domingo, 5 de enero de 2025

2 Desde GIC

 













Competencia profesional

Los objetivos generales de la formación contable profesional son:

 (a) desarrollar la competencia profesional de los aspirantes a contadores profesionales y (b) desarrollar y mantener la competencia profesional de los contadores profesionales.

La competencia profesional es la capacidad de desempeñar una función según un estándar definido. La competencia profesional va más allá del conocimiento de principios, normas, conceptos, hechos y procedimientos; es la integración y aplicación de la competencia técnica, (b) las habilidades profesionales y (c) los valores, la ética y las actitudes profesionales.

 

Resultados de aprendizaje, áreas de competencia y niveles de competencia

Varias de las IES incluyen resultados de aprendizaje que establecen el contenido y la profundidad de los conocimientos, la comprensión y la aplicación necesarios para cada área de competencia específica. Los resultados de aprendizaje se pueden lograr dentro del contexto de un entorno de trabajo o de un programa de formación profesional en contabilidad.

Un ejemplo de un resultado de aprendizaje para la competencia técnica de un contador profesional que trabaja en una función de contabilidad financiera es “preparar estados financieros, incluidos los estados financieros consolidados, de conformidad con las Normas Internacionales de Información Financiera (“NIIF”) u otras normas pertinentes”. Para lograr este resultado de aprendizaje se requiere el conocimiento de las NIIF, la capacidad de evaluar su relevancia para la situación y la capacidad de aplicar los requisitos de las NIIF pertinentes.

Las IES incluyen áreas de competencia que son categorías para las que se puede especificar un conjunto de resultados de aprendizaje relacionados. Algunos ejemplos son la contabilidad financiera y la presentación de informes y la contabilidad de gestión.

En el marco del desarrollo profesional inicial (IPD), a cada área de competencia se le asigna un nivel de competencia que describe el contexto en el que se espera lograr los resultados de aprendizaje pertinentes. El nivel de competencia para un área de competencia se basa en la consideración de la ambigüedad, la complejidad y la incertidumbre del entorno de trabajo. Se proporciona detalles de los niveles de competencia básico, intermedio y avanzado. Estos niveles describen la progresión típica que se produce en el desarrollo de la competencia profesional a lo largo de la carrera de un contador profesional. Las IES prescriben el nivel de competencia para las áreas de competencia que se deberá alcanzar al final del IPD.

Fuente:

IFAC. (2019). Handbook of International Education Pronouncements. International Accounting Education Standards Board. (IAESB). USA.


sábado, 4 de enero de 2025

2 Desde GIC

 








1A. Hello



viernes, 3 de enero de 2025

2 Desde GIC

 


2 Desde GIC


 








La naturaleza de la enseñanza

En su sentido más amplio, la enseñanza es un proceso que facilita el aprendizaje. La enseñanza es la aplicación especializada de conocimientos, habilidades y atributos diseñados para proporcionar un servicio único para satisfacer las necesidades educativas del individuo y de la sociedad. La elección de las actividades de aprendizaje mediante las cuales se realizan los objetivos de la educación en la institución educativa es responsabilidad de la profesión docente.

Además de brindarles a los estudiantes oportunidades de aprendizaje para cumplir con los objetivos del currículo, la enseñanza enfatiza el desarrollo de valores y guía a los estudiantes en sus relaciones sociales. Los maestros emplean prácticas que desarrollan un autoconcepto positivo en los estudiantes. Aunque el trabajo de los maestros generalmente se lleva a cabo en un entorno de aula, la interacción directa entre el maestro y el estudiante es el elemento más importante de la enseñanza.

Si consideramos su naturaleza, la enseñanza es:

(a) Dinámica, Social y Humana. La enseñanza no es un concepto fundamental porque está muy influenciada por factores sociales y humanos que son dinámicos en sí mismos.

(b) Arte y Ciencia. La enseñanza es arte y ciencia a la vez. Requiere el ejercicio del talento y la creatividad, lo que la convierte en un arte e implica un repertorio de técnicas, procedimientos y habilidades que pueden estudiarse sistemáticamente, describirse y mejorarse, lo que la convierte en ciencia.

(c) Diversa en su aplicación. En su aplicación, la enseñanza es de naturaleza diversa. Puede tener varias formas: formal, informal, direccional, instructiva, formativa, de entrenamiento, de condicionamiento, de adoctrinamiento, de conversación, de demostración, de práctica, correctiva, etc.

 

Características de la docencia

Las características de la enseñanza pueden describirse como:

(a) Un sistema de acciones. La enseñanza es un sistema de acciones variadas en forma y relacionadas con el contenido y el comportamiento del alumno bajo las condiciones físicas y sociales predominantes.

(b) Una actividad profesional. Es una actividad profesional que involucra al maestro y al alumno con vistas al desarrollo de la personalidad de los estudiantes. El profesionalismo ayuda a los estudiantes a ser regulares y a estar en armonía con sus objetos hacia los que se concentran.

(c) Sujeto a análisis y evaluación. La enseñanza puede analizarse y evaluarse y el análisis y la evaluación brindan una retroalimentación para una mejora adicional.

(d) Un proceso interactivo. La enseñanza está altamente dominada por la habilidad de comunicación. La enseñanza es un proceso interactivo que se lleva a cabo con un propósito y objetivos.

(e) Una tarea especializada. Es una tarea especializada y puede tomarse como un conjunto de habilidades para la realización de ciertos objetivos.

(f) Una colección de varios modos. La enseñanza es una colección de varios modos de sí misma. Es un término más amplio. Términos como condicionamiento, entrenamiento, instrucción, adoctrinamiento denotan un tipo de enseñanza. Son parte de la enseñanza, pero no sinónimo de enseñanza.

Fuente:

Kumar, S. & Gagan, M. (2019). Teaching and Research Aptitude. Danika Publishing Company. India.

&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&


jueves, 2 de enero de 2025

2 Desde GIC

 



Investigación: una forma de examinar la práctica 1

La investigación se lleva a cabo dentro de muchos profesionales. Más que una habilidad propia, la investigación es una forma de pensar: examinar críticamente los diversos aspectos de su trabajo profesional diario; comprender y formular principios de planificación que rigen un procedimiento particular; y desarrollar y probar nuevas teorías para mejorar su práctica. Es un hábito de cuestionar lo que hace y un examen sistemático de la información observada para encontrar respuestas, con vistas a instituir cambios apropiados para un servicio profesional más eficaz. Tomemos algunas disciplinas como ejemplos.

Supongamos que trabaja en el campo de la contabilidad. Puede ser un proveedor de servicios contables, un supervisor o un administrador/planificador financiero. Puede estar en una oficina o trabajando como trabajador independiente. Puede ser contable, asesor, auditor u otro. En cualquiera de estos puestos, es posible que le vengan a la mente algunas de las siguientes preguntas:

¿Cuántos clientes veo cada día?

¿Cuáles son algunas de los problemas más comunes que prevalecen entre mis

clientes?

¿Cuáles son las causas de estos problemas?

¿Por qué algunas personas tienen un problema en particular mientras que otras no?

¿Cuáles son las necesidades de este tipo de servicio en la comunidad?

¿Por qué algunas personas utilizan el servicio mientras que otras no?

¿Qué opinan las personas sobre el servicio?

¿Qué tan satisfechos están los clientes con el servicio?

¿Qué tan efectivo es el servicio?

¿Cómo se puede mejorar el servicio?

Puede agregar muchas otras preguntas a esta lista. A veces, puede ser posible ignorar estas preguntas debido al nivel en el que trabaja, en otras ocasiones puede hacer un esfuerzo para encontrar respuestas por iniciativa propia o, a veces, puede ser necesario que obtenga respuestas para una administración y planificación efectivas.

Fuente:

Kumar, R. (2011). Research Methodology. SAGE publications. India.


miércoles, 1 de enero de 2025

2 Desde GIC

 









INTRODUCCIÒN

¿Qué son las NIIF?

IFRS es la abreviatura de Normas Internacionales de Información Financiera. Las NIIF están compuestas por un grupo de normas contables que se han desarrollado a lo largo de varios años. Las empresas utilizan las NIIF para organizar adecuadamente su información financiera en registros contables y resumirla en estados financieros, así como para revelar cierta información complementaria.

Una de las razones para utilizar las NIIF es que cualquiera que lea los estados financieros de varias empresas tiene una base razonable para hacer comparaciones, ya que todas las empresas que utilizan las NIIF han creado sus estados financieros utilizando el mismo conjunto de reglas.

Las NIIF cubren una amplia gama de temas, que se agrupan en las siguientes categorías principales:

Presentación. Abarca el formato y la presentación adecuada de los estados financieros, e incluye las siguientes áreas temáticas:

o Presentación de estados financieros

o Estado de flujos de efectivo

o Estados financieros consolidados y separados

o Políticas contables, cambios en las estimaciones y errores

o Informes financieros en economías hiperinflacionarias

o Ganancias por acción

o Informes financieros interinos

o Segmentos operativos

 

Activos, pasivos y patrimonio. Describe la contabilidad de activos,

pasivos y patrimonio, e incluye las siguientes áreas temáticas:

o Acuerdos conjuntos

o Inversiones en asociadas y negocios conjuntos

o Divulgación de participaciones en otras entidades

o Inventarios

o Propiedad, planta y equipo

o Activos intangibles

o Propiedades de inversión

o Deterioro del valor de los activos

o Activos mantenidos para la venta y operaciones discontinuadas

o Provisiones, pasivos contingentes y activos contingentes

 

Ingresos y gastos. Abarca los aspectos contables relacionados con los ingresos y varias áreas clave de gastos. Se incluyen los siguientes temas:

o Ingresos

o Beneficios para empleados y planes de jubilación

o Pagos basados ​​en acciones

o Impuestos sobre la renta (Impuesto a las ganancias)

 

Transacciones generales. Describe varios tipos de transacciones que no pueden clasificarse en una de las áreas anteriores y que tienen una amplia aplicabilidad en muchas industrias. Se incluyen las siguientes áreas temáticas:

o Combinaciones de negocios

o Instrumentos financieros

o Medición del valor razonable

o Efectos de los cambios en los tipos de cambio

o Costos de endeudamiento

o Arrendamientos

o Revelaciones de partes relacionadas

o Eventos posteriores al período de presentación de informes

o Contratos de seguro

 

Industrias específicas. Incluye contabilidad específica para determinadas industrias y abarca las siguientes áreas temáticas:

o Agricultura

o Contratos de construcción

o Subvenciones gubernamentales

o Recursos minerales

o Concesiones de servicios

o Otros temas

 

Las empresas que informan sus resultados financieros en aquellas partes del mundo que aceptan este marco utilizan las NIIF. El principal marco contable competidor son los Principios de Contabilidad Generalmente Aceptados (GAAP), que se utilizan en los Estados Unidos. Los GAAP se basan mucho más en reglas que las NIIF. Las NIIF se centran más en los principios generales que los GAAP, lo que hace que el cuerpo de trabajo de las NIIF sea mucho más pequeño, más claro y más fácil de entender que los GAAP.

Hay varios grupos de trabajo que están reduciendo gradualmente las diferencias entre los marcos contables IFRS y GAAP, por lo que eventualmente solo deberían existir diferencias menores en los resultados informados de una empresa si cambia entre los dos marcos. Los grupos de trabajo están avanzando diligentemente, pero todavía hay muchas cuestiones por conciliar, por lo que pueden requerir varios años antes de que los dos marcos contables estén aproximadamente alineados. Ha habido declaraciones ocasionales de que los dos marcos (y presumiblemente sus organizaciones de apoyo) eventualmente se fusionarán, pero esto aún no ha ocurrido.

Fuente:

Bragg, S. (2019). IFRS Guidebook. AccountingTools, Inc. USA.


martes, 31 de diciembre de 2024

2 Desde GIC


 

2 Desde GIC

 ISCP



2 Desde GIC

 


2 Desde GIC

 


2 Desde GIC

 


2 Desde GIC


 










&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&

 Conocimientos y experiencia   +

      

Actitudes y comportamiento  =

Habilidades en el aula      

   Por tanto:

El resultado de una buena enseñanza es un buen aprendizaje.

&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&


1. relevante (adj): significativo porque está relacionado con la vida

2. motivación (n): razón para hacer algo

3. estructura (n): marco organizativo

&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&

El papel del docente

PALABRAS CLAVE

Lograr (v): tener éxito en

Facilitar (v): ayudar y hacer que la tarea sea más fácil. Un buen facilitador (n) usa sus habilidades para ayudar a los estudiantes a aprender y lograr la tarea.

Guiar (v): mostrar a las personas el camino. Un buen guía (n) sabe a dónde ir, cómo llegar y cuida al grupo con cuidado y atención.

Objetivo de aprendizaje (n): el punto final del aprendizaje; lo que el aprendizaje pretende lograr

Tarea (n): un trabajo a realizar o una actividad con un propósito.

 

El papel del docente es guiar, facilitar y gestionar el aprendizaje de cada estudiante por igual.

&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&

Fuente:

Educasia. (2015). Teaching Skills. The Curriculum Project. Myanmar(Birmania).

lunes, 30 de diciembre de 2024

2 Desde GIC


 

2 Desde GIC

 








El poder del análisis avanzado en auditoría

En busca de una aplicación efectiva.

Se ha implementado un análisis avanzado en relación con la auditoría de ciertas entidades que ya mostraban interés en ello y su estructura tecnológica lo permitía. Esto permitió evaluar la experiencia tanto desde el punto de vista de la auditoría externa como desde la perspectiva de la auditoría interna. Ese trabajo hizo simpatizar con la idea de aplicar primero el análisis a las auditorías externas.

Se aplicó análisis de auditoría avanzado a la información de ingresos a la entidad seleccionada. Se señala que era un área ideal para aplicar análisis debido a la amplitud de métricas y datos que se tenían disponibles y que podían correlacionarse con los resultados de ingresos esperados.

La experiencia indica que, si bien fue necesaria una inversión de tiempo para extraer y proporcionar los datos relevantes para la auditoría, se cree que valdrá la pena a largo plazo. Se requiere una gran cantidad de datos para el análisis y deben formatearse, validarse y conciliarse con los estados financieros.

El análisis ayudó al equipo de auditoría de la entidad a encontrar puntos de datos que no se ajustaban a las hipótesis. Se considera que el beneficio principal es una mayor calidad de la auditoría, con posibles beneficios secundarios que implican información más significativa. También es un beneficio someter a toda la población de transacciones a algún tipo de examen, en lugar de solo una muestra.

Se señala que el análisis permite enfocar la auditoría, lo que ayuda a identificar valores atípicos y tendencias inesperadas en los datos, y a visualizar áreas de riesgo que los métodos de muestreo no podían detectar. Los auditores, puede apreciar el valor que la tecnología permite en el proceso de auditoría.

Luego la experiencia permitió centrarse en ampliar el uso de análisis de datos en auditoría interna. Hay mucho potencial para el análisis de datos en el ámbito de la auditoría, tanto interna como externa, en el futuro.


domingo, 29 de diciembre de 2024

2 Desde GIC

 






Teorías de aprendizaje 1

Una teoría del aprendizaje es un marco conceptual coherente integrado por constructos y principios que describen, explican o predicen como las personas aprenden. Las teorías psicológicas del aprendizaje y el aprendizaje motor son conceptos que deben tenerse en cuenta. Más que ofrecer una simple teoría de aprendizaje, la psicología proporciona teorías alternativas y perspectivas de cómo el aprendizaje ocurre. Explica que motiva a las personas al aprendizaje y al cambio (Hilgard & Bower, 1966; Ormrod, 2004; Snowman & Biehler, 2006).

El aprendizaje motor evoluciona como una rama de la psicología experimental y puede ser diferenciada desde el aprendizaje verbal (Newell, 1991).

A mediados del siglo xx fue establecida como una area especializada de estudio y ha sido influenciada por la teoría de la conducta cibernética y del procesamiento de la información (Van Sant, 2003).

Las teorías psicológicas de aprendizaje son útiles en la adquisición de información y en situaciones que involucran el pensamiento humano, las emociones y la interacción social. El aprendizaje motor tiene un particular interés cuando se trata de ayudar a las personas a aprender o desarrollar el reaprendizaje de habilidades.

 

&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&

Fuente:

Bastable, S.B., Gramet P., Jacobs K. & Sopczyk D. L. (2011). Health Professional as Educator. Principles of Teaching and Learning. Jones & Barlett Learning. USA.


sábado, 28 de diciembre de 2024

2 Desde GIC

 











Cómo funciona el modelo de riesgo de auditoría

La naturaleza del riesgo de auditoría

El riesgo de auditoría es el riesgo de que un auditor exprese una opinión incorrecta sobre estados financieros que contienen errores materiales. Dado que los auditores pueden ser demandados por esto (y perderán el caso judicial y tendrán que pagar), necesitan una herramienta para reducir el riesgo.

Podrían reducir el riesgo de auditoría por la fuerza bruta, lo que significa examinar cada una de las transacciones del cliente. Pero eso sería increíblemente caro. Por eso, en su lugar, tienen el modelo de riesgo de auditoría. Este modelo calcula la cantidad total de riesgo asociado con una auditoría dividiéndola en tres partes. Existe el riesgo de control, que es el riesgo de que los sistemas de control de un cliente no detecten o eviten errores materiales. Este es un riesgo importante, ya que los auditores pueden confiar en un buen sistema de control y reducir considerablemente sus procedimientos de auditoría. Pero si el sistema de control apesta, entonces los auditores deben compensarlo con más procedimientos.

Y luego está el riesgo inherente, que es el riesgo de que los estados financieros de un cliente sean susceptibles de errores materiales en ausencia de controles internos. Esto puede ser un problema en un negocio complejo, y especialmente en aquellos en los que hay mucho juicio involucrado en la toma de decisiones, porque una persona sin experiencia tiene más probabilidades de cometer un error. También hay más riesgo inherente cuando una empresa se ocupa de muchas transacciones no rutinarias, para las que no hay procedimientos. El mismo problema: una persona sin experiencia podría arruinarlas. En resumen, una empresa con riesgo inherente está estructurada de tal manera que las cosas pueden salir mal.

Y finalmente, está el riesgo de detección. Este es el riesgo de que los procedimientos de auditoría que se utilicen no sean capaces de detectar un error material. El auditor puede controlar el riesgo de detección añadiendo más procedimientos, o al menos, procedimientos relevantes. Esta es la variable principal. El auditor puede aumentar los procedimientos cuando los otros dos riesgos parecen malos, o reducirlos cuando los otros niveles de riesgo parecen bastante bajos.

Entonces, el modelo de riesgo de auditoría establece que se multiplica el porcentaje evaluado de riesgo de control por el porcentaje evaluado de riesgo inherente y por el porcentaje evaluado de riesgo de detección, y eso da como resultado el porcentaje de riesgo de auditoría.

En otras palabras, si alguno de estos riesgos a nivel subsidiario es alto, y especialmente si varios de ellos lo son, entonces el auditor estará ante un riesgo muy alto de expresar una opinión de auditoría incorrecta, lo que puede acabar con su carrera y vaciar su cuenta bancaria si hay una demanda.

 

 

 

Problemas con el modelo de riesgo de auditoría

El modelo parece bastante simple, pero tiene un problema básico. ¿Cómo se obtienen esos porcentajes? ¿Quién puede decir que el riesgo de control debe evaluarse en un diez por ciento? ¿O en un veinte? ¿O en un treinta? La definición de estos riesgos es subjetiva, por lo que sería muy difícil defender una cifra específica. Sería una tontería establecer el riesgo inherente en, digamos, un catorce por ciento. ¿Cómo lo justificaría?

Y, de hecho, dado que cada dato de la ecuación es subjetivo, ¿cómo puede alguien esperar de manera realista multiplicarlos y obtener un resultado significativo? Básicamente, estamos tratando de aplicar conceptos matemáticos a las opiniones.

 

Un enfoque simplificado

Y es por eso que los auditores prefieren asignar una calificación alta, media o baja a cada uno de esos riesgos. Es como un semáforo. El verde es una calificación de riesgo bajo, el rojo es malo y el ámbar está en algún punto intermedio. Cuando todo está en verde, el auditor está contento porque el riesgo de auditoría también está en verde. Cuando todo está en rojo, es hora de que el auditor abandone la auditoría, porque no hay forma de desarrollar una opinión de auditoría rentable.

Entonces, ¿cómo llegan los auditores a estas evaluaciones altas, medias o bajas? Sigue siendo una cuestión de criterio. El riesgo inherente es rojo cuando el entorno es complejo y no hay muchos procedimientos. En la situación inversa, es verde. Cuando el auditor realiza una prueba preliminar de los controles y todos los controles funcionan según lo planeado, entonces obtiene una calificación verde. Cuando el resultado es más como una zona de guerra, obtiene una calificación roja. Esos son los fáciles. El auditor debe decidir bajo qué circunstancias se otorgará una calificación media. No hay ninguna orientación clara al respecto; sigue siendo una cuestión de criterio.

Entonces, ¿qué sucede prácticamente con todas las auditorías, en las que la puntuación no es toda roja o toda verde? Como regla general, si el riesgo de control y el riesgo inherente son altos y el riesgo de detección es medio, entonces el auditor no aceptará el trabajo, porque el costo de todos los procedimientos de auditoría necesarios será demasiado alto. Si el riesgo de detección cae a verde, entonces probablemente será rentable para el auditor continuar, pero necesita observar el resultado de los procedimientos de auditoría, para ver si surge algo extraño, y hay una buena posibilidad de que así sea.

Por otro lado, si cualquier combinación de dos riesgos se considera baja, entonces la auditoría puede continuar. Eso es bueno. El problema es que, si calcula el número de variaciones de tres riesgos de auditoría y tres clasificaciones de riesgo, tiene 27 combinaciones posibles de resultados, y en aproximadamente la mitad de ellos, no está claro si el auditor debe retirarse o aceptar el trabajo.

 

Por lo tanto, como podría esperarse, este es un área problemática para los auditores. Durante toda la auditoría, se reevalúa constantemente el riesgo de auditoría y se modifican los procedimientos de auditoría para hacer frente a lo que se descubre.

Puede parecer que este episodio fue exclusivamente para beneficio de los nuevos auditores. No es así. Hay que mirarlo desde la perspectiva del cliente. Si se le presenta al auditor un sistema de control deficiente o un entorno operativo inherentemente complejo, la única forma en que el auditor podrá proporcionar una opinión de auditoría limpia es acumulando procedimientos de auditoría, lo que puede resultar bastante caro.

Por lo tanto, tiene sentido seguir trabajando en los sistemas de control durante la temporada baja, cuando los auditores no están presentes, para hacerlos lo más sólidos posible. Y tratar de persuadir a la gerencia para que optimice un poco el negocio, instale más procedimientos y pague más capacitación para los empleados, de modo que el riesgo inherente también disminuya.

Cuando se hace eso, los auditores tienen menos problemas y, lo que es más importante, tendrán menos trabajo que hacer, por lo que sus honorarios de auditoría serán menores.

 

Fuente:

Bragg, S. (2020). The Audit Risk Model. ABP No.299 Podcast. Accounting Tools, Inc. USA.


viernes, 27 de diciembre de 2024

2 Desde GIC


 






La IA y el auge de la productividad que se avecina

 

La productividad ha sido de sólo un 1,4 por ciento anual durante la última década. Creo que va a estar más cerca del 3% en la próxima década. He hecho una apuesta con Bob Gordon, mi amigo y a veces rival. Y es una apuesta a largo plazo. Puedes comprobarlo allí y he escrito artículos sobre esto y la razón de ello es que el género de un IA tiene dos características importantes. En primer lugar, afecta a una amplia sección de la economía. Las personas que trabajan con el lenguaje y no hay tantas personas que no lo hagan es probable que se vean afectadas en sus trabajos.

En segundo lugar, tiene un gran aumento de productividad para esas tareas específicas, y hablaremos más sobre eso más adelante. Pero cuando se combinan esas dos cosas, se multiplican y tienen un efecto más amplio sobre la economía en su conjunto. Si la productividad llega al nivel del 3%, esto nos permitirá resolver muchos de los problemas de nuestra economía, déficit presupuestario, atención médica y medio ambiente con mucha más facilidad de lo que podríamos haberlo hecho antes. Y es un objetivo realista porque la productividad creció alrededor de un 3% a finales de los noventa y principios de los dos mil. Así que ya hemos estado allí antes y creo que vamos a llegar allí de nuevo.

Trabajando con Linsey Raymond y Danielle Lee en el MIT. Estudiamos un centro de llamadas donde introdujeron la IA generativa en un proceso por fases. Algunas personas lo entendieron y otras no. Nosotros, como investigadores, estábamos muy emocionados porque esto nos dio un experimento natural y pudimos obtener una inferencia causal de la importancia de la IA generativa. Lo que encontramos nos sorprendió. Las personas que usan IA generativa en solo unos meses fueron hasta un 35% más productivas que las que no la usaban.

Además, la satisfacción del cliente aumentó y se podía observar la frecuencia con la que los clientes usaban palabras felices en lugar de palabras enojadas. Es mucho más probable que usaran palabras felices y estaban más satisfechos con las interacciones. Revisamos millones de estas transcripciones y, por último, pero no por ello menos importante, esto no se produjo a expensas de los propios trabajadores. No se trataba simplemente de exprimirlos. De hecho, los trabajadores también parecían más felices. También hubo menos rotación de trabajadores.

El efecto neto de la IA generativa fue que tomó a los trabajadores y en dos meses estaban rindiendo tan bien como los otros trabajadores que no tenían IA generativa y que les había tomado desarrollarse alrededor de cinco o seis meses.

 

Fuente:

Brynjolsson, E. (2024). Data and Disruption: Mastering AI and Machine Learning for Finance. MIT SMR CONNECTIONS


jueves, 26 de diciembre de 2024

2 Desde GIC

 






Introducción

El lanzamiento de ChatGPT a fines de 2022, la primera herramienta de inteligencia artificial generativa (GenAI) fácil de usar que se puso a disposición del público en general, seguida de versiones iterativamente más sofisticadas, causó conmoción en todo el mundo y está impulsando la carrera entre las grandes empresas tecnológicas para posicionarse en el campo del desarrollo de modelos GenAI.

En todo el mundo, la preocupación inicial en el ámbito educativo era que los estudiantes utilizaran ChatGPT y otras herramientas GenAI similares para hacer trampa en sus tareas, socavando así el valor de la evaluación, la certificación y las cualificaciones del aprendizaje (Anders, 2023). Mientras que algunas instituciones educativas prohibieron el uso de ChatGPT, otras acogieron con cautela la llegada de GenAI (Tlili, 2023). Muchas escuelas y universidades, por ejemplo, adoptaron un enfoque progresista al creer que “en lugar de intentar prohibir su uso, los estudiantes y el personal necesitan recibir apoyo para utilizar las herramientas GenAI de manera eficaz, ética y transparente” (Russell Group, 2023). Este enfoque reconoce que GenAI está ampliamente disponible, es probable que se vuelva más sofisticada y tiene un potencial negativo específico y un potencial positivo único para la educación.

De hecho, GenAI tiene una gran cantidad de posibles usos. Puede automatizar el procesamiento de información y la presentación de resultados en todas las representaciones simbólicas clave del pensamiento humano. Permite la entrega de resultados finales al proporcionar productos de conocimiento semiacabados. Al liberar a los humanos de algunas categorías de habilidades de pensamiento de orden inferior, esta nueva generación de herramientas de IA podría tener profundas implicaciones para la forma en que entendemos la inteligencia y el aprendizaje humanos.

Pero GenAI también plantea múltiples preocupaciones inmediatas relacionadas con cuestiones como la seguridad, la privacidad de los datos, los derechos de autor y la manipulación. Algunos de estos son riesgos más amplios relacionados con la inteligencia artificial que se han exacerbado aún más con GenAI, mientras que otros han emergido recientemente con esta última generación de herramientas. Ahora es urgente que cada uno de estos problemas e inquietudes se entienda y se aborde por completo.

Esta Guía está diseñada para responder a esta necesidad urgente. Sin embargo, un conjunto temático de orientaciones sobre GenAI para la educación no debe entenderse como una afirmación de que GenAI es la solución a los desafíos fundamentales de la educación. A pesar de la hipérbole de los medios, es poco probable que GenAI por sí sola resuelva alguno de los problemas que enfrentan los sistemas educativos en todo el mundo. Para responder a los problemas educativos de larga data, es clave defender la idea de que la capacidad humana y la acción colectiva, y no la tecnología, es el factor determinante en las soluciones efectivas a los desafíos fundamentales que enfrentan las sociedades.

Por lo tanto, esta Guía tiene como objetivo apoyar la planificación de regulaciones, políticas y programas de desarrollo de capacidad humana adecuados, para garantizar que GenAI se convierta en una herramienta que realmente beneficie y empodere a docentes, estudiantes e investigadores.

Basándose en la Recomendación de la UNESCO sobre la ética de la inteligencia artificial, la Guía se basa en un enfoque centrado en el ser humano que promueve la agencia humana, la inclusión, la equidad, la igualdad de género y la diversidad cultural y lingüística, así como las opiniones y expresiones plurales.

La Guía analiza primero qué es GenAI y cómo funciona, presentando las diversas tecnologías y modelos disponibles (Sección 1), antes de identificar una serie de cuestiones éticas y políticas controvertidas en torno tanto a la IA en general como a GenAI en particular (Sección 2). A esto le sigue un análisis de los pasos y elementos clave que deben examinarse cuando se busca regular GenAI con base en un enfoque centrado en el ser humano, que garantice un uso ético, seguro, equitativo y significativo (Sección 3).

La Sección 4 propone luego medidas que pueden adoptarse para desarrollar marcos de políticas coherentes e integrales para regular el uso de GenAI en la educación y la investigación, mientras que la Sección 5 analiza las posibilidades de utilizar creativamente GenAI en el diseño curricular, la enseñanza, el aprendizaje y las actividades de investigación. La Sección 6 concluye la Guía con consideraciones sobre las implicaciones a largo plazo de GenAI para la educación y la investigación.

 

Fuente:

UNESCO. (2023). Guidance for generative AI in Education and Research. Francia.


miércoles, 25 de diciembre de 2024

2 Desde GIC

 




La IA y el auge de la productividad que se avecina

Hoy hablaremos sobre la IA generativa y cómo esta tecnología está transformando tanto los negocios como el papel de las finanzas. Primero veremos qué es la IA generativa y cómo vemos su impacto en la productividad. Luego, exploraremos el papel de las finanzas en el liderazgo de la revolución de la IA. Finalmente, examinaremos cómo la IA generativa cambiará los modelos de negocios.

Tópico 1

La IA y el auge de la productividad que se avecina

Todos hemos escuchado a la gente usar los términos IA, aprendizaje automático e IA generativa. Tomemos un minuto para explicar cómo se relacionan entre sí. La inteligencia artificial (IA) es el campo que estudia cómo hacer que las máquinas resuelvan problemas de una manera que requeriría inteligencia si los resolvieran los humanos.

Desde el principio, la gente se ha centrado principalmente en utilizar métodos simbólicos para resolver estos problemas, pero también ha habido un pequeño grupo de personas que utilizan técnicas de aprendizaje automático, normalmente utilizando redes neuronales para enseñar a las máquinas a resolver los problemas por sí solas con sistemas simbólicos.

Tomas un programa y algunas entradas y generas salidas. El aprendizaje automático le da la vuelta a eso: tomas entradas y salidas y generas un programa. Entonces, la máquina descubre el programa por sí sola. Esto no funcionó muy bien durante las primeras décadas, pero alrededor de 2012 comenzamos a ver que realmente despegaba cuando Jeff Hinton lo introdujo en Imagenet y otros problemas que estaba abordando la comunidad de IA.

Entonces, ahora, la mayoría de las investigaciones utilizan estas técnicas de aprendizaje automático que, por lo general, toman una gran cantidad de datos tanto de entrada como de salida, pero luego la máquina puede descubrir cómo resolver el problema por sí sola. Es aprendizaje automático. En los últimos años, hemos visto otro nuevo desarrollo que es la IA generativa. Con la IA generativa, los problemas se basan en el aprendizaje automático, pero no se limitan a clasificar, como, por ejemplo, esto es un perro o esto es un gato, esto es cáncer, esto no es cáncer, esto es spam, esto no es spam, sino que utiliza esa tecnología para generar nuevas respuestas.

El nuevo texto genera nuevas imágenes y esto ha cambiado las reglas del juego porque muchos de los problemas que la gente común resuelve están relacionados con el lenguaje o las imágenes y necesitamos generar respuestas y ahora el aprendizaje automático mediante IA generativa puede ayudar con eso porque la IA generativa es tan poderosa que espero que transforme la economía y eso se reflejará en una mayor productividad. De hecho, he dicho que va a duplicar la tasa de crecimiento de la productividad de la economía estadounidense. Ahora bien, para ser justos, no ha estado creciendo tan rápido como nos hubiera gustado.

 

Fuente:

Brynjolsson, E. (2024). Data and Disruption: Mastering AI and Machine Learning for Finance. MIT SMR CONNECTIONS


martes, 24 de diciembre de 2024