IA sin culto: las empresas necesitan utilidad, no una carrera de modelos
IA, no por la IA: por qué las empresas deben actuar con moderación
Mientras los gobiernos, las empresas tecnológicas y los directivos compiten en la carrera por la inteligencia artificial y debaten sobre las amenazas de la superinteligencia, las empresas deben evitar iniciar su propia carrera armamentística. Comprar modelos cada vez más potentes e implantarlos por todas partes solo porque está de moda es sustituir el objetivo por algo costoso.
En la IA empresarial no hay premio por ser la primera compañía en lanzar el modelo más potente, crear más agentes de IA que nadie o incorporar inteligencia artificial a todos los procesos. El éxito se mide por si la tecnología resuelve un problema empresarial real y por si los resultados justifican su coste y complejidad.
La idea de un único modelo de lenguaje grande (LLM), un sistema capaz de trabajar con texto y generar respuestas, resulta tentadora. Pero, en la práctica, cada tarea tiene una herramienta adecuada, que a menudo es mucho más sencilla.
Incluso antes del auge de la IA generativa, las empresas ya utilizaban aprendizaje automático para recomendar productos, prever la demanda, detectar fraudes y calcular cuánto ingreso generará un cliente a lo largo de su relación con la empresa. Hace tiempo que estas tecnologías se pueden desplegar, supervisar y utilizar para hacer predicciones rápidas y baratas a gran escala. Un LLM también puede resolver algunas de esas tareas, pero eso no lo convierte en la mejor opción. Los modelos complejos cuestan más y sus respuestas pueden ser menos previsibles, sin aportar ninguna ventaja para una previsión rutinaria.
A veces ni siquiera hace falta inteligencia artificial. Si un proceso se rige por reglas conocidas y debe producir siempre el mismo resultado —por ejemplo, transferir datos entre sistemas siguiendo un horario o activar una acción cuando se cumple una condición—, basta con la automatización convencional. Las empresas llevan mucho tiempo utilizando para ello secuencias de operaciones, planificadores y reglas. Si todo funciona de forma fiable, rápida y barata, un agente de IA no hace que el proceso sea más inteligente: solo añade complejidad.
La IA generativa es útil cuando se necesita crear algo nuevo o interpretar información: por ejemplo, comprender el lenguaje y las imágenes, o elegir el siguiente paso teniendo en cuenta el contexto. Los agentes pueden aplicar esa comprensión, interactuar con programas y realizar acciones. Esto permite automatizar procesos que antes resultaba extremadamente difícil encomendar a las máquinas. El futuro probable pasa por combinar la automatización convencional, el aprendizaje automático tradicional, la IA generativa y los agentes, no por sustituir por completo las tecnologías antiguas por una sola nueva.
La diferencia cobra especial importancia cuando los proyectos dejan atrás la fase experimental. Una demostración puede mostrar las posibilidades de un modelo o un agente, pero la implantación en producción suma costes de operación, requisitos de seguridad y supervisión, además de la necesidad de mantener bajo control sistemas cada vez más autónomos.
Un ingeniero comparó el desarrollo de un agente con cultivar un árbol al que hay que dar la forma deseada. Se poda una rama que crece en la dirección equivocada, pero luego aparece otra en otro sitio. Con un agente ocurre algo parecido: corregir un comportamiento evidente es relativamente sencillo, pero el uso real revela situaciones inesperadas que no surgieron durante el desarrollo.
Cuanto más se permite al sistema interpretar información y tomar decisiones, más importante es comprobar cómo funciona, supervisarlo y establecer límites de seguridad. No basta con controlar las respuestas del modelo: también hay que vigilar los datos a los que puede acceder, las acciones que tiene permitidas, la información que conserva y el momento en que debe intervenir una persona.
También hay que tener en cuenta el precio. Los modelos más potentes pueden resultar caros cuando se utilizan a gran escala, por lo que sus capacidades adicionales deben aportar un beneficio proporcional. Cuando la experimentación dé paso a una evaluación rigurosa de la rentabilidad, a las empresas les importará menos si una solución usa IA y más si mejora los resultados comerciales u operativos lo suficiente como para justificar el gasto.
Para no complicar el sistema innecesariamente, hay que empezar por el problema empresarial y los datos, no por elegir una tecnología de moda. Los ingenieros de datos y los analistas saben de dónde procede la información, hasta qué punto es fiable y qué conclusiones pueden extraerse de ella. Los modelos matemáticos no salvarán una tarea si los datos no son adecuados.
El tipo de datos y el resultado deseado orientan la elección. Para hacer predicciones rápidas y fiables a partir de cifras estructuradas, suele ser adecuado el aprendizaje automático tradicional. El texto, las imágenes y otros datos no estructurados pueden justificar el uso de IA generativa. Los agentes son apropiados cuando el sistema debe entender una situación y actuar en varios programas. En otros casos, la mejor solución seguirá siendo el software convencional. Empezar pensando «necesitamos un agente» y buscar después una tarea para él es poner el carro delante de los bueyes.
El desarrollo de la IA también ha generado otra suposición: que las empresas inevitablemente necesitarán menos ingenieros. Es cierto que las herramientas aumentan la productividad: los profesionales con experiencia trabajan más rápido y quienes empiezan, al aprender a utilizarlas, pueden alcanzar antes un buen nivel. Pero siguen haciendo falta personas que entiendan qué ocurre dentro del sistema.
La mayoría de la gente sabe usar un teléfono inteligente sin explicar cómo funcionan sus componentes, el sistema operativo y las redes. Eso no significa que hayan desaparecido los conocimientos de ingeniería: alguien tiene que desarrollar y mantener esas tecnologías. Con la IA ocurrirá lo mismo: habrá más usuarios capaces de utilizar las herramientas eficazmente, pero las empresas necesitarán especialistas que sepan construir, supervisar y reparar los sistemas.
Por eso también es importante invertir en los ingenieros que empiezan. Los profesionales sénior cambian de trabajo o de puesto, o se jubilan; sin mentoría ni transmisión de conocimientos, los júnior de hoy no se convertirán en los sénior del futuro. La oportunidad no está en elegir entre las personas y la IA, sino en que trabajen juntas: con estas herramientas, los ingenieros bien preparados pueden hacer más que cada uno por separado.
Los debates sobre la superinteligencia y los modelos más potentes continuarán, pero no deben determinar las decisiones tecnológicas de las empresas. Los responsables de ingeniería tendrán que gestionar el miedo de la dirección y de los consejos de administración a «quedarse atrás en IA» y transformar la presión por exhibir una estrategia llamativa en un trabajo disciplinado y orientado al valor.
Algunas tareas sí se beneficiarán de herramientas de IA complejas: los agentes permitirán automatizar procesos que antes eran inviables, y la IA generativa cambiará la forma de trabajar con texto, imágenes y otros datos no estructurados. Otras se resolverán perfectamente con aprendizaje automático tradicional, automatización convencional o software sencillo.
La ventaja competitiva dependerá de saber distinguir estos casos: entender dónde la IA mejora notablemente los resultados, dónde una tecnología sencilla es más eficaz y cómo llevar a producción el sistema adecuado de forma segura y económica. Para ello hacen falta buenos datos, ingenieros competentes y el criterio técnico necesario para no complicar las cosas solo porque ahora sea posible. En la siguiente etapa de la IA empresarial, la moderación no será falta de ambición, sino una señal de madurez técnica.
Nota: la publicación original se preparó para la sección TechRadar Pro Perspectives; las opiniones expresadas pertenecen al autor y no reflejan necesariamente la postura de TechRadar Pro o Future plc.
PEREC.RU
La carrera empresarial por la IA recuerda a una subasta en la que los participantes suben la puja y luego averiguan por separado para qué han comprado el lote. Sobre el escenario se habla de transformación, superinteligencia y una nueva era; entre bastidores, el departamento de contabilidad pregunta en voz baja por qué una predicción corriente necesita ahora un modelo del tamaño de una pequeña civilización.
La moda tiene la ventaja de que permite saltarse el paso de definir primero el problema. Se puede anunciar una estrategia, encargar un agente, marcar una casilla en la presentación y obtener una historia vistosa para el consejo de administración. El resultado, en cambio, ya aparecerá más adelante, preferiblemente por sí solo, sin nuevos gastos y con una rentabilidad impecable. Por desgracia, la tecnología no tiene un departamento dedicado a cumplir los deseos corporativos.
Lo especialmente irritante de todo esto no es la IA en sí, sino la costumbre de considerar la complejidad una prueba de progreso. Si un sistema hace lo mismo que el algoritmo anterior, pero cuesta más y ofrece nuevas formas de fallar, no es un avance. Es un proceso antiguo al que han ascendido y aumentado el presupuesto.
Los agentes sí pueden abrir escenarios útiles. Pero «autonomía» no es una palabra mágica que vuelva innecesaria la supervisión. Al contrario: cuanto más se permite al sistema, más hay que vigilar sus accesos, datos, acciones y el momento en que debe intervenir una persona. Si no, la empresa no automatiza un proceso: contrata a un becario digital con las llaves de todas las oficinas y la esperanza de que se haya leído las instrucciones.
No hace falta un departamento de investigación para intuir los intereses ocultos: los directivos quieren demostrar que no se están quedando atrás, los proveedores quieren vender herramientas más potentes y los consultores explicar por qué no se puede prescindir de la siguiente fase. El entusiasmo del mercado, casualmente afiliado, suele coincidir de manera sorprendente con una oferta comercial. Eso, por supuesto, no demuestra que haya mala fe; simplemente, el bombo publicitario siempre viene con lista de precios.
La idea más incómoda para los vendedores es que, a veces, la mejor solución no tiene aspecto futurista. La automatización fiable no arranca aplausos en una presentación, pero tampoco exige una supervisión dramática ni apaciguar a diario al modelo. Los buenos datos y los ingenieros cualificados tampoco se prestan bien a los eslóganes, pero son precisamente quienes garantizan que los resultados tengan algo que ver con la realidad.
Y hablar de que la IA sustituirá a los ingenieros resulta igual de conveniente para quienes querrían recortar gastos sin preguntarse por las consecuencias. Las herramientas aceleran el trabajo, pero no eliminan a las personas que entienden cómo funcionan los sistemas y responden cuando algo falla. Si se deja de formar a los profesionales júnior, dentro de unos años la empresa descubrirá que no solo ha automatizado las tareas rutinarias, sino también la transmisión de sus propios conocimientos.
La madurez en este ámbito tiene un aspecto sospechosamente prosaico: averiguar primero cuál es el problema, comprobar después los datos y elegir la herramienta más sencilla que realmente ayude. Ese enfoque no promete fuegos artificiales en la presentación trimestral. Pero evita tener que pagar por los fuegos artificiales todos los meses; y precisamente por eso puede que lo declaren insuficientemente ambicioso.
