IA Generativa: la última revolución industrial

La Inteligencia Artificial (IA) se ha consolidado como el epicentro de la conversación tecnológica, ejerciendo un impacto a nivel tanto personal como empresarial. Esta tecnología se percibe como mucho más potente que fenómenos previos como el metaverso, y no cabe duda de que representa la última revolución industrial.

El ritmo de cambio que experimentamos es tan excepcional que es natural sentirse abrumado o desconcertado por la velocidad a la que ocurren los eventos. Si bien los cambios tecnológicos solían medirse en décadas, siglos o milenios, ahora suceden en apenas años o incluso meses. La progresión del avance humano sigue una curva exponencial, y en la actualidad, nos encontramos en la pendiente de subida, donde la velocidad del cambio se acelera cada vez más. La conclusión es ineludible: la IA va a cambiar radicalmente la forma de vivir y de hacer negocios.

Para comprender la magnitud de esta aceleración, podemos recurrir a un ejercicio mental: si viajáramos en el tiempo para traer a alguien de 1700 a 2025, esa persona se quedaría totalmente absorta al ver la tecnología moderna. Para encontrar un cambio evolutivo equivalente en el pasado, una persona de 1700 tendría que viajar al 12.000 antes de Cristo. Este patrón demuestra que los ciclos de tecnología y los ciclos de innovación se están acortando radicalmente. La pregunta clave es cuánto tiempo pasará desde hoy, 2025, para que tengamos un mundo que no seamos capaces de reconocer. La estimación es de apenas 20 años, lo que nos convertiría en la primera generación de la historia de la humanidad en nacer en un tipo de mundo y morir en uno completamente diferente.

Este progreso tan vertiginoso ha desafiado ideas que antes parecían inamovibles. Por ejemplo, si hace solo cinco años se hubiera preguntado si las máquinas podían ser creativas, la respuesta general habría sido un no absoluto, ya que se consideraba un rasgo distintivo y puramente humano. Hoy, esa percepción ha cambiado, pues hemos descubierto que con suficiente computación, entrenamiento y datos, es posible crear máquinas capaces de generar contenido original y nuevo.

Los líderes del sector, como Sam Altman, destacan que el desarrollo de los sistemas de IA está pasando por cinco niveles evolutivos. El primer nivel, que vivíamos hace poco más de un año, consistía en chatbots, modelos con los que se podían mantener conversaciones. El segundo nivel llegó con los modelos razonadores (thinking mode), que tardan más en responder porque evalúan las posibles soluciones antes de contestar, juzgando cuáles son las mejores, lo que les permite generar respuestas más precisas y resolver problemas complejos, como la optimización de rutas de envío.

Actualmente, estamos viviendo en el nivel tres: los agentes. Un agente es un modelo de lenguaje con la capacidad de pensar que además es capaz de usar herramientas e interactuar con el mundo real, permitiéndole navegar por la web, mandar un correo o hacer una llamada. Esta interacción los hace idóneos para tareas complejas. Por ejemplo, un agente de viajes podría descomponer una misión como preparar un viaje a Roma en subtareas (buscar vuelos, alojamiento, restaurantes) e interactuar con plataformas hasta completar la reserva.

Más allá de la interacción con el mundo, el nivel cuatro implica modelos capaces de generar nuevo conocimiento. Hoy en día, científicos, especialmente matemáticos, están notificando que modelos de IA les están ayudando a avanzar en la investigación, resolviendo problemas que los humanos aún no han podido solucionar. El nivel cinco, el punto más impresionante, es la aparición de organizaciones dirigidas por IA. En este futuro, la mayor parte de la labor ejecutiva será llevada a cabo por agentes de inteligencia artificial, quedando los humanos relegados a roles de accionistas o directivos.

Las capacidades de la IA generativa ya no se limitan al texto, sino que se extienden a la visión, la creación y la interacción física. Contamos con máquinas que ven gracias a sistemas como GPT4 Vision, que permite subir una imagen y obtener una explicación detallada de lo que contiene. A diferencia de los modelos clásicos que solo clasificaban objetos y los recuadraban, los nuevos modelos entienden el contexto de la imagen con una finura que solo un experto podría lograr. Por ejemplo, al subir la imagen de una instalación, la IA puede describir con detalle sus componentes y determinar su función más probable.

En el ámbito industrial, modelos de código abierto como Sam (Segment Anything) de Meta, son capaces de segmentar y hacer seguimiento a un elemento específico en un feed de video, lo que tiene aplicaciones masivas para la detección automatizada de defectos o la monitorización de seguridad en tiempo real.

En cuanto a las herramientas de aprendizaje y productividad, nunca ha sido tan sencillo adquirir conocimiento sobre cualquier tema. Herramientas espectaculares, muchas de ellas gratuitas, ya están disponibles, como Notebook LM de Google, que permite generar bases de conocimiento a partir de hasta 50 fuentes propias (PDFs, Excel, vídeos de YouTube) y luego dialogar con ellas. Esta herramienta puede generar automáticamente mapas mentales estructurados, exámenes tipo test, o incluso un podcast sintético e interactivo donde el usuario puede unirse a la conversación con dos avatares de voz inexistentes para debatir sobre el contenido de los documentos subidos.

En el campo de la creación y la comunicación, herramientas como HeyGen permiten la traducción de videos a otros idiomas, ajustando la voz y los labios del orador. Además, HeyGen facilita la creación de avatares digitales con la cara, voz y gestos del usuario, que pueden ser locutados con guiones escritos para generar videos e incluso representar al usuario en videoconferencias. Otro modelo destacado es Claude, que compite con Open AI y sobresale por su habilidad para programar. Claude puede tomar un documento o información y, sin necesidad de que el usuario sepa programar, crear un panel de control interactivo o una infografía con gráficos y diagramas en cuestión de segundos.

Finalmente, las máquinas que actúan están representadas por la rápida llegada de robots humanoides. Algunos de estos robots ya llevan un modelo de lenguaje tipo GPT en su «cerebro», lo que les permite practicar, entender órdenes complejas y manejar elementos en su entorno. Estos robots ya están trabajando en fábricas, con un coste operativo estimado de solo 10 € al día, realizando labores sin cansarse ni quejarse.

A pesar del milagro tecnológico que supone convertir el silicio en chips capaces de generar contenido inteligente, existen retos en la implementación y el uso de la IA. En el ámbito global, nos encontramos con los deepfakes, modelos que pueden manipular imágenes y videos de manera casi indetectable, lo que abre la puerta a fraudes sofisticados. Respecto a los datos, se aconseja no subir información sensible a los modelos de lenguaje en la nube, aunque existe la alternativa de ejecutar modelos de código abierto localmente en el propio ordenador, limitando así el riesgo de filtración de datos sensibles.

Para las empresas, los retos de implementación son diversos. En primer lugar, la elección de las herramientas a implementar, que debido al constante avance tecnológico provoca la sensación de que siempre habrá algo mejor. La solución es empezar a usar la tecnología a través de pequeños casos de uso sin obsesionarse con la herramienta perfecta.

La digitalización y formación (reskilling) de la plantilla son obligatorias, pues en unos años trabajar sin IA sonará tan insensato como trabajar hoy sin un ordenador. Las empresas que no utilicen IA dejarán de ser productivas y no podrán competir debido al impulso de productividad que estas herramientas ofrecen. Además, es vital determinar el coste operativo de consumir estos sistemas y definir qué partes de los procesos se automatizarán y cuáles requerirán supervisión humana.

Finalmente, el riesgo de calidad: los modelos todavía pueden inventar datos o referencias, y aunque la tasa de error está descendiendo rápidamente, la supervisión humana sigue siendo imprescindible para revisar la calidad de las respuestas. Además, hay que tener en cuenta la explicabilidad, ya que los modelos son tan complejos que a menudo no se puede precisar por qué dicen lo que dicen, y la gestión de los sesgos intrínsecos de los modelos, que varían según su origen.

Este artículo recoge las principales ideas de un webinar impartido por Javier Fuentes Ibáñez, ingeniero, emprendedor y pionero en el ámbito de la inteligencia artificial. La sesión se enmarca en el Programa Generación Digital PYMES, en colaboración con Grupo Isonor, que impulsa la capacitación de los equipos directivos de pequeñas y medianas empresas para afrontar con éxito los retos de la digitalización.

Si quieres estar al día de nuestros próximos webinars abiertos y gratuitos, creados para acercar a profesionales conocimientos prácticos y actuales sobre liderazgo, innovación y transformación digital, puedes suscribirte a nuestra newsletter a través del siguiente formulario.