Durante los últimos 40 años, cada vez que surgía una nueva tecnología, me dedicaba a leer todo lo que podía sobre ella, con el propósito de entenderla y, eventualmente, dominarla. Esa tarea ocupaba una parte importante de mi tiempo: calculo que entre un 15% y un 25%.
La inteligencia artificial (IA) cambió por completo esa dinámica. Hoy, la cantidad de información que se publica y la velocidad con que aparece hacen imposible leerlo todo. Sospecho que también hacen imposible comprenderlo todo.
Las grandes empresas de IA generan miles de millones de dólares al mes. Los servicios se cobran por consumo, mediante una unidad denominada token, cuyo funcionamiento pocos entienden realmente. Por eso, presupuestar un proyecto basado en IA es extraordinariamente complejo. Cada interacción, cada nueva versión de un prompt, consume recursos y puede encarecer significativamente los costos.
Al mismo tiempo, la industria ha desatado un verdadero frenesí financiero. Bancos e inversionistas participan en ofertas públicas que aspiran a valoraciones de billones de dólares. Algunos analistas incluso se preguntan si existe suficiente capital en el mercado para sostener semejantes expectativas.
Mientras unas pocas empresas acumulan fortunas inmensas, comienzan a aparecer señales de malestar social. Recién graduados abuchean a conferencistas que exaltan las bondades de la IA. Las universidades continúan enseñando, en muchos casos, las destrezas del pasado, y numerosos profesionales se sienten frustrados al enfrentarse a clientes y pacientes que llegan respaldados por sistemas de inteligencia artificial.
Existe amplio consenso en torno a una idea: todos debemos aprender a utilizar la IA. Sin embargo, no hay acuerdo alguno sobre qué significa realmente hacerlo. Probablemente, coincidimos en que no existe sustituto para el entendimiento profundo, pero comprender qué hace la IA y cómo lo hace no es tarea sencilla.
¿Basta con saber utilizarla? ¿O también debemos aprender a usarla eficientemente, optimizando la relación entre costo y resultado? Algunos especialistas ya han desarrollado métodos para convertir sistemas esencialmente probabilísticos en herramientas mucho más predecibles y confiables. ¿Podremos todos –o incluso deberemos– aprender esas técnicas?
Intento imaginar a un médico atendiendo a un paciente que ya consultó a su propia IA; a un arquitecto cuyo cliente somete sus diseños al escrutinio de un modelo generativo y regresa con sugerencias, o a un abogado cuyos documentos son corregidos por el cliente con ayuda de una aplicación de IA. Prefiero no imaginar el caso de los radiólogos.
La educación enfrenta desafíos aún mayores. ¿Qué se les está enseñando hoy a los estudiantes sobre inteligencia artificial? Muchos de los exámenes que todavía se utilizan para graduarse o incorporarse a una profesión son resueltos por la IA con resultados superiores. Ignorar esta realidad o negarse a enfrentarla resulta improcedente.
Es profundamente injusto educar a los estudiantes como si la revolución de la IA no estuviera ocurriendo a una velocidad vertiginosa. Corremos el riesgo de graduar profesionales obsoletos desde el primer día. No es casualidad que muchos de los empleos que ya están desapareciendo correspondan precisamente a posiciones de entrada o de primer nivel.
La velocidad del cambio también sorprende. Una de las empresas de IA más exitosas reveló recientemente que el 80% del código producido durante los últimos tres meses fue escrito por la propia inteligencia artificial. Esa es la manera en que están acelerando el desarrollo de nuevos sistemas.
La misma compañía publicó un documento técnico en el que explica cómo opera este modelo y advierte sobre los riesgos que implica para la empresa, la industria y la humanidad. En esencia, sus autores sugieren desacelerar, aunque sea ligeramente, y hacer una pausa para reflexionar.
El problema es evidente: ¿cómo coordinar a todos los competidores (empresas y países) para que reduzcan el ritmo? Y, aún más difícil, ¿cómo verificar que todos cumplan y que nadie continúe avanzando en secreto?
Para mí, resulta evidente que nos acercamos a una transformación profunda. El potencial de la IA en investigación científica es extraordinario: desde el descubrimiento de nuevos medicamentos hasta el desarrollo energético o la lucha contra el envejecimiento, un objetivo que algunos consideran incluso quimérico.
Lo que nadie parece saber con certeza es la velocidad a la que ocurrirá todo esto. El sistema regulatorio mundial avanza mucho más lentamente y, sin duda, sufrirá un fuerte impacto. Sin embargo, la historia demuestra que los cambios tecnológicos no regulados suelen desembocar en el caos.
De algo sí estoy convencido: quienes creen que esta transformación ocurrirá a la velocidad de las revoluciones tecnológicas del pasado están profundamente equivocados. El cambio será rápido y, muy probablemente, traumático.
Costa Rica no solo tiene la opción, sino la obligación, de prepararse. Tal vez incluso ya estemos llegando tarde, sobre todo si pretendemos diseñar y ejecutar esa preparación con la lentitud de otras épocas.
Se necesita, cuanto antes, un equipo interdisciplinario integrado por personas jóvenes y otras con experiencia, que trabaje intensamente durante algunos meses y permita iniciar la implementación de una estrategia nacional este mismo año.
Porque, esta vez, si nos agarran viendo pa’l ciprés, nos va a salir muy caro.
Roberto Sasso es ingeniero, presidente del Club de Investigación Tecnológica y organizador del TEDxPuraVida.