La Inteligencia Artificial (IA) se está utilizando no sólo para el reclutamiento de talento, sino también para encontrar mejores oportunidades de empleo, como se ha comprobado con una investigación de la UNAM y la Northeastern University, que con deep learning y aprendizaje reforzado posibilitaron a obreros acceder a puestos mejor remunerados.
La doctora Saiph Savage, integrante de la Red f<A+i>r LAC, explicó que la propuesta es una plataforma laboral donde se implemente la IA diseñada para el bien social, apoyada en la teoría de justicia de Martha Nussbaum para identificar los problemas sociales críticos en el ámbito laboral.
Las plataformas laborales existentes se rediseñan incorporando web plugins, para que dentro de la misma interfaz haya interacciones de trabajadores novatos y experimentados que comparten diferentes consejos, aprenden nuevas habilidades y con la información pueden tomar mejores decisiones que los lleven a lograr metas y mejorar en sus empleos.
“Lo que he visto es que los trabajadores empiezan a desarrollar sus habilidades digitales y pueden también incrementar sus salarios… con IA se volvieron más rápidos para hacer sus tareas y desempeñaron su labor con mayor precisión”, detalló en el Primer Encuentro Regional Red Feminista de Investigación en Inteligencia Artificial (f<A+i>r) Hub de América Latina y el Caribe.
Dentro de las plataformas, los empleados compartieron tips sobre qué tipo de propuestas laborales deben de tomar para incrementar su salario; en este sentido, los más experimentados saben que hay ciertos trabajos que no valen lo que les están pagando.
“Así, los obreros se enfocan en los trabajos que les pagarán mejor, porque es trabajo de más alta calidad… la Inteligencia Artificial se concentra en aprender el tipo de retroalimentación, qué tipo de consejos son los que les sirven más a los obreros para aumentar sus salarios”.
Profesora en la Universidad de Northeastern, en la Facultad de Ciencias de la Computación, donde dirige el Laboratorio de Inteligencia Artificial Cívica, Savage destacó que además de mejorar capacidades y salarios, también se puede reportar cuando los empleadores los evalúan injustamente.
“La IA ayuda a detectar cuando esto pasa y le indica al empleador que puede reconsiderar en cómo evalúa al trabajador. Esto es importante, porque una sola evaluación negativa en esta plataformas de trabajo puede hacer que pierdan el empleo… y se pudo lograr que los obreros mejoraran las evaluaciones que recibían”.
En el mismo encuentro, Wanda Muñoz, consultora en desarme humanitario, inclusión y respuesta interseccional a la violencia de género, lamentó que proyectos que se presentan como propuestas de IA para el bienestar social carezcan de estándares y métricas para cumplir con los Objetivos de Desarrollo Sostenible (ODS) y aún así reciben financiamientos millonarios.
Expuso que una investigación realizada por la Alianza Global para la Inteligencia Artificial (GPAI) en el 2020, de la cual es integrante, identificó más de 200 proyectos alrededor del mundo, dentro del ecosistema de IA responsable, con métricas poco claras para monitorear el progreso y carentes de metodología sólida para evaluar su impacto.
“Se autodenominan como Inteligencia Artificial para los ODS o para el bienestar social, cuando en realidad, haciendo un análisis más detallado, nos damos cuenta de que no cumplen con los criterios reconocidos como indispensables, por ejemplo incorporar una perspectiva transversal de género o un monitoreo basado en indicadores de derechos humanos”.
Sin embargo, recalcó que esta tecnología tiene impactos diferenciados en la población, como los sesgos en los sistemas de reconocimiento facial que afectan de manera desproporcionada a mujeres y personas racializadas; o las “deep fakes”, utilizadas para cometer violencia de género, además de los riesgos que estos conllevan para la seguridad internacional.
Por ello, consideró que para que la IA cumpla su promesa con los ODS en lugar de socavarlos, los proyectos deberían de seguir los estándares existentes de cooperación internacional, así como cumplir con las evaluaciones bajo cinco criterios principales: pertinencia, eficacia, eficiencia, sostenibilidad e impacto.
C$T-GM