¿Qué es el trabajo significativo?

Con nuestros dos cofundadores, Ethan y Zach, graduándose de BYU este pasado abril y yo (sí, el tipo pretencioso que escribe en primera persona del plural) comprometiéndome a un montón de trabajos de escritura de verano, hemos estado pensando más de cerca sobre la naturaleza del trabajo, específicamente sobre cómo la IA va a afectar cómo se siente, día a día, trabajar.

Las 5 Dimensiones del Trabajo Significativo

Leí un artículo recientemente llamado Las Implicaciones Éticas de la Inteligencia Artificial (IA) para el Trabajo Significativo. Los autores, Sarah Bankins y Paul Formosa, exploran un intrigante punto ciego en el discurso sobre IA y el lugar de trabajo: a saber, que muchos académicos ya han discutido lo que la IA significa para la productividad de nuestras vidas laborales, pero pocos han examinado lo que la IA significa para el significado de nuestro trabajo.

Ve y lee el artículo completo; aborda el problema de maneras perspicaces, basándose en una amplia gama de teorías útiles establecidas para tratar un tema sobre el que solo tenemos unos pocos párrafos para meditar aquí.

Pero así Bankins y Formosa identifican cinco dimensiones de lo que hace que el trabajo sea “significativo” (todo el material citado se toma de una sección del artículo titulada ¿Qué Constituye el Trabajo Significativo?):

Integridad de la tarea—"oportunidad de completar una pieza completa de trabajo"; el grado en que las tareas en el trabajo están integradas en lugar de fragmentadas

Cultivo y uso de habilidades—"la capacidad de usar y desplegar una variedad de habilidades en el trabajo"

Significación de la tarea—el grado en que el trabajo de uno es relevante o está conectado con el mundo en general

Autonomía—el grado de libertad que tiene una persona para ejecutar su trabajo de manera independiente de la supervisión, microgestión u otras formas de control externo

Pertenencia—qué tan mucho nuestro trabajo nos conecta con un grupo más amplio de seres humanos

Proceden a delinear cómo la IA, en varios niveles de implementación, afecta estas dimensiones. Concluyen que, si se implementa correctamente, la IA podría mejorar la experiencia laboral de una persona en cada una de estas áreas. Pero los estados de fallo son muchos y formidables. Sorpresa.

Hay mucho que desempacar allí, y los problemas merecen una discusión cuidadosa. Pero para nuestros propósitos, nos vamos a centrar en la posibilidad anterior: cómo la IA puede mejorar una experiencia de trabajo significativo.

Como una lección de objeto para ilustrar nuestros puntos (y para hacer publicidad descarada de nuestro producto), vamos a examinar el uso de Mindsmith por un profesional del diseño instruccional.

Lección de Objeto

Integridad de la tarea — Mindsmith está equipado para redactar esquemas y lecciones completas desde cero, así como agregar automáticamente imágenes de stock y refinar borradores; esto se encarga de gran parte del trabajo arduo del diseño instruccional, permitiendo a los diseñadores centrarse en ver el diseño del curso como una gestalt. El diseño se convierte en menos acerca de ejecutar una multitud de pequeñas tareas y más sobre producir contenido unificado.

Cultivo y uso de habilidades — Obviamente hay un riesgo de que Mindsmith, en este mismo proceso generativo, ponga a los diseñadores en una posición donde sus habilidades se atrofien. Esto no tiene por qué ser así. El componente de IA de Mindsmith funciona de manera más efectiva cuando está guiado por diseñadores humanos creativos y enfocados. Cuanto más dependan los diseñadores de Mindsmith, más se verán presionados para desarrollar las habilidades esenciales de un gran diseño instruccional: enfoque inquebrantable en las necesidades del aprendiz y los objetivos organizativos, atención aguda al contexto de la audiencia y estrategia retórica intencionada.

Significación de la tarea — Al utilizar Mindsmith, los diseñadores pasan del rol de redactores a editores. Su tarea se convierte en la consideración directa de cómo un borrador existente, generado por IA, de una capacitación impactará a una audiencia de aprendices reales, de carne y hueso. Los interesados finales se vuelven inmediatamente relevantes.

Autonomía — Al hacer que los diseñadores sean más productivos, Mindsmith automáticamente los hace más autónomos. Los diseñadores con acceso a Mindsmith tienen una base de conocimiento expansiva y una herramienta de diseño altamente eficiente en sus manos, lo que ampliará sus responsabilidades y oportunidades dentro de cualquier organización. Los gerentes astutos saben que deben dar a estos diseñadores un amplio margen para tomar decisiones de capacitación de alto nivel.

Pertenencia — Diseñamos Mindsmith para que sea colaborativo a nivel de interfaz y funcionalidad. Pero la naturaleza de la IA generativa en sí misma fomenta la comunicación cruzada: dado que estas herramientas son no determinísticas, los diseñadores en la misma organización tienen la oportunidad de realizar experimentos valiosos utilizando sus asistentes de IA respectivos para generar diferentes versiones de la misma lección. Esta iteración simultánea conecta a los colegas y crea oportunidades para la innovación.

Conclusión

El trabajo significativo es un tema al que sin duda volveremos en el futuro. A medida que nuestros amigos de IA se vuelven cada vez más competentes, la demanda de trabajo humano necesariamente disminuirá. ¿Qué sucede con el trabajo cuando ya no está inextricablemente ligado a ganar la vida?

Cuando todo lo que hacemos—pintar, hojas de cálculo, crepes, diseño instruccional, waterpolo—se hace mejor por la IA, ¿cómo nos acercamos a la educación y la capacitación en habilidades?

Afortunadamente, este es solo un pequeño blog dirigido por una startup. No tenemos obligación ni autoridad para responder a esas preguntas. Aún.

Sinceramente,

El Equipo de Mindsmith