El futuro del trabajo parece sombrío para muchas personas. Un estudio reciente estimó que el 10% de los puestos de trabajo estadounidenses serían automatizados este año, y otro estima que cerca de la mitad de todos los puestos de trabajo estadounidenses podrían ser automatizados en la próxima década. Los trabajos que probablemente se automatizarán son repetitivos y rutinarios. Van desde leer rayos X, conducir camiones, hasta almacenar un almacén. En este contexto, los empleadores dicen que están buscando candidatos que tengan otro tipo de «habilidades blandas», como ser capaces de aprender adaptativamente, tomar buenas decisiones y trabajar bien con los demás. Estas habilidades buscadas, por supuesto, encajan perfectamente con el tipo de cosas que la gente puede hacer bien, pero son y seguirán siendo difíciles de automatizar. Todo esto sugiere que nuestros sistemas educativos deben concentrarse no sólo en cómo las personas interactúan con la tecnología (por ejemplo, enseñando a los estudiantes a codificar), sino también en cómo pueden hacer las cosas que la tecnología no lo estaremos haciendo pronto. Estas son las habilidades que son más difíciles de entender y sistematizar, y las habilidades que dan —y continuarán dándo— a los humanos una ventaja sobre los robots.
El futuro del trabajo parece sombrío para muchas personas. Un estudio reciente de Forrester estima que el 10% de los puestos de trabajo en Estados Unidos se automatizaría este año, y otro de McKinsey estima que cerca de la mitad de todos los puestos de trabajo en Estados Unidos pueden ser automatizados en la próxima década.
Los trabajos que probablemente se automatizarán son repetitivos y rutinarios. Van desde la lectura de rayos X (los radiólogos humanos pronto pueden tener papeles mucho más limitados), a conducir camiones, hasta almacenar un almacén. Si bien se ha escrito mucho sobre los tipos de puestos de trabajo que probablemente se eliminarán, otra perspectiva que no se ha examinado con tanto detalle es preguntar no qué puestos de trabajo se eliminarán, sino cuáles aspectos de los trabajos supervivientes serán reemplazados por máquinas.
Por ejemplo, considere el trabajo de ser médico: Está claro que diagnosticar enfermedades pronto (si no ya) se logrará mejor por las máquinas que los humanos. El aprendizaje automático es espectacularmente efectivo cuando se dispone de conjuntos de datos para entrenamiento y pruebas, lo que es el caso de una amplia gama de enfermedades y dolencias. Sin embargo, ¿qué tal sentarse con una familia para discutir las opciones de tratamiento? Es mucho menos probable que esto se automatice en un futuro previsible.
Ahora considere una profesión en el otro extremo del espectro de estatus: barista. En San Francisco, Cafe X ha reemplazado a todos los baristas con brazos robots industriales, que entretienen a los clientes con sus travesuras mientras preparan bebidas calientes. Sin embargo, incluso Cafe X emplea a un humano, que muestra a los clientes cómo utilizar la tecnología para pedir sus bebidas y solucionar problemas que surgen con el robot barista.
Contraste ser un barista con ser camarero. La gente a menudo entabla una conversación con el camarero. Este trabajo se trata claramente de algo más que simplemente mezclar bebidas. Al igual que el médico, podemos analizar fácilmente este trabajo en dos componentes: el repetitivo y rutinario (mezclando y sirviendo las bebidas) y el más interactivo e impredecible que implica escuchar y hablar con los clientes.
Después de reflexionar sobre las características de numerosos puestos de trabajo y profesiones, dos tipos de trabajo no rutinarios me parecen particularmente comunes y difíciles de automatizar:
Primero, la emoción. La emoción juega un papel importante en la comunicación humana (piense en ese médico sentado con la familia, o que el camarero interactúe con los clientes). Está críticamente involucrado en prácticamente todas las formas de comunicación no verbal y empatía. Pero más que eso, también juega un papel en ayudarnos a priorizar lo que hacemos, por ejemplo ayudándonos a decidir qué hay que atender ahora mismo a diferencia de más tarde en la noche. La emoción no sólo es compleja y matizada, sino que también interactúa con muchos de nuestros procesos de decisión. El funcionamiento de la emoción ha demostrado ser difícil de entender científicamente ( aunque se han registrado progresos), y es difícil de integrar en un sistema automatizado.
Segundo, contexto. Los seres humanos pueden tener fácilmente en cuenta el contexto al tomar decisiones o tener interacciones con otros. El contexto es particularmente interesante porque es de extremo abierto, por ejemplo, cada vez que hay una noticia, cambia el contexto (grande o pequeño) en el que operamos. Además, los cambios en el contexto (por ejemplo, la elección de un presidente inconformista) pueden cambiar no sólo la forma en que los factores interactúan entre sí, sino que pueden introducir nuevos factores y reconfigurar la organización de los factores de manera fundamental. Este es un problema para el aprendizaje automático, que opera en conjuntos de datos que por definición se crearon anteriormente, en un contexto diferente. Por lo tanto, tener en cuenta el contexto (como un camarero agradable puede hacer sin esfuerzo) es un reto para la automatización.
Nuestra capacidad para gestionar y utilizar la emoción y tener en cuenta los efectos del contexto son ingredientes clave del pensamiento crítico, la resolución creativa de problemas, la comunicación efectiva, el aprendizaje adaptativo y el buen juicio. Ha resultado muy difícil programar máquinas para emular tales conocimientos y habilidades humanas, y no está claro cuándo (o si) los esfuerzos incipientes de hoy para hacerlo darán sus frutos.
Y, de hecho, estas son las mismas habilidades que los empleadores de todas las industrias informan constantemente de buscar candidatos a un puesto de trabajo. Por ejemplo, en una encuesta, el 93% de los empleadores informó que «la capacidad demostrada de un candidato para pensar críticamente, comunicarse con claridad y resolver problemas complejos es más importante que su carrera de pregrado». Además, los empleadores buscan candidatos que tienen otros tipos de «habilidades blandas», como ser capaces de aprender adaptativamente, tomar buenas decisiones y trabajar bien con los demás. Estas habilidades buscadas, por supuesto, encajan perfectamente con el tipo de cosas que la gente puede hacer bien, pero son y seguirán siendo difíciles de automatizar.
Todo esto sugiere que nuestros sistemas educativos deben concentrarse no sólo en cómo las personas interactúan con la tecnología (por ejemplo, enseñando a los estudiantes a codificar), sino también en cómo pueden hacer las cosas que la tecnología no lo estaremos haciendo pronto. Este es un nuevo enfoque para caracterizar la naturaleza subyacente de las «habilidades blandas», que probablemente se denominan mal: Estas son las habilidades que son más difíciles de entender y sistematizar, y las habilidades que dan —y continuará— a los humanos una ventaja sobre los robots.
