Solo algunas breves reflexiones hoy. El crecimiento de la IA en el aprendizaje corporativo plantea preguntas vitales sobre la centralización y la descentralización. ¿Las empresas se benefician más al controlar estrictamente sus propios LLM internos, o al permitir que diseñadores instruccionales, gerentes y otros utilicen modelos de terceros o de código abierto? ¿Cuánta libertad deberían tener los empleados para usar diversas tecnologías de IA en el trabajo y la formación? Este debate afecta la calidad de los resultados de aprendizaje, la privacidad de los datos y la innovación.

¿Nuestra opinión? La propiedad y el uso distribuidos de LLMs operados independientemente producirán mejores resultados que un sistema de IA controlado centralmente dentro de una organización.

Centralización: Una Espada de Doble Filo

Consolidar el control de la IA viene con varias fortalezas. En primer lugar, los sistemas centralizados pueden establecer estándares y referencias uniformes para la garantía de calidad, resultando en herramientas de aprendizaje de IA fiables y efectivas.

Además, la centralización facilita la aplicación de regulaciones sobre el uso ético de la IA y los derechos de los usuarios. Además, entran en juego las economías de escala: las entidades grandes pueden invertir en herramientas avanzadas de aprendizaje de IA que podrían ser demasiado costosas para las empresas más pequeñas, dando lugar a experiencias de aprendizaje robustas.

A pesar de sus beneficios, la centralización no está exenta de desventajas. Este tipo de estrategia de L&D hace que un mercado sea vulnerable al control monopolístico, por ejemplo. Si las empresas externalizan sus sistemas de aprendizaje de IA a otra empresa que se especializa en un sistema cerrado, propietario y consolidado, será fácil para esa empresa cerrar el mercado. Y menos competidores conducen a una estancación en la innovación y a la complacencia en el mantenimiento de altos estándares.

Los sistemas de IA centralizados también pueden aumentar inadvertidamente el riesgo de sesgo sistémico, ya que menos perspectivas informan su creación e implementación. El mal uso de los datos es otra preocupación obvia, dado que las entidades centralizadas suelen gestionar grandes volúmenes de información sensible. Pero Ethan Mollick, profesor de la Escuela Wharton y conocido Substacker, enfatiza una debilidad más fundamental—que la centralización no puede lograr las ganancias que esperamos obtener de la IA. “Solo la innovación impulsada por los trabajadores puede transformar radicalmente el trabajo”, escribe Mollick, “porque solo los trabajadores pueden experimentar lo suficiente en sus propias tareas para aprender a usar la IA de maneras transformadoras. Y empoderar a los trabajadores no será posible con una solución de arriba hacia abajo por sí sola.”

Descentralización: Impulsando la Innovación en el Aprendizaje Corporativo

En contraste, un enfoque descentralizado promueve la innovación. Múltiples partes interesadas experimentando con diversos métodos, ideas y tecnologías conduce a una riqueza de herramientas educativas de IA. Esto impulsa la competencia y mejora la calidad del producto. Otra ventaja significativa es la privacidad y la propiedad de los datos. Cuando los usuarios controlan sus datos, experimentan un aprendizaje más seguro y personalizado, con un riesgo significativamente reducido de violaciones de datos.

Satalia, una empresa con sede en Londres, opera bajo un modelo descentralizado a menudo referido como "organización de enjambre". El sistema de IA en la empresa ayuda en los procesos de toma de decisiones y asegura la responsabilidad. La empresa cree que este modelo promueve la innovación y la productividad, y que podría escalar a organizaciones más grandes e incluso países. Si bien el caso de uso de Satalia no aborda estrictamente L&D, proporcionan un modelo general que la industria puede adoptar y adaptar.

Pero la descentralización también tiene sus desafíos. La falta de autoridad centralizada puede resultar en estándares inconsistentes, llevando a la creación de herramientas de aprendizaje de IA ineficientes o de calidad inferior. El mal uso de la IA es otro posible obstáculo, dada la relativa dificultad de regular a numerosas entidades más pequeñas en comparación con unas pocas grandes. Los problemas de interoperabilidad entre diferentes sistemas también pueden surgir, complicando potencialmente la integración y el intercambio de datos.

En nuestra opinión, pensamos que la descentralización liderará el camino en el paisaje de gobernanza de la IA para el aprendizaje corporativo. Los beneficios que ofrece—innovación, mayor privacidad, propiedad de datos y reducción de sesgos—son críticos en los rápidamente cambiantes entornos de aprendizaje digital de hoy. Podemos superar las debilidades en el enfoque desarrollando estándares robustos para la garantía de calidad y consistencia incluso mientras abrazamos un modelo de control multipolar. AI in Learning Newsletter Manténgase al tanto de las tecnologías de vanguardia que están cambiando la forma en que las personas aprenden e instruyen.