Por: Barbara Ribeiro
Existe una percepción común de que la inteligencia artificial (IA) ayudará a agilizar nuestro trabajo. Incluso se teme que podría eliminar por completo la necesidad de algunos trabajos. Pero en un estudio de laboratorios de ciencias que realicé con tres colegas de la Universidad de Manchester, la introducción de procesos automatizados que apuntan a simplificar el trabajo y liberar el tiempo de las personas también puede hacer que el trabajo sea más complejo, generando nuevas tareas que muchos trabajadores podrían tener. percibir como mundano.
En el estudio, publicado en Research Policy, observamos el trabajo de los científicos en un campo llamado biología sintética, o synbio para abreviar. Synbio se ocupa de rediseñar organismos para que tengan nuevas habilidades. Está involucrado en el cultivo de carne en el laboratorio, en nuevas formas de producir fertilizantes y en el descubrimiento de nuevos medicamentos.
Los experimentos de Synbio se basan en plataformas robóticas avanzadas para mover repetitivamente una gran cantidad de muestras. También utilizan el aprendizaje automático para analizar los resultados de experimentos a gran escala.
Estos, a su vez, generan grandes cantidades de datos digitales. Este proceso se conoce como “digitalización”, donde las tecnologías digitales se utilizan para transformar los métodos y formas de trabajo tradicionales. Algunos de los objetivos clave de la automatización y digitalización de los procesos científicos son ampliar la ciencia que se puede hacer y ahorrar tiempo a los investigadores para que se concentren en lo que considerarían un trabajo más “valioso”.
Resultado paradójico
Sin embargo, en nuestro estudio, los científicos no se liberaron de tareas repetitivas, manuales o aburridas como cabría esperar. En cambio, el uso de plataformas robóticas amplificó y diversificó los tipos de tareas que los investigadores tenían que realizar. Hay varias razones para esto.
Entre ellos está el hecho de que aumentó el número de hipótesis (el término científico para una explicación comprobable de algún fenómeno observado) y experimentos que debían realizarse. Con métodos automatizados, las posibilidades se amplían.
Los científicos dijeron que les permitió evaluar una mayor cantidad de hipótesis, junto con la cantidad de formas en que los científicos podrían realizar cambios sutiles en la configuración experimental. Esto tuvo el efecto de aumentar el volumen de datos que necesitaban verificarse, estandarizarse y compartirse.
Además, los robots necesitaban ser “entrenados” para realizar experimentos que antes se realizaban manualmente. Los humanos también necesitaban desarrollar nuevas habilidades para preparar, reparar y supervisar robots. Esto se hizo para asegurar que no hubiera errores en el proceso científico.
El trabajo científico a menudo se juzga por su producción, como publicaciones revisadas por pares y subvenciones. Sin embargo, el tiempo necesario para limpiar, solucionar problemas y supervisar los sistemas automatizados compite con las tareas tradicionalmente recompensadas en la ciencia. Estas tareas menos valoradas también pueden ser en gran parte invisibles, particularmente porque los gerentes son los que no estarían al tanto del trabajo mundano debido a que no pasan tanto tiempo en el laboratorio.
Los científicos de biología sintética que llevaban a cabo estas responsabilidades no estaban mejor pagados ni eran más autónomos que sus gerentes. También evaluaron su propia carga de trabajo como superior a la de los que estaban por encima de ellos en la jerarquía laboral.
Lecciones más amplias
Es posible que estas lecciones también se apliquen a otras áreas de trabajo. ChatGPT es un chatbot impulsado por IA que “aprende” de la información disponible en la web. Cuando lo solicitan las preguntas de los usuarios en línea, el chatbot ofrece respuestas que parecen bien elaboradas y convincentes. Según la revista Time, para que ChatGPT evitara devolver respuestas que fueran racistas, sexistas u ofensivas de otras formas, se contrató a trabajadores en Kenia para filtrar el contenido tóxico entregado por el bot.
Hay muchas prácticas de trabajo, a menudo invisibles, necesarias para el desarrollo y mantenimiento de la infraestructura digital. Este fenómeno podría describirse como una “paradoja de la digitalización”. Desafía la suposición de que todos los involucrados o afectados por la digitalización se vuelven más productivos o tienen más tiempo libre cuando se automatizan partes de su flujo de trabajo.
Las preocupaciones sobre una disminución de la productividad son una motivación clave detrás de los esfuerzos organizacionales y políticos para automatizar y digitalizar el trabajo diario. Pero no debemos tomar las promesas de ganancias en productividad al pie de la letra.
En cambio, deberíamos desafiar las formas en que medimos la productividad al considerar los tipos invisibles de tareas que los humanos pueden realizar, más allá del trabajo más visible que generalmente se recompensa. También debemos considerar cómo diseñar y administrar estos procesos para que la tecnología pueda contribuir de manera más positiva a las capacidades humanas.
Este artículo es una traducción de otro publicado en The Conversation. Puedes leer el texto original haciendo clic aquí.
