ABOUT THE SPEAKER
Matt Beane - Organizational ethnographer
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy.

Why you should listen

Matt Beane does field research on work involving robots to help us understand the implications of intelligent machines for the broader world of work. Any of his projects mean many hundreds of hours -- sometimes years -- watching, interviewing and often working side by side with people trying to work with robots to get their jobs done.

Beane has studied robotic surgery, robotic materials transport and robotic telepresence in healthcare, elder care and knowledge work. He has published in top management journals such as Administrative Science Quarterly, he was selected in 2012 as a Human Robot Interaction Pioneer and is a regular contributor to popular outlets such as Wired, MIT Technology Review, TechCrunch, Forbes and Robohub. He also took a two-year hiatus from his doctoral studies to help found and fund Humatics, an MIT-connected, full-stack IoT startup.

Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. He received his PhD from the MIT Sloan School of Management.

More profile about the speaker
Matt Beane | Speaker | TED.com
TED Salon Zebra Technologies

Matt Beane: How do we learn to work with intelligent machines?

Matt Beane: ¿Cómo aprendemos a trabajar con máquinas inteligentes?

Filmed:
1,770,815 views

El camino hacia la habilidad en todo el mundo ha sido el mismo durante miles de años: entrenar con un experto y asumir tareas pequeñas y fáciles antes de avanzar hacia tareas más riesgosas y difíciles. Pero ahora mismo, estamos manejando la inteligencia artificial (IA) de una manera que bloquea ese camino, y sacrifica el aprendizaje en nuestra búsqueda de productividad, dice el etnógrafo organizador Matt Beane. ¿Qué se puede hacer? Beane comparte una visión que convierte la historia actual en una mentoría distribuida y mejorada por máquinas que aprovecha al máximo las increíbles capacidades de AI mientras que al mismo tiempo mejora nuestras habilidades.
- Organizational ethnographer
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. Full bio

Double-click the English transcript below to play the video.

00:13
It’s 6:30 in the morningMañana,
0
1292
1875
Son las 6:30 de la mañana,
00:15
and KristenKristen is wheelinggirando
her prostatepróstata patientpaciente into the OR.
1
3583
4875
y Kristen está llevando
a su paciente de próstata al quirófano.
00:21
She's a residentresidente, a surgeoncirujano in trainingformación.
2
9500
2250
Es médico residente,
una cirujana en formación.
00:24
It’s her jobtrabajo to learnaprender.
3
12333
2167
Su trabajo es aprender.
00:27
TodayHoy, she’s really hopingesperando to do
some of the nerve-sparingahorro de nervios,
4
15292
3351
Hoy, ella realmente espera hacer
una cirugía que preserve los nervios,
00:30
extremelyextremadamente delicatedelicado dissectiondisección
that can preservepreservar erectileeréctil functionfunción.
5
18667
3875
una disección extremadamente delicada
que puede preservar la función eréctil.
00:35
That'llEso va be up to the attendingasistiendo surgeoncirujano,
thoughaunque, but he's not there yettodavía.
6
23500
3338
Sin embargo, eso dependerá del cirujano
asistente, pero todavía no está allí.
00:39
She and the teamequipo put the patientpaciente underdebajo,
7
27625
2393
Ella y el equipo pusieron
al paciente debajo,
00:42
and she leadsconduce the initialinicial eight-inchde ocho pulgadas
incisionincisión in the lowerinferior abdomenabdomen.
8
30042
3708
y ella dirige la incisión inicial de 20 cm
en la parte inferior del abdomen.
00:47
OnceUna vez she’s got that clampedSujeta back,
she tellsdice the nurseenfermera to call the attendingasistiendo.
9
35042
3586
Una vez que lo tiene asegurado, dice
a la enfermera que llame al asistente.
00:51
He arrivesllega, gownsvestidos up,
10
39583
2292
Él llega, se viste,
00:54
And from there on in, theirsu fourlas cuatro handsmanos
are mostlyprincipalmente in that patientpaciente --
11
42458
5792
Y de ahí en adelante, cuatro manos
están mayormente en ese paciente.
01:00
with him guidingestrella de guía
but KristinKristin leadinglíder the way.
12
48708
2917
Con él guiando,
pero Kristin liderando el camino.
01:04
When the prostatesPróstatas out (and, yes,
he let KristenKristen do a little nervenervio sparingeconómico),
13
52875
4643
Una vez está la próstata fuera
—y, sí, él permitió que
Kristen preservara los nervios—
01:09
he ripsrasgaduras off his scrubsmatorrales.
14
57542
1226
él se arranca el uniforme.
01:10
He startsempieza to do paperworkpapeleo.
15
58792
1375
Comienza a hacer el papeleo.
01:12
KristenKristen closescierra the patientpaciente by 8:15,
16
60833
5375
Kristen cierra al paciente a las 8:15,
01:18
with a juniorjúnior residentresidente
looking over her shoulderhombro.
17
66583
2435
con un residente junior
mirando por encima del hombro.
01:21
And she letsdeja him do
the finalfinal linelínea of suturesSuturas.
18
69042
3083
Y ella le permite llevar a cabo
la última línea de suturas.
01:24
KristenKristen feelssiente great.
19
72833
3042
Kristen se siente muy bien.
01:28
PatientPaciente’s going to be fine,
20
76250
1559
El paciente va a estar bien,
01:29
and no doubtduda she’s a better surgeoncirujano
than she was at 6:30.
21
77833
3167
y no hay duda de que es
mejor cirujana que a las 6:30.
01:34
Now this is extremeextremo work.
22
82208
2834
Este es un trabajo extremo.
01:37
But KristinKristin’s learningaprendizaje to do her jobtrabajo
the way that mostmás of us do:
23
85417
3833
Pero Kristin aprende a hacer su trabajo
como lo hacemos la mayoría de nosotros:
01:41
watchingacecho an expertexperto for a bitpoco,
24
89625
1893
observando a un experto un rato,
Involucrarse en partes fáciles y
seguras del trabajo.
01:43
gettingconsiguiendo involvedinvolucrado in easyfácil,
safeseguro partspartes of the work
25
91542
3142
y progresando
hacia tareas más riesgosas y difíciles.
01:46
and progressingprogresando to riskiermás arriesgado
and harderMás fuerte tasksTareas
26
94708
2185
01:48
as they guideguía and decidedecidir she’s readyListo.
27
96917
2333
hasta que los guías
deciden que ella está preparada.
01:52
My wholetodo life I’veve been fascinatedfascinado
by this kindtipo of learningaprendizaje.
28
100042
2892
Toda mi vida me ha fascinado
este tipo de aprendizaje.
01:54
It feelssiente elementalelemental,
partparte of what makeshace us humanhumano.
29
102958
3667
Parece elemental,
parte de lo que nos hace humanos.
01:59
It has differentdiferente namesnombres: apprenticeshipaprendizaje,
coachingentrenamiento, mentorshiptutoría, on the jobtrabajo trainingformación.
30
107750
5417
Tiene diferentes nombres: aprendizaje,
entrenamiento, tutoría, capacitación.
02:05
In surgerycirugía, it’s calledllamado
“see one, do one, teachenseñar one.”
31
113542
3291
En cirugía, se llama "ver uno,
hacer uno, enseñar uno".
Pero el proceso es el mismo,
y ha sido el camino principal
02:09
But the processproceso is the samemismo,
32
117625
1344
02:10
and it’s been the mainprincipal pathcamino to skillhabilidad
around the globeglobo for thousandsmiles of yearsaños.
33
118993
4174
hacia las habilidades
en todo el mundo durante miles de años.
02:16
Right now, we’rere handlingmanejo AIAI
in a way that blocksbloques that pathcamino.
34
124333
4500
Ahora utilizamos la IA de manera
que bloquea ese camino.
Estamos sacrificando el aprendizaje
en nuestra búsqueda de productividad.
02:21
We’rere sacrificingsacrificando learningaprendizaje
in our questbúsqueda for productivityproductividad.
35
129625
2690
Encontré esto por primera vez
en cirugía mientras estaba en el MIT,
02:25
I foundencontró this first in surgerycirugía
while I was at MITMIT,
36
133292
2809
pero ahora tengo pruebas
de que está sucediendo en todo,
02:28
but now I’veve got evidenceevidencia
it’s happeningsucediendo all over,
37
136125
2476
02:30
in very differentdiferente industriesindustrias
and with very differentdiferente kindsclases of AIAI.
38
138625
3875
en industrias muy diferentes y
con diferentes tipos de IA.
02:35
If we do nothing, millionsmillones of us
are going to hitgolpear a brickladrillo wallpared
39
143083
5851
Si no hacemos nada, millones nos daremos
de frente contra una pared de ladrillos
02:40
as we try to learnaprender to dealacuerdo with AIAI.
40
148958
2417
al intentar aprender a lidiar con la IA.
02:45
Let’s go back to surgerycirugía to see how.
41
153125
1772
Volvamos a la cirugía para ver cómo.
02:47
FastRápido forwardadelante sixseis monthsmeses.
42
155708
1935
Hago un avance rápido de seis meses.
02:49
It’s 6:30am again, and KristenKristen
is wheelinggirando anotherotro prostatepróstata patientpaciente in,
43
157667
5476
Son las 6:30 am otra vez, y Kristen
está llevando a otro paciente de próstata,
02:55
but this time to the roboticrobótico OR.
44
163167
3166
Pero esta vez
a la sala de operaciones robótica.
02:59
The attendingasistiendo leadsconduce attachingadjuntando
45
167667
1684
El asistente trae
03:01
a four-armedde cuatro, thousand-poundmil libras
robotrobot to the patientpaciente.
46
169375
2833
un robot de cuatro brazos y 500 kg
para el paciente.
03:04
They bothambos ripDEP off theirsu scrubsmatorrales,
47
172750
2434
Ambos se arrancan las batas,
03:07
headcabeza to controlcontrolar consolesconsolas
10 or 15 feetpies away,
48
175208
3125
se dirigen a las consolas de control
a 3 o 4 me de distancia,
03:11
and KristenKristen just watchesrelojes.
49
179167
3750
y Kristen solo mira.
El robot permite al asistente realizar
todo el procedimiento solo,
03:16
The robotrobot allowspermite the attendingasistiendo
to do the wholetodo procedureprocedimiento himselfél mismo,
50
184375
3053
03:19
so he basicallybásicamente does.
51
187452
1583
así que básicamente lo hace.
03:21
He knowssabe she needsnecesariamente practicepráctica.
52
189917
2101
Él sabe que ella necesita práctica.
03:24
He wants to give her controlcontrolar.
53
192042
1583
Él quiere darle el control.
03:26
But he alsoademás knowssabe she’d be slowermás lento
and make more mistakeserrores,
54
194250
3393
Pero también sabe que ella sería
más lenta y cometería más errores
03:29
and his patientpaciente comesproviene first.
55
197667
1500
y su paciente es lo primero.
03:32
So KristinKristin has no hopeesperanza of gettingconsiguiendo anywhereen cualquier sitio
nearcerca those nervesnervios duringdurante this rotationrotación.
56
200250
4625
Así Kristin no tiene esperanza de
acercarse a los nervios en esta operación.
03:37
She’llll be luckysuerte if she operatesopera more than
15 minutesminutos duringdurante a four-hourcuatro horas procedureprocedimiento.
57
205417
4375
Tendrá suerte si opera más de 15 minutos
durante un procedimiento de cuatro horas.
03:42
And she knowssabe that when she slipsresbalones up,
58
210250
2625
Y ella sabe que cuando ella resbala,
03:45
he’llll tapgrifo a touchtoque screenpantalla,
and she’llll be watchingacecho again,
59
213458
3042
él tocará una pantalla táctil,
y ella estará mirando otra vez,
03:48
feelingsensación like a kidniño in the corneresquina
with a dunceBurro capgorra.
60
216917
2625
sintiéndome como un niño
en la esquina con un gorro de burro.
Como todos los estudios de robots y
trabajos que he realizado
03:53
Like all the studiesestudios of robotsrobots and work
I’veve donehecho in the last eightocho yearsaños,
61
221583
3501
en los últimos 8 años, lo comencé
con una gran pregunta abierta:
03:57
I startedempezado this one
with a biggrande, openabierto questionpregunta:
62
225108
2118
03:59
How do we learnaprender to work
with intelligentinteligente machinesmáquinas?
63
227250
2792
¿Cómo aprendemos a trabajar
con máquinas inteligentes?
04:02
To find out, I spentgastado two and a halfmitad yearsaños
observingobservando dozensdocenas of residentsresidentes and surgeonscirujanos
64
230792
5809
Para averiguarlo, pasé 2.5 años
observando a docenas
de residentes y cirujanos.
04:08
doing traditionaltradicional and roboticrobótico surgerycirugía,
interviewingentrevistando them
65
236625
3476
Haciendo cirugía tradicional
y robótica, entrevistándolos
04:12
and in generalgeneral hangingcolgando out
with the residentsresidentes as they triedintentó to learnaprender.
66
240125
3338
y saliendo con los residentes
mientras intentaban aprender.
04:16
I coveredcubierto 18 of the topparte superior
US teachingenseñando hospitalshospitales,
67
244250
3351
Cubrí 18 de los mejores hospitales
universitarios de EE. UU.
04:19
and the storyhistoria was the samemismo.
68
247625
1458
Y la historia era la misma.
04:21
MostMás residentsresidentes were in Kristen'sKristen está shoesZapatos.
69
249875
2542
La mayoría de los residentes
estaban en la situación de Kristen.
04:24
They got to “see one” plentymucho,
70
252958
1792
Llegaron a "ver uno" mucho,
04:27
but the “do one” was barelyapenas availabledisponible.
71
255583
2292
pero el "hacer uno"
apenas estaba disponible.
04:30
So they couldncouldn’t strugglelucha,
and they werenWeren’t learningaprendizaje.
72
258333
2528
Así que no pudieron luchar,
y no estaban aprendiendo.
04:33
This was importantimportante newsNoticias for surgeonscirujanos, but
I needednecesario to know how widespreadextendido it was:
73
261291
3810
Esta era importante para los cirujanos,
pero quería saber lo extendido estaba:
04:37
Where elsemás was usingutilizando AIAI
blockingbloqueo learningaprendizaje on the jobtrabajo?
74
265125
3833
¿Dónde más se usaba la AI
bloqueando el aprendizaje en el trabajo?
04:42
To find out, I’veve connectedconectado with a smallpequeña
but growingcreciente groupgrupo of youngjoven researchersinvestigadores
75
270208
4310
Para averiguarlo, conecté
con grupo de jóvenes investigadores
un pequeño pero creciente que hecho
estudios sobre el trabajo con AI
04:46
who’veve donehecho boots-on-the-groundbotas en el suelo studiesestudios
of work involvinginvolucrando AIAI
76
274542
3434
en entornos muy diversos como
empresas de nueva creación, de vigilancia,
04:50
in very diversediverso settingsajustes
like start-upsnuevas empresas, policingvigilancia,
77
278000
2976
04:53
investmentinversión bankingbancario and onlineen línea educationeducación.
78
281000
2601
de banca de inversión y
educación en línea.
04:55
Like me, they spentgastado at leastmenos a yearaño
and manymuchos hundredscientos of hourshoras observingobservando,
79
283625
5851
Como yo, pasaron al menos un año y
muchos cientos de horas observando,
05:01
interviewingentrevistando and oftena menudo workingtrabajando
side-by-sidelado a lado with the people they studiedestudió.
80
289500
3917
entrevistando y, a menudo, trabajando
con las personas que estudiaron,
05:06
We sharedcompartido datadatos, and I lookedmirado for patternspatrones.
81
294458
2417
compartimos datos, y busqué patrones.
05:09
No matterimportar the industryindustria, the work,
the AIAI, the storyhistoria was the samemismo.
82
297917
5208
No importa la industria, el trabajo,
la IA, la historia era la misma.
05:16
OrganizationsOrganizaciones were tryingmolesto harderMás fuerte
and harderMás fuerte to get resultsresultados from AIAI,
83
304042
3642
Las organizaciones se esforzaban cada vez
más para obtener resultados de AI,
05:19
and they were peelingpeladura learnersaprendices away from
expertexperto work as they did it.
84
307708
3542
relegando a los aprendices
del trabajo experto que solían hacer.
05:24
Start-upPuesta en marcha managersgerentes were outsourcingoutsourcing
theirsu customercliente contactcontacto.
85
312333
2875
Los gerentes de empresas
subcontraban a sus clientes.
Los policías tenían que aprender
05:27
CopsPolicías had to learnaprender to dealacuerdo with crimecrimen
forecastspronósticos withoutsin expertsexpertos supportapoyo.
86
315833
4042
a lidiar con pronósticos de delitos
sin apoyo de expertos.
05:32
JuniorJúnior bankersbanqueros were gettingconsiguiendo
cutcortar out of complexcomplejo analysisanálisis,
87
320875
3250
Los banqueros jóvenes estaban siendo
eliminados de un análisis complejo,
05:36
and professorsprofesores had to buildconstruir
onlineen línea coursescursos withoutsin help.
88
324500
3083
y los profesores tenían que
montar cursos en línea sin ayuda.
05:41
And the effectefecto of all of this
was the samemismo as in surgerycirugía.
89
329125
3226
Y el efecto de todo esto fue
el mismo que en la cirugía.
05:44
LearningAprendizaje on the jobtrabajo
was gettingconsiguiendo much harderMás fuerte.
90
332375
2917
Aprender en el trabajo era
cada vez más difícil.
05:48
This can’t last.
91
336958
1417
Esto no puede seguir así.
05:51
McKinseyMcKinsey estimatesestimados that betweenEntre halfmitad
a billionmil millones and a billionmil millones of us
92
339542
4267
McKinsey estima que entre
500 y 1000 millones de nosotros
05:55
are going to have to adaptadaptar to AIAI
in our dailydiariamente work by 2030.
93
343833
4125
tendremos que adaptarnos a la IA
en nuestro trabajo diario para el 2030.
Y estamos asumiendo
que el aprendizaje en el trabajo
06:01
And we’rere assumingasumiendo
that on-the-joben el trabajo learningaprendizaje
94
349000
2011
06:03
will be there for us as we try.
95
351035
1917
será posible ahí para nosotros
si lo intentamos.
06:05
AccentureAccenture’s latestúltimo workerstrabajadores surveyencuesta showedmostró
that mostmás workerstrabajadores learnedaprendido keyllave skillshabilidades
96
353500
4268
La última encuesta de Accenture mostró que
la mayoría de los trabajadores aprendieron
06:09
on the jobtrabajo, not in formalformal trainingformación.
97
357792
2291
habilidades clave en el trabajo,
no en entrenamiento formal.
06:13
So while we talk a lot about its
potentialpotencial futurefuturo impactimpacto,
98
361292
3517
Así que mientras hablamos mucho
sobre su posible impacto futuro,
06:16
the aspectaspecto of AIAI
that maymayo matterimportar mostmás right now
99
364833
3685
el aspecto de la IA que puede
importar más en este momento
06:20
is that we’rere handlingmanejo it in a way
that blocksbloques learningaprendizaje on the jobtrabajo
100
368542
3375
es que lo manejamos de una manera
que bloquea el aprendizaje en el trabajo
06:24
just when we need it mostmás.
101
372375
1625
justo cuando más lo necesitamos.
06:27
Now acrossa través de all our sitessitios,
a smallpequeña minorityminoría foundencontró a way to learnaprender.
102
375458
6042
En todos nuestros sitios, una pequeña
minoría encontró una manera de aprender.
06:35
They did it by breakingrotura and bendingflexión rulesreglas.
103
383625
3042
Lo hicieron rompiendo
y doblegando las reglas.
06:39
ApprovedAprobado methodsmétodos werenWeren’t workingtrabajando,
so they bentdoblado and brokerompió rulesreglas
104
387083
4643
Los métodos aprobados no funcionaban,
por lo que rompieron las reglas
06:43
to get hands-onlas manos en practicepráctica with expertsexpertos.
105
391750
1976
para obtener prácticas
de verdad con expertos.
06:45
In my settingajuste, residentsresidentes got involvedinvolucrado
in roboticrobótico surgerycirugía in medicalmédico schoolcolegio
106
393750
5601
En mi entorno, los residentes
se involucraron en cirugía robótica
06:51
at the expensegastos
of theirsu generalistgeneralista educationeducación.
107
399375
3583
en la escuela de medicina
a expensas de su educación generalista.
06:56
And they spentgastado hundredscientos of extraextra hourshoras
with simulatorssimuladores and recordingsgrabaciones of surgerycirugía,
108
404417
5851
Y pasaron cientos de horas extra
con simuladores y grabaciones de cirugía,
07:02
when you were supposedsupuesto to learnaprender in the OR.
109
410292
2541
cuando se suponía que
iban a aprender en el quirófano.
07:05
And maybe mostmás importantlyen tono rimbombante,
they foundencontró waysformas to strugglelucha
110
413375
3476
Y tal vez lo más importante,
encontraron formas de luchar
07:08
in livevivir proceduresprocedimientos
with limitedlimitado expertexperto supervisionsupervisión.
111
416875
3750
en procedimientos en vivo
con supervisión limitada de expertos.
07:13
I call all this “shadowsombra learningaprendizaje,”
because it bendsenfermedad de buzo the rulesreglas
112
421792
4309
A todo esto lo llamo "aprendizaje
en la sombra", porque dobla las reglas
07:18
and learneraprendiz’s do it out of the limelightluz de calcio.
113
426125
2000
y el alumno lo hace
fuera de la luz pública.
07:21
And everyonetodo el mundo turnsvueltas a blindciego eyeojo
because it getsse pone resultsresultados.
114
429542
4101
Y todos hacen la vista gorda
porque obtiene resultados.
07:25
RememberRecuerda, these are
the starestrella pupilsalumnos of the bunchmanojo.
115
433667
3166
Recuerda, estos son
los alumnos estrella del grupo.
07:29
Now, obviouslyobviamente, this is not OK,
and it’s not sustainablesostenible.
116
437792
3208
Obviamente, esto no está bien,
y no es sostenible.
Nadie debería correr el riesgo
de ser despedido
07:33
No one should have to riskriesgo gettingconsiguiendo fireddespedido
117
441708
2185
07:35
to learnaprender the skillshabilidades
they need to do theirsu jobtrabajo.
118
443917
2150
por aprender las habilidades necesarias
para hacer su trabajo.
07:38
But we do need to learnaprender from these people.
119
446792
2056
Pero necesitamos
aprender de estas personas.
07:41
They tooktomó seriousgrave risksriesgos to learnaprender.
120
449917
2250
Tomaron serios riesgos para aprender.
07:44
They understoodentendido they needednecesario to protectproteger
strugglelucha and challengereto in theirsu work
121
452792
4351
Entendieron que debían proteger
la lucha y el desafío en su trabajo
07:49
so that they could pushempujar themselvessí mismos
to tackleentrada harddifícil problemsproblemas
122
457167
2892
para poder esforzarse
y enfrentar problemas difíciles
07:52
right nearcerca the edgeborde of theirsu capacitycapacidad.
123
460083
1959
justo al borde de su capacidad.
También se aseguraron de que
hubiera un experto cerca
07:54
They alsoademás madehecho sure
there was an expertexperto nearbycerca
124
462458
2216
07:56
to offeroferta pointerspunteros and to backstopbarrera
againsten contra catastrophecatástrofe.
125
464698
3094
que ofreciera consejos y apoyo
contra la catástrofe.
08:00
Let’s buildconstruir this combinationcombinación
of strugglelucha and expertexperto supportapoyo
126
468875
3458
Construyamos esta combinación
de lucha y apoyo experto
08:04
into eachcada AIAI implementationimplementación.
127
472708
2750
en cada implementación de AI.
08:08
Here’s one clearclaro exampleejemplo
I could get of this on the groundsuelo.
128
476375
2828
Aquí hay un claro ejemplo de que
podría obtener de esto en el suelo.
08:12
Before robotsrobots,
129
480125
1226
Antes de los robots,
08:13
if you were a bombbomba disposaldisposición techniciantécnico,
you dealtrepartido with an IEDIED by walkingpara caminar up to it.
130
481375
4792
si uno era un neutralizador de bombas,
lidiaba con un IED caminando hacia él.
Un oficial subalterno estaba
a cientos de metros de distancia,
08:19
A juniorjúnior officeroficial was
hundredscientos of feetpies away,
131
487333
2143
08:21
so could only watch and help
if you decideddecidido it was safeseguro
132
489500
3309
Así que solo podía ver y ayudar
si decidía que era seguro
08:24
and invitedinvitado them downrangepelea.
133
492833
1417
y los guiaba en la actuación.
08:27
Now you sitsentar side-by-sidelado a lado
in a bomb-proofa prueba de bombas truckcamión.
134
495208
3893
Ahora se sienta uno al lado del otro
en un camión a prueba de bombas.
08:31
You bothambos watchedmirado the videovídeo feedalimentar.
135
499125
1809
Ambos ven el video.
08:32
They controlcontrolar a distantdistante robotrobot,
and you guideguía the work out loudruidoso.
136
500958
4310
Ellos controlan un robot distante,
y uno guía el trabajo en voz alta.
08:37
TraineesAprendices learnaprender better than they
did before robotsrobots.
137
505292
3208
Los alumnos aprenden mejor
que antes que existieran robots.
08:41
We can scaleescala this to surgerycirugía,
start-upsnuevas empresas, policingvigilancia,
138
509125
3933
Podemos escalar esto a
cirugías, empresas nuevas, vigilancia,
08:45
investmentinversión bankingbancario,
onlineen línea educationeducación and beyondmás allá.
139
513082
2625
banca de inversión,
educación en línea, etc.
La buena noticia es que tenemos
nuevas herramientas para hacerlo.
08:48
The good newsNoticias is
we’veve got newnuevo toolsherramientas to do it.
140
516375
2500
Internet y la nube significan que no es
siempre necesario un experto por aprendiz,
08:51
The internetInternet and the cloudnube mean we dondon’t
always need one expertexperto for everycada traineeaprendiz,
141
519750
4082
08:56
for them to be physicallyfísicamente nearcerca eachcada other
or even to be in the samemismo organizationorganización.
142
524167
4458
no tienen que estar físicamente
uno cerca del otro
incluso siendo de la misma organización.
09:01
And we can buildconstruir AIAI to help:
143
529292
3041
Y podemos construir AI para ayudar a:
09:05
to coachentrenador learnersaprendices as they strugglelucha,
to coachentrenador expertsexpertos as they coachentrenador
144
533167
5059
entrenar a aprendices y
entrenar a expertos como expertos.
09:10
and to connectconectar those two groupsgrupos
in smartinteligente waysformas.
145
538250
2542
Y para conectar esos dos grupos
de manera inteligente.
09:15
There are people at work
on systemssistemas like this,
146
543375
2542
Hay gente trabajando
en sistemas como este,
pero se han centrado principalmente
en la formación formal.
09:18
but they’veve been mostlyprincipalmente focusedcentrado
on formalformal trainingformación.
147
546333
2792
Y la crisis más profunda está
en el aprendizaje en el trabajo.
09:21
And the deeperMás adentro crisiscrisis
is in on-the-joben el trabajo learningaprendizaje.
148
549458
2584
09:24
We mustdebe do better.
149
552417
1851
Debemos hacerlo mejor.
09:26
TodayHoy’s problemsproblemas demanddemanda we do better
150
554292
2583
Los problemas de hoy exigen
que lo hagamos mejor.
09:29
to createcrear work that takes fullcompleto advantageventaja
of AIAI’s amazingasombroso capabilitiescapacidades
151
557375
4875
para crear un trabajo que aproveche
al máximo las increíbles capacidades de AI
09:35
while enhancingmejorar our skillshabilidades as we do it.
152
563042
2750
mientras mejoramos
nuestras habilidades al hacerlo.
09:38
That’s the kindtipo of futurefuturo
I dreamedsoñado of as a kidniño.
153
566333
2750
Ese es el tipo de futuro que soñé de niño.
09:41
And the time to createcrear it is now.
154
569458
2167
Y el momento de crearlo es ahora.
09:44
Thank you.
155
572333
1226
Gracias.
09:45
(ApplauseAplausos)
156
573583
3625
(Aplausos)

▲Back to top

ABOUT THE SPEAKER
Matt Beane - Organizational ethnographer
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy.

Why you should listen

Matt Beane does field research on work involving robots to help us understand the implications of intelligent machines for the broader world of work. Any of his projects mean many hundreds of hours -- sometimes years -- watching, interviewing and often working side by side with people trying to work with robots to get their jobs done.

Beane has studied robotic surgery, robotic materials transport and robotic telepresence in healthcare, elder care and knowledge work. He has published in top management journals such as Administrative Science Quarterly, he was selected in 2012 as a Human Robot Interaction Pioneer and is a regular contributor to popular outlets such as Wired, MIT Technology Review, TechCrunch, Forbes and Robohub. He also took a two-year hiatus from his doctoral studies to help found and fund Humatics, an MIT-connected, full-stack IoT startup.

Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. He received his PhD from the MIT Sloan School of Management.

More profile about the speaker
Matt Beane | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee