MACHINE LEARNING: ¿Amenaza para el empleo?

MACHINE LEARNING

Definición de Machine Learning:

Según El Instituto Internacional Español de Marketing Digital (IIEMD), Machine Learning es una disciplina científica del ámbito de la Inteligencia Artificial que crea sistemas que aprenden automáticamente; aprender en este contexto quiere decir, identificar tipos de patrones complejos en millones de datos de forma más concreta; Machine Learning se trata de crear programas capaces de generalizar comportamientos a partir de una información no estructurada suministrada en forma de ejemplos.

Vídeo 1: Qué es machine learning

 

Fuente: Youtube

Para entender mejor el concepto anterior muestro ejemplos prácticos de lo que supone la aplicación de Machine Learning.
Expectativas de cambios mundiales:

• Móviles más inteligentes
• Lectura cerebral
• Diagnósticos médicos infalibles
• Revolución bioinformática en salud mental (prevención del suicidio)
• Tecnología del procesamiento del lenguaje
• Detección de noticias falsas
• Búsqueda de planetas habitables
• Reconocimiento instantáneo de objetos
• Del coche autónomo a la silla de ruedas autónoma
• Máquinas que componen  música clásica.  

Imagen 1: Expectativas de cambios mundiales

Fuente: Internet

Oportunidades en la Industria: 

Una de las grandes ventajas del aprendizaje automático es la capacidad de correlacionar variables, es decir, encontrar datos que de cierto modo alteran el resultado y por este motivo son tan eficientes para determinar motivos de algún resultado o predecir uno nuevo. De acuerdo al estudio elaborado por McKinsey, Machine Learning tiene un gran potencial para resolver diferentes tipos de problemas de los sectores industriales más importantes, provocando un real impacto en su operación y en la
forma de hacer negocios.

Ejemplo en el sector de Finanzas: Prevenir fraudes, lavado de dinero y personalizar la oferta de productos con base en datos multimodales.

A pesar de las diferentes oportunidades que nos ofrece el Machine Learning, esta revolución también supone una amenaza para el empleo, de esta manera diferentes organismos y consultoras han hecho predicciones sobre el impacto que tendrá la automatización con los empleos existentes:

• Oxford University predijo que para el año 2033,el 47% de los trabajos podrían ser automatizados.
• La OECD estima que el 9% de los trabajos en los 21 países miembros podrían ser automatizados. 
• McKinsey estima que podrían perder su empleo el 5% de la fuerza laboral mundial. 
• Harvard predice que habrá una pérdida de empleos entre un 4% y 7% para el año 2020, que generará ingresos adicionales de 20 billones de dólares.

Por otro lado, los reportes coinciden en que las empresas están utilizando la Inteligencia Artificial en actividades máquina-máquina y es muy poco utilizada para automatizar actividades humanas. En realidad, pocas empresas están utilizando Inteligencia Artificial para eliminar puestos de trabajo, sólo el 2% la utiliza para monitorear temas legales y 3% para detectar contratos fraudulentos.

Aunque esta nueva revolución industrial parece ofrecer grandes oportunidades para la innovación y el crecimiento económico, es cierto que los países al frente de esta revolución creadora cuentan con un capital humano altamente especializado, por lo tanto el empleo se ve afectado en un porcentaje muy reducido.

El siguiente infograma muestra de manera resumida la idea recogida a lo largo del texto.

  Imagen 2: Cómo afecta el machine learning al empleo

Fuente: Elaboración propia

MACHINE LEARNING Y EL EMPLEO

Cuando hablamos del machine learning, nos referimos al aprendizaje de las máquinas para que éstas sepan cómo realizar una tarea por sí misma y se vuelvan más inteligentes para resolver problemas.

El vídeo que viene a continuación nos ayudará a entender mejor algunos de los conceptos más importantes relacionados con el machine learning.

MACHINE LEARNING, DOS ENFOQUES DISTINTOS:

1.      Machine Learning supervisado: Siguiendo este enfoque, el aprendizaje se basa en datos ofrecidos y resultados esperados.

2.      Machine learning no supervisado: Siguiendo este tipo de enfoque, el aprendizaje consiste solo en datos, sin un resultado esperado concreto.

¿Cómo afecta el Machine Learning a las empresas y los puestos de trabajo?

El método supervisado del Machine Learning puede considerarse como la forma más “segura” de inteligencia artificial. Sin embargo, al usarla, se corre el riesgo de hacer que ciertos empleos se vuelvan innecesarios.

Cuando se usa el método no supervisado, su principal objetivo no es automatizar una tarea, sino descubrir otras nuevas. En este caso, el Machine Learning no se está usando para sustituir al trabajo de un humano, simplemente se usa para crear información que antes no existía. 

Analizando las ventajas del Machine Learning, podemos encontrar la mejora notable de los resultados de las empresas, lo que se traduce en un incremento de la eficiencia del trabajo de una empresa.

Actualmente son muchas las empresas que utilizan el machine learning para tener una mayor precisión en la toma de decisiones y para adaptarse rápidamente a los entornos cambiantes de hoy en día.

Un claro ejemplo son empresas como Amazon, IBM y Microsoft que tienen el 73% del mercado  y todas están decididas a ganar la mayor participación del mercado a través del Machine Learning. Éstas son empresas que utilizan el Machine Learning para mejorar sus resultados, pero sin tener que recurrir a la eliminación de puestos de trabajo.

A pesar de las previsiones en el aumento del desempleo, esto no se ve todavía como una amenaza ya que las empresas (como Amazon y Microsoft) están utilizando la Inteligencia Artificial en actividades máquina-máquina y no para automatizar actividades humanas.

A continuación podemos ver la infografía sobre datos relacionados con el Machine Learning y el empleo.

Machine learning ¿realmente es una amenaza para la humanidad o son todo ventajas?

¿A causa de qué nace el ‘machine learning’?

 Cada persona es una fuente determinada de información personal que una vez conectada a la red, ya esta generando datos. Datos que son utilizables para manipular y gestionar. Pero para que esos datos se conviertan en información, tienen que transformarse mediante un proceso que trata de hacer conexiones, y el machine learning es el nombre que se le da a la maquina que se encarga de hacer ese proceso de transformación. Cabe destacar que se diferencian dos métodos:

1.  Supervisado → Con la intervención de los humanos y se basan en hacer predicciones. y se basan en hacer predicciones. 
2. No supervisado → Identifican relaciones entre los datos.

Pero… ¿Cuál es el uso real?

• Optimizar la operación.
• Predicciones.
• Personalizar productos y servicios.
• Estimar la demanda futura
• Mantenimientos preventivos.
• Conocer tendencias.
• Detectar anomalías.
• Procesar datos no estructurados.
• Prevenir fraudes.
• Aumentar la eficiencia en la operación de una empresa.

Es oportuno mencionar que también tiene riesgos como puede ser dar falsos positivos por malos logaritmos, o bien, la intervención de hackers. 

Entonces ¿En qué ámbitos se puede aplicar?

El machine learning tiene un gran potencial en diferentes áreas de la industria.

 

Datos sobre los puestos automizados

Se habla de que es una amenaza para los humanos porque se destruirían los empleos, pero, Israel Olalla, cloud customer engineer de Google, nos explica como no es así en el siguiente vídeo:

Datos sobre las diferentes predicciones sobre el impacto que tendrá:

• Oxford University ⇨ Para el año 2033, el 47% de los trabajos serán automatizados.
• OECD ⇨ el 9% de los trabajos serán automatizados.
• Mckinsey ⇨ el 5% de los trabajos serán automatizados.
• Harvard ⇨ entre el 4% y el 7% de los trabajos serán automatizados pero, con unos ingresos adicionales de 20 billones de dólares.

En mi opinión apoyo las palabras de  Israel Olalla, además, las predicciones de OECD, Mckinsey y Harvard, son muy bajas en cuanto al numero de puestos de trabajos automatizados en un futuro cercano. Es más, Harvard, aun asumiendo que disminuirá el empleo a causa de la automatización, afirma que habrá 20 billones de dólares adicionales en forma de ingresos. Algo muy positivo para la economía mundial. El crear puestos de trabajos automatizados, disminuye los puestos de trabajo a los que de alguna manera está sustituyendo, pero se incrementan los trabajos de al rededor, es decir, de investigación y desarrollo, trabajos para  la puesta en marcha, cursos/conferencias explicativas, ...

A modo de resumen añado esta infografía

Conclusión

A pesar de que el 'Maching Learning' es una maquina capaz de hacer conexiones a tiempo real y en un tiempo muy reducido, no serán maquinas que se impongan a las personas, es decir, reducirán algunos puestos de trabajos creando trabajos automatizados pero también se necesitará mas personal para crear o producir, incluso para arreglar dichas maquinas. Como bien nos explica Israel Olalla, estamos muy lejos de destruir todos los empleos a causa de la 'Maching Learning'. Además, si nos fijamos en las predicciones de Harvard, se generarán ingresos adicionales de gran volumen.