WEBVTT
0
00:00:14.080 --> 00:00:16.615
Vivimos en una época en 
la que la tecnología 

1
00:00:16.665 --> 00:00:19.900
transforma nuestra manera 
de vivir y trabajar. 

2
00:00:20.220 --> 00:00:24.215
Sin embargo, el futuro también se 
construye recuperando el pasado 

3
00:00:24.265 --> 00:00:26.480
y entendiendo mejor a las personas.

4
00:00:26.800 --> 00:00:29.315
Te damos la bienvenida al 
espacio de la UNED 

5
00:00:29.365 --> 00:00:30.580
en la radio pública.

6
00:00:41.000 --> 00:00:42.435
Hoy nos detendremos en temas que,

7
00:00:42.485 --> 00:00:44.320
aunque puedan parecer muy diferentes,

8
00:00:44.660 --> 00:00:47.035
tienen algo en común, nuestra manera

9
00:00:47.085 --> 00:00:50.180
de entender a las personas, 
su historia y su futuro. 

10
00:00:50.440 --> 00:00:53.635
¿Qué significa ser humano en una 
época en la que la tecnología 

11
00:00:53.685 --> 00:00:55.920
promete mejorar nuestras capacidades?

12
00:00:56.770 --> 00:00:59.565
Hablaremos también de una mujer que 
pudo cambiar nuestra historia 

13
00:00:59.615 --> 00:01:02.550
y por ello merece ser rescatada 
del olvido. 

14
00:01:02.790 --> 00:01:06.310
Y nos preguntaremos de qué manera 
pueden las matemáticas, 

15
00:01:06.510 --> 00:01:08.765
la estadística y la inteligencia 
artificial 

16
00:01:08.815 --> 00:01:12.710
ayudarnos a gestionar mejor el 
talento en las organizaciones. 

17
00:01:17.230 --> 00:01:19.330
Con la UNED, el aula eres tú.

18
00:01:19.490 --> 00:01:20.990
Elige cuándo y dónde.

19
00:01:22.050 --> 00:01:25.650
La UNED te da las herramientas, 
tú pones los límites. 

20
00:01:26.540 --> 00:01:28.873
Conviértete en el dueño de 
tu propio aprendizaje. 

21
00:01:29.880 --> 00:01:31.436
Presta atención a esta pregunta.

22
00:01:31.660 --> 00:01:34.625
¿Qué significa ser humano en 
la era de los cyborgs, 

23
00:01:34.675 --> 00:01:36.640
los robots y la inteligencia 
artificial? 

24
00:01:37.000 --> 00:01:41.235
Es una cuestión actual que queremos 
analizar desde la antropología social 

25
00:01:41.285 --> 00:01:41.816
y cultural.

26
00:01:42.060 --> 00:01:45.295
Los avances tecnológicos 
reabren la reflexión 

27
00:01:45.345 --> 00:01:46.620
sobre la condición humana.

28
00:01:47.180 --> 00:01:50.875
En esta ocasión abordamos con dos 
expertos la mejora humana 

29
00:01:50.925 --> 00:01:53.620
como proyecto central en la 
construcción del futuro, 

30
00:01:53.780 --> 00:01:57.700
analizando su ambigüedad y extensión 
en la sociedad contemporánea, 

31
00:01:57.820 --> 00:02:00.855
donde puede abarcar desde 
prácticas cotidianas 

32
00:02:00.905 --> 00:02:04.040
hasta intervenciones 
tecnocientíficas avanzadas. 

33
00:02:04.360 --> 00:02:06.400
Habla con ellos Lourdes Nieto.

34
00:02:09.390 --> 00:02:12.805
En este nuevo espacio de 
antropología les invitamos a reflexionar 

35
00:02:12.855 --> 00:02:16.185
sobre una de las cuestiones que 
más profundamente interpela 

36
00:02:16.235 --> 00:02:19.930
nuestro presente y nuestro futuro, 
la idea de la mejora humana. 

37
00:02:20.210 --> 00:02:23.130
¿Dónde termina la terapia y 
dónde comienza la mejora? 

38
00:02:23.210 --> 00:02:26.770
¿Qué significa superar los límites 
de lo que consideramos normal? 

39
00:02:26.970 --> 00:02:29.345
¿Y qué implicaciones tienen 
las nuevas tecnologías 

40
00:02:29.395 --> 00:02:31.470
sobre nuestra forma de 
entender el cuerpo, 

41
00:02:31.630 --> 00:02:34.590
la diversidad y la propia 
condición humana? 

42
00:02:39.240 --> 00:02:40.175
En este segundo programa

43
00:02:40.225 --> 00:02:44.020
queremos analizar cómo los avances 
en genética, neurotecnología, 

44
00:02:44.280 --> 00:02:48.135
ingeniería artificial, prótesis e 
interfaces cerebro-computador 

45
00:02:48.185 --> 00:02:51.165
están transformando no solo 
nuestras capacidades, 

46
00:02:51.215 --> 00:02:54.100
sino también nuestras ideas 
sobre la salud, 

47
00:02:54.280 --> 00:02:57.460
la identidad, la igualdad y 
el futuro de la especie. 

48
00:03:02.610 --> 00:03:04.610
Desde una perspectiva antropológica,

49
00:03:04.690 --> 00:03:08.265
abordaremos las promesas y las 
contradicciones de una sociedad 

50
00:03:08.315 --> 00:03:12.090
que ha convertido la mejora en uno 
de sus principales ideales. 

51
00:03:12.370 --> 00:03:16.005
¿Estamos asistiendo a una nueva 
forma de evolución humana 

52
00:03:16.055 --> 00:03:18.510
o a la consolidación de 
nuevas desigualdades? 

53
00:03:22.650 --> 00:03:24.865
Pues para abordar todas estas 
cuestiones contamos, 

54
00:03:24.915 --> 00:03:27.670
como siempre, con Sara Asama 
y Honorio Velasco, 

55
00:03:27.810 --> 00:03:29.685
que son profesores de 
Antropología Social 

56
00:03:29.735 --> 00:03:31.125
y Cultural de la UNED.

57
00:03:31.175 --> 00:03:32.385
Hola, bienvenidos los dos.

58
00:03:32.435 --> 00:03:32.885
Hola, Lourdes.

59
00:03:32.935 --> 00:03:33.530
Gracias.

60
00:03:33.730 --> 00:03:37.425
En este segundo programa me gustaría 
que explicaseis qué diferencias 

61
00:03:37.475 --> 00:03:41.665
hay entre terapia y mejora humana 
y en qué situaciones y casos 

62
00:03:41.715 --> 00:03:44.370
se aprecia que la diferencia 
entre ellas se difumina. 

63
00:03:44.920 --> 00:03:48.280
Bueno, pues comenzando por una 
cuestión que no es pequeña, 

64
00:03:48.540 --> 00:03:51.455
pues habría que indicar que 
se propuso el concepto 

65
00:03:51.505 --> 00:03:54.035
de mejora humana en realidad 
desde las ciencias médicas 

66
00:03:54.085 --> 00:03:58.695
y tiene que ver mucho claro con cómo 
las intervenciones médicas 

67
00:03:58.745 --> 00:04:02.115
facilitan las personas 
que han sufrido, 

68
00:04:02.165 --> 00:04:06.760
ya sea por accidente o por infección 
o por determinación genética, 

69
00:04:06.840 --> 00:04:08.620
que sufren discapacidad.

70
00:04:09.140 --> 00:04:13.705
Las posibilidades médicas 
son hoy día increíbles, 

71
00:04:13.755 --> 00:04:18.725
hasta el punto de que proporcionan 
a este tipo de personas 

72
00:04:18.775 --> 00:04:21.555
la posibilidad de reintegrarse 
a la sociedad 

73
00:04:21.605 --> 00:04:25.220
casi en plenas condiciones 
como todos los demás. 

74
00:04:25.400 --> 00:04:28.080
Y a esto se le llama mejora.

75
00:04:28.200 --> 00:04:31.240
Tiene en principio, claro, 
una razón terapéutica. 

76
00:04:31.990 --> 00:04:35.825
Pero esto también igualmente está 
sirviendo para proporcionarle 

77
00:04:35.875 --> 00:04:40.795
capacidades que no se tenían antes, 
ya no sólo a las personas que, 

78
00:04:40.845 --> 00:04:43.005
diríamos que por distintos 
tipos de circunstancias 

79
00:04:43.055 --> 00:04:46.505
han sufrido la discapacidad, sino 
a personas que en principio 

80
00:04:46.555 --> 00:04:50.525
tienen cualidades generales 
y comunes, Mediante 

81
00:04:50.575 --> 00:04:54.270
determinados tipos de intervenciones 
que afectan al código genético, 

82
00:04:54.370 --> 00:04:57.565
pero también a los procesos 
fisiológicos y a los órganos, 

83
00:04:57.615 --> 00:05:00.170
es decir, en cualquiera de 
los niveles biológicos, 

84
00:05:00.250 --> 00:05:04.805
es posible intervenir de manera que 
no solamente sean como antes, 

85
00:05:04.855 --> 00:05:06.130
sino mejor que antes.

86
00:05:06.730 --> 00:05:10.125
Si muchos aspectos de la cultura 
se podrían considerar 

87
00:05:10.175 --> 00:05:11.270
como mejora humana,

88
00:05:11.550 --> 00:05:14.545
¿por qué es necesario subrayar que 
lo son los que se abordan 

89
00:05:14.595 --> 00:05:15.690
para encarar el futuro?

90
00:05:16.290 --> 00:05:18.285
A ver, es verdad que el 
concepto de mejora 

91
00:05:18.335 --> 00:05:20.505
incluye una ambigüedad.

92
00:05:20.555 --> 00:05:22.205
Pues claro, se puede decir

93
00:05:22.255 --> 00:05:24.505
que toda la cultura humana 
es una mejora, 

94
00:05:24.555 --> 00:05:29.265
porque en ese sentido ha ido 
logrando que la especie humana consiga 

95
00:05:29.315 --> 00:05:34.265
logros que no tenía anteriormente 
y en ese aspecto lo haga 

96
00:05:34.315 --> 00:05:39.010
no solamente mejor que antes, 
sino mucho mejor que antes. 

97
00:05:39.070 --> 00:05:41.737
Quiere decir, está logrando un 
gran perfeccionamiento. 

98
00:05:42.230 --> 00:05:44.930
En ese sentido, para 
encarar el futuro, 

99
00:05:45.150 --> 00:05:48.805
se aborda la mejora en 
cómo se percibe hoy 

100
00:05:48.855 --> 00:05:53.565
día que será el futuro, y vistas las 
enormes dificultades que ya 

101
00:05:53.615 --> 00:05:56.605
en el presente se están presentando 
para la especie humana 

102
00:05:56.655 --> 00:05:58.574
en conjunto y poblaciones 
en particular, 

103
00:05:58.710 --> 00:06:02.525
si la especie humana no 
tiene capacidades, 

104
00:06:02.575 --> 00:06:05.290
voy a decir, mejoradas 
que las que tiene, 

105
00:06:05.370 --> 00:06:07.610
difícilmente va a poder sobrevivir.

106
00:06:08.510 --> 00:06:13.510
Aún más claro si es capaz de lograr 
colonizar otras tierras, 

107
00:06:16.810 --> 00:06:20.445
otros planetas u otros espacios.

108
00:06:20.495 --> 00:06:23.885
Si la especie humana 
no tiene capacidad 

109
00:06:23.935 --> 00:06:26.210
de sobrevivir en esas condiciones.

110
00:06:26.780 --> 00:06:30.235
Y se conoce que es evidentemente 
que se pueden hacer 

111
00:06:30.285 --> 00:06:32.435
a través de la mediación tecnológica

112
00:06:32.485 --> 00:06:35.240
sobre la que ya hablamos en 
el programa anterior, 

113
00:06:35.540 --> 00:06:40.215
pues si esto es posible es gracias 
a este concepto en principio 

114
00:06:40.265 --> 00:06:44.025
genérico, relativo, ambiguo, pero 
se supone que efectivo, 

115
00:06:44.075 --> 00:06:47.220
en el sentido en que proporcionará 
futuro a la humanidad. 

116
00:06:47.540 --> 00:06:50.455
Entonces, si el concepto 
base es naturaleza, 

117
00:06:50.505 --> 00:06:54.260
¿cómo se plantean sus límites y la 
superación de esos límites? 

118
00:06:54.970 --> 00:06:57.325
Bueno, este planteamiento 
en parte se solapa 

119
00:06:57.375 --> 00:07:00.585
con lo que estábamos hablando de 
la superación de límites. 

120
00:07:00.635 --> 00:07:04.045
Esta es una ambición de larga 
trayectoria en la modernidad 

121
00:07:04.095 --> 00:07:06.805
que también está vinculada a 
cuestiones que son clásicas, 

122
00:07:06.855 --> 00:07:10.485
que es lo que el concepto de cultura 
añade a la naturaleza humana, 

123
00:07:10.535 --> 00:07:13.685
o incluso si la cultura puede 
considerarse insertada 

124
00:07:13.735 --> 00:07:15.377
en el propio concepto de evolución.

125
00:07:15.960 --> 00:07:18.415
En este sentido, los desarrollos 
de Tiningo 

126
00:07:18.465 --> 00:07:22.395
plantean interesantes cuestiones 
cuando dice que la evolución humana 

127
00:07:22.445 --> 00:07:24.735
no puede entenderse como 
un proceso biológico 

128
00:07:24.785 --> 00:07:26.715
al que posteriormente se 
añade la cultura, 

129
00:07:26.765 --> 00:07:30.995
sino como un proceso único en el 
que organismos y entornos 

130
00:07:31.045 --> 00:07:33.440
se constituyen a través 
de la práctica. 

131
00:07:33.490 --> 00:07:36.305
Desde esta perspectiva, las 
capacidades humanas 

132
00:07:36.355 --> 00:07:40.685
no serían rasgos predefinidos sino 
que emergen en el propio devenir 

133
00:07:40.735 --> 00:07:43.290
de las relaciones entre cuerpo, 
técnica y medio, 

134
00:07:43.390 --> 00:07:46.425
de modo que la cultura no 
prolonga la naturaleza 

135
00:07:46.475 --> 00:07:50.230
sino que forma parte constitutiva 
de la propia evolución. 

136
00:07:51.200 --> 00:07:55.475
Hay tres distinciones que pensamos 
que resultan útiles para el análisis 

137
00:07:55.525 --> 00:07:58.780
de estas cuestiones, que es 
la diferencia, digamos, 

138
00:07:58.920 --> 00:08:01.600
la dicotomía natural-artificial,

139
00:08:01.760 --> 00:08:04.540
interno-externo al cuerpo 
y terapia-mejora. 

140
00:08:04.600 --> 00:08:08.115
Estas dicotomías en realidad 
en la práctica son difusas 

141
00:08:08.165 --> 00:08:11.615
y son oposiciones que pueden 
ser útiles como marcos más 

142
00:08:11.665 --> 00:08:12.680
de discusión.

143
00:08:13.300 --> 00:08:16.295
La mejora se sitúa asociada 
a lo artificial 

144
00:08:16.345 --> 00:08:20.195
y lo externo y el supuesto campo 
general de aplicación 

145
00:08:20.245 --> 00:08:23.875
es el cuerpo-mente humanos 
y las modificaciones 

146
00:08:23.925 --> 00:08:26.820
y transformaciones que se 
pueden hacer en él. 

147
00:08:27.700 --> 00:08:31.835
También hay otras relevantes 
nociones como es el nivel típico de especie 

148
00:08:31.885 --> 00:08:35.555
o rango estadísticamente normal 
de funcionamiento corporal 

149
00:08:35.604 --> 00:08:36.302
del individuo.

150
00:08:36.419 --> 00:08:39.555
Bien, estos conceptos sobre 
los que luego volveremos 

151
00:08:39.604 --> 00:08:43.255
de una manera un poco más concreta, 
solamente hay que advertir 

152
00:08:43.305 --> 00:08:46.275
que, claro, que en relación con 
el concepto de mejora, 

153
00:08:46.325 --> 00:08:51.300
la referencia obligatoria es, 
dijéramos, esto ya sea 

154
00:08:52.180 --> 00:08:56.060
el nivel típico de especie o el 
rango estadísticamente normal. 

155
00:08:56.870 --> 00:08:57.345
Es decir,

156
00:08:57.395 --> 00:09:00.245
porque la mejora siempre se refiere 
a un punto de partida, 

157
00:09:00.295 --> 00:09:03.445
y este punto de partida 
ya está tipificado, 

158
00:09:03.495 --> 00:09:05.225
y no solo tipificado,

159
00:09:05.275 --> 00:09:10.065
sino que a veces incluso se puede 
decir de él que está naturalizado, 

160
00:09:10.115 --> 00:09:13.585
es decir, es como si por especie, 
es decir, por naturaleza, 

161
00:09:13.635 --> 00:09:17.190
pues fuera generalizable a todos 
los individuos humanos, 

162
00:09:17.250 --> 00:09:18.445
ya sabemos claramente,

163
00:09:18.495 --> 00:09:21.110
y por experiencia propia 
a todas las personas, 

164
00:09:21.230 --> 00:09:24.790
que no siempre no es así, ni 
para cada uno de nosotros, 

165
00:09:24.890 --> 00:09:26.190
ni para todos en general.

166
00:09:26.920 --> 00:09:31.455
Y entonces, en este sentido, 
dijéramos, esta referencia necesaria 

167
00:09:31.505 --> 00:09:34.320
a ese punto conviene siempre 
tenerla en cuenta, 

168
00:09:34.460 --> 00:09:38.680
advirtiendo de que toda mejora 
se entiende como relativa. 

169
00:09:38.820 --> 00:09:42.520
¿Y cuáles son las tendencias 
actuales de mejora humana? 

170
00:09:43.170 --> 00:09:45.665
Bueno, pues aquí hay 
muchas tendencias. 

171
00:09:45.715 --> 00:09:48.865
Para agruparlas de alguna manera 
hemos seguido a Akush 

172
00:09:48.915 --> 00:09:51.205
en tres grandes líneas.

173
00:09:51.255 --> 00:09:54.325
La primera que tiene que ver con 
la evolución intencionada 

174
00:09:54.375 --> 00:09:55.270
y consciente.

175
00:09:55.350 --> 00:09:59.235
En este caso, por un lado, 
el proceso genético, 

176
00:09:59.285 --> 00:10:01.585
codificación de los genes 
y sus mutaciones 

177
00:10:01.635 --> 00:10:04.325
y las sustituciones que 
pueden hacerse. 

178
00:10:04.375 --> 00:10:05.870
Y, en otro nivel,

179
00:10:06.110 --> 00:10:09.790
la posibilidad de generar una vida 
directamente artificial. 

180
00:10:10.670 --> 00:10:12.930
Luego hay una segunda línea,

181
00:10:13.090 --> 00:10:16.205
que sería la generación de 
híbridos humano-máquina, 

182
00:10:16.255 --> 00:10:19.095
o lo que también se ha llamado 
humanidad 2.0, 

183
00:10:19.145 --> 00:10:21.230
ahora ya sería 2.05 o 10.

184
00:10:21.450 --> 00:10:25.975
En este contexto se refiere a los 
propios sistemas tecnológicos, 

185
00:10:26.025 --> 00:10:29.045
particularmente a aquellos que están 
referidos a los desarrollos 

186
00:10:29.095 --> 00:10:32.585
de inteligencia artificial, 
robótica, interfaces digitales, 

187
00:10:32.635 --> 00:10:37.610
que se van haciendo más sabios 
al incrementar su capacidad 

188
00:10:37.680 --> 00:10:39.645
de procesamiento, de aprendizaje,

189
00:10:39.695 --> 00:10:42.595
de adaptación y también por 
su integración directa 

190
00:10:42.645 --> 00:10:43.660
en el cuerpo humano.

191
00:10:43.860 --> 00:10:47.005
Esta integración se da bien 
por chips implantados, 

192
00:10:47.055 --> 00:10:50.015
por interfaces neuronales, 
dispositivos de conexión continua 

193
00:10:50.065 --> 00:10:53.035
o incluso mediante formas 
de sensibilidad remota 

194
00:10:53.085 --> 00:10:56.015
que pueden ampliar las capacidades 
de percepción 

195
00:10:56.065 --> 00:10:58.460
más allá de los límites biológicos.

196
00:10:58.640 --> 00:11:02.395
Y después tendríamos las mejoras, 
por último, en el tercer nivel, 

197
00:11:02.445 --> 00:11:03.460
las mejoras médicas.

198
00:11:04.040 --> 00:11:08.555
Que tiene que ver con el 
refinamiento de instrumentos médicos, 

199
00:11:08.605 --> 00:11:12.535
implantes, chips, que afectan 
a la capacitación y mejora 

200
00:11:12.585 --> 00:11:16.215
de la función normal del organismo 
y también de usos 

201
00:11:16.265 --> 00:11:19.840
que son radicalmente nuevos de 
los propios organismos. 

202
00:11:20.320 --> 00:11:24.220
Introducen capacidades que hasta 
este momento no teníamos. 

203
00:11:24.850 --> 00:11:28.185
Y a ellos cabe añadir también 
algunas técnicas de mejora humana 

204
00:11:28.235 --> 00:11:32.265
farmacológicas que se diseñan para 
alterar las partes más fundamentales 

205
00:11:32.315 --> 00:11:34.545
de la identidad psicológica 
del individuo. 

206
00:11:34.595 --> 00:11:37.585
Por ejemplo, drogas de borrado 
de la memoria 

207
00:11:37.635 --> 00:11:41.610
que afectan a rasgos humanos como 
la empatía o la agresividad, 

208
00:11:41.790 --> 00:11:45.790
que han sido bastante probados en 
el ámbito militar y no solo. 

209
00:11:46.050 --> 00:11:49.025
Los objetivos de la mejora humana,

210
00:11:49.075 --> 00:11:51.625
siguiendo en este sentido 
al informe europeo 

211
00:11:51.675 --> 00:11:54.690
sobre la mejora humana del 
2021, el informe Siena, 

212
00:11:54.840 --> 00:11:56.755
se establecen en tres dimensiones.

213
00:11:56.805 --> 00:11:59.295
Una de ellas es la mejora 
de funciones corporales 

214
00:11:59.345 --> 00:12:01.160
y cognitivas individuales.

215
00:12:01.220 --> 00:12:04.955
La segunda es la mejora de la 
especie en un sentido biológico, 

216
00:12:05.005 --> 00:12:07.260
incluyendo interfaz humano-máquina.

217
00:12:07.320 --> 00:12:09.495
Y la tercera es la mejora 
de la humanidad 

218
00:12:09.545 --> 00:12:11.380
en un sentido más amplio holístico.

219
00:12:11.940 --> 00:12:13.980
Estos objetivos a mí me hacen pensar,

220
00:12:14.120 --> 00:12:17.475
por lo menos también, o vincularlo 
a estas tradiciones 

221
00:12:17.525 --> 00:12:20.935
como las utopías clásicas o las 
visiones colectivistas 

222
00:12:20.985 --> 00:12:23.375
del hombre nuevo, el movimiento 
eugenésico 

223
00:12:23.425 --> 00:12:26.840
o las normas sociales relativas 
al cuerpo y la identidad. 

224
00:12:27.040 --> 00:12:29.300
Para que lo podamos comprender mejor,

225
00:12:29.380 --> 00:12:32.220
¿podéis explicarnos casos concretos 
de estas mejoras? 

226
00:12:33.030 --> 00:12:35.605
Bueno, son innumerables los casos 
que se pueden aportar. 

227
00:12:35.655 --> 00:12:37.750
Solo vamos a dar algunas pinceladas.

228
00:12:37.910 --> 00:12:41.305
La intención fundamentalmente 
es llamar la atención 

229
00:12:41.355 --> 00:12:46.185
sobre la multitud de casos que se 
pueden aportar en este sentido 

230
00:12:46.235 --> 00:12:48.970
y que en los propios informes 
además constan así. 

231
00:12:49.270 --> 00:12:52.845
Hay dos informes fundamentales 
para trabajar estas cosas 

232
00:12:52.895 --> 00:12:53.770
y para conocerlas.

233
00:12:53.890 --> 00:12:55.950
Uno está emitido, como ha dicho Sara,

234
00:12:56.110 --> 00:12:57.485
por la Unión Europea

235
00:12:57.535 --> 00:13:01.265
y otro está emitido por la National 
Science Foundation 

236
00:13:01.315 --> 00:13:03.210
en los Estados Unidos.

237
00:13:04.050 --> 00:13:04.705
Fundamentalmente,

238
00:13:04.755 --> 00:13:09.730
ambos informes han sido realizados 
por las consideraciones éticas 

239
00:13:09.950 --> 00:13:12.710
que conllevan todos estos 
planteamientos, 

240
00:13:12.850 --> 00:13:14.425
porque están afectando,

241
00:13:14.475 --> 00:13:16.950
como muchos autores han 
puesto de manifiesto, 

242
00:13:17.600 --> 00:13:22.600
La ciencia es evidente que trabaja 
efectivamente sin límites 

243
00:13:24.820 --> 00:13:28.415
en el sentido en el que tanto 
en el nivel microscópico, 

244
00:13:28.465 --> 00:13:32.215
es claramente genético, como 
en el nivel más complejo, 

245
00:13:32.265 --> 00:13:35.235
vamos a decirlo así, organológico 
o del cuerpo humano 

246
00:13:35.285 --> 00:13:37.900
como conjunto, es capaz de 
intervenir directamente, 

247
00:13:38.340 --> 00:13:42.840
modificarlo, transformarlo, 
mejorarlo, fijamos entre comillas. 

248
00:13:43.470 --> 00:13:45.625
Mejorarlo teniendo en cuenta que 
es un concepto relativo. 

249
00:13:45.675 --> 00:13:47.290
Así que, por mencionar alguna.

250
00:13:47.470 --> 00:13:50.530
La compañía Synchron 
fabrica Stendroth, 

251
00:13:50.650 --> 00:13:54.685
una neuroprótesis motora con 
potencial tanto terapéutico 

252
00:13:54.735 --> 00:13:55.555
como de mejora.

253
00:13:55.605 --> 00:13:58.245
Ha logrado resolver un problema 
endovascular 

254
00:13:58.295 --> 00:14:01.405
mediante la incorporación de 
electrodos implantados 

255
00:14:01.455 --> 00:14:05.390
en una zona cerebral que se conoce 
como el sinus sagital superior. 

256
00:14:05.980 --> 00:14:08.175
El procedimiento se aplicó 
a cinco pacientes 

257
00:14:08.225 --> 00:14:11.805
con parálisis severa bilateral 
de miembros superiores, 

258
00:14:11.855 --> 00:14:14.215
cuatro con esclerosis 
lateral amiotráfica 

259
00:14:14.265 --> 00:14:16.240
y uno con esclerosis 
lateral primaria, 

260
00:14:16.340 --> 00:14:20.195
utilizando una técnica mínimamente 
invasiva mediante acceso 

261
00:14:20.245 --> 00:14:22.600
por la vena yugular.

262
00:14:23.150 --> 00:14:25.265
Así, por ejemplo, también 
la terapia genética 

263
00:14:25.315 --> 00:14:27.835
ha logrado tratar y modificar 
rasgos que, 

264
00:14:27.885 --> 00:14:31.105
aunque fundamentalmente físicos, 
tienen representaciones emocionales 

265
00:14:31.155 --> 00:14:32.090
y cognitivas.

266
00:14:32.310 --> 00:14:35.635
Estas intervenciones buscan 
tratar, prevenir o curar, 

267
00:14:35.685 --> 00:14:39.065
mediante la corrección de 
alteraciones genéticas subyacentes, 

268
00:14:39.115 --> 00:14:40.290
ya sean hereditarias,

269
00:14:40.350 --> 00:14:43.190
como la hemofilia o la 
anemia falciforme. 

270
00:14:43.630 --> 00:14:46.085
O adquiridas, como determinadas 
leucemias. 

271
00:14:46.135 --> 00:14:47.445
En la Unión Europea

272
00:14:47.495 --> 00:14:50.650
se han aprobado terapias como 
la llamada aboretigene, 

273
00:14:50.810 --> 00:14:55.510
nevoparkbeck, luxturna, para 
la distrofia retinal, 

274
00:14:55.590 --> 00:15:00.590
y la osemnogene, abporvabaseck, 
o llamado también zolgesma, 

275
00:15:03.390 --> 00:15:05.310
para la atrofia muscular espinal.

276
00:15:05.610 --> 00:15:09.205
Bueno, debemos utilizar claramente 
la terminología científica, 

277
00:15:09.255 --> 00:15:11.235
porque efectivamente, por otra parte,

278
00:15:11.285 --> 00:15:13.326
es la manera más correcta 
de referirse a eso. 

279
00:15:13.490 --> 00:15:17.145
Lo que esto conlleva son memorias 
en el funcionamiento 

280
00:15:17.195 --> 00:15:22.030
de determinadas zonas cerebrales con 
repercusiones en la cognición. 

281
00:15:22.230 --> 00:15:26.565
Algunas de estas, por ejemplo, se 
logran mediante implantes, 

282
00:15:26.615 --> 00:15:30.425
es decir, la situación, la 
colocación mediante las técnicas 

283
00:15:30.475 --> 00:15:35.450
que antes he aludido de determinados 
chips o elementos que en ese sentido 

284
00:15:37.210 --> 00:15:40.505
emiten señales que son recibidas 
fuera por determinados 

285
00:15:40.555 --> 00:15:42.150
tipos de aparatos y codificadas.

286
00:15:42.600 --> 00:15:46.300
Voy a referirme a un 
caso muy singular. 

287
00:15:46.580 --> 00:15:49.340
El investigador británico 
Kevin Warwick, 

288
00:15:49.540 --> 00:15:52.340
cuyo objetivo es convertirse 
en el primer cyborg, 

289
00:15:52.500 --> 00:15:55.115
llevó a cabo experimentos 
sobre sí mismo 

290
00:15:55.165 --> 00:15:59.565
mediante la implantación de 
microelectrodos en fibras nerviosas, 

291
00:15:59.615 --> 00:16:03.900
logrando una funcionalidad 
bidireccional, es decir, 

292
00:16:04.040 --> 00:16:06.915
de dentro de su cerebro 
a fuera de su cuerpo 

293
00:16:06.965 --> 00:16:10.740
y de fuera de su cuerpo a 
dentro de su cerebro. 

294
00:16:11.270 --> 00:16:12.326
Con tales resultados.

295
00:16:12.430 --> 00:16:16.165
Primero, la incorporación de 
un input extrasensorial 

296
00:16:16.215 --> 00:16:17.310
vía ultrasonica.

297
00:16:17.490 --> 00:16:22.225
Dos, esto permitió un control 
extendido de una mano robótica 

298
00:16:22.275 --> 00:16:26.685
mediante internet con feedback de 
los toques de los dedos robóticos 

299
00:16:26.735 --> 00:16:30.485
devueltos con estimulación neural 
para dar sentido de fuerza 

300
00:16:30.535 --> 00:16:31.890
aplicada a un objeto.

301
00:16:32.210 --> 00:16:35.125
Es decir, se está refiriendo 
a que desde el cerebro 

302
00:16:35.175 --> 00:16:39.710
movía una mano robótica con los 
dedos con sensibilidad. 

303
00:16:40.440 --> 00:16:43.955
Tercero, una forma primitiva de 
comunicación telegráfica 

304
00:16:44.005 --> 00:16:46.760
se logró entre los sistemas 
nerviosos de dos humanos, 

305
00:16:46.920 --> 00:16:49.020
de Warwick y de su mujer.

306
00:16:49.940 --> 00:16:52.335
De esta manera, Warwick en particular

307
00:16:52.385 --> 00:16:57.360
por sí mismo logró conducir por 
medio de señales neurales 

308
00:16:57.620 --> 00:16:59.140
un sillón con ruedas.

309
00:16:59.780 --> 00:17:03.455
Modificó el color de la 
bisutería de un tipo 

310
00:17:03.505 --> 00:17:08.480
determinado de adorno y la conducta 
de una colección de pequeños robots 

311
00:17:09.400 --> 00:17:12.819
utilizando señales neurales.

312
00:17:13.420 --> 00:17:16.334
Hay otros ejemplos descritos 
en los informes 

313
00:17:16.385 --> 00:17:19.420
a los que nos hemos referido, 
hay uno también del 2005, 

314
00:17:20.060 --> 00:17:23.275
y son numerosos los proyectos 
en marcha que hemos traído 

315
00:17:23.324 --> 00:17:23.954
en un anexo,

316
00:17:24.005 --> 00:17:27.615
pero que no los vamos a referir 
porque es muy largo, 

317
00:17:27.665 --> 00:17:30.545
es decir, la Unión Europea, 
pues todos los años, 

318
00:17:30.595 --> 00:17:32.975
mediante sus programas de apoyo 
a la investigación, 

319
00:17:33.025 --> 00:17:35.835
está aprobando determinados 
tipos de trabajos, 

320
00:17:35.885 --> 00:17:38.060
siempre y cuando superen 
los comités de ética. 

321
00:17:39.040 --> 00:17:43.155
Son muchos y además algunos de estos 
ejemplos que hemos puesto incluso 

322
00:17:43.205 --> 00:17:46.320
son proyectos que se desarrollan 
durante mucho tiempo. 

323
00:17:46.380 --> 00:17:48.715
Esto que acabamos de describir 
seguramente ahora está 

324
00:17:48.765 --> 00:17:52.015
en un estadio muchísimo más 
evolucionado de desarrollo 

325
00:17:52.065 --> 00:17:54.635
porque han pasado a lo mejor 
cuatro o cinco años 

326
00:17:54.685 --> 00:17:56.280
y está en una segunda etapa.

327
00:17:56.640 --> 00:17:58.935
Y volviendo a la clave antropológica,

328
00:17:58.985 --> 00:18:02.620
¿qué rasgos presenta esta sociedad 
o esta cultura de la mejora? 

329
00:18:03.680 --> 00:18:05.595
Bueno, hemos estado viendo, 
y la verdad 

330
00:18:05.645 --> 00:18:09.240
que puede resultar abrumador todo 
este conjunto de casos, 

331
00:18:09.500 --> 00:18:13.400
pero sí que es útil que nos 
hayamos referido a él, 

332
00:18:13.460 --> 00:18:16.575
y no solo son sugerentes, sino 
que además nos hace pensar 

333
00:18:16.625 --> 00:18:19.700
en algunas otras aproximaciones 
de tipo ético. 

334
00:18:19.800 --> 00:18:21.815
Y también otra cuestión central

335
00:18:21.865 --> 00:18:26.035
ya aludida acerca de la distinción 
entre fines terapéuticos 

336
00:18:26.085 --> 00:18:29.180
y de mejora, que conlleva un 
planteamiento, digamos, 

337
00:18:29.240 --> 00:18:30.480
más de base.

338
00:18:31.240 --> 00:18:33.962
Lo primero es que esta distinción, 
como venimos diciendo, 

339
00:18:34.120 --> 00:18:34.755
es relativa.

340
00:18:34.805 --> 00:18:37.560
Es relativa en términos concretos 
porque depende, 

341
00:18:37.820 --> 00:18:39.660
como vemos, del contexto.

342
00:18:39.860 --> 00:18:42.740
Cuando se ponen implantes 
como unos pies, 

343
00:18:42.820 --> 00:18:46.015
podrían ser solo de sustitución 
porque esta persona 

344
00:18:46.065 --> 00:18:49.120
tiene amputados los pies y 
se le ponen otros pies. 

345
00:18:49.280 --> 00:18:51.155
Sin embargo, cuando el MIT

346
00:18:51.205 --> 00:18:55.515
proporciona unos pies capaces 
de de hacer cosas 

347
00:18:55.565 --> 00:18:57.615
que otros pies biológicos no harían,

348
00:18:57.665 --> 00:19:02.640
como saltar con más altura sobre 
relieves como piedras puntiagudas 

349
00:19:03.040 --> 00:19:05.160
o una superficie muy regular,

350
00:19:05.260 --> 00:19:08.555
ya no estamos hablando solamente 
de terapia, 

351
00:19:08.605 --> 00:19:10.785
sino que estaríamos hablando 
de mejora. 

352
00:19:10.835 --> 00:19:12.635
Sucede también con otro ejemplo

353
00:19:12.685 --> 00:19:16.375
y es que se le pueden poner unos 
pies que le permitan andar 

354
00:19:16.425 --> 00:19:18.100
por la nieve sin deslizarse.

355
00:19:18.160 --> 00:19:21.460
Como vemos, estos límites o 
esta distinción entre. 

356
00:19:22.110 --> 00:19:24.765
Fines terapéuticos y de menoras 
son muy relativos. 

357
00:19:24.815 --> 00:19:26.325
Estamos hablando de casos reales.

358
00:19:26.375 --> 00:19:30.365
Lo que Sara está aludiendo 
es a un investigador 

359
00:19:30.415 --> 00:19:35.390
que está adscrito al Instituto 
Tecnológico de Massachusetts, 

360
00:19:36.450 --> 00:19:41.045
empleando los recursos del instituto 
y grandes equipos 

361
00:19:41.095 --> 00:19:43.030
de investigación sobre sí mismo.

362
00:19:43.290 --> 00:19:45.550
Ha logrado fabricar pies.

363
00:19:47.020 --> 00:19:51.195
Que están dando resultados 
mucho más eficaces 

364
00:19:51.245 --> 00:19:52.755
que los propios periódicos,

365
00:19:52.805 --> 00:19:57.780
por ejemplo, con capacidad de mover 
se en superficies deslizantes 

366
00:19:58.660 --> 00:20:01.100
o, como estaba hablando 
Sara anteriormente, 

367
00:20:01.260 --> 00:20:04.560
superficies enormemente difíciles 
de mantener la estabilidad. 

368
00:20:05.420 --> 00:20:08.295
Por otro lado, el caso de la mejora 
también es relativa, 

369
00:20:08.345 --> 00:20:13.035
porque se asienta en la existencia 
de una supuesta normalidad 

370
00:20:13.085 --> 00:20:14.300
a la hora de formularla.

371
00:20:14.360 --> 00:20:17.135
Es decir, es una normalidad 
que se atribuye 

372
00:20:17.185 --> 00:20:19.740
a un sujeto social que no es 
un individuo concreto, 

373
00:20:19.800 --> 00:20:23.320
sino una población o, más genérico, 
la especie humana. 

374
00:20:24.720 --> 00:20:27.155
Lo que pasa es que desde 
antropología ya sabemos 

375
00:20:27.205 --> 00:20:29.875
que las capacidades de las 
poblaciones pueden variar 

376
00:20:29.925 --> 00:20:32.975
y que esa variación puede 
estar atribuida tanto 

377
00:20:33.025 --> 00:20:36.975
a las cargas genéticas como a 
las respuestas adaptativas 

378
00:20:37.025 --> 00:20:41.360
a los distintos medioambientes, 
contextos, causas sociales, 

379
00:20:41.620 --> 00:20:44.860
etc., donde esas poblaciones han 
logrado una reproducción. 

380
00:20:45.490 --> 00:20:49.505
Incrementada o sostenida, y también 
las capacidades que son 

381
00:20:49.555 --> 00:20:52.725
tomadas como normales en unas 
determinadas condiciones 

382
00:20:52.775 --> 00:20:55.610
y sociedades pueden resultar 
extraordinarias en otras. 

383
00:20:55.970 --> 00:20:59.705
A menudo hemos dicho antes ya 
que normalidad y naturaleza 

384
00:20:59.755 --> 00:21:00.550
se confunden,

385
00:21:00.630 --> 00:21:04.845
como bien apuntan algunos clásicos 
ya antropólogos como Marcel Mauss 

386
00:21:04.895 --> 00:21:06.926
cuando habla sobre las 
técnicas del cuerpo, 

387
00:21:07.380 --> 00:21:10.235
y muestra cómo andar, 
dormir o dar a luz 

388
00:21:10.285 --> 00:21:14.280
son habilidades aprendidas y 
culturalmente configuradas. 

389
00:21:14.360 --> 00:21:17.295
Pero, por ejemplo, Marilyn Stratham 
en The Gender of 

390
00:21:17.345 --> 00:21:20.255
the Gift mostraba cómo en 
contextos melanesios 

391
00:21:20.305 --> 00:21:23.475
las categorías de lo masculino y 
lo femenino no se organizan 

392
00:21:23.525 --> 00:21:26.015
como atributos biológicos 
fijos de individuos, 

393
00:21:26.065 --> 00:21:28.075
sino como relaciones que se componen,

394
00:21:28.125 --> 00:21:31.220
que se descomponen, en función 
de intercambios sociales, 

395
00:21:31.400 --> 00:21:34.455
de modo que una persona puede 
incorporar elementos masculinos 

396
00:21:34.505 --> 00:21:36.880
y femeninos simultáneamente 
según el contexto. 

397
00:21:37.380 --> 00:21:40.260
Esto, estos ejemplos que 
proporcionamos aquí, 

398
00:21:40.340 --> 00:21:40.995
estos desarrollos,

399
00:21:41.045 --> 00:21:44.475
cuestionan directamente la idea de 
una diferencia sexual universal 

400
00:21:44.525 --> 00:21:46.120
basada en la naturaleza.

401
00:21:46.300 --> 00:21:49.695
También los desarrollos de Ingol, 
anteriormente citados, 

402
00:21:49.745 --> 00:21:51.775
plantean que las capacidades humanas

403
00:21:51.825 --> 00:21:54.015
no son propiedades internas 
del organismo, 

404
00:21:54.065 --> 00:21:56.795
sino que van emergiendo en 
procesos de aprendizaje 

405
00:21:56.845 --> 00:21:59.275
y de implicación práctica 
con el entorno, 

406
00:21:59.325 --> 00:22:02.140
en lo que él denomina una 
ecología de la vida, 

407
00:22:02.200 --> 00:22:03.925
que está basada en el habitar,

408
00:22:03.975 --> 00:22:04.520
en el hacer.

409
00:22:05.210 --> 00:22:05.845
Así, por ejemplo,

410
00:22:05.895 --> 00:22:08.426
muestra cómo la habilidad de 
orientarse en el espacio, 

411
00:22:08.530 --> 00:22:10.810
de seguir rastros, de desplazarse,

412
00:22:10.950 --> 00:22:14.265
no depende de facultades 
innatas universales, 

413
00:22:14.315 --> 00:22:17.575
de capacidades biológicas 
ni innatas universales, 

414
00:22:17.625 --> 00:22:21.445
sino de una educación perceptiva, 
progresiva y en relación 

415
00:22:21.495 --> 00:22:22.250
con el medio.

416
00:22:22.470 --> 00:22:27.330
Pasa lo mismo con otras actividades 
como caminar, diría también Ingold. 

417
00:22:27.980 --> 00:22:32.675
En esta medida, podríamos pensar 
que el concepto de mejora 

418
00:22:32.725 --> 00:22:36.235
debería estar filtrado también por 
el concepto de diversidad 

419
00:22:36.285 --> 00:22:39.880
y hay no tantos datos 
en este sentido. 

420
00:22:40.300 --> 00:22:41.300
Sin embargo,

421
00:22:41.420 --> 00:22:44.455
es esta cuestión de la diversidad 
donde habría 

422
00:22:44.505 --> 00:22:48.195
que adoptar una perspectiva de 
aproximación a todo este conjunto 

423
00:22:48.245 --> 00:22:52.175
de prácticas que hemos puesto de 
ejemplo de cómo una cultura 

424
00:22:52.225 --> 00:22:57.200
o, si se prefiere, una sociedad 
puede aproximarse a esto de la mejora. 

425
00:22:58.400 --> 00:23:03.100
¿Hay entonces un concepto 
consistente de lo normal o típico de especie? 

426
00:23:03.420 --> 00:23:05.475
Este es uno de los problemas 
centrales 

427
00:23:05.525 --> 00:23:08.460
y además es un problema 
estrictamente antropológico. 

428
00:23:08.780 --> 00:23:13.235
Por una parte, habría que advertir 
que lo que se considera normal 

429
00:23:13.285 --> 00:23:18.260
o típico de especie es en realidad 
un constructo formado 

430
00:23:19.840 --> 00:23:23.475
dentro de lo que es la historia 
del conocimiento tecnológico 

431
00:23:23.525 --> 00:23:25.260
en la sociedad occidental.

432
00:23:26.100 --> 00:23:29.895
En particular, se hizo ya para 
el tratamiento de la higiene 

433
00:23:29.945 --> 00:23:32.015
y de la salud en las sociedades 
modernas 

434
00:23:32.065 --> 00:23:35.840
y se estableció por un 
régimen, diríamos, 

435
00:23:35.920 --> 00:23:39.235
de generación de datos estadísticos,

436
00:23:39.285 --> 00:23:44.055
lo que serían las condiciones de 
salud o los estados de salud 

437
00:23:44.105 --> 00:23:47.860
que corresponderían, dijéramos, 
a la población general. 

438
00:23:48.240 --> 00:23:51.640
Una vez establecido esto, 
se naturalizó. 

439
00:23:52.470 --> 00:23:56.665
Y se le proporcionó en este sentido 
un fundamento científico 

440
00:23:56.715 --> 00:24:01.690
como si esto fuera neutro y con ello 
hubiera quedado definitivamente 

441
00:24:02.870 --> 00:24:05.905
establecido lo que llamaríamos 
la condición humana 

442
00:24:05.955 --> 00:24:08.570
en estos aspectos de 
higiene, de salud, 

443
00:24:08.710 --> 00:24:10.930
de comportamientos básicos.

444
00:24:11.660 --> 00:24:14.975
Una vez realizado esto, lo que 
apareció inmediatamente 

445
00:24:15.025 --> 00:24:19.260
es que socialmente funcionaba en 
realidad como una norma moral, 

446
00:24:19.460 --> 00:24:22.255
no como una norma estadística.

447
00:24:22.305 --> 00:24:23.495
La norma moral

448
00:24:23.545 --> 00:24:28.395
conllevaba que aquellos sectores de 
población o poblaciones enteras 

449
00:24:28.445 --> 00:24:31.135
que no respondían a esos rasgos

450
00:24:31.185 --> 00:24:35.180
medios estadísticamente establecidos 
quedaron en la anormalidad. 

451
00:24:35.830 --> 00:24:38.290
Con el consiguiente estigma.

452
00:24:38.350 --> 00:24:42.145
Esto ha pasado una y otra 
vez en lo que llamamos 

453
00:24:42.195 --> 00:24:45.130
las sociedades modernas, como 
se conoce muy bien, 

454
00:24:45.270 --> 00:24:47.505
pues el estigma de las 
personas gordas, 

455
00:24:47.555 --> 00:24:52.265
el estigma de los deficientes 
en el sentido de la marcha 

456
00:24:52.315 --> 00:24:57.010
y también el estigma de los 
deficientes en la cognición. 

457
00:24:57.910 --> 00:24:59.875
Y en las capacidades de 
la inteligencia, 

458
00:24:59.925 --> 00:25:03.705
que a su vez igualmente fueron 
objeto de medidas estadísticas 

459
00:25:03.755 --> 00:25:06.430
que establecieron que 
era la normalidad. 

460
00:25:06.770 --> 00:25:09.705
Ahí yo creo, Honorio, también 
que es muy importante 

461
00:25:09.755 --> 00:25:13.125
tener en cuenta que lo que 
parece estar asumiendo 

462
00:25:13.175 --> 00:25:17.085
es una representación de la especie 
vinculada a la mejora. 

463
00:25:17.135 --> 00:25:20.545
Quiero decir que la especie 
que se considera común 

464
00:25:20.595 --> 00:25:22.790
está asociada a una idea de.

465
00:25:23.280 --> 00:25:28.280
O algo deficitario que tiene que 
ser continuamente mejorado, 

466
00:25:29.920 --> 00:25:32.425
que tiene que ser continuamente 
completado, 

467
00:25:32.475 --> 00:25:35.100
que requiere de la mejora para 
alcanzar la normalidad. 

468
00:25:35.280 --> 00:25:37.135
Yo creo que eso está muy vinculado

469
00:25:37.185 --> 00:25:40.135
a lo que estaba diciendo 
ahora Honorio, 

470
00:25:40.185 --> 00:25:44.155
porque solamente si se entiende 
así que el cuerpo normal 

471
00:25:44.205 --> 00:25:48.215
es susceptible de mejora, podemos 
entender todos estos énfasis 

472
00:25:48.265 --> 00:25:52.820
en la mejora y en constituir esta 
base común o dominante. 

473
00:25:53.230 --> 00:25:55.010
Sí, efectivamente.

474
00:25:55.190 --> 00:25:57.405
O sea, que el cuerpo del argumento 
se ve claramente, 

475
00:25:57.455 --> 00:26:00.745
por un lado se estableció de una 
manera técnico-científica, 

476
00:26:00.795 --> 00:26:03.510
dijéramos lo que llamaríamos el 
nivel típico de especie, 

477
00:26:03.770 --> 00:26:07.965
y en relación a este, efectivamente, 
se considera la mejora 

478
00:26:08.015 --> 00:26:11.050
en términos relativos, porque 
tanto es mejora, diríamos, 

479
00:26:11.170 --> 00:26:14.730
la posibilidad de alcanzar ese nivel 
todas aquellas personas, 

480
00:26:14.810 --> 00:26:16.610
grupos o individuos que no lo tienen,

481
00:26:16.710 --> 00:26:20.505
como es mejora todos aquellos 
en los que son capaces 

482
00:26:20.555 --> 00:26:22.610
de superar esos niveles medios.

483
00:26:23.010 --> 00:26:25.965
En ese sentido, digamos, la 
mejora está funcionando 

484
00:26:26.015 --> 00:26:29.065
de una manera relativa, 
entendiéndose como relativo siempre 

485
00:26:29.115 --> 00:26:32.310
esta referencia a un supuesto 
nivel medio de especie. 

486
00:26:32.570 --> 00:26:36.425
Esto es muy importante en estas 
cuestiones actuales 

487
00:26:36.475 --> 00:26:38.085
que tienen que ver con 
la mejora humana, 

488
00:26:38.135 --> 00:26:38.888
muy importante.

489
00:26:39.050 --> 00:26:42.150
Tan importante que en ese 
sentido, dijéramos, 

490
00:26:42.210 --> 00:26:45.285
acaban revelando lo que son las 
grandes contradicciones 

491
00:26:45.335 --> 00:26:46.143
de esta sociedad.

492
00:26:46.680 --> 00:26:48.455
En el campo del deporte 
eso es muy visible. 

493
00:26:48.505 --> 00:26:51.780
La sociedad está estimulando 
a superarse. 

494
00:26:51.920 --> 00:26:55.340
El emblema de los Juegos Olímpicos 
es muy explícito. 

495
00:26:55.560 --> 00:26:58.580
Más alto, más lejos, más rápido.

496
00:26:59.390 --> 00:27:01.945
En principio parece haber 
determinados límites, 

497
00:27:01.995 --> 00:27:04.359
los récords se sitúan en una 
determinada posición, 

498
00:27:04.570 --> 00:27:07.585
pero finalmente alguien 
siempre acabó antes. 

499
00:27:07.635 --> 00:27:12.605
Ayer se ha superado la marca del 
maratón por la increíble cifra 

500
00:27:12.655 --> 00:27:14.170
de menos de dos horas.

501
00:27:14.490 --> 00:27:17.885
Así que esta sociedad está metida 
en este impulso de la mejora 

502
00:27:17.935 --> 00:27:20.305
y valora como héroes a 
aquellas personas 

503
00:27:20.355 --> 00:27:23.350
que logran mejorar a todos.

504
00:27:23.550 --> 00:27:26.630
Pero por otra parte está 
situándose en tensión. 

505
00:27:27.550 --> 00:27:30.085
Con una especie, claramente, 
una concepción que es 

506
00:27:30.135 --> 00:27:34.215
claramente moral y legal de cómo 
se consiguen esas mejoras. 

507
00:27:34.265 --> 00:27:37.770
Y el propio deporte es el campo 
más ilustrativo para ello. 

508
00:27:37.870 --> 00:27:41.255
Si esas mejoras se consiguen 
mediante el dopaje, 

509
00:27:41.305 --> 00:27:42.430
son ilícitas.

510
00:27:42.950 --> 00:27:47.510
Solo si se consiguen en condiciones 
que se suponen naturales. 

511
00:27:48.560 --> 00:27:50.095
Entendiendo que en esta naturaleza,

512
00:27:50.145 --> 00:27:52.355
claro que efectivamente es 
que la mejora afecta 

513
00:27:52.405 --> 00:27:53.855
a todo el campo del deporte.

514
00:27:53.905 --> 00:27:57.535
Los utensilios son mejorables, 
la vestimenta, 

515
00:27:57.585 --> 00:28:02.280
el calzado, todo está sometido a una 
mejora tecnológica continua. 

516
00:28:03.170 --> 00:28:07.425
Los que corren ahora las maratones 
están utilizando zapatillas veloces 

517
00:28:07.475 --> 00:28:09.390
que no se utilizaban antes.

518
00:28:09.650 --> 00:28:13.225
Y en este sentido, digamos, este 
concepto de naturalidad, 

519
00:28:13.275 --> 00:28:15.470
como veis, se pierde, se difumina.

520
00:28:15.630 --> 00:28:16.908
¿Cuánto hay de artificial?

521
00:28:17.110 --> 00:28:18.830
¿Cuánto hay de natural en eso?

522
00:28:18.970 --> 00:28:21.485
Esta tensión en la que nos 
somete la sociedad 

523
00:28:21.535 --> 00:28:23.665
a mejorarnos constantemente,

524
00:28:23.715 --> 00:28:26.125
pero a la vez a guardarnos 
los límites, 

525
00:28:26.175 --> 00:28:29.465
es algo característico de eso que 
llamamos la sociedad de la mejora 

526
00:28:29.515 --> 00:28:33.115
y que efectivamente está 
completamente afectando 

527
00:28:33.165 --> 00:28:34.830
a cómo consideramos el futuro.

528
00:28:35.070 --> 00:28:38.810
Como vemos, la sociedad de la mejora 
tiene también sus contradicciones. 

529
00:28:38.910 --> 00:28:41.645
¿Qué críticas se hacen 
de las prácticas 

530
00:28:41.695 --> 00:28:44.950
y de los discursos que legitiman 
la mejora humana? 

531
00:28:45.450 --> 00:28:48.290
Bueno, aquí hay una serie de 
puntos que dan para largo, 

532
00:28:48.390 --> 00:28:51.775
los vamos un poco a simplemente 
apuntar, 

533
00:28:51.825 --> 00:28:54.785
porque darían para cada uno 
para un programa entero, 

534
00:28:54.835 --> 00:28:58.265
pero uno de ellos, por ejemplo, 
que apunta Hügel 

535
00:28:58.315 --> 00:29:00.985
es la posible pérdida 
de dignidad humana 

536
00:29:01.035 --> 00:29:04.350
asociada a la manipulación 
de la naturaleza. 

537
00:29:04.770 --> 00:29:07.265
Habría que ver de qué tipo 
de dignidad humana 

538
00:29:07.315 --> 00:29:11.125
estamos hablando y qué manipulación 
de esta naturaleza humana, 

539
00:29:11.175 --> 00:29:12.650
si se entienden esencialmente.

540
00:29:12.710 --> 00:29:16.285
Porque, como decía Honorio, los 
límites o estas dicotomías 

541
00:29:16.335 --> 00:29:19.015
que nosotros apuntábamos al 
comienzo son difusas, 

542
00:29:19.065 --> 00:29:22.805
pero sí que se apunta a discutir 
qué es esta posible pérdida 

543
00:29:22.855 --> 00:29:26.225
de dignidad asociada a esta 
manipulación genética 

544
00:29:26.275 --> 00:29:28.310
de la naturaleza humana, sobre todo,

545
00:29:28.470 --> 00:29:33.330
o de los diferentes organismos que 
componen la naturaleza humana. 

546
00:29:33.930 --> 00:29:35.045
Otra cuestión importante

547
00:29:35.095 --> 00:29:37.345
sería el riesgo de reducir 
a los seres humanos 

548
00:29:37.395 --> 00:29:41.425
a un conjunto de rasgos susceptibles 
de modificación tecnológica, 

549
00:29:41.475 --> 00:29:44.110
y esto yo creo que sí que es 
sumamente interesante. 

550
00:29:44.690 --> 00:29:48.385
Un punto importante es lo que 
de la mejora se deriva 

551
00:29:48.435 --> 00:29:52.310
en relación con la exclusión social 
y las nuevas divisiones de clase, 

552
00:29:52.590 --> 00:29:56.555
lo intensificando las desigualdades 
y las injusticias existentes. 

553
00:29:56.605 --> 00:29:59.490
No es necesario subrayar demasiado, 
esto es bien evidente. 

554
00:29:59.920 --> 00:30:04.535
Estas divisiones de clase sí se 
logra mejora para unos pocos. 

555
00:30:04.585 --> 00:30:08.755
Es muy posible que el número de 
excluidos sea mucho mayor 

556
00:30:08.805 --> 00:30:09.280
que antes.

557
00:30:10.060 --> 00:30:10.820
Y junto a ello,

558
00:30:10.880 --> 00:30:13.860
también cabría apuntar la amenaza 
a la autonomía individual, 

559
00:30:14.220 --> 00:30:17.420
sobre todo asociada a presiones o 
a formas de coerción social, 

560
00:30:17.640 --> 00:30:22.060
la limitación a las decisiones 
libres o autónomas del individuo. 

561
00:30:22.160 --> 00:30:25.695
Otro punto importante más es el 
impacto que sobre la intimidad, 

562
00:30:25.745 --> 00:30:27.640
la empatía y el bienestar mental,

563
00:30:27.860 --> 00:30:29.760
así como sobre las relaciones 
sociales, 

564
00:30:29.820 --> 00:30:33.060
se deriva de la creciente 
dependencia tecnológica. 

565
00:30:33.440 --> 00:30:35.935
Y otro que estamos experimentando 
actualmente 

566
00:30:35.985 --> 00:30:39.215
es cómo influyen estas tecnologías 
en las estructuras políticas 

567
00:30:39.265 --> 00:30:44.240
y sociales y cuáles son las 
derivadas de todo ello. 

568
00:30:44.580 --> 00:30:47.855
Para finalizar, en realidad 
insistimos una vez 

569
00:30:47.905 --> 00:30:52.615
más en que la deseable mejora 
para toda la humanidad 

570
00:30:52.665 --> 00:30:57.455
está conllevando de hecho un control 
desigual y problemático 

571
00:30:57.505 --> 00:31:02.480
de la tecnología que parece va a 
favorecer más a unos pocos. 

572
00:31:03.200 --> 00:31:05.095
Y yo creo que cada uno 
de estos puntos 

573
00:31:05.145 --> 00:31:08.460
son cuestiones más que, son críticas 
que se vienen haciendo, 

574
00:31:08.640 --> 00:31:12.035
pero sí que son puntos que 
implicarían una reflexión 

575
00:31:12.085 --> 00:31:15.080
y un desarrollo de la investigación.

576
00:31:15.420 --> 00:31:16.680
A eso os invitamos.

577
00:31:16.900 --> 00:31:17.495
Exacto.

578
00:31:17.545 --> 00:31:19.540
De momento no tenemos 
tiempo para más. 

579
00:31:19.600 --> 00:31:21.655
Muchas gracias, Sara Sama 
y Honorio Velasco, 

580
00:31:21.705 --> 00:31:23.955
profesores de Antropología Social 
y Cultural de la UNED. 

581
00:31:24.005 --> 00:31:25.813
Muchísimas gracias por acompañarnos.

582
00:31:25.900 --> 00:31:26.375
Gracias.

583
00:31:26.425 --> 00:31:26.900
Gracias.

584
00:31:31.340 --> 00:31:32.840
Si decimos María Moliner,

585
00:31:32.920 --> 00:31:35.815
todo el mundo reconoce a la autora 
del célebre diccionario 

586
00:31:35.865 --> 00:31:36.675
que lleva su nombre.

587
00:31:36.725 --> 00:31:41.475
Pero si hablamos de Matilde Moliner, 
estamos ante una gran desconocida 

588
00:31:41.525 --> 00:31:43.895
que pudo haber dejado una 
huella imborrable 

589
00:31:43.945 --> 00:31:45.440
en la España del siglo XX.

590
00:31:45.760 --> 00:31:48.740
Sin embargo, apenas se 
recuerda su figura. 

591
00:31:48.960 --> 00:31:51.695
Hoy vamos a conocerla 
dentro de la serie 

592
00:31:51.745 --> 00:31:54.500
dedicada a Gentes del Común 
con Lourdes Nieto. 

593
00:31:57.160 --> 00:31:58.540
Gentes del Común.

594
00:31:59.920 --> 00:32:00.955
Biografías anónimas

595
00:32:01.005 --> 00:32:03.820
y olvidadas de quienes lucharon 
por la democracia. 

596
00:32:10.980 --> 00:32:14.495
Gentes del Común da voz a quienes 
vivieron tiempos decisivos 

597
00:32:14.545 --> 00:32:17.660
desde la descripción y el 
compromiso cotidiano. 

598
00:32:20.950 --> 00:32:22.885
Nos acompañan los profesores 
de Historia Social 

599
00:32:22.935 --> 00:32:24.815
y de el Pensamiento Político 
de la UNED, 

600
00:32:24.865 --> 00:32:27.575
Pilar Mera y Miguel Martorell.

601
00:32:27.625 --> 00:32:28.864
Buenos días, bienvenidos.

602
00:32:28.914 --> 00:32:29.723
Hola, muy buenas.

603
00:32:36.630 --> 00:32:40.885
Matilde Moliner Ruiz fue una mujer 
que pudo haber dejado 

604
00:32:40.935 --> 00:32:43.490
una huella imborrable en la 
España del siglo XX. 

605
00:32:43.670 --> 00:32:45.990
Sin embargo, apenas se 
recuerda su figura. 

606
00:32:46.250 --> 00:32:48.830
Si los apellidos os suenan, bingo.

607
00:32:48.930 --> 00:32:52.470
Era la hermana pequeña de la 
mismísima María Moliner, 

608
00:32:52.630 --> 00:32:54.990
la creadora del célebre diccionario.

609
00:32:55.110 --> 00:32:58.230
Pero Matilde fue mucho más 
que la hermana de. 

610
00:32:58.470 --> 00:33:01.350
Matilde vivió una vida de compromiso 
inquebrantable, 

611
00:33:01.490 --> 00:33:03.625
casi de apostolado, con la educación

612
00:33:03.675 --> 00:33:06.210
y la cultura que merece 
ser recordado. 

613
00:33:06.780 --> 00:33:08.540
Nacida en 1904 en Madrid,

614
00:33:08.820 --> 00:33:11.135
Matilde Moliner creció 
en un hogar liberal 

615
00:33:11.185 --> 00:33:13.695
que contaba con una buena 
posición económica. 

616
00:33:13.745 --> 00:33:16.155
Esto le permitió cursar sus 
estudios primarios 

617
00:33:16.205 --> 00:33:17.980
en la institución libre de enseñanza.

618
00:33:18.220 --> 00:33:21.840
Sin embargo, la vida le tuvo 
preparado un buen contratiempo. 

619
00:33:22.820 --> 00:33:26.135
Padre abandonó a la familia, 
dejándola en una situación económica 

620
00:33:26.185 --> 00:33:26.771
complicada.

621
00:33:26.840 --> 00:33:28.035
Tuvieron que dejar Madrid

622
00:33:28.085 --> 00:33:31.215
y mudarse a Aragón en busca del 
apoyo de la familia materna, 

623
00:33:31.265 --> 00:33:35.655
mas para entonces, eso sí, la 
semilla de la innovación educativa 

624
00:33:35.705 --> 00:33:37.540
ya había germinado en su mentalidad.

625
00:33:37.740 --> 00:33:41.035
A pesar de las nuevas dificultades 
económicas, Matilde 

626
00:33:41.085 --> 00:33:43.560
estudió bachillerato en el 
Instituto de Valladolid. 

627
00:33:44.190 --> 00:33:47.645
Después, ella, su hermano Enrique 
y su hermana María 

628
00:33:47.695 --> 00:33:50.935
se organizaron para examinarse por 
turnos en la universidad, 

629
00:33:50.985 --> 00:33:53.670
pues no podían pagar todas las 
tasas de matrícula a la vez. 

630
00:33:54.070 --> 00:33:56.925
Este empeño fue consecuencia 
del esfuerzo 

631
00:33:56.975 --> 00:33:58.205
y los sacrificios de su madre,

632
00:33:58.255 --> 00:34:01.210
que aunque esto no fuera lo habitual 
en aquellos años, 

633
00:34:01.310 --> 00:34:04.265
comprendió las múltiples 
posibilidades profesionales 

634
00:34:04.315 --> 00:34:06.850
que un título universitario 
habría para sus hijas. 

635
00:34:07.840 --> 00:34:08.315
Al final,

636
00:34:08.365 --> 00:34:11.534
Matilde inició sus estudios 
universitarios en Valencia 

637
00:34:11.585 --> 00:34:15.355
y se licenció en el curso 1924-1925

638
00:34:15.405 --> 00:34:19.399
en la Facultad de Filosofía y Letras 
de la Universidad de Zaragoza 

639
00:34:20.379 --> 00:34:20.855
.
640
00:34:20.905 --> 00:34:23.395
El resultado, unas calificaciones 
brillantes 

641
00:34:23.445 --> 00:34:25.919
y el premio extraordinario de 
la sección de Historia. 

642
00:34:26.080 --> 00:34:27.375
Nada más terminar la carrera,

643
00:34:27.425 --> 00:34:29.659
empezó a trabajar en la 
enseñanza secundaria, 

644
00:34:29.760 --> 00:34:31.075
una lección muy habitual

645
00:34:31.125 --> 00:34:33.115
entre las mujeres historiadoras 
de la época, 

646
00:34:33.165 --> 00:34:36.100
que tenían muy difícil acceder al 
profesorado universitario. 

647
00:34:36.419 --> 00:34:38.740
Impartió clases en institutos 
de Calatayud, 

648
00:34:39.020 --> 00:34:41.940
Requena, Murcia, Talavera 
de la Reina y Madrid, 

649
00:34:42.159 --> 00:34:45.514
donde desde el curso 1933-1934

650
00:34:45.565 --> 00:34:48.760
su nombre quedó ligado al 
prestigioso Instituto Cervantes. 

651
00:34:49.020 --> 00:34:51.679
Allí compartió docencia 
con Antonio Machado 

652
00:34:51.889 --> 00:34:52.722
o María Zambrano.

653
00:34:53.129 --> 00:34:56.165
Compatibilizó estos primeros 
trabajos con el inicio de su tesis doctoral 

654
00:34:56.215 --> 00:34:57.530
en la Universidad Central.

655
00:34:57.770 --> 00:35:00.765
La dirigió el célebre historiador 
Rafael Altamira 

656
00:35:00.815 --> 00:35:03.745
y su tesis basaba sobre la 
intervención de Inglaterra 

657
00:35:03.795 --> 00:35:06.065
en la independencia de las colonias 
hispanoamericanas. 

658
00:35:06.115 --> 00:35:10.465
En 1932 consiguió una beca de la 
Junta para la Ampliación de Estudios 

659
00:35:10.515 --> 00:35:13.430
para pasar diez meses en Francia 
e Inglaterra investigando. 

660
00:35:14.480 --> 00:35:17.180
No llegó a disfrutar de esta 
beca ni pudo doctorarse, 

661
00:35:17.320 --> 00:35:19.015
aunque nunca renunció 
a la investigación 

662
00:35:19.065 --> 00:35:21.680
y siguió investigando durante 
toda su vida. 

663
00:35:21.800 --> 00:35:25.115
En los años 50 y 60 publicó 
una veintena de artículos 

664
00:35:25.165 --> 00:35:25.807
sobre el tema.

665
00:35:26.820 --> 00:35:29.135
Matilde no siguió la carrera 
universitaria, 

666
00:35:29.185 --> 00:35:32.535
entre otros motivos, porque decidió 
comprometerse a fondo 

667
00:35:32.585 --> 00:35:34.838
con los vientos de cambio 
que trajo la República. 

668
00:35:35.080 --> 00:35:38.515
Ferviente liberal y republicana, 
se implicó hasta el tuétano 

669
00:35:38.565 --> 00:35:40.540
en la política cultural 
del nuevo régimen. 

670
00:35:41.220 --> 00:35:43.815
No dejó del todo la investigación, 
pero sí tuvo claro 

671
00:35:43.865 --> 00:35:46.895
que el estudio sobre la 
independencia de las repúblicas iberoamericanas 

672
00:35:46.945 --> 00:35:47.680
podía esperar.

673
00:35:47.880 --> 00:35:50.040
La transformación del país, no.

674
00:35:50.440 --> 00:35:52.995
Desde un primer momento participó 
en el proyecto 

675
00:35:53.045 --> 00:35:54.399
de las misiones pedagógicas.

676
00:35:54.449 --> 00:35:56.615
De hecho, fue una de las creadoras

677
00:35:56.665 --> 00:35:58.435
de las primeras bibliotecas 
circulantes, 

678
00:35:58.485 --> 00:36:01.345
en cuya organización y selección 
de libros participó, 

679
00:36:01.395 --> 00:36:05.395
trabajando codo a codo, de nuevo, 
con Antonio Machado 

680
00:36:05.445 --> 00:36:06.940
o con el poeta Luis Cernuda.

681
00:36:07.890 --> 00:36:10.805
Recorrió con las misiones los 
pueblos de las provincias de Murcia, 

682
00:36:10.855 --> 00:36:12.870
Toledo, Guadalajara o Madrid.

683
00:36:13.130 --> 00:36:14.210
En estos años,

684
00:36:14.350 --> 00:36:18.265
además, fue vicesecretaria del 
Patronato de las Misiones Pedagógicas 

685
00:36:18.315 --> 00:36:20.410
y de la Junta para la Ampliación 
de Estudios 

686
00:36:21.250 --> 00:36:21.725
.
687
00:36:21.775 --> 00:36:23.685
Durante la Guerra Civil se 
trasladó a Valencia 

688
00:36:23.735 --> 00:36:25.830
y dirigió la biblioteca 
de su universidad. 

689
00:36:26.000 --> 00:36:28.275
Esta implicación en la política 
cultural republicana 

690
00:36:28.325 --> 00:36:30.395
y su vinculación con el entorno 
de la institución libre 

691
00:36:30.445 --> 00:36:33.040
de enseñanza le pasaron factura 
durante el franquismo. 

692
00:36:33.520 --> 00:36:36.515
Tras la guerra, fue acusada 
por ser republicana 

693
00:36:36.565 --> 00:36:37.318
y de izquierdas.

694
00:36:37.640 --> 00:36:39.680
Depurada de la enseñanza 
e inhabilitada, 

695
00:36:39.760 --> 00:36:42.155
no pudo volver a la docencia 
hasta 1941 

696
00:36:42.205 --> 00:36:46.220
y solo lo dejó desde Madrid, en 
un instituto de Benicarlo. 

697
00:36:46.280 --> 00:36:48.400
Poco después, se mudó a Almería,

698
00:36:48.460 --> 00:36:50.682
donde estaba su marido Juan 
Arevalo y Cárdenas, 

699
00:36:50.740 --> 00:36:52.573
con quien se casó durante 
la República. 

700
00:36:53.280 --> 00:36:55.340
No pudo regresar a Madrid 
hasta los años 50, 

701
00:36:55.640 --> 00:36:58.362
cuando fue readmitida de nuevo 
en el Instituto Cervantes. 

702
00:36:58.520 --> 00:37:03.235
Allí ocupó la cátedra de Historia 
desde 1952 hasta su jubilación 

703
00:37:03.285 --> 00:37:04.340
en 1974.

704
00:37:05.320 --> 00:37:07.235
La trayectoria de Matilde Moliner

705
00:37:07.285 --> 00:37:09.875
es un ejemplo claro de compromiso 
y dedicación, 

706
00:37:09.925 --> 00:37:12.475
y refleja cómo las mujeres 
de su generación, 

707
00:37:12.525 --> 00:37:15.175
a pesar de las adversidades, 
a pesar de la guerra 

708
00:37:15.225 --> 00:37:17.975
y la posterior represión franquista, 
lograron abrirse camino 

709
00:37:18.025 --> 00:37:21.100
y dejar un legado fundamental 
en la historia de España. 

710
00:37:28.300 --> 00:37:31.740
La historia se apaga por hoy, pero 
sus voces siguen resonando. 

711
00:37:31.820 --> 00:37:34.495
Hoy hemos podido conocer 
a Matilde Moliner 

712
00:37:34.545 --> 00:37:36.840
y su compromiso por la educación 
y la cultura, 

713
00:37:37.020 --> 00:37:41.260
una vida recuperada por Alejandro 
Camino de la Universidad de Sevilla. 

714
00:37:41.340 --> 00:37:42.594
Hasta el próximo programa,

715
00:37:42.644 --> 00:37:44.555
muchas gracias Miguel Martorell 
y Pilar Mera. 

716
00:37:44.605 --> 00:37:45.080
Gracias.

717
00:37:54.330 --> 00:37:58.345
¿Pueden los números y las 
matemáticas ayudarnos en algo tan poco abstracto 

718
00:37:58.395 --> 00:38:01.905
como gestionar con acierto y 
eficacia los recursos humanos 

719
00:38:01.955 --> 00:38:02.670
de una empresa?

720
00:38:02.950 --> 00:38:07.585
La ciencia de datos y la estadística 
se alían para facilitar el trabajo 

721
00:38:07.635 --> 00:38:10.725
de aquellos que deben gestionar 
el material más delicado 

722
00:38:10.775 --> 00:38:12.890
de cualquier empresa, las personas.

723
00:38:13.750 --> 00:38:16.165
Clara Gómez entrevista 
a los responsables 

724
00:38:16.215 --> 00:38:19.015
del Master en People Analytics 
de la UNED, 

725
00:38:19.065 --> 00:38:21.665
que este año incorpora como novedad

726
00:38:21.715 --> 00:38:24.750
el uso de la IA en la gestión 
de los recursos humanos. 

727
00:38:27.190 --> 00:38:30.425
Cuando los responsables de los 
departamentos de recursos humanos 

728
00:38:30.475 --> 00:38:34.250
de una empresa tienen que 
enfrentarse a una selección de personal, 

729
00:38:34.610 --> 00:38:38.225
motivar al que ya tienen para 
evitar la fuga de talento 

730
00:38:38.275 --> 00:38:42.145
o buscar estrategias para conseguir 
que cada miembro de la empresa 

731
00:38:42.195 --> 00:38:45.145
esté en el puesto más apropiado 
para su perfil, 

732
00:38:45.195 --> 00:38:47.610
deben considerarse multitud 
de variables. 

733
00:38:48.010 --> 00:38:50.930
¿Cómo manejarla sin morir 
en el intento? 

734
00:38:51.510 --> 00:38:54.765
Bueno, pues parece que la ciencia 
de datos y la estadística 

735
00:38:54.815 --> 00:38:57.070
pueden ser herramientas muy útiles.

736
00:38:57.210 --> 00:38:58.785
Y aquí en la UNED,

737
00:38:58.835 --> 00:39:01.625
en la Facultad de Ciencias 
Económicas y Empresariales, 

738
00:39:01.675 --> 00:39:05.445
ya habían detectado la necesidad 
de formación en este terreno. 

739
00:39:05.495 --> 00:39:10.070
Así que pusieron en marcha un máster 
en analítica de recursos humanos, 

740
00:39:10.310 --> 00:39:14.050
lo que en la jerga del sector se 
conoce por su nombre en inglés, 

741
00:39:14.250 --> 00:39:15.139
People Analytics.

742
00:39:18.580 --> 00:39:21.760
Hoy nos acompañan en el estudio 
Pedro Cortiñas Vázquez, 

743
00:39:21.940 --> 00:39:24.475
profesor de Economía Aplicada 
en la UNED y director 

744
00:39:24.525 --> 00:39:27.620
del Máster de People Analytics 
de nuestra universidad. 

745
00:39:27.760 --> 00:39:28.600
¿Qué tal, Pedro?

746
00:39:28.740 --> 00:39:30.035
Bienvenido a Sin Distancias.

747
00:39:30.085 --> 00:39:30.560
Buenos.

748
00:39:30.680 --> 00:39:34.215
Bueno, Rocío Martínez, doctora 
en Ciencia de Datos, 

749
00:39:34.265 --> 00:39:37.940
licenciada en Matemáticas 
y CEO de Analyticae, 

750
00:39:38.060 --> 00:39:40.680
compañía especializada en 
analítica avanzada, 

751
00:39:40.860 --> 00:39:43.255
ciencia de datos e inteligencia 
artificial 

752
00:39:43.305 --> 00:39:44.980
aplicada a negocio.

753
00:39:45.100 --> 00:39:47.020
Buenos días, Rocío, bienvenida.

754
00:39:47.100 --> 00:39:48.489
Buenos días, muchas gracias.

755
00:39:48.580 --> 00:39:51.260
También contamos con Julián 
Gómez Cuadrado, 

756
00:39:51.380 --> 00:39:54.795
ingeniero informático, socio 
también de Analyticae 

757
00:39:54.845 --> 00:39:59.715
y especialista en analítica 
avanzada, big data, machine learning 

758
00:39:59.765 --> 00:40:03.605
e inteligencia artificial aplicada 
a proyectos empresariales. 

759
00:40:03.655 --> 00:40:05.862
Hola Julián, bienvenido a 
este Tiempo de Radio. 

760
00:40:06.120 --> 00:40:07.625
Muchas gracias Clara, encantado.

761
00:40:07.675 --> 00:40:11.725
Debo añadir que Rocío y Julián 
forman además parte del claustro 

762
00:40:11.775 --> 00:40:15.150
del Máster en People Analytics e 
Inteligencia Artificial de la UNED, 

763
00:40:15.210 --> 00:40:18.165
aportando la visión práctica 
y empresarial 

764
00:40:18.215 --> 00:40:20.750
de la aplicación de los datos 
y la tecnología. 

765
00:40:21.190 --> 00:40:24.365
Pedro, empezamos contigo, que 
eres el director del Máster 

766
00:40:24.415 --> 00:40:26.470
y además profesor también 
aquí en la UNED. 

767
00:40:26.570 --> 00:40:29.665
¿Qué novedades tiene este año el 
Máster en People Analytics 

768
00:40:29.715 --> 00:40:31.810
con respecto a años anteriores?

769
00:40:32.210 --> 00:40:35.470
Esta es la octava edición que 
vamos a hacer del Máster. 

770
00:40:36.100 --> 00:40:38.615
Y como no, la irrupción de la IA

771
00:40:38.665 --> 00:40:42.300
en nuestra vida es tan potente que 
ya detectamos el año anterior, 

772
00:40:42.400 --> 00:40:43.235
en la edición anterior,

773
00:40:43.285 --> 00:40:45.745
como la gente empezaba a usar 
masivamente la IA, 

774
00:40:45.795 --> 00:40:50.195
pero en algún sentido el uso de la 
IA yo creo que hay que también 

775
00:40:50.245 --> 00:40:52.200
formarlo, dar una formación 
a ese uso. 

776
00:40:52.340 --> 00:40:54.815
Tienes que ser tú el que utilices 
la IA y no la IA 

777
00:40:54.865 --> 00:40:55.715
la que te utiliza a ti.

778
00:40:55.765 --> 00:40:57.855
Y esa es la intención, 
introducir la IA 

779
00:40:57.905 --> 00:41:01.120
dentro de los flujos de trabajo que 
estamos elaborando en el máster. 

780
00:41:01.680 --> 00:41:03.575
Rocío, nos gustaría que 
nos explicaras 

781
00:41:03.625 --> 00:41:05.655
qué es lo que se entiende 
por People Analytics 

782
00:41:05.705 --> 00:41:07.600
y sobre todo para qué sirve.

783
00:41:07.720 --> 00:41:09.715
Bueno, People Analytics en realidad

784
00:41:09.765 --> 00:41:13.795
lo que incluye es la aplicación 
de los análisis de datos 

785
00:41:13.845 --> 00:41:15.275
y de la estadística,

786
00:41:15.325 --> 00:41:19.200
pero utilizando datos basados en 
temas de recursos humanos. 

787
00:41:19.620 --> 00:41:22.495
Entonces, hasta ahora los 
departamentos de recursos humanos 

788
00:41:22.545 --> 00:41:25.535
que no han basado sus decisiones 
en los datos lo hacían 

789
00:41:25.585 --> 00:41:27.235
porque conocen muy bien 
a sus empleados, 

790
00:41:27.285 --> 00:41:29.427
conocen muy bien el negocio 
en el que trabajan. 

791
00:41:29.870 --> 00:41:32.259
Y People Analytics no viene 
a eliminar ese trabajo, 

792
00:41:32.410 --> 00:41:34.785
viene realmente a darles 
una visión objetiva 

793
00:41:34.835 --> 00:41:37.370
que complementa a ese conocimiento 
de su negocio. 

794
00:41:37.470 --> 00:41:41.590
Realmente eso es People Analytics, 
utilizar todas estas técnicas, 

795
00:41:41.650 --> 00:41:44.625
matemáticas, estadísticas 
y ahora la introducción 

796
00:41:44.675 --> 00:41:47.145
de inteligencia artificial para 
automatizar y ayudarles 

797
00:41:47.195 --> 00:41:49.185
y darles herramientas que 
faciliten su día a día. 

798
00:41:49.235 --> 00:41:50.377
Eso es People Analytics.

799
00:41:50.980 --> 00:41:54.135
Pedro, entiendo que habéis visto 
la necesidad de formar 

800
00:41:54.185 --> 00:41:58.045
a los directores de recursos humanos 
en el uso de esta nueva herramienta, 

801
00:41:58.095 --> 00:42:01.140
pero ¿a quién más va dirigido 
este máster? 

802
00:42:01.420 --> 00:42:04.395
Bueno, evidentemente lo 
natural e inicial 

803
00:42:04.445 --> 00:42:07.275
es directores de recursos humanos, 
no tanto en el uso 

804
00:42:07.325 --> 00:42:09.920
como a entender para qué 
posibilidades puede tener. 

805
00:42:10.040 --> 00:42:12.515
El uso ya lo hará otra persona, 
ellos tienen que tener un poco 

806
00:42:12.565 --> 00:42:15.920
la visión de qué oportunidades 
te da People Analytics. 

807
00:42:16.770 --> 00:42:20.210
También a profesionales de recursos 
humanos que puedan reciclarse. 

808
00:42:20.290 --> 00:42:23.770
De hecho, hemos tenido a lo largo 
de estos siete años más de 150, 

809
00:42:24.110 --> 00:42:25.721
hemos formado más de 150 personas.

810
00:42:25.870 --> 00:42:27.745
Pues muchas son profesionales 
de recursos humanos 

811
00:42:27.795 --> 00:42:29.785
que quieren reciclarse 
dentro de su empresa 

812
00:42:29.835 --> 00:42:31.250
y aportar valor a la empresa.

813
00:42:31.350 --> 00:42:32.345
También es interesante.

814
00:42:32.395 --> 00:42:35.230
Pero también tenemos un 
público más junior, 

815
00:42:35.390 --> 00:42:38.750
estudiantes de psicología, 
estudiantes de relaciones laborales, 

816
00:42:38.810 --> 00:42:40.848
estudiantes de derecho, 
incluso economía. 

817
00:42:40.898 --> 00:42:43.135
Que viene muy bien porque 
se posicionan 

818
00:42:43.185 --> 00:42:45.395
dentro de un área novedosa 
en las empresas 

819
00:42:45.445 --> 00:42:48.160
a la que dentro de las empresas 
mucha gente les tiene miedo. 

820
00:42:48.300 --> 00:42:50.875
Entonces tú llegar como 
el nuevo estudiante 

821
00:42:50.925 --> 00:42:52.915
con unos conocimientos 
que puedes aplicar 

822
00:42:52.965 --> 00:42:55.535
y hacer algo nuevo en la empresa 
siempre es muy potente 

823
00:42:55.585 --> 00:42:57.900
como puerta de entrada 
al mundo laboral. 

824
00:42:57.980 --> 00:42:59.647
Claro, aportar lo último, digamos.

825
00:43:00.160 --> 00:43:03.515
Pedro, ¿y puede adaptarse 
esta nueva técnica 

826
00:43:03.565 --> 00:43:05.240
a cualquier tipo de empresa?

827
00:43:06.120 --> 00:43:07.455
Cualquier tipo de empresa, 
vamos a hablar, 

828
00:43:07.505 --> 00:43:09.875
tiene que tener una base un 
poco de recursos humanos 

829
00:43:09.925 --> 00:43:10.456
la empresa.

830
00:43:10.540 --> 00:43:12.255
O sea, no podremos adaptar 
a una empresa 

831
00:43:12.305 --> 00:43:14.935
que no tenga recursos humanos porque 
esto se basa en la gestión 

832
00:43:14.985 --> 00:43:15.715
de los recursos humanos.

833
00:43:15.765 --> 00:43:19.015
Sería empezar desde muy cero 
todo un departamento. 

834
00:43:19.065 --> 00:43:21.735
Pero hay que tener en cuenta aquí 
una cosa muy interesante. 

835
00:43:21.785 --> 00:43:25.655
Los departamentos de recursos 
humanos que antes eran una parte lateral 

836
00:43:25.705 --> 00:43:28.015
de la empresa que a veces están 
cogiendo más fuerza. 

837
00:43:28.065 --> 00:43:32.420
De hecho, en las pymes muchas 
veces se han crecido tanto, 

838
00:43:32.580 --> 00:43:35.215
han cogido tanta fuerza que 
llegan a ser mediadores 

839
00:43:35.265 --> 00:43:37.955
entre departamentos financieros 
y departamentos de ventas. 

840
00:43:38.005 --> 00:43:41.255
Ellos mismos, los recursos humanos, 
acaban teniendo una visión muy global 

841
00:43:41.305 --> 00:43:43.280
de la empresa al tener la 
visión de la gente. 

842
00:43:43.520 --> 00:43:47.060
Entonces, toda empresa que tenga un 
departamento de recursos humanos, 

843
00:43:47.120 --> 00:43:48.064
por pequeño que sea,

844
00:43:48.180 --> 00:43:51.355
esto puede implantarse porque 
le va a dar una potencia 

845
00:43:51.405 --> 00:43:53.945
mucho más grande a ese departamento 
de recursos humanos. 

846
00:43:53.995 --> 00:43:57.185
Julián, ¿y por qué creéis que las 
empresas deberían abordar 

847
00:43:57.235 --> 00:43:59.665
la transformación digital 
de sus departamentos 

848
00:43:59.715 --> 00:44:00.565
de recursos humanos

849
00:44:00.615 --> 00:44:03.470
y desarrollar nuevos procesos 
de gestión? 

850
00:44:03.690 --> 00:44:07.023
Las empresas generan actualmente una 
enorme cantidad de información, 

851
00:44:07.170 --> 00:44:08.485
tanto sobre empleados

852
00:44:08.535 --> 00:44:11.399
como sobre los procesos que están 
debajo de recursos humanos. 

853
00:44:11.530 --> 00:44:13.645
Pero muchas veces, ¿qué ocurre 
con esa información? 

854
00:44:13.695 --> 00:44:15.865
Pues que está repartida entre 
diferentes sistemas. 

855
00:44:15.915 --> 00:44:17.645
A veces no tenemos una visión global

856
00:44:17.695 --> 00:44:21.085
de qué está ocurriendo y cómo 
gestionar mejor esa compañía, 

857
00:44:21.135 --> 00:44:22.884
los recursos humanos, los empleados,

858
00:44:22.934 --> 00:44:26.150
los procesos que les afectan, 
etc. Entonces, 

859
00:44:26.230 --> 00:44:29.245
gracias a esta transformación 
digital, que hoy día es tan potente 

860
00:44:29.295 --> 00:44:30.465
y tan, digamos, tan a mano,

861
00:44:30.515 --> 00:44:32.975
se ha convertido en una commodity 
la gestión del dato, 

862
00:44:33.025 --> 00:44:36.725
pues podemos evolucionar esa gestión 
mediante esa facilidad 

863
00:44:36.775 --> 00:44:38.750
de acceder a datos y a 
cruzar esos datos. 

864
00:44:39.190 --> 00:44:41.605
Entonces, muchas veces lo 
que está ocurriendo 

865
00:44:41.655 --> 00:44:43.765
es una evolución dentro de 
la función tradicional 

866
00:44:43.815 --> 00:44:46.975
de los recursos humanos, que era 
meramente administrativa, 

867
00:44:47.025 --> 00:44:49.065
a ser una función mucho 
más estratégica 

868
00:44:49.115 --> 00:44:50.310
dentro de las compañías.

869
00:44:50.590 --> 00:44:53.965
Es decir, comprender mejor 
lo que está ocurriendo 

870
00:44:54.015 --> 00:44:56.934
con las personas tiene un impacto 
directo en la productividad, 

871
00:44:57.070 --> 00:44:59.225
en los costes, en la retención 
del talento, 

872
00:44:59.275 --> 00:45:01.970
innovación, capacidad de crecimiento 
en definitiva. 

873
00:45:02.530 --> 00:45:05.610
Rocío, ¿y qué técnicas utiliza 
People Analytics? 

874
00:45:06.130 --> 00:45:07.185
¿Se adaptan mejor

875
00:45:07.235 --> 00:45:10.005
unas u otras dependiendo 
del tipo de empresa 

876
00:45:10.055 --> 00:45:13.850
o de los problemas que se quieran 
abordar en cada caso concreto? 

877
00:45:14.110 --> 00:45:16.130
A ver, técnicas hay muchísimas.

878
00:45:16.230 --> 00:45:18.008
Imagina todo lo que es 
analizar datos, 

879
00:45:18.150 --> 00:45:19.761
el espectro que podemos tener ahí.

880
00:45:20.420 --> 00:45:23.715
Pero lo que es importante entender 
es que no se define 

881
00:45:23.765 --> 00:45:25.296
o no se elige primero una técnica.

882
00:45:25.400 --> 00:45:27.895
Lo que hay que ver es qué problema 
tienes que resolver y en base a eso, 

883
00:45:27.945 --> 00:45:29.595
qué datos tienes y con los 
datos que tengas, 

884
00:45:29.645 --> 00:45:30.720
qué puedes aplicar.

885
00:45:30.820 --> 00:45:32.555
Si queremos empezar de cero,

886
00:45:32.605 --> 00:45:34.415
a lo mejor con un análisis 
descriptivo 

887
00:45:34.465 --> 00:45:37.035
que puede ser relativamente sencillo 
o con visualización de datos, 

888
00:45:37.085 --> 00:45:39.375
ya tienes mucha información que 
hasta ahora no tenías. 

889
00:45:39.425 --> 00:45:40.615
Si empiezas a acumular datos

890
00:45:40.665 --> 00:45:42.473
y los tienes más o menos 
estructurados, 

891
00:45:42.620 --> 00:45:44.935
pues puedes empezar a aplicar 
técnicas estadísticas 

892
00:45:44.985 --> 00:45:46.115
un poquito más avanzadas.

893
00:45:46.165 --> 00:45:48.475
Y si ya realmente has acumulado a lo 
mejor más historia, es decir, 

894
00:45:48.525 --> 00:45:51.056
datos que tengan historia 
suficiente, dos, tres años, 

895
00:45:51.120 --> 00:45:54.540
te va a permitir entrenar modelos 
que te permitan ver incluso a futuro. 

896
00:45:54.740 --> 00:45:56.435
Es decir, si yo quiero estimar

897
00:45:56.485 --> 00:45:58.608
antes de que ocurra el abandono 
de un empleado, 

898
00:45:58.658 --> 00:46:00.995
voy a poder analizar qué ha ocurrido 
con otros empleados 

899
00:46:01.045 --> 00:46:03.075
que han abandonado o han dejado 
la empresa previamente 

900
00:46:03.125 --> 00:46:05.100
para poder adelantarme 
a ese abandono. 

901
00:46:05.180 --> 00:46:08.215
Eso se hace con modelos predictivos 
y herramientas de Machine Learning, 

902
00:46:08.265 --> 00:46:10.355
pero ahí ya sí que exige tener 
un poquito más de dato. 

903
00:46:10.405 --> 00:46:12.269
Entonces, según el problema 
que tengas, 

904
00:46:12.360 --> 00:46:15.340
vas a ir eligiendo una técnica 
u otro, un algoritmo u otro, 

905
00:46:15.460 --> 00:46:16.580
para poderlo resolver.

906
00:46:16.720 --> 00:46:18.760
Pero hay un espectro infinito.

907
00:46:20.640 --> 00:46:23.835
Oye Pedro, ¿y cuáles son los 
conocimientos esenciales 

908
00:46:23.885 --> 00:46:27.360
que hay que manejar para poder usar 
esta herramienta de forma eficiente? 

909
00:46:27.800 --> 00:46:30.260
Te voy a responder en dos versiones.

910
00:46:30.460 --> 00:46:32.335
La pregunta que haces para poder

911
00:46:32.385 --> 00:46:34.495
manejar esta herramienta 
de forma eficiente, 

912
00:46:34.545 --> 00:46:38.055
es decir, si tú estás en el día a 
día elaborando información o vas 

913
00:46:38.105 --> 00:46:41.060
a dedicarte a esa extracción 
y análisis de datos, 

914
00:46:41.160 --> 00:46:42.975
pues evidentemente tienes que 
tener un conocimiento 

915
00:46:43.025 --> 00:46:44.556
en el ámbito de recursos humanos,

916
00:46:44.640 --> 00:46:46.345
tienes que tener un conocimiento 
científico, 

917
00:46:46.395 --> 00:46:47.910
de analítica de datos,

918
00:46:48.010 --> 00:46:49.705
tienes que tener un conocimiento 
del negocio, 

919
00:46:49.755 --> 00:46:54.590
es importante saber que aplicas algo 
para qué y qué valor vas a aportar. 

920
00:46:54.670 --> 00:46:56.650
Entonces aquí eso es muy importante.

921
00:46:57.010 --> 00:47:00.525
Pero después hay otro ámbito 
que es esta formación 

922
00:47:00.575 --> 00:47:03.370
que también nosotros le damos 
esa segunda visión. 

923
00:47:03.750 --> 00:47:07.265
Formar a esa persona que va a tratar 
los datos y tiene que tener 

924
00:47:07.315 --> 00:47:09.710
un conocimiento de datos 
o formar a esa persona 

925
00:47:10.110 --> 00:47:13.170
que va a utilizar el People 
Analytics estratégicamente. 

926
00:47:13.390 --> 00:47:16.025
Es decir, él no tiene por 
qué ponerse a programar 

927
00:47:16.075 --> 00:47:19.475
o ponerse a analizar o saber 
una estadística profunda. 

928
00:47:19.525 --> 00:47:21.065
Él tiene que entender qué 
herramientas tiene 

929
00:47:21.115 --> 00:47:24.285
People Analytics para pedirle a 
otros que se las desarrollen. 

930
00:47:24.335 --> 00:47:25.850
Pero para tú poder pedir algo,

931
00:47:25.930 --> 00:47:28.097
primero tienes que conocer 
qué se puede pedir. 

932
00:47:28.230 --> 00:47:30.063
Entonces, es clave en 
esos dos ámbitos. 

933
00:47:30.210 --> 00:47:32.215
Digamos, la capa superior de gestión,

934
00:47:32.265 --> 00:47:34.285
voy a montar un departamento 
de Bipolanitis, 

935
00:47:34.335 --> 00:47:36.365
pero yo no tengo que estar 
picando piedra, 

936
00:47:36.415 --> 00:47:40.095
pero la otra parte es la de, bueno, 
a mí me va a tocar picar piedra. 

937
00:47:40.145 --> 00:47:41.665
Entonces, las dos cosas 
se pueden aprender 

938
00:47:41.715 --> 00:47:44.250
a través de este programa 
que hemos desarrollado. 

939
00:47:44.720 --> 00:47:45.553
Muy interesante.

940
00:47:45.780 --> 00:47:48.280
Julián, la inteligencia artificial,

941
00:47:48.520 --> 00:47:52.280
que es la novedad que vais 
a introducir este año, 

942
00:47:52.420 --> 00:47:55.420
está evolucionando constantemente.

943
00:47:55.580 --> 00:47:59.440
¿Cómo está cambiando la inteligencia 
artificial, el People Analytics, 

944
00:47:59.840 --> 00:48:03.115
y qué puede aportar actualmente 
a un departamento 

945
00:48:03.165 --> 00:48:04.340
de recursos humanos?

946
00:48:04.960 --> 00:48:06.415
Realmente, podríamos preguntar

947
00:48:06.465 --> 00:48:08.615
qué no está cambiando la 
inteligencia artificial, 

948
00:48:08.665 --> 00:48:13.035
porque prácticamente vivimos cada 
semana un susto o una novedad 

949
00:48:13.085 --> 00:48:16.375
que muchas veces no nos ha dado 
tiempo a adoptar nosotros 

950
00:48:16.425 --> 00:48:19.355
en nuestro trabajo, en nuestro 
día a día, etc. Bueno, 

951
00:48:19.405 --> 00:48:22.436
pues lo mismo está ocurriendo en el 
área de recursos humanos, ¿no? 

952
00:48:22.640 --> 00:48:23.265
Ahora mismo,

953
00:48:23.315 --> 00:48:26.495
Hipple Analytics se centraba hasta 
ahora, incluso en el máster, 

954
00:48:26.545 --> 00:48:29.275
lo teníamos orientado más a esa 
recopilación de información, 

955
00:48:29.325 --> 00:48:32.060
análisis de la información, 
creación de indicadores. 

956
00:48:32.320 --> 00:48:35.195
Es decir, determinados casos 
en los que construíamos 

957
00:48:35.245 --> 00:48:37.920
modelos predictivos que ayudaban 
a esa gestión. 

958
00:48:38.000 --> 00:48:38.825
¿Qué ocurre?

959
00:48:38.875 --> 00:48:42.560
Bueno, irrumpe este elefante 
dentro del mundo digital, 

960
00:48:42.680 --> 00:48:44.347
que es la inteligencia artificial.

961
00:48:44.460 --> 00:48:46.655
Y nos impacta en todos los procesos.

962
00:48:46.705 --> 00:48:48.815
Bueno, la guía generativa, 
como todos sabemos, 

963
00:48:48.865 --> 00:48:52.055
viene un poco a movernos esa 
cantidad de algoritmos 

964
00:48:52.105 --> 00:48:54.375
que tenemos de Machine Learning y 
hacer las cosas de una manera 

965
00:48:54.425 --> 00:48:55.525
como más cercana, ¿no?

966
00:48:55.575 --> 00:48:57.075
Porque utilizamos lenguaje natural

967
00:48:57.125 --> 00:49:01.635
para acometer tareas que antes 
requerían un proceso estadístico 

968
00:49:01.685 --> 00:49:04.360
o, bueno, un proceso de analista 
de datos, ¿no? 

969
00:49:04.910 --> 00:49:06.565
Eso tiene su parte buena 
y su parte mala, 

970
00:49:06.615 --> 00:49:08.368
pero bueno, respecto 
a su parte buena, 

971
00:49:08.430 --> 00:49:11.650
hipotéticamente un director del 
curso de manos podría, oye, pues, 

972
00:49:11.730 --> 00:49:14.185
¿por qué se está produciendo un 
incremento de la rotación 

973
00:49:14.235 --> 00:49:16.654
en mi compañía sin tener que 
desarrollar ese modelo? 

974
00:49:16.770 --> 00:49:20.245
Bueno, podría delegar a 
una IA toda esa parte 

975
00:49:20.295 --> 00:49:20.928
del análisis.

976
00:49:20.979 --> 00:49:23.250
Con esto tenemos que tener, 
por supuesto, 

977
00:49:23.370 --> 00:49:24.725
todas las precauciones del mundo,

978
00:49:24.775 --> 00:49:26.910
igual que nos pasaría en 
nuestro día a día. 

979
00:49:27.620 --> 00:49:29.735
Pero es cierto que nos va a 
facilitar muchísimo todo 

980
00:49:29.785 --> 00:49:31.940
el tema de la IA agéntica 
que venimos hablando. 

981
00:49:32.160 --> 00:49:34.620
Oye, un agente es capaz de 
recopilar información, 

982
00:49:34.980 --> 00:49:37.695
presentar un informe y automatizar 
tareas que antes 

983
00:49:37.745 --> 00:49:41.155
no quedaba otra que delegarlas 
a un administrativo 

984
00:49:41.205 --> 00:49:43.720
o que un data scientist tenía 
que desarrollar. 

985
00:49:43.780 --> 00:49:46.235
Bueno, pues ahora es verdad 
que un agente 

986
00:49:46.285 --> 00:49:48.915
podría estar verificando 
directamente indicadores 

987
00:49:48.965 --> 00:49:52.175
dentro de la compañía, recurriendo 
a alarmas y eso 

988
00:49:52.225 --> 00:49:55.555
prácticamente sin un desarrollo de 
machine learning por detrás, 

989
00:49:55.605 --> 00:49:59.080
gracias a esos modelos enormes 
del lenguaje. 

990
00:49:59.600 --> 00:50:02.655
Precisamente durante esta edición 
del máster hemos incorporado 

991
00:50:02.705 --> 00:50:05.475
toda esta parte de IA generativa 
y agéntica 

992
00:50:05.525 --> 00:50:08.755
y lo hemos hecho introduciendo 
una serie de sesiones 

993
00:50:08.805 --> 00:50:12.475
online en las que vamos a contar 
casos y experiencias 

994
00:50:12.525 --> 00:50:14.935
de cómo usar este tipo 
de nuevas técnicas 

995
00:50:14.985 --> 00:50:16.682
dentro del área de recursos humanos.

996
00:50:16.940 --> 00:50:19.940
El objetivo no es sustituir al 
profesional de recursos humanos, 

997
00:50:20.000 --> 00:50:23.535
por supuesto, sino proporcionarle 
unas herramientas que de verdad 

998
00:50:23.585 --> 00:50:26.755
le permitan dedicar muchísimo menos 
tiempo a tareas repetitivas 

999
00:50:26.805 --> 00:50:30.060
y centrarse más en la interpretación 
de los datos, 

1000
00:50:30.260 --> 00:50:33.215
en la interpretación y la 
gestión estratégica 

1001
00:50:33.265 --> 00:50:34.851
de la gestión de recursos humanos.

1002
00:50:34.990 --> 00:50:37.345
Julián, pero claro, cuando hablamos 
de recursos humanos 

1003
00:50:37.395 --> 00:50:40.065
estamos hablando de información 
sobre empleados. 

1004
00:50:40.115 --> 00:50:43.585
¿Qué precauciones deberíamos 
tomar cuando utilizamos 

1005
00:50:43.635 --> 00:50:46.670
inteligencia artificial con datos 
de recursos humanos? 

1006
00:50:47.210 --> 00:50:50.411
Fíjate, en recursos humanos 
especialmente manejamos información. 

1007
00:50:50.461 --> 00:50:51.377
Sensible, digamos.

1008
00:50:51.427 --> 00:50:53.580
Manejamos información relativa 
a personas, 

1009
00:50:53.860 --> 00:50:57.580
trabajamos con información relativa 
a datos de nóminas, etcétera. 

1010
00:50:57.640 --> 00:51:01.135
Datos que son altamente sensibles 
para andarlos confiando por ahí 

1011
00:51:01.185 --> 00:51:02.115
sin una supervisión.

1012
00:51:02.165 --> 00:51:04.700
Entonces, todo este tema se trabaja 
dentro del máster. 

1013
00:51:04.760 --> 00:51:07.480
Hay un módulo específico de 
temas legales y demás, 

1014
00:51:07.600 --> 00:51:10.711
toda la jurisprudencia que aplica a 
este área de recursos humanos. 

1015
00:51:11.130 --> 00:51:14.185
También estamos incorporando ahora 
toda la parte de la normativa europea 

1016
00:51:14.235 --> 00:51:15.770
que ya nos está afectando.

1017
00:51:15.850 --> 00:51:18.485
Entonces, en términos generales, 
a nosotros nos gusta decir 

1018
00:51:18.535 --> 00:51:23.510
que tiene que ir a mínimos siempre 
respecto a los datos que accedemos. 

1019
00:51:23.710 --> 00:51:26.045
Es decir, si podemos trabajar 
con datos anonimizados 

1020
00:51:26.095 --> 00:51:28.650
porque no nos importa saber 
muchas veces la persona, 

1021
00:51:28.750 --> 00:51:29.610
sino sus datos.

1022
00:51:30.030 --> 00:51:31.165
Hay que hacerlo así, es decir,

1023
00:51:31.215 --> 00:51:33.605
cuanto menos acceso a datos 
sensibles tengamos, 

1024
00:51:33.655 --> 00:51:36.230
muchísimo mejor para nuestros 
modelos y demás, ¿vale? 

1025
00:51:36.510 --> 00:51:37.545
Entonces, en recursos humanos,

1026
00:51:37.595 --> 00:51:40.150
la pregunta no es solamente qué 
se puede hacer con la IA, 

1027
00:51:40.230 --> 00:51:42.750
sino dónde están, dónde se 
procesan esos datos. 

1028
00:51:42.910 --> 00:51:45.150
Confiar nuestros datos a un chat GPT,

1029
00:51:45.230 --> 00:51:47.365
a un cloud, etcétera,

1030
00:51:47.415 --> 00:51:49.625
tiene muchísimo peligro porque 
le estamos delegando 

1031
00:51:49.675 --> 00:51:52.785
información que ellos pueden 
utilizar para entrenar esos datos, ¿no? 

1032
00:51:52.835 --> 00:51:55.825
Todo este tipo de cuestiones las 
abordaremos en estas sesiones 

1033
00:51:55.875 --> 00:51:58.025
y que, bueno, pues todo el 
mundo seamos conscientes 

1034
00:51:58.075 --> 00:51:59.661
de qué hacemos con esos datos, ¿no?

1035
00:52:00.090 --> 00:52:02.585
Claro, porque todo lo que 
técnicamente podemos hacer 

1036
00:52:02.635 --> 00:52:07.330
con inteligencia artificial no 
necesariamente debemos hacerlo, 

1037
00:52:07.450 --> 00:52:08.228
aunque podamos.

1038
00:52:08.510 --> 00:52:10.645
Claro, esto no es solamente.

1039
00:52:10.695 --> 00:52:13.045
Seguramente nos vamos a cualquier 
otra área de conocimiento 

1040
00:52:13.095 --> 00:52:13.870
y nos pasa igual.

1041
00:52:14.670 --> 00:52:16.985
Pero sí es cierto que aquí 
en Recursos Humanos 

1042
00:52:17.035 --> 00:52:20.070
quizá es algo sensible cuando 
trabajamos con personas. 

1043
00:52:20.230 --> 00:52:22.065
Al final estás en una compañía

1044
00:52:22.115 --> 00:52:25.610
o eres un candidato que te 
candidatas a un puesto de trabajo. 

1045
00:52:25.930 --> 00:52:30.125
El que tus datos se estén procesando 
dentro de un sistema que puede tener 

1046
00:52:30.175 --> 00:52:32.045
faltas de seguridad o 
que está cruzando 

1047
00:52:32.095 --> 00:52:34.265
datos que legalmente no 
se pueden cruzar. 

1048
00:52:34.315 --> 00:52:36.185
Es decir, tú, por muchos 
datos que tengas, 

1049
00:52:36.235 --> 00:52:39.205
hay veces que no puedes cruzar esos 
datos o no puedes agregar datos 

1050
00:52:39.255 --> 00:52:42.445
para sacar conclusiones que 
no están permitidas, ¿no? 

1051
00:52:42.495 --> 00:52:45.325
Pasa igual que, oye, yo tengo acceso 
a cuatro tiendas de retail, 

1052
00:52:45.375 --> 00:52:48.085
pero esas tiendas de retail tienen 
un contrato de confidencialidad. 

1053
00:52:48.135 --> 00:52:49.945
Yo, aunque tenga sus datos, 
no los voy a cruzar, ¿no? 

1054
00:52:49.995 --> 00:52:52.345
Pues algo parecido pasa 
con un candidato 

1055
00:52:52.395 --> 00:52:54.092
o con un empleado de 
mi compañía, ¿no? 

1056
00:52:54.560 --> 00:52:56.155
A mí me gustaría introducir 
aquí algo. 

1057
00:52:56.205 --> 00:52:58.940
Es verdad que no se debería 
hacer todo con la IA. 

1058
00:52:59.320 --> 00:53:01.035
Efectivamente, todos 
sabemos en el uso 

1059
00:53:01.085 --> 00:53:05.400
nuestro día a día de esta IA, 
la IA llega donde llega. 

1060
00:53:05.540 --> 00:53:07.015
O sea, genera procesos,

1061
00:53:07.065 --> 00:53:11.400
pero no tiene la sensibilidad que tú 
tienes de negocio, de seres humanos, 

1062
00:53:11.600 --> 00:53:12.822
de trabajar con personas.

1063
00:53:12.900 --> 00:53:15.420
Entonces, una supervisión 
siempre, siempre. 

1064
00:53:15.700 --> 00:53:18.440
Y para eso es muy importante que 
tú sepas lo que quieres. 

1065
00:53:19.050 --> 00:53:21.490
Y que no sea la IA la que te 
diga lo que puedes hacer, 

1066
00:53:21.610 --> 00:53:23.105
que tú sepas de antemano 
qué es lo que quieres 

1067
00:53:23.155 --> 00:53:24.515
y tú puedas mandar a la IA,

1068
00:53:24.565 --> 00:53:25.661
no que la IA te mande a ti.

1069
00:53:26.010 --> 00:53:27.285
Apuntando a lo que dice Pedro,

1070
00:53:27.335 --> 00:53:29.525
es algo fundamental que además 
también se trabaja mucho 

1071
00:53:29.575 --> 00:53:31.935
en el máster, que es el 
concepto de sesgo. 

1072
00:53:31.985 --> 00:53:34.865
Es decir, muchas veces en estos 
datos que tenemos accesibles 

1073
00:53:34.915 --> 00:53:37.745
y tal, intrínsecamente hay un sesgo, 
o viene un sesgo de género, 

1074
00:53:37.795 --> 00:53:39.825
o viene un sesgo de edad, o 
viene un sesgo de tal. 

1075
00:53:39.875 --> 00:53:42.945
Es súper importante que seamos 
conscientes de esos sesgos 

1076
00:53:42.995 --> 00:53:45.265
dentro de los datos a la hora 
de desarrollar modelos 

1077
00:53:45.315 --> 00:53:48.010
o de pedirle a una IA que nos 
dé cierta información. 

1078
00:53:48.230 --> 00:53:50.690
Si introducimos un sesgo 
que está en los datos, 

1079
00:53:50.830 --> 00:53:52.605
un sesgo de género, un sesgo de edad,

1080
00:53:52.655 --> 00:53:56.190
y le pedimos un modelo similar, oye, 
recomiéndame un candidato, 

1081
00:53:56.270 --> 00:53:58.605
tenemos que ser conscientes de 
si esos datos tienen sesgo. 

1082
00:53:58.655 --> 00:54:00.405
Es un tema que trabajamos también 
dentro del máster 

1083
00:54:00.455 --> 00:54:01.645
para que el alumno,

1084
00:54:01.695 --> 00:54:04.345
cuando salga, sea consciente de 
ese problema que es real 

1085
00:54:04.395 --> 00:54:06.265
y que va a existir en los datos 
que va a trabajar luego 

1086
00:54:06.315 --> 00:54:07.790
en la vida real en sus compañías.

1087
00:54:07.990 --> 00:54:10.225
Y que hay que estar atento 
para minimizarlo, ¿no? 

1088
00:54:10.275 --> 00:54:10.917
Fundamental.

1089
00:54:11.010 --> 00:54:13.470
Bueno, Rocío, vamos a 
la parte práctica. 

1090
00:54:13.550 --> 00:54:15.745
¿Qué habría que hacer para implantar 
People Analytics 

1091
00:54:15.795 --> 00:54:17.750
en una empresa determinada?

1092
00:54:18.150 --> 00:54:20.665
Bueno, lo que hay que hacer es 
lo que realmente se hace 

1093
00:54:20.715 --> 00:54:24.070
en cualquier proyecto donde hay que 
aplicar análisis de datos. 

1094
00:54:24.210 --> 00:54:26.765
Y es lo estrictamente fundamental 
es saber 

1095
00:54:26.815 --> 00:54:28.734
cuál es el problema que 
quieres resolver. 

1096
00:54:28.800 --> 00:54:31.395
Porque cuando tú tienes muchos 
datos y te pones a analizar, 

1097
00:54:31.445 --> 00:54:32.231
te puedes perder.

1098
00:54:32.281 --> 00:54:35.520
Puedes estar infinitos días 
analizando y no llegar a nada. 

1099
00:54:35.680 --> 00:54:37.295
Entonces es realmente estresante.

1100
00:54:37.345 --> 00:54:39.615
Entonces lo primero es definir 
qué problema tengo. 

1101
00:54:39.665 --> 00:54:42.055
Imagina que has definido o has 
detectado que en tu empresa 

1102
00:54:42.105 --> 00:54:46.395
hay mucho problema de absentismo o 
hay mucho abandono de talento 

1103
00:54:46.445 --> 00:54:48.415
o hay un problema de que realmente

1104
00:54:48.465 --> 00:54:52.255
cada vez que abres una vacante 
te llegan 50.000 currículums 

1105
00:54:52.305 --> 00:54:54.595
y eres incapaz de digerir esa 
cantidad de información 

1106
00:54:54.645 --> 00:54:57.120
y de realmente reclutar a la 
persona que encaja mejor. 

1107
00:54:57.550 --> 00:55:00.025
Bueno, pues esas son cosas muy 
concretas que tú tienes 

1108
00:55:00.075 --> 00:55:00.825
que saber resolver.

1109
00:55:00.875 --> 00:55:02.125
Entonces, cuando eliges una 
de ellas, dices, venga, 

1110
00:55:02.175 --> 00:55:03.650
pues voy a ver el absentismo.

1111
00:55:03.850 --> 00:55:04.965
Pues te centras en ella y dices,

1112
00:55:05.015 --> 00:55:08.085
a ver, ¿qué información o qué datos 
puedo tener yo dentro de mis sistemas 

1113
00:55:08.135 --> 00:55:10.850
que me ayuden a sintetizar 
información sobre esto? 

1114
00:55:11.050 --> 00:55:13.365
Y ahí, hablando un poco y alazando 
con lo que decían antes, 

1115
00:55:13.415 --> 00:55:15.725
por supuesto tenemos las técnicas 
tradicionales, 

1116
00:55:15.775 --> 00:55:17.865
por supuesto tenemos inteligencia 
artificial, 

1117
00:55:17.915 --> 00:55:20.185
pero yo soy la persona 
de recursos humanos 

1118
00:55:20.235 --> 00:55:23.099
que conoce realmente el problema 
y que conoce a mis empleados, 

1119
00:55:23.180 --> 00:55:25.955
y que va a ir dirigiendo a esas 
pistas que me puede dar 

1120
00:55:26.005 --> 00:55:26.955
la inteligencia artificial.

1121
00:55:27.005 --> 00:55:28.295
Voy cruzando esa información.

1122
00:55:28.345 --> 00:55:31.700
Entonces, primero mi problema, 
después veo qué datos tengo, 

1123
00:55:31.880 --> 00:55:33.575
observo si tengo calidad 
en esos datos, 

1124
00:55:33.625 --> 00:55:34.595
si no existen esos sesgos,

1125
00:55:34.645 --> 00:55:36.015
si voy a construir un modelo 
que sea bueno, 

1126
00:55:36.065 --> 00:55:38.540
y en el que tengo esto, 
lanzo mi análisis. 

1127
00:55:38.640 --> 00:55:40.875
Y después cojo mis conclusiones 
y lo pongo en práctica. 

1128
00:55:40.925 --> 00:55:42.655
Entonces, el orden es, 
primero problema, 

1129
00:55:42.705 --> 00:55:44.795
nada de elegir tecnología 
sin saber a lo que voy. 

1130
00:55:44.845 --> 00:55:46.735
Viene un problema, después 
calidad de datos, 

1131
00:55:46.785 --> 00:55:48.775
o sea, analizar qué datos hay 
y ver si tienen calidad, 

1132
00:55:48.825 --> 00:55:50.865
entreno mi modelo, lo 
pongo en práctica, 

1133
00:55:50.915 --> 00:55:53.505
y después analizo si realmente lo 
que he hecho tiene sentido 

1134
00:55:53.555 --> 00:55:54.245
y ha funcionado.

1135
00:55:54.295 --> 00:55:55.490
Ese es un poco el esquema.

1136
00:55:55.670 --> 00:55:58.410
Bueno, y además de tener 
presente este esquema, 

1137
00:55:58.530 --> 00:56:01.045
¿cuál suele ser uno de los 
principales errores 

1138
00:56:01.095 --> 00:56:03.903
cuando una empresa empieza a 
trabajar con People Analytics? 

1139
00:56:04.330 --> 00:56:07.150
Pues lo que ocurre en todas 
las empresas es, 

1140
00:56:07.350 --> 00:56:08.810
primero elijo la tecnología.

1141
00:56:09.210 --> 00:56:12.265
Entonces me pongo como loco a 
comprar servidores o a contratar cloud 

1142
00:56:12.315 --> 00:56:14.750
o a buscar herramientas como 
si no hubiera mañana. 

1143
00:56:15.050 --> 00:56:16.185
Cuando todavía no sabes 
lo que necesitas. 

1144
00:56:16.235 --> 00:56:18.642
Cuando no sabes ni lo que necesitas, 
efectivamente. 

1145
00:56:18.692 --> 00:56:20.675
O decir, no, es que yo quiero 
utilizar inteligencia artificial 

1146
00:56:20.725 --> 00:56:21.615
porque es que todo el mundo,

1147
00:56:21.665 --> 00:56:23.251
si no hablo de IA, yo 
no estoy al día. 

1148
00:56:23.930 --> 00:56:24.405
Pues no.

1149
00:56:24.455 --> 00:56:25.965
Es que a veces no lo necesitas.

1150
00:56:26.015 --> 00:56:27.245
O a veces lo pones como en paralelo,

1151
00:56:27.295 --> 00:56:28.685
como si fuera un ayudante.

1152
00:56:28.735 --> 00:56:30.345
O sea, es una persona que 
trabaja contigo, o sea, 

1153
00:56:30.395 --> 00:56:33.090
un elemento que trabaja contigo 
y que está a tu servicio. 

1154
00:56:33.310 --> 00:56:37.490
Pero el fallo principal es no 
centrar lo que te decía anteriormente. 

1155
00:56:37.590 --> 00:56:39.530
Primero piensa que necesitas 
resolver, 

1156
00:56:39.710 --> 00:56:42.270
porque seguramente tengas 10 
problemas a resolver, 

1157
00:56:42.430 --> 00:56:43.194
enfócate en uno.

1158
00:56:43.244 --> 00:56:45.085
Y después de eso sigue 
los pasos que decía. 

1159
00:56:45.135 --> 00:56:46.445
Y ahí no falla.

1160
00:56:46.495 --> 00:56:48.085
Ahí consigues seguro un resultado.

1161
00:56:48.135 --> 00:56:49.110
El que hoy funciona,

1162
00:56:49.310 --> 00:56:51.730
o sea, el que pones en práctica 
y lo analizas, 

1163
00:56:52.140 --> 00:56:54.235
A lo mejor después te das cuenta, 
oye, se me escapó esto, 

1164
00:56:54.285 --> 00:56:55.895
porque cada día aprendes más, 
con lo cual cada vez 

1165
00:56:55.945 --> 00:56:56.895
lo vas haciendo mejor.

1166
00:56:56.945 --> 00:56:58.940
Y el modelo que hoy te resolvió 
un problema, 

1167
00:56:59.120 --> 00:57:00.375
pues mañana lo vas a 
tener que mejorar, 

1168
00:57:00.425 --> 00:57:01.895
pero siempre vas a ir 
a mejor y a mejor, 

1169
00:57:01.945 --> 00:57:04.055
porque cada vez tienes más 
conocimiento de tus sistemas, 

1170
00:57:04.105 --> 00:57:05.640
de tus datos y de tu negocio.

1171
00:57:05.720 --> 00:57:07.935
Eso es un poco lo que yo creo 
que hay que ir haciendo. 

1172
00:57:07.985 --> 00:57:11.115
Oye, Julián, ¿y cómo sabemos si un 
proyecto de People Analytics 

1173
00:57:11.165 --> 00:57:12.660
ha tenido éxito?

1174
00:57:13.640 --> 00:57:17.335
Pues aquí es curioso porque los 
que somos más analíticos 

1175
00:57:17.385 --> 00:57:20.480
del dato, etc., nos centramos mucho 
en la bondad del modelo, 

1176
00:57:20.580 --> 00:57:23.055
en la precisión estadística 
que tiene y tal, 

1177
00:57:23.105 --> 00:57:25.775
y efectivamente un modelo 
no es otra cosa 

1178
00:57:25.825 --> 00:57:27.633
que una representación 
de la realidad. 

1179
00:57:27.840 --> 00:57:29.495
Esos modelos, que son muy buenos

1180
00:57:29.545 --> 00:57:31.295
y podemos conseguir modelos 
estupendos, 

1181
00:57:31.345 --> 00:57:32.709
hay que ponerlos en práctica.

1182
00:57:32.820 --> 00:57:33.695
Es decir, al final

1183
00:57:33.745 --> 00:57:37.000
el objetivo de People Analytics no 
es solamente construir el modelo, 

1184
00:57:37.100 --> 00:57:41.355
es un impacto real en el negocio y 
para eso hay que tomar decisiones, 

1185
00:57:41.405 --> 00:57:42.955
hay que también animar

1186
00:57:43.005 --> 00:57:46.035
a la dirección a que implante 
ese tipo de modelos, 

1187
00:57:46.085 --> 00:57:47.275
que a veces es lo que más cuesta,

1188
00:57:47.325 --> 00:57:50.620
la gestión de personas dentro 
de una compañía. 

1189
00:57:50.680 --> 00:57:54.015
Entonces, al final no se trata 
solamente de desarrollar modelos, 

1190
00:57:54.065 --> 00:57:56.440
como también de saber explicarle 
a la dirección. 

1191
00:57:56.900 --> 00:57:59.895
Cómo se toman esas acciones, dándole 
unos cuadros de mando 

1192
00:57:59.945 --> 00:58:02.860
que le permitan tomar esas 
decisiones de una manera adecuada, 

1193
00:58:02.920 --> 00:58:04.920
no solamente la bondad 
del modelo como tal. 

1194
00:58:05.420 --> 00:58:07.194
Pedro, pues como director del máster,

1195
00:58:07.244 --> 00:58:09.407
no sé si quieres añadir algo 
más para terminar. 

1196
00:58:09.520 --> 00:58:11.160
Bueno, una recomendación.

1197
00:58:11.220 --> 00:58:12.840
Yo como director del máster,

1198
00:58:12.920 --> 00:58:16.035
pues nosotros cuando desarrollamos 
este máster 

1199
00:58:16.085 --> 00:58:18.635
habíamos detectado un hueco en 
el mundo de recursos humanos 

1200
00:58:18.685 --> 00:58:22.535
y es un hueco que sí es verdad 
que ha evolucionado 

1201
00:58:22.585 --> 00:58:25.835
y parece que se va implantando cada 
vez más y la gente ha cogido 

1202
00:58:25.885 --> 00:58:29.240
en estos siete años una conciencia 
del dato mucho mayor. 

1203
00:58:29.580 --> 00:58:31.655
Pero es verdad que todavía hay 
mucho campo de desarrollo 

1204
00:58:31.705 --> 00:58:34.200
o mucha capacidad de 
implantación, ¿no? 

1205
00:58:34.300 --> 00:58:36.840
Es importante todo lo que hemos 
estado comentando de, 

1206
00:58:36.900 --> 00:58:39.540
pues, cuando vas a implantar 
un proyecto de estos, 

1207
00:58:39.600 --> 00:58:41.055
tener un éxito a corto plazo

1208
00:58:41.105 --> 00:58:44.020
para poder demostrar que funciona 
lo que estás haciendo, 

1209
00:58:44.180 --> 00:58:45.875
bueno, gestión del cambio 
básico, ¿no? 

1210
00:58:45.925 --> 00:58:46.965
Si vas a hacer algo de esto.

1211
00:58:47.015 --> 00:58:50.725
Pero también me gustaría transmitir 
la necesidad que tenemos 

1212
00:58:50.775 --> 00:58:53.210
de seguir formándonos, esa 
formación continua, 

1213
00:58:53.350 --> 00:58:56.365
ese aprendizaje, ese estar 
al día y formarte 

1214
00:58:56.415 --> 00:58:59.165
no de forma superficial, 
sino de forma profunda 

1215
00:58:59.215 --> 00:59:02.225
para que después tú tengas un 
conocimiento muy grande 

1216
00:59:02.275 --> 00:59:05.028
de lo que estás haciendo, que es 
lo que pretende este máster. 

1217
00:59:05.270 --> 00:59:07.550
Entrar muy de lleno en 
todas las áreas, 

1218
00:59:07.630 --> 00:59:09.185
después tú ya utilizarás o esto

1219
00:59:09.235 --> 00:59:10.810
o aquello o lo que te venga bien,

1220
00:59:10.970 --> 00:59:14.410
pero nosotros vamos a darle al 
estudiante un abanico muy amplio. 

1221
00:59:14.720 --> 00:59:16.655
Y después ella que utilice 
lo que necesita. 

1222
00:59:16.705 --> 00:59:19.640
Pero lo mejor es saber qué tienes 
para poderlo utilizar. 

1223
00:59:19.860 --> 00:59:22.315
Y esto es un poco la recomendación, 
seguir formándose, 

1224
00:59:22.365 --> 00:59:23.535
seguir formándose, seguir formándose.

1225
00:59:23.585 --> 00:59:24.893
Y para eso la UNED es la mejor.

1226
00:59:25.000 --> 00:59:26.100
Desde luego que sí.

1227
00:59:26.360 --> 00:59:30.720
Bueno, pues Pedro Cortiña, Rocío 
González y Julián Gómez, 

1228
00:59:30.780 --> 00:59:33.735
muchísimas gracias por acompañarnos 
hoy en Sin Distancias 

1229
00:59:33.785 --> 00:59:35.455
para hablarnos de este máster

1230
00:59:35.505 --> 00:59:38.460
y de las novedades que trae 
en esta nueva edición. 

1231
00:59:38.620 --> 00:59:39.280
A ti, Clara.

1232
00:59:39.440 --> 00:59:39.955
Muchas gracias.

1233
00:59:40.005 --> 00:59:40.480
Gracias.

1234
00:59:44.360 --> 00:59:46.420
Y con este innovador 
máster terminamos. 

1235
00:59:46.600 --> 00:59:49.595
Hemos hecho sin distancias Clara 
Gómez y Lourdes Nieto 

1236
00:59:49.645 --> 00:59:52.340
desde la redacción de UNED 
Media, Marga Orozco, 

1237
00:59:52.480 --> 00:59:55.415
Álvaro Flores y Carlos Alberich 
al frente del sonido 

1238
00:59:55.465 --> 00:59:57.775
y Juan Ramón Andrés en 
la presentación. 

1239
00:59:57.825 --> 00:59:58.620
Hasta pronto.