La combinación de IA y trabajadores humanos es la más prometedora para tareas que actualmente los humanos realizan mejor que la IA y aquellas que implican la creación de contenido.
Uno de los argumentos más comunes a favor de la incorporación de la inteligencia artificial a las empresas es el potencial de la IA para ayudar a los humanos complementando el trabajo que estos realizan. Pero los líderes primero deben entender si la IA y los humanos pueden desempeñarse mejor juntos que cada uno por separado y en qué momento.La IA en acciónInvestigación y conocimientos que impulsan la intersección de la IA y los negocios, entregados mensualmente.Sí, también me gustaría suscribirme al boletín de Thinking ForwardCorreo electrónico
Un artículo reciente de investigadores del Centro de Inteligencia Colectiva del MIT concluyó que, en promedio, las combinaciones de IA y humanos no superan al mejor sistema integrado únicamente por humanos o únicamente por IA.
“Este fue nuestro hallazgo más sorprendente”, dijo el profesor Sloan del MIT.Thomas W. Malone,Director del CCI. “Algunos de los casos de uso más importantes e interesantes de la IA implican una combinación de humanos y computadoras. Mucha gente habría asumido que la combinación sería bastante mejor, pero estadísticamente fue significativamente peor”.
El artículo, basado en una revisión de más de 100 estudios sobre la colaboración entre humanos e IA, fue publicado en la revista Nature Human Behaviour . La investigación arroja luz sobre cuándo la combinación de IA y trabajadores humanos está más preparada para tener éxito, como las tareas en las que los humanos superan a la IA por sí sola, las tareas que implican la creación de contenido y las tareas de creación que involucran IA generativa.
Las combinaciones funcionan cuando los humanos y la IA hacen lo que mejor saben hacer
Malone y sus coautores — profesor asistente de MIT SloanAbdullah Almaatouqy Michelle Vaccaro , estudiante de doctorado del MIT y afiliada del CCI, analizaron 370 tamaños de efecto únicos de 106 experimentos que evaluaron el desempeño de humanos solos, IA sola y combinaciones de humanos e IA. Los estudios se publicaron entre enero de 2020 y julio de 2023. ( El tamaño del efecto se define como la magnitud de la diferencia entre las variables de un estudio).
Los investigadores descubrieron que la combinación de humanos e IA superó el rendimiento de referencia de los humanos actuando por su cuenta, pero no mejor que el de la IA por sí sola. Cabe destacar que los puntajes de rendimiento promedio para la combinación de humanos e IA fueron inferiores a los de los mejores sistemas humanos o de IA.
Por ejemplo, la IA por sí sola demostró ser la más eficaz a la hora de detectar reseñas falsas de hoteles, con una tasa de precisión del 73 %, en comparación con el 69 % de los humanos y la IA juntos y el 55 % de los humanos solos. Los investigadores plantearon la hipótesis de que, como las personas eran menos precisas en la tarea en general que la IA, tampoco eran muy buenas a la hora de decidir cuándo confiar en los algoritmos y cuándo confiar en su propio criterio. Esto dio como resultado un rendimiento inferior para la combinación de IA y humanos que para la IA sola.
“Las combinaciones de humanos e IA funcionan mejor cuando cada parte puede hacer lo que hace mejor que la otra”, dijo Malone.
Las combinaciones de humanos e IA funcionan mejor cuando cada parte puede hacer lo que hace mejor que la otra.
Thomas W. Malone. Profesor Sloan del MIT
Otros ejemplos de cómo la IA supera a los humanos y de la combinación IA-humanos incluyen la previsión de la demanda y el diagnóstico de problemas médicos.
En los casos en que los humanos obtuvieron mejores resultados, los humanos y la IA trabajaron juntos y obtuvieron mejores resultados que los demás por separado, en promedio. Tomemos, por ejemplo, la clasificación de imágenes de aves, una tarea que requiere conocimientos especializados. Los humanos solos lograron una precisión del 81% y la IA sola logró una precisión del 73%, pero la combinación alcanzó una precisión del 90%.
“Si un ser humano solo es mejor, entonces el ser humano probablemente sea mejor que la IA a la hora de saber cuándo confiar en la IA y cuándo confiar en el ser humano”, afirmó Malone.
Redefinir procesos es mejor que reasignar tareas
Los investigadores dijeron que la colaboración entre humanos e IA puede adoptar dos formas diferentes. La mejora entre humanos e IA se produce cuando el sistema humano-IA promedio funciona mejor que un humano solo. La sinergia entre humanos e IA se produce cuando el rendimiento entre humanos e IA supera tanto al de los humanos como al de la IA sola.
El logro de la sinergia entre humanos e IA se ve obstaculizado por varios desafíos. El primero es comprender cuándo los humanos solos, la IA sola o la combinación de ambos serán más eficaces. Muchas organizaciones tienen dificultades con esto, dijo Vaccaro, porque tienden a sobrestimar la eficacia de los sistemas que tienen implementados. Los experimentos aleatorios, como las pruebas A/B que evalúan los resultados en los tres casos de uso, pueden proporcionar información basada en datos en este sentido.
La segunda es aplicar los resultados de esos experimentos para lograr cambios. Malone afirma que no se trata tanto de dividir las subtareas entre los humanos y la IA, sino de rediseñar todo el proceso de trabajo conjunto. Las empresas que quieran automatizar la producción en masa de muebles, por ejemplo, tendrían que considerar si deberían automatizar no sólo los intrincados pasos del montaje, sino también el oneroso proceso de trasladar un armario terminado por la fábrica.
“Descubrimos que los humanos se destacan en subtareas que involucran comprensión contextual e inteligencia emocional, mientras que los sistemas de IA se destacan en subtareas que son repetitivas, de gran volumen o basadas en datos”, dijo Vaccaro.
Después de decidir una estrategia, conviene adoptar un modelo de mejora continua. “Comience con un flujo de trabajo básico, luego controle el rendimiento y, por último, refine el flujo de trabajo en función de los resultados y los comentarios de los usuarios”, afirmó.
La IA generativa muestra el poder de la colaboración
Un área de sinergia prometedora entre humanos y máquinas es la IA generativa.
Los investigadores descubrieron que las combinaciones humano-IA tenían un peor rendimiento en tareas que implicaban la toma de decisiones, pero un mejor rendimiento en tareas que implicaban la creación de contenido. Las tareas de creación fueron relativamente inexploradas durante el período del estudio: solo el 10% de los artículos revisados analizaron la creación de contenido. Pero en esos casos, «el tamaño del efecto promedio para la sinergia humano-IA fue positivo y significativamente mayor que el de las tareas de toma de decisiones», que constituyeron la mayor parte de la investigación y tendieron a tener efectos negativos, escriben los investigadores.
En un artículo anterior, Malone y sus coautores exploraron cómo la IA generativa puede inspirar a los trabajadores creativos al generar una multitud de imágenes a partir de un simple mensaje de texto en cuestión de segundos. Aunque algunos resultados pueden ser tontos e irrelevantes, el proceso es mucho más rápido que un diseñador con un bloc de dibujo y puede proporcionar inspiración para diseños más complejos que se beneficiarían del toque humano.
Vaccaro dijo que el ciclo iterativo que es posible con la IA generativa la hace más adecuada para la colaboración humana que los sistemas de IA anteriores diseñados principalmente para completar tareas específicas.
“Los sistemas de IA generativa permiten un proceso más iterativo e interactivo”, afirmó. “Ahora los seres humanos pueden colaborar con la IA generativa en un ciclo de redacción, edición y reelaboración de textos, imágenes, música o vídeos. La IA puede adaptarse a la retroalimentación humana en tiempo real, lo que permite a los seres humanos refinar sus resultados de forma dinámica”.
La conclusión del artículo de que la combinación de humanos e IA puede no superar a la de los humanos y la IA por separado puede dar a las empresas motivos para detener sus esfuerzos de colaboración. Pero Malone dijo que esa es la lección equivocada que se debe sacar, en parte debido a las prometedoras capacidades de la IA generativa.
“Lo que estamos diciendo es que necesitamos volvernos más sofisticados y conocedores sobre lo que funciona para la colaboración entre humanos e IA y lo que no”, dijo.
Contacto