La fluidez en IA no es competencia en datos, advierte Grupo PBT
La Inteligencia Artificial (IA) ofrece a los profesionales de datos formas más rápidas de escribir código, generar consultas, preparar documentación y resolver problemas técnicos. Especialmente para los talentos jóvenes, esto crea oportunidades para aprender y contribuir más rápido. Sin embargo, también introduce un riesgo en las habilidades cuando la capacidad de utilizar la IA se desarrolla más rápido que la experiencia necesaria para evaluar sus resultados.
«La fluidez en IA y la competencia en datos no son lo mismo», afirma Andreas Bartsch, director de Innovación y Servicios de PBT Group. «Alguien puede sentirse muy cómodo usando una herramienta de inteligencia artificial y, sin embargo, no tener la experiencia necesaria para reconocer cuándo una respuesta parece técnicamente correcta pero en realidad es incorrecta, incompleta o inapropiada para el contexto empresarial».
Para las organizaciones que desarrollan capacidades de datos, esto cambia la conversación sobre las habilidades. Enseñar a las personas a utilizar herramientas de inteligencia artificial es cada vez más importante, pero esta capacitación debe ir acompañada de los fundamentos que permiten a un experto en datos probar suposiciones, cuestionar resultados y comprender los sistemas y datos detrás de ellas.
Las fundaciones han sobrevivido a todos los cambios tecnológicos.
Bartsch pasó tres décadas trabajando en la industria de datos y ha visto cómo sucesivas generaciones de tecnología cambian la forma en que trabajan los equipos de datos. El cambio de entornos locales a plataformas en la nube, junto con IoT, capacidades impulsadas por eventos y arquitecturas de datos modernas, ha requerido que las personas aprendan nuevas tecnologías. Las disciplinas subyacentes siguieron siendo pertinentes.
Los ingenieros y analistas de datos experimentados a menudo podían cambiar de plataforma porque su conocimiento no estaba vinculado a un solo producto o herramienta.
«La IA es otro gran cambio en la tecnología que tenemos a nuestra disposición, pero no elimina la necesidad de comprender los datos. Los fundamentos dan a las personas algo para razonar sobre cuándo cambia la tecnología», afirma Bartsch.
Estos fundamentos incluyen habilidades prácticas como SQL y modelado de datos, junto con una comprensión de cómo se mueven los datos a través de los canales y cómo se prueba la confiabilidad. La aptitud numérica, el razonamiento lógico, la resolución de problemas y la resolución de problemas son igualmente importantes porque ayudan a los expertos a reconocer cuándo es necesario cuestionar un resultado.
La IA puede generar una consulta. El experto todavía necesita entender si es eficiente, si las uniones tienen sentido, si los supuestos subyacentes son válidos y si el resultado aborda el problema empresarial.
El talento junior necesita espacio para desarrollar su juicio
El desafío es particularmente relevante para los profesionales de datos más jóvenes. Muchos se sienten cómodos experimentando con la IA y pueden volverse productivos con nuevas herramientas muy rápidamente. Lo que lleva más tiempo desarrollar es la experiencia que ayuda a alguien a reconocer cuándo no confiar en una respuesta plausible.
Un ingeniero junior aún necesita comprender por qué un modelo de datos se diseñó de cierta manera, qué sucede cuando cambian las suposiciones dentro de un proceso y cómo la calidad de los datos afecta el resultado.
Sin esta base, la IA puede generar confianza antes de que tenga tiempo de desarrollarse el juicio profesional. Bartsch dice que las organizaciones no deberían reaccionar disuadiendo a los empleados jóvenes de utilizar la IA.
«La oportunidad es desarrollar fluidez en IA junto con bases de datos sólidas. Se debe alentar a los profesionales jóvenes a utilizar estas herramientas, pero también necesitan suficiente comprensión para cuestionar los resultados y asumir la responsabilidad del trabajo que presentan», afirma.
Hay otra cara de la brecha de habilidades. Los profesionales de datos de alto nivel a menudo aportan la experiencia necesaria para desafiar el trabajo generado por IA, mientras que algunos pueden ser más reacios a adoptar las capacidades de IA por sí mismos. Reunir estas fortalezas permite a los equipos desarrollar expertos más jóvenes sin perder el juicio adquirido a través de la experiencia.
La formación en IA debe incluir la rendición de cuentas
En Grupo PBT la formación en IA va más allá de enseñar a los consultores a utilizar las herramientas disponibles. La orientación interna enfatiza la protección de la información confidencial, la comprensión del contexto empresarial, la verificación de los resultados generados por la IA y la apropiación del trabajo presentado a un cliente o colega.
«Una vez que pones tu nombre en un resultado, eres dueño de él. La IA puede ayudarte a llegar allí más rápido, pero la responsabilidad de verificar la lógica, comprender el contexto y decidir si el resultado es confiable recae en la persona que realiza el trabajo», dice Bartsch.
Esto pone mayor énfasis en cómo las organizaciones desarrollan el talento en datos. La alfabetización en IA pertenece al conjunto de herramientas, junto con las disciplinas que permiten a los expertos evaluar la calidad, comprender la arquitectura y la gobernanza, y resolver un problema cuando la respuesta obvia no se sostiene.
El juicio se vuelve más valioso
A medida que la IA hace que realizar algunos trabajos técnicos de rutina sea más fácil y rápido, el valor de un experto en datos se desplaza aún más hacia la arquitectura, la integridad de los datos, la gobernanza y la comprensión empresarial.
Se espera cada vez más que los profesionales de datos sepan cómo utilizar la IA y cuándo desafiarla. Para Bartsch, este es el estándar que deben seguir las organizaciones.
«Los expertos en datos más fuertes serán las personas que se sientan cómodas usando la IA y que comprendan su resultado lo suficientemente bien como para cuestionarlo. La velocidad es útil, pero sólo cuando está respaldada por la experiencia necesaria para saber si el resultado es confiable», concluye Bartsch.
