Según numerosos estudios, la Inteligencia Artificial (IA) está generando más oportunidades de empleo de las que está eliminando, afirman expertos en el campo. Elena Ibáñez, CEO de Singularity Experts, una startup especializada en asesoramiento laboral, señala que esta tendencia está dando lugar al surgimiento de nuevas trayectorias profesionales.
Muchas oportunidades laborales gracias a la IA
Al mismo tiempo, la IA está transformando de manera significativa las ocupaciones tradicionales en una amplia gama de sectores.
La pregunta clave, según esta experta, no es hacia dónde se dirigen las oportunidades laborales, sino cómo debemos adaptarnos y formarnos dentro de nuestras profesiones para aprovechar las oportunidades que la IA está creando.
Pensar que la IA se limita exclusivamente a Silicon Valley y a las grandes empresas tecnológicas es no reconocer su diversidad y amplitud de aplicaciones.
Puestos dedicados al desarrollo de IA
El año pasado, por ejemplo, el Departamento de Operaciones de Paz de las Naciones Unidas estaba en busca de un experto en IA y Aprendizaje Automático (Machine Learning). Además, en el Instituto Interregional de la ONU para Investigaciones sobre Delincuencia y Justicia, opera un Centro dedicado a la Investigación en IA y Robótica.
A pesar de la visión negativa que muchas personas tienen sobre la Inteligencia Artificial, no solo debido a su impacto en el mercado laboral, sino también por el temor a su potencial, no todos perciben el panorama de manera pesimista.
Aunque en un informe de 2020, el Foro Económico Mundial advirtió que la automatización estaba ocurriendo “más rápido de lo previsto, lo que resultaría en la eliminación de 85 millones de puestos de trabajo” para el año 2025, también destacó que “la revolución robótica daría origen a 97 millones de nuevos empleos”.
Diseñador de Peticiones para Inteligencia Artificial
Imagina que me haces una solicitud, pero no me proporcionas suficiente información ni contexto sobre lo que necesitas. Es probable que intente ayudarte, pero mi respuesta podría no ser tan precisa como si hubieras proporcionado más detalles.
Este mismo concepto se aplica a los diversos modelos de IA generativa que han demostrado ser cada vez más eficientes en la comprensión del lenguaje natural, el medio que utilizamos para comunicarnos.
El ingeniero de peticiones, también conocido como “ingeniero de prompts”, es la persona responsable de diseñar las solicitudes o premisas que luego se presentan a una herramienta de IA.
La clave para obtener los mejores resultados de la herramienta cuando un usuario hace una pregunta radica en gran medida en la habilidad del ingeniero de peticiones para desarrollar instrucciones altamente efectivas en forma de texto. La precisión y el contexto son elementos fundamentales en este proceso.
Investigador en Inteligencia Artificial
El papel de un investigador en Inteligencia Artificial consiste en identificar formas de utilizar la IA para superar desafíos y limitaciones que enfrentan las organizaciones. En varios de los roles relacionados con la IA, no solo se requieren habilidades técnicas, sino también las llamadas “habilidades blandas”.
El enfoque principal de un investigador en IA es “comprender extensos conjuntos de datos y convertir ese conocimiento en ideas y estrategias para desarrollar nuevas tecnologías de IA que los científicos de datos podrán implementar”.
Un investigador en IA debe poseer lo que se conoce como habilidades blandas, que incluyen la inteligencia emocional, el pensamiento crítico, la resiliencia y la adaptabilidad, entre otras. Estas habilidades son fundamentales, ya que su función conlleva la necesidad de generar ideas de forma constante para descubrir nuevos métodos y enfoques.
Desde una perspectiva técnica, también son cruciales habilidades matemáticas para aplicar estadísticas y predecir cómo se ejecutarán los programas de IA, además de la capacidad para analizar datos con experiencia en herramientas como RapidMiner o SketchEngine.
Especialista en Procesamiento de Lenguaje Natural
Este experto en procesamiento de lenguaje natural es un profesional humanista que domina los modelos lingüísticos y colabora estrechamente con el equipo de desarrollo de software en la tarea de procesar el lenguaje, según señala la especialista.
La traducción automática representa uno de los campos de estudio en la lingüística computacional. Por lo general, se requiere una formación académica en filología, lingüística o traducción e interpretación para ingresar a esta área.
Aunque no es necesario tener un conocimiento tecnológico avanzado, contar con una especialización en procesamiento de lenguaje natural o un máster en lingüística computacional enriquece el perfil del candidato.
La lingüística computacional, un campo interdisciplinario con una larga trayectoria, tiene como objetivo principal transferir a las máquinas la estructura del lenguaje, tanto escrito como hablado, para que, a través del entrenamiento de modelos, puedan llevar a cabo tareas relacionadas.
Especialista en Automatización Robótica de Procesos o RPA
Este rol implica la gestión de sistemas de software diseñados para automatizar tareas repetitivas y manuales en entornos empresariales.
Según Ibáñez, para capacitarse en esta área, existen diversas licenciaturas, en particular aquellas relacionadas con la programación, y, sobre todo, especializaciones enfocadas en la Automatización Robótica de Procesos (RPA).
Empresas como Microsoft asocian la implementación de RPA por parte de las organizaciones con incrementos significativos en la productividad.
Auditor de Algoritmos
Según Ibáñez, el rol de un auditor de algoritmos implica revisar minuciosamente los algoritmos empleados en sistemas o aplicaciones, garantizando que estén libres de sesgos que puedan discriminar a las personas en función de su género, raza o edad.
Este profesional puede tener una formación tanto técnica (por ejemplo, como desarrollador de software o informático) como una preparación más centrada en aspectos éticos y humanistas. Es esencial prestar una atención meticulosa a los detalles cuando se trabaja con algoritmos.
De hecho, los auditores de algoritmos deben tener una comprensión práctica de cómo estos algoritmos pueden impactar en las personas.
Por esta razón, es crucial que colaboren estrechamente con científicos de datos para llevar a cabo revisiones regulares de los algoritmos, asegurándose de que sean “transparentes, imparciales y comprensibles” en el momento de su publicación.
