Subscribe
Share
Share
Embed
Un@ invitad@ espectacular, una pregunta y una conversación llevada hasta el final para matar la pregunta. Recorremos el globo para encontrar las mentes más brillantes en temas como innovación, emprendimiento, liderazgo, growth, ciberseguridad, agilidad, experiencia del cliente y muchoooo más. Con cada invitad@ hacemos una inmersión profunda en una pregunta y luego la editamos a menos de 18 minutos de perfección. Si disfrutas este podcast y te gustaría escuchar más... por favor déjame saber qué invitad@s, qué temas, y qué preguntas te gustaría que matemos dejando un mensaje aquí en Spotify o en cualquiera de mis redes sociales @robbiejfrye
Hello, hello, hello y bienvenidos a
Matamos Preguntas.
Un invitado o invitada increíble.
Una pregunta y una conversación llevada
hasta el final para responder la pregunta.
Sin decir más, aquí tienes tu host, el
gringo loco Robbie Gay Fry.
Hola hola, como estas y bienvenidos a
Matamos Preguntas.
Mi invitado es Felipe Cuadracortes, co
-founder at Arrancmi.
Y la pregunta que matamos es, ¿Cuál es la
importancia del pensamiento crítico en la
inteligencia artificial?
Pero antes de arrancar, ayúdame a
multiplicar el impacto de Matamos
Preguntas, regalando una reseña en Spotify
o en tu player favorito.
Y cuenta al mundo que Amas Matamos
Preguntas.
Y lo más importante, quiero celebrar las
empresas que hacen posible este podcast.
siempre puedes ganar mucho más plata pero
no más tiempo.
Castiguenos.
¿Quién eres?
¿Qué haces?
Darnos un poquito de contexto, por favor.
Bueno, mi nombre es Felipe Cuadra, soy
cofundador de Rainy .com, psicólogo
organizacional, especialista en PIPO
Analytics y en este momento impulsando una
agenda de revolución de la existencia de
personas mediante el uso de la
inteligencia artificial.
Así que muy metido en los temas de
inteligencia artificial y...
experimentando en distintos campos de
aplicación.
Feli, después de nuestra plática previa,
creo que la pregunta que podríamos tener
la mejor oportunidad de matar es ¿cuál es
la importancia del pensamiento crítico en
la inteligencia artificial?
¿Qué opinas?
Mira, yo creo que es súper importante que
las personas entiendan, primero que nada,
qué es una inteligencia artificial.
Entonces, yo te diría que el primer
concepto importante acá es que la
inteligencia artificial no es algo nuevo.
Lo que tenemos ahora es que la
inteligencia artificial se ha vuelto mucho
más accesible.
Entonces, la inteligencia artificial no
puede ser una caja negra.
Hay una cita de un astrofísico
norteamericano, que se llama Carl Sagan,
que a me gusta mucho, que dice que vivimos
en una sociedad que es tremendamente
sofisticada en términos tecnológicos, pero
al mismo tiempo...
la proporción de personas que realmente
entienden cómo funciona tu teléfono
celular o cómo funciona tu horno
microondas es cada vez menor.
Antes, cuando la tecnología era simple,
todo el mundo la podía entender y la podía
manipular.
¿Te acuerdas de tu abuelo con la cabeza
metida en el capó de una camioneta?
Porque todo se podía arreglar en una casa.
Hoy en día, cuando las cosas son mucho más
sofisticadas, la proporción de personas
que entienden lo que realmente pasa cuando
tú llamas por teléfono...
a una persona en un celular está vez
menor.
Entonces, no nos podemos dar el lujo de
acostumbrarnos a usar herramientas que no
sabemos cómo usar.
Y en el coro de la inteligencia artificial
o de las cosas que hacemos con
inteligencia artificial está la idea de
generar un sistema de procesamiento que es
capaz de, a través de un input, que puede
ser una instrucción, un prompt, una
imagen, generar un output, que también
puede ser texto, un audio, etc.
Y lo que pasa entre medio...
tiene distintas formas, pero su forma más
común se llama procesamiento del lenguaje
natural.
Y lo que se hace ahí es que tú tienes
básicamente una máquina virtual a la cual
tú entrenas con data que vas generando o
que vas trayendo de alguna.
Entonces, por ejemplo, tú le muestras a la
inteligencia artificial interacciones
entre personas y la inteligencia
artificial empieza a, mediante un
procedimiento matemático, a entender...
para distintos inputs, cuáles son los
outputs más probables.
Te pongo un ejemplo.
Imagínate que tengo una inteligencia
artificial viviendo en mi casa y yo cuando
salgo de mi casa en la mañana, miro para
afuera.
Si está lloviendo, tomo el paraguas y ahí
salgo a la casa.
Entonces ahí tiene un ascenio de paso.
La inteligencia artificial puede querer
predecir qué cosas van a hacer que sea más
probable que yo tome o no tome el paraguas
al salir de mi casa.
Porque quizá...
al principio va a pensar, ok, si el tipo
mira para afuera, entonces va a tomar el
paraguay y se da cuenta que hay muchos
días que está soleado, que no está
lloviendo y que por tanto ese no es un
buen predictor de lo que está ocurriendo.
Y mediante un proceso de iteración
sistemática va descubriendo cuáles son las
cosas que le dan la mejor respuesta
posible.
Y este principio súper sencillo se aplica
de forma sistemática en todo lo que es el
análisis de datos, las regresiones, los
modelos estructurales.
y los modelos de procesamiento de lenguaje
están detrás de la inteligencia.
Entonces, si bien es algo complejo y tú
requieres mucho tiempo para poder hacer
una inteligencia artificial desde cero,
requiere, como se llama, una inversión
enorme, no es algo que esté fuera de
nuestro caso.
Y entender esto es clave, porque lo
primero que te sale cuando tú entiendes
esto, que la inteligencia artificial es
una máquina entrenada, es que primero es
falible.
Ese es el primer límito.
¿Por qué es falible?
Porque si yo entreno esta máquina con
buena data, las respuestas que me van a
hacer también van a ser buenas.
Pero si la entreno con mala data, esas
respuestas no van a ser tan adecuadas.
Entonces, imagínate, por ejemplo, yo tengo
un grupo de WhatsApp con todos mis amigos
del colegio que nos conozco hace 30 años.
Y en ese grupo de WhatsApp nos decimos las
cosas más brutales del mundo.
Molestamos y nos hacemos bullying, igual
que como lo hacíamos cuando estábamos en
el colegio y nos matamos de la risa de lo
que hemos hecho por mucho tiempo.
Si en mi inteligencia artificial yo
quisiera enseñarle interacciones sociales
y le pasara los últimos dos años de
conversaciones, básicamente la
inteligencia artificial que saldría sería
un psicópata, una persona sin ninguna
enfatía, sin ninguna moral, porque le
estoy pasando un sexe cegado de todas mis
interacciones sociales.
Yo, por supuesto, que no me comporta así
en el grupo con mi familia o con mi esposa
o con otros amigos con los cuales tengo
otro tipo de relación.
Entonces, es muy importante entender que
es falible
y que toma como referencia aquello que se
ha usado como material de entrenamiento.
Entonces, si yo pongo material de
entrenamiento que es malo, la respuesta
también va a ser mala.
Y por tanto, las inteligencias
artificiales que usamos día a día tenemos
que mantener siempre una postura crítica y
preguntarnos, oye, estoy con Charles GPT,
estoy resolviendo algo.
Esta respuesta que me está dando, ¿es una
respuesta correcta?
¿Es una respuesta adecuada?
¿Se ajusta?
a los estándares de calidad que yo podría
pedirle, por ejemplo, a una persona que
esté haciendo la misma tarea o no.
Simplemente porque es rápido y es bonito y
es eficiente, no significa que esté bueno.
Entonces, tenemos que mantener una postura
escéptica respecto a lo resuelto.
Y uno segundo, y con esto termino para
pasar a otro tema, es que las
inteligencias artificiales no están libres
de sesgos.
Un sesgo, en el fondo, es una especie como
de tendencia que tienen las personas.
para decidir o tomar decisiones en una
cierta dirección que no siempre es la
dirección adecuada.
Entonces, tú vas al supermercado y siempre
te toca ese carrito que tiene la rueda
floja.
El carrito tú hagas lo que hagas, el
carrito se va a querer a la izquierda y
termina chocando con el pasivo de yogurt y
dejándole embarrar en el supermercado.
Eso es un setback.
Eso que pasa en el carrito también puede
pasar en tu cabeza.
Entonces, por ejemplo, los estudiantes
chicos te enseñaron que las mujeres no
sabían estacionarse.
Cada vez que veas a una mujer
estacionándose te vas a poner nervioso o
cada vez que tengas que...
pedirle, no sé, que tu Uber driver sea una
mujer, te vas a poner nervioso, no vas a
saber cómo pararte y eso no tiene nada que
ver con la realidad, es simplemente un
sesgo que tú tienes metido a él.
Entonces, de la misma forma que el carrito
puede tener un sesgo y tu cabeza puede
tener un sesgo, la inteligencia artificial
también puede tener un sesgo.
Y tiene que ver con esta data que se le
mete al Pell -C.
Entonces, por ejemplo, un ejemplo claro
acá de un uso real de inteligencia
artificial.
Hay inteligencias artificiales que están
siendo usadas hace mucho tiempo para
procesar currículums en procesos de
selección de personas.
Entonces yo tengo, abro una oferta de
trabajo, llegan 500 postulantes, no quiero
leer los 500 currículums, le pido a la
Inteligencia Artificial que los lea y que
los puntúe y que me diga cuáles son los
más aptos para que yo los pueda
entrevistar.
Si esa Inteligencia Artificial tiene un
sesgo, la respuesta que me va a dar va a
ser CK y esos sesgos vienen del material
de entrenamiento.
¿Cuál es el material de entrenamiento que
yo usaría?
Por ejemplo, imagínate que tengo 50
reclutadores expertos que miran NUN
currículums cada uno y con eso la
Inteligencia Artificial aprende cuáles
elementos son importantes y cuáles no.
Pero si esos 50 reclutadores expertos son
todos hombres, son todos blancos, son
todos del sur del país, son todos de la
misma universidad o tienen todas
preferencias o valores similares, la
respuesta que te va a dar esa Inteligencia
Artificial va a incorporar todos esos
sesgos que
A veces los sesgos son preferencias, a
veces los sesgos son discriminatorios,
pero son sesgos al final del día.
Hay que incorporar todo eso sesgos y por
tanto el output que te va a ese dirigente
artificial también va a tenerse.
Entonces cuando tú empiezas a emplear
estas cosas en tareas que son de alto
nivel o que tienen como se dice en inglés
high stakes, es súper importante que tú
sigas con una postura muy escéptica y muy
crítica respecto al resultado porque esos
sesgos en el entrenamiento fácilmente se
pueden reflejar.
ese es buen resultado.
Yo estoy imaginando, yo creo que mi
capacidad de utilizar IA como un
superpoder es basado en mi experiencia
como un ser humano tratando soluciones de
problemas por mucho tiempo.
Entonces yo tengo la capacidad de estudiar
arquitectura, muchas cosas, de sintetizar
elementos en encontrar caminos, en
preguntas que nadie jamás van a preguntar.
Yo creo que es un superpoder que yo tengo.
Y con AI,
eso ya es un super super poder.
Pero un niño o alguien que tiene acceso
muy rápido a IA y otro niño que llega más
tarde, no crees que a través de los
problemas que tiene que solucionar, cuando
finalmente tiene acceso IA, van a como
saltar como una ranita de otro chico por
su capacidad de entender el mundo, en
conectar puntos, en este niño van a tener
una debilidad de solamente
en tenerse en IA o de esa a revés, es como
bici en ser humano, si me entendés.
Y yo creo que es una excelente pregunta, y
es uno de los límites duros que yo creo
que vamos a tener que enfrentar como
sociedad.
No nos podemos dar el lujo de que estas
cosas se resuelvan solas, de que sean un
accidente nomás.
Básicamente, la analogía que ocupo acá es
la analogía del atajo.
Imagínate que tú eres la caperucita roja y
quieres ir a ver a tu abuelita.
Tienes que pasar por el bosque y el camino
es largo.
y hay distintos atajos que uno podría
tomar.
Te podría bajar el cerro un poco antes, te
podrías ir por el río, podrías no tomar el
camino, podrías saltarte a una parte por
otro lado.
Pero la única manera de saber si ese atajo
te resta tiempo o te aumenta tiempo es
conociendo el camino.
Si tú no estás recorriendo por primera
vez, no vas a saber cuáles atajos te
convienen y cuáles atajos en verdad no te
convienen.
Entonces, en el desarrollo de las
habilidades cognitivas de las personas
pasa lo mismo, creo yo.
O puede pasar lo mismo con la inteligencia
artificial.
Si yo, por ejemplo, estoy escribiendo un
ensayo,
Escribir un ensayo es una habilidad, es
algo que se tiene que desarrollar con el
tiempo, que requiere práctica, feedback.
Alguien que te ponga una mala calificación
y que te diga, oye, la estructura está mal
o fuiste demasiado largo, tiene que ser
más concreto.
Esa es la única manera de aprender a
escribir bueno.
Pero si en vez de escribir el ensayo, yo
voy a chat GPT y le digo, oye, escribo un
ensayo de 500 palabras acerca de la
relación entre el clima y la venta de
productos lácticos.
¿Te va a escribir algo?
te va a escribir algo, lo va a hacer, como
que no puede evitar hacerlo la
inteligencia.
Lo va a hacer.
Pero, ¿cómo sabemos si esa estructura está
buena?
¿Cómo sabemos si el research es bueno?
¿Cómo sabemos si eso refleja nuestro punto
de vista o el punto de vista que queremos
empujar de forma clara?
Si nosotros nunca hemos escrito un ensayo
y nunca nos han criticado nuestros ensayos
para poder hacerlo mejor, no vamos a tener
la capacidad de saber si ese producto es
bueno o es malo.
Entonces, esta capacidad de escepticismo y
capacidad de tener una postura crítica del
resultado de la Inteligencia Artificial
implica un conocimiento de las tareas sin
Inteligencia Artificial.
Para poder saber si el atajo te conviene,
tú tienes que conocer bien el camino, si
no lo puedes conocer.
Para saber si la respuesta que te está
dando la Inteligencia Artificial es buena
o mala, tú tienes que haber hecho eso con
sus manitos muchas veces para poder
entender dónde mejorarlo, cómo mejorarlo.
y lo que haces ahí es que lo mejoras en el
prompt.
Refinas tu prompt, refinas la inteligencia
artificial, le dices, esto no me gustó por
esto, es poco claro, o la tesis que yo
tengo es otra, y la inteligencia
artificial te va a dar un mejor resultado.
Si no desarrollamos las capacidades para
hacer las cosas de forma análoga y
simplemente saltamos a hacerla de forma
automatizada, lo que va a pasar es que nos
vamos a llenar de basura de bajo valor.
Piénsalo, por ejemplo, en un medioscript,
en las noticias que uno puede leer en un
periódico bonito.
Hace mucho tiempo que tenemos la capacidad
de escribir noticias de forma
automatizada.
No sé si lo sabías, pero hay feeds de
noticias internacionales, de la Associated
Press, etcétera, que van tirando los
titulares y una inteligencia artificial
que los toma y les crían una pequeña nota
para poder salir con la primicia en tiempo
real.
Esa nota corresponde al estilo que te
interesa, tiene el mensaje que te
interesa, su apesa, las distintas fuentes
de información respecto a su
confiabilidad.
tiene una estructura, tiene un lenguaje
que es apropiado para el medio, la verdad
es que no lo sabemos.
Sólo sabemos que es rápido.
Entonces, en algún momento, si es que
nosotros no hacemos esto, lo que va a
pasar es que todas las noticias se van a
transformar en noticias automatizadas y la
buena escritura, que es lo que te permite
comprender un fenómeno al final de buena
manera, se va a perder porque no puede
competir contra esta proliferación de
basura.
En el ámbito laboral es como que te
llenaras, por ejemplo, de materiales,
escritos y cosas.
de muy poco valor agregado pero de muy
bajo costo de producción mediante la
Inteligencia Artificial.
Cosas que nadie lee, cosas que nadie se
decime pero están listas.
Te puede pasar lo mismo.
Entonces es súper importante desarrollar
esta habilidad de crítica para poder...
Nuestro rol, si nosotros decidimos, tomar
este superpoder de la Inteligencia
Artificial es entender cómo funciona,
hacerla funcionar bien y ser implacable en
términos del feedback que le damos para
obtener algo que sea lo mejor posible.
Y si hacemos eso, vamos a poder aprovechar
al máximo el potencial de estas
herramientas.
Si nos quedamos con lo que nos entrega, la
verdad es que no vamos a tener otra cosa
que contenido basura, de muy bajo costo de
producción, pero de muy bajo nivel y muy
bajos cálidos.
Algo que he estado pensando mucho y es que
todo, todo, todo se trata de qué problemas
quieres resolver.
Si no puedes identificar los problemas,
igual una empresa grande, igual con un
startup.
con sus niños, con su esposo, esposo, etc.
La IA no es una herramienta, simplemente
otra forma de ser productivo produciendo
basura.
Todo se reduce al problema correcto.
¿Verdad?
O estoy inventando.
Tiene dos partes de lo que me gustaría
decirte al respecto.
La primera es que eso que tú hablas se
llama pensamiento crítico.
Y esa es habilidad que debe ser una de las
habilidades más importantes de desarrollar
en los jóvenes cuando están educándose.
no solamente preguntarse qué es lo que hay
que hacer, sino por qué lo estoy haciendo
y cuáles son las razones que hay detrás.
Eso es pensamiento crítico.
Y se aplica a los negocios, se aplica a la
política, se aplica a tu relación de
pareja, es una herramienta fundamental.
Entonces tenemos que desarrollarlo.
Pero la inteligencia artificial no
solamente es un aparato, es una
herramienta.
Y una herramienta es algo construido para
poder resolver un problema de mejor
manera.
Entonces...
El problema es que yo tengo este clavo y
tengo que martillarlo.
O sea, tengo que meterlo en la madera y
para eso puedo ocupar una piedra, puedo
ocupar un alicate, puedo ocupar mis
zapatos o puedo ocupar un martillo.
Y el martillo es la mejor herramienta para
poder meter ese clavo.
El tema es que si solo sé ocupar el
martillo, después cuando quiera, no sé,
abrir una ventana o ocupar el martillo,
no, no es la mejor herramienta para eso.
Entonces, en el contexto educacional, creo
que a los jóvenes debiésemos educarlos en
cómo la inteligencia artificial puede
potenciar.
Por ejemplo, la inteligencia artificial
puede ayudarte a suplir la memoria, la
memorización.
Yo cuando estudié en la universidad tenía
que memorizar un montón de cosas.
Hoy en día, tú puedes tener un
repositorio, vas construyendo para poder
hacer cosas sin tener que depender tanto
de tu memoria.
La inteligencia artificial ayuda mucho,
por ejemplo, en el diagnóstico médico,
donde tú tienes cientos, cientos, cientos
de posibles enfermedades.
Y en la análisis tú vas haciendo una
revisión de los síntomas del paciente y te
dice, oye, mira.
para estos síntomas, para esta demografía,
para esta edad, estas son diagnósticos que
tú debieses considerar.
Para eso sirve un montor potencia tu
desempeño, pero no reemplaza tu desempeño.
Si nosotros entramos a esto educando a
nuestros hijos a resolver problemas con
inteligencia artificial, sin desarrollar
las habilidades que hay detrás, cuando esa
inteligencia artificial se acabe, no van a
poder resolver nada.
Cuando se les acabe la batería del celular
o cuando tengan que hacer no una
presentación,
sino que tengan que hablar con alguien, no
van a tener la inteligencia inicial.
Entonces, desarrollar las habilidades es
clave para poder potenciar tu desempeño en
la educación y en los negocios.
La herramienta por sí misma, la verdad es
que no tiene valor si tú no desarrollas la
maestría para usarla.
Entonces, para terminar, Felipe, límite es
día el impacto de nuestro aprendizaje.
¿Qué viste o qué has visto como en las
empresas donde ustedes trabajan?
¿Cuáles son los límites y cuál es el
impacto que en este momento tú que ves en
nuestro aprendizaje?
En la recomendación para la gente
escuchando.
Hay ciertas cosas, por ejemplo, que
tenemos que hacer en las organizaciones.
Por ejemplo, dar feedback.
Tú estás en un rol de liderazgo, tienes
personas que dependen de ti.
Seguido debieses consultarte con ellos y
poder proponerles maneras de hacer mejor
las cosas, hacer planes de acción.
Y esto es algo que todos sabemos que
tenemos que hacer, pero que es brutalmente
difícil para los líderes.
desarrollar estas habilidades o que se les
ocurra cómo puedo ayudar a esta persona a
mejorar su desempeño.
La inteligencia artificial es tremenda
para eso.
Para tú le puedes describir la situación.
Oye, tengo un empleado.
Sí, yo lo ocupo un montón.
De hecho, lo metimos dentro de nuestra
plataforma hace poco porque es muy, muy
bueno.
Es decir, yo tengo un empleado que tiene
menos de seis meses en la compañía, que
estudió tal cosa, se destaca por ser muy
colaborativo, pero entrega las cosas tarde
en general.
¿Cómo puedo ayudarlo?
Y la inteligencia artificial te va a dar
cuatro o cinco planes de acción y tú
puedes elegir uno para webproponerse.
Y para eso es genial porque el repositorio
que está consultando son cientos y cientos
de libros y materiales de entrenamiento de
liderazgo y desarrollabilidad que tú
podrías leer, te lo dedicas tu vida a eso,
pero no te lo vas a recordar tampoco en el
momento en que está haciéndose feedback.
Entonces, ese problema tiene 500 años.
¿Cómo darle feedback a una persona?
Entonces, potenciar problemas dentro de la
organización es...
Brutalmente efectivo.
Eso es claro en la conversación de los
límites.
La fineza, conocer a las personas, la
sensibilidad para poder entender cuando
hay algo que no está resultando.
El modo en el cual tú haces las cosas.
La manera en que tú te desenvuelves en las
interacciones informales con tu equipo.
Eso la inteligencia artificial nunca lo va
a automatizar.
Los comportamientos complejos dentro de
las organizaciones necesitan múltiples
cosas.
Entonces, por ejemplo, para dar un
feedback, tú necesitas información.
Tú necesitas habilidades, habilidades, por
ejemplo, para poder hablar de forma clara,
para poder ser sintético.
Tú necesitas conocimiento, necesitas saber
qué es lo que se espera de esta persona,
necesitas capacidad analítica para poder
comparar lo que se espera con lo que estás
logrando.
Y necesitas también conocimiento de manera
de poder ayudar a esta persona.
Necesitas muchas cosas.
La inteligencia artificial te va a ayudar
con una o dos.
El resto sigue siendo trabajo tuyo.
Pero si digamos que son seis cosas que tú
necesitas para dar feedback, si la
inteligencia artificial te permite
resolver dos, yo, como entrenador de
líderes, me puedo concentrar en las otras
cuatro.
Y eso achica el desafío de ser un buen
líder y potencia el líder.
Por eso lo estamos haciendo en gestión de
personas.
Aradójicamente implica también el
desarrollo de nuevas habilidades.
Implica tener gente más crítica con los
resultados y con las cosas que está
entregándote en la inteligencia
artificial.
En el ámbito del análisis de datos, tú
para poder usar inteligencia artificial
para análisis de datos automatizado,
tienes que saber mucho de análisis de
datos, porque tienes que poder corroborar
y tienes que poder corregir.
Y requiere una habilidad muy avanzada para
poder hacerlo bien.
Entonces, salir del nivel consumidor y
pasar a un nivel experto o administrador
implica un conocimiento grande.
Pero la gracia de esto es que yo a lo
mejor no tengo ese conocimiento porque
tendría que hacer un PhD para tenerlo.
pero puedo tener parte de ese conocimiento
gracias a la inteligencia artificial, o
puedo aplicarlo de una forma que me
permita resolver un problema concreto
rápido ahora y no tengo que recurrir a
esta persona de gran conocimiento.
¿Me voy a poder refinar el algoritmo?
No.
¿Voy a poder ser totalmente crítico
respecto al resultado?
No.
¿Me va a dar una respuesta mala?
No necesariamente.
¿Qué tipo de respuesta me va a dar?
Suficientemente bueno.
Y el mundo se mueve de suficientemente
bueno.
No se mueve de perfecto.
Entonces, yo creo que acá hay una gran
oportunidad.
Sí, la forma que veo, no sé si es la mejor
forma para muchas personas que son
vegetarianos, pero es como una forma de
limpiar la carne en un sentido que antes
el feedback es muy crudo.
Tienes que matar la vaca, limpiar la vaca,
quitar este pedacito, etcétera, etcétera.
Pero le hay están dándote aquí ese
pedacito en tu con tu pensamiento crítico.
Tienes que quitar la gordita exactamente
para quedar con la solo mito, pero
solamente con tu ojo.
puedes definir cuál es la mejor sección la
carne donde cortar o no.
Pero llegar a este finalmente el trabajo
sucio hizo la ya para darte un cuchillo
mejor con su pensamiento crítico.
Entonces aumenta un nivel, limpio su
proceso de pensamiento donde tú puedes
enfocarte en las cosas más importantes, no
el ruido.
Exactamente.
Si somos cinco personas limpiándose
costillar, el mejor carnicero lo hace
mejor igual.
Entonces eso es interesante que el
estándar.
va a empezar a subir.
Pero el talento va a seguir siendo
importante.
Va a ser interesante a qué pasen en como
un año, dos años, no?
En sí la gente están entregando un
proyecto en tu no sé si alguien va a
entregar a como Felipe, mira qué yo hice
con este proyecto, con ese datos en todo.
En tu inmediatamente vas a ver wow, ese es
muy sucio.
No preguntaste este, no preguntaste este,
no preguntaste este.
Vuelve tu tus prompts en limpiar tu forma
de pensar.
¿Pensamiento crítico encima de pensamiento
crítico?
Exacto, es lo que yo veo más
frecuentemente.
Llega el analista con un análisis que
estuvo trabajando seis meses en el
análisis para resolver algo que es
irrelevante en términos de negocio.
Entonces, gran despliegue de herramientas
de inteligencia artificial para un
problema que no es irrelevante.
¿Qué es lo que te dice?
O sea, en el fondo, nunca va a poder
reemplazar esa accesibilidad estratégica
de GigaWorks.
Dizo, papá, ¿algo que olvidamos?
No, viejo, muy buena la conversación.
Creo que este es un tema fascinante.
A mí me importa mucho el tema laboral.
y el tema educacional.
Creo que el tema laboral es porque es la
industria donde yo estoy metido y es lo
que estoy haciendo.
Pero tengo hijos pequeños, entonces me
imagino el impacto que va a tener en su
educación y no me quedo tranquilo.
Entonces me dan ganas como de llevármelos
a vivir al bosque y mostrarles chat GPT
cuando tengan como 15, 16 años.
Listo Felipe.
Un abrazo hermano.
Nos vemos allá entonces.
Si te gozaste este podcast y te gustaría
escuchar más, ojalá que sí, por favor,
déjame saber qué invitados, qué temas y
qué preguntas te gustaría que matemos.
Déjame un mensaje aquí, ¿sí?, en Spotify o
en cualquiera de mis redes sociales usando
arroba Robi J Fry.
Muchas gracias por escuchar y siempre
puedes ganar más plata, pero no más
tiempo.
Chau chau chauuuu y