La inteligencia artificial. Utopía. Distopía. Eutopia.

Dr. Carlos Alberto Díaz. Profesor titular de la Universidad ISALUD.

Estamos ante una nueva era en el ecosistema del Healthcare donde la digitalización, el almacenamiento y compartir datos, analizar los mismos que ayuden a mejorar el diagnóstico y el tratamiento seguro, preciso y personalizado.

Con la inteligencia artificial existen hasta ahora dos visiones una utópica y otra distópica. Pero debemos entender que deberíamos buscar un punto medio, eutópico, sin generalizar o simplificar «inteligencia artificial en el campo de la salud». La «visión utópica» es que la IA podría mejorar las habilidades clínicas existentes y el impacto de la inteligencia artificial en los sistemas de habilidades de los trabajadores, mientras que la «visión distópica» era que la IA conduciría a la sustitución de tareas o roles con automatización. Desde una perspectiva organizacional, la Teoría del Aprendizaje Organizacional (Chiva et al., 2014) puede identificar los factores organizacionales clave que son cruciales para lograr una ventaja competitiva en un entorno de mercado cambiante. La eutópica que existirán claramente aplicaciones que evolucionarán más rápidas y seguras. Que colaborarán en que el médico especialista de imágenes o anatomía patológica, no olvide ningún diagnóstico diferencial y aumente su productividad. Como así también, aplicaciones para que el conocimiento basado en la evidencia llegue a más rincones de la tierra en menos tiempo. Requiere el desarrollo de habilidades transversales, a toda la organización, que son indispensables para la modernización, digitalización y uso adecuado de las aplicaciones digitales. Cada una de estas oportunidades imponen desafíos éticos, morales, de equidad, de inversión, de visión de la profesión de cuidadores, del sistema de salud y de los mercados. No se puede olvidar que en términos generales la salud intangiblemente le corresponde el 10% del producto bruto interno, situación que es interesante y apetecible para imponer tecnologías, medicamentos, mayor desigualdad. Los riesgos, los dilemas entre la superioridad y el riesgo de imposición de algunos oferentes a este apetecible mercado imperfecto de la salud, puede hacer perder el eje, como con algunos fármacos. Esos aspectos no nos pueden inmovilizar y negar esto que será parte de la revolución digital en el campo de la salud, en la cual estamos comprometidos. Tendremos un tiempo de triple trabajo, aprendizaje personal, organizacional y sistémico, con la necesidad de generar un marco legal, de ver las experiencias de otros países, de incorporar nuevas disciplinas al campo de la salud. Donde haremos las cosas como antes por una parte y también iremos alimentando los algoritmos con la información necesaria que nos permitan disminuir errores, aumentar la seguridad de los pacientes y disminuir los desperdicios en el sistema de salud.

La proposición eutópica de la inteligencia artificial conlleva recorrer un camino intermedio con el GPS, todo el tiempo encendido y cautelosamente. Un trabajo Colaborativo, de comprensión, de análisis, de implementación segura, con progresos contrastados, porque estamos frente a una gran revolución. Donde los hospitales, ni los médicos serán el centro del mundo, pero si una parte fundamental de un sistema.

La salud, la atención de los pacientes con una historia clínica única informatizada, tiene una importante cantidad de datos, que hoy no es procesada, que es indispensable: Los registros médicos electrónicos se pueden adquirir de múltiples fuentes. Cada una de estas fuentes proporciona una cantidad significativa de datos que podrían mejorar enormemente el sistema de salud en general. Los EMR pueden hacer que este proceso sea más rápido, más preciso y preciso.

Big data en el cuidado de la salud es una acumulación de datos recopilados durante un largo período de tiempo. El análisis de estos datos puede ayudar a aprovechar la experiencia y el bienestar del paciente. A menudo es muy difícil abordar el big data utilizando métodos convencionales que son bastante lentos, costosos e ineficientes.

La inteligencia artificial servirá para analizar la big data.

La Inteligencia Artificial no cubre todo el proceso de atención: carece de la empatía, la comunicación adecuada y el contacto humano seguirán siendo esenciales.

Ninguna aplicación, software o dispositivo puede reemplazar las relaciones personales y la confianza. En otras palabras, el papel del médico y del equipo humano de salud es inevitable, pero la IA podría ser un asistente cognitivo muy útil. Los autores argumentan que la IA no está destinada a reemplazar a los proveedores de atención médica, sino que es probable que aquellos que usan IA tengan una ventaja competitiva sobre aquellos que no saben cómo usarla y que corren el riesgo de quedarse atrás.

Según esta teoría, las organizaciones pueden adquirir y mantener conocimientos y habilidades a través de un proceso de experimentación, reflexión y adaptación. Esto puede implicar probar diferentes enfoques y estrategias, reflexionar sobre sus experiencias y ajustar su comportamiento en consecuencia. Este proceso de aprendizaje a través de prueba y error permite a las organizaciones mejorar y evolucionar continuamente en respuesta a las circunstancias y demandas cambiantes (Basten y Haamann, 2018).

La teoría del aprendizaje organizacional en este aspecto se basa en cuatro componentes clave.

En primer lugar, el «aprendizaje colectivo» es el proceso por el cual las organizaciones adquieren y retienen conocimientos y habilidades a través de la interacción y colaboración de sus miembros a través del trabajo en equipo, la capacitación y el intercambio de conocimientos (Fenwick, 2008).

En segundo lugar, la «práctica reflexiva» es el proceso de reflexionar activamente sobre las experiencias y comportamientos de uno para aprender de ellos y aumentar la adaptación a las circunstancias cambiantes (Koukpaki y Adams, 2020).

En tercer lugar, la «cultura organizacional» puede facilitar o dificultar el proceso de aprendizaje.

Finalmente, las organizaciones necesitan «apoyos estructurales» como programas de capacitación, sistemas de gestión del conocimiento y recompensas para facilitar el proceso de aprendizaje. Comprender y gestionar eficazmente estos factores puede ayudar a las organizaciones a seguir siendo competitivas y exitosas en un mercado que cambia rápidamente y se ve afectado por la introducción de una variedad de productos y funcionalidades de IA.

Las habilidades transversales, también conocidas como habilidades transferibles o habilidades blandas, son aquellas que se pueden aplicar en diversas tareas e industrias (Hart et al., 2021). Estas habilidades incluyen el pensamiento crítico, la resolución de problemas, la comunicación y la colaboración, que son esenciales para trabajar eficazmente con los sistemas de IA. Permiten a los trabajadores adaptarse a las nuevas tecnologías y procesos y aprender y desarrollarse continuamente frente a la tecnología que cambia rápidamente. Además de ser importantes para trabajar con sistemas de IA, las habilidades transversales también se pueden desarrollar y mejorar con IA. Al automatizar ciertas tareas y procesos, la IA puede liberar tiempo y recursos del personal para centrarse en tareas más complejas y exigentes que requieren habilidades transversales. Al aprovechar la IA para optimizar y agilizar ciertos procesos, las organizaciones pueden permitir que sus empleados desarrollen y mejoren sus habilidades transversales, lo que lleva a una mayor productividad e innovación. En el 3er informe, publicado en 2021 por el Grupo de Trabajo de los Estados miembros de la ESCO, los autores (Hart et al., 2021) proponen un nuevo modelo de taxonomía para las habilidades y competencias transversales (CET). Los TSC son habilidades que se consideran necesarias o valiosas para una acción efectiva en cualquier tipo de trabajo, aprendizaje o actividad de la vida. Por lo tanto, son «transversales» porque no están exclusivamente vinculados a un contexto particular. En un mundo que se enfrenta a rápidos cambios tecnológicos y sociales, esta transversalidad, y la transferibilidad asociada, se considera cada vez más importante (Hart et al., 2021).

Este grupo de expertos señala que la transversalidad puede vincularse a lo que denomina «aprendizaje más profundo», es decir, habilidades y competencias que sustentan y permiten las habilidades más específicas necesarias, por ejemplo, en un entorno de trabajo.

El modelo TSC consta de seis categorías principales, a saber, competencias básicas, competencias de pensamiento, competencias de autogestión, competencias sociales y de comunicación, competencias físicas y manuales y habilidades para la vida. Estos, a su vez, comprenden una serie de grupos individuales para ayudar en el mapeo de cada habilidad. El modelo facilita la identificación de conceptos relevantes y las relaciones entre ellos y es útil para diferentes propósitos y usuarios de diferentes sectores.

En términos de contextos organizacionales caracterizados por la adopción de sistemas de IA, tres de las seis categorías de TSC (es decir, habilidades de pensamiento, autogestión y habilidades sociales y de comunicación) comprenden predominantemente habilidades que se consideran «blandas» o transferibles y, por lo tanto, relevantes para los trabajadores de Health care 4.0

HABILIDADES BÁSICAS

Las habilidades básicas se refieren a la capacidad de comprender, hablar, leer y escribir uno o más idiomas, trabajar con números y medidas, y usar dispositivos y aplicaciones digitales. Forman la base para la interacción con los demás y el desarrollo y el aprendizaje como individuo. Cuando se trabaja con IA, es crucial mejorar la capacidad de los empleados para entender, hablar, leer y escribir en varios idiomas y su capacidad para trabajar con números y unidades de medida y para usar dispositivos y aplicaciones. Las habilidades lingüísticas pueden ayudar a los empleados a comprender y utilizar mejor las tecnologías de IA. Por ejemplo, muchas herramientas y plataformas de IA tienen interfaces de usuario y documentación en inglés, por lo que los empleados que dominan el inglés pueden navegar y usar mejor estas herramientas (Irawan et al., 2022). Además, los empleados que se sienten cómodos con los números y las mediciones pueden comprender mejor y utilizar algoritmos de aprendizaje automático para predecir resultados, clasificar datos u optimizar procesos (Verma et al., 2022). Del mismo modo, los empleados que son expertos en el uso de dispositivos y aplicaciones digitales podrán administrar y mantener mejor los sistemas de IA, que a menudo requieren conocimientos técnicos y familiaridad con los lenguajes de programación (Allmann & Blank, 2021). La literatura proporciona evidencia de cómo la IA puede promover la adquisición y mejora continua de las competencias básicas de los empleados.

La teoría de las habilidades dinámicas (Fischer et al., 2003) postula que el valor de las habilidades de una persona puede cambiar con el tiempo a medida que la tecnología y la economía evolucionan. Si bien los expertos en IA desarrollan y entrenan implacablemente algoritmos de aprendizaje automático para imitar las habilidades humanas, los trabajadores deben poder identificar las habilidades y conocimientos específicos que son necesarios para incorporar efectivamente la IA en su trabajo, y luego deconstruir las habilidades existentes y adquirir otras nuevas para seguir siendo empleables y competitivas. Esto puede implicar la necesidad de educar, reciclar, volver a aprender o aprender constantemente nuevas habilidades para adaptarse a las condiciones cambiantes del mercado y aprovechar las nuevas oportunidades. La Teoría de las Habilidades Dinámicas ve el desarrollo de habilidades como una red de actividades específicas del contexto y orientadas a los resultados (Kunnen y Bosma, 2003).

En un momento en que las organizaciones están siendo interrumpidas por la introducción de nuevos y cambiantes sistemas de IA, los trabajadores necesitan dominar diferentes habilidades (sociales, emocionales, tecnológicas y físicas) para desempeñarse bien y seguir siendo competitivos en el mercado laboral y evitar perder su experiencia.

Las organizaciones necesitan adaptarse y aprender a adquirir y retener los conocimientos y habilidades necesarios para seguir siendo competitivas en un mercado cambiante. Se han propuesto varios marcos teóricos para explicar el fenómeno de la decadencia de habilidades y la retención de habilidades después de la introducción de tecnología novedosa (Arthur & Day, 2020).

La disminución de habilidades generalmente se describe como el deterioro del conocimiento y las habilidades debido a la falta de utilización o práctica. Los sistemas de IA pueden causar deterioro de habilidades en dos modalidades.

Primero, disminución del uso de habilidades específicas: si los sistemas de IA están diseñados para cumplir tareas que anteriormente eran realizadas por humanos, es posible que estas personas ya no necesiten aplicar estas habilidades con tanta frecuencia, y esto puede resultar en una disminución de su competencia en esas habilidades con el tiempo.

En segundo lugar, las posibilidades limitadas de crecimiento de habilidades: si los sistemas de IA abordan tareas que antes realizaban los humanos, puede haber menos oportunidades para que esos trabajadores aprendan y desarrollen nuevas habilidades, y esto puede llevar al estancamiento de sus habilidades y conocimientos. Los sistemas de IA se utilizan en la fabricación para el control de calidad o el montaje, en los departamentos de finanzas para analizar datos financieros o producir informes, y en el comercio minorista para la gestión de inventario, servicio al cliente y ventas.

HABILIDADES DE PENSAMIENTO

Las habilidades de pensamiento se refieren a la capacidad de aplicar los procesos mentales de recopilación, conceptualización, análisis, resumen y / o evaluación de información obtenida o generada a través de la observación, la experiencia, la reflexión, el razonamiento o la comunicación. Esto se refleja en el uso de información de diversos tipos para planificar actividades, alcanzar metas, resolver problemas, abordar problemas y realizar tareas complejas de manera rutinaria y novedosa. Estudios recientes muestran que las habilidades de pensamiento son cruciales para trabajar eficazmente con sistemas de IA. El pensamiento analítico, crítico y rápido permite a los empleados comprender los datos y los conocimientos generados por el sistema de IA y utilizar esta información para tomar decisiones informadas (Delanoy y Kasztelnik, 2020; Süsse et al., 2018). La IA puede ayudar a las organizaciones a automatizar algunos procesos, pero los empleados aún necesitan usar su creatividad para generar nuevas ideas, pensar fuera de la caja y resolver problemas que los sistemas de IA no pueden.

Von Richthofen y sus colegas (2022) descubrieron que la introducción de sistemas de IA para automatizar tareas repetitivas permite a los empleados centrarse en tareas más complejas y orientadas al cliente. Esto lleva a los empleados a desarrollar habilidades de resolución de problemas para resolver eficazmente tales situaciones. Los sistemas de IA también se pueden utilizar en algunas fases de un proceso complejo de resolución de problemas (Seeber et al., 2020). Además, la comprensión de la IA de problemas complejos depende del tiempo y es dinámica, requiere mucho conocimiento del dominio y no tiene una verdad específica sobre el terreno (Dellermann et al., 2019). Esto implica que los empleados están inherentemente inclinados a integrar habilidades transversales típicas de los humanos (es decir, creatividad, empatía, habilidades intuitivas y de aprendizaje, y pensamiento creativo) en el proceso para llenar los vacíos que traen los sistemas de IA (Xiaomei et al., 2021).

HABILIDADES DE AUTOGESTIÓN

Las habilidades de autogestión se refieren a la capacidad de una persona para comprender y controlar sus fortalezas y limitaciones y para utilizar este autoconocimiento para dirigir actividades en una variedad de contextos. Esto se refleja en la capacidad de actuar de manera reflexiva, responsable y estructurada de acuerdo con los valores, aceptar comentarios y buscar oportunidades de desarrollo personal y profesional (Hart et al., 2021). Por ejemplo, consideraremos la gestión del tiempo y las tareas como una habilidad clave de autogestión para el desempeño de los empleados.

Los sistemas de IA en las organizaciones pueden reducir potencialmente el tiempo que lleva completar ciertas tareas automatizándolas o proporcionando formas más eficientes de completarlas. Los sistemas de IA pueden analizar y procesar datos más rápido que un humano. De esta manera, una tarea que normalmente tomaría varias horas se puede completar en unos minutos. Según Yu y sus colegas (2021), la gestión efectiva del tiempo incluye aprovechar el poder de la tecnología y usar el tiempo restante para completar tareas puramente humanas. Esto permite a los empleados utilizar su tiempo de la manera más productiva y eficiente posible, así como fomentar el proceso de creación de valor en las organizaciones. Los trabajadores pueden concentrarse en tareas que requieren creatividad, innovación, empatía u otras cualidades que son exclusivas de los humanos.

Al mejorar las habilidades de autogestión e incitar a los empleados a centrarse en tareas que requieren un «toque humano», las organizaciones pueden crear más valor a través del desarrollo de nuevas ideas, la prestación de un servicio al cliente personalizado o la creación de experiencias laborales significativas para los empleados.

De esta manera, las habilidades de autogestión mejoradas de IA pueden ser una parte importante de la estrategia de una organización para crear valor. Los sistemas de inteligencia artificial también pueden proporcionar sugerencias y consejos personalizados a los empleados sobre cómo administrar mejor su tiempo, establecer objetivos y priorizar tareas, ayudándoles a administrar los flujos de trabajo (N. Malik et al., 2021). Algunos sistemas de IA también pueden proporcionar retroalimentación de rendimiento y ayudar a los empleados a reconocer sus éxitos para que puedan desarrollar sus habilidades de autogestión (Tong et al., 2021).

La evidencia reciente muestra que los sistemas de IA pueden ayudar a los empleados a monitorear sus actividades diarias y analizar su desempeño (A. Malik et al., 2022).

Esto les lleva a desarrollar la capacidad de identificar áreas en las que necesitan mejorar y tomar las medidas adecuadas. Desde una perspectiva organizativa, estos datos también se pueden aprovechar para aumentar en gran medida la calidad de la planificación y la programación en las organizaciones.

La IA se puede utilizar para automatizar la programación de tareas, eventos y recursos en función de diversos factores como plazos, dependencias y disponibilidad de recursos o para ayudar con la toma de decisiones proporcionando recomendaciones o alternativas basadas en el análisis de datos y el modelado predictivo.

Un estudio reciente de Aquino y sus colegas (2023) arroja luz sobre las preocupaciones sobre el riesgo de pérdida de competencia entre los profesionales de la salud debido a los avances en IA.

Conclusión

Debemos generar una visión eutópica de la inteligencia artificial, empezar a invertir seriamente en los colectivos integrantes del sistema de salud en sus habilidades transversales, buscar las áreas que se puede impulsar el desarrollo de tener información, conocimientos, obtención de nuevas habilidades. La disminución de habilidades debe prevenirse proporcionando oportunidades de capacitación y desarrollo, y esto puede incluir capacitación en el trabajo, así como programas de educación y capacitación más formales. La atención médica, es donde la IA puede desempeñarse mejor que los humanos en tareas clave de atención médica, como el diagnóstico de enfermedades y el procesamiento de datos. Los algoritmos ya están superando a los radiólogos en la detección de tumores malignos. Pero debemos preservar la atención centrada a las personas.