a casa seguirán aprendiendo por su cuenta.

Preparados para el futuro

Si las predicciones de los expertos en tecnología se cumplen, en pocos años la mitad de los trabajos que ahora conocemos habrán sido ocupados por la Inteligencia Artificial y la robótica, por lo tanto la mitad de las personas que ahora cursan sus estudios no podrán encontrar trabajo, por muy bien que se hayan preparado para ello. Por lo tanto o nos damos prisa en inventar nuevos trabajos o nos dirigimos a un futuro con unas tasas de desempleo tan altas que va a ser muy complicado mantener el equilibrio social.

El sector educativo no puede continuar al margen de esta situación, es momento de asumir la responsabilidad. No se puede seguir educando a los jóvenes para un futuro que no existe. El mundo ha cambiado y no se parece en nada al que representan los planes de estudios de la educación primaria, secundaria y universitaria. Qué yo sepa aún no hemos inventado la máquina que detiene el tiempo, pero el sector educativo parece disponer de esa máquina, es más algunos profesores se ofenden porque los intereses de los alumnos han cambiado, es más culpan a estos del problema, bueno, y también señalan a la tecnología como causa del mismo.

Lo malo es que nada apunta a que vayamos a volver a la época de la pluma, el tintero y el candil, así que o nos adaptamos a los cambios que ha provocado la tecnología en las personas y la sociedad o solo nos quedará esperar que la jubilación llegue pronto y no se vea la universidad obligada a hacer recortes de personal, porque los alumnos siguen empeñados en pensar que ya no vale la pena tener un título universitario y pasar 4 años aprendiendo cosas que no les van a ayudar a tener un buen trabajo en el mundo real.

El uso de las GenAI en la innovación educativa

Borja Garzón va a contarnos a continuación su experiencia llevando al ámbito educativo las Inteligencias Artificiales Generativas, tras 11 años trabajando en la innovación educativa a través de metodologías ágiles y design thinking. Es experto en el diseño de planes de formación basados en lifelong learning e implementación tecnología educativa, con foco actualmente en la integración de la IA en la educación. Además trabaja como Chief Learning Officer ayudando a las organizaciones que buscan navegar la incertidumbre y los contextos complejos a través de estrategias de aprendizaje. También es facilitador del aprendizaje y los procesos de innovación situando el conocimiento como core del negocio. Su último proyecto con el propósito de abrir el imaginario de uso e implementación de la IA es ofrecer el curso Inteligencia Artificial y oportunidades para la formación.

¿Cómo piensas que la Inteligencia Artificial va a impactar en el mundo de la educación en los próximos años?

Recientemente ya estamos viendo como el boom y toda la expectativa generada en torno a todo el ecosistema de herramientas ya disponibles y aplicables está generando un impacto en todos los sectores. Hace unos días lancé una encuesta con esta pregunta: ¿Cómo afrontas la disrupción de las Inteligencias Artificiales en tu trabajo? el 51% respondió que con optimismo y declarando que le son de ayuda, el 40% con incertidumbre y aprendiendo y tan solo un 8% con indiferencia y un 2% con miedo. Con esto quiero decir que el panorama es más optimista de lo que a priori pinta, respecto a impactos negativos o miedos. Lo cual no quita que hay alta incertidumbre y que la educación no es y no debe ser ajena a ello.

Es más, ya estamos viendo noticias como por ejemplo en New York han prohibido el uso de ChatGPT en los centros de formación (algo que ya ocurrió en Madrid cuando prohibieron el uso de los dispositivos móviles…). Por otro lado, ya salen casos de buenas prácticas de uso de la IA y sus herramientas en la educación, profesores que enseñan a sus alumnos a utilizarlas con sentido común y pensamiento crítico… Creo firmemente que este último es el camino, no prohibirlo y si enseñar su buen uso y sacarle el mejor de los partidos, de otra forma será dar la espalda a una realidad.

En cuanto a si puedo pensar que la IA eliminará a los profesores pues la respuesta es un NO rotundo. Creo que será parte de un asistente académico que ayudará a la personalización del aprendizaje, reconociendo e identificando mejoras de forma temprana, haciendo uso de los datos académicos del estudiante pudiendo llegar a recomendar acciones concretas y contenidos concretos, ayudará a la atención a la diversidad rompiendo barreras de idiomas, niveles, comprensión, diferentes ritmos de aprendizaje y motivaciones… Por ejemplo, usar herramientas de IA de subtitulado automático, de conversión de texto a audio o viceversa sin duda ayuda a personas con capacidades diversas.

Si bien es cierto en la educación, históricamente la tecnología siempre ha llegado tarde, pero creo que en esta ocasión no va a ser así pues muchas de las aplicaciones van precisamente a impactar en la generación de contenidos, asistentes virtuales, de gran utilidad en la formación. Por otro lado, la facilidad de uso minimiza la adopción de estas tecnologías y al no necesitar inversión en dispositivos será mucho más rápido que por ejemplo en el caso de la realidad extendida o metaverso.

Otro tema es cómo la burocracia que conlleva el sistema educativo lo facilitará, pero sin duda los estudiantes ya lo están usando, ya es una realidad. Y esto empujará a que el sistema educativo se transforme. Por ejemplo y lo primero en lo que impactará será en las evaluaciones. Por fin, podremos empujar a que los estudiantes adquieran habilidades de pensamiento crítico, comunicación, creatividad (y todas aquellas habilidades y competencias que nos hacen humanos) en lugar de la mera superación de tareas como exámenes o trabajos repetitivos en los que la IA nos da mil vueltas y los alumnos ya recurren a ellas.

Por otro lado, ya hay estudiantes que usan la IA conversacional para hacer resúmenes, preguntar dudas académicas, obtener preguntas para ponerse a prueba, etc. Sin duda, una buena práctica. Como conclusión diré que no debemos tener miedo de si nos va a quitar trabajo o no sabremos «competir» con estas herramientas. Al contrario, están para hacer nuestro trabajo más eficiente y dejarnos tiempo para lo importante: facilitar el aprendizaje de nuestros estudiantes. Lo que si puede poner en riesgo nuestro trabajo es no saber dominarlas y usarlas pues entonces será otra persona que si las use la que nos adelantará.

Defiendo firmemente que no sabemos qué profesión tendrán los alumnos que ocupan las aulas hoy, muchas de ellas ni siquiera existen por lo que enseñarles la competencia «aprender a aprender» y la capacidad de hacerse buenas preguntas más que responder siempre las mismas o memorizar, deben ser el tema central que aborde la transformación de la educación y la formación.

¿Cómo crees que esta tecnología puede mejorar aprendizaje en el aula?

La tecnología debe estar presente en el aula siempre y cuando no sea un punto de fricción o implique que haya personas que no tengan acceso a la misma.

No obstante, la tecnología está presente en la sociedad e impacta de forma innegable en la misma por lo que la educación no puede estar alejada de esta realidad y debe aplicarla y ayudar a su buena utilización.
Creo que la puede mejorar en estas líneas:

• IA aplicada a la curación de contenidos y personalización de los mismos.
• Análisis del sentimiento y emoción para la detección temprana de necesidades específicas, mejorar en el engagement y obtener feedback en tiempo real.
• Mejorar la seguridad en las plataformas de formación. Detectando casos de acoso por ejemplo.
• IA aplicada a la generación de contenido en vídeo o audio a través de un texto o contenido preexistente. Muy útil para aplicar metodologías de flipped classroom entre otras.
• Soluciones multi-idioma y locución.
• Como no, para generar storytellings realistas e ilustraciones que ayuden a personalizar los contenidos a nuestro alumnado y al mismo tiempo sumar al aprendizaje significativo.
• Como asistentes académicos, usar Chatgpt para resolver dudas, conceptos, generar preguntas, resumir, esquematizar, apoyar, reforzar…

Seguro que me dejo muchas, y es que opino que es momento de abrir el imaginario y de forma colaborativa abrir un observatorio en la red de aplicaciones y usos que le podamos dar.

¿Qué tipo de herramientas de Inteligencia Artificial recomiendas para empezar a trabajar con ellas en el ámbito de la educación?

Como herramientas ya existentes recomendaría empezar por ChatGPT. Por todos conocido y en el que los estudiantes están tomando la delantera en su aplicación. Una herramienta de IA (o bueno verdaderamente de machine learning) tiene el potencial suficiente para ayudarnos como si de un asistente académico se tratara, donde es más importante saber y dominar qué preguntar que las propias respuestas que da. Para mi esto es ya por sí un ejercicio de incalculable valor pedagógico ya que vivimos en un momento de la historia en el que la incertidumbre es tan alta que hace que los retos a los que nos enfrentamos sean complejos (que no complicados). Ocurre que ante un problema complejo no existen soluciones previas ni una válida certeramente, por lo que la capacidad de aprender, de generar conocimiento nuevo es esencial y de vital importancia. Esto sólo se consigue haciéndonos cada vez mejores preguntas en lugar de responder siempre a las mismas (como estamos acostumbrados a hacer de forma brillante ya que se nos ha formado para ello).

Sin duda empezaría por esta para enseñar sus bondades más arriba apuntadas.

Otro tipo de herramienta que utilizaría serían aquellas que son capaces de generar contenidos en múltiples formatos (vídeo, audio, imagen) a partir de una petición previa con un prompt o incluso a través de tus contenidos previos que tengas. Por ejemplo, generar vídeos a partir de tus presentaciones o pdfs me parece un uso que ayuda al trabajo y comunicación asíncrona que a su vez puede ayudar a afianzar conceptos y aplicar metodologías de aprendizaje activas y de flipped classroom donde profesores y estudiantes pueden crear sus contenidos de forma asíncrona y aprovechar los espacios físicos y síncronos a actividades que no sean la mera transmisión de la teoría.

Creo que este sería un buen comienzo simple que no sencillo.

¿Cómo crees que la Inteligencia Artificial puede ayudar a personalizar el aprendizaje para los estudiantes?

Sin duda creo que es uno de los mayores beneficios que puede traer la IA a la educación. Y es que la personalización del aprendizaje es uno de los grandes retos y que hay tantas formas de aprender como personas existimos, sumado a que no todos partimos del mismo punto. Dicho esto, la IA creo que ayudará haciendo uso de los datos académicos y del histórico del estudiante. La IA es capaz de analizar grandes volúmenes de información y detectar casos concretos de necesidades específicas donde cada estudiante necesita refuerzo, feedback, contenidos específicos etc. Puede sin duda hacer un mejor uso de los datos que los profesores cuyo tiempo y capacidad de análisis de grandes volúmenes es limitado. Imaginemos que una aplicación de IA puede tener el contexto sociodemográfico de un estudiante, su histórico de evaluaciones, sus calificaciones, sus métricas de seguimiento, asistencia, interacción… y que la IA puede ayudar a analizar todos estos datos y dibujar al profesor un modelo que anticipe abandonos o fracasos escolares tempranos o incluso le diga las áreas en las que desarrollar acciones concretas para dicho estudiante. Sería maravilloso y permitiría al profesor anticiparse, detectar y ocuparse de lo realmente importante.

¿Qué desafíos piensas que enfrenta la educación con la llegada de la Inteligencia Artificial?

El más inminente y creo que hay que darle gracias, al cambio de los sistemas de evaluación basados en la mera calificación de exámenes y trabajos repetitivos. Dado que con las herramientas como ChatGPT va a ser, por lo menos por ahora, imposible detectar la autoría de los mismos, los profesores se deberán ver forzados a innovar en las evaluaciones y todo ello no va en contra de la legislación educativa. Básicamente quizás veamos una evaluación en competencias real y no en una mera evaluación al puro estilo PISA… que de poco sirve y poco aporta a la sociedad y a los estudiantes.

Sin duda el otro gran desafío será educar y formar en el uso de esta tecnología así como tratarla como una competencia más. Embeberla en el currículum académico y usarla como una herramienta más como son las tablets, los proyectores o la tiza. Todos ellos elementos imprescindibles.

Por otro lado, el gran obstáculo va a ser la burocracia y la barrera de adopción de nuevas herramientas y metodologías de trabajo en el sistema educativo.

No me gustaría dejar tampoco de lado que es preciso un avance y asentar unas líneas básicas que sean las directrices éticas en las que se fundamente el uso y aplicación de la IA en la educación y por tanto en el impacto de la sociedad. Contemplando y resolviendo la igualdad de oportunidades, la universalización, la atención a la diversidad, la privacidad, la seguridad, etc.

Una de las problemáticas que ya se están tratando legalmente y a las que se enfrentan las empresas de desarrollo de Inteligencia Artificial es el cumplimiento de la ley de GDPR. La ley de protección de datos contempla el derecho a la información. Esto es que cualquier usuario puede solicitar a las empresas responsables de estas aplicaciones de IA a informar del origen de los datos, tratamiento, etc. Pues bien el reto es mayúsculo pues al basarse en machine learning es a día de hoy imposible conocer o averiguar con certeza cómo la IA llega a darte una solución determinada y no otra. Es decir no puede aportar información sobre cómo se han tratado los datos pues lo que ocurre en la IA es como una caja negra (por así decirlo).

¿Cuáles son tus planes para sacarle provecho a esta tecnología?

En primer lugar, aprender y mostrar curiosidad así como investigar a través de experimentar con las diferentes herramientas existentes y las que van saliendo. Esto va tan rápido que a veces cuesta poner foco y pensar en qué y cómo aplicarlas a tu sector y casos de uso concretos. No obstante, lo que trato de hacer es crear comunidad y abrir el imaginario precisamente para ir averiguando y desgranando en qué nos pueden ayudar.

¿En la práctica? Pues estoy usando Copilot para ayudarme a planificar y diseñar formaciones, talleres, cursos. Es una IA en la que le das el contexto, las temáticas y con un entrenamiento previo puedes obtener una planificación educativa completa en la que te propone las lecciones, los temas a tratar, los objetivos, las actividades, la evaluación… e incluso las presentaciones… Alucinante para aquellos que somos diseñadores instruccionales o nos encargan diseñar experiencias de aprendizaje ya que esto te da ese orden y sentido al que antes tenías que recurrir a un experto en la materia y confiar en su know how. Ahora puedo ser más eficiente y recurrir a una validación posterior en lugar de empezar de cero.

Igualmente, mi nuevo compañero de trabajo, aka ChatGPT, me ayuda a resumir, a crear las introducciones teóricas de ciertos temas, a diseñar evaluaciones, a proponer actividades, ya tengo un listado de prompts de aplicación práctica para la educación que me ayudan a saber que pedirle y como. Lo que comentaba anteriormente, aprendiendo a preguntar mejor y a saber qué preguntar más que buscar respuestas correctas.

Por otro lado, no soy experto, más bien soy un desastre en temas de gestoría por lo que estoy usando la IA para generar plantillas de contratos, plantillas de facturas, control de pagos y generación automática de facturación, etc. Esto vinculado a herramientas nocode es una maravilla.

Por último, me encuentro jugando con herramientas de generación de imágenes y los cursos que diseño ya no usan imágenes de banco si no que son únicas y diseñadas específicamente para estos casos.

Finalmente, mi plan e invitación es que sumemos fuerzas, creemos comunidad y desarrollemos soluciones de nicho aplicadas a la educación. Me encantaría participar en el diseño y desarrollo de una solución de IA aplicada exclusivamente a la educación.

Etiquetas: ChatGPT, educación, GenAI

The Mountain of Tomorrow es un lienzo de definición de objetivos que puedes usar en la herramienta Miro y que está diseñado para ayudar equipos y organizaciones a definir el alcance de sus proyectos innovadores. El lienzo es una excelente manera de empezar el año definiendo objetivos e iniciativas, además de garantizar una gestión y ejecución de proyectos alineada y efectiva. Se recomienda utilizar el lienzo al inicio del año o al comenzar un proyecto de innovación o co-creación entre diferentes personas, departamentos o organizaciones que no han trabajado juntos con frecuencia. El lienzo ayuda a definir el impacto a largo plazo, los objetivos del proyecto, el plan de acción, los recursos necesarios y los métodos de trabajo para garantizar el éxito del proyecto. El lienzo se utiliza en un taller de 2 a 4 horas con la presencia del equipo del proyecto al completo y la ayuda de un facilitador. El proceso consiste en completar el lienzo paso a paso, comenzando con las ambiciones a futuro, seguido de los desafíos actuales, objetivos del proyecto, hitos, equipo necesario y métodos de trabajo.

Como te puedes imaginar The Mountain of Tomorrow puede ser una herramienta fantástica para definir en equipo los OKR anuales y articularlos también de manera trimestral. Así que ya no tienes excusa, estamos a primeros de año, convoca a tu equipo, si no lo has hecho aún y usa esta herramienta tan sencilla pero práctica para hacer una buena planificación del año.

Ultimos días para apuntarte al curso de OKR del mes de enero

Los días 24, 25 y 26 de enero con horario de 17 a 19h y de manera online vamos a realizar el primer curso de OKR Champion del año y aún estás a tiempo de apuntarte.

Convertirte en OKR Champion es una gran oportunidad para tomar protagonismo en tu empresa, ayudar a definir objetivos de manera clara y precisa, alinear a todas las personas de la organización en torno a esos objetivos y organizar las dinámicas de seguimiento que os ayuden a lograr los que os habéis propuesto.

Etiquetas: alineamiento, curso okr, equipo, estrategia, objetivos, OKR Champion

Me encanta la idea de que el auge que estamos viviendo de la Inteligencia Artificial se base en el concepto de aprendizaje y no tanto en el de conocimiento. Que las máquinas estén logrando hacer cosas sorprendentes no se debe a que de por sí sean muy inteligentes o tengan un gran conocimiento, sino a su capacidad de aprender, y al igual que hacemos los humanos, de imitar. Esto derriba mucho mitos y debe hacernos pensar en la importancia que tiene ser un aprendiz frente a la que hemos dado durante mucho tiempo a ser un experto.

De hecho en el ámbito de la Inteligencia Artificial la competición durante décadas en lo que se refiere a desarrollo tecnológico se refiere, se produjo entre los que apostaban por el desarrollo de sistemas expertos, donde se diseñaba la máquina siguiendo las instrucciones que le proporcionaba un experto en determinada materia, frente a los que consideraron que era mejor replicar la forma en la que las personas aprendemos y la manera en la que funciona nuestro cerebro, gracias a la estructura de las redes neuronales.

Sin entrenamiento no hay victoria

Durante mucho tiempo la gente ha asociado la inteligencia con aquellas cosas que resultaban complicadas, por ejemplo la capacidad de cálculo, la memorización de grandes cantidades de información o el desarrollo de la ingeniería, sin embargo no era tan habitual decir que alguien era muy inteligente porque supiera hacer cosas complejas, como comunicar muy bien, tomar buenas decisiones o ser capaz de plasmar la esencia de la vida a través del arte. En lo primero, lo que normalmente consideramos como inteligencia, hacer cosas complicadas, hace décadas que la Inteligencia Artificial nos gana por goleada. Pero esto no era suficiente, porque la mayoría de las cosas que hacemos en la vida no son complicadas sino complejas, como socializar y  comunicarnos, desenvolvernos por el mundo y poner en marcha nuevos negocios.

Y aquí es donde se ha producido un gran salto en el último año con la irrupción de las Inteligencias Artificiales Generativas a partir de la invención de los transformers, que son una arquitectura de red neuronal utilizada para tareas de procesamiento del lenguaje natural, como el análisis de sentimientos, la traducción automática y la generación de texto. Una arquitectura introducida por Google en el artículo Attention Is All You Need en 2017.

Entender de dónde venimos también puede ayudarnos a ser conscientes de la relevancia de lo que está ocurriendo en estos momentos y sobre todo a ser conscientes de que el entrenamiento que ha estado haciendo la Inteligencia Artificial en los últimos años comienza ahora a ofrecer las primeras victorias:

• Filtros de SPAM: probablemente la primera gran aplicación del aprendizaje profundo que la mayoría pudimos disfrutar, aunque muchas veces sin ser conscientes de ello, pero que sin duda es algo de lo que tenemos que estar muy agradecidos por el gran valor que nos aporta. Un ejemplo de la alta especialización con la que comenzó a trabajar la Inteligencia Artificial y un caso con el que compararse de cara a la gran evolución que se ha producido desde entonces.
• Traducciones automáticas: la típica actividad en la que de primeras te encuentras con mucha incredulidad u oposición, pero que poco a poco va demostrando la gran efectividad que puede ofrecer la Inteligencia Artificial cuando realiza funciones muy específicas. Y precisamente esa misma oposición que vimos hacia las traducciones hace pocos años la estamos viendo repetida ahora con herramientas de generación de texto como ChatGPT.
• Algoritmos de recomendación: el gran beneficio que muchas empresas, como por ejemplo Amazon o Netflix han podido obtener gracias a los sistemas de recomendación de productos o contenidos, ha incentivado enormemente la inversión en este tipo de tecnologías, lo cual por otro lado ha abierto la puerta a determinadas problemáticas como el excesivo control que estas empresas han llegado a tener sobre los intereses de sus clientes.
• Asistentes virtuales: con el furor que estamos viendo tras la presentación de ChatGPT, el trabajo que hacían los asistentes virtuales, como Siri y Alexa, ha quedado eclipsado. Quizás una razón de la que ahora estamos tan sorprendidos por la capacidad de ChatGPT se puede deber a la gran diferencia que muestra respecto de los modelos anteriores. En todo caso siempre es importante ser conscientes del valor que tenía que estos asistentes virtuales fueran capaces de entender lo que les decimos , aunque luego no pudieran hacer mucho al respecto.
• Sugerencia de textos: cada vez que Google iba introduciendo más utilidades en Gmail, como los filtros de spam, el traductor automático y luego la sugerencia de textos, nos fuimos dando cuenta del valor que podía tener la Inteligencia Artificial Generativa, pero las dosis de utilidad que nos iban ofreciendo eran tan pequeñas que ahora lo de ChatGPT sí que es una verdadera explosión de utilidad en relación con las iniciativas anteriores.
• Conducción autónoma: cambiando totalmente de tercio, dejamos el reconocimiento de texto y de voz para tratar el reconocimiento de imagen y pensar en lo importante que es que podamos depositar nuestra confianza en una tecnología que toma decisiones por nosotros a la hora de conducir un vehículo, con el riesgo que esto supone y sin embargo se haya comprobado que precisamente resulta más seguro que cuando conducimos exclusivamente las personas.

Matemáticas + Informática + Internet = Inteligencia Artificial

También resulta interesante pensar en que ha sido la socialización digital, la que se ha producido a través de redes sociales, blogs, foros, wikis, … lo que ha permitido que podamos contar con los datos, que son el último eslabón necesario en la cadena del desarrollo de la Inteligencia Artificial,  lo cual también coincide con la forma en la que se produce el aprendizaje humano: en sociedad y a través de las interacciones con otras personas.

Podíamos tener las matemáticas con algoritmos de redes neuronales desarrollados por gente muy inteligente, podíamos tener infraestructuras tecnológicas enormes, creadas con la inteligencia ingenieril del ser humano, pero no ha sido hasta que hemos sido capaces de añadir a esta tecnología el componente social que proporcionan los datos generados por las propias personas a través de su actividad en la red,  que no hemos podido decir que contamos con una Inteligencia Artificial que resuelve necesidades genéricas de las personas y no solo aspectos concretos de su actividad.

Attention Is All You Need

Aprovechando el titular del artículo sobre los transformers vamos a intentar visualizar escenarios futuros para nuestra sociedad en base a la evolución que está teniendo la Inteligencia Artificial:

1. Se cumplen las predicciones de la ciencia ficción: esperemos que no ocurra lo de Terminator, pero quizás es más probable que vayamos a algo parecido a lo que nos muestra la película WALL-E, cuyo nombre precisamente ha servido de inspiración a DALL-E, que es el primer modelo de generación de imágenes basado en redes neuronales que conocimos de OpenAI y también a otro más reciente llamado VALL-E desarrollado por Microsoft. Ante este posible escenario, donde las máquinas toman tanto protagonismo que nos dejan a los seres humanos en la cuneta, es muy importante que estemos preparados para ir llevando la iniciativa en cada momento, como por ejemplo ahora que ChatGPT puede hacer muchas cosas que hace poco parecerían ciencia ficción. Por lo tanto deberíamos prestar mucha atención a lo que está sucediendo y usar estas innovaciones todo lo que sea posible, porque eso nos generará una ventaja frente a los que se queden impasibles viendo llegar el tsunami de la Inteligencia Artificial sin hacer nada al respecto.
2. La Inteligencia Artificial nos ayuda a crear un mundo mejor: con ChatGPT tenemos dos opciones, dedicarnos a inundar Internet con refritos de contenido tremendamente optimizados para el SEO, o usar todo su potencial para solucionar los Big F**king Problems que enfrenta la humanidad. Por eso lo primero que hemos hecho nosotros ha sido organizar un grupo de trabajo entre leinners y sngulares en el que buscar oportunidades de proyectos que se puedan desarrollar con esta tecnología y también lanzar el curso de GenAI y ChatGPT con el que queremos que cada vez más profesionales aprendan a usar esta tecnología para lograr un mayor impacto con el trabajo que realizan cada día. A este respecto la Inteligencia Artificial debería ayudarnos a ser más productivos y a las empresas a ser más competitivas, para poder ofrecer mejores productos y servicios a la sociedad, lo cual nos permita mantener el progreso que la digitalización nos ha proporcionado en las últimas décadas en materia de salud, educación, energía, alimentación, cultura, …

Etiquetas: aprendizaje profundo, deep learning, machine learning, redes neuronales

En muchas ocasiones hay cosas que no funcionan porque damos por hecho que sí funcionan otras cosas que son necesarias para que funcione la primera. Del mismo modo que no podemos pretender que nos salga una receta fantástica si no contamos con los ingredientes de la calidad adecuada, tampoco deberíamos esperar que un modelo de trabajo basado en la colaboración funcione si no tenemos una buena comunicación entre las personas que vamos a poner en práctica ese modelo.

En OKR ocurre esto en relación con la comunicación, porque de hecho, al ser un sistema que tiene que integrarse a lo largo de la estructura de toda la organización, va a requerir que en esta exista una buena comunicación para que se pueda obtener un buen resultado en el uso de esta metodología. Por ejemplo, si no logramos que todo el mundo sepa para qué queremos usar OKR va a ser muy complicado que se motiven para trabajar en pro de la consecución de los objetivos.

Por otro lado OKR puede convertirse en un buen aliado para mejorar la comunicación en la empresa ya que aporta claridad al respecto de las prioridades que se tienen en la organización, que deberían verse reflejadas a través de los objetivos a conseguir. Y además nos plantea por medio de los CFR una estructura de reuniones en las que poder trabajar colaborativamente para definir esas prioridades y hacer seguimiento de ellas.

Qué duda cabe de que las conversaciones en el marco de los CFR son imprescindibles para que haya una buena comunicación en la empresa en torno a los temas que son importantes, pero también tiene un gran valor que en esas conversaciones haya feedback y reconocimiento, que serán los ingredientes que enriquecerán considerablemente el resultado final que buscamos lograr.

Si quieres saber más sobre cómo mejorar la comunicación dentro de tu organización te recomendamos el blog de Dialenga donde recogen un montón de consejos, por ejemplo este sobre la importancia de crear comunidad entre los trabajadores de una empresa y también te recomendamos esta infografía con tips para comunicar de forma efectiva.

Empieza el año certificándote como OKR Champion

El comienzo de año es ideal para ponerse objetivos, pero también puede resultar muy frustrante ver que cada año no somos capaz de lograr lo que nos proponemos y quizás se deba a que no contamos con una herramienta como OKR que nos ayude a tener éxito en el proceso. Por esto estamos empeñados en el OKR Lab en que cada vez más profesionales y empresas usen esta metodología.

Y por esto también te proponemos convertirte en OKR Champion a través de la edición 29 de la certificación que ofrece Sngular y que se desarrollará de forma online los días 24, 25 y 26 de enero con horario de 17 a 19h.

¿Te apuntas?

Etiquetas: comunicación, comunidad, Curso, OKR Champion