Como resultado, la empresa dedicó mucho tiempo a capacitar a los nuevos trabajadores contratados para reemplazar a los que se habían ido. Muchas de las habilidades requeridas fueron lo que los investigadores llamaron “conocimiento tácito”, conocimiento empírico que no se puede codificar fácilmente pero que los modelos de lenguaje grandes se pueden asimilar de los registros de chat y luego imitar. El bot de la empresa ha ayudado con habilidades técnicas y sociales, dirigiendo a los agentes a documentos técnicos relevantes y sugiriendo frases rápidas para calmar a los clientes enojados, como “¡Estaré feliz de ayudarlo a solucionar esto lo antes posible!”
Después de que el bot comenzó a ayudar, la cantidad de problemas que el equipo resolvió por hora aumentó un 14 por ciento. Además, las probabilidades de que un trabajador renuncie en un mes determinado se redujeron en un 9 % y también mejoraron las actitudes de los clientes hacia los empleados. La compañía también ha visto una caída del 25 por ciento en el número de clientes que solicitan hablar con un gerente.
Pero cuando los investigadores estratificaron los resultados por nivel de habilidad, encontraron que la mayoría de los beneficios del chatbot se acumularon para los trabajadores menos calificados, quienes experimentaron un aumento del 35 % en la productividad. Los trabajadores más calificados no vieron ganancias e incluso experimentaron una ligera caída en los puntajes de satisfacción del cliente, lo que sugiere que el bot podría ser una distracción.
Mientras tanto, el valor de este trabajo altamente calificado se ha duplicado ya que el asistente de IA instruye a los trabajadores poco calificados para que usen las mismas técnicas.
Hay razones para sospechar que los empleadores recompensarán este valor por su cuenta. Aaron Benanoff, historiador de la Universidad de Syracuse y autor del libro. La automatización y el futuro del trabajove un paralelo histórico en el taylorismo, un sistema de producción desarrollado a fines del siglo XIX por un ingeniero mecánico llamado Frederick Taylor y luego adoptado en las fábricas de automóviles de Henry Ford.
Usando un cronómetro, Taylor dividió los procesos físicos en sus componentes para determinar la forma más eficiente de completarlos. Prestó especial atención a los trabajadores más cualificados del oficio, dice Benanave, “para poder hacer trabajar de la misma manera a los menos cualificados”. Ahora, en lugar de que un ingeniero de precisión use un cronómetro, las herramientas de aprendizaje automático pueden recopilar y difundir las mejores prácticas de los trabajadores.
No funcionó muy bien para algunos empleados en la era de Taylor. Sus métodos se han asociado con ingresos más bajos para los trabajadores altamente calificados, porque las empresas pueden pagar a los empleados menos calificados para que hagan el mismo tipo de trabajo, dice Benanav. Incluso si algunas empresas de alto rendimiento seguían siendo esenciales, las empresas necesitaban menos y la competencia entre ellas aumentó.
“Según algunas versiones, eso jugó un papel bastante importante en el desencadenamiento de la sindicalización entre todos los trabajadores menos calificados o medianamente calificados en la década de 1930”, dice Benanave. Sin embargo, han surgido algunos esquemas menos punitivos. Uno de los seguidores de Taylor, el ingeniero mecánico Henry Gantt -sí, el autor del gráfico- creó un sistema que pagaba a todos los trabajadores un salario mínimo pero ofrecía bonificaciones a quienes también alcanzaban objetivos adicionales.
Incluso si los empleadores se sienten incentivados a pagar una prima para enseñar los sistemas de IA a los empleados de alto rendimiento, o si los empleados lo ganan por sí mismos, dividir el botín de manera justa puede ser un desafío. Por un lado, los datos de varios lugares de trabajo pueden agregarse y enviarse a una empresa de inteligencia artificial que crea un modelo y lo vende a las empresas individuales.