Cómo las organizaciones pueden recalificar y subestimar a los empleados en IA

La creación de una visión completa y actual de la capacidad de la fuerza de trabajo es vital, incluyendo la toma de nota de capacidades y lagunas. Aprenda qué otros pasos seguir para recalificar a los empleados en IA.

por Kashyap Kompella

A medida que la IA y la automatización reconfiguran cómo se hace el trabajo, las organizaciones deben recapacitar su fuerza laboral o quedarse rezagadas.

Muchas empresas están experimentando con herramientas de IA, pero pocas están preparadas actualmente para los cambios significativos de mano de obra en el horizonte. Además, existe un concepto erróneo común que aprender sobre la IA es sólo para equipos técnicos o para aquellos que trabajan en dominios centrados en datos. Por ejemplo, los vendedores necesitan entender cómo las herramientas generativas alteran la estrategia de contenido, y los equipos de ventas deben comprender cómo los algoritmos de recomendación influyen en las decisiones de las tuberías.

La recapacitación y la mejora del talento interno suelen ser más rápidas y rentables que las de contratación externa, y también garantizan la preservación del conocimiento institucional.

Obtenga más información sobre cómo recalar a los empleados en IA, así como las habilidades de IA que los empleados deben poseer.

A continuación se siguen 12 pasos para recalificar a los empleados de AI

Estos son algunos pasos que las empresas deben seguir al educar a los empleados sobre la IA.

1. Empieza con una auditoría de habilidades

La creación de una visión actual y amplia de la capacidad de la fuerza de trabajo es vital, incluida la atención de las capacidades existentes, las deficiencias críticas y la evolución de las funciones.

Llevar esto requiere más que una hoja de cálculo de HR. Utilice taxonomías estructuradas de competencias y datos de desempeño interno para mapear las competencias actuales entre las funciones y utilizar las tendencias de la industria y las previsiones futuras de trabajo para identificar áreas prioritarias de habilidades. La planificación de escenarios y las adyacencias de habilidad pueden ayudar a definir cómo los roles actuales pueden ser objeto de transición.

Esta auditoría debería revisarse cada dos o tres años para garantizar que siga reflejando la evolución de las tecnologías y las necesidades de empleo.

2. Desarrollar una hoja de ruta destreza

Una vez que las brechas sean claras, definir cómo la organización las cerrará es un buen paso.

Un programa de entrenamiento único no funcionará. Segmentación de la fuerza laboral por exposición a la IA, disposición para el cambio y la naturaleza de sus funciones. Ofrezca alfabetización fundacional de IA a toda la fuerza de trabajo y capacitación más profunda y específica para grupos en TI, productos, marketing y operaciones.

3. Rediseñar roles y actualizar las descripciones de trabajo

La adopción de IA conduce a nuevas responsabilidades y categorías de puestos. Funciones como el responsable de riesgos de IA, el jefe de gobernanza de AI y el administrador de AI son cada vez más necesarios para garantizar una gestión adecuada de la ética, el cumplimiento y la integridad operativa.

Mientras tanto, los roles existentes evolucionarán. Los gestores de productos y los vendedores tendrán que ser competentes en IA, lo que requiere reescribir las descripciones de puestos y crear planes para aquellos que quieren asumir roles recién definidos.

4. Desaprender antes de aprender

Muchos empleados tendrán que desatar métodos y suposiciones anticuadas antes de que las nuevas prácticas puedan echar raíces.

Los programas de aprendizaje relacionados con la IA pueden ayudar a los empleados a identificar habilidades obsoletas, desafiar comportamientos heredados y hacer espacio para diferentes formas de pensar.

5. Oferta de capacitación adaptada y pertinente

Para ser eficaz, la formación debe estar centrada en problemas, estar alineada con las empresas e inmediatamente aplicable.

La realización de estos objetivos requiere integrar el aprendizaje en el flujo de trabajo, incluso utilizando módulos basados en escenarios y simulaciones empresariales donde los conceptos de IA se prueban con desafíos en vivo. El aprendizaje debe ser de formato múltiple e incluir a cohortes y autopacto. Los datos de compromiso del usuario pueden proporcionar información sobre cómo cambiar el contenido si es necesario.

6. Utilice plataformas de IA para acelerar el aprendizaje

La IA puede apoyar el aprendizaje, no sólo ser el tema.

Las plataformas de aprendizaje con capacidades de IA pueden personalizar la entrega de contenidos, recomendar rutas de aprendizaje y evaluar la maestría a través de pruebas adaptativas, y los tutores virtuales y chatbots permiten el coaching bajo demanda.

7. Upskill HR y alistan la suite C

HR debe transformarse junto al resto de la empresa.

Los líderes de aprendizaje deben poseer fluidez en IA, la analítica de la fuerza de trabajo y la infraestructura de aprendizaje digital, y los equipos de desarrollo del aprendizaje deben ser capaces de implementar rápidamente, iterate y a escalar programas de entrenamiento.

Además, los miembros de la C-suite deben ir más allá del patrocinio pasivo. Los ejecutivos deben participar en la capacitación en IA, demostrar públicamente sus nuevas habilidades y vincularlos a las evaluaciones de desempeño de los empleados y la promoción. El liderazgo se mantiene como una de las variables más influyentes en la transformación exitosa de la mano de obra.

8. Las habilidades de gestión del cambio de Nurture

Cuando la adopción de IA choca con el crecimiento de los empleados, la resistencia es inevitable. Los empleados podrían ver la IA como una amenaza para la estabilidad y progresión de la carrera.

Para abordar esto, un enfoque de gestión del cambio es crucial. Mejorar las habilidades de comunicación de los gerentes, crear foros seguros para retroalimentación y conectar los esfuerzos de recapacitación a oportunidades de crecimiento personal pueden ayudar. Gestionar el cambio de comportamiento con el mismo rigor que el cambio tecnológico es vital.

9. Crear una cultura que valore el aprendizaje

Muchos programas de entrenamiento fracasan porque el aprendizaje se trata como una tarea, no como un valor central. La familiaridad a nivel de superficie con las herramientas de IA no impulsa la transformación.

Las organizaciones deben priorizar la curiosidad, la reflexión y la experimentación como parte de su cultura para construir capacidades reales. También deben celebrar públicamente el aprendizaje y el intercambio de conocimientos en los rituales de equipo. Las organizaciones deben combinar caminos de aprendizaje estructurados con hackathons, concursos de ideas y sprints donde los empleados pueden probar y aplicar nuevas habilidades de IA.

10. Piensa como una universidad.

Cada empresa debe convertirse en una moderna academia corporativa.

Las organizaciones no pueden tratar la educación como algo que sucede antes del empleo. El aprendizaje debe estar alineado con las necesidades empresariales, y la capacitación debe integrarse en la planificación de las rutas profesionales.

11. Utilice múltiples herramientas

Ningún proveedor o plataforma puede satisfacer todas las necesidades de aprendizaje.

Las empresas deben combinar la formación interna sobre herramientas y procesos de propiedad con una formación que lleva a cabo los socios externos. Los empleados deben buscar certificaciones estándar de la industria.

12. Entrena tu ecosistema, no solo a tus empleados

Los revendedores de una empresa, distribuidores, agentes y socios son extensiones de la marca. Como AI remodela las expectativas de los clientes, los socios deben poseer la misma fluidez y capacidades de IA que los equipos internos, incluyendo conocimiento de productos, alfabetización de plataformas y la capacidad de explicar las características o experiencias impulsadas por IA a los clientes.

Descuidar la formación de socios podría introducir inconsistencias y confusiones.

Habilidades de IA de los empleados para cultivar

Las organizaciones deben actuar ahora, mientras que la adopción de IA sigue siendo desigual y su efecto se distribuye de manera desigual.

Las siguientes son algunas de las habilidades de IA que vale la pena cultivar, con habilidades enumeradas por papel específico.

Todos los empleados

Todos los trabajadores deben poseer las siguientes habilidades:

• Alfabetización de datos. Los empleados deben poder interpretar, validar y aplicar datos de manera efectiva en la toma de decisiones apoyada por IA.
• Colaboración de AIcollaboration. Los empleados deben poder trabajar eficazmente junto con la IA y entender cuándo es necesario la aportación humana.
• Ingeniero. Los empleados deben ser capaces de crear y probar los avisos para herramientas de IA generadoras.

• Adaptabilidad. Los empleados deben ser capaces de pivotar si es necesario a medida que evolucionen las tecnologías y los flujos de trabajo.
• Gobernanza y ética de IA. Los empleados deben entender los límites éticos y regulatorios que intervienen con la IA.

Equipos técnicos

Los empleados en funciones técnicas deben poseer las siguientes habilidades:

• Prototipado rápido. Los empleados deben ser capaces de diseñar rápidamente y hacer cambios en herramientas o experimentos habilitados para IA.
• Marcos e instrumentos de IA. Los empleados deben poder utilizar plataformas, marcos e instrumentos para el desarrollo de modelos.
• Reducción de la alucinación. Los empleados deben ser capaces de aplicar técnicas como la generación recuperada o RAG, la sintonía rápida y el post-procesamiento, que pueden ayudar a minimizar los errores fácticos.
• Patrones de diseño de RAG. Los empleados deben ser capaces de implementar la generación retribuida-aumentada para que las respuestas se basen en datos confiables y en tiempo real.
• Ajuste de LLMs. Los empleados deben ser capaces de adaptar los modelos a dominios específicos mediante la realización de aprendizaje supervisado y sintonía de hiperparámetros.
• Ingeniería contextual. Los empleados deben ser capaces de mejorar la calidad de salida de LLM gestionando la memoria, introduciendo límites y ajustando las ventanas de contexto.
• Encadenamiento de herramientas. Los empleados deben ser capaces de construir flujos de trabajo compuestos conectando diferentes herramientas de IA o API en secuencia.
• Protocolos de agentes de IA. Los empleados deben ser capaces de diseñar y gestionar agentes autónomos que tengan capacidades de toma de decisiones controladas.
• Optimización de interfaz de usuario de IA. Los empleados deben ser capaces de desarrollar las competencias que guían y limitan la funcionalidad de la IA apropiadamente para los usuarios finales.
• Modelo de la interpretabilidad y explicabilidad. Los empleados deben ser capaces de entender y comunicar cómo los modelos de IA toman decisiones. Esa comprensión es fundamental para la confianza y el cumplimiento.

Operaciones de aprendizaje de máquinas e ingeniería

Los empleados en operaciones de aprendizaje automático e ingeniería deben poseer las siguientes habilidades:

• Experimentación de IA y cajas de arena. Los empleados deben poder configurar y gestionar entornos de caja de arena para pruebas de IA seguras y contener antes de escalar.
• Mecanismos de precios LLM. Los empleados deben entender la facturación basada en simbólicas, las compensaciones de latencia y las estrategias de precios de los proveedores.
• LLM enrutamiento. Los empleados deben poder asignar consultas al mejor modelo sobre la base de factores aplicables como el costo, la latencia o el caso de uso.
• Optimización de los costos de IA. Los empleados deben ser capaces de reducir el consumo y el gasto de API a través de estrategias de setes, enrutamiento o selección de modelos.
• Herramientas de IA y normalización del desarrollo. Los empleados deben poder crear políticas y normas empresariales para herramientas, procesos, código abierto y adquisiciones.
• Evaluaciones y puntos de referencia de LLM. Los empleados deben poder ejecutar puntos de referencia internos y pruebas estandarizadas para evaluar el rendimiento del modelo.
• Modelos de madurez de IA y bucles de retroalimentación. Los empleados deben ser capaces de construir sistemas que incorporen la retroalimentación de los usuarios, que pueden mejorar los modelos de IA con el tiempo.
• Documentación y cumplimiento de AI. Los empleados deben poder crear y mantener registros rastreables de decisiones modelo, datos de capacitación y prácticas de gobernanza.
• Ingeniería de datos para la preparación de IA. Los empleados deben ser capaces de estructurar, etiquetar y limpiar datos para que sea utilizable para aplicaciones de IA.

Gerentes y líderes

Estas habilidades de liderazgo determinarán si la adopción de IA se mantiene táctico o se vuelve transformadora.

• IAM alfabetización para la adopción de decisiones estratégicas. Los gerentes y líderes deben entender lo que la IA puede y no puede hacer, conocer la diferencia entre automatización, aumento y transformación, y saber qué preguntas hacer sobre la IA.
• Traducción Business-AI. Los gerentes y líderes deben ser capaces de conectar los desafíos empresariales a las capacidades de IA, incluyendo posibles casos de uso de IA y comunicarse sobre los resultados esperados.
• Gobernanza de IA y supervisión de riesgos. Los gerentes y líderes deben ser capaces de dirigir a los empleados sobre cómo usar la IA responsablemente y entender conceptos clave sobre el sesgo de IA, el cumplimiento y el riesgo reputacional.
• Gestión del cambio en contextos de IA. Los gerentes y líderes deben ser capaces de anticipar la resistencia a la IA y comunicarse claramente sobre la tecnología a medida que la IA redefine los flujos de trabajo y los roles.
• Pensión crítica sobre las salidas de IA. Los gerentes y líderes deben saber cuándo confiar en la IA y cuándo cuestionar las recomendaciones de la IA, incluyendo cómo probar sus hallazgos.
• Evaluación de herramientas y proveedores de IA. Los gerentes y líderes deben ser capaces de evaluar los productos de IA y preguntar sobre el uso de datos, actualizaciones de modelos, seguridad, capacidades de integración y costo total de propiedad.
• Potenciación de equipo y upskilling. Los administradores y líderes deben ser capaces de identificar las deficiencias de habilidades y crear espacio para la experimentación y el desarrollo de la capacidad.
• Diseño de roles humano-AI. Los gerentes y líderes deben ser capaces de liderar el rediseño de los roles del equipo, incluyendo decidir cuándo la IA puede agregar valor y cuándo los humanos todavía deben estar involucrados.
• Revisión de la IA y la planificación de escenarios. Los gerentes y líderes deben ser capaces de usar herramientas de IA al crear planes a largo plazo.

Recursos humanos y L&D

Los responsables de los sistemas de talento, estrategia de la fuerza de trabajo y de aprendizaje deberían poseer las siguientes capacidades:

• IAM alfabetización para la estrategia de la fuerza de trabajo. Los trabajadores de Recursos Humanos y de Aprendizaje y Desarrollo (L&D) deben entender las capacidades y limitaciones de IA cuando lo utilizan con diseño de org, planificación de talentos y estrategia de la empresa.
• Habilidades taxomia y cartografía de la fuerza laboral. Los trabajadores de recursos humanos y de L&D deberían poder utilizar la IA para construir y mantener marcos de habilidades y utilizar la IA para descubrir las necesidades futuras de empleo.
• Recapacitar y redesplegar vías. Los trabajadores de recursos humanos y de L&D deben poder utilizar herramientas de IA para diseñar estrategias de movilidad interna y recapacitación e identificar adyacencias y lagunas.
• Diseño de ruta de aprendizaje para habilidades de IA. Los trabajadores de recursos humanos y de L&D deben ser capaces de comisariar y estructurar viajes de aprendizaje de IA y adaptar el aprendizaje a las necesidades de las empresas.
• Gestión del cambio para la adopción de IA. Los trabajadores de recursos humanos y de L&D deben ser capaces de desarrollar estrategias para ayudar a los empleados a lidiar con los cambios relacionados con la IA, incluida la creación de información sobre los cambios, la formación y los equipos de herramientas de los administradores.
• Personalización del aprendizaje impulsada por IA. Los trabajadores de recursos humanos y de L&D deben poder utilizar herramientas de IA para crear experiencias de aprendizaje adaptativas y relevantes para el rol a escala.
• IA responsable en procesos de talento. Los trabajadores de recursos humanos y de L&D deberían poder evaluar si las herramientas de IA que la empresa está utilizando para la contratación, el rendimiento, el aprendizaje y la analítica de la mano de obra cumplen con los estándares de sesgo, explicación y cumplimiento.
• Evaluación de los proveedores y herramientas de aprendizaje de IA. Los trabajadores de recursos humanos y de tecnología y desarrollo deben poder evaluar las plataformas de aprendizaje y los proveedores de contenidos impulsados por IA sobre la base de la adaptabilidad, la integración, la seguridad y el valor pedagógico.
• Alfabetización de datos para la analítica de las personas. Los trabajadores de recursos humanos y de L&D deberían poder comprender los datos de la mano de obra y actuar sobre los datos de la mano de obra.
• Uso de herramientas de IA en operaciones de L&D. Los trabajadores de Recursos Humanos y L&D deben poder utilizar IA para automatizar la creación de contenidos, la gestión de cohortes, las evaluaciones de aprendizaje y la curación del conocimiento.

Kashyap Kompella, fundador de RPA2AI Research, es analista de la industria de IA y asesor de empresas líderes en Estados Unidos, Europa y la región Asia-Pacífico. Kashyap es coautor de tres libros: Inteligencia Artificial Práctica, Inteligencia Artificial para Abogados e IA Governance and Regulation.

Fuente: https://www.techtarget.com/searchhrsoftware/tip/How-organizations-can-reskill-and-upskill-employees-in-AI