Una respuesta convincente puede parecer una recomendación profesional
Imaginemos que una estudiante del bachillerato de sociales le cuenta a ChatGPT que le interesa el bienestar humano desde la perspectiva científica. Como la IA generativa basa sus recomendaciones en probabilidades, seguramente acabará sugeriéndole Medicina, Bioingeniería, o algo por el estilo. Y le explicará con “mucha seguridad” por qué cada opción podría interesarle. Pero… ¿puede la IA generativa tener en cuenta su personalidad? ¿Puede tener acceso a sus valores y su forma de trabajar? ¿Es capaz de relacionar las aptitudes cognitivas de la estudiante con las tareas de cada profesión? ¿Qué ha hecho realmente que una opción aparezca por delante de otra?
La IA generativa crea respuestas a partir de la información que recibe, basándose en probabilidades de textos anteriores. Cuando le pedimos que recomiende estudios, la selección que hace depende de lo que haya “leído” previamente en millones de textos, y si ha leído que el bienestar humano desde la ciencia se relaciona con la medicina, el sistema interpretará que hay muchas “probabilidades” de que esa la recomendación correcta.
Para recomendar con precisión, hay que medir y ponderar
Un sistema algorítmico de orientación, en cambio, parte de información estructurada sobre el estudiante y de datos sobre los empleos actuales. Después compara ambos perfiles y calcula, de manera controlada, qué profesiones se acercan más a sus características. Ese control lo mantiene en todo momento, porque previamente se han definido qué variables importan en cada trabajo y cuánto pesa cada una. ¿Quién los ha definido? Personas: psicólogos, orientadores y expertos en recursos humanos, en ningún caso la IA. En nuestra metodología por ejemplo se consideran intereses, aptitudes cognitivas, rasgos de personalidad, intereses profesionales, competencias, pensamiento computacional, valores, afinidad por sectores y tecnologías... Como cada empleo requiere una combinación distinta de estos rasgos, el sistema asigna puntuaciones de referencia a esas dimensiones y pondera su importancia no solo según la profesión, sino también según la combinación personal del estudiante. Y por eso la IA puede comparar opciones bajo esos criterios seguros y ordenar las recomendaciones por grado de afinidad, en un entorno absolutamente controlado.
Volvamos a la estudiante de Sociales interesada en el bienestar humano desde la ciencia. La descripción que ella hizo, lleva a la IA generativa a recomendar directamente Medicina o Bioingeniería. Pero cuando la IA algorítmica mide otras dimensiones de su perfil, y descubre rasgos como la abstracción, la inteligencia cristalizada, el pensamiento computacional y el valor transhumano, detecta conexiones mucho más específicas y clarificadoras de su potencial: a esta estudiante le gusta comprender el bienestar mediante modelos teóricos, le interesa dar sentido a esos modelos y tiene habilidades para traducirlos en sistemas automatizados. Esto no es Medicina.
Estos datos aportan información mucho más enriquecedora, que abren caminos como Humanidades, Filosofía y Tecnología o Ética de la Inteligencia Artificial. Y en consecuencia puede recomendar grados universitarios como el Grado en Ciencia, Tecnología y Humanidades, el Grado en Filosofía, Política, Derecho y Economía, el Grado en Gestión de la Sociedad Digital, el Grado en Humanidades Digitales e Inteligencia Artificial o el Grado en Liderazgo Transformador e Impacto Social. Estas opciones -desconocidas tanto por la estudiante y su entorno familiar, como por sus orientadores- no solo están relacionadas con su bachillerato, sino que además cuentan con una gran empleabilidad.
Por lo tanto, la diferencia entre ambas IA's está en cómo se construye la recomendación: la recomendación cambia según cuánto pesa cada dato. Si el interés expresado de la estudiante concentra casi toda la valoración, la estudiante verá sobre todo profesiones literalmente relacionadas con ese interés. Pero al incorporar aptitudes, personalidad, valores y características de los trabajos, emergen nuevas opciones que inicialmente no son tan obvias, pero que conectan mucho mejor con su perfil. Por este motivo son tan importante las ponderaciones, porque ayudan a decidir qué se considera y cuánto influye en cada resultado de la recomendación: un rasgo de personalidad puede modular el efecto de una aptitud cognitiva, los valores de un estudiante pueden reforzar la importancia de un interés profesional, etc. Así, cada dimensión influye en las demás y la recomendación refleja el perfil completo.
Cuándo ayuda la IA generativa y cuándo conviene tener más cautela
La IA generativa puede explicar en qué consiste un trabajo, describir cómo es un día habitual en esa profesión o ayudar a preparar preguntas para una sesión de orientación. También puede acercar al estudiante a ocupaciones que todavía desconoce y servir como apoyo para explorar intereses. La cautela hace falta cuando le pedimos que oriente a un joven sobre qué debería estudiar y que ordene sus opciones.
La UNESCO recomienda validar las herramientas de IA generativa y mantener un enfoque centrado en las personas en educación. En orientación vocacional, validar una herramienta también implica preguntarse cómo calcula sus recomendaciones y qué profesionales supervisan sus criterios.
Por eso, Singularity Experts recomienda usar la IA algorítmica sobre la IA generativa. Porque un chatbot puede explicar opciones, describir profesiones con un lenguaje cercano y ayudar al estudiante a explorar nuevas preguntas. Pero solo el cálculo de las recomendaciones, en cambio, sigue el modelo definido por los expertos: sus variables, sus relaciones y sus ponderaciones.
En Singularity Experts trabajamos para que cada estudiante pueda relacionar lo que le interesa y se le da bien con profesiones reales y rutas formativas concretas. Nuestros packs de orientación ayudan a familias y estudiantes a explorar esas opciones con una recomendación construida a partir de variables definidas, ponderadas y revisables.
Si quieres aprender más sobre cómo trabajamos, escríbenos.