Inteligencia Artificial En El Servicio

Ming-Hui Huang and Roland T. Rust

Contenido
Resumen....................................................................................................................................................................... 1
Palabras clave............................................................................................................................................................ 2
Cuatro inteligencias...................................................................................................................................................3
Inteligencia mecánica................................................................................................................................................5
Inteligencia analítica..................................................................................................................................................5
Inteligencia intuitiva..................................................................................................................................................6
Inteligencia empática................................................................................................................................................6
Teoría de la sustitución de puestos por IA.................................................................................................................7
Trabajos, tareas y mano de obra de servicios........................................................................................................7
IA de servicios........................................................................................................................................................8
¿Cuándo sustituye la IA al trabajo de los empleados?...........................................................................................8
Fase 1: La IA sustituye a los trabajos mecánicos......................................................................................................11
Fase 2: La IA sustituye a los trabajos mecánicos y analíticos....................................................................................11
Fase 3: La IA sustituye a los trabajos mecánicos, analíticos e intuitivos...................................................................12
Fase 4: La IA sustituye a los trabajos mecánicos, analíticos, intuitivos y empáticos.................................................12
Fase 5: Sustitución o integración humana...............................................................................................................13
Debate..................................................................................................................................................................... 15
¿Deben las empresas sustituir a los empleados por IA?......................................................................................15
¿Cómo deben sustituir las empresas el trabajo humano por la IA?.....................................................................15
¿Qué va a pasar con los empleos de servicios?...................................................................................................16
Conclusión...............................................................................................................................................................17
Apéndice................................................................................................................................................................. 17
Proposición 1:......................................................................................................................................................17
Proposición 2:......................................................................................................................................................18
Proposición 3:......................................................................................................................................................18
Proposición 4:......................................................................................................................................................18
Proposición 5:......................................................................................................................................................18
Relajación del supuesto de la misma tasa de sustitución en todos los niveles de inteligencia.................................19
Proposición 2a:....................................................................................................................................................19
Proposición 3a:....................................................................................................................................................19
Notas................................................................................................................................................................... 19

Resumen
La inteligencia artificial (IA) está remodelando cada vez más los servicios mediante la realización de diversas tareas,
lo que constituye una importante fuente de innovación y, sin embargo, amenaza los puestos de trabajo humanos.
Desarrollamos una teoría de la sustitución de puestos de trabajo por IA para abordar este impacto de doble filo. La
teoría especifica cuatro inteligencias necesarias para las tareas de servicios -mecánica, analítica, intuitiva y empática-
y establece la forma en que las empresas deben decidir entre humanos y máquinas para llevar a cabo esas tareas. La
inteligencia artificial se desarrolla en un orden previsible: la mecánica precede a la analítica, la analítica a la intuitiva
y la intuitiva a la empática.
La teoría afirma que la sustitución de puestos de trabajo por la IA se produce fundamentalmente a nivel de tarea,
más que a nivel de puesto de trabajo, y para las tareas de inteligencia "inferiores" (más fáciles para la IA) en primer
lugar.
La IA sustituye primero algunas de las tareas de un trabajo de servicios, una etapa de transición que se considera
aumento, y luego progresa hasta sustituir por completo el trabajo humano cuando tiene la capacidad de asumir
todas las tareas de un trabajo. La progresión de la sustitución de tareas por la IA desde las inteligencias inferiores a
las superiores da lugar a cambios predecibles en el tiempo en la importancia relativa de las inteligencias para los
empleados de servicios. Una consecuencia importante de nuestra teoría es que las capacidades analíticas irán
perdiendo importancia a medida que la IA vaya asumiendo más tareas analíticas, lo que dará aún más importancia a
las capacidades intuitivas y empáticas "más suaves" para los empleados de los servicios. Con el tiempo, la IA será
capaz de realizar incluso las tareas intuitivas y empáticas, lo que permitirá formas innovadoras de integración
hombre-máquina para prestar servicios, pero también supondrá una amenaza fundamental para el empleo humano.

Palabras clave
inteligencia artificial, inteligencia humana, aprendizaje automático, sustitución, estrategia de servicios, robots,
automatización, singularidad, inteligencia mecánica, inteligencia analítica, inteligencia intuitiva, inteligencia
empática, economía, recursos humanos

La inteligencia artificial (IA), manifestada por máquinas que muestran aspectos de la inteligencia humana (IH), se
utiliza cada vez más en los servicios y hoy es una importante fuente de innovación (Rust y Huang 2014). Por ejemplo,
los robots para el hogar, la sanidad, la hostelería y la restauración han automatizado muchas partes de nuestras
vidas, los bots virtuales convierten el servicio al cliente en autoservicio (Fluss 2017), las aplicaciones de IA de big
data se utilizan para sustituir a los gestores de carteras (Javelosa 2017) y los robots sociales como Pepper se utilizan
para sustituir a las personas que dan la bienvenida a los clientes en los servicios de atención al cliente (Choudhury
2016). Estos avances han llevado a algunos a afirmar que nos encontramos en la cuarta revolución industrial, en la
que la tecnología está difuminando los límites entre las esferas física, digital y biológica (Schwab 2017).
A pesar de ser una importante fuente de innovación, la IA también amenaza los empleos de servicios humanos. Ya
hemos asistido a un grave desplazamiento de puestos de trabajo en el sector manufacturero, que ha dado lugar a un
trasvase de la industria manufacturera a las industrias de servicios (Buera y Kaboski 2012).
¿Son los empleos de servicios inmunes a esta sustitución? Tradicionalmente, se ha considerado que los empleos de
servicios, incluso los poco cualificados, son más difíciles de automatizar porque dependen más de la comprensión
del contexto y de la comunicación interactiva espontánea que los empleos manufactureros (Autor y Dorn, 2013). Por
ejemplo, Young y Cormier (2014) investigan la idea de si los robots pueden ser gestores, y los resultados muestran
que, aunque un controlador humano experimental tiene más autoridad percibida, casi el 46% de los participantes
obedecen a los robots. Chui, Manyika y Miremadi (2015) descubren que un porcentaje significativo de las tareas que
realizan los trabajadores mejor pagados, como los gestores de carteras, los médicos y los altos directivos, pueden
automatizarse con la tecnología actual.
Esta revolución de la IA y su amenaza han suscitado la atención de la investigación multidisciplinar. Hay dos grandes
corrientes de investigación relacionadas con el progreso de la IA. La literatura sobre servicios y tecnología tiende a
centrarse en los aspectos positivos del uso de la tecnología de IA, mientras que la literatura económica tiende a
centrarse en el efecto de la IA sobre el empleo. La literatura sobre servicios tiende a centrarse en las aplicaciones
de la tecnología inteligente (Colby, Mithas y Parasuraman 2016; Marinova et al. 2017; Rafaeli et al. 2017), el servicio
habilitado por diversas tecnologías (Huang y Rust 2013) y las tecnologías de servicios (Kunz et al. 2018). La
investigación ha demostrado que el avance de la tecnología debería conducir a consecuencias predecibles,
incluyendo la creciente adopción de tecnologías de autoservicio (Meuter et al. 2000), una mayor productividad
óptima (Rust y Huang 2012), y un sector de servicios más grande (Rust y Huang 2014).
Las literaturas sobre gestión estratégica, economía, ciencia y práctica se centran más en el impacto de la IA en el
trabajo humano y los puestos de trabajo, como el uso del aprendizaje profundo para una detección más precisa del
cáncer de piel que los dermatólogos (Esteva et al.2017 ; Leachman y Merlino 2017), los efectos de aumento de la IA
en los trabajadores del conocimiento (Davenport y Kirby 2015), las tecnologías digitales como motor del trabajo y la
vida (Brynjolfsson y McAfee 2016), el crecimiento de los empleos de servicios de baja cualificación en el mercado
laboral estadounidense debido a la automatización (Autor yDorn 2013) y la redefinición del lugar de trabajo
posibilitada por la IA (Chui,Manyika y Miremadi 2015).
La observación de que la IA constituye una importante fuente de innovación y, sin embargo, está sustituyendo cada
vez más puestos de trabajo en el sector servicios, nos motiva a explorar de forma más completa y rigurosa el modo
en que la IA remodelará los servicios. La sustitución de puestos de trabajo por la IA significa que los empleados
pierden su empleo y los clientes pierden la oportunidad de obtener un servicio humano.
Fusionamos las dos corrientes de investigación para tratar de responder a preguntas importantes: ¿cuándo, cómo y
en qué medida debe la IA prestar servicios? y ¿cómo afectará este uso de la IA a la prestación de servicios y a las
cualificaciones laborales requeridas por los empleados? Desarrollamos una teoría de la sustitución de puestos de
trabajo por IA para describir y predecir el modo en que la IA puede sustituir tareas y puestos de trabajo y cambiar
la forma en que se prestan los servicios. Esta teoría contiene tres elementos clave.
1) En primer lugar, basándonos en una síntesis del desarrollo de la IH (Inteligencia Humana) y la IA, especificamos
cuatro tipos ordinales y paralelos de inteligencia -mecánica, analítica, intuitiva y empática- enumerados en el
orden de dificultad con el que la IA los domina. A continuación, abordamos la forma en que las empresas
deben decidir entre humanos y máquinas en la prestación de servicios a través de las cuatro inteligencias.
2) En segundo lugar, la sustitución de puestos de trabajo por la IA se produce fundamentalmente a nivel de tarea
y no de puesto de trabajo. La IA sustituye al menos parte de la mano de obra humana en un servicio cuando la
IA puede realizar mejor algunas de las tareas de un trabajo para cumplir el objetivo estratégico de una
empresa, como el beneficio. Esta etapa de transición se conoce comúnmente como aumento en la literatura
(Davenport y Kirby 2015). A continuación, la IA pasa a sustituir a la mano de obra humana cuando es capaz de
asumir la totalidad de las tareas de un puesto de trabajo.
3) En tercer lugar, esta sustitución se produce primero en las tareas "inferiores" (más fáciles para la IA),
empezando por las tareas mecánicas y subiendo después a las tareas de mayor inteligencia. Ya hemos visto
casos muy extendidos de robots inteligentes que sustituyen a empleados no cualificados y, con el tiempo, la IA
será capaz de realizar incluso tareas intuitivas y empáticas. Al especificar varios mecanismos de sustitución de
servicios por IA, llegamos a la conclusión de que están surgiendo formas innovadoras e inevitables de prestar
servicios, y que la escala de sustitución de puestos de trabajo puede ser más sustancial de lo que muchos
creen.
Contribuimos a la bibliografía sobre servicios en la medida en que esta teoría de la sustitución de puestos de trabajo
por la IA no sólo es descriptiva (para las aplicaciones actuales de la IA), sino también predictiva (para futuras
aplicaciones de la IA), lo que aporta ideas para las decisiones estratégicas de las empresas en la cuarta revolución
industrial. Exploramos las implicaciones con respecto a qué inteligencias aumentarán o disminuirán en importancia
para el trabajo humano a medida que avance la IA. Por ejemplo, las carreras de análisis empresarial están en auge
en los últimos años como resultado del big data, pero nuestra teoría de la sustitución de puestos de trabajo por IA
sugiere que la inteligencia analítica puede no ser la ventaja comparativa de los expertos humanos durante mucho
tiempo y, en ese momento, la educación debería hacer hincapié en la inteligencia intuitiva para dar sentido a los
resultados analíticos y dejar las tareas analíticas a la IA. En general, nuestras conclusiones defienden que las
competencias "más blandas" (por ejemplo, intuitivas y empáticas) son las áreas de ventaja más duraderas para
los empleados de servicios humanos.
En los siguientes apartados, definimos en primer lugar las cuatro inteligencias que intervienen en la realización de
tareas de servicio. A continuación, desarrollamos nuestra teoría basada en las cuatro inteligencias y nos basamos en
ella para producir un conjunto de proposiciones y elaborar y apoyar estas proposiciones utilizando bibliografía de
múltiples disciplinas, junto con aplicaciones del mundo real. El cuadro 1 ofrece una visión general de la estructura
del documento y un resumen de la teoría.

Cuatro inteligencias
La prestación de servicios implica tanto a empleados como a clientes y puede estar a cargo de personas o máquinas.
En función de la naturaleza del servicio, se requieren diferentes inteligencias. Sintetizando a partir de las literaturas
de la IH y la IA, distinguimos cuatro inteligencias, en el orden de su historia de desarrollo en la IA. Se denominan
mecánica, analítica, intuitiva y empática.
Las cuatro inteligencias pueden ser tanto ordinales como paralelas: son ordinales porque algunas IH (por ejemplo,
las intuitivas y las empáticas) son más difíciles de imitar por la IA y, por tanto, se tarda más en desarrollar
aplicaciones de IA con éxito. Pueden ser paralelas porque una vez que la IA ha alcanzado un determinado nivel de
inteligencia, todas las IA inferiores pueden coexistir para prestar un servicio. Por comodidad, nos referiremos a las
inteligencias que la IA tarda más en emular como niveles "superiores" de inteligencia.
La bibliografía sobre la IH considera que la inteligencia es la capacidad de aprender de la experiencia y adaptarse al
entorno (Gardner 1983,1999; Sternberg 1984, 2005). Sternberg (2005, p. 189) define la inteligencia como la
capacidad de "alcanzar los objetivos que uno se propone en la vida, dentro de su contexto sociocultural". Gardner
(1999, p. 34) considera la inteligencia como "un potencial biopsicológico para procesar información... para resolver
problemas...". "Las inteligencias pueden considerarse habilidades que los humanos aprenden con el tiempo para
adaptarse a su entorno“ (Schlinger 2003). La literatura sobre IA se centra en el desarrollo de la inteligencia de las
 máquinas para imitar las IH, como la capacidad de conocer y razonar, resolver problemas, aprender, comunicarse,
percibir y actuar (Russell y Norvig 2010).
En la siguiente sección se analizan las cuatro inteligencias, destacando sus características, su relevancia tanto para
los humanos como para las máquinas y sus aplicaciones al servicio. La figura 1 ilustra las cuatro inteligencias.
Tabla 1. Inteligencias, naturaleza de las tareas, sustitución laboral e implicaciones para el servicio
Inteligencias
IA
Mecánica
 Grado mínimo de
aprendizaje o adaptación
 Precisión, coherencia y
eficacia
 Por ejemplo, tecnologías de
autoservicio y robots de
servicio
 Se basan en observaciones
para actuar y reaccionar de
forma repetitiva.
Analítica
 Aprende y se adapta
sistemáticamente en
función de los datos.
 Aprendizaje lógico,
analítico y basado en reglas
 Por ejemplo, DeepBlue, de
IBM
 Toma de decisiones
racional
Intuitiva
 Aprende y se adapta
intuitivamente basándose
en la comprensión
 Aprendizaje profundo
basado en redes
neuronales artificiales o en
estadística
 Por ejemplo, Jeopardy de
Watson, DeepMind
AlphaGo de Google y
Libratus, jugador de póquer
de IA.
 Toma de decisiones
racional limitada
Empática
 Aprendizaje y adaptación
empática basados en la
experiencia
 Reconocimiento de
emociones, computación
afectiva y aprendizaje
comunicativo
 Por ejemplo, los robots
humanoides Sophia y
Replika de Hanson.
 La toma de decisiones
incorpora las emociones
Desplazamiento puesto trabajo
Habilidad/Trabajo Naturaleza Tarea Aplicaciones IA Literatura
 Cualificaciones que  Simple, tareas  Kioscos McDonald's con  Los robots de servicios
requieren una formación estandarizadas, pantalla táctil "Create consiguen trabajos de
o educación limitadas repetitivas, rutinarias Your Taste” forma autónoma (Colby,
 Agentes de centros de y transaccionales  El robot Pepper en Mithas y Parasuraman
llamadas, vendedores al  Las tareas requieren tareas de recepción 2016)
por menor, camareros y coherencia  Robots virtuales en lla  La mano de obra
taxistas.  Servicio de productos atención al cliente en manufacturera poco
básicos autoservicio cualificada se reasigna a
ocupaciones de servicios
(Autor y Dorn2013; Buera y
Kaboski 2012)
 La productización sustituye
las tareas manuales
repetitivas (Sawhney 2016)
 Competencias técnicas  Analítica, basada en  Los sistemas inteligentes  La analítica de marketing
que requieren formación reglas, sistemática de de Toyota sustituyen a asume las tareas de análisis
y experiencia en datos y tareas complejas los técnicos en las tareas de datos (Wedeland
análisis  Tareas que requieren de diagnóstico de Kannan 2016)
 Trabajadores pensamiento lógico, problemas.  Las máquinas sustituyen y
relacionados con la toma de decisiones  Watson de IBM ayuda a aumentan a los
tecnología, científicos de  Datos, información y H&R Block a preparar los trabajadores del
datos, contables, servicios basados en el impuestos conocimiento (Davenport y
analistas financieros, conocimiento  La tecnología de Penske Kirby 2015)
técnicos de se encarga de las tareas  Los servicios inteligentes
mantenimiento de de navegación aprovechan la información
automóviles e de los clientes
ingenieros. (Wu¨nderlich, Wangenheim
y Bitner).
 Profesionales de  Tareas complejas,  Reportero Robot de  Los robots gestores asumen
pensamiento duro que caóticas e Associated Press asumen tareas directivas (Young y
requieren pensamiento idiosincrásicas la tarea de informar Cormier 2014).
creativo para resolver  Las tareas requieren sobre partidos de béisbol  Los empleos mejor
problemas una interacción y un de ligas menores. remunerados, como
 Directores de marketing, pensamiento  La intuición artificial se gestores de carteras,
asesores de gestión, intuitivos, holísticos, encarga de la médicos y altos directivos,
abogados, médicos, jefes basados en la interpretación de datos pueden automatizarse con
de ventas y agentes de experiencia y el en psicología de la la tecnología actual (Chui,
viajes experimentados. contexto. Gestalt. Manyika y Miremadi,
 Servicio  La IA Quill de Narrative 2015).
personalizado, Science escribe como si  La IA de reconocimiento de
idiosincrásico, basado los autores fueran imágenes supera a los
en la experiencia y el humanos. dermatólogos en el
contexto diagnóstico del cáncer de
piel (Esteva et al. 2017)
 Empatía suave.  Social, emocional,  Los chatbots se  Empatía artificial para
Profesionales que comunicativo y comunican con los inferir los estados internos
requieran habilidades altamente interactivo clientes y aprenden de de un consumidor (Xiao y
sociales, comunicativas y  Tareas que requieren ellos Ding 2014)
relacionales empatía, trabajo  Replika sustituye a los  Incorporación de las
 Profesiones que emocional o análisis psiquiatras para el emociones en los modelos
requieren habilidades emocional confort psicológico de marketing (Robertset al.
interpersonales, por  Servicio muy táctil  Los robots Sophia 2015)
ejemplo, políticos y interactúan con los  Trabajo emocional de
negociadores, o de clientes como si fueran primera línea realizado por
sentimientos, por empleados la IA (Rafaeli et al.2017)
ejemplo, psiquiatras.
Figura 1. Las cuatro inteligencias. Las cuatro inteligencias.

Inteligencia mecánica
La inteligencia mecánica se refiere a la capacidad de realizar automáticamente tareas rutinarias y repetidas. Puede
parecer poco inteligente, pero es esencial para muchas tareas. Para los seres humanos, los procesos mecánicos no
requieren mucha creatividad, ya que se han realizado muchas veces y, por tanto, se pueden llevar a cabo con poca o
ninguna reflexión adicional (Sternberg1997). En el caso de los servicios humanos, el trabajo mecánico es un trabajo
no cualificado, que no suele requerir formación avanzada. Agentes de centros de llamadas, vendedores al por
menor, camareros y taxistas son algunos ejemplos de trabajos que requieren principalmente habilidades mecánicas.
Para imitar la automatización humana, la IA mecánica está diseñada para tener una capacidad limitada de
aprendizaje y adaptación para mantener la coherencia. Los robots son una aplicación típica. Los robots de servicio
son "tecnología que puede realizar tareas físicas, funcionar de forma autónoma sin necesidad de instrucciones y ser
dirigida por ordenadores sin ayuda de personas" (Colby, Mithas y Parasuraman, 2016). Se basan en reglas y
dependen de un conocimiento previo y de la percepción continua de los sensores para observar y reaccionar ante la
variabilidad física y temporal del entorno del servicio. No comprenden el entorno y no pueden adaptarse
automáticamente; en cambio, sus conocimientos se actualizan de forma ad hoc y con poca frecuencia debido a la
naturaleza repetitiva de sus entornos (Engelberger 1989, pp. 108-109). Las versiones más avanzadas pueden
incorporar funciones de actualización automática (Kim 2007), pero la mayoría de los robots de servicio están
diseñados para ser lo suficientemente inteligentes como para realizar las tareas necesarias (Engelberger 1989, pp.
108-109). Las búsquedas inteligentes de Google, Bing u otros motores de búsqueda son otra aplicación. Utilizan
potentes servidores para realizar los cálculos y algoritmos inteligentes para descifrar el significado de las consultas y
ofrecer los resultados correctos. Este tipo de búsqueda sigue siendo mecánica, en el sentido de que estos motores
utilizan algoritmos inteligentes para averiguar qué páginas son más relevantes que otras, pero no comprenden el
contenido de las páginas (Del Prado 2015).
La IA mecánica tiene la ventaja relativa sobre los humanos de una consistencia extrema (por ejemplo, libre de fatiga
humana, y que responde al entorno de manera muy fiable). La naturaleza competitiva, sin mucha variación, de las
tareas hace que el aprendizaje a lo largo del tiempo tenga un valor limitado (no hay nada nuevo que aprender en el
transcurso de las transacciones o relaciones de servicio). En su lugar, se basa en la observación para actuar y
reaccionar de forma repetitiva.

Inteligencia analítica
La inteligencia analítica es la capacidad de procesar información para resolver problemas y aprender de ella
(Sternberg 1984, 2005). Se trata del procesamiento de la información, el razonamiento lógico y las habilidades
matemáticas (Sternberg 1999). Por ejemplo, los trabajadores relacionados con la informática y la tecnología, los
científicos de datos, los matemáticos, los contables, los analistas financieros, los técnicos de mantenimiento de
automóviles y los ingenieros utilizan mucho las habilidades analíticas.
El aprendizaje automático y el análisis de datos son las principales aplicaciones analíticas de la IA. Hay varios tipos de
aprendizaje automático, y la IA analítica típica utiliza principalmente algoritmos para aprender de forma iterativa a
partir de datos para encontrar información reveladora sin estar programado dónde buscar una información concreta
(SAS Institute, Inc. 2017). El ordenador de ajedrez Deep Blue de International Business Machines Corp. (IBM), que
utiliza el aprendizaje basado en reglas, es un ejemplo. En la literatura sobre IA, la IA analítica se considera "IA débil"
porque, aunque estas aplicaciones de IA pueden mostrar un comportamiento aparentemente inteligente, no
pueden simular fácilmente la intuición. Una opinión común es que esta limitación se produce porque tales
máquinas no tienen estados conscientes, ni mente, ni conciencia subjetiva (Azarian 2016).
Esta inteligencia es necesaria para realizar tareas complejas, pero sistemáticas, coherentes y predecibles; por
ejemplo, las que requieren muchos datos e información. Su naturaleza sistemática las hace adecuadas para la
personalización masiva basada en big data de los clientes, siendo la personalización colaborativa un ejemplo de
ello. Basada en los macrodatos, esta IA se aleja de las máquinas autónomas, como los robots de servicio, para
convertirse en máquinas conectadas en red que generan inteligencia colectiva. Se considera que este es el cambio
más profundo y generalizado que la IA ha traído al servicio hasta ahora: máquinas capaces de procesar y sintetizar
grandes cantidades de datos y aprender de ellos.

Inteligencia intuitiva
La inteligencia intuitiva es la capacidad de pensar de forma creativa y adaptarse eficazmente a situaciones nuevas .
Puede considerarse sabiduría basada en el pensamiento holístico y en la experiencia (Sternberg 1984, 1999, 2005).
La inteligencia intuitiva incluye aptitudes profesionales de pensamiento duro que requieren perspicacia y resolución
creativa de problemas; por ejemplo, los directores de marketing, los consultores de gestión, los abogados, los
médicos, los directores de ventas y los agentes de viajes hacen un uso intensivo de la inteligencia intuitiva.
La comprensión puede considerarse la característica clave que define a la IA intuitiva y la distingue de la analítica .
La literatura sobre IA considera la IA intuitiva como "IA fuerte", en el sentido de que la IA está diseñada para
funcionar de forma más flexible, más parecida a un ser humano. La IA está construida para emular una amplia gama
de cogniciones humanas y aprende de forma similar a un niño humano (pero mucho más rápido debido a su
potencia de cálculo y conectividad). En este sentido, la inteligencia de las máquinas puede considerarse igual que la
inteligencia humana (Kurzweil 2005, p. 260).1 Del Prado (2015) afirma que, si tuviéramos una máquina que pudiera
leer todas las páginas y entender el contexto, en lugar de 26 millones de páginas para responder a la consulta de un
usuario, podría responder realmente a la pregunta. Podrías hacer una pregunta real y obtener una respuesta, como
si estuvieras hablando con una persona que leyó todos esos millones y miles de millones de páginas y sintetiza toda
esa información. Algunos incluso afirman que la IA intuitiva incluye autoconciencia, sensibilidad y consciencia,
todas ellas características de la inteligencia artificial (Azarian 2016). La IA intuitiva no cometerá tan fácilmente el
mismo error dos veces porque aprende de la experiencia. de la experiencia. Jeopardy de Watson puede aprender
intuitivamente, DeepMind AlphaGo de Google simula el instinto, no solo el cálculo (BBC News 2016), y el jugador de
póquer de IA Libratus puede hacer pensamiento estratégico con información incompleta (lo que es similar a los
jugadores de póquer humanos; The Wall Street Journal 2017).
Actualmente, IBM está bastante avanzada en lo que respecta a las aplicaciones Business-to-Business (B2B) de la
tecnología intuitiva. Su Watson puede entender, razonar, aprender e interactuar y se ha convertido en una de las
principales plataformas de IA para empresas (IBM 2017).
Las tareas que son complejas, creativas, caóticas, holísticas, experienciales y contextuales requieren inteligencia
intuitiva. La naturaleza compleja e idiosincrásica de las tareas hace que dependan de la intuición para una
prestación de servicios satisfactoria. Por ejemplo, la relación con un cliente puede ayudar a conocer mejor sus
necesidades idiosincrásicas a lo largo del tiempo. Este tipo de información no se obtiene tan fácilmente extrayendo
datos de clientes aparentemente afines. La organización de viajes complejos y personalizados, la restauración de
lujo, el ocio y los deportes son algunos ejemplos que requieren intuición para ofrecer un mejor servicio.

Inteligencia empática
La inteligencia empática es la capacidad de reconocer y comprender las emociones de otras personas, responder
emocionalmente de forma adecuada e influir en las emociones de los demás (Goleman 1996). Incluye habilidades
interpersonales, sociales y humanas que ayudan a los seres humanos a ser sensibles a los sentimientos de los demás
y a trabajar bien con ellos (Gardner 1983; Johnson 2014). Algunos ejemplos de habilidades específicas son la
comunicación, la creación de relaciones, el liderazgo, la defensa y la negociación, el equilibrio entre la vida laboral y
personal (Caprino 2012), el trabajo social y en equipo, la diversidad cultural y el carisma. Los profesionales con
aptitudes empáticas se encuentran en trabajos que requieren aptitudes interpersonales, como los políticos y los
negociadores, y de sensibilidad, como los psiquiatras, y pueden ser profesionales cualificados, como los psicólogos,
o trabajadores de primera línea relativamente poco cualificados, como los auxiliares de vuelo.
La IA empática describe una máquina que puede sentir o, al menos, comportarse como si sintiera. Picard (1995)
define la informática afectiva como la informática que se relaciona con las emociones, surge de ellas o influye en
ellas. Afirma que el papel esencial de la emoción tanto en la cognición como en la percepción humanas, como
demuestran los estudios neurológicos, indica que los ordenadores afectivos no sólo deberían ofrecer un mejor
rendimiento a la hora de ayudar a los humanos, sino que también podrían mejorar la capacidad de los ordenadores
para tomar decisiones. McDermott (2007) lo define como el "problema difícil" del computacionalismo, es decir, "el
problema de explicar por qué un sistema físico puede tener experiencias vívidas con "cualidades" aparentemente
intrínsecas, como el rojo de un tomate o el picante de un taco" (p. 2).
Se debate si la IA puede sentir como los humanos. En la literatura filosófica y psicológica, la emoción se considera
una reacción biológica y una experiencia subjetiva que no puede separarse fácilmente en elementos y procesos
informáticos binarios. Por tanto, según esta forma de pensar, es difícil imaginar cómo se pueden programar las
máquinas para que experimenten emociones como los humanos. Alternativamente, en la literatura sobre IA, la
emoción no es diferente de la cognición y puede programarse de forma similar, si se cuenta con la suficiente
habilidad de programación, al igual que el razonamiento y las capacidades cognitivas. Por ejemplo, Minsky (2006),
en su libro La máquina de la emoción, sostiene que todas las funciones mentales, ya sean cognitivas o emocionales,
son computaciones. El debate se centra en si la simulación cognitiva de las emociones por parte de la IA difiere de la
forma en que las experimentan los seres humanos. Sin embargo, al igual que en la prueba de Turing, mientras la IA
"demuestre" emociones, a efectos de prestación de servicios, puede no importar cómo lo consiga. El debate sobre la
naturaleza de la IA empática utiliza argumentos similares a los del debate sobre si la IA intuitiva puede pensar como
los humanos.
La IA empática es la generación más avanzada de IA, y las aplicaciones actuales al servicio son aún muy escasas.
Algunos ejemplos son Replika, que suministra personas artificiales (personalbots) para el confort psicológico o el
bienestar (Huet 2016),y Sophia, la IA parecida a los humanos de Hanson Robotics (Campanella 2016), que está
diseñada para parecer y actuar como los humanos.Sophia es tan convincente que el gobierno saudí le ha concedido
recientemente la ciudadanía (Maza 2017). El propósito de estas aplicaciones es diferente del de las IA analíticas e
intuitivas, que se diseñan basándose en consideraciones funcionales. Muy a menudo, se diseñan deliberadamente
para que parezcan máquinas, para evitar que parezcan humanos.
Las tareas empáticas son servicios de alto contacto que requieren un mayor nivel de presencia social (Giebelhausen
et al. 2014; Wünderlich, Wangenheim y Bitner 2013). Estas tareas son sociales, emocionales, comunicativas,
interactivas y relacionales. El trabajo emocional, ya sea genuino o simulado, desempeña un papel clave. El trabajo
emocional es la gestión de sentimientos y expresiones para cumplir los requisitos emocionales de un trabajo . Se
espera que los empleados muestren las emociones apropiadas al interactuar con los clientes, ya sea de forma
superficial o de corazón (Yoo y Arnold, 2016). Como hemos visto, la IA está avanzando en las cuatro inteligencias,
aunque algunas se desarrollan más rápido que otras. A continuación, analizaremos cómo puede influir este avance
de la IA en los empleos de servicios humanos.

Trabajos Teleoperadores Asesores Fiscales Médicos Psiquiatras

Inteligencias
Empatizar y comunicarse con
Empatía con clientes Empatizar con pacientes (enfermedades
Empática Empatizar con clientes (impuestos altos) pacientes ofreciendo soluciones y
(calmar) graves)
apoyo
Entender por qué se Comprender las fuentes de los impuestos Comprender los síntomas a partir
Intuitiva quejan los clientes elevados y encontrar de forma creativa Comprender el síntoma y el diagnóstico del diagnóstico e idear soluciones
(comprensión contextual) maneras de minimizarlos para los pacientes
Analizar los problemas de Averiguar qué normas fiscales se aplican a la Analizar el sistema de apoyo a las decisiones
Analítica Analizar la conversación
los clientes situación particular de cada cliente clínicas
Escuchar los latidos del corazón, comprobar
Respuestas programadas a
Presentar declaraciones de impuestos el pulso y leer y escribir historiales médicos
Mecánica problemas sencillos de los Tomar notas de conversaciones
anuales y rutinarias (sistemas de historiales médicos
clientes
electrónicos).

Teoría de la sustitución de puestos por IA

Para aprovechar al máximo los continuos avances de la IA, las empresas tienen que tomar la decisión estratégica de
si utilizar IA de una inteligencia concreta para realizar tareas de servicio y cuándo hacerlo. Los empleados también
necesitan dotarse de las competencias adecuadas para mantener su empleabilidad y contrarrestar la posible pérdida
de sus puestos de trabajo a manos de la IA.
Basándonos en el marco de las cuatro inteligencias, construimos una teoría formal de la sustitución de puestos de
trabajo por la IA que nos permite hacer predicciones sobre el impacto de la IA en el trabajo humano de servicios .
Empezamos por distinguir entre puestos de trabajo, tareas y mano de obra, y explicamos que las tareas son el
nivel de sustitución en nuestra teoría. A continuación, identificamos dos características relevantes de los servicios
de IA que les permiten superar a la IH en muchos casos. Por último, construimos un modelo formal de sustitución
de empleos por IA para predecir cuándo y cómo afectará la IA al trabajo de los servicios humanos.

Trabajos, tareas y mano de obra de servicios

Puestos de trabajo. Un puesto de trabajo se compone de un conjunto de tareas que realiza un empleado. Requiere
que el empleado tenga ciertas habilidades para realizar las tareas. Los puestos de trabajo incluyen, por ejemplo, las
ocupaciones de prestación de servicios enumeradas en la Clasificación Ocupacional Estándar de la Oficina de
Estadísticas Laborales (Moncarz, Wolf y Wright2008), como representantes de atención al cliente, representantes de
ventas y gerentes de ventas. Los puestos de trabajo se componen de tareas para operaciones de back-end (por
ejemplo, científicos de datos) e interacciones de front-end (por ejemplo, empleados de primera línea) y pueden
estar en espacios de trabajo virtuales o físicos.
Tareas. Un puesto de trabajo suele constar de numerosas tareas, que son las actividades propias de una ocupación
(Chui, Manyika y Miremadi, 2015). La naturaleza de las tareas de un empleo varía. Algunas son sencillas y mecánicas,
otras técnicas y sistemáticas, otras complejas y caóticas y otras sociales y emocionales. Por ejemplo, el trabajo de un
gestor de atención al cliente puede incluir rutinas diarias básicas (tareas simples, rutinarias y mecánicas), analizar
las preferencias de los clientes (tareas analíticas y complejas), desarrollar estrategias de atención al cliente (tareas
complejas, intuitivas y creativas) y comunicarse y empatizar con los clientes (tareas comunicativas, empáticas y
emocionales). La tabla 2 utiliza cuatro ejemplos de puestos de trabajo para ilustrar las tareas que requieren
inteligencias mecánica, analítica, intuitiva y empática. En ella se muestra que los trabajos de diferentes categorías y
niveles salariales pueden implicar a las cuatro inteligencias.
Trabajo. La mano de obra son las personas (empleados y clientes) que participan en la producción de servicios. La
literatura sobre servicios reconoce desde hace tiempo que la coproducción empleado-cliente es un concepto clave
(por ejemplo, Vargo y Lusch 2004). Los niveles de cualificación de la mano de obra varían desde la mano de obra no
cualificada que realiza tareas rutinarias hasta la mano de obra cualificada que realiza tareas abstractas, creativas, de
resolución de problemas y de coordinación (Autor y Dorn 2013).

IA de servicios
Identificamos dos características dominantes de la IA que más importan al servicio: (1) el autoaprendizaje y (2) la
conectividad.
Autoaprendizaje. El autoaprendizaje en la IA implica una máquina que puede mejorar automáticamente con la
experiencia (Mitchell 1997). El autoaprendizaje puede lograrse mediante el aprendizaje automático basado en
algoritmos que aprenden de los datos y hacen predicciones (Soucy 2016), mediante redes neuronales artificiales
(aprendizaje profundo) que observan el mundo y generan su propia representación interna basada en datos
sensoriales (Genmod Project 2013), e incluso mediante el aprendizaje automático para aprender de otras IA
(Simonite 2017). Independientemente de los métodos de autoaprendizaje, la clave es que una IA suficientemente
inteligente pueda mejorar por sí misma. Por ejemplo, los algoritmos de aprendizaje automático de Amazon o
Netflix pueden mejorar sus propias recomendaciones a lo largo del tiempo basándose en las respuestas de los
clientes a las recomendaciones. Los sistemas de personalización adaptativa (Chung, Rust y Wedel, 2009; Chung,
Wedel y Rust, 2016) observan el comportamiento del cliente y adaptan el servicio a lo largo del tiempo.
Conectividad. El avance de Internet y de las tecnologías de la comunicación amplía significativamente la capacidad
de autoaprendizaje de la IA a toda la red en lugar de a máquinas individuales. La IA en red da lugar al fenómeno
emergente de la inteligencia colectiva. El libro del pionero de la IA Marvin Minsky (1986), La sociedad de la mente,
refleja la visión de la mente como compuesta por agentes individuales con agendas limitadas. Los agentes
individuales intentan alcanzar objetivos dispares y de ahí surge una inteligencia más compleja.
Un ejemplo de este tipo de conectividad es la Internet de las Cosas (IoT), que permite el uso de sensores sencillos
basados en servicios inteligentes (Hoffman y Novak 2016; I. C. L. Ng y Wakenshaw 2017). Por ejemplo, en el
documental de 2016 "Lo and Behold: Reveries of the Connected World", Raj Rajkumar, profesor de Carnegie-Mellon
que trabaja en coches auto conducidos, afirmó que la IA aprenderá mucho más rápido que las personas, porque
cuando un coche auto conducido comete un error, todos los coches auto conducidos aprenderán de él gracias a la
conectividad. Un ejemplo de B2B es Watson de IBM (2017), que aprovecha la visibilidad cognitiva de los
documentos de todos los socios de la cadena de suministro o de toda la red de colaboración para crear una
plataforma de integración estratégica que mejore el rendimiento de toda la red.

¿Cuándo sustituye la IA al trabajo de los empleados?

Para investigar esta cuestión, construimos un modelo matemático sencillo y estilizado basado en el orden observado
de desarrollo de la IA con respecto a las cuatro inteligencias. Empezamos haciendo una serie de suposiciones que se
apoyan en la literatura existente y luego las utilizamos para desarrollar proposiciones comprobables. A pesar de la
simplicidad y la naturaleza relativamente poco controvertida de los supuestos, algunas de las conclusiones
resultantes van en contra de la sabiduría convencional actual. Las pruebas técnicas y las derivaciones figuran en el
Apéndice.
Hipótesis
 Suposición 1: La llegada de la IA a los puestos de trabajo sustituye primero a las tareas mecánicas, luego a
las analíticas, seguidas de las intuitivas y las empáticas.
Las tareas requieren la correspondiente inteligencia humana o de máquina. Separamos el uso de la IA para el
servicio en cinco etapas:
 Etapa 1, a partir de t = 0, en la que la IA se utiliza para tareas mecánicas;
 Etapa 2, a partir de t = T1 > 0, en la que la IA empieza a utilizarse para tareas analíticas;
 Etapa 3, a partir de t = T2 > T1, en la que la IA empieza a realizar tareas intuitivas;
 Etapa 4, a partir de t = T3 > T2, en la que la IA empieza a prestar servicios empáticos;
 y Etapa 5, a partir de t = >1, en la que la IA puede prestar todo tipo de servicios mejor que los humanos.
La hipótesis 1 considera que la prestación de servicios por parte de la IA suele producirse primero con tareas que
requieren menos inteligencia. Por ejemplo, las tareas mecánicas tienden a ser homogéneas y repetitivas y a
menudo pueden ser automatizadas fácil y directamente por la IA.Sawhney (2016) sostiene que las tareas que se
realizan con frecuencia (alto volumen) y requieren poca sofisticación (es decir, conocimiento o inteligencia) son
ideales para la productización, es decir, la sustitución por máquinas. Chui, Manyika y Miremadi (2015) consideran
que las tareas que no requieren conocimientos tienen más probabilidades de ser automatizadas.
Aunque algunos trabajos sean más heterogéneos y requieran más inteligencia, siempre que puedan dividirse en
tareas homogéneas, pueden ser sustituidos por la IA. Por ejemplo, el carácter sistemático de los servicios analíticos
facilita su descomposición en tareas más homogéneas que pueden ser realizadas por la IA. El director científico de
Baidu, Andrew Ng, en una reciente entrevista en el Wall Street Journal (A. Ng y Jacobstein 2017) afirma que, como
regla general, cualquier tarea que pueda realizarse en menos de 1 segundo de pensamiento mental puede ser
sustituida por IA. Utiliza el ejemplo de un guardia de seguridad que supervisa las grabaciones de seguridad para
ilustrar este argumento: un trabajo así es complejo, pero puede dividirse en muchas tareas más pequeñas, muchas
de las cuales implican 1 s de pensamiento cognitivo. La IA puede automatizar esas tareas de 1 s y dejar las demás al
vigilante de seguridad.
Hipótesis 2: La sustitución de puestos de trabajo de IA para una inteligencia concreta es proporcional a la
sustitución de tareas de IA
Si la inteligencia artificial es capaz de sustituir la mitad de las tareas mecánicas, suponemos que sólo se necesitará la
mitad del número original de personas para prestar el mismo servicio. Pensemos, por ejemplo, en los menús
telefónicos de atención al cliente. Estos sistemas automatizados sustituyen al trabajo mecánico relativamente torpe
que antes realizaban empleados mal pagados. Está claro que el número de personal de atención telefónica al cliente
ha disminuido a medida que el servicio de atención telefónica al cliente se ha ido automatizando cada vez más
(Departamento de Trabajo de EE.UU. 2008). Por ejemplo, hemos visto que los cajeros automáticos sustituyen a los
cajeros humanos a la hora de retirar y depositar dinero, y que los robots sustituyen a los camareros para atender a
los clientes en los restaurantes. Recientemente, el New York Times informaba de que se prevé que los robots ganen
la carrera por los puestos de trabajo en Estados Unidos (C.C. Miller 2017). Para un robot más por cada mil
trabajadores industriales, se prevé que la relación empleo-población se reduzca entre un 0,18% y un 0,34% y los
salarios entre un 0,25% y un 0,5% (Acemoglu y Restrepo 2017).

Proporción de
puestos de Trabajos Trabajos Trabajos Trabajos
trabajo
restantes
Mecánicos Analíticos Intuitivos Empáticos

0 T2 T4
Etapa 1 T1 Etapa 1 T3
Etapa 1
Etapa 1
Reemplazo Trabajos Reemplazo Trabajos Reemplazo Trabajos
mecánicos Mecánicos, Analíticos e Reemplazo Trabajos a todos
Mecánicos y Analíticos
Intuitivos los niveles de Inteligencia
Esta hipótesis vincula la sustitución de tareas a la sustitución de mano de obra por empleados. Cuantas más tareas
de un trabajo asuma la IA, menos empleados serán necesarios para realizar ese trabajo . La fase de transición
cuando un trabajo lo realiza en parte la IA y en parte por empleados es conocida comúnmente como aumento
(Davenport y Kirby, 2015). Sin embargo, mientras la IA siga avanzando en inteligencia y asumiendo más tareas, la
mano de obra empleada será sustituida constantemente. Esto puede evidenciarse en que incluso solo en los
últimos años, la predicción de que los empleos cualificados serán más seguros (por ejemplo, los trabajadores del
conocimiento en Davenport y Kirby 2015) ha cambiado, ya que los gestores de carteras han sido sustituidos por IA
de big data (Javelosa 2017). Por lo tanto, la sustitución de tareas implica directamente la sustitución laboral de los
empleados.
Suposición 3: La tasa de sustitución de puestos de trabajo de IA dentro de una inteligencia específica es
proporcional al número de trabajadores humanos dentro de esa inteligencia.
Esto supone que la sustitución de puestos de trabajo se produce a un ritmo fijo proporcional al número de
trabajadores. Si hay muchos trabajadores humanos, hay más posibilidades de sustitución. A medida que el número
de trabajadores humanos se acerca a cero, el número de trabajadores sustituidos disminuye. El modelo de
difusión de nuevos productos de modelo de Bass de difusión de nuevos productos (Bass 1969; Mahajan, Muller y
Bass 1990) y sus numerosas variantes. Como en el modelo de Bass, este supuesto se expone de forma concisa
mediante ecuaciones diferenciales. En nuestro caso, aplicando los supuestos 1 y 2, tenemos
dM(t)/dt =-k M (t); para t > 0; (1)
dA(t)/dt = - k A (t - T1); para t > T1; (2)
dI(t)/dt = - k I(t - T2); para t > T2; (3)
dE(t)/dt = - k E(t - T3); para t > T3; (4)
donde M(t), A(t), I(t), y E(t) son la proporción de los trabajadores originales asociados a tareas mecánicas, analíticas,
intuitivas y tareas mecánicas, analíticas, intuitivas y empáticas, respectivamente, y k > 0 es la tasa de sustitución de
puestos de AI. Para simplificar la exposición, utilizamos la misma tasa de sustitución de puestos en todas las
inteligencias.
Se podría argumentar que la duración de las etapas debería aumentar con el tiempo, reflejando la mayor dificultad
de idear una IA de mayor inteligencia; nuestro modelo es totalmente general a esta posibilidad, y ninguna de las
proposiciones se vería afectada.
Las ecuaciones diferenciales de primer orden anteriores pueden resolverse para obtener las siguientes expresiones
de forma cerrada para M(t), A(t), I(t) y E(t):

M(t) = exp (-kt) para t > 0. (5

)
A(t) = exp (-k (t - T1)) para t > T1: (6
)
I(t) = exp (-k (t - T2)) para t > T2: (7
)
E(t) = exp (-k (t - T3)) para t > T3: (8
)
En la figura 2 se ilustra gráficamente la proporción de trabajos restantes para cada inteligencia a lo largo del tiempo,
según se relata en las cinco etapas de sustitución de la inteligencia artificial que se han analizado anteriormente.
También deseamos explorar la importancia relativa de las inteligencias a lo largo del tiempo para el empleo en los
servicios humanos, ya que, si la importancia relativa de una inteligencia cambia con el tiempo, esto tendría
implicaciones en los tipos de aptitudes que deberían tener los trabajadores de los servicios y el tipo de educación
y formación que deberían recibir. Para evaluar esto, definimos la importancia relativa de una inteligencia en un
momento t como la proporción del número original de empleos relacionados con esa inteligencia, normalizada por
la suma de todas las inteligencias. Por ejemplo, la importancia relativa de la inteligencia mecánica, M*(t), se define
como:
M * (t) = M(t) / SUM(t); (9)
donde SUM(t) = M(t) + A(t) + I(t) +E(t). A*(t), I*(t) y E*(t) se definen de forma análoga.
A continuación, analizaremos las etapas 1 a 5 por separado y formularemos proposiciones sobre cómo cambiará el
entorno de los empleos de servicios. Todas las derivaciones y pruebas de las proposiciones figuran en el Apéndice.
Figura 3; Importancia Relativa de las Inteligencias para los Trabajos.

Fase 1: La IA sustituye a los trabajos mecánicos

Proposición 1: En la fase 1, la importancia relativa de la inteligencia mecánica disminuye y la importancia
relativa de las inteligencias analítica, intuitiva y empática aumenta (prueba en el Apéndice).
Esta etapa es, en gran medida, lo que hemos observado en los últimos años. Podemos ver que la mano de obra
relativamente no cualificada, que trabajaba en tareas mayoritariamente mecánicas, ha estado experimentando
muchas más dificultades para encontrar empleo (Lerman y Schmidt 1999). Por ejemplo, los trabajadores de primera
línea de McDonald's se están quedando obsoletos a medida que McDonald's despliega los quioscos con pantalla
táctil "Crea tu sabor" (Johnson 2016). Al mismo tiempo, cada vez se da más importancia a las habilidades analíticas,
intuitivas y empáticas (R. Miller y Chandra 2015). La figura 3 muestra la importancia relativa de las distintas
inteligencias a lo largo del tiempo, en las cinco etapas.
En esta fase, la IA mecánica se hace cargo de las tareas de servicio estandarizadas y repetitivas, al tiempo que
ofrece las ventajas de la rentabilidad y la uniformidad de la calidad. Por lo tanto, esta es la inteligencia para la que
podemos esperar ver inmediatamente una sustitución de puestos de trabajo a gran escala. Entre los primeros
ejemplos de automatización cabe citar el uso de menús telefónicos con reconocimiento de voz para automatizar la
prestación de servicios, el uso de tecnologías de procesos para agilizar los procesos de servicio y el uso de
tecnologías de productividad en cadenas de comida rápida para ofrecer un servicio uniforme. Recientemente se han
desarrollado varios robots capaces de realizar tareas de forma autónoma. Pepper, un robot humanoide fabricado
por Softbank Robotics y dotado de capacidades de reconocimiento facial, es un ejemplo de IA autónoma que se
utiliza en sectores que dependen de las interacciones de primera línea con el cliente, como hoteles, cruceros
aeropuertos u otros lugares (Halzack 2017).
La sustitución de la IA en esta fase desplaza la demanda de mano de obra humana de habilidades mecánicas a
habilidades inteligentes superiores y deja las tareas mecánicas a las máquinas. Por ejemplo, R. Miller y Chandra
(2015) informan de que, en 2015, había cinco veces más puestos de trabajo en Estados Unidos publicados en 2014
que requerían conocimientos informáticos o matemáticos que personas desempleadas. Sawhney (2016) sostiene
que, aunque la productización sustituye a las tareas manuales repetitivas, la otra cara de la moneda es que los
trabajadores con las mejores habilidades conservan sus puestos de trabajo.
Para hacer frente a esta sustitución, los trabajadores tienen que mejorar sus competencias para pasar a un puesto
que utilice competencias más inteligentes. Esta es la tendencia que observamos con el desplazamiento de puestos
de trabajo de mano de obra no cualificada a mano de obra cualificada en Estados Unidos o el desplazamiento de
puestos de trabajo de Estados Unidos a economías extranjeras de mano de obra barata (por ejemplo, la
subcontratación); ambos consiguen el mismo efecto de sustitución, pero uno con sustitución por máquinas y el otro
con sustitución por mano de obra extranjera no cualificada más barata. Autor y Dorn (2013) concluyen que los
mercados laborales dominados por tareas rutinarias experimentaron una reasignación de mano de obra poco
cualificada a ocupaciones de servicios, adoptando tecnologías de la información y recibiendo flujos de mano de obra
cualificada entre 1980 y 2005.

Fase 2: La IA sustituye a los trabajos mecánicos y analíticos

 Proposición 2: En la etapa 2, la importancia relativa de la inteligencia mecánica sigue disminuyendo, y la
importancia relativa de la inteligencia analítica también disminuye, mientras que la importancia relativa
de las inteligencias intuitiva y empática sigue aumentando (prueba en el Apéndice).
Esta etapa aún nos resulta un tanto desconocida porque la sustitución de los trabajos analíticos por la inteligencia
artificial acaba de empezar. Se prevé que la sustitución de puestos de trabajo por la IA, que ha ido ganando
importancia relativa, pronto la pierda. Mientras tanto, se prevé que las competencias "blandas" de intuición y
empatía adquieran una importancia relativa sin precedentes.
En la fase 1, las capacidades analíticas eran una ventaja comparativa de los trabajadores humanos. Podemos ver una
fuerte demanda de análisis de marketing tanto en la educación académica como en el mundo empresarial
(PricewaterhouseCoopers 2017; Wedel y Kannan 2016). El pensamiento dominante en la bibliografía existente es
que mientras los humanos sean hábiles y estén bien informados, no tienen que preocuparse por ser sustituidos
por la IA (por ejemplo, Davenport y Kirby, 2015). Sin embargo, es posible que esto no sea así durante mucho
tiempo, ya que en la fase 2, la capacidad analítica empieza a convertirse en una ventaja comparativa de la
inteligencia artificial frente a la inteligencia humana, por lo que las tareas analíticas pueden ser asumidas
directamente por una inteligencia artificial más avanzada.
En esta fase, los trabajadores pueden asegurar su empleo reforzando sus habilidades intuitivas. A diferencia de las
capacidades analíticas, que suelen utilizarse en el back-end, las capacidades intuitivas pueden utilizarse tanto en el
back-end como en el front-end. Los servicios frontales complejos, como la negociación con los clientes, son más
difíciles de sustituir por la IA.
La inteligencia intuitiva es de gran valor para la tarea de personalización basada en las relaciones. Esto difiere de la
personalización basada en datos, en la que los datos proceden principalmente de clientes similares y no
necesariamente del cliente principal. Cuando existe la posibilidad de observar el comportamiento o el recorrido de
un cliente a lo largo del tiempo, se puede obtener información directa del cliente principal para ofrecerle un
servicio personalizado aún más pertinente y ajustado. Estos datos no son "grandes" datos reales y requieren
intuición para obtener información. La prestación de este tipo de servicio se considera un ejemplo de "smart
services" que aprovecha la información recogida de un microchip, software y sensores personalizados para atender
a los clientes que tienen conciencia y conectividad (Wünderlich, Wangenheim y Bitner 2013).
La división del trabajo entre la IA y los trabajadores intuitivos puede consistir en que la IA analítica se encargue de
la preparación, el cálculo y el análisis de los datos y la información más pesados para que los trabajadores
intuitivos puedan tomar decisiones acertadas. Es decir, la IA proporciona apoyo analítico para la toma de
decisiones. El análisis de grandes volúmenes de datos es un buen ejemplo de esta división del trabajo. Los
macrodatos no son más que una cantidad masiva de datos de diversos tipos. Sin la intuición y la interpretación
humanas, son inútiles. Por ejemplo, en un panel del Simposio de Directores de Sistemas de Información de la
Conferencia Internacional sobre Sistemas de Información 2015, un ejecutivo de Toyota ilustró que el coche moderno
se ha vuelto demasiado complicado para que lo arreglen los técnicos. Esos técnicos necesitan confiar en los datos y
la información del coche para diagnosticar cuál es el problema y luego arreglarlo. Sawhney (2016) afirma que la
automatización impulsada por algoritmos y el análisis de datos pueden liberar a profesionales bien remunerados
para que se centren en trabajos que requieren más sofisticación. Incluso hemos sido testigos de cómo BlackRock
sustituía a sus gestores de carteras utilizando IA de big data (Javelosa 2017). Los gestores "demasiado analíticos"
corren el riesgo de ser sustituidos por la IA si no son intuitivos y creativos a la hora de gestionar las carteras de
inversión de los clientes, sino que se basan únicamente en sus conocimientos sobre datos y análisis.

Fase 3: La IA sustituye a los trabajos mecánicos, analíticos e intuitivos

Proposición 3: En la fase 3, la importancia relativa de las inteligencias mecánica y analítica sigue
disminuyendo, y la importancia relativa de la inteligencia intuitiva empieza a disminuir, mientras que la
importancia relativa de la inteligencia empática aumenta aún más (prueba en el Apéndice).
En esta etapa, ni siquiera las tareas intuitivas serán inmunes al dominio de la IA, en contra de lo que se cree
actualmente. La IA ya está erosionando el dominio humano en esta inteligencia. Esteva et al. (2017) y Leachman y
Merlino (2017) informan de que la IA de reconocimiento de imágenes con redes neuronales profundas es tan buena
como los dermatólogos en la clasificación del cáncer de piel o incluso la supera. Edelman y Singer (2015) proponen
que, en las interacciones contextuales, la IA puede utilizar los conocimientos sobre el punto en el que se encuentra
un cliente en el proceso de toma de decisiones para permitir una serie de interacciones que refuercen la experiencia
del proceso. Lo ilustran con el ejemplo de los hoteles Starwood, que despliegan una aplicación que envía un
mensaje de texto al huésped con su número de habitación cuando entra en el hotel, comprueba su entrada con un
escáner de huella dactilar en su smartphone y, cuando se acerca a su habitación, convierte su teléfono en una llave
virtual que abre la puerta. A continuación, la aplicación envía recomendaciones personalizadas de ocio y
restauración.
Fase 4: La IA sustituye a los trabajos mecánicos, analíticos, intuitivos y
empáticos
Proposición 4: En la fase 4, todos los trabajos humanos disminuyen, siendo la inteligencia empática la
más importante (prueba en el Apéndice).
La IA empática se está desarrollando actualmente para todos los aspectos del servicio, tanto en el front-end como
en el back-end. En el caso de la interacción con el cliente, cuando el servicio al cliente es difícil o requiere mucha
comunicación, los bots emocionales pueden aligerar la carga de los representantes de atención al cliente y aliviar la
irritación del consumidor (Poggi 2017). El robot de chat Replika no solo habla con las personas, sino que también
aprende e imita sus estilos de envío de mensajes de texto, lo que puede personalizar aún más las comunicaciones
frontales (Huet 2016). El kit de desarrollo de software de reconocimiento de emociones de Affectiva se ha integrado
en juegos, a través de un complemento de Unity3D y otras plataformas, de modo que la jugabilidad puede
adaptarse a las respuestas psicológicas del jugador. Stuart (2017) informa de que los dispositivos digitales
conscientes de las emociones pueden detectar si un consumidor está triste y dirigirse a la cocina a preparar café o, al
menos, ordenar al sistema IoT que abra las persianas y deje entrar la luz del sol. Hollywood también lo utiliza para
retocar los tráileres y asegurarse de que se agotan las entradas en los fines de semana de estreno.
Para la asistencia de back-end, las aplicaciones de IA empáticas pueden proporcionar análisis emocionales para la
experiencia y el compromiso del cliente. Por ejemplo, Affectiva mide y analiza las expresiones humanas y las clasifica
en emociones (tristeza, alegría, ansiedad, felicidad, etc.). A partir de ahí, se puede hacer un seguimiento no sólo de
lo que dicen los clientes, sino de cómo se sienten realmente (Stuart 017). La IA puede identificar las emociones de
los clientes, de modo que los empleados puedan idear las respuestas adecuadas o la empresa pueda prestar el
servicio adecuado en el momento oportuno.
Partiendo de un concepto similar, Xiao y Ding (2014) consideran la empatía artificial como un enfoque basado en
modelos para inferir los estados internos de un consumidor (cognitivo, afectivo, físico) a partir de la información
que emite (audio, vídeo u otros formatos), así como para inferir la reacción de un consumidor dado un conjunto
concreto de estímulos. Utilizan el reconocimiento facial para recomendar caras que se utilizarán en los anuncios.
Kmart Australia utiliza el aprendizaje automático para decidir la forma en que deben incorporarse las emociones en
sus anuncios de televisión para aumentar la probabilidad de elegir su tienda y aumentar sus ingresos (Roberts et al.
2015).Kmart Australia utiliza el aprendizaje automático para decidir la forma en que deben incorporarse las
emociones en sus anuncios de televisión para aumentar la probabilidad de elegir su tienda y aumentar sus
ganancias (Roberts et al. 2015).
En esta etapa, debería quedar claro que todos los empleos humanos están amenazados por la IA. Todas las
inteligencias están en declive, pero las habilidades empáticas siguen siendo las más importantes. Por tanto, los
trabajadores de los servicios necesitan desarrollar habilidades empáticas para hacer frente a la situación.
Actualizar las habilidades intuitivas a habilidades empáticas es una extensión más natural que actualizar las
habilidades analíticas a habilidades intuitivas o empáticas porque el pensamiento analítico, en gran medida, tiene
lugar en una parte diferente del cerebro (principalmente la corteza cerebral izquierda) que el tipo de pensamiento
holístico que es necesario para la intuición y la empatía (principalmente la corteza cerebral derecha).
A riesgo de simplificar demasiado, los cerebros derechos son más intuitivos y creativos (toman decisiones con
información incompleta), mientras que los cerebros izquierdos son buenos para el cálculo y el análisis (toman
decisiones con información completa). Bianchi (2016) sostiene que, en este mundo analítico de grandes volúmenes
de datos, para destacar, los profesionales del marketing deben tener la capacidad de equilibrar el hemisferio
derecho y el izquierdo del cerebro y de mirar más allá de los números y las herramientas y centrarse en cómo
conectar con las personas.

Fase 5: Sustitución o integración humana

Proposición 5: En la fase 5, la IA sustituye a todos los empleos humanos o se integra completamente con
los trabajadores humanos (prueba en el Apéndice).
El camino final para la IA puede ser la sustitución o la integración completa con los trabajadores humanos. En la
Etapa 5, la IA es al menos tan inteligente como los humanos en las cuatro inteligencias. Dado que la IA puede pensar
y sentir como los humanos, tiene la capacidad de asumir todas las tareas/trabajos. Por lo tanto, el mejor escenario
entre humanos y máquinas es que trabajen juntos sin problemas. Existen múltiples posibilidades para esta
integración:
 Doble prestación de servicios. Esto refleja un punto de vista de segmentación según el cual algunos clientes
pueden querer pagar una prima por la interacción humana o el contacto humano. Al igual que la aparición de
la televisión sustituyó al cine, pero todavía hay gente a la que le gusta ir al cine, es posible que algunas
personas prefieran saber que están siendo atendidas por humanos, aunque el servicio sea inferior en todos los
demás aspectos. En este caso, tanto los humanos como las máquinas acaban prestando servicios, pero cada
 uno atiende a su propio segmento. En otras palabras, los empleos humanos siguen existiendo, pero como una
preferencia de nicho.
 División del trabajo entre humanos y máquinas. En esta posibilidad, humanos y máquinas trabajan juntos para
prestar servicios. Puede estimular ideas para un servicio de alto contacto porque algunos creen que el cerebro
humano (siente de forma holística) y la IA empática (siente de forma lógica) experimentan las emociones de
formas diferentes. Este punto de vista considera que la IH es biológica y no puede describirse completamente
con métodos computacionales (Winkler 2017). Desde este punto de vista, una mejor IA solo puede hacer que
los humanos sean más poderosos. Russell, informático y fundador del Centro de Sistemas Inteligentes de la
Universidad de California y coautor de Artificial Intelligence: A Modern Approach (Russell y Norvig 2010),
concluyó en una entrevista con Tech Insider (Del Prado 2015) que "la forma en que yo lo veo es que todo lo que
tenemos de valor como seres humanos -como civilización- es el resultado de nuestra inteligencia. Lo que la IA
podría hacer es esencialmente ser una herramienta de poder que magnifique la inteligencia humana y nos dé la
capacidad de hacer avanzar nuestra civilización."
 Máquinas al servicio de los humanos. En esta posibilidad, la IA realiza las tareas o trabajos que los humanos
no quieren hacer, mientras que los humanos pueden elegir las tareas o trabajos que quieren mantener y
tener una mejor calidad de vida. Se trata de una visión centrada en el ser humano, en la que la IA sigue
satisfaciendo sus necesidades, aunque pueda ser más inteligente que él. Llegar al extremo de que todas las
tareas puedan ser realizadas por la IA puede significar que se trata de un mundo en el que los humanos ya no
necesitan hacer ningún trabajo, sino que pueden centrarse simplemente en disfrutar de sus vidas. Es una
humanidad lograda con máquinas haciendo todo el trabajo y humanos disfrutando del ocio. La preocupación es
que una economía dirigida por IA para máquinas no encuentre valor en dejar que esto ocurra
 Humanos mejorados por máquinas. En esta posibilidad, los humanos se integran física o biológicamente con
las máquinas, y la IA se convierte en una extensión tecnológica de los humanos. Hemos visto algún uso
experimental para el servicio médico, por ejemplo, conectando cerebros de personas paralizadas con
dispositivos mecánicos mediante implantes o monitores cerebrales para ayudarles a escribir y moverse,
utilizando solo sus pensamientos (Winkler 2017). Elon Musk, CEO de SpaceX y Tesla, lanzó Neuralink, una
empresa para fusionar cerebros humanos con IA para ayudar a las personas a seguir el ritmo de las máquinas.
El propósito es implantar diminutos electrodos en cerebros humanos para mejorar la memoria o permitir una
interfaz más directa con dispositivos informáticos. Musk considera que se trata de una fusión de inteligencia
biológica (IH) e inteligencia digital (Winkler 2017). Una aplicación más dramática es el aumento humano.
Meabh Quoirin, copropietario y consejero delegado de Foresight Factory & Future Foundation, afirma que una
posibilidad para la IA es "más allá de lo humano", que añade bio-mejoras humanas, prótesis o implantes.
También puede servir para mejorar la experiencia del cliente a corto plazo.
 Internet de los cerebros. Los investigadores han demostrado recientemente la conexión del cerebro humano a
Internet (Andrews 2017). De ahí a que los seres humanos se conecten entre sí en una gran red de IA, como la
IO, solo que conectada también a los cerebros de las personas, hay un salto muy corto. Este escenario imita la
conectividad de la IA para la inteligencia colectiva y puede verse como el "Internet de los cerebros." Esta
conectividad acelerará enormemente el aprendizaje en el entorno de servicios, ampliando la capacidad de los
servicios igual que la colmena amplía la capacidad de cada abeja.
Alternativamente, el peor escenario posible es que la IA sustituya por completo a los humanos (es decir, a toda la
mano de obra de servicios, clientes, así como empleados). Esta es la preocupación de la singularidad, que consiste
en que la tecnología llegue a dominar completamente todas las formas de inteligencia por encima de los humanos
(Kurzweil 2005). Tanto Stephen Hawking como Bill Gates comparten esta preocupación pesimista (Azarian 2016;
Briggs y Scheutz 2017; Rometty 2016). El neurocientífico y escritor Sam Harris, que presentó una charla TED sobre la
posibilidad de que la humanidad pierda el control de la IA, afirmó en su podcast Waking Up que el crecimiento de la
IA seguirá avanzando a menos que antes le ocurra algo mucho peor a la sociedad. La mayor amenaza no es la
inteligencia de las máquinas individuales, sino la conectividad de todas ellas, que amplifica la inteligencia agregada
de las máquinas (Vinge, 1993).
Un argumento clave para que las máquinas ganen es que los humanos son más propensos a cometer errores.
Briggs y Scheutz (2017), en su Laboratorio de Interacción entre Robots Humanos, se propusieron programar robots
que tuvieran capacidad de razonamiento para rechazar órdenes humanas cuando llevarlas a cabo pudiera
perjudicar a los humanos. Argumentan que los humanos cometen errores al crear o dominar robots, lo que podría
dar lugar a máquinas desobedientes. En este pensamiento, estamos programando ordenadores para que
evolucionen de la misma manera que los cerebros humanos, debido a la selección natural, pero de una forma
mucho más rápida. Esto significa que el ritmo de evolución puede ser muy rápido y, por tanto, los ordenadores se
harán más inteligentes a un ritmo más rápido. El resultado de la evolución de la IA puede ser una forma
impredeciblemente compleja que vaya más allá de las reglas de programación que la produjeron. La figura 4 ilustra
la idea de que el estado final es la integración o la sustitución.
Figura 4. Etapas del reemplazo de trabajo por la inteligencia artificial

Debate
Nuestra teoría de la sustitución de puestos de trabajo por la IA suscita varias cuestiones adicionales que los
investigadores y los responsables políticos deben tener en cuenta a la hora de afrontar la revolución de la IA en la
economía de servicios. También proporciona directrices prácticas para que los directivos formulen sus decisiones
estratégicas sobre si sustituir a los trabajadores por IA y cuándo hacerlo, así como sugerencias para los educadores
empresariales sobre cómo formar a nuestros alumnos. La tabla 3 resume una serie de futuros temas de
investigación sobre servicios basados en las principales conclusiones de nuestra teoría.

¿Deben las empresas sustituir a los empleados por IA?

La decisión debe tomarse a nivel de tarea, no de puesto de trabajo, lo que significa que una empresa tiene que
pensar en la cartera de tareas de un puesto de trabajo y optimizar la división del trabajo entre los trabajadores
humanos y la IA. Hay varios factores que una empresa puede tener en cuenta:
 Naturaleza de las tareas. Las tareas que requieren menos inteligencia deben sustituirse primero. Cuantas
más tareas puedan sustituirse por IA, menos trabajadores humanos se necesitarán. Los trabajos que se
componen de tareas que requieren inteligencias diferentes serán los mejores candidatos para la integración
hombre-máquina.
 Naturaleza del servicio. A corto plazo, el servicio transaccional (es decir, los beneficios relacionales son
limitados) se beneficiará más de la sustitución por IA, mientras que el servicio relacional puede esperarse
que se beneficie más de los trabajadores humanos para un mayor valor de vida del cliente (Huang y Rust
2017). Los servicios que exigen una mayor interacción o contacto humano serán más difíciles de sustituir por la
IA (Giebelhausen et al., 2014).
 Énfasis estratégico de las empresas. Dado que las aplicaciones de IA tienden a producirse en primer lugar por
razones de costes, las empresas que emplean una estrategia de liderazgo en costes utilizarán más la sustitución
por IA, mientras que las empresas que emplean una estrategia de liderazgo en calidad utilizarán más mano
de obra humana y menos IA. A medida que la IA desarrolle una inteligencia superior a la IH, incluso las
estrategias de calidad emplearán IA.

¿Cómo deben sustituir las empresas el trabajo humano por la IA?

Las múltiples posibilidades de integración hombre-máquina ofrecen a las empresas orientaciones para diseñar
estrategias de servicios de IA:
 Segmentar el mercado en tramos con mayor preferencia por los servicios humanos o por los de las
máquinas. Las consideraciones clave para esta estrategia son si existe heterogeneidad en las preferencias de
los consumidores por el servicio y si la empresa tiene una ventaja comparativa en el servicio humano o en el
mecánico.
 Prestar el servicio tanto por personas como por máquinas. En esta estrategia, pueden ser los humanos los que
apoyen a las máquinas o las máquinas las que apoyen a los humanos. Las claves de esta estrategia son si los
 humanos o las máquinas deben desempeñar el papel dominante en la prestación de servicios, y el grado en
que el proceso de servicio puede racionalizarse para incluir tanto a los humanos como a las máquinas.
 Las máquinas prestan todos los servicios. Las empresas deben automatizar completamente el servicio cuando
haya una ventaja de coste suficiente, una ventaja de calidad suficiente o ambas. Amazon Go es un ejemplo de
inteligencia mecánica que no requiere personal de servicio en toda la tienda.
 Hacer que las máquinas mejoren la mano de obra. Esto puede incluir tanto la posibilidad de mejorar el
trabajo de los clientes como el de los empleados. Por ejemplo, los vendedores podrían encontrar interés en
herramientas para mejorar el rendimiento de la persona media; formas de quemar calorías, comer bien,
trabajar más rápido y moverse mejor, especialmente teniendo en cuenta el éxito de aparatos como el FitBit
(Conick 2016).
 Hacer que las máquinas mejoren la conectividad laboral para la inteligencia colectiva. En el caso de los
empleados de servicios, aunque individualmente puedan tener una inteligencia limitada, colectivamente
pueden apoyarse unos a otros. Los clientes también pueden beneficiarse de la inteligencia colectiva. Por
ejemplo, las redes sociales que facilitan las interacciones con los clientes son un ejemplo rudimentario de esta
estrategia.

¿Qué va a pasar con los empleos de servicios?

En la era postindustrial, cuando los empleos de menor inteligencia fueron ocupados por las máquinas, la proporción
de empleos en cada economía en desarrollo pasó de la fabricación a los servicios, porque estos últimos requieren
una interacción contextual heterogénea, en comparación con la IA mecánica, que hace hincapié en la coherencia y
la precisión. Ahora bien, cuando los empleos analíticos pasen a manos de la IA, ¿qué ocurrirá con ellos? Nuestra
teoría predice que esos trabajadores necesitarán mejorar sus habilidades intuitivas y empáticas y, en última
instancia, incluso las habilidades intuitivas serán menos importantes que las empáticas. En resumen, las habilidades
interpersonales serán cada vez más importantes para la empleabilidad.
Una cuestión relevante es qué será lo siguiente, después de la migración del empleo de la fabricación a los servicios,
después de que la IA adquiera todas las IH y sea capaz de hacerse cargo de los puestos de trabajo. ¿Qué es la
economía postservicios? La esperanza para los trabajadores humanos parece ser explorar todas las posibilidades
de integración hombre-máquina de las que hemos hablado antes.
¿Qué habilidades serán más importantes?
Nuestra teoría ofrece implicaciones directas sobre cómo deben equiparse los trabajadores de servicios con las
habilidades de inteligencia adecuadas que tengan un mayor valor de supervivencia y qué tipos de inteligencias
deben buscar las empresas al desplegar sus estrategias de sustitución de la IA. Una tendencia interesante e
importante que observamos al aplicar esta teoría es la preocupación por nuestra actual formación en análisis
empresarial. Con el auge de la oferta de programas de análisis empresarial en las principales universidades, nuestra
teoría implica que debemos tener cuidado con la sobreoferta de habilidades analíticas, ya que dichas habilidades
pronto se convertirán en una ventaja comparativa de las máquinas, y cabe esperar que sean suministradas por IA
más avanzada. La clave para seguir siendo importantes será la interpretación y la toma de decisiones basadas en los
resultados analíticos, no los datos y las capacidades de análisis en sí. Por lo tanto, en la formación de los estudiantes,
estos programas deberían hacer hincapié en el pensamiento creativo y la intuición a la hora de interpretar datos o
tomar decisiones, en lugar de formar a los estudiantes para que sean máquinas de datos y análisis que pueden
perder su importancia antes de tiempo.
Nuestra teoría también aporta ideas importantes sobre cómo se puede redirigir el impacto negativo de la
sustitución de la IA hacia el desarrollo de nuevas habilidades. Puede verse en la prensa popular que, a medida que
la IA sustituye a los empleos menos cualificados, los trabajadores que carecen de la formación o la capacidad para
funcionar a un nivel de inteligencia superior suelen quedarse sin empleo (C. C. Miller 2017). Ignatius (2015),
redactor jefe de Harvard Business Review (HBR), afirma que HBR ha considerado la amenaza robótica a lo largo de
los años, desde el artículo de 1981 del experto laboral Robert Schrank, hasta el de Davenport y Kirby (2015) " Más
allá de la automatización", pasando por el de Brynjolfsson y McAfee (2016) "La segunda era de las máquinas."
Todos estos artículos tienen un tema común sobre si es inevitable un desplazamiento a gran escala. Evolucionar
hacia una inteligencia superior, y especialmente adquirir habilidades intuitivas y empáticas, parece ser la
estrategia de autodesarrollo y educación más prometedora.

Tabla 3. Implicaciones para la investigación sobre servicios.

Principales conclusiones Temas de investigación sobre los servicios

La naturaleza de la tarea, el servicio y el  ¿Qué tareas requieren qué composición de inteligencias y qué
énfasis estratégico determinan si las combinación de IH e IA?
empresas deben sustituir a los  ¿Qué servicios requieren qué composición de inteligencias y qué
 empleados por IA. combinación de IH e IA?
 ¿Qué énfasis estratégico requiere ¿qué composición de
inteligencias y qué combinación de IH e IA?

Las empresas deben diseñar estrategias
de servicios integrados hombre-
máquina para seguir siendo
competitivas.
 ¿Cómo identificar la heterogeneidad de las preferencias de los
consumidores por los servicios prestados por personas o por
máquinas?
 ¿Cómo racionalizar los procesos de los proveedores de servicios
humanos y automáticos?
 ¿Cómo automatizar completamente el servicio en los niveles de
inteligencia?
 ¿Cómo potenciar a los proveedores de servicios humanos con
máquinas en los cuatro niveles de inteligencia?
 ¿Cómo conectar a personas y máquinas para una inteligencia
colectiva?

Los responsables políticos deben  Identificar la migración laboral para la economía de servicios a nivel
estudiar detenidamente el impacto de de inteligencia superior
la IA en la economía.  Identificar la forma de la economía postservicios

Las habilidades intuitivas y empáticas  ¿Cómo reciclar a los trabajadores para que adquieran aptitudes
serán las ventajas comparativas más intuitivas y empáticas que les permitan seguir siendo empleables?
duraderas del servicio humano  ¿Cómo formar a los estudiantes en las competencias intuitivas y
empáticas para que sigan siendo empleables?

Note. HI = human intelligence; AI = human intelligence.

Conclusión
Desarrollamos una teoría para comprender la naturaleza del trabajo de servicios y cómo/por qué la IA puede
sustituir o, en última instancia, reemplazar a los humanos en cada tipo de tarea/trabajo. Esta teoría de la
sustitución de trabajos por IA proporciona una hoja de ruta sobre cómo la IA avanza para hacerse cargo de tareas
que requieren inteligencias diferentes, cómo la IA puede y debe utilizarse para realizar tareas de servicios y, por
último, cómo los trabajadores pueden y deben cambiar sus habilidades para lograr un equilibrio entre humanos y
máquinas. Concluimos que el avance de la IA en las cuatro inteligencias crea oportunidades de integración
innovadora hombre-máquina para la prestación de servicios, pero también supone una amenaza fundamental para
el empleo humano.

Apéndice
Proposición 1: En la fase 1, la importancia relativa de la inteligencia mecánica disminuye y la importancia
relativa de la inteligencia analítica, la inteligencia intuitiva y la inteligencia empática aumenta.
Demostración:
dM * (t)/dt = SUM (t) dM(t)/dt) – (M (t) (dSUM (t) / dt) (A1)

Teniendo en cuenta que dSUM (t) / dt = dM(t) / dt, podemos reescribir lo anterior como:

dM * (t)/dt = (SUM (t) – (M (t) (dM (t) / dt) (A2)

El primer término es positivo y el segundo negativo, lo que demuestra que el producto es negativo y, por tanto, dM *
(t) /dt < 0 (la importancia relativa de la inteligencia mecánica disminuye).

dA * (t) / dt = SUM(t)(dA(t) / dt) - A(t)(dSUM(t) / dt) (A3)

Como dA(t) / dt = 0 en esta etapa, el término de la izquierda es cero. Como A(t) > 0 y dSUM(t) / dt < 0, tenemos:
 dA * (t) / dt > 0 (A4)
Las derivaciones para dI (t) / dt y dE (t) / dt son idénticas a las anteriores.
Proposición 2: En la Etapa 2, la importancia relativa de la inteligencia mecánica sigue disminuyendo, y la
importancia relativa de la inteligencia analítica también disminuye, mientras que la importancia relativa de
la inteligencia intuitiva y la inteligencia empática sigue aumentando.
Demostración:
Para obtener dM (t) = dt, observamos que dSUM(t) / dt = dM(t) / dt + dA(t) / dt, lo que nos permite reescribir la
ecuación A1 como
dM * (t) /dt = (SUM(t) - M(t))(dM(t) / dt) - M(t)(dA(t) / dt) (A5)

Introduciendo las expresiones de las ecuaciones 5 a 8, y observando que I(t) = E(t) = 1 en esta fase, obtenemos
dM * (t)/dt = - 2 k exp( - kt) < 0 (A6)
Análogamente, tenemos:
dA*(t)/dt = (SUM(t) - A(t)) (dA(t)/dt) - A(t)(dM(t)/dt) = -2 k exp( - k(t - T1)) < 0 (A7)
dI*(t)/dt = (SUM(t)) (dI(t)/dt) - I(t)(dSUM(t)/dt) (A8)
Como dI(t)/dt = 0 y el término de la derecha es negativo, tenemos dI * (t)/dt > 0.
La derivación para dE (t)/dt es idéntica, resultando indE (t)/dt > 0.
Proposición 3: En la Etapa 3, la importancia relativa de la inteligencia mecánica y la inteligencia analítica
sigue disminuyendo, y la importancia relativa de la inteligencia intuitiva empieza a disminuir, mientras que
la importancia relativa de la inteligencia empática aumenta aún más.
Demostración:
Observamos que E(t) = 1 en esta fase. Utilizando de nuevo las ecuaciones 5 a 8), tenemos
dSUM(t)/dt = dM(t)/dt) + dA(t)/dt + dI(t)/dt (A9)
Utilizando la ecuación A1, obtenemos:
dM*(t)/dt = (SUM(t) - M(t))(dM(t)/dt) - M(t)(dA(t)/dt + dI(t)/dt)
= (A(t) + I(t) + 1) (dM(t)/dt) - M(t)(dA(t)/dt + dI(t)/dt)
= - k exp (-kt) < 0 (A10)

dA*(t)/dt = (SUM(t) - A(t))(dA(t)/dt) - A(t)(dM(t)/dt + dI(t)/dt)

= (M(t) + I(t) + 1)(dA(t)/dt) - A(t)(dM(t)/dt + dI(t)/dt)
= - kt [exp( - 2kt ) + kT1 + kT2) + exp( - k(t - T1) - exp( - 2kt ) kT2))] (A11)
El argumento en el primer término es mayor que el argumento en el tercer término, lo que garantiza que la
expresión entre paréntesis es positiva, y que dA* (t)/dt < 0. La derivación para dI*(t)/dt es análoga, lo que
proporciona dI*(t) < 0. También dejamos para el lector la derivación formal dE*(t)/dt, dado que los valores
decrecientes de M(t), A(t) e I(t) garantizan que E(t) = 1 es una proporción creciente de la suma.
Proposición 4: En la Etapa 4, todos los niveles de empleos humanos disminuyen, siendo la inteligencia
empática la más importante.
Las derivadas de las ecuaciones 5 a 8 son todas negativas, lo que demuestra que todos los niveles de empleo
humano disminuyen. Observando que (t -T3) < (t - T2) < (t - T1) < t, tenemos, a partir de las ecuaciones 5) a 8), que
E(t) > I(t) > A(t) > M(t), lo que garantiza que los empleos empáticos conservan un porcentaje mayor de su número
original que los intuitivos, analíticos y mecánicos, respectivamente.
Proposición 5: En la Etapa 5, no existen empleos humanos.
Demostración:
A partir de las ecuaciones 5 a 8, tenemos:
M(t) = exp (-kt) para t > 0 (A12)
 A(t) = exp (-k (t-T1)) para t > T1 (A13)
I(t) = exp (- k (t-T2)) para t > T2 (A14)
E(t) = exp (-k (t-T3)) para t > T3 (A15)
El límite de cada una de estas expresiones a medida que t llega a infinito es igual a cero, lo que implica que la IA
acabará sustituyendo a todos los empleos humanos.

Relajación del supuesto de la misma tasa de sustitución en todos los niveles de

inteligencia
En este escenario, permitimos que kM, kA, kI y kE sean las tasas de sustitución de la IA para los niveles mecánico,
analítico, intuitivo y empático, respectivamente. En este caso más general, las proposiciones 1 y 5 y sus pruebas no
se ven afectadas. Sustituimos las proposiciones 2 y 3 por las siguientes proposiciones más generales:
Proposición 2a: En la etapa 2, la importancia relativa de la inteligencia mecánica y analítica disminuye en
relación con la intuitiva y la empática, y la importancia relativa de la inteligencia intuitiva y la inteligencia
empática aumenta aún más.
Demostración:
dM(t)/dt < 0, mientras que I(t) = E(t) = 1,
d[M * (t)/I * (t) + E * (t)]/dt
= d[(M(t)/SUM(t))/((I(t) + E(t))/SUM(t))]/dt = dM(t)/2 < 0
(A16)
y análogamente para A*(t),
dI * (t) / dt = d(I(t)/SUM(t)) /dt = -dSUM(t) / dt > 0;
(A17)
y análogamente para dE*(t)/dt.
Proposición 3a: En la Etapa 3, la importancia relativa de la inteligencia mecánica, analítica e intuitiva
disminuye en relación con la empática, y la importancia relativa de la inteligencia empática aumenta aún
más.
Demostración
dM(t)/dt < 0, mientras que E(t) = 1
d[M * (t) / E * (t)] /dt = d[(M(t) / SUM(t)) / (E(t) / SUM(t))] /dt = dM(t) < 0;
(A18)
y de forma similar para A*(t) e I*(t),
dE * (t) / dt = d(E(t) / SUM(t)) / dt = - dSUM(t) / dt > 0 (A19)

Notas
1. Aunque la hipótesis de la inteligencia artificial (IA) fuerte considera que la IA tiene todo el rango de la inteligencia
humana, se centra en el aspecto del pensamiento cognitivo y no considera explícitamente un aspecto empático de la
IA.
2. Alan Turing, pionero de la IA, ideó un experimento mental que hoy se conoce como la prueba de Turing. En ese
experimento, si un observador externo no puede distinguir entre un ordenador y un ser humano, basándose en su
comportamiento, se puede pensar que el ordenador piensa como un ser humano. La prueba de Turing también
podría utilizarse para probar la IA empática.
3. 3. A medida que se sustituyan las tareas mecánicas, aunque se mantenga el puesto de trabajo, su naturaleza
cambiará, desplazándose hacia niveles de inteligencia. Así, un cajero de banco puede convertirse más en un asesor y
menos en un empleado.
4. En el Apéndice, mostramos que si permitimos que estos índices varíen entre inteligencias da lugar a una serie de
proposiciones más generales que arrojan muchas de las mismas conclusiones