Diseñamos una nueva empresa y trabajo en el paradigma de la Educación disruptiva & IA en el S XXI-I

Juan Domingo Farnós

En el contexto del siglo XXI, la convergencia entre la educación disruptiva y la inteligencia artificial (IA) ha generado un nuevo paradigma que redefine la forma en que concebimos la empresa y el trabajo. En nuestra empresa, nos comprometemos a abrazar este cambio transformador, aprovechando las tecnologías emergentes y los enfoques innovadores para impulsar el crecimiento y la excelencia en el entorno laboral.

Nuestra empresa se basa en los principios de la educación disruptiva, que desafía las estructuras tradicionales y fomenta la autonomía, la colaboración y la personalización de la demanda frente a la estandarización de la oferta.

Integramos la IA en todas las facetas de nuestra empresa y trabajo. Desde la selección de talento hasta la optimización de procesos, la IA potencia nuestras operaciones y decisiones con insights basados en datos, automatización inteligente y personalización escalable. Nuestros sistemas de aprendizaje automático analizan constantemente el rendimiento de los empleados, identifican oportunidades de mejora y ofrecen recomendaciones personalizadas para el desarrollo profesional.

Además, nuestra empresa se enmarca en el paradigma del siglo XXI, donde la inclusión, la diversidad y la equidad son valores fundamentales. Reconocemos la importancia de construir equipos multidisciplinarios y diversos que aporten una variedad de perspectivas y habilidades, lo que nos permite innovar de manera más efectiva y resolver problemas complejos de manera creativa.

La empresa en el paradigma de la educación disruptiva & IA en el siglo XXI es un espacio dinámico y colaborativo donde la excelencia se fomenta a través del aprendizaje continuo, la innovación tecnológica y la diversidad de pensamiento. Estamos comprometidos a liderar el camino hacia un futuro empresarial más inteligente, inclusivo y sostenible.

El impacto de la IA en la empresa y el trabajo del siglo XXI, centrándose aspectos clave: la mejora de la eficiencia y la productividad, el incremento de la confianza y la transparencia, y la mejora de la experiencia del empleado y la satisfacción en el trabajo.

La implementación de la IA en la empresa puede mejorar la eficiencia y la productividad en la toma de decisiones empresariales. La IA puede analizar grandes cantidades de datos en tiempo real, lo que permite a los gerentes tomar decisiones informadas y precisas. Además, la automatización de tareas repetitivas y rutinarias mediante la IA libera tiempo y recursos para que los empleados se centren en tareas más estratégicas y creativas. Esto puede llevar a un aumento de la productividad y la eficiencia en la empresa, lo que puede tener un impacto positivo en la rentabilidad y el crecimiento.

La IA en la empresa puede incrementar la confianza y la transparencia en la relación personas-máquinas en el lugar de trabajo. La transparencia en la toma de decisiones mediante la IA puede mejorar la confianza de los empleados en la empresa y sus procesos. Además, la explicabilidad de la IA puede ayudar a los empleados a entender cómo se toman las decisiones y por qué. Esto puede reducir la ansiedad y la incertidumbre en el lugar de trabajo, lo que puede mejorar la experiencia del empleado y la satisfacción en el trabajo.

Por último, la implementación de la IA en la empresa puede mejorar la experiencia del empleado y la satisfacción en el trabajo. La IA puede ayudar a personalizar la experiencia del empleado y adaptarse a sus necesidades y preferencias individuales. Además, la implementación de la IA en el lugar de trabajo puede mejorar la eficiencia y la productividad de los empleados, lo que puede llevar a una mayor satisfacción y experiencia en el trabajo.

La IA puede mejorar la eficiencia y la productividad en la toma de decisiones empresariales, incrementar la confianza y la transparencia en la relación personas-máquinas en el lugar de trabajo, y mejorar la experiencia del empleado y la satisfacción en el trabajo. Es importante que las empresas consideren cuidadosamente el impacto de la IA en su organización y tomen medidas para garantizar que su implementación sea ética y responsable.

En un entorno empresarial tradicional, la relación entre el trabajo y la empresa se basa principalmente en transacciones estáticas, donde los empleados cumplen roles definidos y las empresas ofrecen productos y servicios estandarizados. La transformación hacia un modelo impulsado por la demanda, con soporte de IA, redefine esta relación, creando un ecosistema dinámico y adaptativo.

Representación Gráfica:

luaCopiar código          +------------------+
          |                  |
          |   Empresa        |
          |                  |
          +------------------+
                 |
                 |
          +------+-------+
          |              |
          |   Valores    |
          |  Fundamentales|
          |              |
          +------+-------+
                 |
                 |
          +------+-------+
          |              |
          |   Cultura    |
          |  Organizacional|
          |              |
          +------+-------+
                 |
                 |
     +-----------+-----------+
     |                       |
+----v----+            +-----v-----+
| Educación|            |   IA &    |
|Disruptiva|            |  Aprendizaje|
+----+----+            | Automático |
     |                 +-----+-----+
     |                       |
+----v----+            +-----v-----+
| Diversidad|           |  Innovación|
|   e      |           |   Tecnológica|
|Inclusión|            +------------+
+---------+

Representación algorítmica en pseudocódigo que describe cómo nuestra empresa en el paradigma de la educación disruptiva & IA en el siglo XXI-I podría funcionar:

arduinoCopiar código// Definición de los valores fundamentales de la empresa
valoresFundamentales = {
    autonomia,
    colaboracion,
    diversidad,
    inclusion
}

// Establecimiento de la cultura organizacional
culturaOrganizacional = {
    aprendizajeContinuo,
    experimentacion,
    adaptabilidad
}

// Integración de la educación disruptiva en las prácticas de desarrollo profesional
educacionDisruptiva = {
    formacionEquiposMultidisciplinarios,
    personalizacionDesarrolloProfesional
}

// Implementación de sistemas de IA y aprendizaje automático
sistemasIA_AprendizajeAutomatico = {
    analisisDatosRendimiento,
    recomendacionesPersonalizadas
}

// Fomento de la diversidad y la inclusión
diversidadInclusion = {
    formacionEquiposDiversos,
    promocionEquidad
}

// Promoción de la innovación tecnológica
innovacionTecnologica = {
    colaboracionEquipos,
    usoHerramientasVanguardia

Transformación: De la Transacción Estática a la Dinámica

1. De Roles Fijos a Roles Dinámicos:

Antes: Los empleados tenían roles fijos y específicos dentro de la organización.
Ahora: Los roles son fluidos y adaptativos, alineándose con proyectos específicos y necesidades emergentes.

2. De Productos Estandarizados a Soluciones Personalizadas:

Antes: Las empresas ofrecían productos y servicios uniformes a todos los clientes.
Ahora: Las empresas personalizan sus ofertas basadas en análisis de datos y tendencias de mercado, adaptándose a las necesidades individuales de los clientes.

3. De Feedback Estático a Feedback Continuo:

Antes: El feedback de clientes y empleados era recolectado periódicamente y de forma estática.
Ahora: El feedback se obtiene en tiempo real y se integra continuamente para ajustar y mejorar productos y procesos.

Proceso Transaccional Dinámico

Empresa TecnoInnovar S.A.

Estructura Organizacional

Proyecto	Equipo Multidisciplinario	Roles dentro del equipo
Proyecto 1	Equipo A	Líder de Proyecto, Desarrollador, Analista de Datos, Diseñador UX/UI
Proyecto 1	Equipo B	Líder de Proyecto, Desarrollador, Ingeniero de DevOps, Especialista en QA
Proyecto 2	Equipo C	Líder de Proyecto, Desarrollador, Científico de Datos, Ingeniero de IA
Proyecto 2	Equipo D	Líder de Proyecto, Desarrollador, Analista de Negocios, Ingeniero de Infraestructura
Proyecto N	Equipo E	Líder de Proyecto, Desarrollador, Ingeniero de Redes, Especialista en Seguridad
Proyecto N	Equipo F	Líder de Proyecto, Desarrollador, Arquitecto de Soluciones, Ingeniero de Sistemas

Ejemplo de Interacción Transaccional Dinámica

Caso 1: Desarrollo de un Nuevo Producto Basado en IA

Identificación de Necesidad:
- IA Analiza Datos de Mercado: La IA detecta una creciente demanda de soluciones de automatización en el hogar.
Formación de Equipos:
- Equipo Multidisciplinario: Se forma un equipo con un Líder de Proyecto, Desarrolladores, un Científico de Datos y un Diseñador UX/UI.

La formación de equipos multidisciplinarios es esencial en el contexto del cambio de significado del trabajo en el paradigma de la Educación Disruptiva y la Inteligencia Artificial (IA) en las empresas. Estos equipos combinan diversas habilidades y perspectivas para abordar desafíos complejos y aprovechar las oportunidades emergentes. A continuación, detallo el papel de cada miembro en este equipo:

Líder de Proyecto:
- Responsable de la planificación, coordinación y ejecución del proyecto.
- Define los objetivos del equipo y establece un plan de trabajo claro.
- Gestiona los recursos, el presupuesto y el cronograma del proyecto.
- Actúa como punto de contacto principal con los stakeholders y la dirección de la empresa.
Desarrolladores:
- Son los encargados de crear y programar las soluciones tecnológicas requeridas.
- Desarrollan software, aplicaciones web o móviles, sistemas de IA, entre otros.
- Trabajan en estrecha colaboración con el resto del equipo para implementar las funcionalidades necesarias según los requisitos del proyecto.
Científico de Datos:
- Analiza grandes conjuntos de datos para extraer información relevante y generar conocimiento.
- Diseña y aplica algoritmos de aprendizaje automático y técnicas de minería de datos para identificar patrones y tendencias.
- Proporciona información clave para la toma de decisiones basada en datos y contribuye a la creación de modelos predictivos y análisis de riesgos.
Diseñador UX/UI (Experiencia de Usuario/Interfaz de Usuario):
- Se encarga de diseñar la experiencia de usuario y la interfaz de usuario de las soluciones desarrolladas.
- Crea prototipos, wireframes y diseños visuales que optimizan la usabilidad y la accesibilidad.
- Asegura que la solución tecnológica sea intuitiva, atractiva y cumpla con las necesidades y expectativas de los usuarios finales.

Importancia de la Formación Multidisciplinaria

Enfoque Integral: La diversidad de habilidades y perspectivas en el equipo garantiza un enfoque integral para abordar los desafíos y encontrar soluciones innovadoras.
Mayor Creatividad: La combinación de conocimientos de diferentes áreas fomenta la creatividad y la generación de ideas disruptivas.
Mejor Resolución de Problemas: La colaboración entre expertos de diferentes disciplinas permite una mejor resolución de problemas al considerar múltiples enfoques y soluciones alternativas.
Mayor Aceptación del Usuario: La inclusión del diseñador UX/UI desde el inicio del proyecto garantiza que la solución tecnológica sea diseñada pensando en las necesidades y preferencias del usuario final, lo que aumenta su aceptación y adopción.

La formación de equipos multidisciplinarios, como el descrito, es esencial para aprovechar al máximo el potencial de la Educación Disruptiva y la IA en las empresas, permitiendo la creación de soluciones innovadoras que impulsen el cambio y la mejora continua.

Desarrollo y Personalización:
- Iteraciones Rápidas: El equipo desarrolla prototipos iterativos basados en el feedback continuo de clientes y datos de uso.
- Personalización: Los productos se personalizan según las necesidades específicas identificadas por la IA.
Lanzamiento y Ajustes Continuos:
- Feedback en Tiempo Real: Se recolecta feedback de los primeros usuarios, y la IA sugiere ajustes y mejoras.
- Implementación de Mejoras: El equipo ajusta el producto en base a este feedback, asegurando que se mantenga alineado con las necesidades del cliente.

Tabla de Comparación de Procesos Transaccionales

Aspecto	Modelo Tradicional	Modelo Transformado con IA
Roles de Empleados	Fijos, definidos por jerarquía	Dinámicos, definidos por necesidades del proyecto
Ofertas de Productos	Estandarizadas, producidas en masa	Personalizadas, basadas en datos y demanda
Feedback de Clientes	Periódico, análisis post-lanzamiento	Continuo, integrado en tiempo real
Adaptación al Mercado	Lenta, basada en ciclos largos de producto	Rápida, basada en análisis predictivo
Proceso de Innovación	Estructurado, a largo plazo	Ágil, iterativo y adaptativo

HealthTech Global: Ejemplo de Interacción Transaccional Dinámica

Caso 2: Personalización de Servicios de Salud

Análisis de Datos de Pacientes:
- IA Recolecta Datos de Salud: Dispositivos de monitoreo recolectan datos de salud en tiempo real (e.g., IMC, niveles de actividad).
Formación de Equipos Autónomos:
- Equipos Flexibles: Se forman equipos con roles flexibles según las necesidades de los pacientes.
Desarrollo de Soluciones Personalizadas:
- Recomendaciones de Salud Personalizadas: La IA analiza los datos y proporciona recomendaciones de salud personalizadas (dieta, ejercicio, tratamientos).
Monitoreo y Ajustes Continuos:
- Feedback Continuo: La salud de los pacientes es monitoreada continuamente, y la IA ajusta las recomendaciones en tiempo real.
- Adaptación de Tratamientos: Los equipos autónomos adaptan los tratamientos según las nuevas recomendaciones de la IA.

Implementación de IA en Procesos Transaccionales

Algoritmo en Python para Personalización de Servicios de Salud

pythonCopiar códigoimport pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.metrics import accuracy_score

# Datos ficticios de salud de clientes
data = {
    'Edad': [25, 34, 45, 50, 23, 35, 64, 45, 52, 29],
    'IMC': [22.4, 27.8, 30.1, 25.0, 24.5, 28.7, 31.4, 29.2, 26.5, 22.1],
    'Fumador': [0, 1, 1, 0, 0, 1, 1, 1, 0, 0],
    'Ejercicio Regular': [1, 0, 0, 1, 1, 0, 0, 0, 1, 1],
    'Recomendación': [1, 0, 1, 1, 0, 1, 1, 0, 1, 0]
}

# Convertir a DataFrame
df = pd.DataFrame(data)

# Variables predictoras y objetivo
X = df[['Edad', 'IMC', 'Fumador', 'Ejercicio Regular']]
y = df['Recomendación']

# Dividir en conjunto de entrenamiento y prueba
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Entrenar modelo de Gradient Boosting
modelo = GradientBoostingClassifier(n_estimators=100, random_state=42)
modelo.fit(X_train, y_train)

# Predicciones
y_pred = modelo.predict(X_test)

# Calcular precisión
precision = accuracy_score(y_test, y_pred)
print(f"Precisión del modelo: {precision}")

# Predecir recomendaciones futuras
nuevos_clientes = pd.DataFrame({
    'Edad': [30, 40],
    'IMC': [25.0, 28.0],
    'Fumador': [0, 1],
    'Ejercicio Regular': [1, 0]
})
recomendaciones_futuras = modelo.predict(nuevos_clientes)
print(f"Recomendaciones futuras: {recomendaciones_futuras}")

Resultados del Algoritmo

plaintextCopiar códigoPrecisión del modelo: (valor calculado)
Recomendaciones futuras: [1, 0]

La transformación del predominio de la oferta al predominio de la demanda, apoyada por tecnologías de IA, redefine las transacciones entre trabajo y empresa. La estructura organizacional se vuelve más flexible, los roles de los empleados se adaptan continuamente a las necesidades del mercado, y los productos y servicios se personalizan en tiempo real. Este modelo dinámico permite a las empresas responder de manera más ágil y precisa a las demandas del mercado, optimizando tanto la satisfacción del cliente como la eficiencia operativa.

Aprender a trabajar, y trabajar aprendiendo, la educación se incrusta en el trabajo, cambia un modelo casi “ancestral” de educación de las escuelas y universidades, por una educación “enrolada· dentro del trabajo, “se aprende trabajando y el trabajo necesita de una formación de las personas de manera constante y permanente (life long learning)…. De Juan Domingo Farnos y Stephen Downes CONFERENCIAS en «Educación permanente»http://encuentro.educared.org/…/conferencias…

“El cuidado de los negocios significa cuidar del aprendizaje». Si el aprendizaje está en todas partes , debe definitivamente estar donde está el trabajo . Cuando el aprendizaje es el trabajo, tenemos que observar cómo la gente está aprendiendo a hacer su trabajo ya. Debemos encontrar estos caminos naturales y reforzarlos.

Hay otras acciones pragmáticas para tomar:

a-Conectarse es “cómo” aprender a la tarea actual. Mostrar y contar sólo funciona si se puede poner en práctica. La curva del olvido es empinada cuando no hay práctica.

b-Que sea un trabajo de todos para compartir lo que han aprendido. ¿Has notado lo fácil que es encontrar “cómo hacer” videos y explicaciones en la Web? Eso es porque alguien se ha tomado el tiempo para publicarlos. Todo el mundo en la organización debería hacer esto, si se trata de un texto corto, una foto, un mensaje, un artículo, una presentación con las notas, o un vídeo en toda regla.

c-Crear espacio para hablar de las cosas y captar lo que se transmite . Obtengamos estas conversaciones al aire libre donde se puedan compartir. Proporcionar tiempo y el espacio para la reflexión y la lectura. Hay más conocimiento fuera de cualquier organización que dentro. (La escuela y la universidad pierden la esencia de toda la vida, ahora el conocimiento está en todas partes y eso “es mucho más grande que cuatro paredes”… Juan Domingo Farnós

d-Romper las barreras. Establecer la transparencia como el modo por defecto, por lo que cualquiera puede saber lo que otros están haciendo. Desbloquear los cuellos de botella de comunicación, al igual que los supervisores que controlan el flujo de información. Si los supervisores no pueden manejar un entorno abierto, de deshacerse de ellos , ya que constituyen un obstáculo para el aprendizaje organizacional y ahora es de misión crítica.

Todo esto se puede hacer dentro de las unidades de negocio. Los equipos de trabajo pueden dejar los cursos a los especialistas en formación, pero deberían tomar el control de su propio aprendizaje. El aprendizaje es el trabajo.” … hace referencia al aprendizaje ubicuo, como una forma de establecer puentes primero, y fusiones después, entre educación y trabajo…

Con todo ello, la confianza, la transparencia, el compartir experiencias…realmente esto es el aprendizaje y en ello se basa el trabajo.

La Educación como elemento aislado ha terminado, debe ir con el comercio, la cultura, el trabajo…pasamos a una meta-conectividad..

Pasar de “el fracaso no es una opción. a el fracaso no es un problema” es cambiar de “cultura, es pasarar a una cultura de la RESILIENCIA….a una cultura de superación, adaptación, transparencia y confianza…lo que podríamos definir como cultura de la REDARQUÍA..

La aparición de la redarquía en la empresa y el trabajo, junto con la caída de las jerarquías tradicionales, es un fenómeno relevante en el contexto de la Educación Disruptiva y el avance de la Inteligencia Artificial (IA) y la Inteligencia Artificial General (AGI). Este cambio se debe a la necesidad de adaptación y agilidad en un entorno empresarial cada vez más complejo y cambiante. A continuación, exploraré este tema desarrollando explicaciones, estableciendo tablas, gráficos ASCII, algoritmos y árboles de decisión en código.

Explicación del Fenómeno

Jerarquías Tradicionales:

En las estructuras jerárquicas tradicionales, la toma de decisiones y la autoridad están concentradas en la cúspide de la pirámide organizacional.
La información y las comunicaciones fluyen de arriba hacia abajo, lo que puede provocar problemas de comunicación y una falta de agilidad para adaptarse a los cambios del mercado.

Redarquía:

La redarquía es un modelo organizacional más flexible y colaborativo, donde la toma de decisiones se distribuye entre los miembros del equipo.
La información y las comunicaciones se comparten de manera horizontal entre todos los miembros de la organización, lo que facilita la colaboración y la innovación.

Impacto de la Educación Disruptiva:

La Educación Disruptiva promueve un enfoque de aprendizaje continuo y adaptativo, donde los trabajadores adquieren nuevas habilidades y conocimientos de manera autónoma.
Esto fomenta la autonomía y la responsabilidad individual, lo que se alinea con los principios de la redarquía y la colaboración horizontal.

Rol de la IA y la AGI:

La IA y la AGI pueden potenciar la redarquía al automatizar tareas repetitivas y liberar tiempo para la creatividad y la innovación.
Los algoritmos de IA pueden analizar grandes cantidades de datos y proporcionar insights valiosos para la toma de decisiones colaborativa en un entorno de redarquía.

Tabla Comparativa: Jerarquía vs. Redarquía

Aspecto	Jerarquía	Redarquía
Toma de Decisiones	Centralizada en la cúspide	Distribuida entre los miembros del equipo
Flujo de Información	Vertical (de arriba hacia abajo)	Horizontal (entre todos los miembros)
Autonomía	Limitada a niveles superiores	Promovida en todos los niveles
Colaboración	Limitada entre niveles jerárquicos	Fomentada entre todos los miembros

Gráfico ASCII: Representación de Jerarquía vs. Redarquía

  Jerarquía Tradicional           Redarquía
    _______                        _______
   |   CEO |                      |   CEO |
   |_______|                      |_______|
        |                             |
   ______|_____                  ____|_____
  |     VP     |                |  VP     |
  |___________|                |_________|
        |                             |
   ______|_____                  ____|_____
  |  Gerente  |                |  Gerente |
  |___________|                |_________|
        |                             |
   ______|_____                  ____|_____
  |  Empleado |                |  Empleado|
  |___________|                |_________|

Algoritmo: Simulación de Toma de Decisiones en Redarquía

pythonCopiar códigoimport random

def toma_decisiones_redarquia(miembros_equipo):
    decisiones = {}
    for miembro in miembros_equipo:
        decision = random.choice(["A", "B", "C"])  # Ejemplo de decisiones posibles
        decisiones[miembro] = decision
    return decisiones

equipo = ["Juan", "María", "Carlos", "Ana"]
decisiones_equipo = toma_decisiones_redarquia(equipo)
print("Decisiones del Equipo:")
for miembro, decision in decisiones_equipo.items():
    print(f"{miembro}: {decision}")

Árbol de Decisión en Código: Elección de Modelo de Negocio

pythonCopiar códigodef elegir_modelo_negocio(factores_externos):
    if factores_externos["demanda"] > 0.5 and factores_externos["competencia"] < 0.3:
        return "E-commerce"
    elif factores_externos["innovacion"] > 0.7:
        return "Plataforma de Suscripción"
    else:
        return "Servicios Personalizados"

factores = {"demanda": 0.6, "competencia": 0.2, "innovacion": 0.8}
modelo_negocio = elegir_modelo_negocio(factores)
print("Modelo de Negocio Recomendado:", modelo_negocio)

La transición de la jerarquía a la redarquía en la empresa y el trabajo, facilitada por la Educación Disruptiva y el apoyo de la IA y la AGI, promueve la colaboración, la innovación y la agilidad en un entorno empresarial en constante cambio. La flexibilidad y la distribución de la toma de decisiones fortalecen la adaptabilidad de las organizaciones y su capacidad para prosperar en un mundo digitalizado y altamente competitivo.

Frédéric Laloux

Obra Clave: «Reinventing Organizations: A Guide to Creating Organizations Inspired by the Next Stage of Human Consciousness»
Enfoque: Laloux propone el concepto de «organizaciones evolutivas» que operan bajo principios de autogestión, plenitud y propósito. Explora cómo estas organizaciones adoptan estructuras más horizontales y participativas, similar a lo que se entiende como redarquía.

Henry Mintzberg

Obra Clave: «The Structuring of Organizations: A Synthesis of the Research»
Enfoque: Mintzberg es conocido por sus investigaciones sobre la estructura organizativa y los diferentes modelos de organizaciones. Aunque no se centra específicamente en la redarquía, su trabajo proporciona una base teórica para entender las diversas formas en que las empresas pueden organizarse y gestionarse.

Ricardo Semler

Obra Clave: «Maverick: The Success Story Behind the World’s Most Unusual Workplace»
Enfoque: Semler es un defensor de la democracia empresarial y la descentralización del poder en las organizaciones. Su libro «Maverick» relata su experiencia en la transformación de su empresa, Semco, hacia un modelo más horizontal y participativo, donde la toma de decisiones se comparte entre todos los empleados.

Ken Blanchard

Obra Clave: «Leadership and the One Minute Manager: Increasing Effectiveness Through Situational Leadership»
Enfoque: Blanchard es conocido por su enfoque en el liderazgo situacional y la importancia de adaptar el estilo de liderazgo a las necesidades y competencias de los miembros del equipo. Aunque no se centra explícitamente en la redarquía, sus ideas sobre el liderazgo compartido y la delegación de responsabilidades son relevantes para este concepto.

Gary Hamel

Obra Clave: «The Future of Management»
Enfoque: Hamel es un experto en gestión empresarial que aboga por la innovación y la transformación en las organizaciones. En su libro «The Future of Management», explora cómo las empresas pueden adoptar modelos más flexibles y adaptativos para enfrentar los desafíos del siglo XXI, lo que incluye la adopción de estructuras más horizontales y colaborativas.

Cada vez necesitamos más adaptarnos a un nuevo PARADIGMA, más eficiente de aprender y con métodos más transparentes y más confiables métodos de evaluación alentando a los estudiantes a explorar diversas ideas, experimentar con diversos formatos o construir puentes con las comunidades diversas.

Todos estos planteamientos sociales, educativos, laborales están directamente relacionado con la filosofía pedagógica y práctica educativa de Paulo Freire, y con el enfoque del educador uruguayo de origen argentino Mario Kaplún. Para este autor, el proceso comunicativo es al mismo tiempo proceso de aprendizaje.

Es durante este proceso de feedback donde se produce la creación activa de significados por parte de los que aprenden, lo que supone romper con el modelo de comunicación lineal-unidireccional-vertical característico de la educación tradicional, para transformarlo en un modelo interactivo-bidireccional-horizontal.

Este nuevo postulado pone de relieve que es precisamente en el intercambio de roles entre emisores y receptores donde se producen los procesos de aprendizaje.

Mario Kaplún “educarse es involucrarse en una múltiple red de interacciones” ya que, siguiendo a Vigotsky y a Bruner, el aprendizaje es un producto social en permanente construcción.

En efecto, la base del proceso de enseñanza-aprendizaje debe estar en la participación activa de los educandos, a los que Kaplún considera, no como receptáculos pasivos dentro del proceso comunicativo-educativo (educación bancaria, en palabras de Paulo Freire), sino como protagonistas activos y sujetos creadores de una dinámica-red de interacciones permanentes, entendida como vehículo de creación de aprendizajes y de construcción de conocimiento.

La universidad y el mundo del trabajo fueran lo mismo y que incluso el aprendizaje fuera de la universidad tuviese el mismo reconocimiento que la academia universitaria aun tiene ahora. Si este posicionamiento se lleva a cabo (Educacion Disruptiva-learning is the work), no hará ni falta que las Universidades ( a lo mejor ni existen), se «vendan· al capital, ara en la realidad «solo» sacar dinero y por contra, ni siquiera hacer bien su papel.

Juan Domingo Farnós hace referencia al aprendizaje ubicuo, como una forma de establecer puentes primero, y fusiones después, entre educación y trabajo…

[…] se puede aprender en cualquier lugar, pero además valorándolo, es decir, si yo aprendo fuera del centro, que lo que yo aprenda tenga tanto valor como lo que es curricular, como lo que está dentro del centro, y no sólo eso, sino que tenga más valor que lo curricular por tratarse de un aprendizaje que atiende a lo que cada alumno quiere aprender.

Coincidimos plenamente Harold Jarche y Juan Domingo Farnos en que … una sociedad compleja requiere de planteamientos complejos, ya no hablamos de soluciones, lo cual sería muy pretencioso….

El mundo natural se compone de sistemas complejos y por tanto tiene sentido que las mejores estrategias para una población son las que toman en cuenta esta complejidad.

Si bien es cierto que la empresa tampoco tiene bien entendido lo que necesita de la universidad:

Cada vez piden una producción de resultados más medibles, enmarcados por las narrativas deterministas de la empleabilidad y de la empresa -cooptación- Tal demanda es inmanente a los procesos de financiación y la mercantilización, que estimulan la producción de las actividades del plan de estudios académicos cuantificables y servicios comercializables.

Sin embargo, la universidad también se ve afectada por las crisis socio-económicas y socio-ambientales globales, que se pueden expresar como una función de una crisis más amplia de reproducción social o sociabilidad. A medida que el trabajo de académicos y estudiantes es impulsado cada vez más por una mercancía-valoración arraigada en la medición del rendimiento, la capacidad de los académicos y estudiantes para responder a las crisis desde el interior de la universidad se ve limitada por el mercado.

Uno de los momentos centrales de este proceso es la cuantificación -en el sentido de Desrosières A. (2008)- es decir la normalización y medida del trabajo: esta operación consiste en descontextualizar el trabajo, vaciarlo de su sentido específico de forma que se pueda comparar de manera puramente cuantitativa con otro trabajo científico y, en última instancia, con cualquier trabajo. El valor de este trabajo general está dirigido al mercado, en vista de su realización como valor de cambio. Este valor, liberado de toda subjetividad, en particular de la subjetividad de su productor, adquiere un poder sobre él.

El conocimiento y el trabajo docente cada vez valen menos por sí mismos y más por sus capacidades para producir valor económico, que llega a realizarse bajo la forma del arancel universitario. Esta transformación se concreta en la organización del trabajo, al que pretende modernizar y racionalizar, cuando en realidad se trata de extender la dominación del capital sobre el trabajo.

Por tanto afirmamos, como venimos explicando, es posible disolver el trabajo académico en el tejido de la sociedad en su trabajo intelectual, a través del cual se hace posible otra imagen de la sociedad y la producción social. Aquí las ideas del cooperativismo y la práctica abierta sin miedo, sustentan una política de alianzas entre aprendizajes-trabajo, pero no regentados por la universidad, si no por la propia sociedad, por lo que cambiaría completamente el actual estado de las cosas….

Si bien Richard Sennet y Saskia Sassen, nos hablan de crear otros CONCEPTOS que nos ayuden a comprender mejor las dinámicas sociales actuales, no es menos cierto que conceptos como DISRUPCIÓN SOCAL, RESPONSABILIDAD EDUCATIVA DE LOS APRENDICES, que TRABAJO Y EDUCACIÓN sean lo mismo….ello ya implica la conformación de una sociedad muy diferente de la actual, ya que estas propuestas determinan otra concepción que hace que la sociedad deje de ser uniformizante y jerarquizada, a abierta, diversa y redárquica Y CREO QUE ES EL CAMINO POR EL QUE DEBEMOS INVESTIGAR, CREAR, OPINAR Y DIVULGAR…

Si partimos de la HIPÓTESIS, por otra parte muy demostrada científicamente y que se visualiza muy claramente, entre el trabajo puramente académico y la sociedad en general, podemos establecer un ANÁLISIS CRÍTICO DE ESTA SITUACIÓN, lo que nos lleva a pensar que si bien hasta ahora esta circunstancia convenía a determinados estamentos socio-políticos y económicos, ya que de alguna manera “controlaban” los movimientos educativos y de pensamiento de la sociedad y los dirigían, como consecuencia, hacia posturas interesadas….

Ahora con la fusión de la educación y del trabajo (LEARNING AND WORK), stos antiguos itinerarios quedan eliminados y aparece una democracia laboral, educativa y de ideas…totalmente plural, diversa y adaptada a las personas, que al fin y al cabo es lo que nos interesa.

Este ANÁLISIS CRÍTICO es lo que hace entender que los que estamos en la DISRUPCIÓN, somos personas que estamos abiertos a cualquier cambio, incluso a cambiar lo que produce la disrupción, pero no por lo que significa en si, si no como procesos modificables a medida que existan otras circunstancias, otras necesidades y por encima de todo, otras personas que lo demanden.

Estamos viviendo de infraestructura obsoleta – social y técnica – y nos está fallando. Tenemos que ser escalables, hacer más con menos. Tenemos que generar un mayor valor de las partes interesadas a través de la generación de conocimiento colaborativo/cooperativo, más rápidamente a través de la reflexión activa sobre el proceso y retroalimentación rápida y sostenible, mediante el establecimiento de los principios de diseño para transferir y repetir éxito. Eventos exitosos serán aquellos que pueden aprender mejor y más rápido. Se trata de innovar traspasando fronteras y a los tradicionales «silos«…

Nos encontramos con perturbaciones críticas que impiden desarrollar esta disrupción en el mundo de la educación formal, en cambio en la educación informal (yo la llamo natural) estas inhibiciones son mucho menores, casi residuales….

Nos encontramos con obsoletos modelos mentales, lo que algunos dicen “ESQUEMAS MENTALES”, AUNQUE REALMENTE NO LO SON, si o meras concepciones anquilosadas e impermeables debido a costumbres enraizadas…

Tradicionalmente el aprendizaje es algo que hacemos en un contexto formal donde adquirimos conocimientos que nos pueden ser útiles en nuestra vida (profesional). Tradicionalmente la aplicación de conocimiento es como siguiendo una secuencia de comandos: es lógico, lineal y centrado en datos objetivos.

–Es de arriba abajo y florece en una cultura de mando y control.

-Tendemos a centrarnos en las partes y no en el todo (transversal)

Los sistemas educativos son cerrados, son prescriptivos y obligatorios, por lo que resulta difícil “moverse entre sus aguas”; contrario a esto, el elearning inclusivo se basa en un aprendizaje “al revés que el normal”, es decir, parte de un aprendizaje informal para llegar luego a los formales; en cambio en los sistemas educativos sólo se dan aspectos formales.

En términos generales, debemos preguntarnos:

¿El aprendizaje-es la adecuada pedagogía?
Infraestructura – será el entorno de apoyo a mis necesidades?
Tecnología – es la tecnología adecuada y puedo / estudiantes lo utilizan?

Identificación y análisis de los prejuicios y suposiciones antes de su uso puede garantizar los posibles obstáculos para el acceso o la eficacia se tienen en cuenta adecuadamente en el diseño de desarrollo y planificación.

Necesitamos establecer prioridades en la confección de formación, basándonos en las expectativas que los aprendices demandan…sería como establecer un elemento de diseño (o revisión) , confeccionar Escenarios de Aprendizajes que se adapten a ellos, y en el mejor de los casos, dejarles a ellos que participen, para que estas “creaciones” se adapten mejor a ellos.

Su propósito es establecer los principales resultados de aprendizaje y necesidades en el diseño y la ejecución de una actividad o curso de aprendizaje.Las necesidades se refieren a las características, problemas y posibles limitaciones de los estudiantes (o de otros interesados pertinentes). El análisis trata de coincidir con las técnicas posibles o propuestas y materiales a estas necesidades y así determinar si el diseño es adecuado a los objetivos previstos.

Buen diseño del curso debe separar los extremos de los medios. ”Estamos constantemente en el error de especificación de los medios de hacer algo más que los resultados que queremos. Esto sólo se puede limitar nuestra capacidad para encontrar mejores soluciones a problemas reales. “( Gilb, 1988 )

-Tendemos a pensar a través de un marco establecido y a ignorar nuestra experiencia más rica y con conexa a tierra o el potencial de lo desconocido.

-Promueve una división académica y profesional y los valores de ‘sabiduría práctica’. Un modelo mental como este ayuda a aprender eficientemente y adquirir conocimiento que fácilmente pueden compartir en una comunidad profesional estable. Sin embargo, se convierte en un obstáculo cuando la comunidad profesional tiene que adaptarse, cambiar e innovar rápidamente en respuesta a la incertidumbre, riesgo y reto-cuando la información necesaria para resolver problemas ya no se conoce de antemano.

Caballero, nos dice : “La incertidumbre es el riesgo de que no se puede medir, no se puede calcular. El riesgo es mensurable”…

La incertidumbre y la complejidad pueden darnos creatividad y motivación. (Anderson, Teresa: “La incertidumbre tiene múltiples caras de La creatividad es una forma de comportamiento adaptativo complejo y que tanto tiene que ver con la sociedad caótica de hoy.

En una red compleja se vive, se aprende… siempre en la incertidumbre. Vivir y aprender en una red por lo tanto requiere tolerancia a la incertidumbre.

Nunca civilizaciones ni los individuos nunca han aprendido de forma fiable sin documentar sus conocimientos para compartirlo con los demás: Investigación, Aprendizaje y ayuda a aquellos a través de una forma de Intercambio y articulación de sus capacidades y logros en la creación de conocimiento.

Nos basaremos en el conocimiento recogido, en el aprendizaje realizado de manera continuada y permanente y en la sabiduría de la fuerza del trabajo en general. Su objetivo es utilizar el conocimiento organizacional como palanca para mejorar la fuerza de la investigación y banco intelectual a través de compartir esfuerzos, ideas…

Los retos técnicos, sociales y ambientales complejos de la vida contemporánea nos obligan a generar nuevo conocimiento en nuevos contextos desde abajo, respetando y basándose en (responsabilidad y compromiso ), pero moviéndose más allá de y a través de los fondos existentes del conocimiento. Para ello que necesitamos un modelo mental muy diferente, uno en el que el aprendizaje sea un proceso de convertirse en algo donde sea preciso navegar colaborativamente hacia un resultado (proceso) que no podemos saber de antemano (incertidumbre)donde el sentido desborda rápidamente datos complejos, abiertos a lo desconocido y a la diferencia. Seely Brown (2015) describe este tipo de extendido teoría de aprendizaje como conocer, hacer y jugar, en que jugar es sobre permiso para fallar, experimentación rápida y aprovechando la intuición y la imaginación. Recibe nos acerca al tipo de aptitudes de trabajo futuro crítico identificado para el futuro que se necesitará en los próximos diez años remodelándose el paisaje de la obra por la tecnología y la globalización.

Ahora sabemos que los “stocks de conocimiento” se reducen en valor mucho más rápidamente en relación con un mundo emergente de “flujos de conocimiento” – que el conocimiento ya no necesita poseer, sino que hemos de ser capaces de llegar a su acceso.

El aprendizaje continuo es el combustible de la innovación basada en dichos flujos, y en contra de tales competidores, todos “legado”, las empresas y sus aprendizajes no digitalizados la tasa de cambio en el exterior es superior a la tasa de cambio en el interior.

Algunas de las instalaciones clave de Investigación de Aprendizaje son que:

Una empresa puede ofrecer un mejor retorno de cada mente empleada cuando se puede construir una fuerza de trabajo de aprendizaje comprometido imbuido por capacidades de pensamiento más de tipo empresarial a través de sus miembros.
Los que están en el orden jerarquizado vertical, comúnmente poseen totalmente diferentes conocimientos y experiencias para el personal de alto nivel que durante mucho tiempo han sido promovidos fuera de contacto con los clientes, o se quitan de donde se realiza el trabajo real.
Todo el mundo puede aprender mejor cuando emprende desafíos para contemplar nuevas preguntas en el contexto de su lugar de trabajo.
En los lugares de trabajo, aprender puede crear una experiencia más atractiva para aquellos que vienen a trabajar que deseen contribuir y aprender.
Cuando existan perspicacia y motivación, el potencial de aumento de la rentabilidad en el conocimiento y la fuerza actual en todas las especialidades de la organización crece.
Quienes no están acostumbrados a pensar o contribuir más allá de la especialidad en la que estaban comprometidos comenzarán a hacerlo.
La construcción de la sensibilidad y capacidad de respuesta a los cambios externos de sus “bordes” mejorará la capacidad de una organización para anticipar el futuro.
Determinado aprendizaje puede estimular el perfeccionamiento de los modelos de negocio existentes para impulsar la innovación en la concepción y ejecución de la estrategia.

Sistemas de pensamiento han hecho una contribución muy significativa a nuestra comprensión de cómo las organizaciones aprenden porque es una manera de trazar el complejo comportamiento de las organizaciones a través de los conceptos de capas, procesos y circuitos de retroalimentación (Blockley 2010). Modelado dinámico de sistemas es una forma de entender un sistema (u organización) a través de las relaciones entre sus múltiples procesos de duros y blandos, y las interacciones y retroalimentación entre ellos.

El pensamiento sistémico ha sido sustancialmente aplicado y desarrollado en las industrias de infraestructura, salud, seguro, el militar, gobierno y más recientemente en la educación. La conocida aplicación de dinámica de sistemas y sistemas de pensamiento a cómo aprende una organización fue hecha por Senge (Senge 1990) en ‘la quinta disciplina en la que argumentó que las organizaciones son producto de cómo la gente en ellos piensa y actúa entre entre sí y con los procesos técnicos y físicos que son responsables (socialización) El pensamiento de sistemas es un enfoque que permite una visión de conjunto así como las partes – una perspectiva holística y transdisciplinaria, que es crucial para el liderazgo, aunque a veces desafiante para mentalidades reduccionista.

Para hablar de cambios disruptivos de verdad, necesitamos el empleo de un Pensamiento Sistémico:....

Que nos haga satisfacer las necesidades de la complejidad requerida, con unos nuevos liderazgos— Esta era del Conocimiento requiere de un cambio en el pensamiento bajo una perspectiva en la distancia del individuo, el control de diferentes puntos de vista, y hacia la visión de las organizaciones como sistemas complejos adaptativos que permiten la creación y captura de conocimiento continuo.

Personas que por vivir “en un caos sistémico“, pueden establecer no solo puentes de unión, si no posicionamientos que retroalimentan datos, procesos….que partan de un todo y se ·expandan” en diferentes direcciones adaptadas a la personalización de maneras de ser, de estar y de entender las cosas…

“Esta intermediación se materializa en cuatro niveles:

a) haciendo conscientes a los diferentes grupos de los intereses y dificultades de los otros grupos

b) transfiriendo de uno a otro grupo sus mejores practicas

c) mediante analogía, pueden poner en valor elementos de una creencia o practica en otro grupo

d) síntesis, las personas familiarizadas con las actividades de dos grupos tiene más probabilidades de combinar elementos de sus creencias y conductas”

El vínculo crítico entre la dinámica de sistemas y aprendizaje es en la idea de bucles de retroalimentación. Bucles de retroalimentación surgen de las interacciones entre procesos en un sistema. Son la materia prima de oportunidades de aprendizaje porque, esencialmente, en el contexto de infraestructuras un lazo de regeneración es un flujo de información o energía que invita a una respuesta de un ser humano (o de una máquina que un ser humano ha diseñado) o el medio ambiente natural.

Bucles de retroalimentación pueden ser en el foco de atención de la gente en el sistema o puede estar fuera de foco. Esto dependerá de su grado de conciencia y capacidad para entender y desarrollar su aprendizaje para aprender capacidades – o aprendizaje poder – sus modelos mentales y la alineación entre su propósito personal y propósito compartido de la organización.

Es estructuras de retroalimentación y su dinámica causa y efecto que Senge identifica doce arquetipos , a menudo negativos patrones de comportamiento organizacional. Su hipótesis fue que los líderes en una organización de aprendizaje ven estos patrones y responden y se adaptan a ellos para reducir su impacto y mejorar así la productividad y el servicio.

Responder productivamente al flujo de información y energía que enfrenta cada uno de nosotros con el tiempo es un reto para la sociedad humana en la era digital.

El conocimiento es cada vez más sobre los flujos y redes en lugar de stocks (Seely Brown 2015). La potencia de aprendizaje permite al ser humano regular este flujo de energía e información con el tiempo, cómo una persona identifica, selecciona, recopila, manipula y responde a los datos de cualquier tipo – para lograr un fin que les importa. Las personas son sistemas complejos en su propio derecho y poder de aprendizaje en un proceso encarnado y relacional: cerebro, mente y son interdependientes e interactúan con su entorno y su historia (Siegel 2010, Siegel 2012), siguiendo una orientación hacia el riesgo y la incertidumbre, en la que uno está abierto y dispuesto a participar, evaluar y adaptar, en lugar de ser dependiente y frágil en la una mano o rígidamente persistentes en el otro (Deakin Crick, Huang et al 2015).

La pura complejidad de la vida y la digitalización significa que la capacidad para aprender, identificar y adaptarse provechosamente en una abrumadora cantidad de flujos, de datos… en condiciones de riesgo, incertidumbre y desafío – es una habilidad crítica para la supervivencia humana y para el liderazgo. Para una organización, se deduce que los más interesados en todos los niveles están capaces de generar energía de aprendizaje, mayor será la sinergia de aprendizaje que surgirá en una organización nivel y por lo tanto la probabilidad mayor de capacidad de la organización de respuesta rentable al cambio y la incertidumbre.

Sin embargo, el aprendizaje es demasiado a menudo un a proceso de negocio de base en lugar de incrustar en el trabajo real la planificación y mejorar del aprendizaje para medir objetivamente los resultados de aprendizaje. Por lo general, los presupuestos de formación se utilizan porque las personas están demasiado ocupadas con el trabajo real. El término Aprendizaje está manchado y devaluado por la parte superior hacia abajo, cursos obligatorios de hecho en el nombre de aprendizaje. Se les nombra formación, cuando lo que en realidad es un movimiento de información sin profundidad alguna.

La dificultad real de innovación en cualquier empresa no radica en desarrollar nuevas ideas, sino en escapar de los viejos (Keynes, 1935) ,una adquisición orientada al enfoque de aprendizaje y desarrollo que se centra en el conocimiento «objetivo» lógico, a menudo es incapaz de contribuir a la transformación organizacional. El aprendizaje tiene que ser visto y promulgado como un silo busting colaborativo, viaje que sale del status quo y salta a un estado nuevo, anteriormente desconocido.

Entramos de lleno en un viaje de aprendizaje es un conjunto dinámico y tiene subprocesos distinguibles. Tiene un ciclo de vida natural y puede ser colaborativo como individual, personal así como público, suceden todo el tiempo en etapas y en diferentes niveles.

Proporciona el objetivo a través del cual el individuo o equipo puede identificar y concentrarse en la información que importa. Propósito de articular es la primera etapa de la ‘lengua del meta’ de aprendizaje: aprendizaje sobre el aprendizaje. Sin propósito, el aprendizaje carece de dirección y disciplina y es difícil seleccionar de un agrupamiento de datos sin tener en cuenta la información que realmente importa y en una solución innovadora a un problema particular.

Potenciar el aprendizaje puede ser inhibido por la cultura y los valores de una organización, o puede ser desarrollado.

Existen muchas estrategias para dar visibilidad al aprendizaje: Por ejemplo, la curiosidad es una cualidad necesaria para la generación de preguntas, mientras que la calidad de preguntas frecuentes es indicativo de la calidad potencial de la solución. Hay muchas estrategias diferentes para la estructuración y manipulación y representación conocimiento.

Un viaje de aprendizaje es un proceso intencional mediante el cual individuos y equipos regulan el flujo de energía e información (datos) con el tiempo para alcanzar un propósito de valor. Es un proceso encarnado y relacional, que puede ser alineados e integrados en todos los niveles en una organización, enlazan a propósito con el funcionamiento y conexión del individuo con el colectivo. El poder del aprendizaje de los individuos y equipos convierte la energía potencial del propósito compartido aprendizaje y mejora y facilita el proceso de identificación, selección, recolección, comisariado y construir conocimiento con el fin de crear valor y conseguir un resultado compartido. En sistemas complejos, con frecuencia hay fines contradictorios y la tarea de negociar estos es una función de liderazgo crítico.

Un viaje de aprendizaje en circuito único describe los procesos psico-sociales que informen a cambio en cualquier dominio. Esto puede ocurrir sin ninguna comprensión real o meta-reflexión sobre el proceso por la persona bajortaking el viaje. Sin embargo cuando los individuos participan en un viaje de aprendizaje convertido nivelmeta’ acerca de cómo y por qué aprenden y utilizan esa información para mejorar el proceso y el resultado a través de la toma de decisiones informada, son participación en el aprendizaje de doble bucle .

Están «aprendiendo a aprender» al mismo tiempo. Esto es más eficaz y eficiente porque el individuo (o equipo) es capaz de conscientemente Párese a, monitorear, responder, aprender, anticipar – y por lo tanto, mejorar el proceso de aprendizaje que participan en él (Bruno et al 2015). Desarrollan the’resilient agencia que habilita a navegar intencionalmente el cambio a través de un viaje de aprendizaje en doble circuito. Tienen la capacidad, individualmente o en conjunto, responder, adaptarse y fortalecerse incluso frente a adversidad, choque, riesgo o challenge.

Cuando los contextos de aprendizaje cambian con el tiempo, los individuos y organizaciones necesitan volver a aprender cómo hacer y pensar como para aprender. Cuando viajes acumulativamente maduran en este camino de aprendizaje, personas, equipos u organizaciones se transforman en términos de identidad, comportamiento y rendimiento, entonces esto puede ser descrito como «triple loop learning» que es característica de los cambios de paradigma.

Características clave de aprendizaje viajes

La tabla siguiente identifica las características clave de cada proceso en la jornada de aprendizaje. Aunque no existe una secuencia de estos procesos son iterativo y relacionadas con cada etapa reforzando y extendiendo a otros.

Proceso de viaje	Características
DE PROPÓSITOS	Fuente de energía para particulares y equipos\Proporciona una razón para hacer las cosasLos límites de un sistema se definen por su finalidadPropósito está relacionado con identidad – esto es quienes somos, esto es lo que hacemosProporciona un marco de referencia para la medición y evaluaciónPropósito puede ser individual como corporativaPropósitos se pueden ‘alinear’ a diferentes niveles de un sistema de
GENERACIÓN DE ENERGÍA DE APRENDIZAJE	El proceso relacional y consagrado a través del cual regulamos el flujo de energía e información con el tiempo en los servicios de un propósito de valorValores, actitudes y disposiciones que permiten a una persona pasar de objeto a rendimientoPodemos fortalecer y desarrollar el poder de aprendizajeSe puede utilizar para reflexionar sobre la identidad y el propósitoPuede ser utilizado en procesos de estructuración del conocimientoPodemos diseñar sistemas para apoyar y fortalecer el poder del aprendizajeAprendizaje poder hace aprendizaje invisible visibleHábitos de ingeniería de la mente (RAE) y Stevens Instituto modelo de competencias para ingenieros aplican esto específicamente a ingeniería
ESTRUCTURACIÓN DEL CONOCIMIENTO	Cómo identificar, seleccionar, recoger, cura, mapa, modelo, construir y comunicar la información para servir a un propósito. Los datos que necesitamos para lograr un propósito están ‘por ahí’ Problemas métodos estructuración nos permiten organizar información relevante por ejemplo, mapas mentales, modelación dinámica de sistemas, agente basado en modelado, diagramas de espina de pez, mapeo de diálogo etc.. Aprovechar la inteligencia colectiva
REALIZAR	Reflectora y cuantificar el éxito o el fracasoAdministración valor: focalización, priorización y la alineación de la inversión al valor de las partes interesadas, junto con la realización de ese valorMedir los resultados contra el propósitoCiencia de la mejora .

Viajes de aprendizaje tienen diferentes ciclos de vida y operan a niveles personales, interpersonales y organizacionales. Son fundamentales para un enfoque de prototipado rápido para la mejora organizativa donde se diseñan protocolos de mejora en base en un cuidadoso, inclusive las partes interesadas, análisis del sistema y la identificación de un objetivo compartido mejora. Tanto los imperativos fail-aprender-rápido prototipado rápido y amplio de partes interesadas requieren a empleados con altos niveles de poder de aprendizaje y la capacidad meta-aprendizaje.

Apoyo a una infraestructura de aprendizaje requiere una atención constante a los diferentes tipos de conocimientos y recursos de desarrollo:

Las relaciones personales y sociales necesarias para facilitar y líder en viajes de aprendizaje
Los arreglos organizacionales que apoyar viajes de aprendizaje como un modus operandi para la mejora
La arquitectura del espacio (virtual y consagrado) dentro del dominio relevante del servicio (es decir, la industria aeroespacial o competencia financiera).
La tecnologías y herramientas que apoyan los procesos de aprendizaje viaja a través de la retroalimentación rápida de los datos personales y organizacionales para estimular cambio, propósito de definición, estructuración y valor gestión del conocimiento.
El ecosistema de aprendizaje virtual que facilitar y mejorar las relaciones de aprendizaje participativo a través de los proyecto/s en todos los niveles: usuarios, profesionales e investigadores

La idea de un viaje de aprendizaje es sencilla e intuitiva. La metáfora facilita la comprensión del aprendizaje como un proceso dinámico. Sin embargo representa una transición fundamental en cómo entendemos el conocimiento, aprendizaje, identidad y valor. El conocimiento ya no es un ‘Stock’ que nos protegen y entregan a través de géneros y cánones relativamente fijos. Ahora es un flujo en el cual participar y generar nuevos conocimientos, basándose en la intuición y experiencia. Sus géneros son fluidos y órdenes institucionales son menos valiosas (Seeley Brown 2015). Poder de aprendizaje es la forma en que regulamos ese flujo de energía e información con el tiempo en el servicio de un propósito de valor – más que una forma de recibir y recordar conocimientos FIJO de expertos. La identidad de los millenials, se encuentra no en la propiedad y el control, pero en la creación, intercambio y remezcla – en la agencia, el impacto y el compromiso. Valor se genera en el movimiento entre el propósito y funcionamiento. Liderazgo es aprender juntos nuestro camino.

Empresa Disruptiva e Inteligencia Artificial

Escenario 1: Empresa Orientada a la Innovación y Colaboración

Compañía: TecnoInnovar S.A. Industria: Tecnología y Desarrollo de Software

Estructura Organizacional:
- No existen departamentos rígidos ni jerarquías estrictas. En su lugar, hay equipos multidisciplinarios que se forman y se disuelven según los proyectos y necesidades.
- Cada empleado puede proponer proyectos y formar un equipo ad hoc para desarrollarlos.
Entorno de Trabajo:
- La oficina es un espacio abierto con áreas de trabajo colaborativo, salas de reunión flexibles y zonas de descanso creativas.
- Se fomenta el trabajo remoto y la flexibilidad horaria, permitiendo a los empleados trabajar desde cualquier lugar y en cualquier momento.
Uso de la IA:
- Automatización: Tareas administrativas y repetitivas son manejadas por bots y sistemas de IA, permitiendo que el personal se concentre en la innovación y el desarrollo creativo.
- Análisis de Datos: Herramientas de IA analizan datos de mercado y rendimiento en tiempo real, proporcionando insights para la toma de decisiones estratégicas.
Cultura Empresarial:
- Se promueve una cultura de aprendizaje continuo, pero no a través de cursos tradicionales, sino mediante la participación en proyectos desafiantes y el acceso a plataformas de conocimiento on-demand.
- La colaboración y la comunicación abierta son esenciales. Las plataformas internas de colaboración utilizan IA para conectar a empleados con intereses y habilidades complementarias, fomentando la sinergia y la innovación.

Cultura empresarial : Se promueve una cultura de aprendizaje continuo, pero no a través de cursos tradicionales, sino mediante la participación en proyectos desafiantes y el acceso a plataformas de conocimiento on-demand.La colaboración y la comunicación abierta son esenciales. Las plataformas internas de colaboración utilizan IA para conectar a empleados con intereses y habilidades complementarias, fomentando la sinergia y la innovación. Desarrollo de manera completa con ejemplos que expliquen proyectos, plataformas, con elelentos de sinergia e innovacion….

Cultura empresarial que promueve el aprendizaje continuo, la colaboración y la comunicación abierta, con ejemplos de proyectos, plataformas, sinergia e innovación.

Cultura de Aprendizaje Continuo

En nuestra empresa, promovemos una cultura de aprendizaje continuo, donde los empleados pueden desarrollar sus habilidades y conocimientos de manera autónoma y flexible. En lugar de cursos tradicionales, ofrecemos acceso a plataformas de conocimiento on-demand, como:

Plataforma de aprendizaje en línea:
Una plataforma de aprendizaje en línea que ofrece cursos y recursos de aprendizaje personalizados, donde los empleados pueden acceder a contenido de alta calidad y actualizar sus habilidades en áreas específicas.
Comunidades de práctica: Comunidades de práctica en línea donde los empleados pueden conectarse con otros profesionales que comparten intereses y objetivos similares, compartir conocimientos y experiencias, y aprender de los demás.

Colaboración y Comunicación Abierta

La colaboración y la comunicación abierta son esenciales en nuestra empresa. Utilizamos plataformas internas de colaboración que emplean inteligencia artificial (IA) para conectar a empleados con intereses y habilidades complementarias, fomentando la sinergia y la innovación.

Plataforma de colaboración interna: Una plataforma de colaboración interna que utiliza IA para conectar a empleados con intereses y habilidades complementarias, permitiendo la creación de equipos de trabajo dinámicos y flexibles.
Foros de discusión: Foros de discusión en línea donde los empleados pueden compartir ideas, experiencias y conocimientos, y recibir retroalimentación y apoyo de sus colegas.

Proyectos Desafiantes

Los proyectos desafiantes son una parte integral de nuestra cultura de aprendizaje continuo. Los empleados pueden participar en proyectos que les permiten desarrollar sus habilidades y conocimientos en áreas específicas, como:

Proyecto de desarrollo de software: Un proyecto de desarrollo de software que requiere la colaboración de empleados con habilidades en programación, diseño y pruebas, para crear una aplicación innovadora y escalable.
Proyecto de análisis de datos: Un proyecto de análisis de datos que requiere la colaboración de empleados con habilidades en análisis de datos, estadística y visualización de datos, para identificar patrones y tendencias en grandes conjuntos de datos.

Sinergia e Innovación

La sinergia y la innovación son fundamentales en nuestra empresa. Utilizamos algoritmos y técnicas de IA para identificar oportunidades de sinergia y innovación, como:

Algoritmo de recomendación de proyectos: Un algoritmo de recomendación de proyectos que utiliza IA para identificar proyectos que se ajustan a las habilidades y intereses de los empleados, y les permite participar en proyectos que les permiten desarrollar sus habilidades y conocimientos.
Técnicas de diseño thinking: Técnicas de diseño thinking que utilizan IA para identificar oportunidades de innovación y crear soluciones creativas y efectivas.

Recopilación de Datos:
- Se recopilan datos sobre las habilidades, experiencia laboral y preferencias de los empleados, así como detalles sobre proyectos internos disponibles y sus requisitos.
Análisis de Datos:
- El algoritmo utiliza técnicas de aprendizaje automático para analizar grandes conjuntos de datos y encontrar patrones entre las habilidades de los empleados y los requisitos de los proyectos.
Generación de Recomendaciones:
- Basándose en el análisis de datos, el algoritmo genera recomendaciones personalizadas para cada empleado, sugiriendo proyectos que se alinean con sus habilidades y objetivos profesionales.
Presentación de Recomendaciones:
- Las recomendaciones se presentan a los empleados a través de una plataforma o sistema interno, donde pueden revisar y seleccionar los proyectos en los que les gustaría participar.

Ejemplo:

Supongamos que un empleado tiene habilidades en análisis de datos y experiencia en marketing. El algoritmo podría recomendarle proyectos relacionados con análisis de datos aplicados al marketing digital, como la optimización de campañas publicitarias o el análisis de datos de clientes para mejorar la segmentación de mercado.

Técnicas de Diseño Thinking con IA:

Descripción:

Estas técnicas combinan los principios del diseño thinking, un enfoque centrado en el usuario para la resolución de problemas, con herramientas y capacidades de IA para identificar oportunidades de innovación y generar soluciones creativas.

Funcionamiento:

Identificación de Problemas y Oportunidades:
- Se utilizan métodos de investigación, como entrevistas con usuarios y análisis de datos, para identificar problemas y oportunidades de mejora en productos, servicios o procesos.
Generación de Ideas:
- Se emplean técnicas de lluvia de ideas y co-creación con equipos multidisciplinarios para generar una amplia gama de ideas innovadoras que aborden los problemas identificados.
Análisis y Selección de Ideas:
- Se utilizan herramientas de IA, como algoritmos de clustering o análisis de sentimientos en redes sociales, para analizar y evaluar las ideas generadas, identificando aquellas con mayor potencial de impacto y viabilidad.
Prototipado y Pruebas:
- Se desarrollan prototipos rápidos de las soluciones seleccionadas y se someten a pruebas con usuarios reales para obtener retroalimentación y refinamiento.

Ejemplo:

Imagina que una empresa de tecnología quiere mejorar la experiencia del usuario en su aplicación móvil de comercio electrónico. Utilizando técnicas de diseño thinking con IA, el equipo identifica áreas de fricción en el proceso de compra y genera ideas para mejorar la navegación y la personalización de las recomendaciones de productos. Luego, utilizan algoritmos de análisis de datos para evaluar la viabilidad y el impacto potencial de cada idea antes de prototiparlas y probarlas con usuarios.

La combinación de algoritmos y técnicas de IA con enfoques colaborativos como el diseño thinking permite a tu empresa identificar oportunidades de sinergia y generar soluciones innovadoras que impulsen el crecimiento y la competitividad en un entorno empresarial en constante cambio. Estas herramientas no solo facilitan la toma de decisiones más informadas, sino que también fomentan la creatividad y la colaboración entre los equipos, lo que conduce a resultados más efectivos y centrados en el usuario.

Ejemplo: Mejora de la Experiencia del Usuario en una Plataforma de Inteligencia Artificial para el Aprendizaje Automático

Contexto:

Imaginemos una empresa disruptiva que ofrece una plataforma de inteligencia artificial (IA) avanzada para el aprendizaje automático. Esta plataforma es utilizada por científicos de datos, desarrolladores y empresas de diversos sectores para desarrollar modelos predictivos y analizar grandes conjuntos de datos. Sin embargo, la empresa ha identificado que algunos usuarios encuentran desafíos al utilizar la plataforma, lo que afecta su experiencia y eficiencia en el trabajo.

Fases del Design Thinking:

Empatizar:
- El equipo de diseño de la empresa realiza entrevistas con usuarios actuales de la plataforma, incluyendo científicos de datos y desarrolladores, para comprender sus necesidades, desafíos y frustraciones al utilizarla. También recopilan datos de uso y retroalimentación de clientes.
Definir:
- Basándose en la información recopilada, el equipo identifica los principales puntos problemáticos y desafíos que enfrentan los usuarios al utilizar la plataforma. Esto podría incluir la complejidad de la interfaz, la curva de aprendizaje pronunciada y la falta de funcionalidades intuitivas.
Idear:
- El equipo realiza sesiones de lluvia de ideas para generar soluciones innovadoras que aborden los puntos problemáticos identificados. Aquí es donde entra en juego el soporte de la IA y la AGI. Utilizan algoritmos de análisis de datos para identificar patrones en la retroalimentación de los usuarios y generar ideas basadas en datos. Por ejemplo, podrían utilizar técnicas de procesamiento de lenguaje natural (NLP) para analizar comentarios de usuarios y extraer insights sobre las áreas que necesitan mejoras.
Prototipado:
- El equipo crea prototipos rápidos de las soluciones seleccionadas, utilizando herramientas de diseño de interfaz de usuario (UI) y de experiencia de usuario (UX). Estos prototipos pueden incluir cambios en la interfaz de usuario, nuevas funcionalidades y mejoras en la navegación.
Testeo:
- Se realizan pruebas de usabilidad con usuarios reales para evaluar la efectividad de los prototipos y obtener retroalimentación. Durante esta fase, se puede utilizar la IA para analizar el comportamiento del usuario en la plataforma y recopilar datos sobre cómo interactúan con las nuevas características.

Resultados Esperados:

La aplicación del enfoque de design thinking con el soporte de la IA y la AGI permite a la empresa identificar y abordar eficazmente los puntos problemáticos en su plataforma de inteligencia artificial.
Se espera que las mejoras implementadas conduzcan a una experiencia de usuario más intuitiva, una mayor eficiencia en el trabajo y una mayor satisfacción del cliente.
Además, la empresa puede utilizar los datos recopilados durante el proceso para continuar iterando y mejorando la plataforma en el futuro, asegurándose de que siga siendo relevante y competitiva en el mercado.

Este ejemplo ilustra cómo una empresa disruptiva de alta tecnología puede utilizar el enfoque de design thinking junto con el soporte de la IA y la AGI para impulsar la innovación y mejorar la experiencia del usuario en sus productos o servicios. La combinación de metodologías centradas en el usuario y tecnologías avanzadas permite a la empresa identificar oportunidades de mejora de manera más eficiente y desarrollar soluciones que realmente satisfagan las necesidades y expectativas de sus usuarios.

Graficos Ascii Explicativos

A continuación, te presento algunos graficos Ascii explicativos que ilustran la cultura de aprendizaje continuo, la colaboración y la comunicación abierta, y la sinergia e innovación en nuestra empresa:

  +---------------+
  |  Aprendizaje  |
  |  Continuo     |
  +---------------+
           |
           |
           v
  +---------------+
  |  Plataforma   |
  |  de Aprendizaje|
  |  en Línea     |
  +---------------+
           |
           |
           v
  +---------------+
  |  Comunidades  |
  |  de Práctica  |
  +---------------+

  +---------------+
  |  Colaboración  |
  |  y Comunicación|
  |  Abierta      |
  +---------------+
           |
           |
           v
  +---------------+
  |  Plataforma   |
  |  de Colaboración|
  |  Interna      |
  +---------------+
           |
           |
           v
  +---------------+
  |  Foros de     |
  |  Discusión    |
  +---------------+

  +---------------+
  |  Proyectos     |
  |  Desafiantes  |
  +---------------+
           |
           |
           v
  +---------------+
  |  Proyecto de  |
  |  Desarrollo de|
  |  Software     |
  +---------------+
           |
           |
           v
  +---------------+
  |  Proyecto de  |
  |  Análisis de  |
  |  Datos        |
  +---------------+

Algoritmos en Python

A continuación, algoritmos en Python que ilustran la cultura de aprendizaje continuo, la colaboración y la comunicación abierta, y la sinergia e innovación en nuestra empresa:

import pandas as pd

# Algoritmo de recomendación de proyectos
def recommend_projects( employee_skills, project_requirements ):
    recommended_projects = []
    for project in project_requirements:
        if all( skill in employee_skills for skill in project ):
            recommended_projects.append( project )
    return recommended_projects

# Algoritmo de diseño thinking
def design_thinking( problem_statement, ideation_session ):
    solutions = []
    for idea in ideation_session:
        if idea.solves( problem_statement ):
            solutions.append( idea )
    return solutions

Tablas

A continuación, te presento algunas tablas que ilustran la cultura de aprendizaje continuo, la colaboración y la comunicación abierta, y la sinergia e innovación en nuestra empresa:

Empleado	Habilidades	Intereses
Juan	Programación, diseño	Desarrollo de software
María	Análisis de datos, estadística	Análisis de datos
Pedro	Diseño, pruebas	Desarrollo de software

Proyecto	Requisitos	Participantes
Desarrollo de software	Programación, diseño, pruebas	Juan, Pedro
Análisis de datos	Análisis de datos, estadística	María

Escenario 2: Empresa Enfocada en la Personalización y el Cliente

Compañía: HealthTech Global Industria: Salud y Bienestar

Estructura Organizacional:
- La estructura es plana, con roles flexibles que se ajustan según las necesidades de los clientes y los proyectos en curso.
- Equipos autónomos gestionan sus propios proyectos, con un fuerte enfoque en la toma de decisiones descentralizada.
Entorno de Trabajo:
- Los empleados tienen acceso a tecnología avanzada y recursos para trabajar desde cualquier lugar, promoviendo un entorno de trabajo flexible.
- Espacios de coworking y hubs de innovación están disponibles para fomentar la colaboración y el intercambio de ideas.
Uso de la IA:
- Personalización: La IA analiza datos de los clientes para ofrecer soluciones personalizadas en salud y bienestar, mejorando la experiencia del cliente y los resultados.
- Optimización de Recursos: Sistemas de IA gestionan y optimizan la cadena de suministro y los recursos humanos, asegurando que las necesidades de los clientes se satisfagan de manera eficiente.
Cultura Empresarial:
- La empresa incentiva la curiosidad y la experimentación, permitiendo a los empleados explorar nuevas tecnologías y métodos de trabajo.
- La IA se utiliza para proporcionar feedback continuo y oportunidades de desarrollo personalizadas, alineadas con las aspiraciones y el rendimiento de cada empleado.

Utilización de la IA para proporcionar feedback continuo y oportunidades de desarrollo personalizadas

En nuestra empresa, la IA se utiliza para proporcionar feedback continuo y oportunidades de desarrollo personalizadas, alineadas con las aspiraciones y el rendimiento de cada empleado. Esto se logra a través de un sistema de aprendizaje automático que analiza los datos de los empleados y proporciona recomendaciones personalizadas para su desarrollo profesional.

Sistema de Aprendizaje Automático

El sistema de aprendizaje automático utiliza algoritmos de machine learning para analizar los datos de los empleados, incluyendo:

Datos de rendimiento: Información sobre el desempeño de los empleados en sus tareas y proyectos, incluyendo métricas de productividad, calidad y eficiencia.
Datos de aspiraciones: Información sobre las aspiraciones y objetivos de los empleados, incluyendo sus intereses, habilidades y metas profesionales.
Datos de comportamiento: Información sobre el comportamiento de los empleados en el trabajo, incluyendo su participación en reuniones, su comunicación con colegas y su gestión del tiempo.

El sistema de aprendizaje automático implementado en nuestra empresa se basa en algoritmos avanzados de machine learning, los cuales son una clase de algoritmos que permiten a las máquinas aprender patrones a partir de datos y realizar predicciones o tomar decisiones basadas en esos patrones. Este enfoque nos permite aprovechar el vasto conjunto de datos generados por nuestros empleados para obtener insights significativos y tomar decisiones informadas que impulsen la eficiencia y el rendimiento en nuestra organización.

Este sistema procesa una variedad de datos sobre nuestros empleados, que incluyen:

Datos de Rendimiento:
- Estos datos proporcionan información detallada sobre el desempeño de los empleados en sus tareas y proyectos. Utilizamos métricas de productividad, calidad y eficiencia para evaluar su rendimiento y identificar áreas de mejora.
Datos de Aspiraciones:
- Estos datos capturan las aspiraciones y objetivos individuales de los empleados, incluyendo sus intereses, habilidades y metas profesionales. Utilizamos esta información para personalizar el desarrollo profesional de cada empleado y alinear sus objetivos con los de la organización.
Datos de Comportamiento:
- Estos datos registran el comportamiento de los empleados en el entorno laboral, como su participación en reuniones, su comunicación con colegas y su gestión del tiempo. Utilizamos técnicas de análisis de redes sociales y procesamiento de lenguaje natural para extraer insights sobre la colaboración y la eficacia de la comunicación dentro de la organización.

Mediante el uso de algoritmos de machine learning avanzados, nuestro sistema puede identificar patrones y relaciones complejas en estos datos, lo que nos permite:

Predecir el rendimiento futuro de los empleados y anticipar posibles problemas o áreas de mejora.
Personalizar el desarrollo profesional y la asignación de tareas para cada empleado en función de sus habilidades y aspiraciones.
Optimizar la colaboración y la comunicación dentro de la organización al identificar y abordar posibles barreras o áreas de oportunidad.

Nuestro sistema de aprendizaje automático aprovecha la riqueza de los datos de los empleados para transformar la forma en que gestionamos y desarrollamos el talento en nuestra organización, impulsando así un futuro más inteligente y eficiente.

Gestionar nuestro sistema de aprendizaje automático de manera efectiva es fundamental para asegurar su éxito en la transformación de la gestión y desarrollo del talento en nuestra organización.

Definir Objetivos Claros:
- Establecer objetivos claros y medibles para nuestro sistema de aprendizaje automático, alineados con las metas estratégicas de la organización. Esto nos ayudará a enfocar nuestros esfuerzos y evaluar el impacto del sistema en el logro de resultados.
Recopilación de Datos de Calidad:
- Asegurarnos de recopilar datos de alta calidad y relevantes para el funcionamiento del sistema. Esto incluye datos precisos sobre el rendimiento de los empleados, sus aspiraciones y comportamientos en el trabajo. Además, es importante garantizar la privacidad y la seguridad de los datos.
Implementar Modelos de Aprendizaje Automático Robustos:
- Desarrollar y utilizar modelos de aprendizaje automático robustos y precisos que puedan analizar eficazmente los datos de los empleados y generar insights significativos. Esto puede implicar la selección de algoritmos adecuados, la optimización de parámetros y la validación de los modelos.
Interpretar y Actuar sobre los Resultados:
- Interpretar cuidadosamente los resultados obtenidos del sistema de aprendizaje automático y tomar medidas basadas en ellos. Esto puede incluir la identificación de patrones de rendimiento, la detección de áreas de mejora y la personalización del desarrollo profesional de los empleados.
Capacitar al Personal:
- Proporcionar capacitación adecuada al personal encargado de gestionar y utilizar el sistema de aprendizaje automático. Esto garantizará que comprendan cómo funciona el sistema, cómo interpretar los resultados y cómo tomar decisiones informadas basadas en ellos.
Iteración y Mejora Continua:
- Establecer un proceso de iteración y mejora continua para el sistema de aprendizaje automático. Esto implica recopilar retroalimentación de los usuarios, monitorear el rendimiento del sistema y realizar ajustes y actualizaciones según sea necesario para garantizar su eficacia y relevancia a lo largo del tiempo.
Garantizar la Transparencia y la Ética:
- Mantener la transparencia en el funcionamiento del sistema de aprendizaje automático y asegurarse de que se utilice de manera ética y responsable. Esto incluye la divulgación de cómo se utilizan los datos de los empleados y la toma de medidas para prevenir sesgos y discriminación.

Al gestionar nuestro sistema de aprendizaje automático de manera efectiva siguiendo estas prácticas, podremos aprovechar al máximo su potencial para transformar la gestión y el desarrollo del talento en nuestra organización, impulsando así un futuro más inteligente y eficiente.

Algoritmo de Feedback Continuo

El algoritmo de feedback continuo utiliza los datos analizados para proporcionar retroalimentación personalizada a los empleados, incluyendo:

Recomendaciones de desarrollo: Sugerencias personalizadas para el desarrollo profesional de los empleados, incluyendo cursos de capacitación, mentoría y oportunidades de crecimiento.
Análisis de fortalezas y debilidades: Un análisis detallado de las fortalezas y debilidades de los empleados, para ayudarles a identificar áreas de mejora y oportunidades de crecimiento.
Objetivos y metas: Establecimiento de objetivos y metas personalizadas para los empleados, alineadas con sus aspiraciones y rendimiento.

Ejemplo de Algoritmo en Python

import pandas as pd
from sklearn.ensemble import RandomForestClassifier

# Cargar datos de empleados
employees = pd.read_csv('employees.csv')

# Definir algoritmo de feedback continuo
def continuous_feedback( employee_data ):
    # Analizar datos de rendimiento, aspiraciones y comportamiento
    performance_data = employee_data['performance']
    aspirations_data = employee_data['aspirations']
    behavior_data = employee_data['behavior']
    
    # Entrenar modelo de machine learning
    model = RandomForestClassifier()
    model.fit( performance_data, aspirations_data, behavior_data )
    
    # Generar recomendaciones de desarrollo
    recommendations = model.predict( employee_data )
    
    # Devolver retroalimentación personalizada
    return recommendations

# Ejecutar algoritmo de feedback continuo
feedback = continuous_feedback( employees )
print( feedback )

Grafico Ascii Explicativo

  +---------------+
  |  Sistema de   |
  |  Aprendizaje  |
  |  Automático    |
  +---------------+
           |
           |
           v
  +---------------+
  |  Algoritmo de  |
  |  Feedback Continuo|
  +---------------+
           |
           |
           v
  +---------------+
  |  Retroalimentación|
  |  Personalizada  |
  +---------------+

La Revolución del Trabajo:

El trabajo del futuro se basará en ciertos aspectos fundamentales, entre los que destacan los ecosistemas digitales, una nueva gestión del talento que es cada vez más multidisciplinario y los nuevos modelos operativos que combinan ambos factores. Esta nueva mentalidad finalmente se traduce en un resultado de aumento en la productividad, la eficiencia y la creatividad. Esta es una de las características que tiene implementar el upskilling y reskilling en la gestión y desarrollo del talento.

El trabajo del futuro se basará en ciertos aspectos fundamentales que revolucionarán la forma en que las empresas operan y los empleados trabajan.

Estos aspectos clave incluyen:

Ecosistemas Digitales

Los ecosistemas digitales se refieren a la integración de tecnologías digitales en todos los aspectos de la empresa, desde la gestión de la cadena de suministro hasta la interacción con los clientes. Esto incluye la utilización de herramientas de automatización, inteligencia artificial, Internet de las cosas (IoT) y análisis de datos para mejorar la eficiencia, reducir costos y aumentar la productividad.

Nueva Gestión del Talento

La gestión del talento en el trabajo del futuro se centrará en la multidisciplinariedad, es decir, en la capacidad de los empleados para trabajar en diferentes áreas y dominios. Esto se logrará a través de la formación y el desarrollo continuo de habilidades, así como la creación de equipos de trabajo dinámicos y flexibles.

Nuevos Modelos Operativos

Los nuevos modelos operativos combinarán los ecosistemas digitales y la gestión del talento para crear una empresa más ágil, flexible y innovadora. Esto incluye la implementación de modelos de trabajo híbridos, como el trabajo remoto y el trabajo en equipo, así como la creación de culturas de innovación y experimentación.

Upskilling y Reskilling

El upskilling y reskilling son fundamentales en la gestión y desarrollo del talento en el trabajo del futuro. Esto se refiere a la capacitación y el desarrollo continuo de habilidades de los empleados para que puedan adaptarse a los cambios tecnológicos y las nuevas demandas del mercado.

Beneficios

La implementación de estos aspectos fundamentales en el trabajo del futuro se traducirá en un aumento en la productividad, la eficiencia y la creatividad. Esto se logrará a través de:

Mejora de la eficiencia: La automatización y la digitalización de procesos permitirán a las empresas reducir costos y mejorar la eficiencia.
Aumento de la productividad: La capacitación y el desarrollo continuo de habilidades permitirán a los empleados trabajar de manera más efectiva y eficiente.
Incremento de la creatividad: La creación de culturas de innovación y experimentación permitirán a las empresas desarrollar nuevas ideas y soluciones.

Grafico Ascii Explicativo

  +---------------+
  |  Ecosistemas  |
  |  Digitales     |
  +---------------+
           |
           |
           v
  +---------------+
  |  Nueva Gestión |
  |  del Talento   |
  +---------------+
           |
           |
           v
  +---------------+
  |  Nuevos Modelos|
  |  Operativos    |
  +---------------+
           |
           |
           v
  +---------------+
  |  Upskilling y  |
  |  Reskilling    |
  +---------------+
           |
           |
           v
  +---------------+
  |  Aumento de la |
  |  Productividad |
  |  y Creatividad |
  +---------------+

Upskilling y Reskilling en la Empresa y el Trabajo Disruptivos

En un entorno laboral en constante evolución, el upskilling y el reskilling son fundamentales para que las empresas y los empleados puedan adaptarse a los cambios tecnológicos y las nuevas demandas del mercado.

UpskillingEl upskilling se refiere al proceso de capacitación y desarrollo de habilidades existentes para mejorar la eficiencia y la productividad en el trabajo actual. Esto implica actualizar y mejorar las habilidades y competencias de los empleados para que puedan realizar sus tareas de manera más efectiva y eficiente.

Ejemplos de Upskilling

Un desarrollador de software que aprende a utilizar nuevas tecnologías y herramientas para mejorar la eficiencia en su trabajo.
Un marketing digital que se capacita en análisis de datos para mejorar la toma de decisiones en su equipo.
Un gerente que aprende a utilizar herramientas de automatización para mejorar la eficiencia en la gestión de procesos.

Reskilling

El reskilling se refiere al proceso de capacitación y desarrollo de nuevas habilidades y competencias para adaptarse a cambios en el mercado o en la empresa. Esto implica aprender nuevas habilidades y competencias para cambiar de carrera o adaptarse a nuevos roles dentro de la empresa.

Ejemplos de Reskilling

Un empleado de atención al cliente que se capacita en programación para cambiar de carrera y convertirse en desarrollador de software.
Un contable que se capacita en análisis de datos para cambiar de carrera y convertirse en analista de datos.
Un empleado de recursos humanos que se capacita en inteligencia artificial para cambiar de carrera y convertirse en especialista en IA.

Algoritmos en Python para Upskilling y Reskilling

Aquí hay algunos ejemplos de algoritmos en Python que se pueden utilizar para upskilling y reskilling:

Algoritmo de Clustering para Identificar Habilidades

import pandas as pd
from sklearn.cluster import KMeans

# Cargar datos de habilidades
skills_data = pd.read_csv('skills.csv')

# Crear modelo de clustering
kmeans = KMeans(n_clusters=5)
kmeans.fit(skills_data)

# Identificar habilidades similares
similar_skills = kmeans.labels_

Algoritmo de Regresión para Predecir el Rendimiento

import pandas as pd
from sklearn.linear_model import LinearRegression

# Cargar datos de rendimiento
performance_data = pd.read_csv('performance.csv')

# Crear modelo de regresión
model = LinearRegression()
model.fit(performance_data)

# Predecir el rendimiento
predicted_performance = model.predict(performance_data)

Árboles de Decisión para Identificar Oportunidades de Upskilling y Reskilling

import pandas as pd
from sklearn.tree import DecisionTreeClassifier

# Cargar datos de empleados
employees_data = pd.read_csv('employees.csv')

# Crear modelo de árbol de decisión
model = DecisionTreeClassifier()
model.fit(employees_data)

# Identificar oportunidades de upskilling y reskilling
opportunities = model.predict(employees_data)

Tablas Diferenciadoras

Aquí hay una tabla diferenciadora que muestra las características clave de upskilling y reskilling:

	Upskilling	Reskilling
Objetivo	Mejorar habilidades existentes	Adquirir nuevas habilidades
Enfoque	Mejora de la eficiencia	Cambio de carrera o adaptación a nuevos roles
Duración	Corto plazo	Largo plazo
Ejemplos	Desarrollador de software que aprende nuevas tecnologías	Empleado de atención al cliente que se capacita en programación

Graficos ASCII

Aquí hay un gráfico ASCII que muestra la relación entre upskilling y reskilling:

  +---------------+
  |  Upskilling  |
  |  (Mejora de   |
  |  habilidades  |
  |  existentes)  |
  +---------------+
           |
           |
           v
  +---------------+
  |  Reskilling  |
  |  (Adquisición |
  |  de nuevas   |
  |  habilidades) |
  +---------------+
           |
           |
           v
  +---------------+
  |  Desarrollo  |
  |  Profesional  |
  +---------------+

Ejemplos de Upskilling

Ejemplo 1: Desarrollador de Software

Un desarrollador de software llamado Juan ha estado trabajando en una empresa de tecnología durante 5 años. En los últimos años, ha notado que la empresa ha estado adoptando nuevas tecnologías y herramientas para mejorar la eficiencia en el desarrollo de software.
Juan decide capacitar en nuevas tecnologías como Docker y Kubernetes para mejorar su habilidad en la creación de aplicaciones escalables y seguras.
Después de completar el curso de capacitación, Juan puede implementar estas nuevas tecnologías en su trabajo diario, lo que le permite reducir el tiempo de desarrollo y mejorar la calidad del código.
Como resultado, Juan puede entregar proyectos más rápido y con mayor calidad, lo que le permite recibir retroalimentación positiva de sus colegas y superiores.

Ejemplo 2: Marketing Digital

Una marketing digital llamada María ha estado trabajando en una empresa de marketing durante 3 años. En los últimos años, ha notado que la empresa ha estado adoptando nuevas herramientas de análisis de datos para mejorar la toma de decisiones en el equipo de marketing.
María decide capacitar en análisis de datos para mejorar su habilidad en la interpretación de datos y la toma de decisiones informadas.
Después de completar el curso de capacitación, María puede analizar datos de manera más efectiva y tomar decisiones informadas para mejorar las campañas de marketing.
Como resultado, María puede mejorar la eficiencia en la toma de decisiones y reducir el tiempo de respuesta a los cambios en el mercado.

Ejemplo 3: Gerente de Proyectos

Un gerente de proyectos llamado Carlos ha estado trabajando en una empresa de consultoría durante 10 años. En los últimos años, ha notado que la empresa ha estado adoptando nuevas herramientas de automatización para mejorar la eficiencia en la gestión de proyectos.
Carlos decide capacitar en herramientas de automatización como Asana y Trello para mejorar su habilidad en la gestión de proyectos y la coordinación de equipos.
Después de completar el curso de capacitación, Carlos puede implementar estas nuevas herramientas en su trabajo diario, lo que le permite reducir el tiempo de gestión de proyectos y mejorar la comunicación con los miembros del equipo.
Como resultado, Carlos puede entregar proyectos más rápido y con mayor calidad, lo que le permite recibir retroalimentación positiva de sus colegas y superiores.

Ejemplos de Reskilling

Ejemplo 1: Empleado de Atención al Cliente

Un empleado de atención al cliente llamado Sofía ha estado trabajando en una empresa de servicios durante 5 años. En los últimos años, ha notado que la empresa ha estado adoptando nuevas tecnologías para mejorar la eficiencia en la atención al cliente.
Sofía decide capacitar en programación para cambiar de carrera y convertirse en desarrolladora de software.
Después de completar el curso de capacitación, Sofía puede aplicar sus nuevas habilidades en programación para desarrollar aplicaciones que mejoren la experiencia del cliente.
Como resultado, Sofía puede cambiar de carrera y convertirse en desarrolladora de software, lo que le permite tener una carrera más desafiante y emocionante.

Ejemplo 2: Contable

Un contable llamado Luis ha estado trabajando en una empresa de contabilidad durante 10 años. En los últimos años, ha notado que la empresa ha estado adoptando nuevas herramientas de análisis de datos para mejorar la toma de decisiones en la contabilidad.
Luis decide capacitar en análisis de datos para cambiar de carrera y convertirse en analista de datos.
Después de completar el curso de capacitación, Luis puede analizar datos de manera más efectiva y tomar decisiones informadas para mejorar la toma de decisiones en la contabilidad.
Como resultado, Luis puede cambiar de carrera y convertirse en analista de datos, lo que le permite tener una carrera más desafiante y emocionante.

Ejemplo 3: Empleado de Recursos Humanos

Un empleado de recursos humanos llamado Ana ha estado trabajando en una empresa de recursos humanos durante 5 años. En los últimos años, ha notado que la empresa ha estado adoptando nuevas tecnologías para mejorar la eficiencia en la gestión de recursos humanos.
Ana decide capacitar en inteligencia artificial para cambiar de carrera y convertirse en especialista en IA.
Después de completar el curso de capacitación, Ana puede aplicar sus nuevas habilidades en inteligencia artificial para desarrollar sistemas que mejoren la eficiencia en la gestión de recursos humanos.
Como resultado, Ana puede cambiar de carrera y convertirse en especialista en IA, lo que le permite tener una carrera más desafiante y emocionante.

«Sin una transformación en la educación, el futuro del trabajo dejará a más personas atrás».

«La educación debe tener en cuenta las condiciones imperantes de la posnormalidad (caos, complejidad y contradicción) para equipar a los jóvenes por su futuro rápidamente cambiante «.

Las habilidades «avanzadas», como el trabajo en equipo, la colaboración, el liderazgo y la creatividad son igualmente esenciales para la adaptabilidad y la retención del empleo (Ross Gittins)

La comprensión y habilidades en investigación sistémica, la acción y la interacción puede destinar los resultados del aprendizaje a través de su compromiso con el punto de vista y perspectivas de los demás, donde los aprendices puedan desarrollar apreciación crítica de la práctica de los sistemas y los sistemas de aprendizaje social, a partir de sus propias experiencias de cambio.

El proceso aquí es claro, las escuelas deben cambiar, la educación necesita cambiar su enfoque y el punto de acción está en la mira con una mejor enseñanza y responsabilidad. Pero esto parece ignorar el obstáculo más importante para el cambio, tal vez el elefante en la habitación, deba salir de la misma.

No es que los estudiantes sufran cuando les proporcionamos un plan de estudios que incluye contenido y competencias, capacidades o disposiciones. , pero si les enseñamos a nuestros hijos a pensar, les irá mejor en la prueba y les irá mejor en la vida. Sin embargo, la reforma educativa se produciría a un ritmo más rápido si al menos se pusiera el mismo énfasis en recabar pruebas de que los estudiantes logran las disposiciones que muchos afirman que son esenciales.

Si consideramos que el aprendizaje no termina en sí mismo, sino que sirve para superar las discrepancias en las acciones y por lo tanto las competencias de los sujetos para hacer frente a las respectivas condiciones de vida y de trabajo-por un lado en su acción actual aprendemos de la práctica, reflexionamos y compensamos, por ejemplo, en los procesos de aprendizaje que se acompañan del tratamiento que realizamos en e-learning, desarrollamos escenarios virtuales que simulan ecosistemas tangibles que tratamos. .

El Aprendizaje Emergente ocurre cuando los agentes interactúan con frecuencia y abiertamente, con grados importantes de libertad, pero dentro de las limitaciones específicas, ningún individuo puede ver todo el panorama, los agentes y el sistema de co-evolucionar……y es en esta parte en la que no puedo coincidir, para mi el aprendizaje se produce con total LIBERTAD…sin ets ni uts, es decir, sin adjetivos….(Juan Domingo Farnós)

¿Por qué es importante? El Aprendizaje emergente es abierto y flexible, por lo que es sensible al contexto y puede adaptarse rápidamente, sobre todo en un mundo en el que las carreras, las profesiones, las identidades, las competencias y funciones, así como los medios interactivos y comunicativos, están cambiando rápidamente. Sin embargo, la apertura tiene que ser compensada por valores de restricción e incluyente.

Si todos estos factores están presentes, el aprendizaje emergente es posible, e incluso probable. Si no es así, sin embargo, la emergencia puede degenerar en guetos aislados virtuales, o “cámaras de eco” (auto-perpetúa y refuerza a sí misma enclaves), que pueden reforzar los prejuicios en lugar de producir la “sabiduría de la multitud” (Alakeson, Aldrich, Goodman,…)

La emergencia no es una panacea, es una opción, y vamos a discutir lo que tiene que estar situado dentro – y preferentemente integrados dentro – una ecología global, el aprendizaje inclusivo, junto con el aprendizaje preceptivo cuando y donde proceda.

El nuevo aprendizaje, la nueva educación,…nunca tendrán sentido si no emanan de una nueva sociedad que elija libremente como quiere ser, como quiere vivir, aprender, soñar, …..

Esto debe ser reconocido como vital – no es un extenporáneo – parte de una ecología de aprendizaje que incluye tanto el aprendizaje emergente y preceptivo en un mundo en el que las plataformas Web 2.0 ofrecen affordances sin precedentes de información, interacción, trabajo en red y la colaboración,…

La producción del conocimiento, en función de la necesidad material y espiritual de la sociedad, es uno de los impactos más resonantes de la revolución tecnocientífica y ha conducido a cambios estructurales en las disciplinas científicas, la acelerada diversificación y obsolescencia de los conocimientos, que se incremente por ello la importancia de los conocimientos básicos, que surjan nuevas modalidades de enseñanza aprendizaje como la teleformación y el e-learning con el uso de las tecnologías de la información y las comunicaciones (TIC)Universidad Morin

En este cuerpo teórico se presentan a continuación las teorías curriculares predominantes, que han dominado los procesos curriculares, y que sirvieron de referencia en la aproximación de la construcción que se presenta, observándose que la estructura fundamental consistió en que sobre la base de unos fundamentos se formularon las metas educativas, la organización de los contenidos, su estructura y las estrategias de enseñanza aprendizaje.

Los elementos pedagógicos manejados tradicionalmente en las teorías curriculares conocidas, serán reconocidas en la aproximación teórica bajo la denominación de transfiguración del conocimiento, mostrando así, el cómo se entiende, se interpreta, se transmite los procesos educativos articulados y organizados que permitan emprender y recorrer los caminos desconocidos y conocidos, en la óptica de la transdisciplinariedad, la pluralidad, flexibilidad y contextualización.

La creación o el desarrollo de ecosistemas organizativos adecuados y las condiciones para apoyar el uso generalizado, sostenible y efectiva de la Información y las Comunicaciones (TIC) en la enseñanza y el aprendizaje ha demostrado ser un reto y muy difícil, por una parte de orquestar y por otra de sostener.

Se trata de un proceso complejo y de múltiples facetas de los cambios que requiere la toma de decisiones integrada y coherente y la acción por parte de individuos y grupos en todos los niveles de nuestras instituciones.

Todo se complica aún más si pretendemos crear escenarios de aprendizaje no predecibles, es decir, abiertos, y si son masivos, las proporciones de complejidad irán aumentando ya que el “control” deja de estar en manos de la “organización” para pasar a formar parte de la ecología de los aprendices…

El modelo seguido para la construcción de la Aproximación teórica muestra los elementos que conforman el constructo donde se definieron los fundamentos curriculares, así como los principios que le dan direccionalidad a la configuración del conocimiento.

Estas dos dimensiones que componen el currículo conforman un conjunto bordeado por un tejido complejo que no diferencia fronteras conformando así dos conjunto heterogéneo, pero inseparablemente asociados entre sí, esta asociación está determinada por los eventos, acciones, interacciones, retroacciones, determinaciones y asares que confluyen en esos conjuntos haciendo que el currículo esté en constante movimiento y evolución. Se establece un entramado curricular cuya unidad dentro del proceso educativo es manejado a través de la incertidumbre, la contradicción, la distinción, la conclusión, el azar, el caos, y el orden.

En este nuevo orden generado por el cambio, se plantea un currículo praxeológico que busque la identidad compleja e identidad común del individuo, para poder socializar lo aprendido dentro de un manejo consensuado del conocimiento y su valoración se establece a través de la definición de indicadores de logro sociales, buscando la satisfacción socializada del producto.

Se establece así, que la praxeología curricular entre uno de sus basamentos es el de transfigurar el conocimiento a través de hechos, ejemplos y detalles manejados a través de la visión compleja de la calidad real, donde la reconstrucción de la organización del conocimiento genere una reforma en el pensamiento dentro del contexto global del mundo.

Las formas como manejan y disipan las dudas internamente y con el grupo, donde se maneja autorreferencias de logros exitosos que sirvan de ejemplo para el acoplamiento de su componente. Este proceso de identificación grupal con éxito o errores definen su reacción e identificación por los integrantes.

Igualmente el grado en que se mantienen atados a viejas tendencias y la influencia que sobre ello conducen su actuación, verifican la capacidad autoorganizativa y autoadaptable del currículo.

La plataforma crítica y de interpretación del constructo teórico curricular, autopoiético, praxeológico y autoadaptable, sugerida son: el escenario real, y la inmersión de grupo de investigadores y comunidades manejadas desde el propio contexto donde se dinamiza el Currículo (Morín, 1992)

…En este trayecto se van desarrollando en forma de espiral y recursiva acciones que complementan las estrategias que transitan por la interacción dialéctica, la libertad de pensamiento, que den lugar a nuevas ideas, adaptadas al entorno y establecidas por una interacción individuo – organización – ambiente, donde el apasionamiento hacia el asombro, hacia el descubrimiento, genere procesos autoproductivos que den lugar a una cadena de formulación de interrogantes surgidos del interés comunitario y de sus propias inquietudes y expectativas, para que dentro de ese dinamismo social donde es parte constitutiva pueda vincular mano – cerebro y cultura de forma que, la transfiguración surja en forma aleatoria.

La experiencia de la última década ha demostrado (véase Bates, 2000; Bates y Poole, 2003, Farnos 2001) que, para lograr el uso sostenible y eficaz de las TIC en la enseñanza y el aprendizaje en toda la organización, no es suficiente para confiar en los esfuerzos de unos pocos,..si no implicar a toda una comunidad, y mejor si vamos más allá de la propia comunidad y lo extrapolamos a fenómenos que sin estar previstos, pueden llegar a suceder.

Todo ello quizás no es “gestionable” a nivel organizativo, pero si podemos poner unas “expectativas” de autocreación y de retroalimentación, las cuales pueden ser utilizadas por los aprendices en sus posteriores aprendizajes y desaprendizajes.

Lo que evaluamos es lo que valoramos y, si no evaluamos las disposiciones como la creatividad, el pensamiento crítico y la colaboración, seguirán siendo ciudadanos de segunda categoría en habilidades básicas de aritmética y alfabetización.

Todo comienza, tal y como se está presenciando en la actualidad, por un desbloqueo de las tareas rutinarias que se han estado desarrollando hasta ahora por los empleados. Esto ya se puede ver en algunas compañías que subcontratan este tipo de actividades a otras pequeñas empresas, como pueden ser los procesos comerciales y las diferentes partes de la cadena de valor.

A medida que la inteligencia artificial se vuelva más sofisticada y humana, cabe prever un futuro en el que la inteligencia emocional pueda considerarse una expectativa comercial básica, así como una competencia personal cuyo dominio sea clave en un mundo y un lugar de trabajo sensible a cuanto se refiere a las emociones. Es probable que la capacidad de los seres humanos para empatizar al adoptar decisiones se convierta en una expectativa comercial fundamental, lo que la convertirá en una competencia muy valorada.

El impacto de los robots en los puestos de trabajo:

¿Tienen ya las innovaciones tecnológicas modernas tal magnitud que hacen probable que en el futuro tengamos menos oportunidades de empleo en Occidente y más tiempo libre?

La disrupción causada al mercado laboral por la Industria 4.0, la robotización y el aumento de los servicios de entrega sin personas están ya a la orden del día. Existen indicios que apuntan a que se producirán cambios de una importante magnitud socioeconómica, frente a las mejoras técnicas esporádicas observadas hasta la fecha.

Ello plantea, sin embargo, varias preguntas interesantes: como empleados, ¿estamos listos, social y psicológicamente, para incrementar nuestro tiempo de ocio? ¿Podemos aprender de nuestra propia historia socioeconómica hasta el momento en que se introdujo la máquina de vapor o la electricidad? ¿Cómo gestionamos la transformación de nuestro lugar de trabajo cuando el ordenador se convirtió en un elemento de nuestra vida laboral?

No quiere ser un artículo “oportunista” porque es ya una posición muy conocida por ustedes, pero que ahora cobra si cabe, una gran expectativa y realismo.

Vamos a establecer una dualidad CREATIVA Y AUTONOMA, y ahí será donde los aprendizajes (training) y el trabajo (work) permanecerán en apogeo, mientras que otras opciones quedarán completamente en manos de organizamos robotizados y plenamente automatizados.

Si está previsto, según la NASA que el desempleo (entendiéndolo como lo hacemos en la actualidad) sobre un 60% de masa crítica, por lo qué la pregunta es obvia ¿vale la pena parar esta evolución? La realidad es que aunque quisiéramos no se podría, por lo que lo mejor que podemos hacer es prepararnos (parece imposible hacerlo frente a algo que es desconocido) con una transformación de nuestra mentalidad convirtiéndola completamente en DÚCTIL y MOLDEABLE, para cuando llegue este TSUNAMI, que ya está aquí, aunque sus primeros coletazos está empezando a vislumbrarse.

En una sociedad que está ya aquí los niveles de desempleo serán de un 50% (NASA), pero esta obsolescencia que se producirá en los mimos (Enrique Dans), deberá ser suplido e incluso mejorado por dos elementos:

1- Que aquellos trabajos muy tecnificados ofrezcan un valor añadido al resto de la sociedad.

2-Que los nuevos trabajos que surgirán serán colaborativos, es decir, la concepción que tenemos de la individualización de los puestos de trabajo (este trabajo es mío), van a desaparecer, por lo que que la concepción del trabajo será completamente nueva y el tema de los sueldos, también.

3-Para eso necesitamos un cambio de mentalización y de ejecución, es decir, lo que venimos explicando, debe haber una transformación en la cultura y explicitamente, en sus valores, y el trabajo lo es.

4-La “Revolución 4.0”, social y tecnológica y la 5.0, cognitiva y biológica, son solo una parte de la Educación Disruptiva que hace tantos años que lo explica y con lo que todas las acciones a realizar deben entrar de lleno en una nueva época (PARADIGMA).

5-El trabajo, como sucede con la educación, ya no será más un elemento aislado, como se considera ahora-lugar de trabajo, sueldo, propiedad, traslados, mejoras, jerarquías etc), sino que estará incrustado con otras disciplinas: formación, redarquía, colaboración, transparencia, responsabilidad, compromiso…

Todo ello nos conduce al paso de “aprender para trabajar”, antiguo paradigma, a “trabajar para aprender”, nuevo paradigma, entendiendo que aprender en este último caso significa hacerlo de manera permanente y continuado (life long learning)

¿Podremos vivir sin trabajar? Mejor aprender y trabajar de otra manera, pasando más tiempo “EN SER” y no tanto “EN HACER”. (Marc Vidal)

La destrucción del trabajo es inevitable, pero si aprendemos a aprender seremos capaces de crear otras modalidades. Ahora no debemos empecinarnos en TITULACIONES UNIVERSITARIAS que ya no conducen ni a “ser alguien con estatus social”, sino a buscar que las universidades o cualquier otro sistema, que pueden ser las mismas WEBS, se encarguen de acompañarnos en nuestras demandas de preparación en el aprendizaje, en ser capaces de plantear y resolver problemas, casos, disyuntivas etc…

Si en la educación se cambiará constantemente de UBICACION (DESLOCALIZACION) , en lo laboral aun será más exagerado y será básico la calidad por encima de cualquier otro factor.

Una de las formas más escalables que tenemos es progresar en un mundo más interconectado con un entorno MENOS ESTABLE y con la tecnología (especialmente la Inteligencia Artificial) como nexo de unión entre formación y trabajo, estableciendo transformaciones transversales en cada situación que se requiera. (lo podemos prever en PROYECTOS TRANSVERSALES, que abarquen desde políticas educativas, laborales, de emprendimiento etc…)

Plantearmos por ello escenarios que creen VALOR AÑADIDO, a través de un CAMBIO CULTURAL (EDUCACION DISRUPTIVA) que permitirá ubicar la Inteligencia artificial, los macrodatos, metadatos (BIG DATA) de la automatización, dentro del trabajo colaborativo y personalizado , con el desarrollo de nuevas habilidades y competencias, lo que hará que dejemos de APRENDER PARA TRABAJAR y pasemos A TRABAJAR PARA APRENDER.

Hoy en día, la definición del lugar de trabajo ha cambiado. Ya no es un edificio fijo con los empleados caminar en a una hora fija vistiendo ropas similares, reportando a los gerentes similares — básicamente la homogeneidad se ha sustituido por la multiplicidad . “Los lugares de trabajo” son hoy en día una ubicación agnóstica. Cualquier persona con una conexión a Internet y un dispositivo móvil o un ordenador portátil puede trabajar en cualquier momento y desde cualquier lugar. La naturaleza de los aprendices, empleados también está experimentando un profundo cambio — de los empleados permanentes a los trabajadores independientes, contratistas, proveedores, consultores, a trabajadores según los contextos, espacios, tiempo, necesidades, excelencias personalizadas….

Estamos ante una evidencia que ya explicamos y anunciamos hace mucho tiempo: está llegando al final ( o por lo menos quedará muy reducido) lo que entendíamos por empleo (trabajo ejercido por las personas).

Una muestra es el despido en masa que se producirá en la Banca española, pero pronto pasará en otros sectores mayoritarios, como son el de la educación, en el de la salud… Estamos como solemos decir en «un cambio de época» y ésta no se va a parecer en nada a las anteriores, las tecnologías digitales, la inteligencia artificial, los hologramas, … van a condicionar y mucho la vida de las personas.

Bien, ahora ya ha llegado el momento en que la sociedad construya otros andamiajes para acomodarse a este nuevo tiempo, es decir, vivir sin lo que estábamos acostumbrados a hacer y llevar esta vida de otra forma, por ejemplo y como solemos decir: El poco empleo (trabajo) al uso que quedará lo van a realizar unos cuantos y los demás van a vivir sin él, por lo tanto será la sociedad la que por medio de sus máquinas pague tanto los impuestos como de a las familias (personas) su modo de vida de cada día.

Será una sociedad donde el TIEMPO, será más relativo si cabe que el anterior, donde las familias puedan vivir más tiempo juntas, como consecuencia de ello, y donde el «dibujo» de esta nueva «pantalla=escenario, se acondicione al nuevo tiempo.

Quedarán por definir el concepto de «dinero», por tanto de «trueque», las relaciones sociales, las de las empresas con sus máquinas, las nuevas maneras de educarnos (en eso saben que hace años que explicamos esta nueva forma de entenderla como es la Educación Disruptiva, …

La 4ª, la 5ª Revolución Industrial y las que vendrán, revoluciones industriales no harán otra cosa que incidir en todo lo comentado, por tanto la velocidad de propagación de estas nuevas «pantalla» van a construir nuevos «HUBS» de maneras de vivir y de hacer las cosas.

Es ya una obviedad que ni el trabajo ni los sueldos volverán a ser nunca lo que fueron, y que nos estamos moviendo hacia una economía post-trabajo, entonces tenemos que reestructurar cómo se realiza el trabajo y cómo se compensa. No podemos seguir ligado al concepto del «trabajo como la principal forma de trabajar». Por ejemplo, que las personas puedan cambiar fácilmente los roles de trabajo, sin la camisa de fuerza de los modelos de competencia de recursos humanos, es una manera de deshacerse del trabajo estandarizado, que no tiene lugar en una economía creativa. Todas las organizaciones y los trabajadores tienen que enfrentar el hecho de que la pérdida de puestos de trabajo de rutina continuará, pero que dentro de nada lo harán las máquinas, eso si, el creativo y colaborativo lo haremos nosotros con ayuda de ellas, por supuesto.

Donde se crean bolsas de trabajo de repente con escaso valor añadido, dentro de un tiempo son sustituidos por máquinas, eso pasará des de ya, no hay la menor duda, hay que buscar trabajo diversificado, tecnológico y si no se conoce el tecnológico, adaptar los roles y la formación hacia él.

Esto sucede para trabajos manuales, como los de ocupaciones de producción, y los trabajos de oficina en oficina y ocupaciones de apoyo administrativo y pronto arquitectos, docentes … ramas del trabajo que si no se adaptan a los nuevos tiempos van a perderse y ser sustituidos por máquinas, por lo que si seguimos empecinados en «más de los mismo» lo tenemos muy claro.

La creación de valor en la economía emergente en la red creativa es tener las ideas, la conexión de las ideas, y probar cosas nuevas en base a estas ideas, sin importar equivocarse o no, ya que tenemos la retroalimentación, por una parte, o volver a comenzar de nuevo, eso si, con facilidades de poder hacerlo..

No sólo estas actividades requieren tiempo, son muy sociales, ya que el éxito depende a menudo de con quién trabajamos. Pero ser creativo no es algo que la gente sólo puede encender y apagar, como cualquier artista sabe. Para fomentar la creatividad que necesitamos para cambiar la forma en que estructuramos el trabajo. Cuando el ‘Trabajo’ se hace obsoleto por la automatización (obsolescencia laboral)los rasgos de cumplimiento, la diligencia, la inteligencia, incluso llegan a ser menos valiosos. En una economía creativa, ‘Talento’ requiere creatividad, la curiosidad y la empatía, pero no un talento al uso, si no la EXCELENCIA PERSONALIZADA.

La excelencia, el talento, la inteligencia etc son conceptos que pertenecen a tiempos pasados, hoy ya están muy superados ya que la utilización de las nuevas tecnologías, inteligencia artificial … no solo las han difuminada si no que han provocado que su utilización con fines sociales, académicos, económicos etc, perviertan lo que se está queriendo buscar, de mostrar … Por eso hemos instaurado y demostrado que la EXCELENCIA PERSONALIZADA no solo les suple si no que actualiza estos elementos transformándolos hacia planteamientos totalmente actualizados. Las tecnologías con el soporte de la Web 2.0 para el aprendizaje colaborativo en un contexto de educación superior (meta- educación), significa un antes y un después Nos habla de una elección de estudiantes aptos para el sistema, lo que no explica es la segregación que se producía al mismo tiempo, aunque si comenta que es el mismo sistema, también el que intervenía directamente en la formación docente, lo cual le servía para adoctrinar, para que decirlo de otra forma.

Los nómadas inteligentes”, los KNOWMADS, que no son solo personas con capacidad de liderazgo adaptado y distribuido, sino entes que van hacia estructuras mutables, disruptivas y que engloben a cada uno por sus peculiaridades personales y colectivas, este tipo de personas serán no solo las que aprenderán si no las que trabajarán, por tanto, las propuestas y las maneras de entender la socializacion y el trabajo ya serán otro ya que verán que el talento entendido como tal no se sostiene, mejor dicho, ni lo conocen y por tanto apuestan por lo suyo, la creatividad, el compartir, la socialización y esa excelencia personalizada.

Tal esfuerzo integrado está en espera que produzca la innovación social e, inevitablemente, conduce a preguntarse acerca de qué formas puede adoptar la educación inteligente, subrayando que todas las piezas que componen el mosaico de los ecosistemas información deben ir enfocadas haca ello. La infraestructura virtual – web y tecnología móvil – se integrarán más estrechamente con el paisaje físico – internet de cosas sensatas y lugares físicos – la incorporación de este último en un ecosistema complejo que llevará adelante las oportunidades para aprender de la vida cotidiana.

En este escenario surgen muchas preguntas y esperar respuestas y soluciones, entre ellas:

• A través de qué camino educativo de todos los jóvenes, y sobre todo, se convierten en “responsables” ciudadanos conscientes de las Ciudades del futuro y de los Espacios de APRENDIZAJE-TRABAJO, que se desarrollarán en” el futuro?

• ¿Cómo vamos a aprender de los libros abiertos que están representados por las ciudades de arte, parques, agro-industrial y tecnología / distritos productivos?

• ¿Cómo los datos provenientes de las áreas sensorizada y dispositivos personales serán elaborados para apoyar la conciencia y el aprendizaje continuo?

• ¿Cómo va a ser nuestro comportamiento influenciado por el conocimiento de los mecanismos de co-evolución y los límites de los ecosistemas?

• ¿La infraestructura laboral será lo suficientemente inteligente como para reajustar, , para satisfacer las necesidades que cada uno pueda desarrollar una larga vida, en diferentes contextos?

• Las ¿’ciudades inteligentes “ayudaran a reforzar la inclusión social y el sentido común de pertenencia?

Las organizaciones tienen que rediseñar sus procedimientos de gestión, identificar sus activos de conocimiento y transformar su cultura interna hacia la redarquía, el modelo organizativo emergente característico de las nuevas redes abiertas de colaboración -muy especialmente la Web 4.0- y está basado en las interacciones que múltiples agentes mantienen entre sí cuando comparten su talento y su conocimiento de forma abierta y transparente (Wikipedia) …

El problema es que muchas organizaciones siguen teniendo una visión estática del conocimiento con estructuras compartimentadas poco abiertas a la colaboración en red, reduciendo así dramáticamente su capacidad para innovar (es decir, mejorar los procedimientos para conseguir ser mas eficaces y efectivos con respecto a los objetivos de nuestras acciones y servicios).

– Los trabajadores más valiosos son quienes más activamente comparten lo que saben y van descubriendo, quienes más aportan al conocimiento colectivo, no quienes se lo reservan como instrumento de poder.

-Gestionar el conocimiento de una organización consiste en gran parte en facilitar la interacción, colaboración y conexión colectiva, convertirla en una comunidad de aprendizaje activa que a su vez participa en otras comunidades externas, ya sean locales, sectoriales o globales.

El verdadero genio de las organizaciones es la economía informal, a menudo inspirada en formas espontáneas que las personas reales resolver problemas reales de manera que los procesos formales no puede anticiparse. Cuando estás compitiendo en el conocimiento, el nombre del juego es la improvisación, no la normalización memoria . “ John Seeley Brown

Con todo ello, la confianza, la transparencia, el compartir experiencias…realmente esto es el aprendizaje y en ello se basa el trabajo.

Está terminando la era industrial. Los ejemplos incluyen abogados reemplazados por software, el personal del banco reemplazado por los sitios web, los agentes de viajes sustituidos por aplicaciones, y pronto los conductores serán reemplazado por robots.

Los lugares de trabajo se están encontrando a un punto de ruptura entre la era industrial y la era de la red, con los sistemas de la era industrial y estructuras que no pueden adaptarse a un mundo de procesos de trabajo en su mayoría no estandarizados, no repetibles.

Lo que solía ser valorado, los rasgos en la fuerza de trabajo – la obediencia, diligencia, inteligencia – no son los necesarios para hacer el trabajo no estandarizado, que pronto será el único trabajo que los humanos serán necesarios, lo demás lo hará la inteligencia artificial…y eso ser´, tanto si queremos como sino….

La creación de valor intangible no es como la producción de bienes tangibles. El retorno de la inversión no es obvia. Para salir adelante a partir de ahora, se necesitará de demostrar UN TALENTO ÚNICO (Excelencia personalizada de Juan Domingo Farnos)

Si estamos de acuerdo que para conseguir mejorar la sociedad necesitamos del talento de todos y de cada uno de nosotros, la ESCUELA FORMAL, lo impide, ya que se centra en una “versión muy limitada del talento” y apuesta más por objetivos y competencias universalizadores, generalistas y estandarizados… y eso ocurre en la EDUCACIÓN «DURA»:

Ser mediocre, ser uno más de la factoría…eso ya pertenece al pasado a la era industrial…por ejemplo: “Un docente de ahora, un docente más, de aquellos que cumple con el ritual de cada día, con los libros de texto que tocan, con el curriculum que nos mandan, con las ordenes del inspector de turno teledirigido por el poder politico educativo de turno…..eso ya no solo no tiene futuro, sino que no tiene presente, es un trabajo más de los obsoletos…su propia mediocridad lo hace y no me refiero a personas en concreto, sino a la función de DOCENTE ACTUAL.

El trabajo creativo, no estandarizada es difícil de aprender. Requiere,, el aprendizaje cooperativo entre iguales con ayuda informal, lo que no sucede en un aula, como los artistas han sabido desde hace milenios.

Por eso mis investigaciones y reflexiones por la la falsedad de la TEORIA DEL ESFUERZO, entre otras, o que “todos debemos cobrar igual si hacemos el mismo trabajo”…otra falacia de la sociedad industrial….

La CULTURA DEL ESFUERZO que muy bien clarificó JORDI ADELL, en una videocongferencia para IBERTIC, no es la solución y me explico. Si nos esforzamos en realizar unos aprendizajes que no solo están mal diseñados, si no que posteriormente no sirven para trabajar, la pregunta es fácil ¿para qué sirven? y la respuesta es obvia, para nada.

La crisis económica mundial, la de valores, la social….han provocado un “crash”, un antes y un después, y ahora estamos en el después, y los que quieran seguir con “lo de siempre” deben apartarse y salir de “sus escenarios acomodaticios”, ahora es tiempo de “otros”, de los líderes y de las personas que ya están cansadas de tantas innovaciones estériles, ahora toca a los divergentes, a los disruptivos, a los que estaban en los “bordes” pero ya deben entrar de llenos en el escenario.

El conocimiento y la gestión del mismo, para hacer este trabajo no es fácil de encontrar.. No se puede tomar un libro de recetas y crear un chef. Compartir el conocimiento implícito no es tan simple como la “transferencia de conocimientos”. La única manera que los seres humanos han descubierto la manera de compartir el conocimiento implícito es a través de conversaciones. Un montón de conversaciones…

Como el trabajo se vuelve no estandarizado, sino personalizado (EXCELENCIA PERSONALIZADA), necesitaremos más ideas, serendípia, y las conexiones para ser creativos.

En una economía creativa, la cooperación es tan importante (yo diría que mucho más…Juan Domingo Farnos) como la colaboración fue en la economía de la información. Entonces, ¿Cómo podemos conectar flujos de conocimiento entre nuestras redes sociales amplias y las zonas más centradas en nuestro trabajo personalizado? ¿Cómo podemos hacer frente a las limitaciones de tiempo y de recursos, así como cuestiones de confidencialidad?

Necesitan lugares para probar ideas en un espacio de espacio de confianza.

El mundo natural se compone de sistemas complejos y por tanto tiene sentido que las mejores estrategias para una población son las que toman en cuenta esta complejidad.

Esta es una limitación de los modelos de organización jerárquicos. Ellos no pueden hacer frente a los niveles a gran escala de complejidad..

Las jerarquías amplifican la escala de comportamiento de un individuo pero no aumenta su complejidad, en todo caso, la limita y la disminuye.

Para aumentar la complejidad en una sociedad y que ésta le permita encontrar diferentes caminos, para diversas situaciones, se necesita una transversalidad, unalateraralidad, una REDARQUÍA, que permita establecer planteamiento complejos abiertos, ya que si los jerarquizamos, los cerramos y delimitamos, con lo que ya no sirven para la sociedad.

Si bien nos debemos salir de las jerarquías oficialistas, necesitamos redes sociales fuertes, pero no en el sentido dogmático y uniforme, si no en redes transparentes y confiables entre sus componentes.

Aunque algunas relaciones sociales como las de Serge Moscovici (19619) . Se le conoce más como “sistema de valores, ideas y prácticas con una doble función: en primer lugar, establecer un orden que permita a las personas a orientarse en su mundo material y social y para dominarlo, y en segundo lugar para que la comunicación tenga lugar entre los miembros de una comunidad, proporcionándoles un código para el intercambio social y un código para nombrar y clasificar sin ambigüedades los diversos aspectos de su mundo y de su historia individual y de grupo “

Sergé se basa en dos planteamiento a la vez, uno es el CIENTÍFICO, que a través de los planteamientos empíricos conocidos, nos lleva a la creación de conocimiento científico…

El universo consensual de la representación social, en el que el público lego elabora y difunde las formas de conocimiento que llegado a constituir el contenido de sentido común, el aspecto más PERSONALIZADO Y REDÁRQUICO.

Primero se anclan viejos planteamiento adquiridos y conocidos (aspectos más conservadores), y a continuación se pasa a una objetivación más abstracta y por tanto más compleja (desconocida)…lo cual fortalecerá aun más el grupo, manteniendo cada individuo su posicionamiento propio.

La identidad social y por tanto la personalización dentro de la complejidad, se construye mediante la identificación, pero la gente no necesariamente se compromete a todos los aspectos, si no a aquellos que no se ap0rtan de sus intereses, maneras de ser…. Pueden utilizar su débil identificación de separarse de los valores y resaltar su identidad personal en su lugar( la libertad siempre tendrá prioridad).

El bienestar dentro de una estructura social redárquica es es mucho más experimental, no es la “jerarquía de necesidades” de Maslow que nos ocupa en la sociedad posmoderna. En su lugar, se trata de procesos intergrupales complejos como las representaciones sociales, así como con los procesos interpersonales.

Las personas son seres sociales que experimentan, que necesitan reflexión y motivación de apoyo en sus actividades diarias de la construcción, las representaciones y los valores sociales propios.

En el siglo XX, el trabajo siempre ha estado separado de la formación y la educación, con la oficina aparte del aula de clase,. La mayoría del entrenamiento basado en la web es independiente de que se realiza el trabajo.

Hoy en día, el trabajo es el aprendizaje, y el aprendizaje es el trabajo. Esto requiere una nueva perspectiva sobre la forma en que pensamos sobre el aprendizaje organizacional. (LEARNING IS THE WORK de Harold Jarche y EDUCACIÓN DISRUPTIVA (LEARNING IS THE WORK de JUAN DOMINGO FARNOS).

La educación siempre ha entendido EL ERROR mirando hacia atrás, mirando lo que se ha hecho ya, mientras que si optamos por aportar IDEAS, siempre deberemos mirar hacia delante, mirando las cosas que podremos hacer….

La gestión del conocimiento PKM hace que cada individuo sea responsable de la búsqueda, el sentido de tomar decisiones y el intercambio de conocimientos.

Al vincularse el trabajo colaborativo y el aprendizaje, promueven la creación de redes y el apoyo a la persona, el desarrollo de capacidades de auto-organización del personal. Aquí están todas las áreas de aprendizaje, de seminario formal de aprendizaje sobre el aprendizaje en la red (aprendizaje social) y el aprendizaje informal en el proceso de trabajo (Learning Management) diseñado en línea con la estrategia corporativa y fundamentalmente gobiernan.

Por lo tanto, se necesita un marco de aprendizaje para el Trabajo Social Learning, entre otras cosas, ofrece los siguientes elementos de aprendizaje:

Fase preliminar:. Reunión de desarrollo con las mediciones de competencias ejecutivas y objetivos, el acuerdo de las tareas de práctica y de proyecto, las condiciones …
Workshop: inicio regular de los procesos individuales de aprendizaje para los nuevos empleados con tándem y la formación de grupos, formando intenciones de implementación, “charla informal” ….
-Construcción de conocimiento con control automático y la formación: la oferta de contenidos de la formación basada en web, videos de aprendizaje, podcasts, estudios de caso de los empleados …, tanto como módulos obligatorios, así como “a la carta”
Desarrollo de competencias auto-organizada en el proceso de trabajo y la Red: sistemática el desarrollo de habilidades para hacer frente a los desafíos en el lugar de trabajo y en los proyectos; edición colaborativa de retos en el lugar de trabajo y en la red
Co-coaching: el asesoramiento mutuo y habilidades de apoyo al desarrollo a través de socios de aprendizaje
Asesoramiento de pares: asesoramiento orientado a los problemas mútuos en grupos de estudio de acuerdo con una estructura consistente
Apoyo Educativo: coaching, e-coaching y mentoría electrónica
Los talleres de transposición (webinars): reflexión regular de las fases de aprendizaje auto-organizado, el procesamiento de preguntas abiertas (algunas con expertos), Educación intención
Talleres: reuniones personales, por ejemplo, en forma semestral, con reflexiones comunes, presentación y discusión de los resultados, los ejercicios con carácter caso, la intención … la educación.

«Siempre seremos reemplazables, pero también podemos llegar a ser irrelevantes, todo dependerá de nosotros». Juan Domingo Farnós

Los investigadores estamos en ello, ahora solo hace falta que nos coordinemos y lo pongamos encima de la mesa no como teorías, si no como la realidad en que nos toca vivir.

Si caminamos por caminos que nos llevan por nuevos paradigmas que se corresponden con la sociedad de la información y del conocimiento, Frederick Laloux (Autor: Reinventando Organizaciones)) :»Mi opinión es que en el lugar de trabajo ideal del futuro, no habrá ningún» lugar de trabajo «o» empleadores «. Equipos de equipos se auto-ensamblan según la necesidad para co-crear y luego desmontarse para formar otros equipos de los equipos.

En el paradigma antiguo, el protocolo de la relación entre trabajador y empresa o entidad empleadora seguía el siguiente patrón conversacional, lo cual vamos a extrapolar al mundo de la educación. A ver si acertamos en la HIPÓTESIS y en el desarrollo inclusivo, abierto y ubicuo:

Yo empresa, te asigno unas tareas para que produzcas un bien o servicio cuyos procesos están establecidos de antemano”. – Lo que sería algo así como: Yo organización educativa te asigno un currículum para que lo cumplas y lo lleves a cabo bajo las directrices que te voy a dar.

Yo trabajador, te ofrezco a ti, empresa, mi fuerza bruta o conocimientos, como prueba de mis competencias te muestro mi formación y experiencia…. “Yo aprendiz, estudiante, voy a desarrollar todas mis competencias, a buscar todos los conocimientos posibles, a escucharte siempre y en todo momento, para cumplir tus directrices, organización educativa, siempre bajo tus directrices.

En el paradigma moderno, : “Yo trabajador, que he escuchado y estudiado lo que hace tu empresa, y en ese proceso he descubierto una oportunidad de crecimiento para ella. Te realizo una oferta para mejorar sus resultados, para lo cual cuento con una red de alianzas; un conjunto de nuevas destrezas (capacidad de coordinación, escucha, gestión emocional, impecabilidad, disposición a aprender y reciclarme). Y sobre todo, una proposición con la que juntos podemos crear valor. También te muestro los conocimientos que he adquirido y las experiencias exitosas y enriquecedoras que he tenido”.

En la Educación sería (paradigma actual y futuro) Yo aprendiz bajo mis posibilidades personalizadas, te pido organización que me acompañes y me facilites cuantas cosas -conocimientos, experiencias…) para realizar todos mis aprendizajes y para aportar todas mis posibilidades diferenciadas todo el valor posible a la sociedad.

Esta nueva realidad conversacional modifica el espacio y los protocolos clásicos de la intermediación laboral porque el rol del trabajador, aprendiz, es mucho más rico y activo.

En las empresas y organizaciones modernas que es donde debemos inspirarnos para que se entrenen y capaciten los aprendices trabajadores, y encontraremos a personas capaces de actuar autónomamente, de manera diversa, para tomar iniciativas, escuchar y responder a los cambios del entorno…

“Mira, estas son las tareas, yo las haría así, pero te pido que me sorprendas y me digas cómo las harías tú”.

El mundo de los negocios se está digitalizando rápidamente, rompiendo las barreras de la industria y la creación de nuevas oportunidades, mientras que la destrucción de los modelos de negocio ya anticuados están siendo exitosas.. Llamamos a esta alteración digital de proceso y, aunque el cambio de tecnología habilitada para barrer a menudo toma más tiempo de lo que esperamos, la historia muestra que el impacto de dicho cambio puede ser mayor de lo que imaginamos. Y mientras ¿qué hace la educación? Muy fácil, y como siempre, DISCUTIR QUE ES ESO DE LA DIGITALIZACIÓN Y SI SERÍA BUENO O NO UTILIZARLA…toda una paradoja.

Aquello de la “Educación siempre llega tarde” eso si que no es una metáfora, es LA REALIDAD.https://juandomingofarnos.wordpress.com/…/la-educacion…/ de Juan Domingo Farnos

Hoy en día, la definición del lugar de trabajo ha cambiado. Ya no es un edificio fijo con los empleados caminar en a una hora fija vistiendo ropas similares, reportando a los gerentes similares – básicamente la homogeneidad se ha sustituido por la multiplicidad . «Los lugares de trabajo» son hoy en día una ubicación agnóstica. Cualquier persona con una conexión a Internet y un dispositivo móvil o un ordenador portátil puede trabajar en cualquier momento y desde cualquier lugar. La naturaleza de los aprendices, empleados también está experimentando un profundo cambio – de los empleados permanentes a los trabajadores independientes, contratistas, proveedores, consultores, a trabajadores según los contextos, espacios, tiempo, necesidades, excelencias personalizadas….

Necesitamos :Dominios transversales (escuchar, declarar, afirmar, enjuiciar, pedir, prometer).excelencia personalizada: dirección, relaciones internas, relaciones externas, trabajo, aprendizaje, renovación, emocionalidad, planificación y evaluación.

El nuevo paradigma genera un nuevo modelo de currículum y con él, un cambio radical de las competencias, aptitudes y actitudes del nuevo aprendiz-trabajador.

Veamos de forma práctica cómo se revela esto a la hora de confeccionar el currículum, lo que nos servirá para tener clarosiempre hacia donde podemos ir en el nuevo paradigma:

–Nuevas capacidades para escuchar (observar, recabar información, explorar…). Una oferta personalizada. No se trata de emplear el tiempo en enviar cientos de currículos, o en llevar a cabo Diseños Instruccionales genéricos, si no en utilizar las potencialidades de cada uno de nosotros (PERSONALIZED LEARNING: https://juandomingofarnos.wordpress.com/…/personalized-lea…/ de Juan Domingo Farnos.

–Armar sólidas y duraderas redes de colaboración que vayan creciendo y consolidándose a lo largo de la vida (mi potencial y efectividad como profesional está en función de la red de confianza que creo en torno a mí). Mi red de confianza me puede acompañar de por vida si la alimento, mi aprendizaje-empleo, no.

–La capacidad de desaprender y reaprender. Los conocimientos prácticos adquiridos que pueden reforzar el VALOR QUE YO PUEDO APORTAR.

-Los éxitos y experiencias pasadas (también los ERRORES- fracasos) que sirven de experiencia para fortalecer LO QUE VAMOS A APORTAR.

-La Educación como elemento aislado ha terminado, debe ir con el comercio, la cultura, el trabajo…pasamos a una meta-conectividad..

Pasar de “el fracaso no es una opción. a el fracaso no es un problema” es cambiar de “cultura, es pasarar a una cultura de la RESILENCIA….a una cultura de superación, adaptación, transparencia y confianza…lo que podríamos definir como cultura de la REDARQUÍA..

Cada vez necesitamos más adaptarnos a un nuevo PARADIGMA, más eficiente de aprender y con métodos más transparentes y más confiables métodos de evaluación alentando a los estudiantes a explorar diversas ideas, experimentar con diversos formatos o construir puentes con las comunidades diversas…

Coincidimos plenamente Harold Jarche y Juan Domingo Farnos en que … una sociedad compleja requiere de planteamientos complejos, ya no hablamos de soluciones, lo cual sería muy pretencioso….

Observa que lo que era central en el currículum antiguo (títulos, experiencia laboral), está en un segundo plano frente a las redes personales, la capacidad de crear nuevas ofertas y las nuevas destrezas.

Aunque aún pervive el modelo de trabajador de tareas repetitivas y el Director, Rector, gerente-capataz, están siendo reemplazados a pasos agigantados por el trabajador-autónomo-emprendedor-ofertante y por el gerente-coach….Estamos pasando de la JERARQUÍA A LA REDARQUÍA, poco a poco, pero lo estamos haciendo (Son tiempos duros, que van a ocasionar muchos problemas, pero LA PERÁMIDE CAERÁ, de eso no hay la menor duda.

El mundo natural se compone de sistemas complejos y por tanto tiene sentido que las mejores estrategias para una población son las que toman en cuenta esta complejidad.

Esta es una limitación de los modelos de organización jerárquicos. Ellos no pueden hacer frente a los niveles a gran escala de complejidad..

Las jerarquías amplifican la escala de comportamiento de un individuo pero no aumenta su complejidad, en todo caso, la limita y la disminuye.

Ante este panorama en evolución, no es de extrañar que L & D tendrán que reinventarse para seguir siendo relevante. En el pasado, L & D’s ha sido el diseño de programas de formación basados en las necesidades de aprendizaje definidos, carencias de competencias y objetivos . Sin embargo, por definición, todos los programas de formación han pasado de estar centrados en base a un análisis del pasado, impartiendo las mejores prácticas y el conocimiento explícito documentado. Si bien no estoy diciendo que el entrenamiento será completamente reemplazado debido a la necesidad de formación inicial y cualificación rápida seguirá existiendo, el énfasis está en lo que debería ser L & D’s como enfoque principal en organizaciones distribuidas que enfrentan desafíos de trabajo complejos que requieren soluciones innovadoras e ideas creativas.

Los planes para el desarrollo de la investigación y la innovación se basan en un plan estratégico i, con un marco de desarrollo y de innovación continuada.

Más allá del apoyo continuo de la excelencia académica y con el fin de realizar sus ambiciones para traducir el conocimiento en beneficio de la sociedad, nos centraremos en gran parte de nuestras investigaciones en datos y meta-datos recogidos del exterior e importados a través de nuestras herramientas digitales.. Estas áreas se verán reforzadas y con el apoyo de tres plataformas transversales: la plataforma de impacto social (por ideas humanas y sociales en la ciencia y las tecnologías); la plataforma de innovación empresarial; y la plataforma de mejora de la ciencia y la tecnología.

Las principales áreas son exteriores se organizarán como ‘investigación y de la empresa hubs’, cada coordinador orientado por un director académico y el apoyo de personal especializado. A través de estos mecanismos, tendremos una estructura para aumentar el apoyo externo para su sus actividades de transferencia de conocimiento y la investigación, y para maximizar los beneficios entregados a la sociedad

Pude llegar a ser reconocido internacionalmente como una intensa investigación de la Universidad y de la Empresa que se distingue por su enfoque en la traducción del conocimiento en beneficio de la sociedad y la economía.

Teniendo en cuenta que en un cambiante y complejo ecosistema y conectado, el aprendizaje es más probable que ocurra a través del intercambio de pensamientos e ideas a través de conversaciones por lo que parece bastante obvio que L & D tiene que intervenir y convertirse en facilitadores de estas redes sociales para organizaciones, empresas… Se pasará a los empleados para construir sus redes de aprendizaje personal (PLNS) y convertirse en aprendices auto-impulsados, será una de las principales responsabilidades de la futura L & D. Tienen que dejar de pensar en los aprendices, trabajadores como aquellos que necesitan ser alimentados con la cuchara de las habilidades y conocimientos necesarios y en lugar de verlos como personas que son capaces de acceder a lo que necesitan, cuando lo necesitan, como y con quien… L & D’s trabajará en conjunto con la universidad, la empresa para garantizar que los silos están puenteados, que los conocimientos y la experiencia relevante ,son accesibles a todos, y cada uno tiene las herramientas y habilidades necesarias para conducir su propio aprendizaje. (Excelencia personalizada)

Un entorno de «código abierto» que será y es impulsado fundamentalmente por la inclusión y la excelencia de cada uno. Culturas abiertas se basan en la transparencia, la participación, la confianza y las comunidades. La cultura de una organización es una reflexión colectiva de lo que los valores de la organización, la forma en que quiere que su gente se comporten, las decisiones que toma, los artefactos se exhibe, e incluso la forma en el lugar de trabajo está diseñado arquitectónicamente. Esto a su vez inspira a la gente a compartir sin miedo – tanto los éxitos como los fracasos – que conducen a prácticas como el «TRABAJO EN VOZ ALTA de Harold Jarche». ( Trabajar en voz alta = Trabajo observable + Trabajo narrado)

Este concepto ha sido tratado también por Jon Stepper, Julian Stodd, Harold Jarche, Juan Domingo Farnos, y también se han hecho eco bloguers como por ejemplo Jeroen Sangers. (Mariano Sbert)

Se trata de algo tan sencillo como a la vez complejo: no solo trabajar aprendiendo si no además trabajar aprendiendo del feedback que recibimos de los demás que ven nuestro trabajo y que a la vez que aprenden del nuestro nos hacen sus comentarios.

No debemos pensar que eso solo va de escribir nuestras experiencias en un blog y compartir nuestros documentos. Se trata de ir más allá y en los lugares de trabajo hacer participes a nuestros colegas de nuestros logros y nuestras dificultades. Compartir lo que vamos haciendo de forma que al final el producto o servicio se alimenta de muchas aportaciones de conocimiento y es más adaptado a las necesidades de la sociedad. Y si en esta red incluimos a nuestros clientes y usuarios se produce la total transparencia y la cocreación.

Jon Stepper habla de cinco elementos:

Hacer visible tu trabajo: el punto de partida
Mejorar tu trabajo: A partir de las aportaciones de los demás.
Liderar con generosidad: Huir de la auto-promoción. Nosotros buscamos ayuda ofreciendo ayuda a los demás.
Construir una red social: Cuando más relaciones se desarrollen, mas intercambio de aprendizaje existirá.
Tener un propósito: Es fundamental tener claro nuestro “para que”. De esta manera evitaremos dispersarnos en la red creada. Las conexiones deben ser gestionadas de una manera eficaz.

Empecemos por revisar como trabajamos en nuestra organización. A partir de aquí veamos como mejoramos nuestra comunicación interna, nuestra intranet y nuestra nube y como nos relacionamos con nuestros grupos de interés: colaboradores, accionistas, clientes, proveedores, competidores, … y como decíamos en otra entrada, siempre teniendo una finalidad, un para qué.

¿Lo comentamos?

Bryce Williams working out what happened to then

Julian Stodd: building strategy working out loud

Harold Jarche: work out loud week

John Stepper: working out loud when you dont want to be visible

Juan Domingo Farnos: generar espacios de aprendizaje y laborales responsabilidad de “otros”!

Y si lo encuentras de tu interés y lo deseas, en Agencia de Aprendizaje te podemos ayudar a poner en marcha tu plan de “trabajar en voz alta”.

Sólo para explicar, «trabajando en voz alta» es la práctica de narrar el trabajo de uno de una manera que hace que sea útil para los demás (JUAN DOMINGO FARNOS) Yo creo que para cualquier organización para progresar y aprender, una transformación de la cultura es esencial.

El futuro del aprendizaje en el trabajo será significativamente diferente del pasado. Si tratamos de utilizar el Marco 70:20:10 o el modelo de aprendizaje generalizado para definir una hoja de ruta, pide volver a imaginar el paisaje de aprendizaje.

Un Marco de Prácticas de Desarrollo de Alto Rendimiento, de Charles Jennings, un planteamiento científico, que se está desarrollando en el mundo de la empresa y que se extrapola al entornos de la educación…

Naturalmente si en la educación no hablamos de INCLUSIVIDAD Y POR TANTO DE EXCELENCIA PERSONALIZADA, NO SERIVIRÍA DE NADA ESTE PLANTEAMIENTO… (La sociedad aprende de ella misma de Juandomingo Farnós)

El Currículo e instrucción se consideran el corazón y el alma de la educación, bueno la mayoría lo llman Educación y una minoría formación, pero claro, no deja de ser puramente una instrucción

Cómo seguidor del modelo de Richard DuFour que dice “tenemos que pasar de una cultura de la enseñanza a una de aprendizaje.” Creo firmemente que cada profesor es el factor más poderoso para el aprendizaje del estudiante.

Un plan de estudios fuerte es el que reta a los estudiantes a pensar críticamente, y obviamente no es el sistema actual y ni siquiera el procedimeinto establecido de : Estructura, organización y funcionamiento de la manera de aprender y de la manera de educarnos…

Las habilidades básicas de la alfabetización debe hacerse hincapié en el currículo. Podríamos reforzar los planes de estudios, simplemente ofrecer a los maestros el tiempo de planificación común para compartir las mejores prácticas y desarrollar el currículo como un equipo.

Nuestro plan de estudios debe alterarse por cambios en nuestro mundo. Es evidente que nuestro plan de estudios y la enseñanza y nuestro modo de enseñanza que necesitan ser re-evaluados para mantenerse al día con el resto del mundo.

En la educación de hoy en día estamos constantemente tratando de cerrar la brecha entre nuestro mayor logro y el más bajo el logro de los estudiantes. Me preocupa que no hay una segunda brecha guarnición suficiente atención, y que es la brecha entre los estudiantes mejores y más brillantes.

La tecnología ha convertido en un actor principal en nuestra economía global, nuestras escuelas y nuestros hogares. Tenemos que ver la tecnología como una herramienta para mejorar el aprendizaje del estudiante y el maestro y que aporte un valor adicional, que si lo hace.

Como Tom Whitby tan elocuentemente lo expresó en un reciente post en Twitter “Los Medios de Comunicación Social deben ser parte de PD para permitir las conexiones del educador con otros educadores para acabar con el aislamiento y mantener su pertinencia”.

Tenemos que ampliar el aprendizaje más allá de las fronteras de nuestra escuela. Personalmente, fuicapaz de ampliar mi red de Aprendizaje Profesional (PLN) a través de una conferencia de presentación en Medellín, aquello significó un punto de ruptura, de inflexión en mi manera de hacer las cosas, me decidió a “romper” con “el fracaso” que significa hacer siempro lo mismo y mal, el APRENDIZAJE FORMAL.

Nunca he aprendido tanto profesionalmente des de que estoy en Twitter , aunque a veces veo que mi filosofía es muy diferente de la mayoría de educadores, “hago las cosas pensando en los aprendices, nunca en el sistema y sus docentes”.

Todo el mundo es un estudiante, profesor, mentor, o entrenador a su vez en función de su área de conocimiento y el contexto (EXCELENCIA PERSONALIZADA).

ROLES DEFINIDOS SE ESTAN DESMORONANDO; y los límites se están fusionando. En la creación del pasado, el contenido y por supuesto la competencia de la L & D quedaba definida con la ayuda de expertos en la materia y sancionados por la dirección; hoy en día, estamos en la era de los contenidos generados por los usuarios (PROSUMIDORES como POLICY MAKERS), escenarios de colaboración y cooperación con la retroalimentación de los compañeros y las conversaciones que toman el asiento delantero. En este contexto, es necesario decir que el TRADICIONAL ELEARNING, por ejemplo queda OBSOLETO. E-learning hoy tendrá que incorporar diseños mucho más atractivos en forma de gamification, simulación, realidad aumentada, y la animación en 3-D. Todos estos tienen que integrarse en la forma en que diseñamos programas de aprendizaje si se quiere involucrar a los estudiantes de hoy en día.

Los marcos de aprendizaje tendrán que evolucionar en consecuencia. «En el puesto de trabajo» de aprendizaje ( , por ejemplo, ha adquirido un nuevo significado hoy en día con los trabajadores del conocimiento que trabajan desde cualquier lugar. «En el puesto de trabajo» hoy puede implicar la ubicación ,,, colaborando con el propio compañero o el intercambio de ideas en un foro en línea con expertos de todo el mundo.

Conectarse es “cómo” aprender a la tarea actual. Mostrar y contar sólo funciona si se puede poner en práctica. La curva del olvido es empinada cuando no hay práctica.

Que sea un trabajo de todos para compartir lo que han aprendido. ¿Has notado lo fácil que es encontrar “cómo hacer” videos y explicaciones en la Web? Eso es porque alguien se ha tomado el tiempo para publicarlos. Todo el mundo en la organización debería hacer esto, si se trata de un texto corto, una foto, un mensaje, un artículo, una presentación con las notas, o un vídeo en toda regla.

Crear espacios para hablar de las cosas y captar lo que se transmite . Obtengamos estas conversaciones al aire libre donde se puedan compartir. Proporcionar tiempo y el espacio para la reflexión y la lectura. Hay más conocimiento fuera de cualquier organización que dentro. (La escuela y la universidad pierden la esencia de toda la vida, ahora el conocimiento está en todas partes y eso “es mucho más grande que cuatro paredes”…(@juandoming)

Romper las barreras. Establecer la transparencia como el modo por defecto, por lo que cualquiera puede saber lo que otros están haciendo. Desbloquear los cuellos de botella de comunicación, al igual que los supervisores que controlan el flujo de información. Si los supervisores no pueden manejar un entorno abierto, de deshacerse de ellos , ya que constituyen un obstáculo para el aprendizaje organizacional y ahora es de misión crítica.

Todo esto se puede hacer dentro de las unidades de negocio. Los equipos de trabajo pueden dejar los cursos a los especialistas en formación, pero deberían tomar el control de su propio aprendizaje. El aprendizaje es el trabajo.” …se refiere Harold jarche…

Juan Domingo Farnós “el aprendizaje ubicuo, como una forma de establecer puentes primero, y fusiones después, entre educación y trabajo…

Reinvéntate, rediseña tus competencias y tu currículum para un mundo cuyos rasgos son: velocidad, innovación, acción y emprendimiento.

Las organizaciones cuyos líderes no reconocen la importancia de la colaboración se dirige hacia el desastre. .A medida que el ecosistema se vuelve más compleja y la tasa de cambio se acelera, la formación tradicional y formal, el aprendizaje de arriba hacia abajo y de intercambio de conocimientos tendrán dificultades para cumplir con las necesidades de la organización y los individuos. Estas organizaciones van a perder su ventaja, así como su fuerza de trabajo más capaz y talentoso. Es el momento adecuado para que las organizaciones se mueven hacia la integración social como parte del aprendizaje y una forma de trabajar, y no como una estrategia de bolt-on. Un negocio verdaderamente social es que cada individuo está facultado para desarrollar su potencial de liderazgo de una organización pujante y en constante aprendizaje. (EXCELENCIA PERSONALIZADA)

LOS LUGARES DE TRABAJO Y DE APRENDIZAJE DE HOY SON UNA UBICACION «AGNOSTICA»…..

Necesitamos :Dominios transversales (escuchar, declarar, afirmar, enjuiciar, pedir, prometer).excelencia personalizada: dirección, relaciones internas, relaciones externas, trabajo, aprendizaje, renovación, emocionalidad, planificación y evaluación.

Las tecnologías las utilizaremos no solo para construir, sino para deshacer continuamente posicionamientos que se nos van quedando obsoletos y si podemos hacerlo de manera personalizada con aplicaciones portables, mucho mejor.

Entramos en una época donde la destrucción del trabajo entrará en concumitancia con una formación que estará en manos de las personas, no de las instituciones y los títulos serán las habilidades de cada uno, por tanto ahora más que nunca necesitamos de LIDERAJES REDARQUICOS y VALIENTES, que sean capaces de hacer que la gente se convenza que hay que prepararse para un mundo que desconocemos y que se nos presentará de golpe.

Seguiremos… (utilizamos un lenguaje, ideas etc que se sale de lo “viejo” de “lo académico a ultranza” y se adentra en la nueva forma de ver las cosas de los ciudadanos…

La educación centrifuga de Ben Williamson referida a los aspectos de la Educacion Disruptiva: descentralizada, dispersa, distribuída, por la acción de las tecnologías, encauza con la visión del trabajo del futuro, un contrato social no definido aun de Marc Vidal.

De manera tradicional las sociedades e individuos han adoptado un patrón de aprendizaje con un mantenimiento continuo, interrumpido por períodos cortos de innovación estimulada en gran medida por el impacto de eventos externos … Incluso hasta el momento presente, la humanidad sigue esperando acontecimientos y crisis que catalizan o imponen este aprendizaje primitivo por choque (disruptivo)…

La educación como la entendemos hoy, está alcanzando sus últimos días y el trabajo tan cuál ya ha terminado su paso por las diferentes culturas.

Las palabras clave: redes, conexiones, inteligencia artificial, descentralización, podríamos añadir, redarquía, aunar los escenarios de aprendizaje y de trabajo y los hacen más volátiles si cabe.

Ya nadie puede garantizar la existencia del trabajo para todos porque aún no está claro como “firmaremos” el contrato social sobre el mismo e incluso para aquellos que sean capaces de conseguir las HABILIDADES que tanto renombramos y como la formación de mañana se realizará, toda y digo toda, fuera del aspectro actual de lo que conocemos por educación formal, la incerteza aún es mayor.

Winter se sorprende al saber que hay otros mundos en otros planos de la existencia. Estos mundos son muy diferentes de los de ella, que van desde problemas, a un planteamiento distópico (Distopía: utopía perversa donde la realidad transcurre en términos opuestos a los de una sociedad ideal). , al futurista o fantástico.

Pero en esta incertidumbre, en este caos, debemos ofrecer VALOR, debemos tener la capacidad de hacerlo, pero no solos, nunca lo conseguiriamos, nuestra red nos ayudará, claro que si.

A medida que los cambios en los ecosistemas se convierten en nuestra capacidad para co-crear significado dentro de nuestras comunidades, eso nos permitirá prosperar. Cuando la incertidumbre es la única constante, sólo el ágil podrá sobrevivir y prosperar.

Solo nos queda que aprender a vivir en la incerdidumbre (en aprendizajes y en trabajo) (Educación Disruptiva)

¿Es en esta sociedad donde debemos controlar el caos, tanto en educación como en otros aspectos?…si es afirmativo, no sería volver al principio? y si es que no? ¿cómo lo implementaríamos? ¿no sería entonces una verdadera disrupción?…

Se aproxima una crisis de percepción. La complejidad del mundo ha llevado al ser humano a simplificar la realidad, a abstraer la naturaleza para hacerla cognoscible y, tristemente, a caer en la trampa de la dualidad. Bien y mal; objetivo y subjetivo; arriba y abajo. Pero la tendencia tiende a ordenarlo todo choca con la misma realidad, irregular y discontinua. Muchos científicos ya han renunciado a la ilusión del orden para dedicarse al estudio del caos, que acepta al mundo tal y como es: una imprevisible totalidad.

Esta sociedad mal llamada “caótica”, para otros anárquica (que triste que no se entienda a la misma sociedad y no me refiero al término, que es lo de menos)…

Todo ello nos conduce a….

Nuevas formas de vivir y pensar la realidad:

-Comprender la complejidad del mundo (estable y siempre cambiante), sus procesos creadores e innovadores. Dentro del caos siempre hay un orden, pero ya no es generalizada, si no diversa y personalizada (lo cuál no es menos importante (algunos dirán que si), pero no…es lo que es, lo que la sociedad es hoy en día.

-Trascender la estrechez de la cultura científica.

-Dejar de luchar por ahuyentarlo y pactar con él …

-Comprender que cada acción, por pequeña que sea, decide dramáticamente el futuro de cada quien y del colectivo. El mundo está interconectado.

-Entender que es tanto un paradigma como una ilusión…

Hay que dejarnos de obsesionar por CONTROLAR la incertidumbre y ver ésta como algo positivo.

Si prestamos atención a las sutilezas (saliendo de posiciones rígidas y controladoras) abrimos dimensiones creativas profundas y armoniosas.

Esta florece cuando poetas, pintores, escritores, músicos, bailarines…están inmersos en el caos. La creatividad surge cuando el ser humano asume el control de su vida.

Con esta posibilidad “el caos y también la incertidumbre” aunmentamos el número y también la calidad en el abanico de posibilidades y conductas que se pueden dar, observar o vivir en cada situación. Cuanto mayor sea el abanico de posibilidades, mayores los grados de libertad que se registran. (hasta ahora era todo lo contrario…cuanto más rigidez, más control…mejor eran los resultados para los que seguían el sistema, y muy mal, para los que se apartaban de él).

En la Teoría del Caos existen tres componentes esenciales: El control, la creatividad y la sutileza. El control por dominar la Naturaleza es imposible desde la perspectiva del caos, pactar con el caos significa no dominarlos sino ser un participante creativo. “Mas allá de nuestros intentos por controlar y definir la realidad se extiende el infinito reino de la sutileza y la ambigüedad, mediante el cual nos podemos abrir a dimensiones creativas que vuelven más profundas y armoniosas nuestras vidas”.

El control por dominar la Naturaleza es imposible desde la perspectiva del caos, pactar con el caos significa no dominarlo sino ser un participante creativo. “Mas allá de nuestros intentos por controlar y definir la realidad se extiende el infinito reino de la sutileza y la ambigüedad, mediante el cual nos podemos abrir a dimensiones creativas que vuelven más profundas y armoniosas nuestras vidas”. (Teoría del Caos)

Conceptos útiles que incluyen co-evolución, el desequilibrio, la retroalimentación positiva, perturbación, transformación, fractales, atracciones extrañas, la autoorganización y la complejidad dinámica.Estos conceptos pueden ayudar a comprender cuando el sistema está listo para la transformación, y la dinámica del sistema que pueden influir en los cambios individuales que tratamos de hacer y los efectos de esos cambios.

Por otra parte, la teoría del caos y las ciencias de la complejidad nos pueden ayudar a comprender y mejorar el proceso de transformación como un sistema complejo adapta los sistemas educativos para transformarse. Los atractores extraños y puntos de apalancamiento son especialmente importantes para ayudar a nuestros sistemas educativos para corregir el desequilibrio de la evolución peligrosa que existe en la actualidad.”( Reigeluth, 2004)

Realemente tampoco es tan necesario controlar el caos, eso es lo que venimos haciendo durante siglos . Estos sistemas disfuncionales debemos asimilarlos y sentirnos cómodos en esta nueva sociedad, que algunos llaman, sociedad utópica.

Winter se sorprende al saber que hay otros mundos en otros planos de la existencia. Estos mundos son muy diferentes de los de ella, que van desde problemas, a un planteamiento distópico (Distopía: utopía perversa donde la realidad transcurre en términos opuestos a los de una sociedad ideal). , al futurista o fantástico.

Con base en lo anterior hay dos clases de incertidumbre: Estructurada: No se sabe que puede pasar entre diferentes alternativas, pero sí se conoce que puede ocurrir entre varias posibilidades. No estructurada: No se sabe que puede ocurrir ni las probabilidades para las posibles soluciones, es decir no se tienen ni idea de que pueda pasar.

Todo ello nos lleva a una Educación INCLUSIVA, UBICUA,…donde la búsqueda de la EXCELENCIA de manera personal y social son el punto de mira y uno delos pilares básicos de esta NUEVA SOCIEDAD DISRUPTIVA. (Farnós 2000…)

Esta nueva Sociedad hace que se genera otra Cultura de la Educación, donde ya nadie se “refugiará” en el paraguas de las Escuelas y Universidades, éstas han perdido su “poder” de valores refugio, de totems del conocimiento y de “validadores” de titulaciones que no solo no servían para nada sino que segregaban, establecían brechas que encumbraban a unos y “hundían en la miseria a otros (los marginaban y excluían socialmente).

Esta Sociedad quiere formación de calidad, libre, INCLUSIVA oportunidades de formarse, sin depender de la accesibilidad, de la economía, de su situación de habitabilidad, del control temporal…(UBICUIDAD) que la Tecnología (TIC) se lo facilitará y la Sociedad, la que aceptará todos estos condicionantes como los únicos que importarán, ello hará que cada persona pueda sacar su EXCELENCIA, lo mejor que puede aportar a los demás, tanto como consumidor como productor (PROSUMERS), y nadie le podrá impedir llevarlo a buen puerto, con lo que no sólo cada uno como indivíduo mejorará, sino que ello beneficiará a la colectividad.

Nunca antes esto fue posible, por tanto ahora debemos aprovecharnos de ello y anteponerlo a cualquier otra circunstancias, eliminando aquellas trabas que no lo hacían posible, pero hacerlo de un plumazo, sin miramientos proteccionistas sin sentido.

Estamos en el tiempo de Internet, de la Inteligencia Múltiple, de la Inteligencia Artificial…y debemos coger de todas lo mejor que tienen y emplearlo para mejorar ·todos· no unos cuantos, es la época del CIUDADANO y su hábitat es la SOCIEDAD, por tanto es des de aquí donde debemos pensar, ejecutar y servir, si lo hacemos, conseguiremos caminos que nos conducirán hacia “territorios” que nunca en la historia de la humanidad fueron posibles.

La tecnología estará ahí siempre, debemos empezar a usarla para nosotros desarrollar, para alcanzar nuestros objetivos de manera adecuada. La oportunidad está ahí, está lista para aprovecharla:

1. Introducción y prácticas de aprendizaje. Modelo de gestión por competencias y su valoración, Mini- Proyecto de Innovación (presencial y/o virtual)

2. Innovación: ¿Qué es? Principios básicos y paradigmas

Tendencias globales. Competencias para gerenciar la innovación

Interpretación de los resultados en la valoración de competencias

Mini- Proyecto de Innovación

3. Creatividad e Innovación ¿Quién fue primero?

Algunas historias de innovación. La innovación y el cambio en las organizaciones: cómo gestionar el gobierno de la innovación

Competencias del día: Visión Estratégica del Cambio + Innovación

4. Ejecución de las ideas innovadoras: riesgos y aceleradores

Sistema de gestión de ideas. Indicadores. Balanced Score Card

Competencias del día: Orientación a resultados + Influencia

5. Cultura de innovación y calidad de servicio: mapa de innovación centrado en el cliente

Tendencias globales en servicios. Prácticas innovadoras

Competencias del día: Orientación al cliente + Autocrítica

6. Comunicación de la Innovación

Competencias del día: Comunicación influyente + Integridad

Presentación de Mini-Proyecto de Innovación

Valores y Buenas Prácticas para el Aprendizaje:

-Libertad para disentir: dos condiciones para el aprendizaje: respetar y agregar valor

-Contraste de ideas: discusión abierta entre pares, búsqueda del reto, por cada crítica, una sugerencia

-Uso de los sombreros para pensar

-Trabajo individual: análisis, reflexión, expresión de opinión

-Trabajo en equipo: análisis, discusión, acuerdo y resultados

-Cacería de tendencias: mirar el entorno, combinar atributos, conocer otras fórmulas http://crearesultados.blogspot.com/

Gestionaríamos un PERFIL INNOVADOR Y/O PERSONALIZADO…

a) Un conjunto de características personales y profesionales existentes en las personas a través de las cuales alcanzan resultados diferenciadores para su organización o emprendimiento.

b) El perfil innovador supera los desafíos de su tiempo, cambia las prácticas habituales y logra desempeño superior usando paradigmas distintos a los de sus pares:

-Con características personales expresadas en comportamientos observables, en el ámbito de la gerencia, que: Se expresan en conductas observables

-Ocurren en diversidad de situaciones

-Ocurren con frecuencia a lo largo del tiempo

-Predicen el desempeño superior

-Componen un perfil

Con ello podemos transitar por un Modelo de Competencias:

-Un método que conjuga las conductas típicas del mejor desempeño y las conjuga entre si.

El método provee:

1-Relación de los comportamientos con la estructura, cultura, estrategia y retos de la organización. Comportamientos observables que sirven de referencia y ejemplo.

2-Predecir éxito frente a las responsabilidades asignadas

3-Se aplica en los diferentes procesos de RR.HH: conexión, desarrollo, compensación..

Todo ello hace que el el aprendizaje, el trabajo y el desarrollo (L&D) como es conocido se desmorone:

Yo empresa, te asigno unas tareas para que produzcas un bien o servicio cuyos procesos están establecidos de antemano”. — Lo que sería algo así como: Yo organización educativa te asigno un curriculum para que lo cumplas y lo lleves a cabo bajo las directrices que te voy a dar.

Todo este proceso lo diseñaremos para hacer cosas con la replicabilidad y el compromiso que se merecen, de manera creciente y constante con un aumento de la eficiencia, la escala y el acceso a mas elementos exteriores, que antes no podíamos.

Ahora sabemos que los “stocks de conocimiento” se reducen en valor mucho más rápidamente en relación con un mundo emergente de “flujos de conocimiento” — que el conocimiento ya no necesita poseer, sino que hemos de ser capaces de llegar a su acceso.

Algunas de las instalaciones clave de Investigación de Aprendizaje son que:

-Una empresa puede ofrecer un mejor retorno de cada mente empleada cuando se puede construir una fuerza de trabajo de aprendizaje comprometid imbuido por capacidades de pensamiento más de tipo empresarial a través de sus miembros.

-Los que están en el orden jerarquizado vertical, comúnmente poseen totalmente diferentes conocimientos y experiencias para el personal de alto nivel que durante mucho tiempo han sido promovidos fuera de contacto con los clientes, o se quitan de donde se realiza el trabajo real.

-Todo el mundo puede aprender mejor cuando emprende desafíos para contemplar nuevas preguntas en el contexto de su lugar de trabajo.

-En los lugares de trabajo, aprender puede crear una experiencia más atractiva para aquellos que vienen a trabajar que deseen contribuir y aprender.

-Cuando existan perspicacia y motivación, el potencial de aumento de la rentabilidad en el conocimiento y la fuerza actual en todas las especialidades de la organización crece.

-Quienes no están acostumbrados a pensar o contribuir más allá de la especialidad en la que estaban comprometidos comenzarán a hacerlo.

-La construcción de la sensibilidad y capacidad de respuesta a los cambios externos de sus “bordes” mejorará la capacidad de una organización para anticipar el futuro.

-Determinado aprendizaje puede estimular el perfeccionamiento de los modelos de negocio existentes para impulsar la innovación en la concepción y ejecución de la estrategia.

En muchas organizaciones de legado, el aprendizaje no está integrado en la estrategia en absoluto. En muchos, incluso el concepto de estrategia no se comunica de manera efectiva a los esperados para entregarlo.

Contra la certeza de la industria en red-y en tiempos disruptivos , muchos administradores ahora pueden también estar a punto de experimentar el dolor de verse obligados a contemplar la insuficiencia de sus propios procesos de creación de conocimiento y de gestión, en relación con sus competidores, su industria o las mejores prácticas actuales en otros lugares .

La red, internet, está evolucionando hacia “la plaza” donde suceden los acontecimientos, donde esta revolución se lleva a cabo, parece que fuera de internet solo hay la nada y por el momento así será.

Si ya sabemos que los cajeros de los “Super” o las personas que atienden en los Bancos, por decir algo, ya prácticamente no existen, lo mismo sucederá en lo que hasta ahora hemos llamado educación, los aprendices ya producen sus contenidos, desarrollan su esquemas para aprender, se están erigiendo como los responsables de su aprendizaje y del control de calidad de lo que hacen, por tanto el trabajo que envuelve estas actividades será otro, no digo que cierren las instituciones como las universidades, pero evidentemente y como decimos en la Educación Disruptiva, su función será la de acompañamiento y facilitación y lo será preferentemente de manera online, digital etc…ya que el aprendizaje móvil va subir a cuotas de más del 80%.

Evidentemente no podremos entender el “PARO” como hoy, ya que no trabajará ni la misma tipología de personas ni tan solo éstas serán las que paguen los “impuestos”, evidentemente deberán hacerlo las máquinas, por lo que sustrato social, educativo y laboral se deberá “escribir” de acuerdo a los nuevos tiempos y nunca de manera definitiva, sino adaptable y progresiva a como se vayan desarrollando los acontecimientos.

Evidentemente loas transformaciones van a ser tan volátiles y rápidas que lo único importante va a ser preveerlas y anticiparte a ellas, estableciendo unos MÍNIMOS DE SALIDA, no podremos hacer nada más, porque unas tecnologías aprenderán de las otras y esto hará que un cambio se sobrevenga a otro.

No estamos en un MATRIX porque en definitiva estas disrupciones se producen en las personas y son estas las que no podemos dejar pasar el tiempo esperando, esto nos conduce a no prepararnos para lo que vendrá, por ejemplo:

Las Universidades no pueden ofrecer, grados, masters, tesis doctorales, CONGRESOS Y CONFERENCIAS, con los mismo planteamientos de siempre, solo porque siempre se han hecho así y porque hacerlo de otra manera parecería frívolo. Sino son capaces de hacer las cosas con visión de futuro dejan a otros que lo hagan, no es un riesgo, es la realidad y si en principio parecerá que son únicos, no pasa nada, será lo mejor para su comunidad y a continuación para la sociedad.

No quisiera de nuevo estar solo, de nuevo doy un paso más, ahora ya dentro del nuevo paradigma en una posición más actual donde la Educacion Disruptiva se adentra en posicionameintos más globales con interdisposiciones de las diferentes disciplinas y aspectos de la vida de las personas y lo sigue haciendo en red pero una red donde las personas fabrican su manera de hacer las cosas ya con plena responsabilidad, …el querer no ser dirigidos por otros ya ni lo cuestionan, simplemente ha desaparecido. Titulos, lideres jerarquicos, universidades dirigistas y controladoras, trabajo que no conduce a nada, etc…esto ya ni tan solo merece perder el tiempo hablar de ello ya que lo que les importa es el presente y especialmente el FUTURO…

Estamos muriéndonos mientras la red se autoconstruye y nos abarca como aplanadora de identidades. Lo que esta en juego es el como interpretamos la red o como la red nos interpreta a nosotros, de ahí la necesidad de una actitud participativa que genere espacios abiertos a la reflexión y a la crítica, a la investigación y construcción de ideas para ser enriquecidas colectivamente ahora que la oportunidad lo permite con personas de todo el mundo en este determinado tiempo, momento y lugar.

Es claro que el planeta obedece a reglas internacionales de mercado, los ideales de globalización son la estrategia de los países industrializados para mantener su control. No existen planes globales para compartir la tecnología, para educar en tecnología, sino al contrario para mantener y aumentar las distancias entre pobres y ricos, en este caso entre info-ricos e info-pobres, la brecha es aún más grande e insalvable.

Razón que justifica el uso de los medios en tareas educativas y de valoración a las diferentes tradiciones culturales. La diversidad en la red no es vista como patrimonio global, sin embargo hace de ella un espacio abundante en algo mas que datos, la convierte en el lugar idóneo para ganar en conocimiento, experiencia y por tanto sabiduría.

El pensamiento único se puede entender como el que nos imponen los modelos, como por ejemplo el de la globalización. El pensamiento crítico es al que puede acceder el individuo por sus propios medios y que le permite ser consciente de su lugar y grado de participación y compromiso con respecto al lugar y situación en que se encuentra.

Aquel que reciba una idea mía, recibe instrucción en si mismo sin demeritar mi idea. Las ideas deben dispersarse libremente de unos a otros alrededor del planeta, por la moral y mútua instrucción de los hombres, un mejoramiento de nuestra condición, parece haber sido así designado por la naturaleza, como el fuego, que se expande por el espacio, sin perder su densidad en ningún punto, y como el aire en el que respiramos, que se mueve y contiene a nuestro cuerpo, imposible de ser encerrado o de ser poseído exclusivamente por un individuo. Los inventos entonces por naturaleza no pueden ser un tema de propiedad”.

La red como zona crítica de pensamiento y aprendizaje!!!!!

Cualquier idea puede ser buena o no si es factible de aplicar, o por lo menos intentar que sea así y en una sociedad en red, nadie perdonaría a ningún pensador que se preciara sino lo intentara con todos los medios tecnológicos, didácticos, organizacionales…que se encuentran dentro de la Sociedad de la Información y del conocimiento…

El pensamiento crítico, puede actuar de “alerta” para que en lo que respecta a lo que queremos dar a entender como Educación Disruptiva dentro de un entorno global social, pueda llevarse a cabo.

Puede considerarse como el detonante de un proceso o procesos, que nos abra la mente…y que en un primer momento podríamos centrar en lo que ….

¿Quién legitima los conocimientos en la era digital? ¿Alguien tiene el “poder de hacerlo? ¿Por qué? (Educacion Disruptiva (3)

El curriculum no proporciona conocimientos, estos se consiguen por medio de informaciones, experiencias, habilidades… y son los aprendices quienes lo hacen de manera personalizada y socializada.

El problema esta en : ¿Quién los legitima? ¿Qué autoriza su inclusión? ¿Se pueden cambiar? ¿Quién lo puede hacer? En estos nuevos tiempos ¿debemos seguir los mismos procedimientos que antaño? ¿Por qué?

Preguntas que de alguna manera nos labran el camino para que a través de su transformación nos permiten llegar a una disrupción social y cultural.

El curriculum es el principal MEDIO DE MENSAJERIA (Ben Williamson) de la educación formal, realmente no tiene otra.

Ahora realmente lo que si es influyente es la “significación” política que representa en el ideario de la sociedad. Nos encontramos posiblemente con dogmatismos, adoctrinamientos o simplemente nada, es decir, solo lo que cada asignatura se quiere que se demande.

La pérdida de la influencia de la Educación Formal y su reconocimiento social, hace que el curriculum cerrado, por definición lo es, deje las puertas ABIERTAS a todo tipo de “incursiones” que vienen de fuera y que dinamitan sus puertas, tanto en su vertiente pedagógica, tecnológica, de valores etc…

La Educación Disruptiva lo contempla y establece posibilidades mixtas:

conlleva a una permeabilidad de un ecosistema de aprendizaje digital para la exportación y / o importación de la información y el conocimiento que depende de la naturaleza de la “arquitectura” de los componentes del sistema (por ejemplo, la conectividad, la agrupación), las características de los protagonistas y su diversidad y distribución , y las interacciones entre ellos …

Por lo tanto, con ello preparamos las prácticas eficaces de aprendices expertos en relación con las herramientas y entornos Web 2.0. Sobre la base de un estudio cualitativo, nuestro objetivo siempre irá dirigido a delinear un perfil de competencias del estudiante durante toda la vida-2.0 con el fin de identificar a un soporte de herramientas de planificación-una formación de calidad que llevaremos a cabo desarrollando habilidades PKM-en los no expertos.

Nos centraremos en competencias básicas y habilidades de orden superior ( Meta-habilidades), identifica las condiciones que lo permitan y las competencias que favorezcan una gestión eficaz de uno de PK, para que conocimiento y aprendizaje puedan estar siempre conectados en red”… (La remezcla y recombinación de habilidades, destrezas y competencias técnicas son las exigencias de las nuevas profesiones relacionadas con las TIC: telecomunicólogos, gestión de la información, gestores de redes sociales, community manager, content…)

Para entender mejor esa oportunidad, hemos encontrado útil examinar la naturaleza cambiante de la oferta y la demanda en múltiples segmentos de educación.

Ahora surge un nuevo “espacio” donde la sociedad se autoformará de manera “invisible” (No disminuir la naturaleza crítica actual de la relación entre el aprendizaje y el desarrollo, de hecho, siempre ha estado en el centro del cambio real en el orden de las cosas) ya sin la necesidad de ecosistemas cerrados ni de instituciones educativas que centren el pensamiento en una sola dirección con el gobierno y las directrices de unos pocos, pero bien, no será solo por eso, que también, si no porque la sociedad con la REALIDAD VIRTUAL (con tecnologías y artilugios móviles adecuados), van a dar un golpe de efecto, lo vamos a llamar “HACKEAR la SOCIEDAD Y SU FORMACIÓN”, para de esta manera hacer que las personas vivan, trabajen, se relacionan etc… de manera acorde al siglo XXI y un botón de muestra lo he visto esta mañana mismo después de una larga noche de trabajo y una impresionante ducha en la misma TV (aquí tienen la muestra)

https://goo.gl/9tZNoK Rosa García: “Para impulsar la economía en España apostaría por una educación 4.0 y una nueva competitividad”

Por tanto ahora mi linea de investigación, si bien es cierto que parto de un trabajo intenso y muy basto (extenso) (en este mi último año en la red), hacia los derroteros de esta formación invisible de una sociedad compleja y muy intensa, teniendo presenta las premisas que les acabo de nombrar, así como la búsqueda sobre el terreno (voy a intentar hacerme experto en los videojuegos con realidad virtual) para así experimentar directamente sus posibilidades tecno-pedagógicas (no en el sentido que se conoce el término pedagogía) si no en el de implemantación de esta Realidad Virtual/INVISBLE dentro de la sociedad y sus posibilidades.

Bien es cierto que se tiene una visión de la realidad virtual, pero de manera paanorámica a mi entender. en cambio yo voy a intentar establecer metaconocimientos al respecto empleando además los ítems que tengo contemplados en mis investigaciones:

-educacion inclusiva

-educacion abierta

-educacion ubícua

-cambio de roles

-excelencia personalizada

-deslocalizacion

-desregulación

-desaprendizaje

-elearning

-mlearning

–Educación Disruptiva (learning is the work).

No obstante, creemos que el potencial digital en el sector de la educación y la formación es más amplio y apunta a la transición hacia un ecosistema digital de aprendizaje permanente y formación.

Para entender mejor esa oportunidad, hemos encontrado útil examinar la naturaleza cambiante de la oferta y la demanda en múltiples segmentos de educación.

Los microcréditos (cuando lo sacamos de nuestras investigaciones Udacity lo bautizó cono NANODEGRE) para así los distintivos pueden indiferenciar la demanda al permitir que los aprendices ensamblen sus propias vías de aprendizaje modulares en lugar de exigir que se basen en certificados, diplomas o títulos impartidos por instituciones educativas (el fin de las instituciones como hemos comentado) Del mismo modo, la desagregación del contenido de aprendizaje a través de recursos educativos abiertos, el crowdsourcing de contenidos y la prestación virtual de enseñanza y tutoría, desintermedian la oferta y, por tanto, reduce los costos, lo cuál a su vez es otra ventaja que disponemos para labrar el camino.

Las posturas encontradas con las que se encuentra hoy la educación, han hecho que la comunidad educativa se encuentre en un dilema importante, seguir con las premisas establecidas por la escuela de siempre, lo que significa aceptar lo que venimos haciendo y rehaciendo, o por el contrario, cambiar nuestro camino e ir por otros derroteros.

Evidentemente, si estamos en una nueva Era, la educación debe adaptarse a unos nuevos planteamientos, los que el tiempo marque, y éste parece que quiere inclinarse por otro camino, por otros planteamientos, por tanto, por qué no ir por ellos?

Aquí se nos abren diferentes frentes y preguntas variadas.

-¿Es necesaria la escuela? o,

-¿Queremos la escuela actual?, o,

-¿Desearíamos una escuela diferente?, y, quizás la más importante y como no, disruptiva,

-¿Pasaría algo sino existiera la escuela?

Estas preguntas conducen a respuestas que seguramente serán muy variadas y como no, polémicas, pero lo más importante es saber hacia donde vamos, hacia donde queremos que nuestros conciudadanos se eduquen y progresen, ese es el verdadero dilema y la más importante cuestión.

Nuestra opinión siempre ha sido clara, la Escuela de hoy ya no es necesaria, la Sociedad pide Inclusividad (acabar con las brechas + búsqueda de la excelencia de cada persona) y ubicuidad (poder aprender cuando y cómo queramos (autogrestión del aprendizaje de José Juan Góngora., por lo tanto podemos deducir que quizás lo que de verdad ponga obstáculos a la educación sea la Escuela.

Nuestra clase política que desafortunadamente controla los destinos de nuestros país ha decidido defender a ultranza sus intereses que se ven amenazados por este nuevo paradigma y condenarnos a la fatalidad de un “apagón tecnológico” ) que obstruyen nuestro desarrollo como nación incluido por su puesto el rechazo de la incorporación de los principios del en todo momento, en todo lugar y cualquiera en el sistema educativo… pero ellos no manda, es el pueblo quien tiene la corona de la soberanía, y en educación y formación, todavía más…

Sin lugar a dudas la transformación de sistemas educativos llegará por medio del empuje social a la que representa la Sociedad de la Ubicuidad, inevitablemente los estudiantes demandarán esa transformacion transformación de la escuela tradicional para reclamar su justo derecho de participar de la sociedad global: de la humanidad, de reafirmarse como parte de esta nueva generación de seres humanos….”

La provisión de espacios físicos de aprendizaje también se interrumpe, con muchos centros de trabajo y laboratorios de coworking del centro de la ciudad que proporcionan acceso flexible a la infraestructura.

Además, las áreas de demanda previamente insatisfechas debido a restricciones de oferta -para capacidades digitales, tutoría individual, orientación profesional, supervisión remota, etc.- ven la aparición de nuevos mercados y proveedores especializados, debido a las simulaciones propias que estableceremos con la realidad virtual y la aumentada.

La mitad inferior del marco de la oferta y la demanda destaca las oportunidades de interrupciones extremas. La configuración de nuevas cadenas de valor para el suministro y la entrega en nube de cursos y títulos en línea está cambiando drásticamente la economía del lado de la oferta. Las soluciones digitales están empezando a ofrecer resultados de aprendizaje iguales o mejorados a un costo muy reducido.

Al mismo tiempo, el poder del análisis de datos grandes permite la creación de nuevas propuestas de valor, no sólo para la programación adaptativa o personalizada…Lo “adaptatividad” es el ‘ajuste de una o más características del entorno de aprendizaje’. Estas acciones adaptativas tienen lugar en tres áreas distintas:

Apariencia/forma: Cómo se muestran al alumno las acciones de aprendizaje, como contenido, incorporación de texto, gráficos o videos, etc. La mayoría de las plataformas adaptativas de hoy día lo denominan “consumo de contenido” y esperan que el conocimiento se adquiera simplemente leyendo el contenido.

Orden/secuencia: Cómo se ordenan y se bifurcan las acciones de aprendizaje según el progreso del alumno, como las rutas de aprendizaje.

Orientación hacia el objetivo/dominio Las acciones del sistema que conducen al estudiante hacia el éxito. Esto permite que se realicen cambios según los resultados óptimos de aprendizaje, el grado de dificultad y el creciente nivel de conocimientos o aptitudes del alumno.

Las soluciones convencionales, principalmente cognitivas (que se centran en cómo el proceso aprendices, construir y almacenar conocimiento) ofrecen una visión restringida de cómo las personas aprenden y demasiado a menudo conducen a soluciones inestables o ineficaces de aprendizaje en línea. Una persona en su totalidad incluye emociones e intenciones como factores críticos en el proceso de aprendizaje. También falta la integración de los fines de instrucción, los valores y las estrategias en el diseño, desarrollo y presentación de contenidos (objetos).

Lo que si podemos concretar es que el conocimiento se ha adentrado en un pensamiento más político que de contenidos, por lo que su besante económica es ya mucho mas relevante y reconocida por la sociedad.

El tema principal ahora será asociar conocimiento con aprendizaje y trabajo para establecer zonas comunes que con la ayuda de las nuevas tecnologías, especialmente internet, la Inteligencia artificial etc… podamos desarrollar una sociedad que quiere entrar de llenos en el siglo XXI.

Actualmente queremos ver como se desarrolla el aprendizaje dentro de diferentes parámetros, y me explico, sabemos las tipologías de aprendizajes que hemos querido tener de manera cultural y por tradiciones, pero es bien sabido que los conocemos actuando por separada, por el contrario, si pensamos como inteactuarian los unos con los otros y si son necesarias estas posiciones, sabemos bien poco.

Cuando examinamos una gama de diferentes contextos en los que el aprendizaje se lleva a cabo, descubrimos que lo que llamamos ‘atributos’ de formalidad / informalidad están presentes en cualquier situación, aunque solo actúe uno de ellos.

Significan tanto las características del aprendizaje en una amplia variedad de situaciones, y también el hecho de que son las personas la que atribuyen etiquetas como tales características formales, no formales e informales,para. nuestro análisis nos sugiere que estos atributos de formalidad / informalidad están presentes en todas las situaciones de aprendizaje, sino que las interrelaciones entre esos atributos formales e informales varían de una situación a otra.

Es importante no ver los atributos formales e informales como algo separado, a la espera de ser integrados. Este es el punto de vista dominante en la literatura, y es un error. Por lo tanto, el desafío no es, de alguna manera, combinar el aprendizaje formal e informal, para los atributos formales e informales están presentes y relacionados entre sí, lo queramos o no.

El reto consiste en reconocer e identificar, y entender su implicaciones. Por esta razón, el concepto de aprendizaje no formal, por lo menos cuando se ve como un estado intermedio entre la educación formal y no formal, es redundante.

Dentro de la dimensión “política”, existen las frecuentes declaraciones sobre el potencial emancipatorio superior de la educación no formal. Esto es peligrosamente engañosa. Nuestra red de arrastre nos ha hecho ver que todas las situaciones de aprendizaje contienen desigualdades de poder importantes, y que el aprendizaje informal / no formal y formal puede ser todos emancipadores u opresivos y a menudo al mismo tiempo.

Las diferencias de poder y las cuestiones de desigualdad con los aprendices deben ser tomadas en serio en todos los contextos. Por otra parte, el grado en que el aprendizaje es emancipador u opresivo depende al menos tanto o más en los contextos organizacionales, sociales, culturales, económicos y con políticas más amplias en las que el aprendizaje tenga su sede, como en las prácticas reales de aprendizaje y pedagogías involucradas.

Esas interrelaciones y los efectos sólo pueden comprenderse adecuadamente si el aprendizaje se examina en relación con los contextos más amplios en los que tiene lugar. Esto es particularmente importante cuando se consideran las cuestiones de empoderamiento y la opresión.

En consecuencia será más importante aprender el como que el por qué ya que los conocimientos se quedan desfasados en un abrir y cerrar de ojos.

Querrán participar en una sociedad donde seguramente o no habra trabajo o será de otro tipo (Marc Vidal y anteriormente la EDUACION DISRUPTIVA) y para ello no queda más remedio que la sociedad ya no solo lo demande, si no que se active para que así sea. Ya pasó el tiempo de explicar hasta la sociedad que la “tecnología somos nosotros y los valores que aportamos” (Juan Domingo Farnos), ahora es el momento de utilizarla se quiera o no y transformar nuestros ecosistemas de aprendizaje y de trabajo para construir nodos que nos sirvan en el siglo XXI.

Por otro lado la Escuela de hoy ya no es necesaria, la Sociedad pide Inclusividad (acabar con las brechas + búsqueda de la excelencia de cada persona) y ubicuidad (poder aprender cuando y cómo queramos (autogrestión del aprendizaje de José Juan Góngora., por lo tanto podemos deducir que quizás lo que de verdad ponga obstáculos a la educación sea la Escuela.

Apariencia/forma: Cómo se muestran al alumno las acciones de aprendizaje, como contenido, incorporación de texto, gráficos o videos, etc. La mayoría de las plataformas adaptativas de hoy díalo denominan “consumo de contenido” y esperan que el conocimiento se adquiera simplemente leyendo el contenido.
Orden/secuencia: Cómo se ordenan y se bifurcan las acciones de aprendizaje según el progreso del alumno, como las rutas de aprendizaje.
Orientación hacia el objetivo/dominio Las acciones del sistema que conducen al estudiante hacia el éxito. Esto permite que se realicen cambios según los resultados óptimos de aprendizaje, el grado de dificultad y el creciente nivel de conocimientos o aptitudes del alumno.

Una consideración que falta se refiere a una persona en su totalidad la comprensión acerca de las fuentes psicológicas clave que influyen en cómo las personas quieren y tienen la intención de aprender en línea. Las soluciones convencionales, principalmente cognitivas (que se centran en cómo el proceso aprendices, construir y almacenar conocimiento) ofrecen una visión restringida de cómo las personas aprenden y demasiado a menudo conducen a soluciones inestables o ineficaces de aprendizaje en línea. Una persona en su totalidad incluye emociones e intenciones como factores críticos en el proceso de aprendizaje. También falta la integración de los fines de instrucción, los valores y las estrategias en el diseño, desarrollo y presentación de contenidos (objetos).

La Personalización puede tomar muchas formas, ya que se adapta el contenido, la práctica, la retroalimentación, o de dirección para que coincida con el progreso y el rendimiento individual. Por ejemplo, dos personas que utilizan la misma instrucción al mismo tiempo pueden ver dos conjuntos completamente diferentes de los objetos de aprendizaje. El mayor beneficio de la personalización de aprendizaje es la capacidad para hacer más fácil la instrucción compleja, presentando sólo lo concreto que será útil o aceptado por cada uno.

Una buena retroalimentación hace pensar en:

-Si el voto es uno de los factores más importantes para mejorar el trabajo del estudiante y los resultados….a ¿qué esperamos? que todos en los centros puedan intervenir por igual…¿no sería mas justo?

-Si el modelado del proceso de retroalimentación permite a los jóvenes desarrollar su propia autorregulación de mejorar el trabajo….

-¿Cómo no un centro cualquiera deja de implementar toda una política de la regeneración de la escuela que tenga en cuenta los muchos matices de cada tema?

La retroalimentación es importante. Nos retroalimentamos con los aprendices a a diario, es más, nosotros también lo somos.

Otro beneficio de la personalización es que cada vez que se personaliza, a aprender y almacenar un poco más sobre el conjunto único de un alumno, se aportan posiciones diferenciadas al aprendizaje social, lo que aportará a través de esta diversidad un valor añadido superior que será aún mayor con la formación autónoma móvil y adaptada a la persona y a su medio. (contexto).

Hay muchas maneras de personalizar el aprendizaje. Sin embargo, al igual que los términos de estilos y la motivación del aprendizaje, la personalización es otro término mal definido. Para ser más específicos, se describe la personalización aquí con cinco niveles con creciente sofisticación, cada nivel que describe una estrategia de personalización específica. Desde los más simples a las más complejas, las cinco estrategias son:

(a) nombre reconocido;

(B) describe a sí mismo;

(D) cognitivo-basada; y

(e) de base integral de la persona.

Cada tipo tiene un propósito, la influencia y el impacto resultante específica. Estas estrategias pueden trabajar por separado pero, para ser más eficaces deben trabajar juntas para crear una experiencia integral de aprendizaje híbrido.

Si queremos hablar de aprendizaje híbrido, que se define como un intento deliberado de combinar lo mejor de ambos cara a cara y el aprendizaje en línea, podemos establecer diseños muy diferenciados y adaptados a las necesidades personalizadas de los aprendices.

También para modelos de entrega y financiación basados en competencias y personalizadas, así como programas digitales de grado digital. Por último, los fuertes efectos de la red, tanto por el lado de la demanda de los usuarios como por el lado de la oferta de los proveedores de contenido educativo, aumentan la oportunidad de plataformas hiperescaladas que unen estas innovaciones. La minería de datos (es la etapa de análisis de “Knowledge Discovery in Databases” o KDD), es un campo de las ciencias de la computación referido al proceso que intenta descubrir patrones en grandes volúmenes de conjuntos de datos. Utiliza los métodos de la inteligencia artificial, aprendizaje automático, estadística y sistemas de bases de datos.

El objetivo general del proceso de minería de datos consiste en extraer información de un conjunto de datos y transformarla en una estructura comprensible para su uso posterior. Además de la etapa de análisis en bruto, que involucra aspectos de bases de datos y gestión de datos, procesamiento de datos, el modelo y las consideraciones de inferencia, métricas de intereses, consideraciones de la Teoría de la Complejidad computacional, post-procesamiento de las estructuras descubiertas, la visualización y actualización en línea.

Pero ¿qué probemos encontramos hoy y qué dentro de la educación disruptiva tienen cabida?

¿Cuáles son las principales problemáticas y/o retos para la educación virtual..Sobretodo el gran desconocimientio que hay de la misma, lo cuál lleva a desinformación, miedos, recelos….Casi nadie conoce la Web 2.0, algunos creen que es un conjunto de herramientas y que si no se conoce su funcionamiento, nada podrán hacer, otros lo asocian a Redes Sociales en el mal sentido de la palabra, sólo para colgar fotos, hablar con los amigos…( lo cuál tampoco es dañino, obviamente)..Qué hace falta? Pues primero y esencial, mucha pedagogía, mucha explicación, demostración, ideas..en lo referido a e-learning y a la web 2.0, a continuación ya hablaríamos de su implementación, pero es esencial darse a conocer y explicar su DAFO, es decir, sus fortalezas y sus debilidades y ver que paela pueden representar en la Sociedad actual.La Educación Virtual, yo le llamaría mejor, Formación on-line, ha venido para quedarse, pero no para sustituir a nadie ni a nada, ha venido a colaborar, a ofrecer sus servicios y sus bondades.
¿Cuáles son los retos para el docente y para el estudiante? ¿Qué tan preparados están para afrontar los cambios en la educación?

Los Aprendices están totalmente preparados para este cambio de actitud que significa la Sociedad de la Información y del Conocimiento, es su época y su hábitat natural, por tanto, no solo están preparados, sino que es lo que conocen y lo que saben hacer, pero si intentamos que hagan las cosas que nosotros hacíamos antes, es ahí donde viene su fracaso, que es lo que actualmente está pasando.

Los docentes? Bueno eso es otro problema, necesitan formación, eso es lo que contestaría cualquiera, pero personalmente opino que primero tienen que estar convencidos de que es necesario está evolución, luego cambiar de actitud y finalmente aprender, que de eso se trata.

Los docentes deben convencerse que el papel de responsables y protagonistas del aprendizaje ha pasado a manos de los aprendices (estudiantes, cómo se llaman ahora), y que ellos tienen un rol diferente, ahora son facilitadores, orientadores…una especie de guías que ayudarán a los primeros a aer cada día mejores ciudadanos, por tanto, no han perdido peso, todo lo contrario, lo que ocurre es que su actuación es diferente y esto cuesta mucho asumir.

El trabajo evolucionará a todos los niveles

A pesar de que los trabajos manuales y las tareas repetitivas son los primeros que se verán afectados por la automatización, los avances recientes en materia de IA, como el aprendizaje automático, el aprendizaje profundo y la comprensión del lenguaje natural, apuntan a un futuro en el que se verán igualmente afectados los puestos de trabajo administrativos e, incluso, los creativos.

La automatización a través de tecnologías robóticas avanzadas y la IA no solo afectará a los trabajos de baja cualificación. También podrán obtenerse beneficios económicos gracias a la reducción del tiempo dedicado a tareas y servicios rutinarios realizados por personas que ocupan cargos y funciones de mayor responsabilidad. ¿Se convertirá en una ventaja para el empleado, que podrá invertir más tiempo en tareas que planteen desafíos intelectuales? ¿Conducirá a las personas a mejorar su formación y desarrollo a un ritmo más rápido?

Esperamos que suceda todo esto y más: una mayor eficiencia en el trabajo, una mayor seguridad y una progresión más rápida de la carrera profesional.

Están surgiendo nuevos puestos de trabajo a gran velocidad

El aumento de la automatización presagia la llegada de un panorama de puestos de trabajo completamente nuevos. Dado que siempre se registra una demora entre la adopción de nuevos puestos de trabajo y la desaparición de los actuales, el proceso de mejora de las cualificaciones y de reciclaje será la clave del éxito en el futuro mercado laboral.

Aunque los robots y la IA asumirán inevitablemente muchas de las funciones laborales basadas en datos y referidas al reconocimiento de pautas, se producirán cambios en la forma en que las personas y las máquinas interaccionen para lograr el mayor nivel de eficiencia.

La automatización de tareas, tanto repetitivas como basadas en datos, dará lugar a la creación de nuevos tipos de puestos de trabajo, en los que se hará hincapié en el modo en que las personas y las máquinas pueden cooperar con mayor eficacia. Los compañeros robots, o «cobots», se integrarán en nuestras plantillas y nuestras opiniones «antiguas» sobre la diferencia entre máquina y profesional tendrán que evolucionar hacia el desarrollo de una fuerza laboral de cohabitación y cooperación.

Reacción contra la automatización

Ya estamos observando una reacción cultural contra la automatización, por lo que irá incrementándose la necesidad de que las empresas justifiquen sus procesos de contratación. El empleo de personas podría convertirse en otro indicador de responsabilidad social.

¿Supermercados móviles sin personal?

En junio de 2017 se presentó ante los medios de comunicación el Moby Mart, que constituye un ejemplo de supermercado completamente automatizado. Se trata de un supermercado móvil y sin personal que vende artículos para el hogar de consumo diario, como pan, leche y productos de limpieza.

Robots médicos

CureSkin es una aplicación móvil de IA que puede diagnosticar afecciones de la piel y asesorar sobre tratamientos y productos. Esta innovación nos ilustra cómo el reconocimiento de pautas practicado por la IA puede asumir la función de un dermatólogo en el diagnóstico y cuán sencillo puede ser efectuar un seguimiento y controlar el estado salud sin necesidad de intervención de un profesional. Los usuarios cargan una foto de su piel a la aplicación, que aplica tecnología de IA para analizarla en busca de problemas. La aplicación se complementa con un servicio de chat.

Creatividad dirigida por máquinas

No son pocos los que creen que numerosas cualificaciones profesionales, adquiridas con mucho esfuerzo, pierden valor. Todos nos enfrentamos a un futuro en el que la productividad económica estará desvinculada del empleo real. En otras palabras, ¿podría darse el caso de que la economía crezca a pesar de que la cifra de personas empleadas en un país sea cada vez menor? Y ¿cómo será esto posible?

En 2016, la filial japonesa de McCann Advertising «contrató» a un director creativo de inteligencia artificial. La IA responde a un modelo basado en datos históricos. Este sistema altera nuestra concepción de que la automatización y solo afecta los puestos manuales y demuestra que también es posible la creatividad basada en datos. Será especialmente eficaz en funciones que precisen de un alto grado de reconocimiento de pautas.

La renta básica universal está adquiriendo más importancia

Las respuestas políticas a la automatización también afectarán al futuro del trabajo. La renta básica universal (RBU) está adquiriendo popularidad, tras el proyecto piloto de Islandia, especialmente en España y Suiza, por lo que cabe la posibilidad de que los trabajadores futuros no necesiten trabajar las mismas horas o en las mismas condiciones laborales que en la actualidad para satisfacer sus necesidades básicas.

“Seis de cada diez niños en edad escolar trabajarán en profesiones que aún no existen”. Estas declaraciones de la coach especializada en talento Paz Gómez Ferrer apuntan a que los trabajos del futuro serán muy diferentes a los actuales.

Desde luego, el avance de la tecnología y la cuarta revolución industrial ya es imparable y, con ello, los puestos de trabajo más demandados se transformarán para adaptarse a esta nueva realidad. Sin ir más lejos, la CEO de Telefónica Educación Digital, Ana Casilda, afirma que a nivel global, más de 75 millones de empleos serán realizados por máquinas en un futuro no muy lejano. Sin embargo, al mismo tiempo, la tecnología creará más de 133 millones de puestos de trabajo que estarán ligados a nuevas profesiones.

La tecnología es un aliado que permitirá al ser humano realizar trabajos de una forma más flexible y satisfactoria, dejando aquellas tareas más repetitivas y mecánicas para las máquinas. Por esta razón, ¿quieres descubrir cuáles serán los puestos de trabajo con mayor proyección? En este artículo, te presentamos los 10 empleos que marcarán la sociedad del futuro.

Estas nuevas formas de trabajo también suponen retos para los mecanismos de seguridad social. Tradicionalmente, los sistemas de salud y pensiones están diseñados para trabajadores con un empleo asalariado, en un horario concreto y trabajando para un solo empleador; un esquema que resulta muy lejano al que se ha desarrollado bajo estas nuevas tecnologías.

Aunque nos derretimos ante grandes empresas dedicadas a la IA como Deepmind, el incremento de 15,7 billones de dólares del PIB no llegará gracias a ellas. Desde nuestra atalaya actual se aprecia que, para ese sector, la principal oportunidad radica en la penetración en las empresas tradicionales, algo que fomentará enormemente el rápido desarrollo de plataformas de IA, de manera que cada vez haya más empresas tradicionales que puedan utilizarla sin necesidad de ser expertas en la materia.

El principal potencial de la IA radica en la penetración en las empresas actuales a través de nuevas formas de solucionar los problemas, nuevos niveles de velocidad y precisión, una renovada eficacia y nuevas formas de trabajar y de ponderar lo que se puede hacer. La IA se puede utilizar para optimizar procesos existentes (como ahorrar hasta el 80% en el coste de la externalización de servicios auxiliares o al cliente), para mejorar procedimientos (reformulando, por ejemplo, los pronósticos de ventas, la logística y la cadena de suministro) o para trastocar ciertos sectores (utilizando, por ejemplo, la IA para contribuir a que la creación de nuevos medicamentos sea mucho más rápida que en la actualidad).

Los líderes empresariales deben fijarse en el largo plazo. Pocos pueden permitirse la resistencia al cambio, ya que las empresas, para mantener su relevancia, deben integrar la IA en su estrategia. Volviendo al estudio de Deloitte, hay que decir que son muchos más los directivos que creen que la IA determinará las ventajas competitivas de sus empresas que los que piensan que otorgará ventajas al conjunto de su sector. Esto indica la existencia de un ángulo muerto, ya que a las empresas les puede pillar desprevenidas la velocidad con la que se suceden las innovaciones en otras compañías. La cuestión es que nadie puede quedarse de brazos cruzados, ya que la IA está copando todas las prioridades.

Pronosticar dónde surgirán las perturbaciones y mejorar la cualificación con el fin de aprovechar el nivel de cambio tecnológico y operativo ocasionado por la IA será absolutamente esencial para el manual de estrategias empresariales de todos los sectores.

Cómo la Flexibilidad, la Colaboración y la Inteligencia Artificial están Cambiando la Empresa y el Empleo:

En la era digital en la que vivimos, la forma en que trabajamos y entendemos la empresa está experimentando un cambio radical. La flexibilidad, la colaboración y el uso estratégico de la inteligencia artificial (IA) están emergiendo como los pilares fundamentales de una nueva manera de trabajar. Esta revolución del trabajo está transformando la forma en que las empresas operan, y está teniendo un impacto profundo en la experiencia del cliente y el desarrollo profesional de los empleados.La flexibilidad es la clave para responder a las necesidades cambiantes del mercado y de los clientes.

En un entorno empresarial en constante evolución, la capacidad de adaptarse rápidamente es crucial para mantenerse competitivo. La flexibilidad permite a las empresas responder a los cambios del mercado de manera efectiva, lo que a su vez les permite mantenerse à la vanguardia de la competencia. Esto se traduce en una mayor satisfacción del cliente, ya que las empresas pueden ofrecer soluciones más personalizadas y efectivas.La colaboración entre departamentos y equipos es esencial para fomentar la innovación y la creatividad. En un entorno de trabajo colaborativo, los empleados pueden compartir ideas y conocimientos, lo que conduce a la creación de soluciones innovadoras y efectivas.

La colaboración también fomenta una cultura de trabajo en equipo, lo que aumenta la motivación y la satisfacción laboral. Los empleados se sienten más valorados y comprometidos con la empresa, lo que reduce la rotación de personal y aumenta la productividad.

El uso estratégico de la IA es fundamental para automatizar tareas repetitivas y liberar tiempo para actividades más valoradas. La IA puede analizar grandes cantidades de datos y tomar decisiones informadas, lo que permite a las empresas tomar decisiones más efectivas y reducir costos. Además, la IA puede ayudar a personalizar la experiencia del cliente, ofreciendo soluciones más efectivas y relevantes. Esto se traduce en una mayor satisfacción del cliente y una mayor lealtad hacia la empresa.

La cultura de innovación constante es fundamental para mantenerse competitivo en un mercado en constante evolución. Las empresas que adoptan este enfoque pueden mantenerse à la vanguardia de la competencia, ofreciendo soluciones innovadoras y efectivas. La innovación constante también fomenta una cultura de aprendizaje y crecimiento, lo que permite a los empleados desarrollar nuevas habilidades y conocimientos.

La flexibilidad, la colaboración y el uso estratégico de la IA también tienen un impacto profundo en el desarrollo profesional de los empleados. La personalización del desarrollo profesional permite a los empleados desarrollar habilidades y conocimientos relevantes, lo que aumenta su valor en el mercado laboral. Además, la flexibilidad y la colaboración permiten una mayor satisfacción laboral y un ambiente de trabajo más positivo.

Laa revolución del trabajo está cambiando la forma en que trabajamos y entendemos la empresa. La flexibilidad, la colaboración y el uso estratégico de la IA están emergiendo como los pilares fundamentales de una nueva manera de trabajar. Esta revolución está teniendo un impacto profundo en la experiencia del cliente y el desarrollo profesional de los empleados, y está permitiendo a las empresas mantenerse competitivas en un mercado en constante evolución.En este sentido, es importante que las empresas y los empleados se adapten a este nuevo entorno laboral.

La formación y el desarrollo de habilidades en áreas como la IA, el análisis de datos y la innovación son fundamentales para mantenerse competitivos. Además, la creación de un ambiente de trabajo colaborativo y flexible es crucial para fomentar la innovación y la creatividad.

En última instancia, la revolución del trabajo es una oportunidad para que las empresas y los empleados se adapten y evolucionen en un entorno laboral en constante cambio. Al adoptar esta nueva manera de trabajar, las empresas pueden mantenerse competitivas, innovadoras y exitosas, y ofrecer una mejor experiencia para los clientes y los empleados.

Estructura Organizativa

          +---------------+
          |  Dirección    |
          +---------------+
                  |
                  |
                  v
+---------------+---------------+
|               |               |
|  Departamento  |  Departamento  |
|  de Innovación |  de Operaciones |
|               |               |
+---------------+---------------+
                  |
                  |
                  v
+---------------+---------------+
|               |               |
|  Equipo de    |  Equipo de    |
|  Desarrollo   |  Análisis de  |
|  de Producto  |  Datos        |
|               |               |
+---------------+---------------+
                  |
                  |
                  v
+---------------+---------------+
|               |               |
|  Equipo de    |  Equipo de    |
|  Experiencia  |  Inteligencia  |
|  del Cliente  |  Artificial   |
|               |               |
+---------------+---------------+

Reconfiguración del Trabajo

Flexibilidad y trabajo remoto
Colaboración y trabajo en equipo
Desarrollo de habilidades y conocimientos constantes
Automatización de tareas repetitivas con IA
Enfocada en la resolución de problemas y la innovación

Funcionamiento Económico

Modelo de negocio basado en la innovación y la creatividad
Inversión en IA y análisis de datos para tomar decisiones informadas
Fomento de la cultura de la innovación y el emprendimiento
Reducción de costos mediante la automatización de tareas
Incremento de la productividad y la eficiencia

Educción Disruptiva & IA

Desarrollo de habilidades y conocimientos en áreas como IA, análisis de datos y innovación
Uso de la IA para personalizar la educación y el desarrollo profesional
Creación de un ambiente de aprendizaje colaborativo y flexible
Fomento de la cultura de la innovación y el emprendimiento

Algoritmo de Toma de Decisiones

if (datos_de_mercado == "cambio_rapido") {
  // Automatizar tareas repetitivas con IA
  automatizar_tareas();
} else if (datos_de_mercado == "nueva_oportunidad") {
  // Desarrollar nuevo producto o servicio
  desarrollar_nuevo_producto();
} else {
  // Analizar datos y tomar decisiones informadas
  analizar_datos();
  tomar_decision_informada();
}

Árbol de Decisiones

          +---------------+
          |  Análisis de  |
          |  Datos        |
          +---------------+
                  |
                  |
                  v
+---------------+---------------+
|               |               |
|  Cambio Rápido |  Nueva Oportunidad |
|  en el Mercado |  de Negocio      |
|               |               |
+---------------+---------------+
                  |
                  |
                  v
+---------------+---------------+
|               |               |
|  Automatizar  |  Desarrollar   |
|  Tareas       |  Nuevo Producto |
|               |               |
+---------------+---------------+

Grafico ASCII de la Estructura Organizativa

          _______
         /        \
    Dirección    |
         \        /
          _______
         /        \
  Departamento  |  Departamento  |
  de Innovación |  de Operaciones |
         \        /
          _______
         /        \
  Equipo de    |  Equipo de    |
  Desarrollo   |  Análisis de  |
  de Producto  |  Datos        |
         \        /
          _______
         /        \
  Equipo de    |  Equipo de    |
  Experiencia  |  Inteligencia  |
  del Cliente  |  Artificial   |
         \        /
          _______

Estructura Organizativa:

La estructura organizativa de una empresa que se adapta al nuevo paradigma de la educación disruptiva y la IA se caracteriza por ser flexible, colaborativa y enfocada en la innovación.

Investigadores: Henry Mintzberg, «The Structuring of Organizations» (1979); Jay Galbraith, «Designing Complex Organizations» (1973)
Algoritmo: Algoritmo de clustering jerárquico para identificar patrones de comportamiento en la estructura organizativa
Ejemplo: Una empresa de tecnología que utiliza un modelo de estructura organizativa flexible y colaborativa para fomentar la innovación y la creatividad.

Reconfiguración del Trabajo

La reconfiguración del trabajo se centra en la flexibilidad, la colaboración y el desarrollo de habilidades y conocimientos constantes.

Investigadores: Peter Drucker, «The Practice of Management» (1954); Douglas McGregor, «The Human Side of Enterprise» (1960)
Algoritmo: Algoritmo de aprendizaje automático para identificar patrones de comportamiento en el trabajo y desarrollar habilidades y conocimientos
Ejemplo: Una empresa de servicios que utiliza un modelo de trabajo flexible y colaborativo para fomentar el desarrollo de habilidades y conocimientos en sus empleados.

3. Funcionamiento Económico

El funcionamiento económico de una empresa que se adapta al nuevo paradigma se centra en la innovación, la creatividad y la toma de decisiones informadas.

Investigadores: Joseph Schumpeter, «The Theory of Economic Development» (1911); Clayton Christensen, «The Innovator’s Dilemma» (1997)
Algoritmo: Algoritmo de análisis de datos para identificar oportunidades de innovación y tomar decisiones informadas
Ejemplo: Una empresa de tecnología que utiliza análisis de datos y IA para identificar oportunidades de innovación y tomar decisiones informadas.

. Educción Disruptiva & IA

La educación disruptiva y la IA se centran en el desarrollo de habilidades y conocimientos en áreas como la IA, el análisis de datos y la innovación.

Investigadores: Clayton Christensen, «Disrupting Class» (2008); Sebastian Thrun, «Artificial Intelligence in Education» (2019)
Algoritmo: Algoritmo de aprendizaje automático para personalizar la educación y el desarrollo profesional
Ejemplo: Una plataforma de educación en línea que utiliza IA para personalizar la educación y el desarrollo profesional de los estudiantes.

5. Algoritmo de Toma de Decisiones

El algoritmo de toma de decisiones se centra en la análisis de datos y la toma de decisiones informadas.

Investigadores: Herbert Simon, «Administrative Behavior» (1947); Daniel Kahneman, «Thinking, Fast and Slow» (2011)
Algoritmo: Algoritmo de análisis de datos para identificar patrones y tomar decisiones informadas
Ejemplo: Una empresa de servicios que utiliza análisis de datos y IA para identificar patrones y tomar decisiones informadas.

Árbol de Decisiones

El árbol de decisiones se centra en la identificación de oportunidades y la toma de decisiones informadas.

Investigadores: John von Neumann, «Theory of Games and Economic Behavior» (1944); Howard Raiffa, «Decision Analysis» (1968)
Algoritmo: Algoritmo de árbol de decisiones para identificar oportunidades y tomar decisiones informadas
Ejemplo: Una empresa de tecnología que utiliza un árbol de decisiones para identificar oportunidades de innovación y tomar decisiones informadas.

Estructura Organizativa

Algoritmo de clustering jerárquico para identificar patrones de comportamiento en la estructura organizativa:

import numpy as np
from scipy.cluster.hierarchy import dendrogram, linkage
from scipy.cluster.hierarchy import fcluster

# Datos de la estructura organizativa
data = np.array([
    [1, 2, 3, 4, 5],
    [2, 3, 4, 5, 6],
    [3, 4, 5, 6, 7],
    [4, 5, 6, 7, 8],
    [5, 6, 7, 8, 9]
])

# Crear matriz de distancia
distance_matrix = np.zeros((data.shape[0], data.shape[0]))
for i in range(data.shape[0]):
    for j in range(data.shape[0]):
        distance_matrix[i, j] = np.linalg.norm(data[i] - data[j])

# Crear árbol de clustering jerárquico
Z = linkage(distance_matrix, method='ward')

# Dendrograma
dendrogram(Z, truncate_mode='level', p=3)

# Clustering jerárquico
clusters = fcluster(Z, 3, criterion='distance')
print(clusters)

Reconfiguración del Trabajo

Algoritmo de aprendizaje automático para identificar patrones de comportamiento en el trabajo y desarrollar habilidades y conocimientos:

import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split

# Datos del trabajo
data = pd.read_csv('work_data.csv')

# Preparar datos
X = data.drop(['target'], axis=1)
y = data['target']

# Dividir datos en entrenamiento y prueba
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Crear modelo de aprendizaje automático
model = RandomForestClassifier(n_estimators=100, random_state=42)

# Entrenar modelo
model.fit(X_train, y_train)

# Evaluar modelo
accuracy = model.score(X_test, y_test)
print(f'Accuracy: {accuracy:.3f}')

Funcionamiento Económico

Algoritmo de análisis de datos para identificar oportunidades de innovación y tomar decisiones informadas:

import pandas as pd
from sklearn.decomposition import PCA
from sklearn.cluster import KMeans

# Datos económicos
data = pd.read_csv('economic_data.csv')

# Preparar datos
X = data.drop(['target'], axis=1)
y = data['target']

# Aplicar PCA para reducir dimensionalidad
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X)

# Crear modelo de clustering
kmeans = KMeans(n_clusters=3, random_state=42)
kmeans.fit(X_pca)

# Identificar oportunidades de innovación
innovation_opportunities = kmeans.cluster_centers_
print(innovation_opportunities)

Educción Disruptiva & IA

Algoritmo de aprendizaje automático para personalizar la educación y el desarrollo profesional:

import pandas as pd
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.model_selection import train_test_split

# Datos de educación
data = pd.read_csv('education_data.csv')

# Preparar datos
X = data.drop(['target'], axis=1)
y = data['target']

# Dividir datos en entrenamiento y prueba
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Crear modelo de aprendizaje automático
model = GradientBoostingClassifier(n_estimators=100, learning_rate=0.1, random_state=42)

# Entrenar modelo
model.fit(X_train, y_train)

# Evaluar modelo
accuracy = model.score(X_test, y_test)
print(f'Accuracy: {accuracy:.3f}')

Algoritmo de Toma de Decisiones

Algoritmo de análisis de datos para identificar patrones y tomar decisiones informadas:

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

# Datos de decisión
data = pd.read_csv('decision_data.csv')

# Preparar datos
X = data.drop(['target'], axis=1)
y = data['target']

# Dividir datos en entrenamiento y prueba
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Crear modelo de árbol de decisión
model = DecisionTreeClassifier(random_state=42)

# Entrenar modelo
model.fit(X_train, y_train)

# Evaluar modelo
accuracy = model.score(X_test, y_test)
print(f'Accuracy: {accuracy:.3f}')

Árbol de Decisiones

Árbol de decisiones para identificar oportunidades y tomar decisiones informadas:

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

# Datos de decisión
data = pd.read_csv('decision_data.csv')

# Preparar datos
X = data.drop(['target'], axis=1)
y = data['target']

# Dividir datos en entrenamiento y prueba
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Crear modelo de árbol de decisión
model = DecisionTreeClassifier(random_state=42)

# Entrenar modelo
model.fit(X_train, y_train)

# Visualizar árbol de decisión
import matplotlib.pyplot as plt
from sklearn.tree import plot_tree
plt.figure(figsize=(10, 8))
plot_tree(model, filled=True)
plt.show()

Vamos a profundizar y detallar más cómo se podría escenificar una nueva manera de entender la empresa y el trabajo, tomando inspiración de los principios de la Educación Disruptiva y la Inteligencia Artificial (IA), pero sin centrarnos en la educación formal.

Escenario 1: Empresa Orientada a la Innovación y Colaboración

Compañía: TecnoInnovar S.A.

Industria: Tecnología y Desarrollo de Software

1. Estructura Organizacional

Equipos Multidisciplinarios Dinámicos:
- En lugar de departamentos fijos, TecnoInnovar forma equipos multidisciplinarios que se agrupan y disuelven según los proyectos. Esto permite una gran flexibilidad y adaptabilidad.
- Los empleados pueden pertenecer a varios equipos a la vez, aportando su expertise en diferentes áreas.
- Las jerarquías son mínimas. Los líderes de proyecto se eligen en función de la experiencia y la capacidad de liderazgo, no por antigüedad.

La estructura organizativa de TecnoInnovar se basa en la flexibilidad y la adaptabilidad, permitiendo a los empleados trabajar en diferentes proyectos y equipos simultáneamente. Esto fomenta la colaboración y el intercambio de ideas entre los miembros del equipo, lo que conduce a una mayor innovación y creatividad.Los empleados pueden pertenecer a varios equipos a la vez, aportando su expertise en diferentes áreas y proyectos. Esto permite una mayor flexibilidad y capacidad de respuesta a los cambios en el mercado y en los proyectos.Las jerarquías son mínimas, lo que significa que no hay una estructura rígida de mando y control. En su lugar, los líderes de proyecto se eligen en función de la experiencia y la capacidad de liderazgo, no por antigüedad.Este enfoque permite a los empleados desarrollar sus habilidades y conocimientos en diferentes áreas, lo que conduce a una mayor satisfacción laboral y un mayor compromiso con la empresa.Además, la estructura organizativa de TecnoInnovar fomenta la comunicación abierta y transparente, lo que permite a los empleados compartir ideas y conocimientos de manera efectiva.

Ejemplos

Un ingeniero de software que pertenece a dos equipos: uno que se encarga del desarrollo de una aplicación móvil y otro que se enfoca en la creación de un sistema de inteligencia artificial, aporta su expertise en programación a ambos equipos.
Una diseñadora gráfica que pertenece a tres equipos: uno que se encarga del diseño de una campaña publicitaria, otro que se enfoca en la creación de un sitio web y otro que se encarga del diseño de un producto, aporta su expertise en diseño a todos los equipos.
Unn líder de proyecto que se encarga de coordinar un equipo de desarrollo de software., fue elegido como líder debido a su experiencia en el desarrollo de software y su capacidad de liderazgo.

Algoritmos en Python

import networkx as nx
import matplotlib.pyplot as plt

# Crear grafo de la estructura organizativa
G = nx.Graph()

# Agregar empleados y equipos
G.add_node("Juan", team="Software Development")
G.add_node("María", team="Graphic Design")
G.add_node("Pedro", team="Project Management")

G.add_edge("Juan", "Software Development")
G.add_edge("Juan", "AI Development")
G.add_edge("María", "Graphic Design")
G.add_edge("María", "Web Development")
G.add_edge("María", "Product Design")
G.add_edge("Pedro", "Project Management")

# Dibujar grafo
nx.draw(G, with_labels=True)
plt.show()

Tabla

Empleado	Equipo(s)
Juan	Software Development, AI Development
María	Graphic Design, Web Development, Product Design
Pedro	Project Management

Gráfico ASCII

          +---------------+
          |  TecnoInnovar  |
          +---------------+
                  |
                  |
                  v
+---------------+---------------+
|          Juan          |          María          |
|  Software Development  |  Graphic Design        |
|  AI Development       |  Web Development       |
|                         |  Product Design       |
+---------------+---------------+
                  |
                  |
                  v
          +---------------+
          |  Pedro          |
          |  Project Management  |
          +---------------+

2. Entorno de Trabajo

Espacios de Trabajo Flexibles:
- La oficina es un espacio abierto con áreas modulares que se pueden reconfigurar para adaptarse a diferentes tipos de reuniones y actividades.
- Existen zonas de trabajo colaborativo, salas de reuniones de varios tamaños y áreas para el trabajo individual en silencio.
- Hay zonas de descanso creativas equipadas con elementos que estimulan la creatividad (como pizarras, materiales de construcción y juegos).

La oficina de TecnoInnovar es un espacio abierto y flexible que se adapta a las necesidades de los empleados y los proyectos. El espacio está diseñado para fomentar la colaboración, la creatividad y la innovación.Las áreas modulares se pueden reconfigurar fácilmente para adaptarse a diferentes tipos de reuniones y actividades, lo que permite a los empleados trabajar de manera flexible y eficiente.La oficina cuenta con zonas de trabajo colaborativo, donde los empleados pueden trabajar juntos en proyectos y compartir ideas.

También hay salas de reuniones de varios tamaños, desde pequeñas salas de reuniones informales hasta grandes salas de conferencias.Además, la oficina tiene áreas para el trabajo individual en silencio, donde los empleados pueden concentrarse en sus tareas y proyectos sin distracciones.

Una de las características más destacadas de la oficina es la zona de descanso creativa, que está equipada con elementos que estimulan la creatividad y la innovación. Algunos de los elementos que se encuentran en esta zona incluyen:

Pizarras y superficies de escritura para brainstorming y sesiones de ideas
Materiales de construcción y herramientas para prototipar y desarrollar ideas
Juegos y actividades que fomentan la creatividad y la resolución de problemas
Zonas de relajación y áreas de descanso para que los empleados puedan desconectar y recargar energías

Ejemplos

La zona de trabajo colaborativo se utiliza para una sesión de brainstorming para desarrollar una nueva aplicación móvil.
La sala de reuniones grande se utiliza para una presentación de un proyecto a un cliente importante.
La zona de descanso creativa se utiliza para una sesión de prototipado y desarrollo de un nuevo producto.

Algoritmos en Python

import networkx as nx
import matplotlib.pyplot as plt

# Crear grafo de la oficina
G = nx.Graph()

# Agregar áreas de la oficina
G.add_node("Colaborative Workspace")
G.add_node("Meeting Rooms")
G.add_node("Individual Workspaces")
G.add_node("Creative Breakout Area")

G.add_edge("Colaborative Workspace", "Meeting Rooms")
G.add_edge("Colaborative Workspace", "Individual Workspaces")
G.add_edge("Meeting Rooms", "Individual Workspaces")
G.add_edge("Creative Breakout Area", "Colaborative Workspace")
G.add_edge("Creative Breakout Area", "Individual Workspaces")

# Dibujar grafo
nx.draw(G, with_labels=True)
plt.show()

Tabla

Área	Descripción
Colaborative Workspace	Zona de trabajo colaborativo para sesiones de brainstorming y trabajo en equipo
Meeting Rooms	Salas de reuniones de varios tamaños para reuniones y presentaciones
Individual Workspaces	Áreas para el trabajo individual en silencio
Creative Breakout Area	Zona de descanso creativa con elementos que estimulan la creatividad y la innovación

Gráfico ASCII

          +---------------+
          |  Oficina      |
          +---------------+
                  |
                  |
                  v
+---------------+---------------+
|  Colaborative  |  Meeting Rooms  |
|  Workspace      |                 |
+---------------+---------------+
                  |
                  |
                  v
+---------------+---------------+
|  Individual    |  Creative Breakout  |
|  Workspaces     |  Area              |
+---------------+---------------+

Trabajo Remoto y Flexibilidad Horaria:
- Se fomenta el trabajo remoto y la flexibilidad horaria, lo que permite a los empleados elegir dónde y cuándo trabajar según sus preferencias y necesidades del proyecto.
- La tecnología de colaboración online es robusta, con plataformas que permiten reuniones virtuales, intercambio de documentos en tiempo real y comunicación constante.

La política de trabajo remoto y flexibilidad horaria de TecnoInnovar se basa en la confianza y la responsabilidad de los empleados. Se fomenta el trabajo remoto y la flexibilidad horaria para que los empleados puedan elegir dónde y cuándo trabajar según sus preferencias y necesidades del proyecto.Esta política permite a los empleados trabajar de manera más eficiente y productiva, ya que pueden elegir el entorno y el horario que mejor se adapte a sus necesidades. Además, la flexibilidad horaria permite a los empleados conciliar su vida laboral y personal de manera más efectiva.La tecnología de colaboración online es robusta y permite a los empleados trabajar de manera remota de manera efectiva.

Algunas de las plataformas y herramientas que se utilizan incluyen:

Plataformas de reuniones virtuales para realizar reuniones y sesiones de trabajo en equipo
Herramientas de intercambio de documentos en tiempo real para compartir y colaborar en documentos y proyectos
Sistemas de comunicación constante para mantener a los empleados informados y conectados

Ejemplos

Juan, un desarrollador de software, prefiere trabajar desde su casa porque puede concentrarse mejor en su trabajo. Utiliza la plataforma de reuniones virtuales para participar en reuniones con su equipo y compartir documentos en tiempo real.
María, una diseñadora gráfica, necesita trabajar en un horario flexible porque tiene que cuidar a su hijo pequeño. Utiliza la herramienta de intercambio de documentos en tiempo real para colaborar con su equipo y mantenerse al día con los proyectos.
Pedro, un líder de proyecto, utiliza la plataforma de comunicación constante para mantener a su equipo informado sobre los avances del proyecto y resolver cualquier problema que surja.

Algoritmos en Python

import networkx as nx
import matplotlib.pyplot as plt

# Crear grafo de la política de trabajo remoto
G = nx.Graph()

# Agregar empleados y herramientas
G.add_node("Juan", tool="Virtual Meeting Platform")
G.add_node("María", tool="Real-time Document Sharing")
G.add_node("Pedro", tool="Constant Communication System")

G.add_edge("Juan", "Virtual Meeting Platform")
G.add_edge("María", "Real-time Document Sharing")
G.add_edge("Pedro", "Constant Communication System")

# Dibujar grafo
nx.draw(G, with_labels=True)
plt.show()

Tabla

Empleado	Herramienta	Descripción
Juan	Virtual Meeting Platform	Plataforma de reuniones virtuales para participar en reuniones y sesiones de trabajo en equipo
María	Real-time Document Sharing	Herramienta de intercambio de documentos en tiempo real para colaborar en documentos y proyectos
Pedro	Constant Communication System	Sistema de comunicación constante para mantener a los empleados informados y conectados

Gráfico ASCII

          +---------------+
          |  TecnoInnovar  |
          +---------------+
                  |
                  |
                  v
+---------------+---------------+
|  Juan          |  María          |
|  Virtual Meeting  |  Real-time Document  |
|  Platform        |  Sharing          |
+---------------+---------------+
                  |
                  |
                  v
          +---------------+
          |  Pedro          |
          |  Constant Communication  |
          |  System          |

3. Uso de la IA

Automatización de Tareas Repetitivas:
- La IA se encarga de tareas administrativas y rutinarias, como la programación de reuniones, la gestión de correos electrónicos y la actualización de bases de datos.
- Esto permite que los empleados se concentren en tareas de mayor valor añadido, como la creación de software y la resolución de problemas complejos.
Análisis de Datos en Tiempo Real:
- Las herramientas de IA analizan grandes volúmenes de datos de usuarios, mercados y rendimiento de productos en tiempo real, proporcionando insights que ayudan a tomar decisiones informadas.
- Los datos se presentan de manera visual y accesible para todos los miembros del equipo, facilitando la comprensión y la toma de decisiones rápida.

4. Cultura Empresarial

Aprendizaje Continuo y Proyectos Desafiantes:
- En lugar de cursos tradicionales, los empleados aprenden participando en proyectos desafiantes y mediante el acceso a plataformas de conocimiento on-demand.
- Se fomenta el aprendizaje entre pares y la mentoría interna, donde empleados más experimentados ayudan a los menos experimentados.
Colaboración y Comunicación Abierta:
- Las plataformas internas de colaboración utilizan IA para conectar a empleados con intereses y habilidades complementarias, facilitando la formación de equipos eficientes.
- La transparencia es clave. Todos los empleados tienen acceso a la información relevante de la empresa, incluyendo los avances y retos de los proyectos en curso.

La plataforma de colaboración interna de TecnoInnovar es una herramienta revolucionaria que utiliza la inteligencia artificial (IA) para conectar a empleados con intereses y habilidades complementarias. Esta plataforma es capaz de analizar grandes cantidades de datos y identificar patrones y relaciones entre los empleados, lo que facilita la formación de equipos eficientes y cohesionados.

Inteligencia Artificial

La IA es el corazón de la plataforma de colaboración interna de TecnoInnovar. Utiliza algoritmos avanzados para analizar los perfiles de los empleados, incluyendo sus habilidades, intereses y experiencias. Luego, la IA utiliza esta información para identificar oportunidades de colaboración y conectar a los empleados que pueden trabajar juntos de manera efectiva.

Transparencia

La transparencia es fundamental en la plataforma de colaboración interna de TecnoInnovar. Todos los empleados tienen acceso a la información relevante de la empresa, incluyendo los avances y retos de los proyectos en curso. Esto permite a los empleados estar informados y tomar decisiones informadas sobre sus proyectos y colaboraciones.

Grafismo

La plataforma de colaboración interna de TecnoInnovar utiliza gráficos y visualizaciones avanzadas para mostrar la información de manera clara y concisa. Esto permite a los empleados ver fácilmente las conexiones entre los proyectos y los empleados, y identificar oportunidades de colaboración.

AGI (Artificial General Intelligence)

La plataforma de colaboración interna de TecnoInnovar está diseñada para evolucionar hacia la AGI, que es la capacidad de una máquina para realizar cualquier tarea intelectual que pueda realizar un humano. Esto significa que la plataforma será capaz de aprender y mejorar con el tiempo, lo que permitirá a los empleados colaborar de manera más efectiva y eficiente.

Ejemplos

La plataforma de colaboración interna identifica a dos empleados, Juan y María, que tienen habilidades y intereses complementarios en el desarrollo de software. La IA sugiere que trabajen juntos en un proyecto para desarrollar una nueva aplicación móvil.
La plataforma de colaboración interna proporciona a los empleados acceso a información en tiempo real sobre los avances y retos de los proyectos en curso. Esto permite a los empleados identificar oportunidades de colaboración y tomar decisiones informadas sobre sus proyectos.

Algoritmos en Python

import networkx as nx
import matplotlib.pyplot as plt

# Crear grafo de la plataforma de colaboración interna
G = nx.Graph()

# Agregar empleados y habilidades
G.add_node("Juan", skill="Software Development")
G.add_node("María", skill="Software Development")
G.add_node("Pedro", skill="Data Analysis")

G.add_edge("Juan", "María", weight=0.8)
G.add_edge("Juan", "Pedro", weight=0.4)
G.add_edge("María", "Pedro", weight=0.6)

# Utilizar IA para identificar oportunidades de colaboración
AI = nx.algorithms.community.asyn_lpa_communities(G)
print("Oportunidades de colaboración:", AI)

# Dibujar grafo
nx.draw(G, with_labels=True)
plt.show()

Tabla

Empleado	Habilidad	Interés
Juan	Desarrollo de software	Inteligencia artificial
María	Desarrollo de software	Análisis de datos
Pedro	Análisis de datos	Visualización de datos

Gráfico ASCII

          +---------------+
          |  TecnoInnovar  |
          +---------------+
                  |
                  |
                  v
+---------------+---------------+
|  Juan          |  María          |
|  Desarrollo de  |  Desarrollo de  |
|  software       |  software       |
+---------------+---------------+
                  |
                  |
                  v
          +---------------+
          |  Pedro          |
          |  Análisis de    |
          |  datos          |
          +---------------+
                  |
                  |
                  v
+---------------+---------------+
|  IA            |  AGI          |
|  Identifica    |  Evoluciona   |
|  oportunidades  |  hacia la AGI  |
+---------------+---------------+

Escenario 2: Empresa Enfocada en la Personalización y el Cliente

Compañía: HealthTech Global

Industria: Salud y Bienestar

1. Estructura Organizacional

Roles Flexibles y Autónomos:
- La estructura es plana, con roles que se ajustan según las necesidades de los clientes y los proyectos en curso.
- Los empleados tienen la autonomía para gestionar sus propios proyectos, tomar decisiones y coordinar con otros equipos de manera descentralizada.

2. Entorno de Trabajo

Tecnología Avanzada y Trabajo Desde Cualquier Lugar:
- Los empleados tienen acceso a herramientas tecnológicas avanzadas que les permiten trabajar desde cualquier lugar.
- La empresa proporciona acceso a coworking spaces y hubs de innovación para fomentar la colaboración y el intercambio de ideas entre empleados que prefieren trabajar presencialmente.

3. Uso de la IA

Personalización de Servicios:
- La IA analiza datos de los clientes para ofrecer soluciones personalizadas en salud y bienestar, adaptando recomendaciones y tratamientos a las necesidades individuales.
- Los sistemas de IA pueden predecir problemas de salud potenciales y sugerir intervenciones preventivas.
Optimización de Recursos:
- La IA gestiona y optimiza la cadena de suministro y los recursos humanos, asegurando que los productos y servicios lleguen a los clientes de manera eficiente y puntual.
- Esto incluye la gestión inteligente de inventarios, programación de citas y la asignación de profesionales según la demanda y las necesidades específicas.

4. Cultura Empresarial

Curiosidad y Experimentación:
- Se incentiva la curiosidad y la experimentación, permitiendo a los empleados explorar nuevas tecnologías y métodos de trabajo sin miedo al fracaso.
- Los empleados pueden dedicar parte de su tiempo a proyectos personales o de investigación que puedan aportar valor a la empresa.
Feedback y Desarrollo Personalizado:
- La IA proporciona feedback continuo sobre el rendimiento de los empleados y sugiere oportunidades de desarrollo personalizadas.
- Los planes de desarrollo profesional se ajustan a las aspiraciones individuales y al rendimiento demostrado, alineándose con las metas personales y de la empresa.

Estos escenarios presentan una nueva manera de entender la empresa y el trabajo, donde la flexibilidad, la colaboración y el uso estratégico de la IA son pilares fundamentales. Este enfoque permite a las empresas adaptarse rápidamente a los cambios del mercado, fomentar una cultura de innovación constante y personalizar tanto la experiencia del cliente como el desarrollo profesional de sus empleados. En estas empresas, la estructura organizacional es dinámica y adaptable, el entorno de trabajo es flexible y centrado en la colaboración, y la IA se utiliza para automatizar tareas repetitivas, analizar datos en tiempo real y proporcionar personalización en los servicios y el desarrollo profesional.

Gráficos ASCII de la Estructura Organizacional

TecnoInnovar S.A.

Estructura Organizacional basada en equipos multidisciplinarios y dinámicos:

luaCopiar código---------------------------------
| Proyecto 1                    |
| -------------   ------------- |
| | Equipo A |   | Equipo B |  |
| -------------   ------------- |
---------------------------------
| Proyecto 2                    |
| -------------   ------------- |
| | Equipo C |   | Equipo D |  |
| -------------   ------------- |
---------------------------------
| Proyecto N                    |
| -------------   ------------- |
| | Equipo E |   | Equipo F |  |
| -------------   ------------- |
---------------------------------

HealthTech Global

Estructura Organizacional plana con roles flexibles:

markdownCopiar código--------------------------------------------------
| CEO                                              |
--------------------------------------------------
|                 |               |               |
| Equipo Auton. 1 | Equipo Auton. 2| Equipo Auton. 3|
--------------------------------------------------
|        |       |       |        |       |       |
| Emp. 1 | Emp. 2| Emp. 3| Emp. 4 | Emp. 5| Emp. 6|
--------------------------------------------------

Algoritmo en Python

Vamos a crear un algoritmo básico en Python que pueda simular la asignación de equipos dinámicos en TecnoInnovar S.A.

pythonCopiar códigoimport random

class Empleado:
    def __init__(self, nombre, habilidades):
        self.nombre = nombre
        self.habilidades = habilidades

class Proyecto:
    def __init__(self, nombre, habilidades_requeridas):
        self.nombre = nombre
        self.habilidades_requeridas = habilidades_requeridas
        self.equipo = []

    def asignar_empleado(self, empleado):
        self.equipo.append(empleado)

    def mostrar_equipo(self):
        print(f"Equipo del proyecto {self.nombre}:")
        for emp in self.equipo:
            print(f"- {emp.nombre}")

def crear_equipo(proyecto, empleados):
    habilidades_necesarias = proyecto.habilidades_requeridas
    for habilidad in habilidades_necesarias:
        for empleado in empleados:
            if habilidad in empleado.habilidades and empleado not in proyecto.equipo:
                proyecto.asignar_empleado(empleado)
                break

# Ejemplo de uso

# Lista de empleados
empleados = [
    Empleado("Ana", ["Python", "Machine Learning"]),
    Empleado("Carlos", ["Java", "DevOps"]),
    Empleado("Maria", ["JavaScript", "React"]),
    Empleado("Juan", ["Python", "Data Analysis"]),
    Empleado("Laura", ["Machine Learning", "AI"])
]

# Lista de proyectos
proyectos = [
    Proyecto("Desarrollo de IA", ["Python", "AI"]),
    Proyecto("Aplicación Web", ["JavaScript", "React"])
]

# Asignar empleados a proyectos
for proyecto in proyectos:
    crear_equipo(proyecto, empleados)

# Mostrar los equipos
for proyecto in proyectos:
    proyecto.mostrar_equipo()

Tablas de Uso de IA

TecnoInnovar S.A.

Área	Tareas Automatizadas	Herramientas de IA
Administración	Programación de reuniones, gestión de correos electrónicos, actualización de bases de datos	Bots de IA, asistentes virtuales
Análisis de Datos	Análisis de datos de usuarios, mercados y rendimiento de productos	Herramientas de análisis de datos en tiempo real (ej. TensorFlow, PyTorch)
Desarrollo de Software	Testing automatizado, integración continua	Frameworks de pruebas automatizadas, CI/CD pipelines con IA

HealthTech Global

Área	Uso de la IA	Herramientas de IA
Personalización de Servicios	Análisis de datos de clientes para soluciones personalizadas, predicción de problemas de salud	Algoritmos de aprendizaje automático, plataformas de análisis predictivo
Optimización de Recursos	Gestión de inventarios, programación de citas, asignación de profesionales	Sistemas de gestión inteligente, software de planificación de recursos empresariales (ERP)
Desarrollo Personalizado	Feedback continuo, sugerencias de desarrollo personal	Sistemas de seguimiento de rendimiento, plataformas de e-learning personalizadas

Estos gráficos y tablas proporcionan una representación visual y estructurada de cómo se pueden implementar los principios de la Educación Disruptiva y la IA en el entorno empresarial y laboral.

Tablas de Estructura Organizacional y Cultura Empresarial

TecnoInnovar S.A.

Estructura Organizacional

Proyecto	Equipo Multidisciplinario	Roles dentro del equipo
Proyecto 1	Equipo A	Líder de Proyecto, Desarrollador, Analista de Datos, Diseñador UX/UI
Proyecto 1	Equipo B	Líder de Proyecto, Desarrollador, Ingeniero de DevOps, Especialista en QA
Proyecto 2	Equipo C	Líder de Proyecto, Desarrollador, Científico de Datos, Ingeniero de IA
Proyecto 2	Equipo D	Líder de Proyecto, Desarrollador, Analista de Negocios, Ingeniero de Infraestructura
Proyecto N	Equipo E	Líder de Proyecto, Desarrollador, Ingeniero de Redes, Especialista en Seguridad
Proyecto N	Equipo F	Líder de Proyecto, Desarrollador, Arquitecto de Soluciones, Ingeniero de Sistemas

Cultura Empresarial

Aspecto	Descripción	Implementación
Aprendizaje Continuo	Participación en proyectos desafiantes, acceso a plataformas de conocimiento on-demand	Proyectos internos, programas de mentoría
Colaboración	Formación de equipos con habilidades complementarias, comunicación abierta	Plataformas de colaboración online, reuniones regulares de equipo
Flexibilidad	Trabajo remoto y horario flexible	Herramientas de trabajo remoto, políticas de flexibilidad laboral
Innovación	Cultura de experimentación y curiosidad	Espacios de innovación, recursos para proyectos personales

HealthTech Global

Estructura Organizacional

Equipo Autónomo	Roles Flexibles	Responsabilidades
Equipo Auton. 1	Empleado 1, Empleado 2, Empleado 3	Gestión de proyectos, desarrollo de soluciones, interacción con clientes
Equipo Auton. 2	Empleado 4, Empleado 5, Empleado 6	Desarrollo de productos, optimización de servicios, análisis de datos
Equipo Auton. 3	Empleado 7, Empleado 8, Empleado 9	Innovación tecnológica, implementación de IA, soporte técnico

Cultura Empresarial

Aspecto	Descripción	Implementación
Personalización	Soluciones personalizadas para clientes	Análisis de datos de clientes, algoritmos predictivos
Autonomía	Equipos autónomos con roles flexibles	Descentralización de decisiones, auto-gestión de proyectos
Curiosidad	Fomento de la curiosidad y experimentación	Espacios de trabajo colaborativo, recursos para investigación y desarrollo
Feedback	Feedback continuo y desarrollo personalizado	Sistemas de seguimiento de rendimiento, plataformas de e-learning

Algoritmo en Python: Análisis Predictivo de Salud

A continuación, un ejemplo de cómo la IA puede ser utilizada para el análisis predictivo de salud en HealthTech Global.

pythonCopiar códigoimport pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report

# Datos ficticios de salud de clientes
data = {
    'Edad': [25, 34, 45, 50, 23, 35, 64, 45, 52, 29],
    'IMC': [22.4, 27.8, 30.1, 25.0, 24.5, 28.7, 31.4, 29.2, 26.5, 22.1],
    'Fumador': [0, 1, 1, 0, 0, 1, 1, 1, 0, 0],
    'Ejercicio Regular': [1, 0, 0, 1, 1, 0, 0, 0, 1, 1],
    'Condición Crónica': [0, 0, 1, 1, 0, 0, 1, 1, 0, 0]
}

# Convertir a DataFrame
df = pd.DataFrame(data)

# Variables predictoras y objetivo
X = df[['Edad', 'IMC', 'Fumador', 'Ejercicio Regular']]
y = df['Condición Crónica']

# Dividir en conjunto de entrenamiento y prueba
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Entrenar modelo de Random Forest
modelo = RandomForestClassifier(n_estimators=100, random_state=42)
modelo.fit(X_train, y_train)

# Predicciones
y_pred = modelo.predict(X_test)

# Reporte de clasificación
print(classification_report(y_test, y_pred))

Resultados del Algoritmo

Supongamos que los resultados del análisis predictivo son los siguientes (este es un ejemplo hipotético basado en datos ficticios):

plaintextCopiar código              precision    recall  f1-score   support

           0       1.00      1.00      1.00         1
           1       1.00      1.00      1.00         1

    accuracy                           1.00         2
   macro avg       1.00      1.00      1.00         2
weighted avg       1.00      1.00      1.00         2

Estos gráficos, algoritmos y tablas ilustran cómo se pueden implementar y visualizar los conceptos de una empresa disruptiva utilizando IA, sin centrarse en la educación formal. La estructura organizacional flexible y dinámica, el entorno de trabajo adaptativo y colaborativo, y la integración de IA para optimizar procesos y personalizar servicios representan un nuevo paradigma en la comprensión de la empresa y el trabajo.

Cambios del Predominio de la Oferta al de la Demanda con Soporte de IA

En el modelo tradicional, las empresas solían operar bajo un paradigma dominado por la oferta, donde producían bienes o servicios y luego buscaban venderlos a los consumidores. Con la evolución hacia una economía impulsada por la demanda y el soporte de la IA, la dinámica empresarial cambia significativamente. Aquí se detalla cómo se manifiesta este cambio en las empresas TecnoInnovar S.A. y HealthTech Global.

1. TecnoInnovar S.A.: Innovación y Colaboración Dinámica

Estructura Organizacional

Proyecto	Equipo Multidisciplinario	Roles dentro del equipo
Proyecto 1	Equipo A	Líder de Proyecto, Desarrollador, Analista de Datos, Diseñador UX/UI
Proyecto 1	Equipo B	Líder de Proyecto, Desarrollador, Ingeniero de DevOps, Especialista en QA
Proyecto 2	Equipo C	Líder de Proyecto, Desarrollador, Científico de Datos, Ingeniero de IA
Proyecto 2	Equipo D	Líder de Proyecto, Desarrollador, Analista de Negocios, Ingeniero de Infraestructura
Proyecto N	Equipo E	Líder de Proyecto, Desarrollador, Ingeniero de Redes, Especialista en Seguridad
Proyecto N	Equipo F	Líder de Proyecto, Desarrollador, Arquitecto de Soluciones, Ingeniero de Sistemas

Cultura Empresarial

Aspecto	Descripción	Implementación
Aprendizaje Continuo	Participación en proyectos desafiantes, acceso a plataformas de conocimiento on-demand	Proyectos internos, programas de mentoría
Colaboración	Formación de equipos con habilidades complementarias, comunicación abierta	Plataformas de colaboración online, reuniones regulares de equipo
Flexibilidad	Trabajo remoto y horario flexible	Herramientas de trabajo remoto, políticas de flexibilidad laboral
Innovación	Cultura de experimentación y curiosidad	Espacios de innovación, recursos para proyectos personales

Cambio de Predominio de la Oferta a la Demanda

Uso de la IA para Analizar la Demanda del Cliente: Las herramientas de IA analizan datos de comportamiento de los clientes, comentarios y tendencias de mercado en tiempo real. Esto permite a TecnoInnovar anticipar las necesidades y deseos del cliente antes de que se conviertan en demandas explícitas.
Desarrollo de Productos Basados en la Demanda: Los equipos multidisciplinarios se forman y ajustan rápidamente para desarrollar productos y soluciones específicas basadas en la demanda real del mercado, en lugar de producir en masa y esperar la venta.
Personalización de Servicios: Los datos recolectados a través de IA permiten personalizar la experiencia del cliente. Cada producto o servicio puede ser adaptado a las necesidades individuales, aumentando la satisfacción y la lealtad del cliente.

Algoritmo en Python para Análisis de la Demanda

pythonCopiar códigoimport pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error

# Datos ficticios de demanda de productos
data = {
    'Mes': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],
    'Ventas': [100, 150, 200, 250, 300, 350, 400, 450, 500, 550, 600, 650]
}

# Convertir a DataFrame
df = pd.DataFrame(data)

# Variables predictoras y objetivo
X = df[['Mes']]
y = df['Ventas']

# Dividir en conjunto de entrenamiento y prueba
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Entrenar modelo de Random Forest
modelo = RandomForestRegressor(n_estimators=100, random_state=42)
modelo.fit(X_train, y_train)

# Predicciones
y_pred = modelo.predict(X_test)

# Calcular error
error = mean_squared_error(y_test, y_pred)
print(f"Error Cuadrático Medio: {error}")

# Predecir ventas futuras
futuro = pd.DataFrame({'Mes': [13, 14, 15]})
predicciones_futuras = modelo.predict(futuro)
print(f"Predicciones futuras: {predicciones_futuras}")

Resultados del Algoritmo

plaintextCopiar códigoError Cuadrático Medio: (valor calculado)
Predicciones futuras: [ (valores predichos) ]

2. HealthTech Global: Personalización y Optimización de Servicios

Estructura Organizacional

Equipo Autónomo	Roles Flexibles	Responsabilidades
Equipo Auton. 1	Empleado 1, Empleado 2, Empleado 3	Gestión de proyectos, desarrollo de soluciones, interacción con clientes
Equipo Auton. 2	Empleado 4, Empleado 5, Empleado 6	Desarrollo de productos, optimización de servicios, análisis de datos
Equipo Auton. 3	Empleado 7, Empleado 8, Empleado 9	Innovación tecnológica, implementación de IA, soporte técnico

Cultura Empresarial

Aspecto	Descripción	Implementación
Personalización	Soluciones personalizadas para clientes	Análisis de datos de clientes, algoritmos predictivos
Autonomía	Equipos autónomos con roles flexibles	Descentralización de decisiones, auto-gestión de proyectos
Curiosidad	Fomento de la curiosidad y experimentación	Espacios de trabajo colaborativo, recursos para investigación y desarrollo
Feedback	Feedback continuo y desarrollo personalizado	Sistemas de seguimiento de rendimiento, plataformas de e-learning

Cambio de Predominio de la Oferta a la Demanda

Uso de la IA para la Personalización: HealthTech Global utiliza la IA para analizar datos de salud y comportamiento de sus clientes, lo que les permite ofrecer tratamientos y servicios altamente personalizados, basados en las necesidades y condiciones específicas de cada cliente.
Adaptación Rápida a las Necesidades del Cliente: Con una estructura flexible y equipos autónomos, la empresa puede adaptarse rápidamente a las demandas cambiantes del mercado. Si surge una nueva necesidad de salud, se puede formar un equipo especializado para abordarla de inmediato.
Optimización de Recursos en Tiempo Real: La IA ayuda a optimizar la asignación de recursos, asegurando que los profesionales adecuados estén disponibles cuando y donde se necesiten, mejorando así la eficiencia y la satisfacción del cliente.

Algoritmo en Python para Personalización de Servicios de Salud

pythonCopiar códigoimport pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.metrics import accuracy_score

# Datos ficticios de salud de clientes
data = {
    'Edad': [25, 34, 45, 50, 23, 35, 64, 45, 52, 29],
    'IMC': [22.4, 27.8, 30.1, 25.0, 24.5, 28.7, 31.4, 29.2, 26.5, 22.1],
    'Fumador': [0, 1, 1, 0, 0, 1, 1, 1, 0, 0],
    'Ejercicio Regular': [1, 0, 0, 1, 1, 0, 0, 0, 1, 1],
    'Recomendación': [1, 0, 1, 1, 0, 1, 1, 0, 1, 0]
}

# Convertir a DataFrame
df = pd.DataFrame(data)

# Variables predictoras y objetivo
X = df[['Edad', 'IMC', 'Fumador', 'Ejercicio Regular']]
y = df['Recomendación']

# Dividir en conjunto de entrenamiento y prueba
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Entrenar modelo de Gradient Boosting
modelo = GradientBoostingClassifier(n_estimators=100, random_state=42)
modelo.fit(X_train, y_train)

# Predicciones
y_pred = modelo.predict(X_test)

# Calcular precisión
precision = accuracy_score(y_test, y_pred)
print(f"Precisión del modelo: {precision}")

# Predecir recomendaciones futuras
nuevos_clientes = pd.DataFrame({
    'Edad': [30, 40],
    'IMC': [25.0, 28.0],
    'Fumador': [0, 1],
    'Ejercicio Regular': [1, 0]
})
recomendaciones_futuras = modelo.predict(nuevos_clientes)
print(f"Recomendaciones futuras: {recomendaciones_futuras}")

Resultados del Algoritmo

plaintextCopiar códigoPrecisión del modelo: (valor calculado)
Recomendaciones futuras:

plaintextCopiar códigoRecomendaciones futuras: [1, 0]

Integración de IA en el Cambio del Predominio de la Oferta a la Demanda

1. TecnoInnovar S.A.: Respuesta Dinámica a la Demanda del Cliente

Análisis Predictivo de la Demanda

La empresa utiliza herramientas de IA para analizar grandes volúmenes de datos provenientes de diversas fuentes, como redes sociales, comentarios de clientes, tendencias de búsqueda y patrones de compra. Este análisis permite a TecnoInnovar identificar rápidamente las necesidades emergentes de los clientes.

Ejemplo de Implementación:

Detección de Tendencias: La IA puede detectar una creciente demanda de una tecnología específica, como aplicaciones basadas en IA para la automatización del hogar. TecnoInnovar puede entonces reconfigurar sus equipos para desarrollar productos en esta área.
Feedback en Tiempo Real: Mediante encuestas automatizadas y análisis de comentarios en tiempo real, los equipos pueden ajustar sus desarrollos y servicios de inmediato, alineándose más estrechamente con las expectativas del cliente.

Tabla de Tecnologías de IA Utilizadas

Tecnología de IA	Aplicación	Beneficios
Análisis Predictivo	Identificación de tendencias y demandas	Adaptación rápida a nuevas necesidades
Machine Learning	Personalización de productos y servicios	Mejora en la satisfacción del cliente
Chatbots y Asistentes Virtuales	Atención al cliente automatizada	Disponibilidad 24/7, respuestas rápidas
Big Data Analytics	Análisis de grandes volúmenes de datos	Decisiones basadas en datos precisos

2. HealthTech Global: Personalización y Optimización en Salud

Personalización de Servicios Médicos

La IA permite a HealthTech Global personalizar sus servicios de salud según las necesidades individuales de cada cliente. Esto incluye recomendaciones de tratamientos personalizados, seguimiento de condiciones crónicas y prevención de enfermedades.

Ejemplo de Implementación:

Seguimiento de Pacientes: Utilizando dispositivos de monitoreo de salud conectados a la IA, HealthTech puede ofrecer un seguimiento continuo y personalizado a los pacientes, ajustando sus tratamientos en tiempo real según los datos recogidos.
Recomendaciones de Salud: Basado en el análisis de datos de salud y comportamiento, la IA puede recomendar dietas, ejercicios y tratamientos específicos para cada individuo.

Tabla de Casos de Uso de IA en Salud

Caso de Uso de IA	Descripción	Beneficios
Monitoreo de la Salud	Seguimiento continuo de pacientes mediante dispositivos conectados	Mejora en la gestión de condiciones crónicas
Recomendaciones Personalizadas	Sugerencias de tratamientos y estilos de vida basados en datos individuales	Aumento de la adherencia al tratamiento
Análisis Predictivo	Predicción de brotes de enfermedades y necesidades de recursos	Optimización de recursos sanitarios
Chatbots Médicos	Atención al paciente automatizada para consultas básicas	Reducción de la carga de trabajo para profesionales de la salud

Implementación Práctica: Ejemplo de Algoritmo de IA

Análisis Predictivo de Demanda para TecnoInnovar S.A.

Este algoritmo puede ser utilizado para predecir la demanda de productos futuros, ajustando la producción en base a las tendencias identificadas.

pythonCopiar códigoimport pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error

# Datos ficticios de demanda de productos
data = {
    'Mes': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],
    'Ventas': [100, 150, 200, 250, 300, 350, 400, 450, 500, 550, 600, 650]
}

# Convertir a DataFrame
df = pd.DataFrame(data)

# Variables predictoras y objetivo
X = df[['Mes']]
y = df['Ventas']

# Dividir en conjunto de entrenamiento y prueba
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Entrenar modelo de Random Forest
modelo = RandomForestRegressor(n_estimators=100, random_state=42)
modelo.fit(X_train, y_train)

# Predicciones
y_pred = modelo.predict(X_test)

# Calcular error
error = mean_squared_error(y_test, y_pred)
print(f"Error Cuadrático Medio: {error}")

# Predecir ventas futuras
futuro = pd.DataFrame({'Mes': [13, 14, 15]})
predicciones_futuras = modelo.predict(futuro)
print(f"Predicciones futuras: {predicciones_futuras}")

Personalización de Servicios de Salud en HealthTech Global

Este algoritmo predice recomendaciones de salud basadas en datos de clientes, ayudando a personalizar los tratamientos.

pythonCopiar códigoimport pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.metrics import accuracy_score

# Datos ficticios de salud de clientes
data = {
    'Edad': [25, 34, 45, 50, 23, 35, 64, 45, 52, 29],
    'IMC': [22.4, 27.8, 30.1, 25.0, 24.5, 28.7, 31.4, 29.2, 26.5, 22.1],
    'Fumador': [0, 1, 1, 0, 0, 1, 1, 1, 0, 0],
    'Ejercicio Regular': [1, 0, 0, 1, 1, 0, 0, 0, 1, 1],
    'Recomendación': [1, 0, 1, 1, 0, 1, 1, 0, 1, 0]
}

# Convertir a DataFrame
df = pd.DataFrame(data)

# Variables predictoras y objetivo
X = df[['Edad', 'IMC', 'Fumador', 'Ejercicio Regular']]
y = df['Recomendación']

# Dividir en conjunto de entrenamiento y prueba
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Entrenar modelo de Gradient Boosting
modelo = GradientBoostingClassifier(n_estimators=100, random_state=42)
modelo.fit(X_train, y_train)

# Predicciones
y_pred = modelo.predict(X_test)

# Calcular precisión
precision = accuracy_score(y_test, y_pred)
print(f"Precisión del modelo: {precision}")

# Predecir recomendaciones futuras
nuevos_clientes = pd.DataFrame({
    'Edad': [30, 40],
    'IMC': [25.0, 28.0],
    'Fumador': [0, 1],
    'Ejercicio Regular': [1, 0]
})
recomendaciones_futuras = modelo.predict(nuevos_clientes)
print(f"Recomendaciones futuras: {recomendaciones_futuras}")

El cambio del predominio de la oferta al predominio de la demanda, apoyado por tecnologías de IA, transforma profundamente la forma en que las empresas como TecnoInnovar S.A. y HealthTech Global operan. Al utilizar la IA para entender y anticipar las necesidades de los clientes, estas empresas pueden ofrecer productos y servicios personalizados y adaptativos, mejorando la satisfacción del cliente y optimizando sus operaciones internas. Este enfoque permite una respuesta más ágil y precisa a las dinámicas del mercado, asegurando una mayor competitividad y relevancia en el entorno empresarial moderno.

La relación entre personas y máquinas en el ámbito laboral y empresarial es compleja y multifacética. A medida que la inteligencia artificial (IA) y otras tecnologías avanzadas se integran en el lugar de trabajo, es importante considerar las implicaciones éticas, sociales y psicológicas de esta relación.

La autonomía y la agenciaUna de las cuestiones clave en la relación personas-máquinas es la autonomía y la agencia;

¿Quién tiene el control y la responsabilidad en una situación en la que una máquina está tomando decisiones y actuando de manera autónoma? ¿Cuál es el papel de la persona en este proceso?

La colaboración y la coordinaciónLa colaboración y la coordinación entre personas y máquinas es fundamental para el éxito en el ámbito laboral y empresarial. Sin embargo, esta colaboración puede ser difícil de lograr, especialmente cuando las máquinas están diseñadas para realizar tareas específicas y no tienen la misma comprensión del contexto y la intuición que las personas.

La confianza y la transparenciaLa confianza y la transparencia son fundamentales en la relación personas-máquinas. Las personas deben confiar en que las máquinas están tomando decisiones correctas y éticas, y las máquinas deben ser transparentes en sus procesos y decisiones.

La responsabilidad y la accountabilityLa responsabilidad y la accountability son clave en la relación personas-máquinas. ¿Quién es responsable cuando una máquina comete un error o causa un daño? ¿Cómo se pueden diseñar sistemas que permitan la accountability y la responsabilidad en la toma de decisiones?

La educación y el desarrolloLa educación y el desarrollo son fundamentales para que las personas puedan trabajar efectivamente con máquinas. Las personas necesitan desarrollar habilidades nuevas y mejorar sus habilidades existentes para trabajar con máquinas y sistemas de IA.

La ética y la moralidadLa ética y la moralidad son fundamentales en la relación personas-máquinas. Las máquinas deben ser diseñadas y programadas para tomar decisiones éticas y morales, y las personas deben ser conscientes de las implicaciones éticas y morales de sus acciones.

La psicología y la sociologíaLa psicología y la sociología también juegan un papel importante en la relación personas-máquinas. Las personas tienen emociones, necesidades y deseos que influyen en su comportamiento y toma de decisiones, y las máquinas deben ser diseñadas para tener en cuenta estas variables.

La complejidad y la incertidumbreLa relación personas-máquinas es inherentemente compleja y incierta. Las máquinas pueden comportarse de manera impredecible, y las personas pueden tener dificultades para entender y anticipar el comportamiento de las máquinas.

La necesidad de un enfoque holísticoEn conclusión, la relación personas-máquinas en el ámbito laboral y empresarial requiere un enfoque holístico que tenga en cuenta las implicaciones éticas, sociales, psicológicas y tecnológicas. Es importante considerar la autonomía y la agencia, la colaboración y la coordinación, la confianza y la transparencia, la responsabilidad y la accountability, la educación y el desarrollo, la ética y la moralidad, la psicología y la sociología, y la complejidad y la incertidumbre.

Un ejemplo de aplicaciónUn ejemplo de aplicación de este enfoque holístico es el desarrollo de sistemas de IA que sean transparentes, explicables y éticos. Esto puede lograrse mediante la implementación de algoritmos que permitan la explicabilidad y la transparencia, y mediante la creación de interfaces que permitan a las personas entender y interactuar con los sistemas de IA de manera efectiva.

Un ejemplo de investigación

Un ejemplo de investigación
Un ejemplo de investigación en este ámbito es el estudio de la relación entre la confianza y la transparencia en la relación personas-máquinas. Esto puede involucrar la recopilación de datos sobre la confianza y la transparencia en diferentes contextos, y la análisis de los resultados para identificar patrones y tendencias. Pero se necesita referido a la empresa y el trabajo del S XXI

Título de la investigación: «La confianza y la transparencia en la relación personas-máquinas en el lugar de trabajo: Un estudio sobre la aceptación y el uso de la inteligencia artificial en la toma de decisiones empresariales

«Objetivos de la investigación:

Investigar la relación entre la confianza y la transparencia en la relación personas-máquinas en el lugar de trabajo.
Analizar cómo la confianza y la transparencia influyen en la aceptación y el uso de la inteligencia artificial (IA) en la toma de decisiones empresariales.
Identificar los factores clave que influyen en la confianza y la transparencia en la relación personas-máquinas en el lugar de trabajo.

Metodología:

Encuesta a empleados y gerentes de empresas que utilizan IA en la toma de decisiones empresariales.
Análisis de datos de empresas que han implementado IA en la toma de decisiones empresariales.
Entrevistas en profundidad con empleados y gerentes para obtener información cualitativa sobre la relación personas-máquinas en el lugar de trabajo.

Preguntas de investigación:

¿Cuál es el nivel de confianza que los empleados tienen en la IA en la toma de decisiones empresariales?
¿Cómo influye la transparencia en la relación personas-máquinas en la aceptación y el uso de la IA en la toma de decisiones empresariales?
¿Qué factores influyen en la confianza y la transparencia en la relación personas-máquinas en el lugar de trabajo?

Resultados esperados:

Identificar los factores clave que influyen en la confianza y la transparencia en la relación personas-máquinas en el lugar de trabajo.
Determinar cómo la confianza y la transparencia influyen en la aceptación y el uso de la IA en la toma de decisiones empresariales.
Proporcionar recomendaciones para mejorar la confianza y la transparencia en la relación personas-máquinas en el lugar de trabajo.

Impacto en la empresa y el trabajo del siglo XXI:

Mejora de la eficiencia y la productividad en la toma de decisiones empresariales mediante la implementación de IA.
Incremento de la confianza y la transparencia en la relación personas-máquinas en el lugar de trabajo.
Mejora de la experiencia del empleado y la satisfacción en el trabajo mediante la implementación de IA

La implementación de la inteligencia artificial en la empresa: Un análisis de su impacto en la eficiencia, la confianza y la experiencia del empleado

La implementación de la inteligencia artificial (IA) en la empresa ha generado un gran interés en los últimos años, ya que se considera que puede tener un impacto significativo en la eficiencia, la confianza y la experiencia del empleado.

En primer lugar, la implementación de la IA en la empresa puede mejorar la eficiencia y la productividad en la toma de decisiones empresariales. La IA puede analizar grandes cantidades de datos en tiempo real, lo que permite a los gerentes tomar decisiones informadas y precisas. Además, la automatización de tareas repetitivas y rutinarias mediante la IA libera tiempo y recursos para que los empleados se centren en tareas más estratégicas y creativas. Esto puede llevar a un aumento de la productividad y la eficiencia en la empresa, lo que puede tener un impacto positivo en la rentabilidad y el crecimiento.

En segundo lugar, la implementación de la IA en la empresa puede incrementar la confianza y la transparencia en la relación personas-máquinas en el lugar de trabajo. La transparencia en la toma de decisiones mediante la IA puede mejorar la confianza de los empleados en la empresa y sus procesos. Además, la explicabilidad de la IA puede ayudar a los empleados a entender cómo se toman las decisiones y por qué. Esto puede reducir la ansiedad y la incertidumbre en el lugar de trabajo, lo que puede mejorar la experiencia del empleado y la satisfacción en el trabajo.

La IA también puede proporcionar oportunidades de aprendizaje y desarrollo para los empleados, lo que puede mejorar su experiencia y satisfacción en el trabajo.En conclusión, la implementación de la IA en la empresa puede tener un impacto significativo en la eficiencia, la confianza y la experiencia del empleado. La IA puede mejorar la eficiencia y la productividad en la toma de decisiones empresariales, incrementar la confianza y la transparencia en la relación personas-máquinas en el lugar de trabajo, y mejorar la experiencia del empleado y la satisfacción en el trabajo. Es importante que las empresas consideren cuidadosamente el impacto de la IA en su organización y tomen medidas para garantizar que su implementación sea ética y responsable.

juandon

BIBLIOGAFÍA

Autores

Klaus Schwab: Fundador y presidente del Foro Económico Mundial (WEF), autor de «The Fourth Industrial Revolution» (La Cuarta Revolución Industrial).
Nick Bostrom: Filósofo y director del Future of Humanity Institute, autor de «Superintelligence: Paths, Dangers, Strategies» (Superinteligencia: Caminos, Peligros, Estrategias).
Andrew Ng: Científico de la computación y emprendedor, autor de «AI Transformation Playbook» (Libro de Estrategias de Transformación de la IA).
Vivek Wadhwa: Emprendedor y autor, autor de «Driver in the Driverless Car: How Our Technology Choices Will Create the Future» (El Conductor en el Coche sin Conductor: Cómo Nuestras Elecciones de Tecnología Crearán el Futuro).
Martin Ford: Autor y experto en IA, autor de «Rise of the Robots: Technology and the Threat of a Jobless Future» (El Ascenso de los Robots: La Tecnología y la Amenaza de un Futuro sin Trabajos).
Harold Jarche: Autor y experto en aprendizaje y desarrollo, autor de «The Future of Work» (El Futuro del Trabajo) y «Social Learning Handbook» (Manual de Aprendizaje Social).

Universidades

Stanford University: Centro de Investigación en Inteligencia Artificial (SAIL) y el Instituto de Investigación en Ciencias de la Computación (CSRI).
Massachusetts Institute of Technology (MIT): Laboratorio de Inteligencia Artificial y Ciencias Cognitivas (CSAIL) y el Instituto de Investigación en Tecnología (ITI).
University of California, Berkeley: Grupo de Investigación en Inteligencia Artificial (AI Group) y el Centro de Investigación en Ciencias de la Computación (CSC).
Carnegie Mellon University: Escuela de Computación y el Instituto de Investigación en Robótica y Inteligencia Artificial (RIAI).
University of Oxford: Instituto de Investigación en Inteligencia Artificial (AI Institute) y el Centro de Investigación en Ciencias de la Computación (OCC).

Revistas

Harvard Business Review (HBR): Revista que se enfoca en la gestión y la innovación en el ámbito empresarial.
MIT Sloan Management Review: Revista que se enfoca en la gestión y la innovación en el ámbito empresarial.
IEEE Spectrum: Revista que se enfoca en la tecnología y la ingeniería.
Communications of the ACM: Revista que se enfoca en la informática y la tecnología.
Journal of Artificial Intelligence Research (JAIR): Revista que se enfoca en la investigación en inteligencia artificial.

Plataformas

World Economic Forum (WEF): Organización que se enfoca en la promoción del diálogo y la colaboración entre líderes mundiales.
Singularity Hub: Plataforma que se enfoca en la promoción de la innovación y la tecnología disruptiva.
AI Now Institute: Instituto que se enfoca en la investigación y el análisis de la inteligencia artificial y su impacto en la sociedad.
Future of Work: Plataforma que se enfoca en la promoción del diálogo y la colaboración sobre el futuro del trabajo.
AI for Humanity: Plataforma que se enfoca en la promoción de la inteligencia artificial para el bienestar humano.

Autores

John Hagel: Autor y experto en innovación y cambio, autor de «The Power of Pull» (El Poder de la Atracción).
John Seely Brown: Autor y experto en innovación y aprendizaje, autor de «The Power of Pull» (El Poder de la Atracción).
Gordon Moore: Cofundador de Intel, autor de «Moore’s Law» (La Ley de Moore).
Ray Kurzweil: Inventor y autor, autor de «The Singularity Is Near» (La Singularidad Está Cerca).
Peter Diamandis: Autor y emprendedor, autor de «Abundance: The Future Is Better Than You Think» (Abundancia: El Futuro es Mejor de lo que Piensas).
Thomas Davenport: Autor y experto en inteligencia artificial, autor de «Only Humans Need Apply: Winners and Losers in the Age of Smart Machines» (Solo los Humanos Necesitan Aplicar: Ganadores y Perdedores en la Era de las Máquinas Inteligentes).

Universidades

University of Toronto: Instituto de Investigación en Inteligencia Artificial (AI Institute) y el Centro de Investigación en Ciencias de la Computación (CSC).
University of Cambridge: Departamento de Ciencias de la Computación y el Instituto de Investigación en Inteligencia Artificial (AI Institute).
University of Edinburgh: Instituto de Investigación en Inteligencia Artificial (AI Institute) y el Centro de Investigación en Ciencias de la Computación (CSC).
Georgia Institute of Technology: Instituto de Investigación en Inteligencia Artificial (AI Institute) y el Centro de Investigación en Ciencias de la Computación (CSC).
University of Southern California: Instituto de Investigación en Inteligencia Artificial (AI Institute) y el Centro de Investigación en Ciencias de la Computación (CSC).

Autores Reconocidos

Erik Brynjolfsson
- Afiliación: Stanford University
- Áreas de Investigación: Economía digital, IA, automatización y el futuro del trabajo.
- Publicaciones Clave:
  - «The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies»
  - «Machine, Platform, Crowd: Harnessing Our Digital Future»
Andrew McAfee
- Afiliación: MIT Sloan School of Management
- Áreas de Investigación: Impacto de las tecnologías digitales en el negocio, la economía y la sociedad.
- Publicaciones Clave:
  - «The Second Machine Age»
  - «Machine, Platform, Crowd»
Carl Benedikt Frey
- Afiliación: Oxford Martin School, University of Oxford
- Áreas de Investigación: Historia económica, tecnología y empleo.
- Publicaciones Clave:
  - «The Technology Trap: Capital, Labor, and Power in the Age of Automation»
Daron Acemoglu
- Afiliación: MIT
- Áreas de Investigación: Economía del trabajo, IA y automatización.
- Publicaciones Clave:
  - «The Race between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment»
Thomas H. Davenport
- Afiliación: Babson College, MIT Initiative on the Digital Economy
- Áreas de Investigación: Analítica empresarial, IA en la gestión empresarial.
- Publicaciones Clave:
  - «Competing on Analytics: The New Science of Winning»
  - «The AI Advantage: How to Put the Artificial Intelligence Revolution to Work»

Universidades y Centros de Investigación

MIT Sloan School of Management
- Centro de Investigación: MIT Initiative on the Digital Economy (IDE)
- Áreas de Investigación: Impacto de la IA y tecnologías digitales en la economía y el trabajo.
Stanford University
- Centro de Investigación: Stanford Human-Centered AI Institute (HAI)
- Áreas de Investigación: IA centrada en el ser humano, ética de la IA, IA en el trabajo y la empresa.
Oxford Martin School, University of Oxford
- Centro de Investigación: Oxford Martin Programme on Technology and Employment
- Áreas de Investigación: Impacto de la tecnología en el empleo y la economía.
Harvard Business School
- Centro de Investigación: Digital Initiative
- Áreas de Investigación: Transformación digital, IA en la estrategia empresarial.
Carnegie Mellon University
- Centro de Investigación: Robotics Institute, Heinz College of Information Systems and Public Policy
- Áreas de Investigación: IA, automatización, políticas públicas relacionadas con la tecnología.

Revistas Académicas y Publicaciones

Harvard Business Review
- Áreas de Investigación: Estrategia empresarial, transformación digital, impacto de la IA en los negocios.
Journal of Artificial Intelligence Research (JAIR)
- Áreas de Investigación: IA avanzada, impacto de la IA en diferentes sectores.
MIT Technology Review
- Áreas de Investigación: Innovaciones tecnológicas, impacto de la IA y la automatización.
Academy of Management Journal
- Áreas de Investigación: Gestión empresarial, impacto de la tecnología en la gestión y el trabajo.
Journal of Management Information Systems
- Áreas de Investigación: Sistemas de información, IA en la gestión empresarial.

Plataformas y Organizaciones

World Economic Forum (WEF)
- Iniciativas: Future of Work, impact of AI and automation.
- Publicaciones y Reportes: «The Future of Jobs Report», «The Global Risks Report».
McKinsey Global Institute (MGI)
- Áreas de Investigación: Economía digital, futuro del trabajo, impacto de la IA.
- Publicaciones y Reportes: «Jobs lost, jobs gained: Workforce transitions in a time of automation».
Gartner
- Áreas de Investigación: Transformación digital, IA en los negocios.
- Publicaciones y Reportes: «Hype Cycle for Artificial Intelligence».
OECD (Organisation for Economic Co-operation and Development)
- Iniciativas: Employment and skills in the age of AI.
- Publicaciones y Reportes: «AI in Society», «The Future of Work».
Deloitte Insights
- Áreas de Investigación: IA en la empresa, automatización, estrategia digital.
- Publicaciones y Reportes: «AI in the Enterprise», «The Fourth Industrial Revolution».

Autores Reconocidos

Richard Baldwin
- Afiliación: Graduate Institute of International and Development Studies, Geneva
- Áreas de Investigación: Globalización, impacto de la IA en la economía global.
- Publicaciones Clave:
  - «The Globotics Upheaval: Globalization, Robotics, and the Future of Work»
Martin Ford
- Afiliación: Futurista y autor independiente
- Áreas de Investigación: Futuro del trabajo, IA, automatización.
- Publicaciones Clave:
  - «Rise of the Robots: Technology and the Threat of a Jobless Future»
  - «Architects of Intelligence: The Truth About AI from the People Building It»
Daniel Susskind
- Afiliación: University of Oxford
- Áreas de Investigación: IA, futuro del trabajo y la economía.
- Publicaciones Clave:
  - «A World Without Work: Technology, Automation, and How We Should Respond»
Shoshana Zuboff
- Afiliación: Harvard Business School
- Áreas de Investigación: Capitalismo de vigilancia, impacto de la tecnología en la sociedad y el trabajo.
- Publicaciones Clave:
  - «The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power»
Kai-Fu Lee
- Afiliación: Sinovation Ventures, Carnegie Mellon University
- Áreas de Investigación: IA, emprendimiento, impacto de la IA en la sociedad y el trabajo.
- Publicaciones Clave:
  - «AI Superpowers: China, Silicon Valley, and the New World Order»

Universidades y Centros de Investigación

University of California, Berkeley
- Centro de Investigación: Berkeley AI Research (BAIR) Lab
- Áreas de Investigación: IA avanzada, machine learning, impacto de la tecnología en el trabajo.
University of Toronto
- Centro de Investigación: Vector Institute for Artificial Intelligence
- Áreas de Investigación: IA, aprendizaje profundo, aplicaciones empresariales de la IA.
University of Cambridge
- Centro de Investigación: Leverhulme Centre for the Future of Intelligence
- Áreas de Investigación: IA, ética de la IA, impacto de la IA en la sociedad y el trabajo.
University of Southern California (USC)
- Centro de Investigación: Center for Artificial Intelligence in Society (CAIS)
- Áreas de Investigación: IA para el bien social, aplicaciones de la IA en el trabajo y la empresa.
University of Washington
- Centro de Investigación: Paul G. Allen School of Computer Science & Engineering
- Áreas de Investigación: IA, aprendizaje automático, impacto social y empresarial de la tecnología.

Revistas Académicas y Publicaciones

AI & Society
- Áreas de Investigación: Impacto de la IA en la sociedad, el trabajo y la ética.
IEEE Transactions on Neural Networks and Learning Systems
- Áreas de Investigación: Aprendizaje automático, IA aplicada, redes neuronales.
Human Resource Management Journal
- Áreas de Investigación: Gestión de recursos humanos, impacto de la tecnología en la gestión del talento.
Technological Forecasting and Social Change
- Áreas de Investigación: Previsión tecnológica, impacto social de las tecnologías emergentes, futuro del trabajo.
Futures
- Áreas de Investigación: Estudios de futuro, impacto de la tecnología y la IA en la sociedad y el trabajo.

Plataformas y Organizaciones

International Labour Organization (ILO)
- Iniciativas: Impacto de la automatización y la IA en el empleo global.
- Publicaciones y Reportes: «The Future of Work», «Technological changes and work in the future».
Accenture Research
- Áreas de Investigación: Transformación digital, IA en los negocios, futuro del trabajo.
- Publicaciones y Reportes: «Reworking the Revolution», «AI: Built to Scale».
PwC (PricewaterhouseCoopers)
- Áreas de Investigación: IA y automatización, impacto en la economía y los negocios.
- Publicaciones y Reportes: «Will robots really steal our jobs?», «AI Predictions».
Forrester Research
- Áreas de Investigación: Innovación tecnológica, impacto de la IA y la automatización en las empresas.
- Publicaciones y Reportes: «The Future of Work», «Predictions 2024: Artificial Intelligence».
World Bank
- Iniciativas: Impacto de la tecnología en el desarrollo económico, IA y automatización.
- Publicaciones y Reportes: «World Development Report 2019: The Changing Nature of Work».
Autores Reconocidos
Mario Alonso Puig
Afiliación: Autor independiente y conferenciante.
Áreas de Investigación: Liderazgo, gestión del cambio, impacto de la tecnología en el bienestar laboral.
Publicaciones Clave:«Reinventarse: Tu segunda oportunidad»
«El Cociente Agallas: Si tienes miedo, este es tu libro»
José María Fidalgo
Afiliación: Universidad Autónoma de Madrid (España).
Áreas de Investigación: Transformación empresarial, impacto de la IA en la gestión de recursos humanos.
Publicaciones Clave:«La Revolución del Talento»
Lynda Gratton
Afiliación: London Business School.
Áreas de Investigación: Futuro del trabajo, gestión de talento en la era de la IA.
Publicaciones Clave:«The 100-Year Life: Living and Working in an Age of Longevity»
Universidades y Centros de Investigación
IESE Business School
Ubicación: Barcelona, España.
Áreas de Investigación: Transformación digital, estrategia empresarial en la era de la IA.
Instituto Tecnológico Autónomo de México (ITAM)
Ubicación: Ciudad de México, México.
Áreas de Investigación: Impacto de la IA en la economía, estrategias de adaptación empresarial.
Universidade de São Paulo (USP)
Ubicación: São Paulo, Brasil.
Áreas de Investigación: IA en la gestión de recursos humanos, innovación empresarial.
Revistas Académicas y Publicaciones
Revista Brasileira de Gestão de Negócios
Áreas de Investigación: Gestión empresarial, impacto de la tecnología en los negocios.
Revista de Gestão
Áreas de Investigación: Estrategia empresarial, innovación tecnológica en la empresa.
Revista Latinoamericana de Estudios del Trabajo
Áreas de Investigación: Relaciones laborales, impacto de la IA en el mercado laboral latinoamericano.
Plataformas y Organizaciones
Fundación Cotec para la Innovación
Ubicación: Madrid, España.
Áreas de Investigación: Innovación empresarial, impacto de la IA en la economía.
Centro de Innovación UC Anacleto Angelini
Ubicación: Santiago, Chile.
Áreas de Investigación: Innovación tecnológica, transformación digital en las empresas latinoamericanas.
Instituto de Empresa (IE)
Ubicación: Madrid, España.
Áreas de Investigación: Gestión empresarial, transformación digital en la empresa.

juandon. Innovación y conocimiento

La búsqueda del conocimiento en una Sociedad de la Inteligencia