La inteligencia artificial ha demostrado ser una herramienta de colaboración extraordinaria, pero ya hay quienes consideran que carece de fundamento. Por lo que he visto hasta la fecha, estoy completamente de acuerdo.
Su llegada e implementación a todos los niveles no ha dejado indiferente a nadie. De eso no hay duda, porque, cada día que pasa hacemos nuevas noticias sobre ella. Que si quita el trabajo a la gente, que si es más inteligente que las personas… Aquí debo matizar.
¿No es eso lo que buscan todas las empresas dedicadas a la tecnología? ¿Esa que llaman Inteligencia Artificial General (AGI, por sus siglas en inglés) y en la que ya han focalizado todos sus esfuerzos compañías como Meta, Google y OpenAI
Sí, al parecer ese es el objetivo de los grandes gurús del sector, pero creo que, antes de alcanzar lo que hasta ahora muchos creen imposible, convendría revisar en qué punto está la IA actual, cómo la estamos aplicando, si sus resultados son fiables y, sobre todo, si nos está ahorrando el tiempo que creíamos que íbamos a ganar.
Spoiler: no y, de hecho, le estamos dedicando mucho más a corregir sus errores que a aprovecharnos de sus virtudes, por no decir que nos está aportando una visión muy limitada de ciertos temas a partir de nuestras consultas.
IA para revisar
A pesar de que parece que la IA sabe hacerlo todo, la tecnología está repleta de errores. Entre otras cosas, porque la información que utiliza para ofrecer sus resultados también contiene sus fallos.
Esta es una de las razones que explican por qué siempre será necesaria la mano de obra humana, que pueda distinguir los errores y eliminarlos mientras trabaja la IA o al final del procedimiento, antes de resolver determinadas tareas.
El problema está en que el ritmo de las máquinas no es igual al de los humanos y ya han habido casos en los cuales los humanos no han dado abasto para enmendar todos los fallos que comete la inteligencia artificial.
Precisamente dentro del ámbito laboral ha nacido un nuevo término relacionado con ello, conocido como AI Workslop, que es el contenido generado por IA que, aparentemente, tiene gran valor pero que, en realidad, carece de sustancia y no es útil en absoluto para avanzar en ciertas tareas o, directamente, completarlas.
Esto ha generado grandes problemas en algunas de las empresas que sí se han lanzado a la piscina y han invertido en IA, ya que, según un informe reciente realizado por Stanford Social Media Lab y BetterUp Labs, el 95% de las organizaciones no ve un retorno medible de lo que han pagado por integrar herramientas impulsadas por esta tecnología.
Eso, entre otras cosas, se debe al planteamiento original de la IA generativa y su manera de proceder hasta la fecha, que, la mayoría de las veces es el de recopilar y analizar datos para después escupirlos sin ningún sentido.
Ni criterio propio ni muy concreto
La inteligencia artificial, habitualmente, no opina ni aporta juicios de valor. No lo hace, precisamente, para no cometer errores. Tampoco dar respuestas arriesgadas, sino que opta por una posición neutral para que sea el usuario quien tome una determinada decisión, sea buena o mala.
Tampoco es demasiado concreta ni interpreta con cierto sentido común la información que se le ofrece, sino que se limita a resumir la información que se le ha solicitado y con la que trabaja, a fin de que sea la persona que la utiliza la que se encargue de elegir lo que le sirve o no.
Y es ahí donde está el problema: nos está acostumbrando a quedarnos con lo superficial en lugar de lo concreto, con una idea general de las cosas. De hecho, nos está llevando a no saber separar la paja del trigo, lo relevante del bulto y, en definitiva, lo original de lo manido.
Ahí está el verdadero problema de esta tecnología, que, con herramientas como Copilot, Gemini o ChatGPT, así como funcionalidades como el Modo IA de Google, brinda ideas muy genéricas, repetitivas habitualmente y, lo que es peor, un exceso de información que no resuelve dudas concretas.
Esto significa que si solicitamos que un resumen de la Segunda Guerra Mundial, por citar un ejemplo, es muy probable que se centre en información que ya conocida y no en algunos episodios anónimos que puedan responder mejor a ciertas preguntas sobre ella.
Si bien hay excepciones, porque todo depende de cómo se matice la indicación o pregunta del prompt de texto, la IA tiende a impulsar lo que también se conoce como infoxicación o exceso de información que, a su vez, perpetúa enfoques y valoraciones imparciales.
En vista de que la IA no solo nos está haciendo trabajar más sino que, además, nos está proporcionando información de menor valor, sesgada y mayoritariamente repetitiva, ¿cómo es posible que las empresas más punteras sigan luchando por ir un paso más allá sin arreglar el escenario en el que nos encontramos ahora? Es el mercado, amigos.
