TED Salon Zebra Technologies
Matt Beane: How do we learn to work with intelligent machines?
Matt Beane: ¿Cómo aprendemos a trabajar con máquinas inteligentes?
Filmed:
Readability: 4.2
1,770,815 views
El camino hacia la habilidad en todo el mundo ha sido el mismo durante miles de años: entrenar con un experto y asumir tareas pequeñas y fáciles antes de avanzar hacia tareas más riesgosas y difíciles. Pero ahora mismo, estamos manejando la inteligencia artificial (IA) de una manera que bloquea ese camino, y sacrifica el aprendizaje en nuestra búsqueda de productividad, dice el etnógrafo organizador Matt Beane. ¿Qué se puede hacer? Beane comparte una visión que convierte la historia actual en una mentoría distribuida y mejorada por máquinas que aprovecha al máximo las increíbles capacidades de AI mientras que al mismo tiempo mejora nuestras habilidades.
Matt Beane - Organizational ethnographer
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. Full bio
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. Full bio
Double-click the English transcript below to play the video.
00:13
It’s 6:30 in the morning,
0
1292
1875
Son las 6:30 de la mañana,
00:15
and Kristen is wheeling
her prostate patient into the OR.
her prostate patient into the OR.
1
3583
4875
y Kristen está llevando
a su paciente de próstata al quirófano.
a su paciente de próstata al quirófano.
00:21
She's a resident, a surgeon in training.
2
9500
2250
Es médico residente,
una cirujana en formación.
una cirujana en formación.
00:24
It’s her job to learn.
3
12333
2167
Su trabajo es aprender.
00:27
Today, she’s really hoping to do
some of the nerve-sparing,
some of the nerve-sparing,
4
15292
3351
Hoy, ella realmente espera hacer
una cirugía que preserve los nervios,
una cirugía que preserve los nervios,
00:30
extremely delicate dissection
that can preserve erectile function.
that can preserve erectile function.
5
18667
3875
una disección extremadamente delicada
que puede preservar la función eréctil.
que puede preservar la función eréctil.
00:35
That'll be up to the attending surgeon,
though, but he's not there yet.
though, but he's not there yet.
6
23500
3338
Sin embargo, eso dependerá del cirujano
asistente, pero todavía no está allí.
asistente, pero todavía no está allí.
00:39
She and the team put the patient under,
7
27625
2393
Ella y el equipo pusieron
al paciente debajo,
al paciente debajo,
00:42
and she leads the initial eight-inch
incision in the lower abdomen.
incision in the lower abdomen.
8
30042
3708
y ella dirige la incisión inicial de 20 cm
en la parte inferior del abdomen.
en la parte inferior del abdomen.
00:47
Once she’s got that clamped back,
she tells the nurse to call the attending.
she tells the nurse to call the attending.
9
35042
3586
Una vez que lo tiene asegurado, dice
a la enfermera que llame al asistente.
a la enfermera que llame al asistente.
00:51
He arrives, gowns up,
10
39583
2292
Él llega, se viste,
00:54
And from there on in, their four hands
are mostly in that patient --
are mostly in that patient --
11
42458
5792
Y de ahí en adelante, cuatro manos
están mayormente en ese paciente.
están mayormente en ese paciente.
01:00
with him guiding
but Kristin leading the way.
but Kristin leading the way.
12
48708
2917
Con él guiando,
pero Kristin liderando el camino.
pero Kristin liderando el camino.
01:04
When the prostates out (and, yes,
he let Kristen do a little nerve sparing),
he let Kristen do a little nerve sparing),
13
52875
4643
Una vez está la próstata fuera
—y, sí, él permitió que
Kristen preservara los nervios—
Kristen preservara los nervios—
01:09
he rips off his scrubs.
14
57542
1226
él se arranca el uniforme.
01:10
He starts to do paperwork.
15
58792
1375
Comienza a hacer el papeleo.
01:12
Kristen closes the patient by 8:15,
16
60833
5375
Kristen cierra al paciente a las 8:15,
01:18
with a junior resident
looking over her shoulder.
looking over her shoulder.
17
66583
2435
con un residente junior
mirando por encima del hombro.
mirando por encima del hombro.
01:21
And she lets him do
the final line of sutures.
the final line of sutures.
18
69042
3083
Y ella le permite llevar a cabo
la última línea de suturas.
la última línea de suturas.
01:24
Kristen feels great.
19
72833
3042
Kristen se siente muy bien.
01:28
Patient’s going to be fine,
20
76250
1559
El paciente va a estar bien,
01:29
and no doubt she’s a better surgeon
than she was at 6:30.
than she was at 6:30.
21
77833
3167
y no hay duda de que es
mejor cirujana que a las 6:30.
mejor cirujana que a las 6:30.
01:34
Now this is extreme work.
22
82208
2834
Este es un trabajo extremo.
01:37
But Kristin’s learning to do her job
the way that most of us do:
the way that most of us do:
23
85417
3833
Pero Kristin aprende a hacer su trabajo
como lo hacemos la mayoría de nosotros:
como lo hacemos la mayoría de nosotros:
01:41
watching an expert for a bit,
24
89625
1893
observando a un experto un rato,
Involucrarse en partes fáciles y
seguras del trabajo.
seguras del trabajo.
01:43
getting involved in easy,
safe parts of the work
safe parts of the work
25
91542
3142
y progresando
hacia tareas más riesgosas y difíciles.
hacia tareas más riesgosas y difíciles.
01:46
and progressing to riskier
and harder tasks
and harder tasks
26
94708
2185
01:48
as they guide and decide she’s ready.
27
96917
2333
hasta que los guías
deciden que ella está preparada.
deciden que ella está preparada.
01:52
My whole life I’ve been fascinated
by this kind of learning.
by this kind of learning.
28
100042
2892
Toda mi vida me ha fascinado
este tipo de aprendizaje.
este tipo de aprendizaje.
01:54
It feels elemental,
part of what makes us human.
part of what makes us human.
29
102958
3667
Parece elemental,
parte de lo que nos hace humanos.
parte de lo que nos hace humanos.
01:59
It has different names: apprenticeship,
coaching, mentorship, on the job training.
coaching, mentorship, on the job training.
30
107750
5417
Tiene diferentes nombres: aprendizaje,
entrenamiento, tutoría, capacitación.
entrenamiento, tutoría, capacitación.
02:05
In surgery, it’s called
“see one, do one, teach one.”
“see one, do one, teach one.”
31
113542
3291
En cirugía, se llama "ver uno,
hacer uno, enseñar uno".
hacer uno, enseñar uno".
Pero el proceso es el mismo,
y ha sido el camino principal
y ha sido el camino principal
02:09
But the process is the same,
32
117625
1344
02:10
and it’s been the main path to skill
around the globe for thousands of years.
around the globe for thousands of years.
33
118993
4174
hacia las habilidades
en todo el mundo durante miles de años.
en todo el mundo durante miles de años.
02:16
Right now, we’re handling AI
in a way that blocks that path.
in a way that blocks that path.
34
124333
4500
Ahora utilizamos la IA de manera
que bloquea ese camino.
que bloquea ese camino.
Estamos sacrificando el aprendizaje
en nuestra búsqueda de productividad.
en nuestra búsqueda de productividad.
02:21
We’re sacrificing learning
in our quest for productivity.
in our quest for productivity.
35
129625
2690
Encontré esto por primera vez
en cirugía mientras estaba en el MIT,
en cirugía mientras estaba en el MIT,
02:25
I found this first in surgery
while I was at MIT,
while I was at MIT,
36
133292
2809
pero ahora tengo pruebas
de que está sucediendo en todo,
de que está sucediendo en todo,
02:28
but now I’ve got evidence
it’s happening all over,
it’s happening all over,
37
136125
2476
02:30
in very different industries
and with very different kinds of AI.
and with very different kinds of AI.
38
138625
3875
en industrias muy diferentes y
con diferentes tipos de IA.
con diferentes tipos de IA.
02:35
If we do nothing, millions of us
are going to hit a brick wall
are going to hit a brick wall
39
143083
5851
Si no hacemos nada, millones nos daremos
de frente contra una pared de ladrillos
de frente contra una pared de ladrillos
02:40
as we try to learn to deal with AI.
40
148958
2417
al intentar aprender a lidiar con la IA.
02:45
Let’s go back to surgery to see how.
41
153125
1772
Volvamos a la cirugía para ver cómo.
02:47
Fast forward six months.
42
155708
1935
Hago un avance rápido de seis meses.
02:49
It’s 6:30am again, and Kristen
is wheeling another prostate patient in,
is wheeling another prostate patient in,
43
157667
5476
Son las 6:30 am otra vez, y Kristen
está llevando a otro paciente de próstata,
está llevando a otro paciente de próstata,
02:55
but this time to the robotic OR.
44
163167
3166
Pero esta vez
a la sala de operaciones robótica.
a la sala de operaciones robótica.
02:59
The attending leads attaching
45
167667
1684
El asistente trae
03:01
a four-armed, thousand-pound
robot to the patient.
robot to the patient.
46
169375
2833
un robot de cuatro brazos y 500 kg
para el paciente.
para el paciente.
03:04
They both rip off their scrubs,
47
172750
2434
Ambos se arrancan las batas,
03:07
head to control consoles
10 or 15 feet away,
10 or 15 feet away,
48
175208
3125
se dirigen a las consolas de control
a 3 o 4 me de distancia,
a 3 o 4 me de distancia,
03:11
and Kristen just watches.
49
179167
3750
y Kristen solo mira.
El robot permite al asistente realizar
todo el procedimiento solo,
todo el procedimiento solo,
03:16
The robot allows the attending
to do the whole procedure himself,
to do the whole procedure himself,
50
184375
3053
03:19
so he basically does.
51
187452
1583
así que básicamente lo hace.
03:21
He knows she needs practice.
52
189917
2101
Él sabe que ella necesita práctica.
03:24
He wants to give her control.
53
192042
1583
Él quiere darle el control.
03:26
But he also knows she’d be slower
and make more mistakes,
and make more mistakes,
54
194250
3393
Pero también sabe que ella sería
más lenta y cometería más errores
más lenta y cometería más errores
03:29
and his patient comes first.
55
197667
1500
y su paciente es lo primero.
03:32
So Kristin has no hope of getting anywhere
near those nerves during this rotation.
near those nerves during this rotation.
56
200250
4625
Así Kristin no tiene esperanza de
acercarse a los nervios en esta operación.
acercarse a los nervios en esta operación.
03:37
She’ll be lucky if she operates more than
15 minutes during a four-hour procedure.
15 minutes during a four-hour procedure.
57
205417
4375
Tendrá suerte si opera más de 15 minutos
durante un procedimiento de cuatro horas.
durante un procedimiento de cuatro horas.
03:42
And she knows that when she slips up,
58
210250
2625
Y ella sabe que cuando ella resbala,
03:45
he’ll tap a touch screen,
and she’ll be watching again,
and she’ll be watching again,
59
213458
3042
él tocará una pantalla táctil,
y ella estará mirando otra vez,
y ella estará mirando otra vez,
03:48
feeling like a kid in the corner
with a dunce cap.
with a dunce cap.
60
216917
2625
sintiéndome como un niño
en la esquina con un gorro de burro.
en la esquina con un gorro de burro.
Como todos los estudios de robots y
trabajos que he realizado
trabajos que he realizado
03:53
Like all the studies of robots and work
I’ve done in the last eight years,
I’ve done in the last eight years,
61
221583
3501
en los últimos 8 años, lo comencé
con una gran pregunta abierta:
con una gran pregunta abierta:
03:57
I started this one
with a big, open question:
with a big, open question:
62
225108
2118
03:59
How do we learn to work
with intelligent machines?
with intelligent machines?
63
227250
2792
¿Cómo aprendemos a trabajar
con máquinas inteligentes?
con máquinas inteligentes?
04:02
To find out, I spent two and a half years
observing dozens of residents and surgeons
observing dozens of residents and surgeons
64
230792
5809
Para averiguarlo, pasé 2.5 años
observando a docenas
de residentes y cirujanos.
de residentes y cirujanos.
04:08
doing traditional and robotic surgery,
interviewing them
interviewing them
65
236625
3476
Haciendo cirugía tradicional
y robótica, entrevistándolos
y robótica, entrevistándolos
04:12
and in general hanging out
with the residents as they tried to learn.
with the residents as they tried to learn.
66
240125
3338
y saliendo con los residentes
mientras intentaban aprender.
mientras intentaban aprender.
04:16
I covered 18 of the top
US teaching hospitals,
US teaching hospitals,
67
244250
3351
Cubrí 18 de los mejores hospitales
universitarios de EE. UU.
universitarios de EE. UU.
04:19
and the story was the same.
68
247625
1458
Y la historia era la misma.
04:21
Most residents were in Kristen's shoes.
69
249875
2542
La mayoría de los residentes
estaban en la situación de Kristen.
estaban en la situación de Kristen.
04:24
They got to “see one” plenty,
70
252958
1792
Llegaron a "ver uno" mucho,
04:27
but the “do one” was barely available.
71
255583
2292
pero el "hacer uno"
apenas estaba disponible.
apenas estaba disponible.
04:30
So they couldn’t struggle,
and they weren’t learning.
and they weren’t learning.
72
258333
2528
Así que no pudieron luchar,
y no estaban aprendiendo.
y no estaban aprendiendo.
04:33
This was important news for surgeons, but
I needed to know how widespread it was:
I needed to know how widespread it was:
73
261291
3810
Esta era importante para los cirujanos,
pero quería saber lo extendido estaba:
pero quería saber lo extendido estaba:
04:37
Where else was using AI
blocking learning on the job?
blocking learning on the job?
74
265125
3833
¿Dónde más se usaba la AI
bloqueando el aprendizaje en el trabajo?
bloqueando el aprendizaje en el trabajo?
04:42
To find out, I’ve connected with a small
but growing group of young researchers
but growing group of young researchers
75
270208
4310
Para averiguarlo, conecté
con grupo de jóvenes investigadores
con grupo de jóvenes investigadores
un pequeño pero creciente que hecho
estudios sobre el trabajo con AI
estudios sobre el trabajo con AI
04:46
who’ve done boots-on-the-ground studies
of work involving AI
of work involving AI
76
274542
3434
en entornos muy diversos como
empresas de nueva creación, de vigilancia,
empresas de nueva creación, de vigilancia,
04:50
in very diverse settings
like start-ups, policing,
like start-ups, policing,
77
278000
2976
04:53
investment banking and online education.
78
281000
2601
de banca de inversión y
educación en línea.
educación en línea.
04:55
Like me, they spent at least a year
and many hundreds of hours observing,
and many hundreds of hours observing,
79
283625
5851
Como yo, pasaron al menos un año y
muchos cientos de horas observando,
muchos cientos de horas observando,
05:01
interviewing and often working
side-by-side with the people they studied.
side-by-side with the people they studied.
80
289500
3917
entrevistando y, a menudo, trabajando
con las personas que estudiaron,
con las personas que estudiaron,
05:06
We shared data, and I looked for patterns.
81
294458
2417
compartimos datos, y busqué patrones.
05:09
No matter the industry, the work,
the AI, the story was the same.
the AI, the story was the same.
82
297917
5208
No importa la industria, el trabajo,
la IA, la historia era la misma.
la IA, la historia era la misma.
05:16
Organizations were trying harder
and harder to get results from AI,
and harder to get results from AI,
83
304042
3642
Las organizaciones se esforzaban cada vez
más para obtener resultados de AI,
más para obtener resultados de AI,
05:19
and they were peeling learners away from
expert work as they did it.
expert work as they did it.
84
307708
3542
relegando a los aprendices
del trabajo experto que solían hacer.
del trabajo experto que solían hacer.
05:24
Start-up managers were outsourcing
their customer contact.
their customer contact.
85
312333
2875
Los gerentes de empresas
subcontraban a sus clientes.
subcontraban a sus clientes.
Los policías tenían que aprender
05:27
Cops had to learn to deal with crime
forecasts without experts support.
forecasts without experts support.
86
315833
4042
a lidiar con pronósticos de delitos
sin apoyo de expertos.
sin apoyo de expertos.
05:32
Junior bankers were getting
cut out of complex analysis,
cut out of complex analysis,
87
320875
3250
Los banqueros jóvenes estaban siendo
eliminados de un análisis complejo,
eliminados de un análisis complejo,
05:36
and professors had to build
online courses without help.
online courses without help.
88
324500
3083
y los profesores tenían que
montar cursos en línea sin ayuda.
montar cursos en línea sin ayuda.
05:41
And the effect of all of this
was the same as in surgery.
was the same as in surgery.
89
329125
3226
Y el efecto de todo esto fue
el mismo que en la cirugía.
el mismo que en la cirugía.
05:44
Learning on the job
was getting much harder.
was getting much harder.
90
332375
2917
Aprender en el trabajo era
cada vez más difícil.
cada vez más difícil.
05:48
This can’t last.
91
336958
1417
Esto no puede seguir así.
05:51
McKinsey estimates that between half
a billion and a billion of us
a billion and a billion of us
92
339542
4267
McKinsey estima que entre
500 y 1000 millones de nosotros
500 y 1000 millones de nosotros
05:55
are going to have to adapt to AI
in our daily work by 2030.
in our daily work by 2030.
93
343833
4125
tendremos que adaptarnos a la IA
en nuestro trabajo diario para el 2030.
en nuestro trabajo diario para el 2030.
Y estamos asumiendo
que el aprendizaje en el trabajo
que el aprendizaje en el trabajo
06:01
And we’re assuming
that on-the-job learning
that on-the-job learning
94
349000
2011
06:03
will be there for us as we try.
95
351035
1917
será posible ahí para nosotros
si lo intentamos.
si lo intentamos.
06:05
Accenture’s latest workers survey showed
that most workers learned key skills
that most workers learned key skills
96
353500
4268
La última encuesta de Accenture mostró que
la mayoría de los trabajadores aprendieron
la mayoría de los trabajadores aprendieron
06:09
on the job, not in formal training.
97
357792
2291
habilidades clave en el trabajo,
no en entrenamiento formal.
no en entrenamiento formal.
06:13
So while we talk a lot about its
potential future impact,
potential future impact,
98
361292
3517
Así que mientras hablamos mucho
sobre su posible impacto futuro,
sobre su posible impacto futuro,
06:16
the aspect of AI
that may matter most right now
that may matter most right now
99
364833
3685
el aspecto de la IA que puede
importar más en este momento
importar más en este momento
06:20
is that we’re handling it in a way
that blocks learning on the job
that blocks learning on the job
100
368542
3375
es que lo manejamos de una manera
que bloquea el aprendizaje en el trabajo
que bloquea el aprendizaje en el trabajo
06:24
just when we need it most.
101
372375
1625
justo cuando más lo necesitamos.
06:27
Now across all our sites,
a small minority found a way to learn.
a small minority found a way to learn.
102
375458
6042
En todos nuestros sitios, una pequeña
minoría encontró una manera de aprender.
minoría encontró una manera de aprender.
06:35
They did it by breaking and bending rules.
103
383625
3042
Lo hicieron rompiendo
y doblegando las reglas.
y doblegando las reglas.
06:39
Approved methods weren’t working,
so they bent and broke rules
so they bent and broke rules
104
387083
4643
Los métodos aprobados no funcionaban,
por lo que rompieron las reglas
por lo que rompieron las reglas
06:43
to get hands-on practice with experts.
105
391750
1976
para obtener prácticas
de verdad con expertos.
de verdad con expertos.
06:45
In my setting, residents got involved
in robotic surgery in medical school
in robotic surgery in medical school
106
393750
5601
En mi entorno, los residentes
se involucraron en cirugía robótica
se involucraron en cirugía robótica
06:51
at the expense
of their generalist education.
of their generalist education.
107
399375
3583
en la escuela de medicina
a expensas de su educación generalista.
a expensas de su educación generalista.
06:56
And they spent hundreds of extra hours
with simulators and recordings of surgery,
with simulators and recordings of surgery,
108
404417
5851
Y pasaron cientos de horas extra
con simuladores y grabaciones de cirugía,
con simuladores y grabaciones de cirugía,
07:02
when you were supposed to learn in the OR.
109
410292
2541
cuando se suponía que
iban a aprender en el quirófano.
iban a aprender en el quirófano.
07:05
And maybe most importantly,
they found ways to struggle
they found ways to struggle
110
413375
3476
Y tal vez lo más importante,
encontraron formas de luchar
encontraron formas de luchar
07:08
in live procedures
with limited expert supervision.
with limited expert supervision.
111
416875
3750
en procedimientos en vivo
con supervisión limitada de expertos.
con supervisión limitada de expertos.
07:13
I call all this “shadow learning,”
because it bends the rules
because it bends the rules
112
421792
4309
A todo esto lo llamo "aprendizaje
en la sombra", porque dobla las reglas
en la sombra", porque dobla las reglas
07:18
and learner’s do it out of the limelight.
113
426125
2000
y el alumno lo hace
fuera de la luz pública.
fuera de la luz pública.
07:21
And everyone turns a blind eye
because it gets results.
because it gets results.
114
429542
4101
Y todos hacen la vista gorda
porque obtiene resultados.
porque obtiene resultados.
07:25
Remember, these are
the star pupils of the bunch.
the star pupils of the bunch.
115
433667
3166
Recuerda, estos son
los alumnos estrella del grupo.
los alumnos estrella del grupo.
07:29
Now, obviously, this is not OK,
and it’s not sustainable.
and it’s not sustainable.
116
437792
3208
Obviamente, esto no está bien,
y no es sostenible.
y no es sostenible.
Nadie debería correr el riesgo
de ser despedido
de ser despedido
07:33
No one should have to risk getting fired
117
441708
2185
07:35
to learn the skills
they need to do their job.
they need to do their job.
118
443917
2150
por aprender las habilidades necesarias
para hacer su trabajo.
para hacer su trabajo.
07:38
But we do need to learn from these people.
119
446792
2056
Pero necesitamos
aprender de estas personas.
aprender de estas personas.
07:41
They took serious risks to learn.
120
449917
2250
Tomaron serios riesgos para aprender.
07:44
They understood they needed to protect
struggle and challenge in their work
struggle and challenge in their work
121
452792
4351
Entendieron que debían proteger
la lucha y el desafío en su trabajo
la lucha y el desafío en su trabajo
07:49
so that they could push themselves
to tackle hard problems
to tackle hard problems
122
457167
2892
para poder esforzarse
y enfrentar problemas difíciles
y enfrentar problemas difíciles
07:52
right near the edge of their capacity.
123
460083
1959
justo al borde de su capacidad.
También se aseguraron de que
hubiera un experto cerca
hubiera un experto cerca
07:54
They also made sure
there was an expert nearby
there was an expert nearby
124
462458
2216
07:56
to offer pointers and to backstop
against catastrophe.
against catastrophe.
125
464698
3094
que ofreciera consejos y apoyo
contra la catástrofe.
contra la catástrofe.
08:00
Let’s build this combination
of struggle and expert support
of struggle and expert support
126
468875
3458
Construyamos esta combinación
de lucha y apoyo experto
de lucha y apoyo experto
08:04
into each AI implementation.
127
472708
2750
en cada implementación de AI.
08:08
Here’s one clear example
I could get of this on the ground.
I could get of this on the ground.
128
476375
2828
Aquí hay un claro ejemplo de que
podría obtener de esto en el suelo.
podría obtener de esto en el suelo.
08:12
Before robots,
129
480125
1226
Antes de los robots,
08:13
if you were a bomb disposal technician,
you dealt with an IED by walking up to it.
you dealt with an IED by walking up to it.
130
481375
4792
si uno era un neutralizador de bombas,
lidiaba con un IED caminando hacia él.
lidiaba con un IED caminando hacia él.
Un oficial subalterno estaba
a cientos de metros de distancia,
a cientos de metros de distancia,
08:19
A junior officer was
hundreds of feet away,
hundreds of feet away,
131
487333
2143
08:21
so could only watch and help
if you decided it was safe
if you decided it was safe
132
489500
3309
Así que solo podía ver y ayudar
si decidía que era seguro
si decidía que era seguro
08:24
and invited them downrange.
133
492833
1417
y los guiaba en la actuación.
08:27
Now you sit side-by-side
in a bomb-proof truck.
in a bomb-proof truck.
134
495208
3893
Ahora se sienta uno al lado del otro
en un camión a prueba de bombas.
en un camión a prueba de bombas.
08:31
You both watched the video feed.
135
499125
1809
Ambos ven el video.
08:32
They control a distant robot,
and you guide the work out loud.
and you guide the work out loud.
136
500958
4310
Ellos controlan un robot distante,
y uno guía el trabajo en voz alta.
y uno guía el trabajo en voz alta.
08:37
Trainees learn better than they
did before robots.
did before robots.
137
505292
3208
Los alumnos aprenden mejor
que antes que existieran robots.
que antes que existieran robots.
08:41
We can scale this to surgery,
start-ups, policing,
start-ups, policing,
138
509125
3933
Podemos escalar esto a
cirugías, empresas nuevas, vigilancia,
cirugías, empresas nuevas, vigilancia,
08:45
investment banking,
online education and beyond.
online education and beyond.
139
513082
2625
banca de inversión,
educación en línea, etc.
educación en línea, etc.
La buena noticia es que tenemos
nuevas herramientas para hacerlo.
nuevas herramientas para hacerlo.
08:48
The good news is
we’ve got new tools to do it.
we’ve got new tools to do it.
140
516375
2500
Internet y la nube significan que no es
siempre necesario un experto por aprendiz,
siempre necesario un experto por aprendiz,
08:51
The internet and the cloud mean we don’t
always need one expert for every trainee,
always need one expert for every trainee,
141
519750
4082
08:56
for them to be physically near each other
or even to be in the same organization.
or even to be in the same organization.
142
524167
4458
no tienen que estar físicamente
uno cerca del otro
uno cerca del otro
incluso siendo de la misma organización.
09:01
And we can build AI to help:
143
529292
3041
Y podemos construir AI para ayudar a:
09:05
to coach learners as they struggle,
to coach experts as they coach
to coach experts as they coach
144
533167
5059
entrenar a aprendices y
entrenar a expertos como expertos.
entrenar a expertos como expertos.
09:10
and to connect those two groups
in smart ways.
in smart ways.
145
538250
2542
Y para conectar esos dos grupos
de manera inteligente.
de manera inteligente.
09:15
There are people at work
on systems like this,
on systems like this,
146
543375
2542
Hay gente trabajando
en sistemas como este,
en sistemas como este,
pero se han centrado principalmente
en la formación formal.
en la formación formal.
09:18
but they’ve been mostly focused
on formal training.
on formal training.
147
546333
2792
Y la crisis más profunda está
en el aprendizaje en el trabajo.
en el aprendizaje en el trabajo.
09:21
And the deeper crisis
is in on-the-job learning.
is in on-the-job learning.
148
549458
2584
09:24
We must do better.
149
552417
1851
Debemos hacerlo mejor.
09:26
Today’s problems demand we do better
150
554292
2583
Los problemas de hoy exigen
que lo hagamos mejor.
que lo hagamos mejor.
09:29
to create work that takes full advantage
of AI’s amazing capabilities
of AI’s amazing capabilities
151
557375
4875
para crear un trabajo que aproveche
al máximo las increíbles capacidades de AI
al máximo las increíbles capacidades de AI
09:35
while enhancing our skills as we do it.
152
563042
2750
mientras mejoramos
nuestras habilidades al hacerlo.
nuestras habilidades al hacerlo.
09:38
That’s the kind of future
I dreamed of as a kid.
I dreamed of as a kid.
153
566333
2750
Ese es el tipo de futuro que soñé de niño.
09:41
And the time to create it is now.
154
569458
2167
Y el momento de crearlo es ahora.
09:44
Thank you.
155
572333
1226
Gracias.
09:45
(Applause)
156
573583
3625
(Aplausos)
ABOUT THE SPEAKER
Matt Beane - Organizational ethnographerMatt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy.
Why you should listen
Matt Beane does field research on work involving robots to help us understand the implications of intelligent machines for the broader world of work. Any of his projects mean many hundreds of hours -- sometimes years -- watching, interviewing and often working side by side with people trying to work with robots to get their jobs done.
Beane has studied robotic surgery, robotic materials transport and robotic telepresence in healthcare, elder care and knowledge work. He has published in top management journals such as Administrative Science Quarterly, he was selected in 2012 as a Human Robot Interaction Pioneer and is a regular contributor to popular outlets such as Wired, MIT Technology Review, TechCrunch, Forbes and Robohub. He also took a two-year hiatus from his doctoral studies to help found and fund Humatics, an MIT-connected, full-stack IoT startup.
Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. He received his PhD from the MIT Sloan School of Management.
Matt Beane | Speaker | TED.com