#AISummit | Inteligencia Artificial y la Automatización del Trabajo
Category
🦄
CreatividadTranscripción
00:00Seguimos con más AI Summit por el cronista. Y ahora nos acompaña Agustín Huerta, que es Senior VP de Innovación Digital en Globant.
00:08Bienvenido Agustín, ¿cómo estás?
00:09Un placer.
00:10Igualmente. Bueno, tu posición es un poco especial dentro de estos paneles, porque Globant es tanto productor como consumidor de esta tecnología.
00:21¿Cómo te enfrenta eso al lado de empresas que quizás están más cerca de ser un cliente tuyo?
00:28Claro.
00:29Bueno, ahí un poco el desafío que tenemos nosotros es que cuando se dan estos avances tecnológicos, nos impacta como en distintas áreas a la vez.
00:38Por ejemplo, a nosotros cuando apareció Chachipitivo o este nuevo boom de AI generativa, que de hecho lo veníamos prediciendo, internamente nos veníamos conversando al respecto.
00:48Esperábamos que fuera un poquito más adelante, la verdad.
00:50Cuando una organización típicamente ve eso y dice, bueno, ¿cómo impacta esto en mi negocio? ¿Y qué hago yo respecto de mi negocio? ¿Cómo operativizo ciertas cosas?
01:02Y para nosotros era, bueno, ¿cómo esto ayuda a que nuestras áreas internas trabajen mejor? ¿Qué hago para que el departamento legal, el de finanzas, el de capacidad trabajen mejor?
01:11¿Cómo hago para ofrecer servicios nuevos a mis clientes?
01:14Y eso tiene como una segunda arista, que es cómo entreno a mi gente en además entender esta tecnología y que todos puedan hacer uso.
01:22Porque acá no fue a lo mejor como la última salida del invierno de inteligencia artificial, que era decir, bueno, tengo que tener los mejores data scientists o preparar gente para que sea data scientist.
01:31Acá era, bueno, mis desarrolladores hoy se enfrentan a un cambio de paradigma en cuanto a cómo hacen su trabajo también y están intrapelados por ese lado.
01:39Y después la última arista que tiene Globant, que además de dar servicios es crear productos, es bueno, ¿y esto cómo afecta a los productos que tenemos hoy?
01:47Algunos se volvió obsoleto, ¿qué capacidades hay que les podemos poner hoy y aumentarlos en cuanto a lo que pueden hacer haciendo apoyo y sacándole provecho a la inteligencia artificial?
01:57Perfecto. Bueno, justamente mencionabas mucho lo del trabajo, productividad, que es un poco lo que nos convoca ahora esta relación entre automatización de procesos y tareas y trabajo.
02:05Y no voy a ser muy original, pero no puedo más que preguntarte si a la falacia ludita hay que sacarle lo de falacia o todavía se mantiene este hecho de que vamos a terminar reinventando las tareas eventualmente y va a haber una suerte de equilibrio.
02:21Yo creo que en toda gran revolución que la humanidad enfrentó, eso ha pasado.
02:26La revolución industrial cambió mucho los trabajos que había en el campo y por eso de hecho la gente se fue a vivir a las ciudades, por ejemplo, y se transformó la actividad agrícola y aparecieron un montón de nuevos puestos de trabajo vinculados a la manufactura en masa, a los nuevos medios de transporte que había.
02:41No había expertos en conducción de locomotoras hasta que no apareció la máquina de vapor.
02:46A lo sumo tenías a alguien que sabía llevar un carruaje con caballos, entender cuál iba a ser el comportamiento del caballo.
02:52Nada que ver con una locomotora que necesitaba a alguien que la alimentara para poder moverse con carbón y todos los procesos ingenieros para construirla y para mantenerla.
03:03Yo creo que hoy pasa un poco lo mismo.
03:05A lo mejor las tareas, lo que nos pasó es que nos acostumbramos y pensamos que esto es todo lo avanzado que la humanidad puede estar.
03:13Hoy aparece algo que nos interpela abruptamente y sin que nos diéramos cuenta o que nos fuéramos preparando para un cambio más progresivo.
03:21Y entonces decimos, ¿y ahora qué va a pasar?
03:25Y uno frente a eso, como con cualquier mecanismo que uno detecta como potencialmente peligroso, puede huir o, yo no diría atacar, pero como ponerse en acción respecto a eso.
03:37Y hoy un poco pasa por ese lado, por ponerse en acción.
03:40Hay una frase que dijo alguien, que no me acuerdo ahora quién fue esa, en los últimos 18 meses, que era un poco de, bueno, a mí no me va a reemplazar a lo mejor una AI,
03:46pero sí me va a reemplazar a alguien que sepa usar inteligencia artificial.
03:50Y creo que eso es, en parte, algo que potencialmente puede pasar y que, como decía Joan hace un ratito, lo que nos obliga es,
03:58uno ya no termina una carrera universitaria y ya está, tiene que aprender continuamente.
04:02Yo creo que hoy, además, si revisamos carreras universitarias, incluyendo lo que puede ser ingeniería informática y demás,
04:09interpela el cómo enseñamos a la gente que es el trabajo en sistemas y el desarrollo de sistemas.
04:13Porque las herramientas que se siguen enseñando pueden ser más o menos parecidas que las que vi yo hace 20 años cuando estaba en la facultad.
04:21Y hoy hay un universo enorme de cosas nuevas.
04:24Y nosotros, por ejemplo, con algunos clientes que tenemos modalidades en las que formamos a futuros profesionales del trabajo,
04:32alguna de las propuestas que le estamos haciendo ahora es, no les enseñemos solo a programar o a saber un lenguaje determinado,
04:37o a saber tal herramienta, enseñemosles a usar inteligencia artificial para llevar adelante ese trabajo.
04:44Porque esa gente va a ser tu fuerza de trabajo del mañana.
04:47Y pueden ser motor de cambio, impulsar a toda la gente que hoy ya tenés trabajando dentro de tu organización de esa forma.
04:54Bueno, un poco la contracara de si se van a desplazar trabajos es los que hoy por hoy faltan.
05:01O sea, en algún punto, desde prompters hasta data scientists, hoy son súper escasos.
05:06Totalmente. Y de hecho, a ver, yendo un poco al ámbito de lo que a nosotros nos compete por industria que tenemos.
05:13Se vienen haciendo reportes hace años de la cantidad de gente que falta en el espacio de todo lo que son las industrias digitales
05:22para poder abastecer a la demanda que hay.
05:25Y eso, la verdad es que no desapareció.
05:28Hoy AI nos puede acompañar, nos puede acelerar y nos va a ayudar a lo mejor a que esa brecha tan grande
05:32lo mejor podamos hacer, como en algún punto, achicarlo un poco.
05:37Pero la realidad también es, en el mundo de lo digital, la demanda nunca ha quedado satisfecha.
05:44Si uno mira, por ejemplo, la industria de los videojuegos.
05:47Cuando se hacían videojuegos hace 20 o 30 años atrás, tenías un equipo de gente, incluso más chico que el que tenés hoy en día.
05:55¿Por qué? Porque los juegos se volvieron más grandes, más detallados, hay más tecnologías involucradas.
05:59Las exigencias que tienen los jugadores son de otro tipo.
06:03Cuando teníamos el Family y los 8 bits, nadie hablaba de frames por segundo que tenía.
06:10En un Sprite no necesitabas animarle todas las expresiones faciales.
06:14Para nada. Ni tenías que ver si tenía los poros de la cara en el lugar adecuado.
06:18Hoy te dicen, el personaje se ve un poco tosco, no se muestra suficientemente humano.
06:24O como leí hace una semana de parte de uno de los ejecutivos de Sony, ellos pensaban que la PlayStation 5 iba a ser todo sobre calidad 4K.
06:33La verdad es que los jugadores exigen más los 60 frames.
06:37Exigir y sacar 60 frames de un hardware requiere un montón de trabajo de ingeniería.
06:41Tal vez mucho más que el conseguir resoluciones de 4K, en el cual si haces texturas, altas resoluciones o aplicas algunas técnicas de upscaling, lo conseguís.
06:54Pasa hoy y creo que lo mismo va a seguir pasando en la industria nuestra en particular.
07:00Vamos a seguir necesitando más gente. Hoy necesitan saber.
07:04Y el otro gran punto que hay, que yo lo veo mucho en nuestra industria y estoy seguro que puede ser un error que esté pasando en otras,
07:11es cuando se hacen estos estudios de realizar, bueno, este trabajo tiene grandes riesgos de desaparecer o de cambiar.
07:18Todo el trabajo en IT está dentro de los rankeados más altos.
07:21Hay una pobre percepción de realmente cuáles son todas las tareas que uno ejecuta.
07:26Por ejemplo, en el lado de servicios profesionales relacionados a construcción de software, siempre se mide al desarrollador.
07:35Y el desarrollador es un miembro de un equipo donde a lo mejor hay cinco o seis perfiles más distintos.
07:42Yo puedo acelerar por mil a los programadores para que vaya mucho más rápido,
07:45pero si alguien no define cuál es el objetivo de ese sistema en cuanto a lo que es más las tareas de análisis de sistemas,
07:52o si alguien no define cómo va a lucir esa experiencia de usuario.
07:55¿El desarrollador qué es lo que va a programar?
07:57Están trabajando de un cuello a botella.
07:59Y en esas otras áreas, a lo mejor hoy, si uno analiza el espectro de todo lo que hay,
08:05no hay tantas herramientas o tan maduras o que estén atacando tanto esa temática como a lo mejor pareciera ser a los desarrolladores.
08:12Entonces es algo que yo converso mucho porque estoy seguro que a lo mejor puede estar pasando lo mismo en otras disciplinas más.
08:19Carlos, te iba a preguntar porque mucho lo que se ve es que te aumenta la productividad por hora o por minuto, como lo quieras medir.
08:26Yo en mi caso escribo más por minuto.
08:29Perfecto.
08:31¿Vos ves que haya aplicaciones, invento en el team building, ves que haya aplicaciones para tomar decisiones estratégicas donde intervenga AIA?
08:38Totalmente.
08:40De hecho, por ejemplo, hoy no hay a lo mejor tanto de inteligencia artificial aplicada a lo que es la arquitectura del sistema.
08:47Ayudarte en esa parte.
08:49Puede tener algunas recomendaciones.
08:51Si le haces alguna pregunta en chat GPT, alguna cosa medio genérica te va a dar.
08:54Pero realmente el bajarlo a algo más concreto tiene que estar de tu lado.
08:58Hoy, por ejemplo, en cuanto a la parte de levantamiento de requerimientos, nosotros estamos trabajando con el concepto de agentes.
09:06Que nos permitirían analizar una reunión, a lo mejor con un stakeholder.
09:10Y decir, bueno, de todo esto se desprende que acá están estos elementos que deberían resolver la solución que se va a desarrollar.
09:18Podés después usar AI generativo para que te ayude a elaborarlos un poco más allá de lo que se discutió ahí.
09:24Y después, en cuanto a lo que es el team building, por ejemplo, vos podrías usar AI para que dispare actividades de team building.
09:32Nosotros hoy hacemos uso, por ejemplo, de AI para que dispare pequeños asesmen de capacidades.
09:39Bueno, de la misma forma podría convocarlos a que todos participen en una actividad o incluso darle feedback de cosas que pasaron en una actividad.
09:47O de team building o en la que el equipo estuvo compartiendo algo.
09:50Típica reunión de algún proceso de desarrollo, uno tiene lo que se llama una retrospectiva.
09:55Qué hicimos en las últimas dos semanas, qué hicimos bien y qué hicimos mal.
09:58Y la AI podría tanto remarcar cosas como decir, che, mira, en el tiempo que gastaron en hablar de cosas que hicieron mal fue tanto.
10:08O de reprochar tales cosas o de echarle la culpa al cliente en vez de tomar una responsabilidad de tanto.
10:13Pero también podría sumarizarlo para que distinta gente lo interprete.
10:16Hay un chiste muy gracioso que vi el otro día.
10:19Para mí enfoca mucho en esto de cuando uno construye AI tiene que hacerlo con un sentido.
10:24Era una persona que decía, mira, convertí este bullet point en un mail hermoso, súper extenso.
10:30Y del otro lado quien lo recibía decía, mirá, este mail se convirtió en un bullet point.
10:34Y es como, bueno, claramente no sabían cómo comunicarse entre ellos.
10:38Pero a veces eso pasa incluso en una actividad de dar feedback al otro.
10:42Cómo yo lo escribo, lo expreso, lo redacto y demás, tiene que ver con a lo mejor qué cosas interpretaría yo que son valiosas o cómo me gustaría leerlo.
10:50Y la otra vez hablando con un colaborador mío me decía, bueno, a mí me gusta más que sea una lista de bullets con cosas para hacer, para mejorar.
11:00Cuáles son los puntos positivos y cuáles son los que tengo que trabajar.
11:04Bueno, yo podría usar una AI para que tome la prosa que yo escribí y demás y la convierta en ese formato.
11:11A lo mejor en un sistema de devolución de feedback puedo tener dos o tres vistas distintas según cómo fue redactada.
11:18El que lo redactó en forma de bullet points lo puedo poner en forma de prosa si es más proclive para la otra persona.
11:24Puedo tener todos esos análisis.
11:26Algo que ayude a decir, che, no le dijiste ningún punto de mejora y siempre está bueno que le des alguna cosa para mejorar porque seguro que la va a tener.
11:34O al revés, lo cascoteaste y nunca le dijiste nada positivo al otro y algo bien probablemente haya hecho.
11:41Puede pasar que no, pero seguramente alguna cosa bien, alguna característica buena tiene que tener.
11:46Entonces puedes usarlo para ese tipo de cosas.
11:49Perfecto. La verdad que es muy interesante ver un caso de habilidades blandas, si se quiere, potenciadas por la AI.
11:56Y en el caso de Global, ¿en qué están trabajando de acá a futuro? ¿De acá a fin de año o ya pensando en el año que viene?
12:02Mirá, nosotros el año pasado cuando surgió todo el boom, una de las primeras cosas que hicimos fue desarrollar una plataforma que te permitiera experimentar con los distintos modelos de lenguaje que había.
12:12Y construir, lo que hasta el año pasado era como un poco el state of the art, que era el concepto de tener asistentes.
12:19Que es básicamente promptear o definirle de alguna forma al LLM cómo tiene que ver las cosas o cómo las tiene que analizar.
12:27Y que te ayude a, por ejemplo, contestar preguntas sobre un documento que vos tenés.
12:31O que te ayude a consultar un sistema. Quiero saber cuáles fueron los revenues del último quarter.
12:36O quiero saber cómo vienen los márgenes que estoy teniendo. O cómo está la orden de producción X en mi sistema.
12:43El asistente puede ir, consultar, interfasear con SAP, con Oracle, con el sistema que haya por detrás y vuelve.
12:50Y estas AI generativas lo que tienen de bueno es que justamente pueden elaborar sobre la respuesta.
12:55Y te pueden expresar eso en distintos formatos. Y además te pueden interpretar lo que vos estás pretendiendo hacer.
13:04El siguiente paso en eso es, bueno, yo antes resolvía tareas. Hoy yo tengo que resolver problemas.
13:11Y si volvemos al caso del desarrollo de software, desarrollar software implica resolver un montón de problemas.
13:18Por ejemplo, tengo un error en algo que yo construí. Y eso no está aislado.
13:25Alguien me dijo, che, no sé, WhatsApp no está funcionando, no está mandando los mensajes.
13:29Alguien tiene primero una definición de qué hace WhatsApp y qué no hace WhatsApp.
13:33Qué es un mensaje, qué es lo que debería suceder cuando se envía un mensaje.
13:37Por otro lado está el error reportado. Y además tengo toda una batería de código.
13:42Probablemente casos de prueba que existieron y demás.
13:45Entonces, para resolver ese problema, yo puedo analizar todo este otro contexto.
13:50Que me va a ayudar a localizar cuál puede ser el punto de falla.
13:54Una vez localizado ese punto de falla, puedo empezar a explorar distintas soluciones.
13:59Y con alguien que actúe como experto, validar si esa solución está bien o no.
14:03Y dejarla disponible para que un humano finalmente diga, esto es correcto.
14:07Ese concepto que de hecho hoy en el evento también se lo conversó en algún momento, es lo que se llaman agentes.
14:14Los LLM funcionan muy bien si vos les pedís que resuelva algo.
14:18Pero también funcionan muy bien si les decís, ¿por qué no pensás esto como una serie de pasos?
14:24Bueno, es el poder hacer que determinen cuáles son esos pasos.
14:28Y para cada uno de esos pasos, determinen cuál es la herramienta más adecuada para resolverlo.
14:34Ejecuten alguna acción.
14:36Haya uno que actúe de vuelta de veedor.
14:39Y diga, bueno, esto está en el mejor estadio posible.
14:42Y ahí es cuando el agente devuelve la acción.
14:44Y esto es un proceso iterativo que sucede dentro de esa ejecución y esta interacción y orquestación de inteligencia artificial, herramientas más convencionales y demás para resolver un problema.
14:58Hoy nosotros estamos enfocados en que nuestra herramienta permita construir y definir de forma más eficiente estos agentes.
15:05Y también en cómo usar esta tecnología, este concepto de los agentes para acelerar el proceso de desarrollo de software.
15:11Estamos desarrollando agentes que pueden resolver justamente errores en soluciones, que nos pueden ayudar en la etapa de definición de requerimientos,
15:20que pueden ayudar a armar el esqueleto de un diseño o que pueden ayudar a acelerar el proceso de testing, armando casos de uso, casos de prueba, perdón,
15:30test unitarios, ejecutando pruebas automatizadas, validando los errores y demás.
15:34Perfecto, clarísimo Agustín, la verdad muy interesante.
15:38Y ustedes quédense del otro lado que ya seguimos con más Summit acá por El Cronista.