Ethan Mollick: El valiente nuevo mundo de la IA generativa

En este episodio del podcast Forward Thinking del McKinsey Global Institute, el coanfitrión Michael Chui habla con el profesor de negocios Ethan Mollick. Es profesor asociado en la Escuela Wharton de la Universidad de Pensilvania. Mollick cubre temas que incluyen lo siguiente:

Michael Chui (coanfitrión):Janet, ¿has probado a usar ChatGPT?

Janet Bush (copresentadora): En realidad no lo había hecho. Estaba muy nervioso al respecto, pero luego me persuadiste para que me inscribiera justo antes de que tuviéramos esta conversación. Y me quedé boquiabierto, esa es una palabra en inglés para asombrado. Así que estoy fascinado por saber más al respecto.

Michael Chui: Bueno, como saben, publicaremos una investigación sobre el potencial económico de la inteligencia artificial generativa en junio, incluido su impacto en la fuerza laboral. Pero al invitado de hoy también le ha llamado la atención el enorme potencial de la IA generativa en los negocios. Y no solo lo ha pensado y tuiteado al respecto, sino que también ha estado experimentando con estas ideas. Y como profesor de negocios que enseña espíritu empresarial, en realidad requiere que los estudiantes usen IA generativa a medida que desarrollan planes de negocios en sus cursos.

Janet Bush: Bueno, eso me gusta porque significa que si escribo usando ChatGPT, no estaré haciendo trampa. Me fascina escuchar lo que tiene que decir.

Michael Chui:Ethan, bienvenido al podcast.

Ethan Mollick: Estoy tan contenta de estar aquí. Gracias por invitarme.

Michael Chui: Excelente. Comencemos con su fondo. ¿Dónde creciste? ¿Qué estudiaste? ¿Cómo terminaste haciendo lo que estás haciendo hoy?

Ethan Mollick: Puede que hable como un de la costa este, pero nací y me crié en Milwaukee, Wisconsin, lo que sorprendió a todos. Pero tengo un amor por la cuajada de queso para demostrarlo. Y luego me gradué en Harvard, comencé una empresa con un compañero de cuarto de la universidad después de mi período obligatorio en consultoría de gestión.

Inventamos el muro de pago, por lo que aún me siento un poco mal. Y luego decidí, dado que no sabía nada de lo que estaba haciendo, lo estábamos inventando a medida que avanzábamos, obtendría un MBA para aprender a hacerlo bien. Fui al MIT para obtener un MBA y luego me quedé allí para obtener un doctorado, cuando me di cuenta de que nadie sabía lo que estaban haciendo con respecto a las empresas emergentes.

Durante ese tiempo también comencé a trabajar en el Media Lab con algunas de las personas que estaban interesadas en la IA. También he estado trabajando en juegos por un tiempo. Fui a Wharton después, he estado enseñando allí desde entonces, lanzando nuevas empresas internas de Wharton e investigando el desempeño de las personas y cómo hacer una mejor enseñanza, básicamente.

Michael Chui: ¿Qué pasa con el muro de pago? ¿Qué inventaste allí?

Ethan Mollick: Mi compañero de cuarto de la universidad, que era el genio técnico, desarrolló el primer muro de pago, el primer cargo por acceso. Así que The New York Times, The Wall Street Journal, por un tiempo, eso fue lo que usaron, fue nuestro software improvisado.

Y yo era un joven de 22 años que iba a editoriales a gran escala y trataba de decirles que deberían conectarse a Internet y no sabía mejor que eso probablemente era una mala idea. En ese momento pusimos a todos en línea, así que eso fue bueno. Pasamos por todo el proceso. Nos adquirieron. He estado al otro lado de ese proceso.

Michael Chui: Está bien. Te culparemos a partir de ahora. Genial. Bueno, recientemente me dijiste que estás apostando toda tu carrera a la IA generativa. Entonces, solo para nuestros oyentes, ¿qué es la IA generativa?

Ethan Mollick: Siento que de las dos cosas, apostar a que la carrera se siente mucho más siniestra, pero primero hablaré sobre la pieza de IA generativa. La IA generativa es la categoría que estamos asignando al tipo de inteligencia artificial que ve con ChatGPT o Midjourney o DALL-E.

Está un poco mal definido, pero puedes pensar que toda la IA está haciendo lo mismo, que está tratando de predecir el futuro en función de datos pasados. Solía ​​tratarse de predecir cuántos widgets vamos a vender o dónde deberían estar nuestros camiones UPS.

La IA generativa comienza a predecir cuál debería ser la siguiente palabra en una oración para que pueda escribir un párrafo para usted, cómo debería verse una imagen en función de un mensaje. Entonces, se trata esencialmente del uso creativo y productivo de la IA para generar palabras e imágenes.

Michael Chui: ¿Y qué hace que esto sea diferente a otras tendencias tecnológicas? Has estado en tecnología por un tiempo, incluso antes de ser académico.

Ethan Mollick: Dejé todos los NFT y Web3, lo que se siente bien en retrospectiva, aunque espero que ninguno de tus oyentes me mate por eso. Creo que lo que hace que esta tendencia sea muy, muy diferente es que ya está aquí.

Estamos acostumbrados a que las tendencias sean, más o menos, "En cinco años, el mundo será diferente. En cinco años, todos realizaremos todas nuestras transacciones financieras a través de la cadena de bloques. En cinco años, todos estaremos hablando en realidad virtual". " Hay un par de empresas valientes que están experimentando con ella, pero la tecnología aún no es realmente real, pero tal vez llegue allí.

La IA está aquí ahora. Por lo tanto, no tenemos que preocuparnos por una IA futura, quiero decir, podemos preocuparnos por eso, para ver el cambio que sucede hoy. Entonces, el producto que está disponible en 169 países en este momento, que es GPT-4 en forma de Bing, es la IA más avanzada disponible públicamente en el planeta.

Está disponible para miles de millones de personas. Literalmente puede escribir código para usted. Literalmente puede hacer informes por usted. Puede pasar el examen de la barra. Puede pasar el examen de residencia en neurocirugía. No necesitamos avances futuros para que eso suceda. Así que es imposible imaginar que no vaya a haber un cambio como resultado de que esa tecnología esté ampliamente disponible.

Michael Chui: Hablemos de algunas de esas cosas que puede hacer. Una vez más, eres un tipo heredado de Twitter. Tuiteas a menudo sobre cosas que has descubierto que puede hacer. ¿Cuáles son algunas de las cosas provocativas que ha descubierto que esta tecnología puede hacer hoy?

Ethan Mollick: Entre las muchas cosas que puede hacer, eso es provocativo: creo que mucha gente sabe que puede escribir código, pero las nuevas versiones en realidad pueden escribir y ejecutar código de estas cosas. Puedes pedirle algo realmente extraño.

Le pedí que "me mostrara algo numinoso", que es una palabra SAT chapada en oro que habla de algo de otro mundo que toca poderes superiores, angelical. Y modeló para mí el conjunto de Mandelbrot, diciendo que los fractales tienen este patrón numinoso.

Dije: "Muéstrame algo extraño", que si alguien escucha o lee alguna novela de terror sabe que está asociado con Cthulhu y HP Lovecraft. Generó espontáneamente para mí un generador de texto de HP Lovecraft que usó los primeros fragmentos de la historia de HP Lovecraft para crear una cadena de Markov que crearía un texto con un sonido siniestro.

Está dando saltos intuitivos en este tipo de discusiones que no esperarías, además de crear el código y ejecutarlo. Le pedí que me diera un proyecto de feria de ciencias que ganaría una feria de ciencias de la escuela secundaria, y escribió y ejecutó el código. para mostrarme cómo funcionaba el aprendizaje automático y luego escribí todos los diagramas y todo lo demás. Hace mucho del pensamiento humano como parte del proceso.

Michael Chui: Así que esto no es solo: "Por favor, cambia este poema por algo que Shakespeare escribiría", o algo así. Esto es: "Por favor, escríbame un fragmento de código basado en algún término que sea oscuro". Y así, no solo entiende, entre comillas, el término, sino que también escribe código para él y lo ejecuta.

Ethan Mollick: Bueno, entiende el punto de vista humano que podría marcar la diferencia aquí. Y nuevamente, comprensión y todo lo demás: la gente no puede verme, porque esto es un podcast, pero estoy haciendo citas al aire. Cada vez que uso una palabra similar a la humana para describir la IA, asuma que hay comillas en el aire a su alrededor.

Es mucho más fácil hablar de la IA como si estuviera haciendo cosas humanas, pero es importante reconocer que no es como nosotros. Pero, sí, está haciendo el tipo de cosas que no esperaríamos que hiciera el software, que no esperaríamos que una simple herramienta de finalización de palabras, que en última instancia es lo que hacen los LLM, los grandes modelos de lenguaje como ChatGPT, hagan estos cosas.

Ya sea que eso sea una ilusión o un comportamiento inexplicable o que haya encontrado los patrones profundos del lenguaje humano en la forma en que piensa Steve Wolfram, no puedo decirte cuál de esas cosas es. Pero está haciendo más de lo que esperaríamos en esos frentes.

Michael Chui: ¿Por qué importa esto, al menos económicamente o desde un punto de vista corporativo? ¿Por qué la gente debería preocuparse por esto además de preocuparse por la tarea de sus hijos o ese tipo de cosas?

Ethan Mollick: Hay un montón de razones. Lo primero es que se trata de una herramienta útil. Me propuse un desafío el otro día en el que dije: "¿Cuánto marketing podría hacer en 30 minutos?" Lanzo productos todo el tiempo. Dirijo algo en Wharton llamado Directiva Wharton, que produce juegos educativos.

Y yo estaba como, "Aquí está nuestro nuevo producto. Búscalo, y luego vamos a comercializar todo lo que podamos".

En 30 minutos, la IA, con solo un poco de ayuda mía, ideó una muy buena estrategia de marketing, una campaña completa de marketing por correo electrónico, que por cierto fue excelente, y he ejecutado un montón de este tipo de cosas en el pasado: escribió una especificación del sitio web, creó el sitio web junto con los archivos CSS, todo lo que necesitaría, creó las imágenes necesarias para el sitio web, creó el guión para un video y, de hecho, creó un video falso con sonido humano. voces y actores falsos de IA en él, y creó una campaña completa en las redes sociales.

Treinta minutos. Sé por experiencia que este sería un equipo de personas trabajando durante una semana. Y eso es lo mismo en todas partes. Si observamos dónde la IA tiene el mayor impacto, es exactamente ese tipo de cosas por las que más pagamos a los humanos, que requieren más educación, que son más creativas y que liberan a las personas. de algunas de esas tareas, para bien o para mal.

Esa es una razón para preocuparse porque realmente hace cosas reales que nos importan en el mundo de los negocios. Y la segunda razón para preocuparse es que mucha gente tiene acceso a ella. Las empresas no tienen ninguna ventaja particular aquí sobre los individuos.

De hecho, no funciona muy bien como software empresarial. Funciona muy bien como una herramienta en la que puedo delegar, casi un asistente que puedo tener para delegar tareas que no quiero hacer y que manejará por mí. Eso tiene un gran impacto económico.

Y luego tercero, hablemos de números. Estamos viendo en los primeros experimentos controlados entre un 30 y un 80 por ciento de mejoras en el rendimiento para tareas individuales que van desde la codificación hasta la escritura, el marketing y los materiales comerciales, del 30 al 80 por ciento. Para brindarle un poco de contexto, cuando se agregó la energía de vapor a una fábrica a principios del siglo XIX, el rendimiento aumentó entre un 18 y un 22 por ciento. Estos son números que nunca hemos visto antes.

Michael Chui: Explique más sobre lo que eso significa, para aumentar el rendimiento entre un 30 y un 80 por ciento. Asigne una tarea y, ¿según qué métrica es mejor en un 30 a 80 por ciento?

Ethan Mollick: Tomemos un ejemplo de cómo se ve una mejora del rendimiento del 30 al 50 por ciento, porque en realidad hay muchas dimensiones. Hay un estudio realmente excelente del MIT, un experimento inicial que usa ChatGPT-3.5, que es la versión un poco más antigua de Chat.

Lo que hicieron fue dar tareas realistas de redacción de negocios a personas con experiencia en negocios y luego juzgaron sus resultados de varias maneras. Y lo que encontraron fue que no solo disminuyó la cantidad de tiempo que les tomaba a las personas hacer el trabajo en más de un 30 por ciento, por lo que tenían a Chat escribiendo gran parte del trabajo por ellos, sino que en realidad se juzgó la calidad del producto final. más alto que cuando los humanos lo crearon. Y a los humanos que lo hicieron les gustó más su trabajo porque subcontrataron las cosas molestas. Entonces, cuando hablamos de mejoras en el rendimiento, nos referimos a mejores resultados, mayor velocidad y potencialmente incluso un mejor trabajo.

Michael Chui: Guau. Eso es bastante notable. También hemos visto este aumento en la productividad de los desarrolladores de software. Algunos de mis colegas también están haciendo algunos experimentos con nuestros grupos, y es muy interesante porque, en algunos casos, son los mejores ingenieros los que mejoran más con el uso de estas herramientas. No sé si has oído hablar o visto tipos de efectos similares.

Ethan Mollick: Es muy disperso en este momento. Esa es una de las preguntas gigantes: ¿quién se beneficia? Parte del trabajo muestra que los peores resultados son los que más se benefician. Algunos muestran los mejores artistas. Todavía no entendemos lo suficiente sobre quién se beneficia, y eso será un gran problema en el futuro.

Michael Chui: Hablando de grandes beneficios, señaló que algunas de las personas y roles más educados y mejor remunerados son aquellos en los que estas tecnologías pueden aumentar la productividad. ¿Qué significa esto para la fuerza laboral? ¿Qué significa para los trabajos?

En MGI hemos estado investigando mucho sobre los impactos potenciales de la automatización. Tenemos diferentes escenarios que hemos modelado a lo largo del tiempo. ¿Cuáles son sus reflexiones o análisis cuando comienza a pensar en lo que esto podría significar para la fuerza laboral?

Ethan Mollick: En primer lugar, aclaremos que nadie sabe nada. Quiero poner esa advertencia. nosotros no Tenemos modelos reconfortantes del pasado, que es una interrupción a corto plazo seguida de un rendimiento a largo plazo, pero nunca hemos tenido una amenaza de automatización basada en términos generales en los trabajadores administrativos mejor pagados.

No sabemos qué significa eso, y no sabemos cómo será explotado. No sabemos qué situación es esa. Y eso ya es solo tomar la idea de que la tecnología permanece estática como lo es hoy. Hay muchas suposiciones en su lugar.

La versión esperanzadora a corto plazo es que subcontratamos tareas, no trabajos. Las partes realmente molestas de su trabajo que no quiere hacer, son cosas que se subcontratan a la IA, tal vez lo esté haciendo usted mismo, y se enfoca en las partes más interesantes, creativas y humanas de su trabajo.

La versión más amenazante es que muchos de nuestros trabajos se dedican básicamente a administrar a otros humanos de manera que la IA podría hacerlo mejor. Por lo tanto, está produciendo un informe que está ayudando a sus superiores a comprender lo que está haciendo la gente que trabaja para usted, y eso es gran parte de su trabajo. "¿Eso es permanente o no?" se convierte en una gran pregunta.

Creo que gran parte de esto es que ni siquiera sabemos cómo las empresas están sopesando esto todavía. Pienso, de manera inquietante, en: estuve en el escenario recientemente con el director de una empresa, y es público, porque habló sobre el tema en el escenario, Turnitin, el director ejecutivo de Turnitin. Ha estado jugando con GPT durante más tiempo que muchos de nosotros. Su negocio está en auge.

Pero dijo en el escenario que cree que podría deshacerse del 70 u 80 por ciento de sus ingenieros y especialistas en marketing dentro de 18 meses y reemplazar a algunos de ellos con estudiantes de secundaria gracias a ChatGPT. No sé si iría tan lejos. Pero sí creo que el hecho de que algunas personas estén pensando en ello debería ponernos un poco nerviosos.

Michael Chui:¿Qué debería hacer la gente, dado que hay algo de preocupación aquí?

Ethan Mollick: Creo que la preocupación y la emoción van juntas. Parte de la razón por la que existe una amenaza de esto es porque en realidad te hace mucho más productivo. Y la productividad es clave para todo. Cuanto más trabajo hagas, presumiblemente más te pueden pagar y, obviamente, el trabajo que hacemos como sociedad, mayor productividad. Esa es toda la razón por la cual nuestro nivel de vida aumenta. Así que hay un lado bueno en esto.

Michael Chui: Mencionaste que las cosas no funcionan muy bien como software empresarial. Pero también sabemos que, básicamente, todas las empresas de software empresarial están agregando IA generativa como característica. Entonces, ya sea que se trate o no de un sistema de correo electrónico o de un sistema de gestión de relaciones con los clientes, están agregando esto como una función. ¿Qué significa esto cuando piensa en el software empresarial y cómo esta tecnología podría adoptarse en empresas reales?

Ethan Mollick: Creo que es importante reconocer cómo las empresas usan la IA con el software en comparación con lo que la IA hace bien. Para lo que no están usando AI es para procesar datos, en lo que en realidad es bastante bueno, escribir el código, o al menos eso no es lo que están lanzando, es cosas que escriben código. No es profundo en sus API.

Lo que está haciendo es una especie de bofetada en la superficie, que es como, "OK, hay un chatbot que te ayudará a realizar tareas no estructuradas además de esto". Casi todo el mundo tiene chatbots para tareas no estructuradas. Puedes hablar con un chatbot en Slack y pedirle que escriba un ensayo para ti. Puede hablar con un chatbot en el nombre del software que desee.

Obviamente, hay un poco más de trabajo en esto y servicio al cliente. Pero la cuestión es que estos sistemas no funcionan bien con otros porque en realidad no funcionan como software. Software que queremos ser confiables. Queremos que produzca los mismos resultados cada vez. Y habiendo dirigido organizaciones de software, sé que a veces es una fantasía, pero eso es lo que queremos.

Esto no es confiable. A veces se negará a hacer cosas. A veces hará cosas diferentes. Si bajas la temperatura lo suficiente, cambias el nivel de aleatoriedad para que empiece a ser más predecible, los resultados se vuelven mucho menos interesantes.

Es una trampa. Ahora, mejoraremos, pero por ahora, he estado usando todas las versiones API de los complementos que están disponibles para ChatGPT, a los que tengo acceso anticipado, y a veces se olvida que puede usarlos. . Se confunde con ellos. A veces inventa cosas. Eso mejorará, pero no funciona como lo hace el software. Y así cambia el paradigma de lo que es el software, porque si esperamos que sea repetible, no es explicable.

Esperamos que el software sea explicable. Esperamos que el software venga con un manual para que sepa la cantidad de comandos que están disponibles para usted y lo que hacen. Los comandos son completamente aleatorios y hacen cosas diferentes cada vez, dependiendo de lo que haya en su memoria y lo que sucedió en el pasado, cuál es su semilla aleatoria. Así no es como funciona el software tradicional. Y cuando las personas piensan en esto como un software, pierden de vista lo que lo hace tan importante e interesante.

Michael Chui: Ciertamente suena interesante e importante, pero algunas de las palabras que usó allí pueden dar miedo si está tratando de aplicar estas cosas en los negocios. Así que me encantaría que hablara más sobre el hecho de que, como dijo, estos sistemas no son necesariamente confiables.

La gente habla de "alucinaciones" cuando se pregunta por hechos, en el sentido de que a veces alucinarán no solo los hechos, sino también los documentos de respaldo que supuestamente respaldan esos hechos. O también habló sobre los desafíos en torno a la explicabilidad. ¿Por qué produjo lo que produjo? Si tiene un sistema que no es confiable ni explicable, ¿por qué usarlo en los negocios?

Ethan Mollick: Porque las personas ya no son explicables ni confiables, y la analogía debería ser pensar en personas, pensar en becarios y no pensar en software. El hecho de que esté hecho de software no significa que esa sea la analogía más útil que podemos darle, al igual que el hecho de que estemos hechos de carne realmente no nos ayuda a pensar mucho sobre lo que hacemos de manera útil.

Ahora bien, no estoy diciendo que la IA sea de ninguna manera sensible, viva, una persona. Pero está entrenado en el pensamiento humano. Está construido alrededor de un sistema que está diseñado para reproducir el lenguaje humano. No sorprende que su estructura profunda sea el sentimiento humano.

Y sabemos que incluso en la medida en que hay un gran trabajo de investigación que muestra que si lo haces ansioso, si lo preparas con los mismos preparadores de ansiedad que usamos para los humanos, y dices cosas: "Escribe 100 palabras sobre algo que te hace ansioso": actúa de manera diferente cuando está ansioso.

En realidad, obtiene niveles más altos de sesgo, pero también se vuelve más innovador y más diverso en sus respuestas, como lo hacen los humanos. En realidad, hay razones reales para pensarlo de esa manera. Y como resultado, las personas que subcontratan su departamento de TI están cometiendo un error, o su departamento de ciencia de datos, está cometiendo un error. Es una herramienta creativa increíble. Es una herramienta innovadora increíble. Es mediocre como algo que te da la misma respuesta cada vez.

Michael Chui: Habla más sobre esto de la ansiedad. Entonces, puedes tratar estos sistemas como si tuvieran emociones porque puedes generar el tipo de respuestas que una persona daría si estuviera ansiosa, enojada, triste, ¿qué tienes?

Ethan Mollick: No solo eso. Hay un artículo de Harvard que es realmente excelente, que muestra que puedes usar esto para estudios de mercado, porque si le dices que es una persona en particular, responde lo suficiente como esa persona para que puedas obtener información de precios de ella.

Hay un buen artículo económico que muestra que reacciona a los problemas clásicos de los sesgos cognitivos con el tipo de sesgos cognitivos que tienen los humanos. Nuevamente, no es humano, no es consciente, pero está entrenado de una manera que lo empuja a parecer que es sensible. Así que pensarlo de esa manera puede ser una herramienta muy poderosa. Y de nuevo, creo que esa es la analogía que mucha gente se pierde.

Michael Chui: Y eso puede ser útil en el sentido de que si quieres que simule lo que podría hacer una persona. Pero, presumiblemente, eso también podría ser un conjunto de problemas, si está entrenado en datos que muestran sesgos con respecto al género, la raza o el origen étnico, y luego le estamos pidiendo que realice tareas. ¿Eso significa que potencialmente podría realizar tareas de una manera que tenga esos sesgos que también vemos en las personas?

Ethan Mollick: Absolutamente. Es absolutamente un peligro de parcialidad. Si no fuera por sus barandillas, sería increíblemente parcial. Las barandillas agregan diferentes conjuntos de sesgos que antagonizan a otros conjuntos de personas. Absolutamente tiene sesgo. Absolutamente inventa cosas. Alucina. Una vez más, sin embargo, es por eso que creo que pensar en ello como una persona en realidad puede ser útil, porque está sesgado. No es una máquina que piensa como una máquina.

Tenemos que tomar todo con pinzas. Eso no significa que no pueda hacer un trabajo tremendo. Significa que tenemos que tener cuidado con el trabajo que hace. Y hace trabajo humano con problemas humanos.

Creo que tendemos a sobrestimar el peligro de algunas de estas preocupaciones, especialmente las alucinaciones y la invención de hechos. Hay un buen artículo que le dio a GPT y Google Bard el examen de calificación de neurocirugía y descubrió que no solo lo aprobó con gran éxito, obviamente, sino que la tasa de alucinaciones pasó del 44 por ciento con Google's Bard al 22 por ciento para GPT-3.5 al 2 por ciento para GPT -4. No creo que el problema de las alucinaciones sea irresoluble, pero probablemente no dejarías que nadie que trabaje para ti produzca un informe de cliente sin mirarlo. Siento que eso es lo mismo con GPT-4.

Michael Chui: Es interesante. Enseñas en una escuela de administración. ¿Es la forma correcta de pensar acerca de estos sistemas [que] es casi como manejar a una persona tanto como programar una computadora?

Ethan Mollick: No lo es, pero también se siente de esa manera. Entonces, obviamente, es algo muy diferente, pero si ese es su comienzo previo, y antes hablábamos de que las personas están creando indicaciones muy complicadas con el posprocesamiento. Estoy haciendo el mismo conjunto de cosas. Pero puede obtener el 80 por ciento del camino para aprovechar al máximo estos sistemas simplemente lidiando con ellos como una persona de la que está a cargo.

Michael Chui: Eso es una locura. [Risas] ¿Cuáles son los tipos de principios de gestión que en realidad son aplicables para pensar en cómo usar estos sistemas de manera efectiva?

Ethan Mollick: No sabemos las respuestas a todas estas cosas. Puedo contarte algo de mi experiencia en él, que es parte del material respaldado con datos. Las dos formas que son mejores son, como cualquier otra cosa, pedirle que piense paso a paso en un problema, lo que produce mejores resultados que si no le dice que piense paso a paso, y luego examinar los pasos para asegurarse de que estén correctos. los pasos correctos.

Lo mismo que haría con alguien que está haciendo una tarea por primera vez. Darle ejemplos lo hace mejor. "Hazlo así, porque así es como lo hemos hecho en el pasado". Hará un mejor trabajo. Esas son cosas de humanos. Una vez más, como profesor, es bastante bueno porque estoy como, "Sé cómo enseñar cosas, y puedo enseñar esto y funciona bastante bien".

Verá a todas estas personas con estas indicaciones muy elaboradas en línea. Esperas que esto sea mágico, pero en realidad es conversacional. Sin embargo, lo que hay que recordar es que no se enoja, o al menos no se enoja realmente, por lo que puede pedirle que funcione 400 veces en las que me sentiría muy mal si enviara a un pasante: "No. Hazlo de nuevo. Hazlo otra vez. Hazlo de nuevo". No es un problema para la IA.

Pero todavía me encuentro agradeciéndolo y diciéndole: "Buen trabajo, pero ¿podrías modificar esto?", aunque sé que eso no importa. Pero puede terminar importando. Ni siquiera sabemos. Podría resultar que ser amable con él: tengo algunas sospechas de que ser amable con él da como resultado mejores resultados, pero no tenemos idea.

Creo que lo que diría en general es que no conocemos los principios completos, pero ese sería mi punto de partida, es pensar en ello como una persona. Y de nuevo, ahí es donde creo que muchas grandes empresas se están equivocando. Están haciendo de esto un problema de TI y estrategia. Es una especie de problema de recursos humanos.

Michael Chui: Eso es fascinante. Entonces, de nuevo, si lo piensa como persona, las habilidades como maestro, las habilidades como gerente, esas son las habilidades que está aportando al tratar de hacer que esto funcione mejor, estos sistemas funcionan mejor. Dígame qué significa ver esto como un problema de recursos humanos.

Ethan Mollick: Es un problema de recursos humanos en un montón de maneras diferentes. Una forma en que es un problema de recursos humanos es que se trata de personas y políticas. ¿Dejas que la gente use estos sistemas? ¿Quién puede usarlos?

Es una herramienta para que la gente la use. No es una herramienta informática. No está regulado. Una vez que las personas comienzan a usar estos sistemas, no es fácil saber para qué los están usando o cuáles son los resultados. Su trabajo se contamina con el trabajo de la IA. Esa es una decisión de política, no una decisión de TI.

Es una amenaza a la seguridad, pero eso es un poco secundario a ser, "¿Qué sentimos sobre el hecho de que, como he hablado con un grupo de personas de recursos humanos que tienen, todas sus revisiones ahora están siendo escritas por AI. ¿Cómo te sientes acerca de eso?"

Michael Chui: Esperar. Repitelo. ¿Que esta pasando ahí?

Ethan Mollick:Si pegó el currículum de alguien y su último informe de desempeño y dice: "Escriba un buen informe de desempeño para él", obtendrá un informe de desempeño que a menudo se siente mucho mejor para la persona que lo lee, que se siente más preciso que si la persona de recursos humanos gasta una hora en eso.

Michael Chui: Pero, ¿el indicador incluye alguna vista de cómo fue el desempeño de la persona? O estás diciendo que mejora un borrador que escribió una persona.

Ethan Mollick: No no no no. Estoy diciendo pegar en su currículum, pegar un párrafo sobre sus objetivos de rendimiento anteriores y luego escribir dos oraciones: "Lo están haciendo muy bien en sus objetivos. Esto es lo que dijo su gerente sobre ellos". Escriba una buena revisión de desempeño. Incluya muchos detalles. Escríbala desde una perspectiva profesional de recursos humanos. Incluya puntos procesables", y luego presione Intro, y obtendrá una buena revisión.

Michael Chui:¿Cómo te sientes sobre eso?

Ethan Mollick: Malo. Pero estoy intimidado por el hecho de que hay un montón de cosas que hacemos que se trata de prender fuego a nuestro tiempo para demostrar que somos muy considerados con las personas, lo cual es bueno.

Si me piden que escriba una carta de recomendación para alguien, dedico mucho tiempo a esa carta de recomendación. Eso es un gran problema. La carta de recomendación que termino escribiendo para ellos es probablemente peor que si pego su currículum, pego el trabajo y digo: "Escribe una muy buena carta de recomendación para esta persona", y luego, cuando la recibo, dice: "No, en realidad, haz que el párrafo dos sea más brillante. Haz que el párrafo uno mencione una debilidad". Obtendré mejores resultados que probablemente serán mejores para la persona para la que estoy escribiendo una carta.

No lo haré. Pero ese es el desafío. Hay mucho trabajo que hacemos en las organizaciones que depende de que haya un ser humano en el circuito para tener algún significado, pero aún no está tan bien hecho. Pero la IA puede hacerlo mejor.

¿Cómo nos sentimos acerca de eso? No sé. Creo que estamos a punto de descubrir que mucho de nuestro trabajo tiene grandes elementos como este. Estoy produciendo y, por cierto, cuando Microsoft lance Copilot, que básicamente agrega IA a Office, enviará un correo electrónico redactado con IA con un documento adjunto que escribió AI, a un gerente que está usando IA para leer el documentarte y responderte. "¿Qué significa eso para el trabajo?" es, creo, una pregunta con la que apenas estamos comenzando a lidiar. Nuevamente, un problema de recursos humanos, un problema de estrategia, no un problema de TI.

Michael Chui: También hay un problema de confianza. Le conté esta historia a The New York Times, que envié un correo electrónico a un colega e inmediatamente me envió un mensaje de texto y me dijo: "¿Este correo electrónico es legítimo?" Y yo dije: "¿De qué estás hablando, Rob?" Y él dijo: "Parecía sospechoso". Y dije: "Bueno, tal vez debería usar ChatGPT para redactarlo", y él dijo: "Pensé que lo habías hecho".

Entonces, ¿comenzamos todos a preocuparnos de que la comunicación que recibimos de otras personas no sea genuina o auténtica de alguna manera?

Ethan Mollick: Creo que si no estás ya preocupado, estás atrasado. Esto esta hecho. El caballo está fuera del establo y todos los demás animales también están fuera del establo. Esto esta hecho.

Ya puedo decirles que la escritura de todos mis alumnos ahora es excelente. Necesito IA en mi clase, por lo que van a ser excelentes de todos modos, pero es excelente. Si alguien no le envía un correo electrónico bien escrito, entonces no le importó lo suficiente como para usar IA. Cada imagen en línea es sospechosa. Toda comunicación es sospechosa. Por supuesto, quiero decir, todo simplemente se rompió. Solo le toma un tiempo a la gente darse cuenta.

Michael Chui:¿Qué clase de mundo es este en el que estamos preocupados por todas estas cosas?

Ethan Mollick: La respuesta alternativa es que es el mundo en el que nos encontramos ahora y tenemos que reconstruir el significado en él. Pero este es el desafío real para cualquier persona de negocios que escuche esto. ¿Cómo es este mundo? ¿Qué trabajo es significativo en este punto y cuál no? ¿Qué deberías delegar a AI, obviamente?

La gente está usando inteligencia artificial en secreto a tu alrededor todo el tiempo. No puedo enfatizar cuánto uso secreto de IA está ocurriendo en lugares que no esperas. La gente se me acerca después de las charlas todo el tiempo, gente que no esperarías, gente a cargo de redactar políticas, y están usando IA para hacer cosas porque una vez que empiezas a usarla dices: "¿Por qué quiero escribir a mano un documento de nuevo?"

Se siente como si estuviera pasando del procesamiento de textos a la escritura a mano. ¿Por qué harías eso? Conozco a muchas personas en empresas donde la IA está prohibida que solo traen sus teléfonos y hacen todo su trabajo en IA y luego se lo envían por correo electrónico porque ¿por qué no harían eso?

Ya estamos en este mundo. Y lo que sucede es que las empresas dicen: "Vamos a colocarlo en un documento de política. Esperemos a que alguien nos diga qué hacer". Sus empleados ya están usando IA en todas partes. Y por cierto, no solo sus empleados.

Una vez más, disponible en todo el mundo. Entonces, hay mil millones de personas en países que tienen mucho talento pero no muchas oportunidades que ahora pueden escribir en un inglés perfecto, escribir código, producir resultados. ¿Qué estás haciendo con esos? No creo que la mayoría de la gente todavía haya notado la escala de este cambio.

Michael Chui: Creo que mencionó que hay una analogía con lo que solíamos llamar gasto en TI en la sombra, que la tecnología es tan convincente que la gente la usa incluso si no está autorizada por TI central. Y como ex CIO, eso resuena conmigo, sin duda. Tengo mucha curiosidad, aunque, como dijiste, lo estás usando dentro del salón de clases. Dime qué piensas sobre eso. ¿Cómo lo estás usando en el salón de clases?

Ethan Mollick: Lo hice obligatorio. Doy muchas clases de emprendimiento, algunas clases de innovación. Se requiere IA para todos ellos. Tengo políticas sobre eso. Deberían decirme qué indicaciones usaron al final, escribir un párrafo reflexionando sobre ello. Pero no me importa cuánto escribe AI en este momento.

Lo que he hecho ahora son tres cosas diferentes. He ampliado enormemente la cantidad de trabajo que hace la gente. Hemos tenido muchas buenas empresas emergentes que han salido de Wharton. Mi clase 801 que enseño, que es la introducción a la clase de MBA, no solo yo, sino un montón de otros maestros talentosos que la enseñan. Las personas han recaudado miles de millones de dólares de esa clase a lo largo del tiempo, o se han retirado por miles de millones.

Ha sido una clase muy exitosa en Wharton. Me gustaría reclamar todo el crédito por ello, pero no puedo. Esto es estudiantes talentosos. Pero al final de una clase de un semestre, ¿qué has hecho? Tal vez tengas el terreno de juego para tu idea. Tal vez has hecho una encuesta.

Ahora pido a la gente: "Tenga un software que funcione. No me importa si no puede escribir software. Debería tener una pieza de software que funcione. Creo que debería tener un sitio web que funcione. Creo que debería tener imágenes, y creo que deberías tener reseñas de mercado falsas. Creo que deberías haber entrevistado a 50 personas falsas y diez personas reales".

Puedo pedir mucho más trabajo en la misma cantidad de tiempo. Y es increíble Ahora tiene cinco personas más en su equipo, diez personas más en su equipo. Esa es la forma en que lo piensas. Espero que todo el trabajo sea perfecto. Ya no quiero errores gramaticales. No quiero ningún problema. ¿Por qué volvería a ver eso?

Y luego también me permite hacer más como profesor. Noté que mis estudiantes universitarios dejaron de levantar tanto la mano en clase. Y, sí, me va bastante bien enseñando. La gente me da puntajes altos. "¿Por qué?" Les pregunto. Porque prefieren hacerle una pregunta a la IA más tarde, para explicarla de cuatro maneras diferentes, que molestarse en decirle a toda la clase "No entiendo algo".

Creo que el cambio ya está aquí. El futuro ya está en tantos lugares, y aún no lo hemos reconocido. Y esta acción de retaguardia no va a funcionar.

Michael Chui:¿Cómo te sientes acerca de los estudiantes en lugar de hacer una pregunta a un sistema en lugar de a ti?

Ethan Mollick: Cambia la forma en que damos conferencias. En primer lugar, las conferencias son siempre tontas. Los hago, pero siempre son tontos. Nunca fueron la forma en que deberías hacer el trabajo. Así que la escuela va a estar bien. Podemos hablar más al respecto, pero hay maneras de hacer que la escuela funcione.

La gente todavía va a querer tenerlo. No me preocupa eso, al menos a medio plazo. Veremos qué sucede si la gente de AGI [inteligencia general artificial] tiene razón, entonces nos preocuparemos de eso más tarde. Pero siento que esto me está mostrando lo que deberíamos estar haciendo.

Es un poco extraño que alguien que está confundido tenga que decirles a todos en la clase: "Hola, esto me confunde", y luego les explico de otra manera. Eso es genial para mí. Me permite explicar las cosas varias veces. Pero en cierto modo, es una debilidad mía, que no todos lo entienden.

Pero, por supuesto, no todos lo entienden. Enseño a un nivel demasiado alto y algunas personas lo pierden, a un nivel demasiado bajo, algunas personas se aburren. Entonces, ¿por qué no querríamos que la gente le pregunte a la IA: "Explícalo como si tuviera cinco años. Soy un MBA con un título en banca. Explica cómo funciona esto". ¿Por qué no?

En este momento debemos preocuparnos por los errores. Deberíamos preocuparnos por los errores. Deberíamos preocuparnos por las alucinaciones. Pero también cometo errores. Y mis estudiantes escuchan mal las cosas que digo todo el tiempo. ¿Esto es peor o mejor? No sé.

Michael Chui: Una de las cosas en las que estoy reflexionando, como dijiste, los estudiantes ahora están generando más trabajo, es si podríamos volver a la discusión laboral también. Si bien podría aumentar la productividad, eso no significa necesariamente que haya reducido la cantidad de personas que tiene trabajando. Puede hacer que produzcan más, dado que se han vuelto mucho más productivos.

Ethan Mollick: No tengo ninguna duda, según los datos que tenemos hasta ahora, de que habrá aumentos masivos de productividad para sus analistas. "¿Qué haces con ese tiempo?" es realmente tu pregunta.

¿Vas a dejar que trabajen menos y les pagues lo mismo? ¿Va a esperar que trabajen más y hagan más trabajo al mismo tiempo? ¿Va a cambiar el tipo de trabajo que están haciendo para que sea un trabajo más creativo y de alto nivel? ¿Vas a contratar menos de ellos?

Ese es el problema. Si tuviera que entrevistarte, eso es lo que te estaría preguntando: "¿Qué vas a hacer con estas cosas? ¿Qué significa esto?" Y creo que esa es la cuestión.

Michael Chui: Hay precedentes históricos con otras tecnologías. Quiero decir, hubo un tiempo en que le pagamos a la gente para calcular, y luego apareció Excel. Todavía tenemos personas que están en roles similares pero, de nuevo, han subido de nivel, en términos de las cosas que hacen.

Ethan Mollick: Estoy de acuerdo, pero nunca habíamos visto una tecnología de propósito general tan amplia y tan rápida dirigida a las personas con los ingresos más altos, la educación más alta y la creatividad más alta. Si bien creo absolutamente que todos los precedentes son, esto es genial, nos libera para hacer un trabajo más creativo e interesante, me preocupa cuando gran parte del trabajo creativo e interesante también puede ser realizado por IA.

Quiero una indicación muy clara. Es por eso que sigo diciéndole a la gente, úselo. Averigüe cuál es su habilidad única como ser humano, pero también asegúrese de que puede defenderla, porque la IA está mejorando, no empeorando.

Michael Chui: Hable acerca de cómo está mejorando. Ha hablado, y otros lo han notado, cuánto mejora cada generación de esta tecnología. Hay llamados a detener el desarrollo continuo de esta tecnología, por ejemplo. Hay dudas sobre si la tecnología puede o no usarse para mejorar. ¿Cuáles son sus reflexiones sobre cómo evoluciona esta tecnología con el tiempo?

Ethan Mollick: Toda curva de desarrollo tecnológico es una curva en S. Comienza lento, se vuelve exponencial y luego comienza a disminuir a medida que alcanza el máximo. Estamos en la parte exponencial de la curva. La parte empinada de la curva S Y el problema con una parte empinada de una curva S es que es literalmente impredecible saber cuándo disminuye. Realmente no podemos decirlo.

Se suponía que la ley de Moore seguiría fallando. De hecho, por cierto, cuando miras la ley de Moore, que predijo el crecimiento de los chips de computadora, entrevisté a Gordon Moore, exactamente sobre este tema. Pensó que una gran parte de la etapa inicial de la curva vendría de algo llamado burbuja de memoria que resultó no funcionar.

La curva en realidad fue un poco más lenta de lo que pensó al principio, pero luego despegó porque el silicio terminó siendo mejor de lo que pensaba. Chips de transistores estándar. No sabemos de antemano cuál será la forma de la curva S. No sabemos qué va a pasar como resultado de esta curva.

Podemos planificar tres escenarios. Una es que ocurre la pausa, ocurre la regulación, en cuyo caso esta es la mejor IA que vamos a usar. Sigo pensando que va a interrumpir absolutamente el trabajo.

La otra opción es que estamos en un tipo regular de exponencial. Se pone mucho mejor, pero tal vez no 100 veces mejor. Tal vez diez veces mejor. Bueno, entonces tenemos una herramienta realmente disruptiva que realmente sustituirá una gran cantidad de trabajo. ¿Qué significa eso? ¿Qué hacemos con nuestro tiempo?

Y luego tenemos el tipo de escenario aterrador del que todo el mundo habla, pero creo que probablemente dedica demasiado tiempo en relación con los otros dos escenarios, que es: "¿Qué pasa si esto se vuelve tan bueno que se convierte en inteligencia artificial general, engaña a nosotros, y luego se convierte en nuestro benévolo dictador?" Esperemos que sea benévolo.

Creo que se dedica mucho tiempo a planificar esa tercera eventualidad, pero las dos primeras son más probables. Y creo que tenemos que estar preparados para esto. Pero de cualquier manera, creo que es probable que la IA que estás usando hoy sea la peor IA que jamás hayas usado.

Michael Chui:Y dices que estamos pasando demasiado tiempo preocupándonos por los escenarios del tipo de superinteligencia.

Ethan Mollick: Creo que deberíamos preocuparnos por eso. Solo creo que termina siendo la preocupación exclusiva porque de alguna manera quita todo el aire de la habitación. La idea de construir un dios alienígena que gobierne sobre nosotros, hay mucha gente que está muy preocupada por esto.

Deberíamos estar preocupados por eso. Absolutamente deberíamos estar preocupados por eso y por los problemas de alineación a gran escala. Pero como hemos estado hablando hoy, el mundo del trabajo y la educación acaba de cambiar drásticamente en seis meses.

Veo mucho menos trabajo para procesar lo que eso significa. Realmente tiende a descender a "¿se producirán trabajos o la gente perderá sus trabajos o no?" Obviamente, eso es importante, pero es solo una parte de lo que está sucediendo con el trabajo y la educación.

¿Cómo encontramos significado cuando usamos herramientas de IA? ¿Qué tipo de trabajo es valioso para los humanos? ¿En qué debería invertir la gente? ¿Qué está bien hacer eso? ¿Cómo regulamos esas elecciones? Esos son problemas mucho más importantes a los que no hemos prestado atención.

Michael Chui:¿Tiene respuestas tentativas a alguna de esas preguntas?

Ethan Mollick: La respuesta tentativa a esas preguntas es, nuevamente, creo que se trata de modelos. Una de las cosas que las personas que escuchan este podcast, y especialmente las personas en las organizaciones, deben pensar es: "¿Qué quieres modelar?"

El futuro puede ser lo que queramos que sea. Tenemos agencia aquí. Entonces, ¿quieres que esto sea algo en lo que mantengamos a nuestros empleados a través de esta transición y encontremos formas para que hagan aún más y mejor trabajo y averigüemos cómo usamos esto como una ventaja competitiva para expandirnos, en lugar de reducir costos? ?

Eso está en tu poder, y deberías hacerlo, porque creo que ese modelo es el gran modelo del futuro. Habrá muchas empresas, como IBM anunció que no contratará a tanta gente porque la IA hará su trabajo, o el ejemplo que di antes del mismo tipo de cosas. Ese es otro modelo.

Creo que necesitamos modelar el comportamiento que queremos ver probando diferentes enfoques de IA que funcionen mejor. Creo que es completamente plausible que estemos en un mundo donde la IA expande tremendamente la productividad, elimina nuestras peores tareas. Siempre existió la idea de que la IA y los robots eliminarían las tareas más sucias y peligrosas, la extracción de carbón y la conducción de camiones.

Y luego el pensamiento fue: "Encontraremos otro trabajo para las personas en esos espacios". Creo que debemos pensar de la misma manera en el trabajo administrativo. ¿Cuál es el trabajo equivalente sucio y peligroso al que quieres renunciar? ¿Como hacemos eso? Creo que está en nuestro poder hacer que esto sea extremadamente positivo. Sólo tenemos que pensar en cómo hacerlo.

Michael Chui: Así que todavía hay un papel para la agencia humana aquí. Todavía hay un papel para decidir cómo queremos usar esta increíblemente poderosa tecnología de propósito general.

Ethan Mollick: Absolutamente. Y ahí es donde, de nuevo, creo que el énfasis en [la] cuestión de "la IA resultará en el dios alienígena que nos matará a todos" nos lleva por mal camino, porque hace que sea esta extraña elección de "¿Tocamos fondo o ¿Le damos a continuar?"

Esa no es la única opción que enfrentamos sobre la IA. Ni siquiera es la única opción sobre los problemas de AGI. Pero dejando eso de lado, esa no es la elección que realmente importa. La elección es lo que cada ejecutivo está pensando. ¿Van a encontrar una manera y qué están haciendo para que eso suceda?

Veo tanta pasividad de los altos ejecutivos cuando hablo con ellos sobre esto que me asusta un poco. Este es el tema del momento. Esta es la cosa más importante en la que deberías pasar el tiempo. Y lo están delegando a un comité o esperando que alguna fuerza asesora externa les diga qué hacer. No hay respuestas próximas. Tienes que hacer cosas.

Michael Chui:¿Qué hace el ejecutivo activamente involucrado además de, como dijiste, comenzar a jugar con la tecnología para que desarrollen algunas intuiciones al respecto?

Ethan Mollick: Piensas, ¿cómo hago un programa de bloqueo para averiguar cómo funciona esto en mi trabajo? Y eso puede significar literalmente algo tan radical como sacar al 20 por ciento de sus trabajadores más creativos de lo que sea que estén haciendo y hacer que usen solo IA generativa durante una semana. Vea cuánto de su trabajo hacen. Y darles un premio de un millón de dólares a quien tenga la mejor idea. Creo que ahorrará dinero con eso en la mayoría de las organizaciones.

Pero creo que también debe pensar de antemano qué sucederá si resulta que pueden automatizar el 80 por ciento de su trabajo. ¿Qué voy a hacer si eso sucede? Creo que también necesitas tener esa filosofía ligada a esto.

¿Estoy comprometido con mis empleados con los que vamos a trabajar? La única forma en que lograré que me muestren lo que están haciendo es que lo revelen y se sientan seguros al respecto. De lo contrario, seguirán usando la IA en secreto, en tu contra.

Michael Chui: Volviendo al punto de partida, dijiste que estabas apostando tu carrera a esta tecnología. ¿Qué significa eso?

Ethan Mollick: Realmente no he creído en otras tecnologías: soy un nerd que también es un escéptico de la tecnología. Estuve en el Media Lab del MIT y construí compañías de software, construí compañías de juegos, y siempre he dicho: "Eh, no sé nada de esto". Siempre he sido un poco escéptico.

Y en esto no soy escéptico. Realmente me preocupa que la gente no se esté tomando esto lo suficientemente en serio. También me preocupa que parezca haber una especie de reacción entre muchas personas inteligentes que conozco que usan el sistema durante diez minutos y luego dicen: "Uh, no quiero usarlo". ya no."

A veces tienen una razón para ello, como: "Me dio una respuesta incorrecta, así que no quiero tocarla nunca más". A veces es simplemente: "Realmente no quiero lidiar con esto ahora". Y creo que eso es realmente peligroso. Así que estoy apostando mi carrera en esto hasta cierto punto porque, mira, soy titular, por lo que es una apuesta ligera, así que no te lo tomes demasiado en serio. Tengo un trabajo aunque me equivoque.

Pero apuesto a que no lo soy. Apuesto a que esto es lo más importante. Este es el momento que realmente va a empezar a cambiar las cosas, que fundamentalmente va a ser un cambio en la forma en que trabajamos y cómo interactuamos a un nivel tan grande como cualquier cosa que hayamos visto en nuestras vidas. Internet fue un gran problema, pero tomó mucho tiempo desde su nacimiento para tener efecto. Creo que esto será mucho antes.

Michael Chui:Crees que el impacto llegará más rápido para este conjunto de tecnologías.

Ethan Mollick: Sí, porque ya lo es, y si no te das cuenta de eso, no estás buscando lo suficiente porque no lo estás usando. Hay muy pocas personas que conozco que usen la tecnología; quiero decir, nuevamente, selección, correcto, todo lo demás. Hay muy pocas personas, en realidad nadie que yo conozca, que haya usado la tecnología durante cinco o diez horas y luego haya dicho: "Eh, eso no es tan interesante. No voy a volver a usarla". Simplemente no he visto que eso suceda.

Solo he visto a personas convertirse de escépticos a creyentes. Y luego algunos de los creyentes se convierten en miembros de una secta, lo que también me preocupa, porque yo no soy uno. Pero hable con los científicos que están en lo profundo de GPT-4 y dirán: "Hemos comenzado". Y dices: "Ooh, ese no es el tipo de cosas que quiero escuchar de los investigadores".

No estoy ahí, pero creo que el escepticismo solo está lo suficientemente justificado como para que juegues con él durante cinco o diez horas y luego decidas lo que piensas.

Michael Chui: ¿Qué significa, entonces? ¿Cuáles son esos cambios que producirá a un ritmo más rápido de lo que pensamos?

Ethan Mollick: Es una tecnología de propósito general. No hay una industria que quede sin cambios por esto, excepto quizás la de techado, que es la industria aparentemente menos expuesta. Pero he hablado con un par de personas en techado y dicen: "Oh, no. Esto también será un gran problema en techado, porque cambia la forma en que ordenamos y cómo interactuamos con los clientes".

Así que diría que la ventaja competitiva que tiene en este momento es que podría resolver esto para su industria. Podrías averiguar qué cambia. Va a cambiar la naturaleza y el significado del trabajo para muchas personas.

Creo que la parte aún más profunda con la que no estamos lidiando lo suficiente es cómo hemos organizado el trabajo durante los últimos 180 años, desde que la invención del ferrocarril y el telégrafo nos obligaron a hacer estructuras organizativas a gran escala, no ha cambiado. mucho. Tal vez tuvimos el nacimiento de ágil, pero ese también es un proceso altamente estructurado para el software.

Ninguna de esas cosas tiene mucho sentido en un mundo de IA. Agile es un método estúpido para un mundo de IA porque todos tienen que coordinarse de maneras muy particulares que no funcionan bien con el trabajo con código en el que de alguna manera puedes hacer saltos repentinos.

No tenemos respuestas para muchas de estas cosas, lo que creo que da miedo pero también es súper emocionante. Y creo que lo que me preocupa es que las personas que esperan las respuestas se saltarán toda esta generación de IA y no estarán preparadas para lo que está a punto de suceder.

Michael Chui: Dicho esto, después de haber mencionado las respuestas, permítanme darles una ronda relámpago de preguntas rápidas, respuestas rápidas solo para concluir. Muy bien, aquí vamos. ¿Qué es lo que encuentra más emocionante sobre el desarrollo de la IA generativa?

Ethan Mollick: El cierre absoluto de la brecha entre la creatividad y los resultados. Tengo muchas, muchas ideas, y solía construir organizaciones enteras para implementarlas. Y ahora estoy como, "Oye, ¿puede la IA crear un juego que me enseñe sobre este tema, la entropía, para estudiantes de secundaria?" Sí, puede, en dos segundos. Eso es genial. Quiero decir, qué herramienta para aumentar el rendimiento.

Michael Chui:¿Qué es lo que más le preocupa del desarrollo de la IA generativa?

Ethan Mollick: No sabemos dónde va a terminar. No sabemos las implicaciones sociales. Y hay algunas cosas muy inmediatas sobre las noticias falsas, la información falsa, la contaminación del entorno de la información, no solo en las redes sociales sino dentro de las empresas, con las que creo que realmente no estamos lidiando lo suficiente. No importa cuánto intente y me asuste con otras personas, creo que la gente no reconoce lo que está a punto de suceder solo con el contenido masivo que se nos presenta.

Michael Chui:¿Cuál es el caso de uso menos apreciado de la IA generativa?

Ethan Mollick: Como socio creativo. A la gente no le gusta escuchar que la IA es creativa, pero en realidad lo es: maximiza todas nuestras tareas creativas. Pero es realmente bueno en cosas creativas. Es realmente bueno ser un socio para crear un videojuego para ti o ejecutar una campaña de Dungeons & Dragons para ti o generar 500 ideas para tu puesta en marcha o tomar tus ideas y hacerlas más interesantes o darle ideas restringidas. Proponga diez ideas sobre cómo puedo cepillarme mejor los dientes, pero solo se aplican a los astronautas en el espacio. Te da ese volumen de ideas y creatividad que es una clave realmente importante para la innovación.

Michael Chui:¿Cuál es el caso de uso más sobrevalorado?

Ethan Mollick: El caso de uso más sobrevalorado en este momento es esta idea de GPT automático, la idea de que podemos darle a la IA sus propios objetivos y se ejecuta en esos objetivos de forma autónoma. Y la respuesta a la cuestión real es que no funciona muy bien. La IA queda atrapada en un bucle, como si enviaras a un interno a ejecutar de forma autónoma. Se va a confundir.

Y además de eso, ¿cuál es el valor de eso? Es mucho mejor para usted estar realmente al tanto, darle un comando, ver hasta dónde llega y luego corregirlo, en lugar de que se ejecute de forma autónoma. Así que creo que la gente está saltando demasiado rápido a la próxima IA. Ustedes no han absorbido todo lo que puede hacer GPT-4. Tenemos cinco años de exploración tecnológica antes de que estemos listos para pasar a lo siguiente.

Michael Chui:¿Qué industria está menospreciando el impacto de la IA generativa?

Ethan Mollick: Creo que es difícil saberlo directamente. Creo que es consultoría, para ser honesto porque creo que los consultores se ven a sí mismos como muy únicos y hacen, les hablo, cosas que la IA no puede hacer. Pero está exactamente en el punto de mira, recopilando múltiples datos para su análisis desde Internet, redactando excelentes análisis y generando diapositivas autónomas, realizando trabajos de datos complejos. Hace todo eso. Y creo que tenemos que pensar más en eso.

Michael Chui:¿Qué ocupación, aparte de la de consultor, menosprecia más el impacto de la IA generativa?

Ethan Mollick: Creo que hay un impacto muy obvio de esto en la redacción de marketing. Y creo que a pesar de que los especialistas en marketing están vagamente pensando en esto, creo que muchos de ellos todavía están tratando de ponerlo en una caja y asumiendo que no puede hacer las cosas que puede hacer. Eso no significa que no haya un gran papel para los especialistas en marketing humanos, pero creo que realmente necesitan repensar mucho sobre lo que significa escribir y analizar marketing cuando una herramienta hace gran parte del trabajo de bajo nivel que usó. hacer.

Michael Chui:¿Cuál es su pregunta de referencia cuando desea probar el rendimiento de un sistema de IA generativa?

Ethan Mollick: Tengo algunos de ellos, y diferentes niveles de rareza. Le pido que escriba una sextina sobre los elementos, que es una forma poética muy compleja. Muy buena prueba de IA.

Una muy buena prueba de si está utilizando un sistema de IA avanzado es pedirle diez oraciones que terminen con la palabra manzana. Solo los sistemas más avanzados pueden hacer eso porque las IA no ven las palabras como nosotros. Cualquier cosa anterior a GPT-4 lo arruinará por completo. Por lo tanto, es mi prueba de acceso real para averiguar si estoy usando un sistema basado en GPT-4, el sistema más avanzado o un sistema más antiguo.

También encuentro que "muéstrame algo que me deleite" también es una buena respuesta. Y puedes ver lo que surge creativamente como resultado.

Michael Chui:¿Qué estarías haciendo profesionalmente si no estuvieras haciendo lo que estás haciendo hoy?

Ethan Mollick: Como profesor que estudia IA, estoy muy contento con el lugar donde estoy, pero creo que el emprendedor es la opción obvia. Este es el momento dorado para ti. Ahora tiene un personal de diez personas debajo de usted. ¿Qué vas a hacer con eso? Acabas de conseguir diez empleados gratis. Eso se siente como un momento.

Michael Chui:¿Qué le recomendarías a alguien que se gradúe de la escuela secundaria hoy para estudiar?

Ethan Mollick: Pienso mucho en eso. La respuesta fácil y cínica es ir a una industria regulada, porque llevará más tiempo adoptar la IA. Pharma, bancos, hospitales, ese es el gran camino a seguir.

Pero la otra opción es ir a la tormenta. ¿Cuál es el área que crees que se verá más afectada por esto? ¿Cómo te conviertes en parte de la nueva generación que usa esto?

Creo que esa es la pregunta del millón en la que pienso todo el tiempo: ¿cómo es la industria? Creo que dos años, estamos sobreestimando el cambio. ¿Pero cinco, diez años? Creo que lo estamos subestimando.

Michael Chui:¿Y cuál es el consejo que le darías a los oyentes de este podcast?

Ethan Mollick: Usa esta cosa. Creo que la única salida es a través, y tengo la teoría de que la única manera de saber que realmente has empezado a entender lo que esto significa es pasar tres noches sin dormir.

El punto es llevarte a las tres noches sin dormir, las noches en las que piensas: "Oh, Dios mío. Esto es tan emocionante. Esto es tan aterrador. ¿Qué significa ser humano? ¿Qué significa esto? No no entiendo."

Si no llega allí y no se levanta ansiosamente en medio de la noche e intenta una consulta y luego vuelve a la cama, dice: "Oh, Dios mío. No puedo creer que lo haya hecho". eso" o "¿Por qué no hizo eso?", creo que no has tenido tu momento. No sé si ya has tenido tus tres noches de insomnio, pero eso es lo que te insto a que hagas. Hasta que llegues allí, realmente no habrás entendido esto.

Michael Chui:Ethan Mollick, en nombre de nuestros oyentes, gracias por darnos noches de insomnio.

Ethan Mollick:Gracias.

Ethan Mollickes profesor asociado en la Escuela Wharton de la Universidad de Pensilvania.miguel chuies socio del McKinsey Global Institute, dondejanet arbustoes un editor ejecutivo.

Forward Thinking es una producción del McKinsey Global Institute. Es presentado por Michael Chui y Janet Bush, y producido por Vasudha Gupta. Nuestro ingeniero de audio es Collin Warren. Encuéntrenos en línea en mckinsey.com/mgi o @McKinsey_MGI en Twitter.

Las opiniones expresadas por los invitados al podcast son propias y no reflejan los puntos de vista ni las opiniones del McKinsey Global Institute. Las referencias a productos, servicios u organizaciones específicos no constituyen ningún respaldo o recomendación por parte de MGI.