El fin del trabajo

[Benzino Napaloni]

Bueno, pues parece que la demolición de Twitter continúa.

Descontrol en Twitter por la falta de moderadores: hay hasta películas y series gratis

Musk ha cerrado las oficinas por miedo a sabotajes. Pero en cuanto que privas de los medios necesarios, no hace falta ningún sabotaje. La falta de mantenimiento es suficiente para que las cosas se desmoronen solas.

Yo no le doy más allá de lo que queda de fin de año. Seguramente no como un colapso literal. Pero a este ritmo de problemas, de abandono de anunciantes, y hasta de usuarios, en la práctica en poco tiempo será la sombra de lo que fue. Algo así como el muro de Facebook, que muchos hace años que no le hacen ni caso.

[Cadavre Exquis]

AI-Assisted Coding Start-Up Kite Is Saying Farewell and Open-Sourcing Its Code
Posted by BeauHD on Tuesday November 22, 2022 @05:40PM from the ahead-of-their-time dept.

Kite, a start-up that has been developing artificial intelligence technology to help developers write code for nearly a decade, is saying farewell and open-sourcing its code. Silicon Republic reports:

Based in San Francisco, Kite was founded in 2014 as an early pioneer in the emerging field of AI that assists software developers in writing code -- an 'autocomplete' for programming of sorts. But now, after eight years of pursuing its vision to be a leader in AI-assisted programming, founder Adam Smith announced on the company website that the business is now wrapping up. According to him, even state-of-the-art machine learning models today don't understand the structure of code -- and too few developers are willing to pay for available services. "We failed to deliver our vision of AI-assisted programming because we were 10-plus years too early to market, ie, the tech is not ready yet," Smith explained. "You can see this in GitHub Copilot, which is built by GitHub in collaboration with OpenAI. As of late 2022, Copilot shows a lot of promise but still has a long way to go."

Copilot was first revealed in June 2021 as an AI assistant for programmers that essentially does for coding what predictive text does for writing emails. Developed in collaboration with OpenAI, GitHub had kept Copilot in technical preview until this summer, during which time it had been used by more than 1.2m developers. The AI was made available to all developers in June, at a cost of $10 a month or $100 a year. However, Smith said that the inadequacy of machine learning models in understanding the structure of code, such as non-local context, has been an insurmountable challenge for the Kite team. "We made some progress towards better models for code, but the problem is very engineering intensive. It may cost over $100m to build a production-quality tool capable of synthesizing code reliably, and nobody has tried that quite yet."

While the business could have still been successful without necessarily increasing developer productivity by 10 times using AI, Smith said he thinks that Kite's delay and unsuccessful attempt at monetizing the service prevented the start-up from taking flight. "We sequenced building our business in the following order: First we built our team, then the product, then distribution and then monetization," he explained, adding that Kite did not reach product-market fit until 2019, five years after starting the company. Despite the time taken to get to the market, Smith said Kite was able to capture 500,000 monthly active developers using its AI with "almost zero marketing spend." But the product failed to generate revenue because the developers refused to pay for it.

Smith says most of their code has been open sourced on GitHub, including their "data-driven Python type inference engine, Python public-package analyzer, desktop software, editor integrations, GitHub crawler and analyzer, and more more."

Saludos.

[Benzino Napaloni]

La jerga de Tinder ya no 'cuela' en el mercado laboral

• La retórica de las 'apps' de citas lleva una década usándose en los recursos humanos
• Comparar la búsqueda de empleo con ligar no encaja en la realidad de la Gran Renuncia
• Se trata de una retórica que vincula cambio de trabajo y promiscuidad

Es un lugar común comparar las relaciones laborales con las sentimentales, hablar del reclutamiento como una forma de enamoramiento y de seducción a los trabajadores para retener el talento. Pero este juego de metáforas parece haber llegado a un límite del absurdo en un momento en el que el mercado laboral ya está demasiado caliente sin recurrir a los dobles sentidos.

No fue la primera, pero desde su lanzamiento hace una década Tinder se ha convertido en la aplicación de citas más utilizada, imitada y, por supuesto, criticada del mundo. Se le acusa recurrentemente por frivolizar el amor, cuando no por propiciar engaños, decepciones y fraudes entre sus usuarios.

Aun así, su impacto es incuestionable incluso entre los que dicen no utilizarla, como demuestra la inclusión en nuestro día a día de expresiones ahora tan habituales como "hacer match".

Pero si hay un ámbito en el que esta influencia 'retórica' ha sido especialmente destacada es de la gestión y captación del talento. Cada poco tiempo aparece una nueva aplicación o startup que promete ser el "Tinder para encontrar trabajo (o candidatos)". Y muchos  reclutadores independientes utilizan esta terminología para referirse a su trabajo.

La razón principal es que es mucho más llamativo explicar así su trabajo. Con suerte, incluso atraen la atención de algún medio de comunicación. El sexo, hablando en claro, vende.

Y aludirlo, aunque sea de manera muy velada parece que funciona. De hecho, son muchos los expertos, autores y periodistas especializados en el sector que, en su búsqueda de descubrir nuevas tendencias laborales, recurren a terminologías originadas en la esfera del ligue, como el "ghosting" o el "career cushioning".

La jerga del ligue
Son términos que suenan llamativos, pero reflejan prácticas de toda la vida. Algunas, como no contestar a un candidato o apearse en mitad de un proceso de selección (que es lo que viene a ser el ghosting) pueden ser hasta cierto punto reprochables.

Otras, como buscar otro trabajo ('cushioning') son bastante habituales: de hecho, según algunos estudios entre un 35% y un 37% de los trabajadores españoles están en ello, aunque el nombre y la asociación con la deslealtad y la infidelidad lo convierten en algo mucho más reprochable. Depende, claro está, si este análisis se hace desde el punto de vista del empleado o del empleador.

El problema de esta visión es que se puede hacer una crítica similar a la que se hace a las aplicaciones de citas: que distorsiona la verdadera naturaleza de las relaciones profesionales, que es bastante más compleja que deslizar la pantalla del móvil.

Algunas críticas van incluso más lejos. En una fecha tan lejana como 2015, Jessica Miller-Merrell, responsable del podcast Workology, y reconocida por publicaciones como Forbes como una de las mayores personalidades digitales en el mundo del empleo, publicaba un incendiario post en el que criticaba duramente esta tendencia.

Su argumento era que, con la búsqueda de un gancho llamativo, se sexualizaba un ámbito de una manera que quizá no resultaba tan deseable para empresas y candidatos como para los departamentos de marketing de esas empresas. Aparte del hecho de que el  85% de los responsables de la industria de los recursos humanos son mujeres.

Algo que no dudaba en vincular con la cultura del "brogammning", estereotipada en el sector TIC y las startups. Dos cambios en los que la presencia de la mujer sigue siendo muy reducida. De hecho, solo un 6% de las empresas emergentes  españolas está fundad por mujeres, según un estudio de South Summit e IE University. Aunque se trata de una cuestión que va más allá del género.

All you need is love?
Los argumentos de Miller-Merrell han sido repetidos por muchos autores a lo largo de los años,pero siguen cayendo en saco roto. La 'tinderización' de la búsqueda de empleo resurge periódicamente con fuerza a pesar de la profunda transformación del mercado laboral con respecto al panorama anterior a la pandemia.

La retórica de que las empresas y los líderes tiene que enamorar a sus candidatos (y viceversa) se mantiene inmutable pese a un inédito contexto de dificultades para contratar y en el que la rotación de los trabajadores se sitúa en el 17% según las estimaciones de Randstadt. En algunos sectores los expertos duplican su alcance, como el tecnológico, donde alcanzaría el 35%.

En un momento de sobrecalentamiento del merado laboral, fenómenos como la Renuncia Silenciosa ilustran un cambio de paradigma entre los trabajadores más jóvenes que muestran a las empresas la necesidad de captar empleo estable.

La idea del matching instantáneo, del ligue, puede resultar ocurrente (aunque desgastada por el uso) pero no refleja las verdaderas complejidades del nuevo paradigma laboral. Por no hablar de lo que ocurre en países como España, donde la falta de mano de obra en muchos sectores coincide  con una tasa de paro de más del 12%.

El problema de fondo es que esta retórica asimila la Gran Renuncia a una promiscuidad 'juguetona' de los candidatos que se contrarresta ofreciéndoles lo que, supuestamente, busca. Satisfacción rápida e inmediata.

Pero en realidad el problema es el opuesto: lo se valora por parte de empresas y candidatos no es un vínculo temporal, un 'rollo pasajero', sino estabilidad basada en un acuerdo sólido de ambas partes.

Tan sólido como puede (o debe) serlo un contrato laboral que surge del acuerdo entre empresas que afrontan un entorno de incertidumbre económica mientras la falta de mano de obra calificada da poder a muchos candidatos para pedir mejores salarios, promoción profesional, conciliación y un entorno de trabajo, no un "crush".

Sorpresa. Los jóvenes no están tan atontados como se creía (el discurso de que los jóvenes no tienen ni idea y la sociedad se va al carajo lleva milenios dándose). La gilipollez de la 'tinderización' del trabajo se dio a partir de los 80, primero silenciosamente, y ya descaradamente a partir de los 2000 en un momento en el que la pirámide de población lo permitía.

Pero ahora que la pirámide se da la vuelta, sorpresa. Los jóvenes entienden el trabajo como un medio para ganarse la vida, y que trabajo, familia, amigos, y dinero son conceptos distintos. ¡Qué desfachatez, cómo se atreven!


Tendremos recurrentemente la discusión del sabio, la luna, y el dedo hasta que la 'tinderización' caiga por su propio peso.

[breades]

No hay cosa más execrable que tener que leer y escuchar a todas horas, en todas partes y a todo el mundo el uso de 'Talento' como eufemismo de obrero.

Eso sí que es deshonroso por embustero y zalamero.

[Benzino Napaloni]

No hay cosa más execrable que tener que leer y escuchar a todas horas, en todas partes y a todo el mundo el uso de 'Talento' como eufemismo de obrero.

Eso sí que es deshonroso por embustero y zalamero.

Tampoco llegan a tanto. Muchos, cuando empezamos, le dábamos vueltas a ver qué podíamos estar haciendo mal. Con el tiempo ves que sólo hay estupidez.

Siguen viendo el fichar empleados como ir a por patatas al supermercado. "Buscar talento" es la forma que tienen de autoengañarse cuando no encuentran lo que quieren, que es cuestión de buscar más y mejor.

Con el invierno demográfico lo que pasa es que el trabajador ya se sabe dueño de la situación, al menos más que antes, y lo que antes tragaba por necesidad ya no lo traga.

Ahora ya es cuestión de tiempo que se tengan que bajar del burro a la fuerza. Tampoco pedimos la luna ni que nos traten con reverencias. Buscamos lo que dice el artículo: trabajo estable que nos permita financiar nuestra vida.

[dmar]

Predicción arriesgada:  en 3 años tuiter lo sigue petando y funcionará mejor.

[senslev]

Con este futuro no veo apocalipsis zombies.

https://threadreaderapp.com/thread/1596892430250360832.html

[Benzino Napaloni]

Predicción arriesgada:  en 3 años tuiter lo sigue petando y funcionará mejor.

Depende de con qué premisas.

Con Musk a lo kamikaze como va ahora, imposible. Si rectifica o los bancos que le prestaron el dinero se lo cargan, tal vez.

Twitter ha tenido estas semanas una pérdida de ingresos de espanto, el 90% venía de los anunciantes. La pérdida de los ingenieros con experiencia ha hecho que se esfume un know-how que va a ser dificilísimo recuperar. Ahora mismo tendrían que trabajar poco menos que 24/7 para pescar algo por ensayo y error e ingeniería inversa.

El fracaso de la verificación, y el indulto general de cuentas suspendidas, no es un buen comienzo. Y ojo al detalle de Trump: Musk le ha reactivado la cuenta, pero Trump ha dicho "gracias pero ya no me interesa".

[Cadavre Exquis]

Con este futuro no veo apocalipsis zombies.

https://threadreaderapp.com/thread/1596892430250360832.html

https://twitter.com/mishadavinci/status/1596892430250360832

Saludos.

[Saturio]

Con este futuro no veo apocalipsis zombies.

https://threadreaderapp.com/thread/1596892430250360832.html

https://twitter.com/mishadavinci/status/1596892430250360832

Saludos.

Pon dinero en esto.
Que lo vamos a petar.

[pollo]

AI-Assisted Coding Start-Up Kite Is Saying Farewell and Open-Sourcing Its Code
Posted by BeauHD on Tuesday November 22, 2022 @05:40PM from the ahead-of-their-time dept.

Kite, a start-up that has been developing artificial intelligence technology to help developers write code for nearly a decade, is saying farewell and open-sourcing its code. Silicon Republic reports:

Based in San Francisco, Kite was founded in 2014 as an early pioneer in the emerging field of AI that assists software developers in writing code -- an 'autocomplete' for programming of sorts. But now, after eight years of pursuing its vision to be a leader in AI-assisted programming, founder Adam Smith announced on the company website that the business is now wrapping up. According to him, even state-of-the-art machine learning models today don't understand the structure of code -- and too few developers are willing to pay for available services. "We failed to deliver our vision of AI-assisted programming because we were 10-plus years too early to market, ie, the tech is not ready yet," Smith explained. "You can see this in GitHub Copilot, which is built by GitHub in collaboration with OpenAI. As of late 2022, Copilot shows a lot of promise but still has a long way to go."

Copilot was first revealed in June 2021 as an AI assistant for programmers that essentially does for coding what predictive text does for writing emails. Developed in collaboration with OpenAI, GitHub had kept Copilot in technical preview until this summer, during which time it had been used by more than 1.2m developers. The AI was made available to all developers in June, at a cost of $10 a month or $100 a year. However, Smith said that the inadequacy of machine learning models in understanding the structure of code, such as non-local context, has been an insurmountable challenge for the Kite team. "We made some progress towards better models for code, but the problem is very engineering intensive. It may cost over $100m to build a production-quality tool capable of synthesizing code reliably, and nobody has tried that quite yet."

While the business could have still been successful without necessarily increasing developer productivity by 10 times using AI, Smith said he thinks that Kite's delay and unsuccessful attempt at monetizing the service prevented the start-up from taking flight. "We sequenced building our business in the following order: First we built our team, then the product, then distribution and then monetization," he explained, adding that Kite did not reach product-market fit until 2019, five years after starting the company. Despite the time taken to get to the market, Smith said Kite was able to capture 500,000 monthly active developers using its AI with "almost zero marketing spend." But the product failed to generate revenue because the developers refused to pay for it.

Smith says most of their code has been open sourced on GitHub, including their "data-driven Python type inference engine, Python public-package analyzer, desktop software, editor integrations, GitHub crawler and analyzer, and more more."

Saludos.

No es porque ya lo dijera yo, pero ya lo decía yo  .
Las aproximaciones que dan el pego para hacer arte no valen para algo que tiene que ser exacto y que necesariamente debe conocer contexto y propósito. Es "fácil" imitar la superficie estructural mediante estadística, pero cuando hay mucha mayor abstracción la cosa rompe.

La IA actual tiene un problema (bueno, más de uno), derivado de la técnica que se está utilizando: exponer a un modelo a un conjunto muy grande de ejemplos de algo y haciendo inferencias estadísticas a varios niveles de abstracción (muy grosso modo). Esto, por lógica, tiene varias limitaciones fundamentales, por mucho que le pese a ciertos entusiastas de la ciencia ficción:

• Cualquier pequeño sesgo en las muestras del entrenamiento saltará a la vista.
• La IA no puede crear, sólo imitar, aunque nos dé la ilusión de que sí.
• No existe un contexto general (sentido común), sino un contexto local al problema en cuestión. Tampoco existe un impulso interno ni una intencionalidad a la hora de hacer algo.

Sobre el punto 1, no hay una buena forma tratable de eliminar sesgos estadísticos en un conjunto de muestras genéricas. De hecho el problema es que estas técnicas de deep learning son tan buenas captando todo (lo que queremos y lo que no) que siempre se meten sesgos que a priori no podemos saber. Como ejemplo chorras: entrenamos una IA para reconocer animales, y resulta que las fotos del entrenamiento tienen fondo blanco. Vaya... ahora resulta que si no tiene un fondo blanco el modelo no los reconoce como animales. Hay que reentrenar.
Pues imaginemos este problema con cosas muy sutiles que no se nos ocurren, en cosas como código de programación, para propósitos variopintos.

Sobre el punto 2: si tenemos un modelo entrenado con ilustraciones y pinturas de todo tipo de autores, tenemos un modelo que efectivamente produce arte visualmente interesante, pero en mi opinión poco útil desde el punto de vista artístico.
¿Por qué? Pues porque por su propia naturaleza el modelo sólo refleja lo que ya ha "visto". Y sí, es cierto que puedes generar una variedad pseudo-infinita (porque de nuevo se limita a lo que haya visto la IA) de sujetos, pero no una variedad pseudo-infinita de estilos, entre otras cosas porque no hay una forma de expresar cómo es un estilo artístico.

Imaginemos que queremos hacer una ilustración al estilo cómic de Mignola. Con Dall-E u otra similar podríamos hacer una ilustración imitando perfectamente el estilo de Mignola. Pero el problema es que para que podamos hacer eso, tiene que haber existido un Mignola previamente. Ni siquiera podríamos pedirle a la IA "házmelo en un estilo que nunca nadie haya visto antes" (o quizá sí, que alguien me sorprenda). Tendríamos que decirle "házmelo al estilo Mignola" o incluso "Házmelo al estilo Mignola entremezclado con hiperrealismo", pero no deja de ser algo que ya debería existir.
Si quisiéramos un estilo artísticamente rompedor, no podríamos describirlo. Necesitaríamos de un artista.
En la práctica estos modelos eliminan la necesidad de imágenes de stock, o imitar fácilmente estilos dentro del entrenamiento. Pero si quisiéramos darle un aire homogéneo y único a una obra (ya fuese cómic, videojuego, etc.) con esto lograríamos hacer algo genérico y que no destacase sobre lo que ya existe, aparte de que si yo necesito producir imágenes con características muy concretas (como para una animación) no sería viable sin un modelo específico para crear animaciones.

Que ojo, para ciertas aplicaciones y para el nivel que pide el público mainstream hoy día quizá sea más que suficiente, pero luego nos pasará como a Hollywood, donde no hay ninguna creatividad en nada y todo son refritos, lo cual llevará al estancamiento o muerte lenta.

Sobre el punto 3: es el problema que existe en la conducción automática o mismamente en las ilustraciones por IA. Un sofá no es parte del cuerpo de la persona que está sentada, sin embargo muchas IAs pueden conceptualizarlo así (siendo un error frecuente en las imágenes), porque falta sentido común (contexto general). Con el sentido común, un ser vivo que está expuesto durante un tiempo al mundo real, acaba aprendiendo cómo funcionan los aspectos cotidianos fundamentales de este.
Los modelos de IA no tienen esto, con lo que son libres para hacer deducciones absurdas (como los niños que piensan que tapándose los ojos los demás no les ven), como que un papel de periódico arrugado en la carretera es un obstáculo mortal, o que las personas sentadas en un sofá son parte del sofá.
Hasta que no exista una forma de incorporar esto en los modelos, yo no haría un copy paste de código excepto quizá para el código más rutinario y anodino que no necesite pensar en absoluto (boilerplate), pero nunca de un algoritmo nuevo y diferente que me está costando días desarrollar e implementar (¿qué narices sabe un modelo estadístico sobre a dónde quiero llegar, los detalles sutiles de implementación de este caso concreto, etc?).

[Benzino Napaloni]

No es porque ya lo dijera yo, pero ya lo decía yo  .

Pero pero pero bueeenoooo...

¿Están diciendo en público que la IA no es capaz de programar como un humano, y que tras 10 años no han conseguido algo mínimamente decente y que desisten?

A la hoguera por herejes.


En fin, es la moderna Piedra Filosofal, los trabajadores robóticos 100% leales que predijeron los Simpson y que al momento se sublevaron contra el señor Burns y Smithers. Nos la iremos pegando una y otra vez hasta que se comprenda que -al menos con los medios técnicos actuales- el cerebro humano no se puede imitar con una máquina.

[saturno]

Buena explicacion la de Pollo:

Pero quizás el error es buscar algo en el lugar equivocado. Ese error que sólo cometen los humanos. Cuando el error no está en el "lugar" sino en el "algo". 

Un destornillador necesita de un operario, y decimos que el operario prima.
La inversa es cierta, el operario necesita de un destornillador. Y el operario prima igual. ¡Aunque aparentemente se prescinda de operario!

El tema es que lo que se necesita es un destornillador, no un operario, 

Que el destornillador sea estadístico, IA o un consenso de red social, pues da igual, mientras sea un destornillador.

Que a los ingenieros que conciben un destornillador IA se les suba a la cabeza que si el destornillador opera como un destornillador, pues es porque es un OPERARIO(!), en el fondo, da igual, y es hasta normal. Eso si que es humano.

Ahora, si al final  un destornillador-con-IA supera las prestaciones de un destornillador manual, hasta el punto que el operario sobra, pues si, bienvenido ese destornillador-con-IA.

(Otro ejemplo son los traductores automáticos. O el caso citado de generacion de conversaciones contextuales en Diplomacy. Que están diseñando herramientas complejas, aunque siguen siendo herramientas. Pues si, pero van mejorando y bienvenido sea.)


Todo lo anterior para decir que precisamente, a mi me parecen muy interesantes los trabajos como los de Kitty para dar formato / borrador a scripts en varios lenguajes. El debate es efectivamente la monetización. Razonan correctamente y eso sí que es buena señal. Ese es el debate:

Por retomar la metáfora, no creo que estemos tirando al niño con el agua sucia de la bañera. En ese "lugar", el "algo" que estamos lavando son los pañales o la suciedad del crio. Bienvenido el jabón,

[el malo]

En respuesta a @pollo

Lo he comentado más de una vez en este hilo. Para mí el "peligro" de la IA es precisamente su predisposición y su condicionamiento. Una vez que se acepte masivamente la IA como herramienta, empezará a condicionar a los humanos.

Esto se describe muy bien aquí:

¿qué narices sabe un modelo estadístico sobre a dónde quiero llegar, los detalles sutiles de implementación de este caso concreto, etc?.

Efectivamente, no lo sabe. Pero puede dirigirte (intencionadamente o no) a una conclusión errónea "porque lo dice la IA". Y el miedo que me da no es que la IA no funcione bien, es que se programe intencionadamente para sesgar nuestras opiniones (igual que hace hoy la prensa).

Multiplique ese ejemplo por miles de IAs aplicadas a todos los campos y en unos años tendremos un sesgo cognitivo distópico.

Pongo un ejemplo.

Imaginen una IA médica poderosísima que analiza los cuadros médicos de todos los pacientes con del mundo con cáncer (imágenes de rayos X, resonancias, análisis de sangre, etc. etc.). Cuando llegue un nuevo paciente muy posiblemente esa IA será capaz de identificar un patrón y decir si el paciente tiene cáncer y qué tratamiento funcionó en el pasado. A base de depurar y refinar se consigue que un cáncer muy agresivo tenga un ratio de supervivencia del 50%.
A base de restringir los tratamientos a los que la IA dice que funcionan, se niega el acceso a tratamientos nuevos, o se limita la investigación de modificaciones de tratamientos existentes.
Al final nos quedan un conjunto de soluciones más o menos genéricas para todos los pacientes dependiendo de su cuadro médico particular.
Un caso similar al que nos cuenta @pollo sobre las ilustraciones (no se crea nada nuevo, se optimiza lo que ya hay hasta límites infinitesimales).

¿Y si esa IA viene viciada de fábrica? ¿Y si esa IA tan poderosa ha sido financiada por Pfizer, por ejemplo?

¿Y si esa misma IA está conectada a otra superior que dice que si un paciente tiene 80 años no hay que tratarle para poder ahorrar recursos por el bien común? Supongamos que esa misma IA superior tiene una rama educativa que le ha ido enseñando a los chavales (a través de imágnes en los libros de texto, de revisiones de contenido, etc.) desde pequeñitos que viejo = malo.

No se si ven por dónde voy.

La misma deshumanización que tenemos hoy pero miles de veces más potente e interconectada.

[Cadavre Exquis]

A Hundred UK Companies Sign Up For Four-day Week With No Loss of Pay
Posted by msmash on Monday November 28, 2022 @09:43AM from the how-about-that dept.

AmiMoJo writes:

A hundred UK companies have signed up for a permanent four-day working week for all their employees with no loss of pay, a milestone in the campaign to fundamentally change Britain's approach to work. The 100 companies employ 2,600 staff -- a tiny fraction of the UK's working population -- but the 4 Day Week Campaign group is hoping they will be the vanguard of a major shift.

Proponents of the four-day week say that the five-day pattern is a hangover from an earlier economic age. They argue that a four-day week would drive companies to improve their productivity, meaning they can create the same output using fewer hours. For some early adopters the policy has also proven a useful way of attracting and retaining employees. The two biggest companies that have signed up are Atom Bank and global marketing company Awin, who each have about 450 staff in the UK. They have been accredited by the four-day week campaign, meaning they have demonstrated that they have genuinely reduced hours for workers rather than forcing them into longer days.

Saludos.