Editor Top
En lugar de incumplir las herramientas que promueven el aislamiento, Fisher sugiere explorar una nueva cosecha de productos de IA diseñados para fomentar la conexión humana. Ella cita Abordar, Seriey Trepar juntos como ejemplos prometedores.
Aún así, la mayor responsabilidad puede recaer en los empleados individuales. Fisher fomenta una mentalidad de crecimiento activo y compromiso.
«Cada vez que me apoyo en la IA, también debería estar buscando una asociación de pensamiento con mis colegas y redes extendidas y construyendo nuevas conexiones», dice ella.
Kirill PerevozchikovCEO de White Label PR, una agencia de relaciones públicas centrada en los juegos y el entretenimiento, ofrece un ejemplo anecdótico. Aunque su empresa es remota primero, cree que las comunicaciones en persona se están volviendo aún más críticas a raíz de Genai.
Para construir y mantener relaciones, su equipo prioriza a conocer a periodistas en persona en conferencias y eventos de la industria. «Es realmente importante ver a los periodistas cara a cara, por lo que verán que la persona detrás de los correos electrónicos que reciben no es una IA. En realidad es un ser humano real y puedes tomar una cerveza con ellos», dice.
La ilusión del progreso
LLMS también puede crear falsas expectativas sobre el ritmo y el progreso, según Binny brilloFundador y CEO del proveedor de automatización de procesos de negocios Kognitos.
Si bien los flujos de trabajo de ingeniería tradicionales son principalmente lineales, dice Gill, Genai ofrece una aceleración inicial rápida que puede dar la impresión de que una tarea está casi completa, lo que empuja a los empleados a avanzar prematuramente.
«Y mientras haces eso, la IA va y arruina algo que ya había hecho en el pasado. Y luego es como, ‘¿Cuándo iré a 100?’ Da un paso adelante, dos pasos atrás. Para Gill, esta frustración es la fuente de fatiga inmediata.
Para abordar este problema, Gill alienta a sus desarrolladores a «confiar pero verificar». En lugar de asignar una entrega monolítica en expansión como una aplicación o informe terminado, aconseja dividirlo en componentes más pequeños que se pueden validar de forma incremental.
«Si lo descompone pero deja que la IA lo haga, entonces la frustración no ocurre tanto», dice, porque cada componente puede ser examinado, y arreglado si es necesario, sin afectar a otros componentes.
Algunas mejores prácticas reflejan cómo los humanos resuelven problemas. Cuando las personas están atrapadas en una tarea difícil, a menudo se benefician de tomarse un descanso o dormir sobre ella. Gill recomienda adoptar un enfoque similar con Genai: abra una nueva ventana de chat, mantenga el trabajo anterior como referencia y permita que el modelo reprocese el proyecto con un contexto nuevo.
“La IA ahora comienza a comprender el proyecto de nuevo desde cero, [so you can] Diga: ‘Descríbeme’. Y mientras lo describe como si lo estuviera mirando por primera vez, puede notar ciertos problemas ”, dice.
En algunos casos, incluso eso puede no resolver el problema. Gill sugiere cambiar entre modelos, como moverse de Claude a Gemini Pro, porque cada modelo «piensa» de manera diferente.
«Lo que un modelo no puede resolver, el otro puede resolver. Incluso con los humanos, lo hacemos. Si un humano no puede [solve a problem]ve a hablar con alguien más, y tal vez tengas una idea «, dice.
McEwan de Gartner cree que estas mejores prácticas no solo deben enseñarse en entornos en el aula, sino también reforzarse a través del entrenamiento y el entrenamiento en el trabajo.
«Aquí es donde llega el valor de los empleados más experimentados: poder involucrar a esos empleados para entrenar a los empleados junior en torno a algunos de los resultados y verificar su trabajo para obtener precisión, eso implicará más entrenamiento práctico que simplemente sentarse en un salón de clases», dice McEwan.
Liderando a través de la transición de Genai
Más allá de la adaptación individual, las empresas finalmente tienen la mayor responsabilidad de abordar los desafíos relacionados con la IA. Joseph de Forrester enfatiza que un cambio de mentalidad organizacional más profundo es esencial.
«Muchas organizaciones intentan poner las métricas de productividad en torno a lo que es esencialmente una transformación psicológica. A menos que en realidad se trata a nivel organizacional e individual, como un cambio psicológico y un cambio estructural, no va a funcionar», dice.
Utilizando los desarrolladores como ejemplo, Joseph señala que muchos han cambiado de los entornos de desarrollo integrados tradicionales (IDE) a las herramientas de desarrollo asistidas por AI-AI.
«¿Hay suficientes conversaciones internas a nivel de equipo y un intercambio de conocimientos sobre cómo va ese proceso, no solo desde un punto de vista mecánico, sino también qué costo está asumiendo el compromiso de las personas con su trabajo?» Él dice, enfatizando la necesidad de reconocer y aprender de aquellos que integran con éxito las herramientas de IA en sus flujos de trabajo.
Los proveedores de modelos de IA también comparten responsabilidad. Gill advierte que muchos son una funcionalidad excesiva que no se mantiene en el uso del mundo real. «Hay mucho humo y espejos en el mercado en este momento», dice, refiriéndose a ‘lavado de IA’, donde las demostraciones pulidas no se traducen en soluciones de trabajo en producción.
Atrae un paralelo a la industria automotriz temprana. «Mi consejo para la mayoría de las compañías de inteligencia artificial es que no vaya a la conducción autónoma el primer día. Vaya como un volante con un poco de control de crucero … deje que los humanos construyan la confianza para la IA y les dé la capacidad de hacer poco a poco con el tiempo».
Perevozchikov de White Etiquet PR ofrece un enfoque alternativo para la adquisición de software de IA: su empresa es agnóstica de herramientas, lo que permite a los empleados usar herramientas de IA que funcionan mejor para ellos, comenzando con un período de prueba.
«Decidirán si quieren quedarse con él o no. Así que esto es interesante porque el empleado puede probar diferentes herramientas y luego decidir qué funciona mejor para ellos. Luego solo aprobamos esto como un gasto de la empresa y simplemente continúan usándolo», dice.
Esta prueba continua crea una dinámica de espectáculos en la compañía durante las llamadas de equipo.
«‘Oye, esto es algo genial que encontré. Hablemos de ello. Comparemos las mejores prácticas'», dice.
Teniendo una visión más amplia, Perevozchikov ve fatiga rápida como una extensión de la fatiga del zoom y otras cepas atadas al trabajo remoto.
«Mirando esto en general como un problema de que las personas se estancen frente a la computadora es realmente útil. Cualquier cosa que pueda sacarlos en la naturaleza, deberíamos alentar. Tener nuevas herramientas que sean mejores es excelente, pero simplemente salir y tocar el césped es realmente importante», dice.
