Este blog originalmente se titulaba “Haciendo un Speedrun Educativo con IA.” Desde entonces he añadido un subtítulo a ese título: “Cómo Fallé en Aprender con IA.”

La premisa de mi fallido—que es decir, informativo—cuasi-experimento se basaba en la idea que se promociona a menudo de que la IA generativa tiene el poder de aumentar y mejorar radicalmente la productividad humana. Hay muchos documentos de política y artículos de opinión que exploran esta idea. Y, como consecuencia, ha habido una creciente marea de escepticismo hacia esta proposición.

Los optimistas de la productividad, como los que redactaron el documento de política vinculado arriba, argumentan que, a pesar de las obvias desigualdades y el desplazamiento que podrían resultar de la integración de la IA, la tecnología también tiene el potencial de ser “complementaria a la humanidad”: crear nuevas tareas productivas y liberar el espacio mental de las personas para “trabajos de experto.” Estos resultados positivos suelen estar predicados sobre amplias recomendaciones políticas.

Esta es una visión seductora del futuro, y una que generalmente considero plausible, pero he notado una cosa sobre estos documentos: a menudo carecen de especificidades. Probablemente por diseño, estos estudios relativamente conservadores evitan especular sobre el detalle de cómo, exactamente, la IA generativa se convertirá en una herramienta valiosa en la incorporación, capacitación y desarrollo de habilidades. Esta vaguedad también ha sido, admitidamente, una característica de mi propia escritura sobre el tema.

Lo cual no quiere decir que el pensamiento holístico no tenga valor. Pero cada vez tengo más curiosidad sobre el cómo de la IA: ¿cómo se puede hacer que los sistemas basados en LLM respondan de manera efectiva? ¿Cuál debería ser el papel de los LLM de terceros en el aparato de capacitación y aprendizaje de una organización?

Con ese fin, establecí una pequeña prueba para mí mismo: el mencionado “speedrun educativo.” La prueba es bastante sencilla. Me inspiré parcialmente en el blog de Ethan Mollick sobre cómo él organizó un lanzamiento de producto en menos de 60 segundos. Pero mi propio experimento fue ligeramente diferente, tanto porque quería centrarme en el aprendizaje como porque no soy el mago de las indicaciones que es Mollick.

Métodos

Para mi prueba, quería ver cuánto podía aprender sobre un tema aleatorio en una hora. La esencia de esta prueba no era tanto sobre entender la integración de la IA en una modalidad de capacitación particular, como un curso de e-learning o un seminario organizado, sino más sobre la capacidad general de la herramienta para aumentar el aprendizaje humano. Con ese fin, traté de simular condiciones de trabajo en una organización real: utilicé principalmente la versión Enterprise de Microsoft Copilot, proporcionada por mi organización (en este caso, mi universidad), así como la versión gratuita de ChatGPT.

No pasé mucho tiempo preocupándome por las vicisitudes de la ingeniería de indicaciones porque, después de todo, no creo que el trabajador promedio, en esta etapa, esté muy bien entrenado en el arcano de las indicaciones de LLM.

Para hacer la experiencia lo más “pura” posible, le pedí a Microsoft Copilot que me diera 10 temas aleatorios sobre los que pudiera aprender. Mientras que el #1—tiburones—resultaba extremadamente atractivo, decidí ir con el #10—gestión de dinero. Esto fue porque, razoné, por mucho que los tiburones fascinen mi cerebro de 10 años, mi cerebro de 20 y tantos años iba a estar mucho más interesado en el tema más inmediatamente relevante para mis preocupaciones diarias (lo siento, tiburones).

Con ese fin, pasé la siguiente hora consultando a Microsoft Copilot sobre la gestión de dinero. Lo que obtuve fue una colección de recomendaciones de 7 ítems, desde la elaboración de presupuestos diarios hasta la planificación de jubilación. Este documento, recopilado por ChatGPT (que fue un poco mejor reteniendo especificidades que el mismo Copilot), se construyó a partir de 10 o más indicaciones y respuestas con Copilot.

Inicialmente, Copilot me dio una lista con viñetas de siete recomendaciones sobre gestión de dinero; procedí a pedirle a Copilot que elaborara cada punto. A cambio, Copilot subdividió aún más cada punto en una lista de viñetas más detallada de cada ítem, con citas que llevaban de vuelta a publicaciones y artículos de sitios credibles como Investopedia y Forbes. Aquí está la respuesta elaborada de Copilot sobre el tema de fondos de emergencia, por ejemplo:

"¿Qué es un Fondo de Emergencia?

• Un fondo de emergencia es una reserva de efectivo dedicada reservada para gastos imprevistos o emergencias financieras.

• Los ejemplos incluyen reparaciones de automóviles, facturas médicas, reparaciones del hogar o pérdida repentina de ingresos.

1. ¿Por qué lo necesitas?algún texto

   • Sin ahorros, incluso los choques financieros menores pueden retrasarte.

   • Las investigaciones muestran que las personas con menos ahorros tienen dificultades para recuperarse de emergencias y pueden depender de tarjetas de crédito o préstamos, lo que lleva a deudas.

2. ¿Cuánto necesitas?algún texto

   • Apunta a tener de tres a seis meses de gastos de vida.

   • Comienza con metas pequeñas, como ahorrar $5 al día, y aumenta gradualmente tus ahorros².

3. ¿Cómo construirlo?algún texto

   • Crea un hábito de ahorro: Consistentemente aparta dinero.

   • Configura depósitos directos o transferencias automáticas.

   • Ahorrar ingresos inesperados (por ejemplo, reembolsos de impuestos).

   • Sigue ahorrando incluso después de alcanzar tu meta² ⁴.

Recuerda, incluso un pequeño fondo de emergencia proporciona seguridad financiera y tranquilidad. 😊🌟

Fuente: Conversación con Copilot, 14/06/2024 (1) Fondo de Emergencia: Qué Es y Cómo Empezar Uno | Bankrate. https://www.bankrate.com/banking/savings/starting-an-emergency-fund/. (2) Cómo Construir un Fondo de Emergencia - The Wall Street Journal. https://www.wsj.com/buyside/personal-finance/how-to-build-an-emergency-fund-01673022469. (3) Una guía esencial para construir un fondo de emergencia. https://www.consumerfinance.gov/an-essential-guide-to-building-an-emergency-fund/. (4) Fondo de Emergencia - Investopedia. https://www.investopedia.com/terms/e/emergency_fund.asp."

Después de pasar por el mismo procedimiento para los 7 ítems, le pedí a ChatGPT que reuniera toda esta información en un solo documento (esto, admitidamente, sucedió después de que la hora de “speedrunning” había transcurrido).

Resultados

Si bien en teoría Copilot me proporcionó una gran cantidad de información útil y concisa sobre el tema, en la práctica no sé si aprendí mucho sobre gestión de dinero del ejercicio. Al menos, no sé si retuve mucho.

Esto se debió en gran parte al entorno y al contexto. Por mucho interés que tuviera en aprender sobre gestión de dinero, no tenía ninguna forma inmediata de aplicar esta información. Creo que el formato preferido de Copilot—listas con viñetas que regresan a enlaces—hizo que fuera fácil para mí pasar por alto el contenido real de sus hallazgos por completo. Durante la mayor parte de la hora, pasé tiempo revisando los diversos artículos que Copilot había referenciado. Estos fueron útiles, pero, de nuevo, sin un impulso accionable para la actividad, no estaba seguro de qué hacer con esta información.

Me sentí alentado por los diversos recursos a los que Copilot me llevó. Creo que cada uno de los artículos que mencionó eran fiables, informativos y probablemente podrían haberme llevado a realizar alguna acción sobre gestión de dinero dado más tiempo.

A partir de esta experiencia con la herramienta, he aprendido que Copilot es más útil como una función de búsqueda que como un instructor o tutor. Lo que hace que Copilot sea algo redundante, ya que no estoy seguro de que mi experiencia hubiera sido significativamente diferente si simplemente hubiera identificado algunas palabras clave y las hubiera alimentado a Google o Bing. Dicho esto, Copilot ofreció un marco útil, aunque probablemente reductivo, para entender el problema de la gestión de dinero—un marco que no habría pensado en incluir si hubiera estado usando un motor de búsqueda tradicional.

También hubo otros factores en juego que interfirieron con un aprendizaje significativo, como la multitud de campistas adolescentes que invadieron el centro estudiantil de la universidad donde trabajaba remotamente, o el hecho de que estaba en medio de un ayuno religioso que me hacía sentir mareado.

El fracaso de este experimento de aprendizaje, entonces, fue más metodológico que técnico. Lo que, a simple vista, hace que todo este esfuerzo suene un poco ridículo e inútil. Pero, para mí, fue una lección extremadamente útil: el contexto en el que se implementa la IA para el aprendizaje importa.

Perspectivas

Basado en mi prueba (muy subjetiva, no repetible), me gustaría ofrecer algunas características de una aplicación significativa de la IA en el aprendizaje:

• Operativa: En cualquier contexto de aprendizaje en el que se implemente la IA generativa, debería usarse con un objetivo o resultado específico en mente. ¿Qué debería poder hacer mejor el aprendiz gracias a una sesión con la IA?

• Enfocada: Los principales LLMs tienen una base de conocimiento lo suficientemente amplia como para abarcar la mayoría de la pericia humana. Las indicaciones y consultas a la IA deberían estar diseñadas para sacar a relucir un tipo específico de pericia. De lo contrario, los usuarios podrían encontrarse solo con generalidades poco útiles.

• Motivada: Además de centrarse en acciones y resultados, la implementación de la IA debería tener en cuenta la relevancia para los deseos y necesidades específicos de un aprendiz. ¿Puede el propio aprendiz dejarle claro a la IA lo que más le importa? ¿Puede conectar con la forma en que la IA presenta el contenido a nivel emocional?

• Basada en la frontera: Como el mencionado mago de las indicaciones Ethan Mollick ha notado a menudo, para aprovechar al máximo los modelos de IA, los aprendices deben trabajar con la vanguardia de la tecnología. Esto no fue algo que hiciera en mi experimento, y noté una diferencia notable en el detalle, matiz y utilidad de las generaciones de la IA.

Conclusión

Si eres incluso un lector ligeramente resistente, probablemente hayas notado que tres de las cuatro características que acabo de señalar son… bueno… obvias prioridades para integrar cualquier tecnología en un proceso de aprendizaje. Creo que esto, en sí mismo, es significativo.

Los principios fundamentales del aprendizaje no cambian cuando la IA entra en la lucha. La escala puede cambiar, la adaptabilidad puede cambiar, la analítica puede cambiar—pero si no tienes buena pedagogía, no eres nada. Entré en este experimento bajo la suposición mal formada de que la IA aumentaría mágicamente mi cerebro—sería mágicamente “complementaria a la humanidad” por virtud de simplemente interactuar con ella. Esta fue una suposición profundamente equivocada, y creo que deriva de un enfoque filosófico muy arraigado y preocupante. Pero tendré que escribir sobre eso en otro lugar.

Por ahora, no repitas mi error: reconoce, quizás, que el aprendizaje efectivo no puede ser un speedrun en absoluto. Si podemos comenzar allí, volviendo a los fundamentos, entonces estaremos en buena forma.