La inteligencia artificial (IA) generativa está avanzando a grandes pasos y ya está teniendo un fuerte impacto en los diferentes ámbitos de nuestra sociedad. Antes de entrar a definir qué es la IA generativa demos un paso atrás y hablemos de qué se entiende por IA, pues el término se está usando en múltiples contextos y pareciera que toda nueva tecnología, servicio o aplicación viene con IA. Dado ello, hoy se está llamado inteligencia artificial a todo tipo de tecnología que permite crear agentes que parecen razonar o aprender de forma cada vez más autónoma y parecida a la del ser humano.
El gran salto que hay entre las herramientas que teníamos en IA hace algunos años y la IA Generativa de la que hablamos hoy es comparable a la diferencia que existe entre interpolar y extrapolar. Al interpolar, buscamos estimar qué ocurrirá con alguna variable de interés cuando ya conocemos cómo se ha comportado esa variable en situaciones similares. Al pasar a extrapolar, queremos estimar qué pasará con nuestra variable más allá de los rangos en que la hemos observado, algo mucho más difícil e incierto en la mayoría de las aplicaciones.
Volviendo a la IA con nuestro ejemplo, en las metodologías anteriores entregábamos a un sistema de IA un conjunto de datos para, al igual que al interpolar, estimemos qué pasara al ingresar una información nueva. Por ejemplo, le entregábamos una serie de datos de ventas de nuestros clientes y queríamos predecir cómo serían las ventas de nuestros próximos períodos. Sin embargo, si quisiéramos usar la misma herramienta de IA ya entrenada, para otro conjunto diferente de información (por ejemplo, predecir la temperatura máxima del próximo día), el sistema no podía entregarnos una respuesta satisfactoria.
Ahora, con la inteligencia artificial generativa, estamos pasando a un equivalente al extrapolar. Ya no solo “autocompleta” una secuencia para entregar potenciales soluciones a una problemática, sino que tiene la capacidad de generar cosas nuevas, que están fuera del conjunto de datos de entrenamiento. El ejemplo más famoso de esto es actualmente ChatGPT, que puede crear poemas o discursos con sólo algunas ideas generales entregadas por el usuario.
Estas nuevas capacidades están cambiando desde la forma cómo operan las empresas hasta la manera de hacer ciencia. De acuerdo con un estudio reciente de Microsoft, los ejecutivos en Chile reconocen los desafíos y oportunidades que trae este salto en capacidades, y un 77% destaca que espera que la inteligencia generativa aumente la productividad de sus organizaciones más que reduzca la fuerza de trabajo. Ante esto, no solo están aumentando sus inversiones en IA, sino que también se ha convertido en un tema clave desde sus directorios.
Y es que, con esta capacidad de extrapolar fuera de los datos usados para su entrenamiento, la inteligencia artificial está cambiando la forma en que procesamos datos. Por ejemplo, en las ciencias naturales, el método común es establecer algunas hipótesis y, luego, comprobarlas o refutarlas a través de experimentos y desarrollo de nueva tecnología. Las nuevas herramientas nos pueden apoyar a desarrollar incluso las hipótesis iniciales, buscando patrones en la gran cantidad de datos, lo que potenciará la capacidad de las personas para alcanzar soluciones a los problemas más graves de la sociedad, como son tratamientos para enfermedades o cómo producir de forma más sustentable, entre muchas otras.
Pero este nuevo tipo de inteligencia artificial también representa un gran desafío en cuanto lo que será el futuro del trabajo. Por un lado, la facilidad con la que hoy pueden ser usadas estas herramientas implicará de seguro una masificación rápida en su uso; por ejemplo, ChatGPT pasó el millón de usuarios en menos de 5 días según OpenAI, algo que a Instagram le tomó 2.5 meses y a Netflix 3.5 años. Sin embargo, en estas herramientas, que son más sofisticadas, es mucho más difícil saber qué hay detrás, cómo están eligiendo las respuestas a entregar o sobre qué conjunto de datos están extrapolando la información que entregan. Esto implica que las personas deben tener al menos un conocimiento general de su funcionamiento, ya que impactará diferentes aspectos de nuestra sociedad y cada vez más rápido.
Ante esto, es fundamental empezar hoy a incluir estas materias en las universidades, sobre todo al considerar que hay un alto número de carreras en las cuales no estamos entregando las habilidades necesarias para que los estudiantes de hoy puedan mantenerse competitivos en el mundo laboral del futuro. Entre ellas se encuentran la creación de plataformas, el manejo de sistemas en la nube, entre muchas otras. Y no estamos hablando solo de ingenieros, sino que, de abogados, médicos, entre otras profesiones, que de seguro se verán afectados por las nuevas tecnologías y su aprovechamiento les podría ayudar a realizar sus trabajos en forma mejor.
La inteligencia generativa también tendrá un importante impacto en la forma en que enseñamos y evaluamos. Por ejemplo, ya es una realidad que los estudiantes tienen hoy la posibilidad de hacer un ensayo a través de ChatGPT. Entonces quizás pedir un ensayo ya no sea la forma de evaluar si están logrando las habilidades y capacidades que deseamos, sino que más bien debemos pedirles un análisis crítico del ensayo que podría haber hecho esta tecnología, para evaluar realmente el entendimiento y uso de lo que se enseña. Cegarse ante la inteligencia artificial sería como no reconocer que la calculadora fue en su momento un elemento que también nos hizo cambiar la forma de enseñar.
Sin embargo, al hablar de desafíos, quizás el más grande sea la regulación. Es difícil regular una tecnología como la IA en general, que evoluciona a gran velocidad, mucho más rápido que los sistemas legislativos. Ante esto, es necesario un trabajo conjunto entre el sector privado, público y académico. La academia tiene rol fundamental de investigar qué riesgos podría generar la inteligencia generativa, por ejemplo, los relacionados con ética. Cómo lograr que se respete la información de las personas, cómo generar decisiones que sean inclusivas, entre muchos otros retos.
Sin embargo, identificar estos riesgos no es suficiente. A partir de ellos debe haber un diálogo -continuo- entre el Estado y el mundo privado, con el fin de que seamos capaces, en conjunto, de crear una normativa que pueda mantenerse lo más vigente posible en los próximos años.
La inteligencia artificial generativa ya es una realidad y el potencial que tiene para entregar soluciones a los problemas sociales y de negocios más acuciantes es inmenso. Por eso, el momento de potenciar su valor es ahora, en todos los ámbitos de la sociedad.
