Redefinir la función de los trabajadores europeos frente a la inteligencia artificial
Investigaciones recientes sugieren que casi un tercio de las horas de trabajo mundiales podrían automatizarse de aquí a finales del decenio. Gracias a los avances en inteligencia artificial (IA), muchas de las tareas monótonas y repetitivas que hoy realizan las personas podrían pasar a ser realizadas por ordenadores. «Las tareas más susceptibles de ser hechas mediante IA o de ser automatizadas suelen ser rutinarias, repetitivas y basadas en reglas», explica Meltem Ucal, profesora titular de Economía en la Universidad Kadir Has. Estas incluyen actividades como la introducción y validación de datos, la clasificación y el tratamiento de documentos, y la elaboración de informes normalizados. También abarcan la programación y coordinación, las tareas repetitivas de seguimiento o triaje, y las respuestas de primera línea a consultas previsibles de los clientes. «Los sistemas de IA pueden acelerar estos procesos, reducir los errores y permitir que los trabajadores se centren en tareas que requieren creatividad y competencias interpersonales», comenta Ucal. Por ello, en el proyecto AI4LABOUR(se abrirá en una nueva ventana), financiado por las acciones Marie Skłodowska-Curie(se abrirá en una nueva ventana), Ucal y su equipo trabajaron para predecir nuevas profesiones y la formación necesaria para tener éxito en ellas. En este contexto, se empleó un nuevo modelo de IA para crear un marco integral que relaciona puestos de trabajo, tareas, competencias y vías de formación, para a continuación elaborar un conjunto de recomendaciones abiertas.
Análisis de las profesiones del futuro
Desde el punto de vista metodológico, en AI4LABOUR se combinaron varias líneas de trabajo. Los investigadores utilizaron modelos basados en tareas y competencias para analizar las profesiones a nivel de tarea, en lugar de limitarse solo al nombre del puesto a desempeñar. Después se valieron de métodos de aprendizaje automático y aprendizaje profundo para aplicar clasificadores y técnicas de aprendizaje profundo y distinguir las tareas rutinarias de las no rutinarias y estimar la probabilidad de automatización. Esta labor se complementó con la recopilación de datos a través de encuestas diseñadas científicamente para obtener datos empíricos de los trabajadores de las organizaciones asociadas. Los investigadores validaron a continuación su modelo y evaluaron su precisión antes de vincular los resultados a itinerarios de reciclaje profesional o de mejora de las competencias. Por último, crearon un portal de recomendaciones que traduce los modelos y los conjuntos de datos en un sistema de recomendación práctico.
Comprender los cambios del mercado laboral a nivel de tareas
Uno de los principales hallazgos de la investigación del proyecto fue que los cambios en el mercado laboral se entienden mejor a nivel de tareas. «Muchas profesiones no están simplemente “desapareciendo”, sino transformándose mediante la reestructuración de tareas», explica Ucal. «La demanda futura suele situarse en la intersección entre la experiencia en un área y la alfabetización digital y en IA». Los resultados específicos incluyen: un enfoque de aprendizaje de competencias basado en IA para evaluar el nivel de riesgo de automatización de las profesiones; la validación de modelos de aprendizaje automático y profundo junto con informes de evaluación de precisión; un análisis con perspectiva de género que destaca consideraciones de equidad; y el desarrollo de un portal de recomendaciones en línea. «El portal de recomendaciones de AI4LABOUR es de acceso público, por lo que las personas y partes interesadas pueden consultar el sitio web y emplear sus funciones de predicción y recomendaciones de formación», afirma Ucal. «El proyecto ha puesto a disposición diversos resultados públicos, incluidos informes, publicaciones, artículos de investigación de acceso abierto y una tesis».
Formar a la mano de obra europea
En lugar de un ajuste reactivo, en AI4LABOUR se buscó apoyar la adaptación activa a los cambios que se avecinan. Al identificar los perfiles de tareas más susceptibles a la automatización y vincularlos a itinerarios de formación, la investigación puede ayudar a las personas a planificar su reciclaje profesional, a las empresas a diseñar estrategias de personal, a los docentes a alinear los planes de estudio y a los responsables políticos a desarrollar políticas laborales concretas. «El objetivo general es lograr transiciones más fluidas y justas, así como mejorar la empleabilidad», recalca Ucal. Los investigadores seguirán mejorando los modelos, ampliando sus conjuntos de datos y explorando colaboraciones de seguimiento. «El desarrollo continuo y la sostenibilidad a largo plazo del concepto de portal siguen siendo prioritarios a medida que evolucionan las tecnologías y la demanda de competencias», concluye Ucal.
