La IA y la automatización remodelan la industria tecnológica, impactando en los empleos y la compensación
El rápido avance de la inteligencia artificial y la automatización está causando cambios significativos en la industria tecnológica, impactando en las perspectivas laborales y las estrategias de compensación, según informes recientes. Si bien las empresas de IA están experimentando valoraciones altísimas, la demanda de roles tradicionales de programación informática está disminuyendo y los empleadores están reconsiderando los modelos de compensación.
El empleo en programación informática en los EE. UU. ha caído a su nivel más bajo desde 1980, a medida que las empresas automatizan cada vez más las tareas, informó Fortune. Algunas empresas, como Anthropic, ya están utilizando la IA para el 100% de sus necesidades de codificación. Yamini Rangan, la CEO de HubSpot, una empresa de software de $15 mil millones, admitió que no sabe cómo serán los trabajos en un futuro habilitado por la IA, incluso en tan solo dos años. "A medida que las cosas evolucionan cada década, surgirán nuevos trabajos", dijo Rangan en el podcast Silicon Valley Girl. "Ni siquiera se puede planificar un trabajo que estará allí dentro de 10 años, o 20 años, o incluso cinco años".
En respuesta a estos cambios, muchos empleadores se están alejando de los aumentos salariales basados en el mérito en favor de "aumentos de mantequilla de maní", que son aumentos salariales uniformes y generales, informó Fortune. Según un informe de Payscale, alrededor del 44% de los empleadores planean implementar aumentos salariales uniformes en 2026. Alrededor del 16% de las organizaciones están implementando estos aumentos por primera vez, el 9% ya emplea la estrategia y otro 18% la está considerando este año. Alrededor del 56% de las empresas con mejor desempeño informaron que ejecutarían aumentos de mantequilla de maní.
Otra área que está experimentando una transformación significativa son los sistemas de Generación Aumentada por Recuperación (RAG). Las empresas se han apresurado a adoptar RAG para basar los Modelos de Lenguaje Grandes (LLM) en datos patentados, informó VentureBeat. Sin embargo, muchas organizaciones están descubriendo que la recuperación se ha convertido en una dependencia fundamental del sistema, en lugar de una característica añadida a la inferencia del modelo. Las fallas en la recuperación pueden propagarse directamente al riesgo empresarial, socavando la confianza, el cumplimiento y la confiabilidad operativa.
Dippu Kumar Singh escribió en VentureBeat que muchas empresas han implementado alguna forma de RAG, pero la realidad ha sido decepcionante, especialmente para las industrias que dependen de la ingeniería pesada. El fallo a menudo radica en el preprocesamiento, ya que las canalizaciones RAG estándar tratan los documentos como cadenas de texto planas, utilizando fragmentación de tamaño fijo que destruye la lógica de los manuales técnicos. "Cortan las tablas por la mitad, separan los subtítulos de las imágenes e ignoran la jerarquía visual de la página", escribió Singh.
Estos cambios resaltan la necesidad de que las empresas se adapten al panorama cambiante de la IA y la automatización. A medida que la IA continúa evolucionando, las empresas deben invertir en una infraestructura de recuperación robusta y considerar nuevas estrategias de compensación para seguir siendo competitivas y retener el talento.
Discussion
AI Experts & Community
Be the first to comment