La IA no cabe en una ventana de chat
Buena parte de los desacuerdos sobre inteligencia artificial en los comités directivos no son desacuerdos sobre estrategia. Son desacuerdos sobre el significado de una palabra que cada quien está usando distinto.
He estado en reuniones donde se discute durante cuarenta minutos sobre si la empresa “debería invertir en IA” y, al final, uno estaba hablando de automatizar la redacción de informes y el otro de predecir la rotación de clientes. No existía un desacuerdo, estaban hablando de cosas distintas con la misma palabra.
Esto no es un problema de ignorancia, es un problema de proporción. En los últimos años, una rama de la inteligencia artificial se volvió tan visible, tan accesible y tan conversacional que ocupó todo el espacio disponible en las conversaciones ejecutivas. Hoy, para la mayoría de las personas, “IA” significa una ventana de chat donde uno escribe y algo responde. Esa ventana es real, es útil y llegó para quedarse, está transformando la cotidianidad de muchas personas y cada día roba más tráfico de búsquedas a Google, pero es la punta de algo mucho más grande y considerablemente más antiguo.
Un punto de partida: Llevamos años usando IA sin llamarla así
Mucho antes de que existiera un chat al que preguntas cosas, la inteligencia artificial ya estaba operando en nuestra vida cotidiana sin pedir permiso ni protagonismo. El filtro que aparta el correo basura de su bandeja de correo aprendió a distinguir el spam observando millones de ejemplo; la app de navegación que todos los días te recalcula la ruta a casa te está resolviendo un problema de optimización en tiempo real o el banco cuando te bloquea una compra sospechosa a las tres de la mañana, esto sucede porque un modelo entrenado detectó que ese patrón no se parece a tu comportamiento.
Ninguno de esos sistemas tiene una pantalla de conversación o donde escribirle, nadie los promociona como “una inteligencia artificial” y sin embargo, todos lo son.
Lo que hay debajo de la ventana
Quiero aprovechar este espacio para que pongamos sobre la mesa algunos términos que suelen usarse como sinónimos y no lo son. La relación entre ellos no es de competencia sino de contención: cada uno vive dentro del anterior.
Inteligencia Artificial
Es el conjunto completo, aquí vive cualquier sistema que ejecuta tareas que asociamos con la inteligencia humana. Existe como disciplina de estudio desde los años cincuenta.
Machine Learning
Son sistemas que no fueron programados con reglas explícitas, sino que aprendieron patrones a partir de datos históricos. En este conjunto vive casi todo lo que hoy genera valor medible en las empresas: predicción de demanda, detección de fraude, scoring de riesgo, mantenimiento anticipado de maquinaria, etc.
Redes Neuronales y Aprendizaje Profundo
Es una de las técnicas dentro del machine learning que apila capas de procesamiento, cada una reconociendo patrones más abstractos que la anterior. Es el tipo de tecnología que ha hecho posible que un computador identifique un tumor en una radiografía o transcriba una conversación con ruido de fondo.
Modelos de Lenguaje (LLM)
Un tipo específico de red neuronal, fue entrenada para predecir y producir texto. Es la tecnología detrás de la ventana de ChatGPT, Gemini o Claude. Es una rama extraordinaria que nos ha democratizado esta tecnología.
Dicho de otro manera, todos los modelos de lenguaje son inteligencia artificial, pero la inmensa mayoría de la inteligencia artificial que mueve resultados en una organización no puede y no deben resolverse con modelos de lenguaje.
¿Por qué esta distinción cambia decisiones de inversión?
Cuando un equipo directivo asume que IA es igual a texto generado, evalúa la tecnología con la vara equivocada. Mide productividad en horas de redacción ahorradas, cuando la pregunta que debería hacerse es otra: ¿qué decisiones repetitivas y basadas en datos está tomando esta organización a pulso, que un modelo podría anticipar mejor que nosotros?
Esa segunda pregunta rara vez se responde con un chat, se responde con un modelo predictivo entrenado sobre los datos propios de la empresa, hasta ahora en muy pocas ocasiones se le desarrolla una interfaz visible y que sin duda requiere más esfuerzo que una suscripción mensual. Detrás de una solución de esta encontramos horas de trabajo ordenando datos, formulando un problema estructurado y acotado; y sin duda, la experiencia de alguien que entienda el negocio lo suficiente para saber qué genera valor o que vale la pena predecir.
Aquí nace el punto que me interesa dejar planteado esta semana. Las herramientas conversacionales bajaron tanto la barrera de entrada que crearon una sensación de suficiencia, se siente como si ya se estuviera haciendo IA y en muchos casos lo que se está haciendo es redactar más rápido, que no digo que es valioso, pero no es lo mismo que decidir mejor.Los modelos de lenguaje son la única inteligencia artificial que nos habla o interactúa con nosotros, y ahora estamos avanzando a una Inteligencia Artificial basada en agentes con habilidades específicas para construir contenido bajo determinados parámetros con la capacidad de expresarnos su respuesta, herramientas que viven en nuestros escritorios y que tienen como reto vivir en dispositivos cada vez más pequeños y los más avanzados estudios se están centrando en cómo crear un sistema que sea capaz de aprender, actuar, evaluarse, integrarse con procesos reales y mantener resultados confiables. En este punto, lo que no puede pasarnos es que sigamos definiendo toda la disciplina por lo que producimos en ChatGPT, la IA de verdad puede generar muchísimo valor a las empresas si se utiliza con criterio.
