Sistemas Inteligentes
A partir del lenguaje, hemos desarrollado múltiples formas de inteligencia, especialmente en la manera en que nos organizamos. Las estructuras políticas, sociales y empresariales son ejemplos de sistemas inteligentes creados por los humanos. Por ejemplo, una junta directiva es un sistema inteligente en el que un grupo de personas analiza y toma decisiones basadas en el conocimiento y experiencia de cada uno de sus miembros. Podría decirse que una junta directiva es un mecanismo artificial, estructurado para asistir nuestra propia inteligencia colectiva.
Un sistema inteligente se puede definir como una tecnología o sistema humano diseñado para procesar información, aprender de los datos y tomar decisiones o realizar acciones de manera autónoma o asistida. Por ejemplo, una cooperativa agrícola organizada por pequeños productores es un caso claro de sistema inteligente. En este sistema, cada miembro aporta su experiencia y conocimientos específicos sobre cultivos, manejo de recursos o distribución. No hay una jerarquía fija, pero las decisiones se toman de manera consensuada, adaptándose a los cambios en el mercado o el clima. Este comportamiento colaborativo permite optimizar recursos, compartir riesgos y maximizar beneficios para todos los integrantes. La cooperativa demuestra cómo un sistema inteligente puede resolver problemas complejos y generar impacto económico y social positivo.
Así como una junta directiva es un sistema inteligente, un comité de evaluación, las jerarquías organizacionales, las asamblea legislativa, la división de poderes en un gobierno, todos estos son sistemas inteligentes. Suponen una inteligencia colectiva superior a la inteligencia individual. Así una universidad es un sistema inteligente muy superior a la suma de los y las investigadoras y estudiantes que lo conforman.
El éxito de integración de tecnologías nuevas de IA generativa e inteligencia artificial general, dependerá de la estructuración de un sistema inteligente superior individual y colectivo, que integra la inteligencia humana con la inteligencia artificial.
Inteligencia Artificial basada en lenguajes
El avance significativo de la inteligencia artificial en los últimos años se atribuye en gran medida a los progresos en el procesamiento del lenguaje natural (PLN). Este permite a las máquinas comprender, interpretar y generar lenguaje humano (natural) de manera efectiva, como es el caso de herramientas como ChatGPT. El procesamiento de lenguaje en estos algoritmos no se basa directamente en la estructura sintáctica de los lenguajes naturales, sino en la imitación de patrones del sistema neuronal humano. Aunque entrenados con terabytes de información textual, la sintaxis y semántica de los textos de entrenamiento está implícita, lo que les permite generar textos bien estructurados. Aun así, carecen de una comprensión real de las reglas gramaticales o el significado profundo de expresiones escritas.
La idea fundamental detrás de esta estrategia radica en que, si logramos construir un cerebro digital sintético que emule las conexiones neuronales del cerebro humano, podríamos crear un sistema capaz de “aprender” el lenguaje de manera similar a como lo hacemos los humanos. Nosotros no aprendemos el lenguaje comenzando por su estructura sintáctica o gramatical; esos aspectos se adquieren después, como un refinamiento de nuestro aprendizaje inicial. El enfoque del procesamiento del lenguaje busca replicar en una computadora este proceso de inferencia, en el que el significado se deduce a partir del uso y contexto del lenguaje, y también la capacidad de expresión a través de la generación de lenguaje natural. Este paradigma no sólo imita cómo interactuamos con el lenguaje, sino que también abre la puerta a sistemas que pueden aprender y adaptarse continuamente a través de experiencias similares a las humanas.
¿Por qué estos sistemas se basan en el lenguaje escrito y no en el hablado? Principalmente porque el conocimiento humano se encuentra de manera más coherente y precisa en forma escrita. La transmisión oral es más imprecisa y está sujeta a variaciones. Además, el lenguaje escrito permite estructurar, comunicar y trabajar con información de manera mucho más eficiente. Si quisiéramos recolectar todo el conocimiento humano como audios, no lo podríamos hacer, pues no existen audios registrados de todo lo que hemos hecho, pero sí textos. Si pensamos además en el “espacio de disco”, un texto de 1000 palabras ocupa sólo 5 Kilobytes, mientras que el mismo texto hablado en archivo de audio ocuparía unos 63000 Kilobytes (12 mil veces más).
Piensen lo siguiente: imaginen que WhatsApp funcionara sólo con audios grabados. Sería bastante inconveniente para la comunicación rápida. Buscar información en esos mensajes sería casi imposible, imagínense si alguien les pasa un número de teléfono, pero en mensaje de audio, tendríamos que transcribirlo pues no se puede copiar ni pegar, ni hacer una llamada o mensaje directamente con esa información. Tampoco podrían revisar rápidamente un chat para recordar algo. El lenguaje escrito es lo que hace que herramientas como WhatsApp sean útiles, y es también una de las razones para que los modelos de lenguaje puedan funcionar de manera efectiva.
Claro, el lenguaje escrito también tiene sus limitaciones. El lenguaje oral incluye elementos como entonación, ritmo y pausas que transmiten estados mentales y narrativas emotivas, lo que limita la capacidad de los modelos de lenguaje actuales. Esto subraya la necesidad de considerar sistemas inteligentes que integren estas capacidades emocionales y narrativas más complejas, pero la solución, pienso yo, no es que estos sistemas de IA funcionen con audios, sino que nosotros aprendamos a comunicar bien en lenguaje escrito, de allí que deben haber cambios fundamentales en la educación (tema de otro día).
¿Los humanos asisten a la IA o la IA asiste a los humanos?
La verdadera pregunta no es si la IA formará parte de nuestras vidas o trabajos, sino ¿de qué manera lo harán? Yo dividiría los trabajos y tareas humanas en dos categorías principales: bajo nivel y alto nivel.
Las tareas de bajo nivel son específicas, detalladas y requieren una ejecución precisa. Incluyen actividades como programación, cálculos en hojas de cálculo o ejecución de rutinas automáticas y semi-automáticas. No es que estas tareas no tengan incertidumbre, sino que esta es baja y generalmente algo predecible, lo que facilita su automatización y supervisión humana. Por otro lado, las tareas de alto nivel son abstractas, estratégicas y se enfocan en la planificación y dirección. Estas tareas requieren creatividad y suelen ser altamente contextuales. Estas tareas presentan un alto grado de incertidumbre, lo que implica que las soluciones no siempre son predecibles y requieren adaptación constante a nuevas variables y contextos.
En tareas de bajo nivel, la IA Generativa puede realizar gran parte del trabajo, supervisado por humanos que verifican e integran lo generado. Por ejemplo, en una empresa, un analista financiero puede utilizar una IA para generar reportes automáticos sobre tendencias de mercado, con datos procesados y visualizaciones listas para su revisión. El humano asegura la calidad y la interpretación de los resultados generados. Por otro lado, en las tareas de alto nivel, el humano es el creador principal, asistido por la IA en aspectos técnicos para amplificar sus capacidades. Un ejemplo podría ser un diseñador de estrategias empresariales que emplea IA para analizar grandes volúmenes de información y generar escenarios hipotéticos, lo que le permite tomar decisiones informadas y creativas en entornos complejos.
Las empresas deben identificar con precisión los tipos de tareas que realizan las personas dentro de su organización y evaluar cómo estas pueden integrarse con IA Generativa para maximizar su eficiencia. Un buen punto de partida es realizar un análisis de procesos que clasifique las tareas en bajo nivel y alto nivel, según su naturaleza y complejidad. Esto implica observar qué tareas son repetitivas, predecibles y susceptibles de automatización, así como identificar aquellas que requieren creatividad, planificación estratégica o adaptación al contexto. Por ejemplo, un taller o sesión de brainstorming con los empleados puede ser útil para entender cómo ven su trabajo, qué tareas consideran más desafiantes y cómo creen que podría mejorar con el apoyo de herramientas de IA. Una vez clasificados los tipos de tareas, se podría implementar un plan piloto que integre la IA Generativa en procesos específicos, monitoreando cómo esta afecta la productividad y calidad del trabajo. Este enfoque permite a las organizaciones no sólo adaptar sus operaciones a nuevas tecnologías, sino también involucrar a sus equipos en la transición hacia modelos de trabajo más inteligentes.
A modo de conclusión
Debemos pensar en sistemas inteligentes que combinen lo mejor de nuestras capacidades humanas con estas herramientas digitales. Lo que necesitamos son sistemas inteligentes que vayan más allá de la simple aplicación de la IA Generativa. Son estos sistemas inteligentes los que nos permiten no sólo desarrollar nuestra sociedad, sino también avanzar de manera significativa hacia el futuro. Los modelos de lenguaje, por ejemplo, son el resultado de un sistema inteligente fundamental: el desarrollo del lenguaje natural y formal que los humanos hemos perfeccionado durante milenios. A esto se suma otro sistema inteligente clave: la organización del conocimiento humano, ya sea científico, artístico o cultural. Todos estos componentes trabajan en conjunto para alimentar y potenciar los sistemas de inteligencia artificial actuales, creando una sinergia que transforma nuestra capacidad de innovar y resolver problemas complejos.
Cualquier organización o empresa debe ir más allá del simple uso de la IA y pensar en el diseño de sistemas inteligentes integrales. Estos sistemas deben incluir la IA Generativa como una herramienta clave, pero también considerar otros componentes que potencien tanto las capacidades individuales de las personas como la inteligencia colectiva y organizacional. Reflexionar sobre cómo la IA Generativa puede aportar tanto en tareas de bajo nivel como en aquellas de alto nivel es fundamental para entender su verdadero potencial. Su valor no radica simplemente en la repetición o automatización de procesos predecibles, sino en su capacidad para adaptarse y responder de manera rápida y en tiempo real, mejorando actividades que a menudo damos por sentadas. Por ejemplo, en tareas rutinarias como la generación de reportes o el manejo de inventarios, la IA puede liberar tiempo valioso para que los empleados se enfoquen en labores más creativas. Al mismo tiempo, en escenarios estratégicos, como el diseño de nuevos modelos de negocio o la planificación de proyectos a largo plazo, la IA actúa como un aliado, proporcionando insights y simulaciones que enriquecen la toma de decisiones humanas. Este enfoque híbrido no sólo optimiza procesos, sino que también redefine las posibilidades de colaboración entre humanos y máquinas.
Director Escuela de Sistemas Inteligentes Universidad Cenfotec
[email protected]
Source
Agencia
