El Nuevo Desafío de RR.HH. ¿Lograr que Colaboradores y Robots se Lleven Bien?

Les compartimos un interesante artículo publicado en la revista INC sobre El Futuro de Trabajo con interesantes reflexiones para nuestra función.

El año pasado, Clara Shih, la fundadora de Hearsay Systems, participó en una visita de rutina con uno de sus clientes de la industria de seguros. Hearsay trabaja con más de 150,000 asesores financieros y de seguros, proporcionándoles herramientas basadas en Inteligencias Artificial (AI) para mejorar las relaciones con los clientes y los procesos de flujo de trabajo. Esta visita en particular fue a una pequeña empresa con cuatro colaboradores, dos de los cuales no hicieron más que dar seguimiento a los pagos atrasados ​​y renovaciones de pólizas. El enfoque, que involucró numerosas llamadas telefónicas que nunca fueron devueltas, no solo fue improductivo, sino también laborioso y tedioso.

Durante la visita, Shih y su equipo demostraron una nueva herramienta impulsada por inteligencia artificial que digitaliza los procesos manuales de divulgación al cliente mediante el envío de mensajes de texto a docenas de clientes que les recuerdan facturas vencidas, en lugar de llamar a cada una. Mientras explicaban los usos de la herramienta, uno de los asesores, un hombre de mediana edad, comenzó a llorar. Por un momento, Shih y sus colegas temieron que el asesor pensara que su producto de IA lo iba a dejar sin trabajo. Después de todo, esa es la reacción instintiva que muchos trabajadores tienen cuando se enfrentan al aprendizaje automático. Pero sus lágrimas fueron por una razón diferente. “Esto es increíble”, Shih le cuenta que dijo. “¿En qué he estado perdiendo el tiempo durante los últimos 20 años?”

El aprendizaje automático, ya sea mediante automatización de procesos robóticos, análisis de datos avanzados o IA, sin duda re configurará el lugar de trabajo. La cuestión de cuántos empleos se perderán y se crearán es objeto de mucha especulación. Según el informe “El futuro de los empleos 2018” del Foro Económico Mundial, para 2025 más de la mitad del tiempo total dedicado al trabajo será manejado por máquinas. Casi el 50 por ciento de las compañías espera que para el 2022, la automatización lleve a una reducción en su personal de tiempo completo, mientras que el 38 por ciento de los encuestados espera aumentar sus fuerzas laborales a nuevos roles que mejoren la productividad. Otro estudio reciente de PwC estima que en el Reino Unido, 7 millones de empleos existentes podrían perderse en máquinas en los próximos 20 años, pero podrían crearse otros 7.2 millones.

La transición a un lugar de trabajo donde los humanos y las máquinas deberán coexistir de manera productiva podría hacer o deshacer un negocio. A medida que los líderes de la compañía planean para el futuro, tendrán que considerar el impacto del aprendizaje automático en todo, desde la productividad hasta las habilidades, la moral y la cultura. Y tendrán que aprender a dirigir un negocio que puede tener tantas máquinas inteligentes como personas.

“La Inteligencia Artificial no solo ofrece hacer las cosas que hacemos mejor, más eficientes y más baratas. También tiene el potencial de ayudarnos a hacer cosas que antes hubieran sido inconcebibles”, dice Dave Coplin, autor de The Rise of the Humanosy CEO de los Envisioners, una consultora futurista. “Pero a menos que los humanos comprendan cómo aprovechar al máximo, corremos el riesgo de menospreciar el potencial que ofrece”.

Redefiniendo la colaboración

Esto es lo que sí sabemos: cuantas más mentes robóticas haya en el lugar de trabajo, más empresas querrán trabajadores que no piensen robóticamente. “Necesitamos asegurarnos de que los colaboradores desarrollen habilidades complementarias, no de competencia, con la tecnología”, dice Coplin. “No trataríamos de calcular en Excel, y no trataremos de recordar más datos que Google. En cambio, debemos tener en cuenta: ¿Cuáles son las habilidades fundamentalmente humanas que las computadoras no podrán replicar en las próximas décadas?”

El aprendizaje automático puede realizar muchas tareas mucho mejor que nosotros, pero todavía requiere que el empleado interpreten su trabajo y apliquen los resultados de manera estratégica, empática y creativa. La clave, dice Shih, es darse cuenta de que la máquina es solo un recurso al que los colaborador puede recurrir, y que ellos, no la máquina, tienen el conjunto de habilidades que hace que la relación sea realmente útil. “Se trata de ser de mente abierta y tener la capacidad de delegar la tarea correcta a la máquina”, dice Shih.

La mejor manera de asegurar ese enfoque es establecer lo que los que están en la industria llaman una relación de “personas en el bucle”. Deje que el algoritmo haga su trabajo, con gente que lo supervise y lo refine. “Es difícil aprender a máquina al cien por cien”, dice Shih, pero con un proceso como éste “no tienes que ser perfecto. El ser humano interviene en el proceso y el algoritmo aprende”.

Ella señala un lanzamiento reciente de un nuevo servicio Hearsay que proporciona respuestas automáticas de texto rápido para que los asesores y agentes de seguros envíen a sus clientes. Cuando la compañía de ocho años presentó el servicio por primera vez, el algoritmo propuso algunas sugerencias para levantar la mirada. En un caso, sugirió que un asesor le deseara feliz cumpleaños a su cliente. Cuando el cliente respondió: “Gracias por los amables pensamientos”, el algoritmo respondió: “¡Me parece bien!” dejando al cliente pensando que el asesor no estaba prestando atención o estaba un poco desquiciado. (El nuevo servicio automatizado de respuesta por correo electrónico de Google ha sufrido fallas de respuesta aún más extrañas en los últimos meses). A medida que los colaboradores y el aprendizaje automático intereaccionaron, Hearsay refinó el algoritmo,

Sin embargo, la única forma de lograr este tipo de simbiosis humano-máquina es si los humanos no entran en esta nueva relación con el miedo: “el peor sentimiento”, observa Kristian Hammond, cofundador de Narrative. Science, una empresa que utiliza AI para crear informes en lenguaje natural a partir de datos y estadísticas en bruto. Cuando las interacciones son impulsadas por el miedo, el énfasis desplaza a la tecnología, en lugar de a la necesidad empresarial de usar la tecnología. Hammond recomienda formar un equipo que comprenda tanto a arquitectos de datos como a aquellos en roles de negocios estratégicos. “Quieres que los expertos en inteligencia artificial formen parte de una iniciativa más amplia que habla sobre quién quieres ser como compañía y cómo la inteligencia artificial puede dar forma al negocio”, dice.

Aprendiendo a confiar en la máquina

Si los humanos van a considerar a las máquinas como socios en lugar de adversarios, necesitan tener fe en el trabajo que se está produciendo. Para ganarse la confianza de sus empleados, Coplin recomienda adoptar un enfoque incremental de la IA. “Aplique el algoritmo a una pequeña parte de la carga de trabajo general para dar a los trabajadores tiempo para ver cómo funciona el algoritmo y para generar confianza en que el resultado es lo que se esperaba. ” él dice.

Un ejemplo que cita es un nuevo sistema de reserva de tablas basado en algoritmos que implementó una gran cadena de restaurantes. Inicialmente, los gerentes de restaurantes se mostraron escépticos de que un algoritmo en la nube pudiera hacer un mejor trabajo en la administración de las mesas que lo que podrían hacer. Para aliviar sus preocupaciones, la compañía acordó asignar solo una pequeña parte de las tablas disponibles al algoritmo, y si los gerentes estuvieran satisfechos con los resultados, se agregarían más tablas. Después de comenzar con un grupo de solo el 10 por ciento de las tablas disponibles, los gerentes se dieron cuenta rápidamente de que el algoritmo no solo hacía un gran trabajo, sino que también les permitía realizar tareas más útiles.

Stephen Ufford es el cofundador y CEO de Trulioo, un servicio de verificación global impulsado por AI para respaldar el monitoreo contra el lavado de dinero de los servicios financieros. Tradicionalmente, esta área importante de la seguridad bancaria era manejada por trabajadores humanos, pero el aumento del poder de cómputo y el gran volumen de datos digitales que se producen en la actualidad los ha dejado superados y superados por las bandas criminales. Ahora, los algoritmos como Trulioo escanean millones de transacciones a una escala que ningún ser humano podría manejar y están entrenados (por empleados) para detectar posibles fraudes o bloquear a personas sospechosas.

Al tratar con algo tan sensible como identificar transacciones fraudulentas, los empleados de Trulioo tenían que estar seguros de que el algoritmo que habían construido no mostraba ningún sesgo en la toma de decisiones ni en hacer recomendaciones falsas. “Aprender a confiar en la inteligencia artificial no es tan diferente de cuando empleas una nueva niñera”, dice Ufford. “Para empezar, observas lo que están haciendo a través de la cámara de niñeras, pero después de un tiempo comienzas a relajarte a medida que vas ganando confianza en cómo funcionan”.

¿El fin del trabajo como lo conocemos?

El crecimiento del aprendizaje automático dentro de las empresas en última instancia plantea el tipo de preguntas existenciales que a los ejecutivos no les gusta enfrentar: ¿cuántos de nosotros trabajaremos realmente con máquinas en el futuro?

La realidad es que el cambio es inevitable, por lo que las empresas deben trabajar para garantizar un aterrizaje suave para aquellos que actualmente realizan el tipo de tareas funcionales o repetitivas que la automatización puede hacer mejor. Para algunos, eso puede significar volver a capacitar o capacitar al personal para aprovechar al máximo su conocimiento y experiencia institucional. Sin embargo, otros, inevitablemente, encontrarán colaboradores sin trabajo automatizados, como los de Foxconn, que en 2016 reemplazaron a 60,000 trabajadores con robots.

Sin embargo, a medida que nos fijamos en el largo plazo, ¿podría ser que los temores del desempleo masivo inducido por la automatización hayan sido exagerados? Después de todo, la próxima generación de trabajadores, la generación Alexa, a falta de un término mejor, ya estará acostumbrada a vivir y aprender de las máquinas. Y estos nuevos trabajadores están mostrando señales de que están más motivados por las experiencias, la libertad y la creatividad que pueden tener en su trabajo que por los incentivos convencionales.

“Dos de mis abuelos trabajaban en fábricas, pero a mi abuelo también le gustaba pintar”, dice Ufford. “¿El trabajo no debería aprovechar esa creatividad en lugar de aplastarla?” Podría resultar que las máquinas, al final, sean el catalizador de la creatividad masiva que todos hemos estado esperando.