Trabajo en equipo humano máquina y tecnologías de inteligencia artificial: una revisión a la interacción humano máquina de cara a la automatización inteligente del trabajo

Texto completo

(1)UNIVERSIDAD COOPERATIVA DE COLOMBIA SEDE BUCARAMANGA PROGRAMA DE MAESTRÍA EN GESTIÓN DE TECNOLOGÍAS DE LA INFORMACIÓN. Trabajo presentado como requisito para optar al título de Magister en Gestión de Tecnologías de la Información. Presentado por: Ricardo Cuervo Bernal Asesores de modalidad de grado: Diretor: Mg. Fredy Angarita Reina Codiretor: Mg. Pedro A. Arias Quintero. TRABAJO EN EQUIPO HUMANO-MÁQUINA Y TECNOLOGÍAS DE INTELIGENCIA ARTIFICIAL: UNA REVISIÓN A LA INTERACCIÓN HUMANO-MÁQUINA DE CARA A LA AUTOMATIZACIÓN INTELIGENTE DEL TRABAJO. Bucaramanga Diciembre 2019.

(2) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 2. Tabla de contenido 1.. Introducción. 6. 2.. Planteamiento del Problema. 9. 3.. Justificación. 14. 4.. Objetivos. 18. 4.1. Objetivo general. 18. 4.2. Objetivos específicos. 18. Marco teórico. 19. 5.1. Estado del Arte. 19. 5.2. Marco conceptual. 22. Metodología. 26. 6.1. Diseño. 26. 6.2. Instrumentos. 27. 6.3. Procedimiento. 27. Resultados. 37. 5.. 6.. 7.. 7.1. Contribución al trabajo en equipo Humano-Máquina habilitado por tecnologías de Inteligencia Artificial. 42. 7.2. Tecnologías de Inteligencia Artificial aplicadas al trabajo en equipo HumanoMáquina 47.

(3) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 3. 7.3. Contextos de Interacción Humano-Máquina en los cuales el trabajo en equipo Humano-Máquina habilitado por tecnologías de Inteligencia Artificial está 8.. Discusión. 50 54. 8.1. Contribución al trabajo en equipo Humano-Máquina habilitado por tecnologías de Inteligencia Artificial. 54. 8.2. Tecnologías de Inteligencia Artificial aplicadas al trabajo en equipo HumanoMáquina 56 8.3. Contextos de Interacción Humano-Máquina en los cuales el trabajo en equipo Humano-Máquina habilitado por tecnologías de Inteligencia Artificial está 8.4. Análisis de los datos. 62 66. 8.5. Modelo para el trabajo en equipo Humano-Máquina en la automatización inteligente del trabajo 9.. 69. Conclusiones. 75. Referencias bibliográficas. 77. Anexos. 89. Anexo 1 Review Protocol. 89. Anexo 2 Identificación de estudios del mapeo. 95.

(4) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 4. Lista de tablas Tabla 1 Modelo de actividad humana, de máquina e híbrida humano-máquina .......................... 21 Tabla 2 Modelo PICOC aplicado al problema de investigación................................................... 28 Tabla 3 Términos de consulta según el modelo PICOC ............................................................... 30 Tabla 4 Consulta en Bases de Datos ............................................................................................. 31 Tabla 5 Formato de extracción de datos ....................................................................................... 33 Tabla 6 Criterios / reglas interpretativas ....................................................................................... 35 Tabla 7 Fuente y status de estudios del mapeo ............................................................................. 38 Tabla 8 Contribución al trabajo en equipo Humano-Máquina habilitado por tecnologías de Inteligencia Artificial ........................................................................................................ 42 Tabla 9 Tecnologías de Inteligencia Artificial aplicadas al trabajo en equipo Humano-Máquina47 Tabla 10 Contextos de Interacción Humano-Máquina en los cuales el trabajo en equipo HumanoMáquina habilitado por tecnologías de Inteligencia Artificial está .................................. 50 Tabla 11 Estudios por categorías de contribuciones ..................................................................... 55 Tabla 12 Estudios por categorías de tecnologías .......................................................................... 57 Tabla 13 Estudios por categorías de contextos ............................................................................. 63.

(5) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 5. Lista de figuras Figura 1 Número de estudios del mapeo por consulta en bases de datos, criterios de selección y duplicados ......................................................................................................................... 37 Figura 2 Número de estudios por fuente ....................................................................................... 41 Figura 3 Número de estudios por status de la fuente Scopus ....................................................... 41 Figura 4 Número de estudios por status de la fuente IEEExplore ................................................ 42 Figura 5 Total de estudios por categorías de contribuciones ........................................................ 55 Figura 6 Total de estudios por categorías de tecnologías ............................................................. 62 Figura 7 Total de estudios por categorías de contextos ................................................................ 66 Figura 8 Trabajo en equipo Humano-Máquina ............................................................................. 72.

(6) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 6. 1. Introducción Las tecnologías emergentes, como las consideradas de Inteligencia Artificial, están haciendo que el trabajo se automatice más, y con ello, que se haga en formas que igualan o superan la efectividad y el rendimiento de las otras formas en que se suele hacer. Es innegable el valor que el trabajo inteligentemente automatizado representa para las organizaciones, si se observa cómo las máquinas hacen el trabajo más fácil, rápida y económicamente, y con menos errores e interrupciones, que los humanos. La adopción progresiva de estas nuevas tecnologías por las organizaciones, en las que el trabajo es cada vez más hecho por máquinas que por humanos, conlleva complicadas transformaciones en el trabajo, en las que hay que repensar la participación de humanos y máquinas en los procesos de negocios y actividades de las organizaciones. La participación de humanos y máquinas en el trabajo, su coordinación colaborativa y cooperativa en actividades económicamente productivas, y mediada por tecnologías de Inteligencia Artificial, es el interés de este proyecto de investigación. Se cree que esa participación es la opción más viable para resolver problemáticas como la de la desaparición y aparición de profesiones y puestos de trabajo, ocasionada por la automatización inteligente del trabajo. Mientras las máquinas se van encargando de más tareas y actividades, los humanos deben seguir haciendo los trabajos que ellas aún no pueden hacer. En algunos casos, el trabajo sólo se hace eficaz y eficientemente si humano y máquina aportan lo exclusivamente único que cada uno tiene para dar según su naturaleza en forma proactiva, comprometida, versátil y reflexiva. A esta clase de participación se le llama trabajo en equipo, y el que se hace entre humanos y máquinas habilitado por tecnologías de Inteligencia Artificial en entornos laborales, es el tema de este proyecto de investigación..

(7) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 7. Tan relativamente nuevas son estas tecnologías que automatizan inteligentemente el trabajo, que la investigación en los problemas y retos que resultan de su aplicación debe ser igualmente nueva. Precisamente el problema de investigación que se plantea este proyecto es el conocimiento de la investigación que se ha hecho en cuanto a la interacción Humano-Máquina en el marco de la automatización inteligente del trabajo. Para ello, se delimita el tema del trabajo en equipo Humano-Máquina en entornos laborales dentro de la disciplina científica de la Interacción Humano-Máquina, y de esta manera poder concebir al problema como un área de investigación de esta disciplina, y al tema como uno de los problemas de investigación pertinente con esa área. El proyecto de investigación consiste en un estado del arte hecho mediante un estudio de mapeo sistemático sobre el trabajo en equipo entre humano y máquina e Inteligencia Artificial y una propuesta de un modelo de este trabajo en equipo en entornos laborales. Los resultados del estado del arte están organizados por contribuciones, tecnologías y contextos de los estudios mapeados relativos al tema y su análisis se hace en función de la hipótesis de que el tema es nuevo en la ciencia. El carácter del modelo propuesto es puramente conceptual, primer enfoque con el cual se debería abordar un tema nuevo como se cree que es el del trabajo en equipo Humano-Máquina en entornos laborales. Pero por ese mismo carácter conceptual, el modelo sirve de fundamento para otras clases de modelos, como, por ejemplo, los que desarrollen arquitecturas empresariales en las que la participación de humanos y máquinas en la automatización inteligente del trabajo sea importante. En una perspectiva disciplinar, este proyecto de investigación está enmarcado en las Tecnologías de la Información, o Information Technology (IT), que aunque ya de por sí impactan.

(8) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 8. prácticamente todos los aspectos de la vida moderna, no explican por sí mismas las complejas realidades del trabajo, o de su automatización, por lo que el proyecto también tiene inherencia en otras disciplinas como Ingeniería de Software, o Software Engineering (SE), Administración de Procesos de Negocios, o Business Process Management (BPM), y Comportamiento Organizacional, o Organizational behavior (OB), entre otras. Independientemente de a cuantas disciplinas el proyecto pueda aportar, su mayor aporte tiene que ser al desarrollo humano, porque su responsable es un adepto a la filosofía de que la tecnología debe estar al servicio del humano y no al revés, ideología conocida con nombres como Human-Centered Design Approach (HCDA). El valor de este proyecto de investigación está en el aporte a la construcción de un área de investigación científica a la que le compete los problemas de investigación relacionados con trabajo y su automatización inteligente..

(9) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 9. 2. Planteamiento del Problema La interacción humano-máquina ha sido objeto de estudio mucho antes que HMI existiera como disciplina científica. De hecho, HMI se ha consolidado como concepto apenas desde que existe la automatización (Boy, 2011). La automatización no solo ha creado la diferencia entre máquinas manuales y automáticas, también ha llamado la atención sobre las vicisitudes de la interacción entre humanos y máquinas más que nunca. En la actualidad, la interacción humanomáquina, como objeto estudio de la disciplina científica de HMI, debe estar siendo tomada en cuenta en la construcción de cualquier máquina con la que un humano deba interactuar. La automatización de las máquinas es posible por el control de una o varias formas de energía –mecánica, calórica, eléctrica, química, gravitacional, entre otras– por medio de mecanismos que conforman sistemas físicos y lógicos que tienen sentido para los usuarios de las máquinas. La automatización que más valor le ha dado a HMI es la posibilitada por AI. Siendo esencialmente lógica, la automatización inteligente se soporta en la automatización física para lograr la autonomía que la caracteriza. Las tecnologías normalmente consideradas como de Inteligencia Artificial también son llamadas Tecnologías Cognitivas, o Cognitive Technologies (Schatsky, Muraskin, & Gurumurthy, 2014). Entre las Tecnologías Cognitivas más conocidas están computer vision, machine learning, natural language processing, robotics y speech recognition (Schatsky et al, 2014). Sobre estas tecnologías, y en relación con el trabajo, Schatsky & Schwartz (2015) dicen:.

(10) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 10. Over the next three to five years cognitive technologies likely will have a profound impact on work, workers, and organizations. These technologies can and will be used to eliminate jobs. But they will also make it possible to redesign work, creating new opportunities for workers and greater value for businesses and their customers. Las tecnologías de AI están automatizando procesos de negocios en organizaciones de todas las industrias y sectores de la economía. La automatización que ocasionan estas tecnologías en las organizaciones hace que ocupaciones, posiciones organizacionales y estaciones de trabajo deban ser re-ingeniados en función de esta automatización. Así, esta automatización está cambiando la forma en que el trabajo es hecho. El que desaparezcan unos trabajos mientras otros nuevos aparecen, y con todo lo que ello implica en una organización, es bien un problema o una oportunidad, en los que la ciencia debe hacer su aporte en lo que le compete. Es así como HMI en el marco de la automatización inteligente del trabajo surge como un área de investigación pertinente. La interacción humanomáquina se convierte en un asunto en el que las organizaciones con procesos de negocios inteligentemente automatizados se tienen que ocupar. De hecho, el asunto convoca a la ciencia en general y a HMI en particular, con áreas de investigación como la de la automatización inteligente del trabajo, para que hagan su aporte al mismo. El McKinsey Global Institute en un informe publicado en diciembre de 2017, estima que para 2030 tanto como 375 millones de trabajadores globalmente (14 por ciento de la fuerza laboral del mundo) probablemente necesitará hacer una transición a nuevas categorías ocupacionales y aprender nuevas habilidades, en el evento de la rápida adopción de la automatización (McKinsey & Company, 2017)..

(11) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 11. El área de investigación de HMI y automatización inteligente del trabajo tiene entonces varios problemas que resolver durante los siguientes 10 años, pero para hacerlo debe definirse como tal, con su objeto de estudio, alcances y limitaciones, postulados teóricos y prácticos y metodologías. En el citado informe se dice que: All workers will need to adapt, as their occupations evolve alongside increasingly capable machines. Some of that adaptation will require higher educational attainment, or spending more time on activities that require social and emotional skills, creativity, high-level cognitive capabilities and other skills relatively hard to automate. Los problemas que el área de investigación de HMI y automatización inteligente del trabajo tiene que resolver radican en competencias que tanto humanos como máquinas tienen que desarrollar para conseguir una interacción humano-máquina que asegure productividad en las organizaciones y realización en las personas. Las competencias a desarrollar dependen de las tecnologías que van emergiendo, pues mientras las máquinas se vuelven más inteligentes, también se vuelven más capaces de automatizar más procesos y actividades, así como de relacionarse mejor con los humanos. Y mientras esto ocurre, los humanos tienen que acoplarse al nivel de relación humana que las máquinas van alcanzando, así como asumir el trabajo que las máquinas todavía no pueden hacer por sí mismas. Pero entre todas las competencias que por igual humanos y máquinas deben desarrollar, una parece ser más importante que las otras, como lo sugiere el Institute for the Future de Dell Technologies (2017), en uno de sus informes:.

(12) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 12. “The sophisticated capabilities of today’s emerging technologies will fuel a new level of human-machine collaboration and codependence. A future in which people partner with machines to build on their mutual strengths provides tremendous possibility to improve the conditions for everyday living. Classifying the skills that machines should bring to the table and what humans should contribute to the partnership is key. Forging strong working relationships depends upon each party bringing something unique to the collaboration. El trabajo en equipo entre humanos y máquinas es la competencia más importante a desarrollar por parte de humanos y máquinas que trabajan en un mismo entorno laboral en el que el trabajo es parcial o totalmente automatizado por tecnologías de AI. Así entonces, un problema a resolver al que el área de investigación de HMI y automatización inteligente del trabajo tiene que darle más prioridad es el del trabajo en equipo entre humanos y máquinas. Ahora bien, la ciencia no estaría en propiedad de proponer soluciones a este problema sino hace que HMI en el marco de la automatización inteligente del trabajo tenga el cuerpo teóricopráctico suficiente que le dé el carácter de área de investigación científica. Lo que sucede es que la automatización inteligente es una novedad, resultado del potencial de las tecnologías emergentes para rediseñar las formas en que la sociedad produce y consume bienes y su aprovechamiento en todos los sectores de la economía e industrias, y como tal se estima que es poco o nada la investigación científica que se ha hecho sobre su impacto en el trabajo, hipótesis de este proyecto de investigación. HMI en relación con la automatización inteligente del trabajo puede ser un área de investigación relativamente nueva, sólo con planteamientos teóricos y sin aplicaciones prácticas.

(13) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 13. aún, lo que podría ser confirmado o no por el número de estudios científicos relativos al tema del trabajo en equipo Humano-Máquina y tecnologías de AI en entornos laborales, en tanto que si no existen estudios confirmaría esta hipótesis, y si existe uno o más, no la confirmaría. Siendo así las cosas, el problema de investigación de este proyecto es el conocimiento de HMI en el marco de la automatización inteligente del trabajo como área de investigación. Para resolver este problema se requiere averiguar si se está conformando o no áreas de investigación científica que estén aportando en la resolución de problemas como los relativos al trabajo en equipo Humano-Máquina y tecnologías de AI en entornos laborales. Con esta información se puede hacer un concepto del estado de la interacción humano-máquina en el marco de la automatización inteligente del trabajo como área de investigación, en términos de si ésta existe o no como ejercicio teórico-práctico dentro de la comunidad científica, y si de existir, en qué condiciones se encuentra su desarrollo. Una vez averiguada esta información es posible tomar decisiones que aporten al desarrollo de la ciencia en cuestiones como la automatización inteligente y su impacto en el trabajo, y a su vez aporten al desarrollo de la sociedad en este respecto. Así por ejemplo, con la información conseguida con esta investigación se pretende proponer un modelo para el trabajo en equipo Humano-Máquina habilitado por tecnologías de Inteligencia Artificial en entornos laborales. Siendo así, este modelo debería aportar al desarrollo de la ciencia en el área de investigación de HMI en el marco de la automatización inteligente del trabajo, así como ayudar a resolver problemas concernientes con el trabajo en organizaciones automatizándose inteligentemente..

(14) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 14. 3. Justificación La investigación consiste en elaborar un estado del arte sobre el trabajo en equipo entre humanos y máquinas habilitado por tecnologías de AI en entornos laborales, para con él hacerse un concepto sobre HMI en el marco de la automatización inteligente del trabajo como área de investigación, y proponer un modelo para el trabajo en equipo Humano-Máquina habilitado por tecnologías de Inteligencia Artificial en entornos laborales. Por qué evaluar un área de investigación científica a partir del establecimiento de un estado del arte sobre un problema de investigación que le competería al área, se explica de la siguiente manera: Elaborar un estado del arte sobre el trabajo en equipo entre humanos y máquinas habilitado por tecnologías de AI en entornos laborales es relevante en el área de investigación de HMI en el marco de la automatización inteligente del trabajo. Esta relevancia radica, por una parte, en la importancia del problema de investigación, y por otra, en el objeto que tiene elaborar un estado del arte sobre un problema de investigación. En cuanto a la importancia del problema de investigación, el trabajo en equipo entre humanos y máquinas es el factor crítico de la interacción entre estos agentes si se trata de trabajo parcial o totalmente automatizado por medio de tecnologías de AI y en el que intervienen personas. Hecho este juicio, se prefiere elaborar el estado del arte sobre este problema de investigación que sobre otros potenciales problemas que le puedan competir al área de investigación..

(15) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 15. Y en cuanto al objeto que tiene elaborar un estado del arte, son tres las razones por las que un estado del arte debería ser la herramienta adecuada para estudiar el problema de investigación en el contexto del área de investigación. Primera, un estado del arte está entre las primeras medidas a tomar para conocer el estado de un área de investigación en el que se desea incursionar, como es el caso del responsable de este proyecto de investigación. Segunda, un estado del arte es un instrumento con el cual se puede confirmar o descartar la hipótesis manejada en esta investigación, como es la de que HMI en relación con la automatización inteligente del trabajo es un área de investigación nueva, la cual se confirma si no hay estudios realizados sobre el tema y se descarta si los hay. Y tercera, el establecimiento de un estado del arte en el área debería proveer un panorama de los alcances y limitaciones teóricos y prácticos del tema, problemas reconocidos, futuros problemas de investigación y desarrollos metodológicos adecuados específicamente al tema, entre otros asuntos. Respecto a la metodología para elaborar este estado del arte se decidió que la indicada es un SMS, siendo tres las razones por las que se toma esta decisión, así: Primera, Kitchenham (2007), asevera que si se descubre que es muy poca la evidencia que existe o que el tema es muy amplio es indicado un SMS, y en el caso de este problema de investigación, y bajo la hipótesis de que su área de investigación es nueva, se estima que existe muy poca evidencia sobre estudios en el tema. Segunda, según Kitchenham (2007), los SMS sirven para proveer una amplia visión general de un área de investigación, así como para establecer si existe evidencia de investigación sobre.

(16) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 16. un tema y proporcionar una indicación de la cantidad de evidencia, y en el caso de esta área de investigación, con verificar la evidencia sobre estudios en el tema se espera conseguir una perspectiva suficientemente completa de la misma. Tercera, los SMS son principalmente concernientes con la estructuración de un área de investigación (Petersen, Vakkalanka, & Kuzniarz, 2015), y en el caso de esta área de investigación, la hipótesis es de que es nueva, y por lo tanto, se cree que carece de alguna estructuración teórica-practica. De todos modos la realización de un SMS no tendría suficiente justificación si el número de estudios en el tema fuera algo así como diez o menos, por lo que, y como recomienda Kitchenham (2007), se verificó mediante pruebas de consultas en bases de datos bibliográficas, como Scopus, que el número de estudios en el tema fuera al menos de cien, lo que resulta ser así. También se verificó si ya existían estados del arte sobre el tema, haciendo consultas en Google Search, Google Scholar y Scopus por los términos SLR y SMS, HMI y AI, sin encontrarse ningún estudio relevante. Sin embargo consultas en Google Search por los términos de la interacción humano y máquina objeto de interés y sus equivalentes (por ejemplo: worker o employee, manager o employer, y AI o Cognitive Technologies), devuelve artículos e informes basados en investigación documental o encuestas, algunos de estos documentos son auspiciados por compañías como Accenture, Deloitte, y McKinsey, las cuales están entre las más importantes consultoras en tecnología y negocios del mundo. Documentos como estos conforman el estado del arte de este informe..

(17) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 17. Ahora bien, como se puede observar en el protocolo de revisión (anexo 1), no figuran esos términos de consulta en bases de datos (a excepción de AI). Así que a la pregunta de por qué evaluar un área de investigación relacionada con el trabajo a partir de un problema de investigación que le competería al área, con una estrategia de investigación en bases de datos en las que no se relaciona expresamente el trabajo, se responde porque términos como ‘trabajador’ o ‘empleado’ y ‘dispositivo electrónico’ o ‘robot’ no arroja suficientes resultados, mientras que términos como ‘humano’ y ‘máquina’ sí. Y el hecho de que no existan estudios en los que aparezcan estos términos no puede ser considerado como evidencia de que el área de investigación no existe, pues pueden existir estudios en los que aparecen los términos ‘humano’ y ‘máquina’ y, en efecto, tratarse del problema de investigación en cuestión, lo que sería evidencia de que el área de investigación sí existe. Entonces la estrategia de investigación incluye los términos HMI y AI, para que resulten suficientes estudios que podrían ser del área de investigación, pero además el término ‘teamwork’, con la presunción de que de esta forma sean decantados aquellos estudios referidos a la interacción humano-máquina que eventualmente podrían tratar el trabajo en equipo entre trabajadores y equipos inteligentemente automatizados en entornos laborales, problema de investigación que le competería al área de investigación. De esta manera, si resultan estudios en este problema de investigación, sería evidencia de que el área de investigación existe..

(18) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 18. 4. Objetivos 4.1. Objetivo general Establecer un estado del arte sobre el trabajo en equipo entre humanos y máquinas habilitado por tecnologías de Inteligencia Artificial a partir de una selección de estudios, para con este conocer la Interacción Humano-Máquina en el marco de la automatización inteligente del trabajo como área de investigación y proponer un modelo para el trabajo en equipo Humano-Máquina habilitado por tecnologías de Inteligencia Artificial en entornos laborales que aporte al desarrollo del área. 4.2. Objetivos específicos 4.2.1. Determinar la contribución al trabajo en equipo entre humanos y máquinas habilitado por tecnologías de Inteligencia Artificial de los estudios investigados. 4.2.2. Relacionar las tecnologías de Inteligencia Artificial aplicadas al trabajo en equipo entre humanos y máquinas de los estudios investigados. 4.2.3. Identificar los contextos de la Interacción Humano-Máquina en los que el trabajo en equipo entre humanos y máquinas se ubica según los estudios investigados. 4.2.4. Proponer un modelo para el trabajo en equipo Humano-Máquina habilitado por tecnologías de Inteligencia Artificial en entornos laborales que aporte al desarrollo del área de investigación de la Interacción Humano-Máquina en el marco de la automatización inteligente del trabajo..

(19) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 19. 5. Marco teórico 5.1. Estado del Arte Al ser esta una investigación secundaria, su estado del arte debe consistir en investigaciones secundarias o terciaras relacionas con el tema de HMI y AI. En cuanto a literatura científicoacadémica no se consiguió información respecto a investigaciones secundarias o terciarias sobre el tema y en cuanto a literatura gris se halló alguna información sobre algunas investigaciones secundarias sobre el tema, pero fueron juzgadas como irrelevantes para esta investigación. En lo relacionado a investigaciones primarias es de suponerse que existe información en el tema, pero no es el objeto del estado del arte de esta investigación, pues, siendo ésta una investigación secundaria, su objetivo es precisamente conseguirla. Así pues, este estado del arte se basa en artículos e informes basados en investigación documental o encuestas hechas por entidades con intereses en el tema de la automatización inteligente y el trabajo que se juzgan como relevantes para esta investigación. La naturaleza de los documentos citados en este estado del arte hace que éste consista en investigaciones primarias de literatura puramente gris. De estos documentos el que se considera más relevante es uno en el que se presenta un modelo sobre aproximaciones a la automatización en el contexto laboral propuesto por Schatsky & Schwartz (2015). El modelo es presentado como “… a framework that highlights the perspective of the worker affected by automation and… to assess the business implications of various automation choices” (pág. 10), y consiste en cuatro aproximaciones principales a la automatización vistas en términos del impacto en el trabajador y su relación con sus obligaciones. En el reemplazo, la tecnología es utilizada para realizar un trabajo que solía ser la actividad principal de una persona. La atomización y automatización, es atomizar, o dividir, un.

(20) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 20. trabajo en pedazos, y automatizar tanto como sea posible, dejando a los humanos hacer las piezas no automatizables y posiblemente supervisar la automatización. En el alivio, la tecnología se hace cargo de tareas que los trabajadores no disfrutan o para las que están sobre calificados, por lo que pueden aplicar sus habilidades a trabajos más valiosos e interesantes. Y en el empoderamiento, la tecnología hace que los trabajadores sean más efectivos al complementar sus habilidades. El impacto de la implementación de AI y sus productos en el trabajo es tratado en un informe que discute cuestiones legales, económicas y comerciales de dicho impacto en aspectos como el mercado laboral, la organización del trabajo, salud y seguridad en el trabajo, tiempo y remuneración del trabajo, nuevas formas de empleo, protección de datos personales y asuntos confidenciales, uso de la Internet, cuentas de correo privado y social media en el trabajo, y hasta el uso de BYOD (Bring Your Own Devices) and wearables en el trabajo (IBA Global Employment Institute, 2017). En cuanto a la interacción humano-máquina inteligente en el trabajo propiamente dicha, el informe la enmarca en los cambios en el ambiente de trabajo causados por la introducción de sistemas de Inteligencia Artificial, identificando hasta ahora tres: separación espacial entre humanos y robots, robots trabajando solos con clientes humanos, y robots trabajando junto a los trabajadores humanos y apoyándolos. El interés en la interacción entre humanos y máquinas en el trabajo no sólo es a nivel funcional-operativo, sino también estratégico-táctico. En un informe se hace el cuestionamiento sobre el rol que juegan las máquinas inteligentes en el c-suite y se propone un continuum de roles para una máquina en dicho equipo, que van del más pasivo al más activo, así: el asistente,.

(21) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 21. el consejero y el actor (Thomas, Fuchs, & Silverstone, 2016), Cada rol tiene sus respectivos valores tanto para el negocio como para el equipo, que son enumerados en el informe. Ya en la perspectiva de procesos de negocios como tal, en su libro Human + Machine: Reimagining Work in the Age of AI, Daugherty y Wilson afirman que “the key to understand AI´s current and future impact is its transformation of business process” (2018). Los autores plantean un modelo en el que humanos y máquinas colaboran en un mismo espacio para conseguir un mejor desempeño en los procesos de negocios, como lo presenta la tabla 1.. Adapt. Predict. Iterate. Transact. Embody. Interact. Amplify. Sustain. Explain. Train. Judge. Create. Empathize. Lead. Tabla 1 Modelo de actividad humana, de máquina e híbrida humano-máquina. Humans AI gives human complement Human only activity. superpowers machines. Machine only activity. Human and machine hybrid activities Nota: adaptado de la figura I-1 the missing middle (Daugherty & Wilson, 2018).. En el modelo hay un área en el que humanos y máquinas realizan actividades en conjunto, en la que “… they are symbiotic partners, each pushing the other to high levels of performing” (Daugherty & Wilson, 2018). Y un último documento considerado relevante para este estado del arte es uno que, como el libro Daugherty y Wilson (2018), trata las nuevas tecnologías con especial impacto en HMI en la perspectiva de procesos de negocios, pero se enfoca en sus aspectos técnicos. En este se afirma que estas tecnologías tienen el potencial de cambiar la estación de trabajo de hoy tan.

(22) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 22. dramáticamente como las máquinas de la revolución industrial cambiaron las fábricas (Lowes, Cannata, Chitre, & Barkham, 2017). 5.2. Marco conceptual El concepto central en esta investigación es el de Interacción Humano-Máquina o HumanMachine Interaction (HMI), que aquí es considerado como referente a una disciplina más general que agrupa otras más particulares, como Ergonomía, Human-Computer Interaction (HCI), Human-Robot Interaction (HRI), Interaction Design, User Interface y User Experience. Cada una de estas disciplinas aborda la interacción entre humanos y máquinas desde un único enfoque en el que la máquina está algo más determinada que el humano. Así, la máquina puede ser un computador o un robot mientras que el humano puede ser vagamente un usuario. Aquí estas disciplinas son consideradas en la perspectiva de la interacción entre humanos y máquinas como se definen para esta investigación. Así entonces, humano se refiere a la noción que intuitivamente aparece en la conciencia cuando se trata el concepto de ser humano o persona, tal y como es reconocido por la ciencia y el sentido común, y máquina, es cualquier aparato que transforma energía para realizar una acción. En cuanto al humano, éste podrá representar uno o varios roles dependiendo de perspectivas culturales y sociales y de sus relaciones con instituciones y organizaciones sociales, pero es el de usuario el que lo caracterizará en su interacción con la máquina. Y en cuanto a la máquina, ésta será un artefacto, u objeto modificado para ser usado como herramienta, distinguiéndose así de creaciones de la naturaleza que son usadas como tal. En este orden de ideas la máquina podrá ser un computador o un robot, pero también una plataforma, un sistema ciber-físico acoplado o inmerso en el cuerpo humano, una prenda de vestir o accesorio, un mueble, un aparato doméstico, un vehículo o un edificio..

(23) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 23. Como disciplina HMI comprende cuatro principios: seguridad, desempeño, confort y estética; y cuatro líneas de investigación de factores humanos: física (fisiológica y biomecánica), cognitiva, social y emocional (Boy, 2011). El siguiente concepto en orden importancia es el de Inteligencia Artificial o Artificial Intelligence (AI). El término ha sido objeto de numerosas definiciones, unas más acertadas que otras, pareciendo sin embargo la más acertada nada más que la de Wikipedia, que lo define como la inteligencia demostrada por máquinas, en contraste con la inteligencia que muestran humanos y otros animales (Wikipedia, 2018), la cual es inteligencia natural. El término AI incluye el de inteligencia en sí, que aquí es el conjunto de capacidades que demuestran algunas criaturas, como aprender, comunicarse y razonar. Entre las tecnologías consideradas en la actualidad como de AI y que se tratan en esta investigación están machine y deep learning, automated pattern recognition, virtual, augmented y merged reality, natural language processing y speech recognition. El concepto que sigue en orden de importancia es el de automatización inteligente del trabajo. Automatizar significa hacer automático, y el diccionario lo define como un mecanismo o aparato que funciona en todo o en parte por sí solo. Aquí la automatización inteligente del trabajo es el proceso de hacer que el trabajo sea cada vez más automático por el uso de tecnologías de AI. Por trabajo se entiende la actividad física o intelectual realizada con el objeto de obtener una retribución y aquí la atención está en el trabajo económicamente productivo, o sea aquel en el que el humano representa un empleado o trabajador y la máquina un equipo o conjunto de estos, que realizan una actividad económicamente productiva en el contexto de una empresa..

(24) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 24. Debido a que esta automatización es inteligente implica que los equipos comparten la naturaleza inherente de AI, a saber, son electrónicos y digitales, y además, en su diseño está incluida una o varias tecnologías actualmente consideradas inteligentes, por lo que deben consistir en configuraciones de piezas de hardware y software integradas, como dispositivos electrónicos, que en conjunto constituyen sistemas de información, y en el contexto de las empresas, son sistemas de información empresariales, o enterprise applications (Laudon & Laudon, 2014). Actualmente existen dos géneros de herramientas automáticas emergentes, Robotic Process Automation (RPA) e Intelligent Automation (IA) (Lowes, Cannata, Chitre, & Barkham, 2017). Una variedad de estos equipos es la de los robots, que pueden ser virtuales (RPA), o reales, estos últimos con aspecto humanoide o no. El trabajo inteligentemente automatizado hace referencia a procesos de negocios de organizaciones que en vez de ser realizados por humanos, lo son total o parcialmente por máquinas cuyo diseño incluye tecnología actualmente considerada como de AI. Finalmente, el último concepto importante es el de trabajo en equipo o teamwork. De los diccionarios Cambridge y Oxford se construye su definición para esta investigación como la combinación de acciones de un grupo de dos o más personas cuando son efectivas para conseguir un objetivo. Teamwork es una palabra compuesta por otras dos, equipo y trabajo, por lo que su definición también es simplemente trabajo hecho por un equipo. La palabra se registra por primera vez entre los años 1820–30 (Dictionary.com, 2018), y su frecuencia de uso ha pasado de menos de 500 millones de ocurrencias en 1900 a más de 2000 millones de ocurrencias en 2000 (Wolframalpha, 2018)..

(25) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 25. El sinónimo más frecuente de trabajo en equipo es colaboración (Thesaurus.com, 2018). El diccionario de la Real Academia de la Lengua Española define colaborar como “trabajar con otra u otras personas en la realización de una obra”. Y el siguiente sinónimo más frecuente para el término es cooperación (Thesaurus.com, 2018). El mismo diccionario define cooperar como “obrar juntamente con otro u otros para la consecución de un fin común”. Aquí el trabajo en equipo es considerado entre humanos y máquinas, pudiendo ser una o varias personas y uno o varios aparatos, como dispositivos electrónicos. El trabajo en equipo, al igual que los otros tres conceptos, es un constructo, esto es, una entidad hipotética o una construcción social, por lo que su empleabilidad depende del sujeto observador y no del objeto observado. Por esta razón se puede considerar que un grupo de personas trabajan en equipo, pero también que animales de una misma especie y grupo, o de entre diferentes especies, lo hacen, o que humanos y animales también lo hacen, y por supuesto, que humanos y máquinas, así como animales y máquinas, lo hacen. El trabajo en equipo entre humanos y máquinas es un constructo que se emplea para darle sentido a una serie de acciones que unos y otros realizan como estímulos y respuestas reciprocas, y en tanto unos y otros sean emisores y receptores de dichos eventos, se trata de una clase de interacción humano-máquina..

(26) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 26. 6. Metodología 6.1. Diseño El diseño de esta investigación consiste en un Estudio de Mapeo Sistemático, o Systematic Mapping Study (SMS). Un SMS es una metodología del grupo de diseños de investigación característicos de investigaciones de tipo secundaria y terciaria, en el que también están la Revisión de Literatura Ad Hoc, la Revisión Sistemática de Literatura o Systematic Literature Review (SLR), y el Meta-análisis, o Meta-analysis. Se podría decir que un SMS es como un SLR sin todas las especificaciones de este, por lo que sus definiciones se citan. Para Kitchenham (2007), una SLR es: A systematic literature review (often referred to as a systematic review) is a means of identifying, evaluating and interpreting all available research relevant to a particular research question, or topic area, or phenomenon of interest. Individual studies contributing to a systematic review are called primary studies; a systematic review is a form of secondary study. (pág. 3) La misma autora define los SMS’s como “(also known as Scoping Studies) are designed to provide a wide overview of a research area, to establish if research evidence exists on a topic and provide an indication of the quantity of the evidence” (Kitchenham, 2007). Una característica del SMS es que con éste sólo se revisa el título, el abstract, las palabras clave y la bibliografía de los informes de los estudios, pudiéndose revisar otros puntos como la introducción y la conclusión si se cree necesario (Petersen et al., 2015), diferente al SLR, que además de revisar estos puntos del informe también revisa su texto completo..

(27) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 27. Los SMS´s sirven para examinar el grado en el cual evidencia empírica soporta o contradice hipótesis teóricas, o incluso en la asistencia de generación de nuevas hipótesis, como lo dice Kitchenham (2007) refiriéndose a las SLR’s. Para la realización de este SMS se siguen los lineamientos de Petersen et al. (2015). La razón por la que se decide seguir estos lineamientos en este SMS es la de que de los lineamientos para revisiones de literatura conocidos, los de estos autores son específicamente pensados para SMS´s e Ingeniería de Software, o Software Engineering (SE), por lo que son los lineamientos que más compatibilizan con el proyecto, ya que consiste en un SMS y, aunque no es un proyecto de investigación en SE, es uno de investigación en tecnología, además de serlo en otros temas como relaciones humanas, trabajo y procesos de negocios, y esta relación con tecnología lo hace más opcional que los otros lineamientos conocidos, que corresponden a salud (Moher, y otros, 2015), y a estudios sociales (Petticrew & Roberts, 2006). 6.2. Instrumentos Un instrumento se emplea para esta investigación, que es el característico de las revisiones de literatura, como es el protocolo de revisión o review protocol. Un protocolo de revisión especifica los métodos que se utilizarán para llevar a cabo una revisión sistemática (Kitchenham, 2007). El protocolo de este SMS se presenta en el procedimiento (en idioma español) y en el Anexo 1 (en idioma inglés). 6.3. Procedimiento Un procedimiento para realizar un SMS, propuesto por Petersen et. al. (2015), consiste en tres etapas: planificación, conducción y reporte. 6.3.1. Planificación.

(28) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 28. Durante la planificación, todas las decisiones relevantes para la conducción del SMS son tomadas (Petersen et al., 2015). Petersen et al. (2015), identifica las principales actividades del Estudio de Mapeo Sistemático, y de las que son realizables en la etapa de planificación cinco se consideran aplicables a este SMS: PICOC, preguntas de investigación, consulta (estrategia de investigación), criterios de selección y formato de extracción de datos. Además de estas actividades, se incluye la de criterios y/o reglas interpretativas. La planificación de estas seis actividades constituye el protocolo de este SMS (Anexo 1). 6.3.1.1.. PICOC. Petticrew & Roberts (2006), proponen el modelo PICOC, por Population - Intervention Comparison - Outcomes – Context, para la formulación de preguntas de investigación en ciencias sociales, el cual es una modificación del modelo PICO, desarrollado en ciencias de la salud (Moher, y otros, 2015). La tabla 2 presenta el modelo PICOC aplicado al problema de investigación de este proyecto. Tabla 2 Modelo PICOC aplicado al problema de investigación. Modelo PICOC aplicado al problema de investigación. Población. Humano / hombre y máquina / computador / robot.. Intervención. Tecnologías de Inteligencia Artificial.. Comparación. N/A.

(29) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 29 O1: Contribución en la colaboración/ trabajo en equipo Humano-Máquina habilitados por tecnologías de Inteligencia Artificial. O2: Tecnologías de Inteligencia Artificial aplicadas a la colaboración / trabajo en Resultados equipo Humano-Máquina. O3: Contextos de Interacción Humano-Máquina en los cuales la colaboración / trabajo en equipo Humano-Máquina habilitados por tecnologías de Inteligencia Artificial está.. Contexto. Colaboración / trabajo en equipo Humano-Máquina.. Nota: autoría propia. N/A (No Aplica).. 6.3.1.2. Preguntas de investigación Las preguntas de investigación de este proyecto son: RQ1: ¿Qué contribuciones a la colaboración / trabajo en equipo Humano-Máquina habilitados por tecnologías de Inteligencia Artificial existen? RQ2: ¿Qué tecnologías de Inteligencia Artificial aplicadas a la colaboración / trabajo en equipo Humano-Máquina existen? RQ3: ¿En qué contextos de Interacción Humano-Máquina la colaboración / trabajo en equipo Humano-Máquina está? Estas preguntas son las más indicadas de hacer porque, según las pruebas de consultas en bases de datos, existen datos suficientes para responderlas y con ellas se puede verificar la hipótesis de investigación. Las contribuciones se refieren el aporte que cada estudio hace, las tecnologías a aquellas que son mencionadas en el informe del estudio, y los contextos a las combinaciones humanomáquina mencionadas con términos distintos a estos..

(30) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 30. 6.3.1.3. Consulta (estrategia de investigación) Las bases de datos bibliográficas electrónicas utilizadas para este SMS son Scopus (www.scopus.com/home.uri) de Elsevier, y IEEE Xplore de IEEE (https://ieeexplore.ieee.org/). Se utilizan estas dos bases de datos y ninguna más porque Petersen et al. (2015), cita a otros autores que recomiendan utilizar dos bases de datos, entre las que pueden estar las mencionadas, y con ello basta. Una razón para hacer esta recomendación puede ser que estas bases de datos ya contienen todos los estudios relevantes para la realización de una revisión de literatura, por lo que si se utilizan otras más, la revisión podría acumular demasiados estudios duplicados. La tabla 3 presenta los términos de consulta según el modelo PICOC. Tabla 3 Términos de consulta según el modelo PICOC. Términos de consulta según el modelo PICOC. Elemento Término de consulta PICOC “human machine” OR “man machine” OR “human computer” OR “man computer” Población OR “human robot” OR “man robot”. Intervención. "artificial intelligence". Comparación. N/A. Resultados. collaborat* OR team*. Contexto. N/A. Nota: autoría propia. N/A (No Aplica).. Y la tabla 4 presenta las consultas en las bases de datos..

(31) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 31 Tabla 4 Consulta en Bases de Datos. Consulta en Bases de Datos. Base de Consulta datos. TITLE-ABS-KEY ( "human machine" OR "man machine" OR "human computer" OR "man computer" OR "human robot" OR "man robot" ) AND TITLE-ABS-KEY ( "artificial Scopus intelligence" ) AND TITLE-ABS-KEY ( collaborat* OR team* ) AND LANGUAGE ( english ) AND PUBYEAR > 2010 AND PUBYEAR < 2018 AND ( LIMIT-TO ( SRCTYPE , "j " ) ) AND ( LIMIT-TO ( DOCTYPE , "ar " ) ). (( "human machine" OR "man machine" OR "human computer" OR "man computer" OR IEEE "human robot" OR "man robot" ) AND ( "artificial intelligence" ) AND ( collaborat* OR team* Xplore )) Filters Applied: ▫ 2011-2017 ▫ Journals & Magazines. Nota: autoría propia.. 6.3.1.4. Criterios de selección Los criterios de selección de este SMS son de dos tipos: inclusión y exclusión. Los criterios de inclusión son: 1. El estudio hace referencia a la colaboración / trabajo en equipo Humano-Máquina en relación con tecnologías de Inteligencia Artificial. 2. El informe del estudio está escrito en idioma inglés. 3. El informe del estudio es publicado entre 2011 y 2017. 4. El tipo de documento del informe del estudio es un artículo y su tipo de fuente es una revista..

(32) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 32. 5. El estudio es uno de investigación primaria. Y los criterios de exclusión son: 1. Aunque el estudio se refiere a la colaboración o el trabajo en equipo y la Inteligencia Artificial, no se ocupa de la colaboración / trabajo en equipo Humano-Máquina en relación con tecnologías de Inteligencia Artificial específicamente. 2. Informes de estudio escritos en otro idioma distinto al inglés. 3. Informes de estudio publicados antes de 2011 y después de 2017. 4. Cualquier otro informe de estudio que no sea un artículo y no provenga de revistas, como libros o literatura gris. 5. Estudios de investigación secundaria. A pesar de que el problema de investigación con el cual se pretende verificar la existencia o no del área de investigación, objeto de la hipótesis de investigación, es sobre el trabajo en equipo entre humanos y máquinas y tecnologías de AI en entornos laborales, este último aspecto relacionado con el trabajo no es considerado en los primeros criterios de inclusión / exclusión, porque no arroja resultados. En su lugar, basta con que el primer criterio de inclusión sea que el estudio mencione el trabajo en equipo entre humanos y máquinas y tecnologías de AI, y que el primer criterio de exclusión no lo mencione, aspecto que sí arroja resultados. Ya, con las respuestas a las preguntas de investigación, se determina si dicho trabajo en equipo entre humanos y máquinas y tecnologías de AI que menciona el estudio es en un entorno laboral o no. Los informes de los estudios deben estar escritos en inglés, por ser el idioma predominante para la publicación de estudios..

(33) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 33. El que los informes de los estudios deben ser publicados después de 2010 obedece a razones históricas. Al final de la primera década del siglo XXI convergen tres desarrollos tecnológicos que posibilitan el auge del AI tal cual y como se está presenciando actualmente: algoritmos, datos y capacidad de computación (Chui & McCarthy, 2018). Por este hecho se presume que los estudios publicados antes de 2011 son sensiblemente distintos a los publicados después, luego su inclusión puede traer numerosos estudios irrelevantes. Y el que los informes de los estudios deben ser publicados antes de 2018 es porque éste es el año en que se realiza este proyecto de investigación. El tipo de documento de los informes de los estudios debe ser un artículo y su tipo de fuente una revista, porque estas características aseguran que los estudios son proyectos terminados, y no aún en proceso, y que cuentan con suficiente calidad. Los estudios deben ser de investigación primaria, y no secundaría, porque esta investigación es secundaría. 6.3.1.5. Formato de extracción de datos El formato de extracción de datos de este SMS comprende un metadato, la identificación de cada estudio mapeado, y tres datos, la respuesta a cada una de las tres preguntas de investigación. La tabla 5 presenta el formato de extracción de datos. Tabla 5 Formato de extracción de datos. Formato de extracción de datos. Metadatos. Ítem de dato. Valor.

(34) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 34 Identificación del estudio. Integral. Datos. Ítem de dato. Valor. Contribución en la colaboración/ trabajo en equipo Humano-Máquina habilitados por. Texto. tecnologías de Inteligencia Artificial.. Tecnologías de Inteligencia Artificial aplicadas a la colaboración / trabajo en equipo Humano-. Texto. Máquina.. Contextos de Interacción Humano-Máquina en los cuales la colaboración / trabajo en equipo Texto Humano-Máquina habilitados por tecnologías de Inteligencia Artificial está.. Nota: autoría propia.. 6.3.1.6.Criterios / reglas interpretativas Esta actividad, no identificada por Petersen et al. (2015), es incluida en el protocolo de este SMS, con el objeto de controlar el riesgo del sesgo del investigador en cuanto a la interpretación textual, como medida para asegurar la validez de la investigación. El riesgo del sesgo del investigador puede ocurrir en varias etapas y actividades del SMS, pero es especialmente peligroso durante la extracción de datos. Dado que los datos en las revisiones de literatura consisten en textos alfanuméricos escritos, su interpretación puede ser influida por los sesgos de los investigadores. Una estrategia para controlar el riesgo del sesgo del.

(35) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 35. investigador durante la extracción de datos del SMS es construir un sistema interpretativo para dichos datos, o sistema hermenéutico, el cual consiste en un conjunto de criterios y reglas interpretativas, y aplicarlo cuando se interpretan los datos. Para este SMS se construye un sistema hermenéutico con criterios y reglas de diferentes niveles de especificidad por cada uno de los resultados esperados según el modelo PICOC. La tabla 6 presenta el primer nivel de especificidad de criterios y reglas interpretativas para cada resultado esperado en este SMS. Tabla 6 Criterios / reglas interpretativas. Criterios / reglas interpretativas. Resultado. Criterio / Regla. Ejemplo. Contribución en la Del resumen y/o título se. "largescale data collection in. selecciona entre comillas. human-robot interaction. palabras y/o frases para. research through the use of. formar una oración.. online multiplayer games". colaboración/ trabajo en equipo Humano-Máquina habilitados por tecnologías de Inteligencia Artificial.. Tecnologías de Inteligencia De las palabras clave aquellas Artificial aplicadas a la referidas a las tecnologías colaboración / trabajo en tratadas en el estudio. equipo Humano-Máquina.. Distributed computer systems.

(36) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 36 Contextos de Interacción Humano-Máquina en los cuales la colaboración /. De las palabras clave aquellas. trabajo en equipo Humano-. referidas a la interacción. Máquina habilitados por. humano-máquina.. Man machine systems. tecnologías de Inteligencia Artificial está.. Nota: autoría propia.. 6.3.2. Conducción Al conducir un SMS, el proceso como se define en la planificación es implementado (Petersen et al., 2015). Las actividades de la conducción del SMS se hacen mediante el apoyo de dos aplicaciones, Mendeley (www.mendeley.com) para la gestión de las referencias bibliográficas de los estudios, y Parsifal (https://parsif.al) para la gestión del protocolo del SMS (planificación, conducción y reporte). 6.3.3. Reporte Petersen et al. (2015), propone que el reporte de un SMS contenga seis puntos así: introducción, trabajo relacionado, método de investigación, resultados, discusión y apéndice. Estos puntos concuerdan con los puntos de este informe, el cual sigue las normas de la American Psychological Association (APA) para la presentación de documentos, citaciones y referencias. Así, la integralidad de este documento constituye el reporte de este SMS..

(37) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 37. 7. Resultados Los resultados de esta investigación están organizados en dos grupos, primero las generalidades y segundo las respuestas a las preguntas de investigación. Los datos generales obtenidos con el mapeo figuran enseguida y los que corresponden a las respuestas a las preguntas de investigación en los siguientes tres apartados. La figura 1 muestra el número de estudios mapeados resultante de la consulta en bases de datos y de la aplicación de los criterios de selección a los mismos. Figura 1 Número de estudios del mapeo por consulta en bases de datos, criterios de selección y duplicados. Consulta en Bases de Datos. Scopus 61. IEEE Xplore 36. Subtotal 97. Criterios de selección. Scopus Aceptados 29 Rechazados 32. IEEE Xplore Aceptados 15 Rechazados 13. Subtotal 52. Duplicados. Scopus 0. IEEE Xplore 8. Total 44. Nota: autoría propia.. La tabla 7 presenta la fuente y el estatus de los estudios mapeados. En ella se observa los 97 estudios obtenidos de la consulta en bases de datos, 61 de Scopus y 36 de IEEExplore, de los cuales 44 son aceptados, 45 rechazados y 8 duplicados..

(38) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 38 Tabla 7 Fuente y status de estudios del mapeo. 1. X. 2. X. 3. X. 4. 14. X. 15. X. X. 16. X. X. X. 17. X. 5. X. X. 18. X. 6. X. 19. X. 7. X. X. 20. 8. X. X. 9. X. X. 10. X. 11. X. 12. 13. 27. X. X. 28. X. X. 29. X. X. 30. X. X. 31. X. X. X. 32. X. X. X. X. 33. X. X. 21. X. X. 34. X. X. 22. X. X. 35. X. X. 23. X. X. 36. X. X. X. 24. X. 37. X. X. X. X. 25. X. X. 38. X. X. X. X. 26. X. X. 39. X. X. X. X. X. X. X. X. X. X. X. X. Duplicado. Rechazado. Status. Aceptado. IEEExplore. Scopus. ID. Fuente. Duplicado. Rechazado. Status. Aceptado. IEEExplore. Scopus. ID. Fuente. Duplicado. Rechazado. Status. Aceptado. IEEExplore. Scopus. ID. Fuente.

(39) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 39. Duplicado. Rechazado. Status. Aceptado. IEEExplore. Scopus. ID. Fuente. Duplicado. Rechazado. Status. Aceptado. IEEExplore. Scopus. ID. Fuente. Duplicado. Rechazado. Status. Aceptado. IEEExplore. Scopus. ID. Fuente. 40. X. X. 54. X. X. 68. X. 41. X. X. 55. X. X. 69. X. 42. X. X. 56. X. X. 70. X. X. 43. X. X. 57. X. X. 71. X. X. 44. X. X. 58. X. X. 72. X. X. 45. X. 59. X. X. 73. X. X. 46. X. X. 60. X. X. 74. X. X. 47. X. X. 61. X. X. 75. X. X. 48. X. X. 62. X. 76. X. X. 49. X. 63. X. 77. X. X. 50. X. X. 64. X. 78. X. X. 51. X. X. 65. X. 79. X. X. 52. X. X. 66. X. X. 80. X. 53. X. X. 67. X. X. 81. X. X. X. X. X. X. X. X. X. X. X. X. X.

(40) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 40. X. 83. X. 84. X. 85. X. 86. X. 87. X. X. X. X. X. X. X. 88. X. 89. X. 90. X. 91. X. X. 92. X. X. 93. X. X. X. X. 94. X. X. 95. X. X. 96. X. X. 97. X. X. 61. 36. 44. 45. Duplicado. Rechazado. Status. Aceptado. IEEExplore. Scopus. ID. Fuente. Duplicado. Rechazado. Status. Aceptado. IEEExplore. Scopus. ID. Duplicado. Rechazado. Fuente. Total. 82. Status. Aceptado. IEEExplore. Scopus. ID. Fuente. 8. X. Nota: autoría propia.. La figura 2 muestra el número de estudios mapeados por fuente, siendo 61 de Scopus y 36 de IEEExplore..

(41) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 41 Figura 2 Número de estudios por fuente Número de estudios por fuente. 36. 61. Scopus. IEEExplore. Nota: autoría propia.. La figura 3 muestra el número de estudios mapeados de la fuente Scopus según su estatus. De los 61 estudios de esta fuente, 29 son aceptados, 32 rechazados y ninguno duplicado. Figura 3 Número de estudios por status de la fuente Scopus. Número de estudios por status de la fuente Scopus 35 30. 32 29. 25 20. 15 10 5. 0 0 Aceptados. Nota: autoría propia.. Rechazados. Duplicados.

(42) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 42. La figura 4 muestra el número de estudios mapeados de la fuente IEEExplore según su estatus. De los 36 estudios de esta fuente, 15 son aceptados, 13 rechazados y 8 duplicados. Figura 4 Número de estudios por status de la fuente IEEExplore. Número de estudios por status de la fuente IEEExplore 16. 15 13. 14 12 10. 8 8 6 4 2 0 Aceptados. Rechazados. Duplicados. Nota: autoría propia.. 7.1. Contribución al trabajo en equipo Humano-Máquina habilitado por tecnologías de Inteligencia Artificial Los datos obtenidos del mapeo con los que se responde a la primera pregunta de investigación, la de la contribución de los estudios mapeados al trabajo en equipo HumanoMáquina habilitado por tecnologías de Inteligencia Artificial, se presentan en la tabla 8. Tabla 8 Contribución al trabajo en equipo Humano-Máquina habilitado por tecnologías de Inteligencia Artificial.

(43) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 43 Contribución al trabajo en equipo Humano-Máquina habilitado por tecnologías de ID Inteligencia Artificial "largescale data collection in human-robot interaction research through the use of online 1 multiplayer games" "an integrated learning framework that enables humanoid robots to perform human-robot 3 collaborative manipulation tasks" "Human–Robot Interaction challenges Artificial Intelligence in many regards"... "an attempt 4. to characterise these challenges and to exhibit a set of key decisional issues that need to be addressed for a cognitive robot to successfully share space and tasks with a human" "concept of symbol emergence systems"... "multimodal categorization, spatial concept. 5. formation, language acquisition, and double articulation analysis, that will contribute to future human-robot communication and collaboration" "A human robot cooperation (HRC) planner for joint assembly tasks"... "allowing for a novel. 7 description in the HRC domain and execution of human-robot interaction tasks" "an adaptive support vector machine-based method to classify operator mental workload 8. (MWL) into few discrete levels based on psychophysiological measures." ... "under complex human-machine collaboration" "a labeled human-human-interaction dataset, which captures the interaction of two humans,. 9 who collaboratively transport an object in an haptics-enabled virtual environment." "a systematic theoretical underpinning for computational instantiations of"... "social-cognitive 11 mechanisms" ... "For effective human-robot interaction" 12. "Haptic-Ostensive (H-O) actions... in collaborative dialogue". 13. "Mobile Crowd Sensing and Computing (MCSC)... for cross-space and largescale sensing".

(44) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 44 Contribución al trabajo en equipo Humano-Máquina habilitado por tecnologías de ID Inteligencia Artificial "computer support for situationn awareness"... "to share situations by computer and human 15 agents" "an intelligent agent, RoboLeader"... "can benefit the overall human-robot teaming 17 performance" "a multi-modal interface for the interaction between a human user and an assistive 19. humanoid robot"... "A "Point-and-Command" interaction concept... to improve the efficiency of human-robot collaboration" "whether and under which conditions it is possible for a humanoid robot to foster... automatic. 20. communication"... "this approach could be a viable path to obtain more natural human-robot collaborations" "a system called Shared Mental Models for all-SMMall"... "implements a hidden Markov model (HMM)-based cognitive load model for an agent to predict its human partner's. 21. instantaneous cognitive load status"... "It also implements a user interface (UI) concept called shared belief map, which offers a synergic representation of team members' information space and allows them to share beliefs". 22. "architecture for a team of machine and human classifiers" "Effects of level of agent transparency on operator performance, trust, and workload in a. 23 context of human-agent teaming for multirobot management" 25. "multiple aspects of collaborative language grounding". 26. "A new approach to the monocular simultaneous localization and mapping (SLAM)".

(45) Trabajo en equipo Humano-Máquina y Tecnologías de Inteligencia Artificial en la Automatización Inteligente del Trabajo 45 Contribución al trabajo en equipo Humano-Máquina habilitado por tecnologías de ID Inteligencia Artificial "a general framework for representation and processing of emotional contents in a cognitive 30 architecture, called "emotional biologically inspired cognitive architecture" (eBICA)" "A method of cooperative planning in which agents select actions using a combination of 31 planning and team reasoning" "a new metric to be optimized, a dimensionless total cost"... "Workpiece recognition... in 32 robotic cells for human-robot collaborative scenarios" 33. "a novel cooperative robotic catheterization system based on learning-from-demonstration" "Automated Reasoning Assistant, or AURA, to assist human users in the search for. 36. mathematical proofs"... "how these... contributions were made and made possible through negotiations between the humans and the AURA" "the innovative use of emerging multiuser virtual world technologies for supporting human-. 37 human collaboration and human-computer co-creativity in design" "parallels from established rules of human interpersonal communication. It suggests 40. equivalents by which a computer might use these communication channels, elements, and instruments, employing visual interaction as the bilateral medium" "Reinforcement learning (RL)"... "based"... "Functional Electrical Stimulation (FES)".... 41 "controllers" 45. "a collaborative control mechanism that assists users as and when they require help". 49. "MEXICA-impro, a computational model for collective plot generation" "In real-life situations, robots often need to collaborate with humans. An experience and. 62 communication model supports the necessary shared activities.".