Cómo el AI Generativo Aumenta la Productividad de los Trabajadores del Conocimiento

Los últimos avances tecnológicos innovadores y constantes están liderados por dominios como la inteligencia artificial (AI), la robótica, la blockchain y la biología programable. Estas tecnologías están revolucionando la industria minorista, el automóvil, las finanzas, la fabricación y muchas más industrias a nivel macro y micro.

La AI, en particular el AI generativo, está transformando los estilos de vida y las tareas diarias de los trabajadores del conocimiento – individuos que son expertos en materia con educación y capacitación formal. Esto es bastante evidente en profesiones como la programación, el diseño, la ingeniería y la escritura, donde el AI generativo ha mejorado la productividad de los trabajadores del conocimiento.

Pero, ¿qué es exactamente el AI generativo y qué lo hace crítico para los trabajadores del conocimiento? Exploraremos esta idea más a fondo. 

¿Qué es el AI Generativo?

El AI generativo crea nuevo contenido como texto, video, audio e imagen automáticamente utilizando algoritmos de AI, basados en instrucciones escritas por humanos. 

Algunas de las herramientas y productos de generación de AI más prominentes incluyen:

• ChatGPT – Desarrollado por OpenAI, ChatGPT es un chatbot de AI inteligente capaz de proporcionar respuestas extremadamente detalladas y personalizadas basadas en instrucciones de los usuarios.
• DALL-E 2, Stable Diffusion, & Midjourney – Estas son herramientas de generación de imágenes impulsadas por AI.
• Meta – Esta es una herramienta de generación de video impulsada por AI que permite a los usuarios generar videos a partir de instrucciones textuales.
• Codex – Permite a los programadores generar código en varios lenguajes de programación en pocos segundos.

Ahora, veamos cómo el AI generativo afecta a los trabajadores del conocimiento.

Entendiendo Cómo el AI Generativo Aumenta la Productividad de los Trabajadores del Conocimiento de Diferentes Dominios

Según el informe ARK’s Big Ideas 2023, se espera que la AI aumente la productividad de los trabajadores del conocimiento más de 4 veces para 2030. El informe también sugiere que, con una adopción del 100%, la AI podría generar aproximadamente $200 billones en términos de productividad laboral después de un gasto total de AI de $31 billones. Si los proveedores pueden extraer apenas el 10% del valor creado por sus productos basados en AI, podrían recopilar casi $14 billones en ingresos y $90 billones en valor empresarial en 2030.

Previsión del mercado de AI para 2030. Fuente: ARK’s Big Ideas 2023

Veamos en detalle cómo las herramientas de generación de AI contribuyen a aumentar la productividad de los escritores de contenido, desarrolladores y artistas.

1. Trabajadores del Conocimiento: Escritores de Contenido y Editores

Las empresas modernas necesitan contenido bien investigado y habilidosamente elaborado para atraer a las audiencias. Es aquí donde el AI generativo hace que el trabajo de los escritores de contenido y editores sea más fácil.

Con la aparición de chatbots inteligentes como ChatGPT, la creación de contenido se está volviendo cada vez más fácil y económica. Según el informe ARK’s Big Ideas 2023, el costo de inferencia por consulta de ChatGPT es de alrededor de $0.01 en 2022. Para un billón de consultas, el costo total de inferencia se convierte en $10,000,000. Para 2030, este costo se espera que disminuya a solo $650, según Wright’s law. 

Una disminución de costos de esta magnitud permitiría la adopción masiva de herramientas de contenido de AI. Por ejemplo, para 2030, se anticipa que las aplicaciones de estilo ChatGPT igualarán la escala de la búsqueda de Google y procesarán 8.5 mil millones de búsquedas diarias. Por lo tanto, será más fácil para los trabajadores del conocimiento en el dominio de contenido aprovechar el AI generativo en tareas diarias.

2. Trabajadores del Conocimiento: Ingenieros de Software y Desarrolladores

Dada la complejidad y la longitud de los ciclos de desarrollo de software, la gestión y la implementación de software requieren un equipo de desarrolladores y programadores dedicados y capacitados. Las herramientas de codificación de AI generativo como Codex y Copilot están haciendo que el desarrollo de software sea más fácil y más productivo para los trabajadores del conocimiento. 

De hecho, el informe ARK’s Big Ideas 2023 establece que los asistentes de codificación de AI reducen el tiempo para completar una tarea de codificación a la mitad. Para 2030, los asistentes de codificación de AI podrían aumentar la producción de los ingenieros de software en 10 veces.  

Tiempo para completar tareas de codificación. Fuente: ARK’s Big Ideas 2023

3. Trabajadores del Conocimiento: Artistas Visuales y Diseñadores

Otro grupo de trabajadores del conocimiento categorizados como artistas y diseñadores también se ve influenciado por el AI generativo. Sus tareas generalmente incluyen crear conceptos visuales, gráficos, ilustraciones y interfaces de usuario creativas utilizando herramientas de diseño como Adobe Photoshop, Illustrator y Canva para ofrecer experiencias de usuario ricas. 

Con los modelos de imagen generativos innovadores como DALL-E2, Stable Diffusion y Midjourney, la productividad de los diseñadores ha aumentado enormemente. Por ejemplo, los diseños gráficos creados por humanos en 5 horas y que cuestan $150 ahora pueden hacerse esfuerza y rápidamente en menos de un minuto por 8 centavos utilizando modelos de imagen generativos. 

4. Trabajadores del Conocimiento: Músicos y Ingenieros de Sonido

El AI generativo hace que componer y mezclar una pista musical sea mucho más fácil. Por ejemplo, el AudioLM de Google es un modelo de audio generativo que crea música de piano realista y completa tonos acústicos incompletos. Google también ha desarrollado un modelo de generación de música llamado MusicLM que puede generar melodías hermosas basadas en descripciones textuales.

En 2020, Open AI presentó una herramienta de generación de música similar llamada Jukebox que genera una nueva muestra de música basada en género, artista y letras como entrada. Anteriormente, Open AI también lanzó un modelo GPT-2 basado MuseNet que puede generar composiciones musicales de 4 minutos utilizando 10 instrumentos.

Aunque los modelos de audio generativos están en su fase inicial, el espacio para aumentar la productividad de los músicos y los ingenieros de sonido solo crecerá cada año con mejores herramientas de AI generativo.

5. Trabajadores del Conocimiento: Youtubers y Creadores de Contenido de Video

El contenido de video está en auge. Había aproximadamente 51 millones de canales de YouTube en 2022. La producción de contenido de video pasa por varias etapas, incluyendo grabación, edición, agregado de ilustraciones y sonidos, y pre y postproducción.

Las plataformas de video de AI generativo están facilitando la generación de contenido de video para los trabajadores del conocimiento. Herramientas como Synthesia.io, y Pictory, están haciendo que la generación de video sea más fácil para los marketeros de video y los expertos en marca. Estas plataformas de AI de última generación permiten a los creadores de contenido hacer videos a partir de guiones. Pueden agregar un narrador y un fondo de video para hacer videos profesionales que se basan en estos guiones.

En septiembre de 2022, Meta AI lanzó la plataforma Make-A-Video que puede generar clips de video de alta calidad basados en instrucciones textuales. Fue entrenada en conjuntos de datos públicamente disponibles para aprender patrones de video. Puede crear videos únicos llenos de colores, personajes y paisajes.

Crear más contenido de calidad en cortos períodos de tiempo mejorará la productividad de los youtubers y los creadores de contenido de video en el futuro.

Ventajas y Desventajas del AI Generativo para los Trabajadores del Conocimiento

Veamos los diversos beneficios y desventajas que el AI generativo presenta a los trabajadores del conocimiento.

Ventajas del AI Generativo para los Trabajadores del Conocimiento

1. Generación de Datos Sintéticos: La capacitación de modelos de AI innovadores requiere grandes cantidades de conjuntos de datos y el AI generativo puede resolver este problema. Según el informe, el AI generativo representará 10% de todos los datos producidos en 2025 en comparación con el 1% en 2023. Por lo tanto, los científicos de datos y los expertos en AI no tendrán que enfrentar los desafíos relacionados con la recopilación de datos. 
2. Bajos Costos: Gartner predice que alrededor de 50% de las plataformas de desarrollo de código bajo/código sin código proporcionarán funcionalidad de “texto a código” para 2024. Para los desarrolladores, esto significa más características con el menor esfuerzo y costo. 

Desventajas del AI Generativo para los Trabajadores del Conocimiento

1. Detección de Contenido Sintético: Aunque el AI generativo aumenta la productividad, el problema de detectar el contenido de AI generativo y distinguirlo se convertirá en una preocupación grave en la investigación y la academia. Para 2024, la Unión Europea aprobará legislación para obligar a la “marcación de agua” de los artefactos generados por AI.
2. Desempleo: Los desarrolladores pueden enfrentar el desempleo si el AI generativo se vuelve “demasiado” inteligente. Gartner predice que para 2025, 20% de los profesionales de código procedural tendrán que adquirir nuevas habilidades porque el AI generativo asumirá su conjunto de habilidades básicas. 

El Costo de Construir Modelos de AI Generativo

El AI generativo es, hasta ahora, la rama más innovadora de la AI. Actualmente, el costo de capacitar un modelo de AI generativo es alto, pero está disminuyendo gradualmente. Por ejemplo, el costo estimado de capacitar GPT-3 fue de $4.6 millones en 2020. En 2022, ha disminuido a $450,000.

Costo de capacitar GPT-3. Fuente: ARK’s Big Ideas 2023

El informe ARK’s Big Ideas 2023 predice que para 2030, los modelos de AI con 57 veces más parámetros que GPT-3 (175 B parámetros) podrían ser capacitados por solo $600,000. Esto será posible gracias a la disminución de los costos de capacitación de los modelos de AI. La ley de Wright sugiere que los costos de producción de unidades de cómputo relativas (RCU) y los costos de software deberían disminuir en un 57% y un 47% a tasas anuales, lo que resultará en una disminución del 70% en los costos de capacitación anualmente hasta 2030. 

Costo de hardware de capacitación de AI. Fuente: ARK’s Big Ideas 2023.

Manténgase al día con todas las tecnologías de AI disruptivas en unite.ai.