Kevin Roose, periodista y autor de Las crónicas de AGI, sostiene que el sector de la inteligencia artificial ha pasado de especular sobre la inteligencia artificial general (AGI) a organizar sus negocios en torno a su desarrollo. Ese cambio es relevante incluso para empresas alejadas de los laboratorios de vanguardia: los mismos sistemas se comercializan cada vez más como herramientas prácticas de automatización, mientras que sus desarrolladores siguen realizando inversiones costosas e inciertas con vistas a un objetivo mucho más ambicioso.
De la ambición investigadora a la carrera comercial
En una conversación sobre Decodificador, Roose describió cómo cambiaron los laboratorios de vanguardia a medida que los grandes modelos de lenguaje empezaron a producir resultados que muchos investigadores habían considerado antes poco plausibles. La arquitectura «transformer», publicada por investigadores de Google en 2017, se convirtió en la base de los sistemas que sustentan ChatGPT y productos similares. La observación principal de Roose es que la predicción del siguiente token ha seguido generalizándose sorprendentemente bien, lo que ha animado a las empresas a creer que una mayor ampliación podría dar lugar a formas más amplias de inteligencia.
Esa creencia convive ahora con una realidad empresarial más convencional. OpenAI, Anthropic y Google no son solo organizaciones de investigación; también intentan vender software empresarial, atraer clientes y financiar el considerable coste de la infraestructura informática y la plantilla. Roose describe las ventas empresariales como una forma de mantener en marcha la “rueda de inercia” mientras las empresas siguen buscando modelos y agentes más capaces.
La tensión es considerable. Una empresa centrada en los márgenes a corto plazo podría dar prioridad a mejorar la eficiencia de la inferencia, atender a los clientes actuales y vender funciones fiables. Una empresa convencida de que está al alcance de la mano un gran avance en cuanto a capacidades podría, en cambio, destinar capital a la formación, la capacidad de cálculo y los sistemas de codificación destinados a respaldar un trabajo autónomo a más largo plazo. El artículo presenta esto como una disyuntiva estratégica, no como una fórmula infalible para el éxito.
Por qué la capacidad no elimina la fragilidad
La entrevista también pone de relieve una distinción persistente entre las demostraciones impresionantes y la automatización fiable. Roose se muestra optimista respecto a que los modelos de lenguaje puedan llegar a alcanzar, con el tiempo, la IA general (AGI), pero en el debate se reconoce que los sistemas actuales aún pueden fallar cuando las tareas están mal especificadas, la retroalimentación es ambigua o el software circundante no ofrece una forma clara de reconocer un error.
Esa limitación es especialmente relevante para las empresas que adoptan la automatización basada en la inteligencia artificial. Un modelo puede funcionar bien en tareas de programación, análisis de documentos u otras tareas con resultados claros y criterios de verificación definidos. Sin embargo, puede resultar mucho menos fiable cuando se le pide que navegue por sitios web incoherentes, interprete procesos no documentados o tome decisiones a juicio propio en varios sistemas sin revisión humana.
Para los fundadores, las agencias y los equipos operativos, la lección práctica no consiste en elegir entre el entusiasmo y el rechazo, sino en distinguir entre capacidad de fiabilidad. Una automatización puede resultar realmente útil, aunque siga requiriendo puntos de control, permisos, registros de auditoría, procedimientos de contingencia y una persona responsable de gestionar las excepciones.
Qué significa esto para las empresas
- Diseña teniendo en cuenta los resultados verificables. Es más fácil confiar en las automatizaciones cuando se puede comprobar su éxito mediante datos estructurados, pruebas, aprobaciones o la conciliación con una fuente de referencia.
- Prevé un presupuesto para las operaciones, no solo para el acceso a los modelos. Las tarifas de las API o del software son solo una parte del coste. Los equipos también necesitan supervisión, mantenimiento de los flujos de trabajo, controles de seguridad y tiempo para gestionar los fallos.
- Mantén la flexibilidad estratégica. Aunque el panorama competitivo pueda favorecer a un reducido número de grandes proveedores, la entrevista deja sin resolver cuestiones relativas a la fijación de precios, los modelos de peso abierto, la demanda de recursos informáticos y la regulación. Evita basar los procesos críticos en hipótesis sin contrastar sobre qué proveedor o modelo acabará imponiéndose.
El argumento general de Roose es tanto cultural como técnico: una comunidad relativamente pequeña de investigadores, ejecutivos e inversores está tomando decisiones con consecuencias potencialmente amplias. Independientemente de si la IA general llega o no en los plazos que sugieren sus defensores, las empresas y los responsables políticos tienen que lidiar ya con sistemas cada vez más capaces. La respuesta sensata no consiste ni en aceptar todas las predicciones del sector ni en descartar la tecnología de plano, sino en comprender dónde funciona la automatización, dónde falla y quién asume la responsabilidad cuando esto ocurre.
Fuente: Lee el reportaje original. Este artículo aporta un análisis general y un contexto práctico al informe original.
Más información: ¿Buscas soluciones prácticas de automatización con IA para tu empresa? Visita la Tienda de automatización de Implementi.ai.
