El ciclo de la IA

Hace ya tiempo que se popularizó el modelo de Gartner sobre el “hype”, la relación entre expectativas y realidad para una nueva tecnología. El modelo describe una pauta en la que empezamos creyendo que cada avance va a cambiarlo todo, luego nos decepcionamos al ver que todo sigue igual, paso a paso empezamos a sacarle partido, y finalmente se convierte en algo real y asumido. Aunque cada tecnología tiene un impacto real diferente, la curva tiene más que ver con la naturaleza humana y por tanto se mantiene.

La inteligencia artificial viene siendo motivo de especulación desde antes de los robots de Isaac Asimov, pero su encarnación en sistemas capaces de aprender a hacer algo a partir de modelos y no de una programación detallada (machine learning) y la vertiginosa velocidad a la que han aumentado sus capacidades, es la nota que define los últimos años y definirá los que vienen. Algunos análisis han comparado la IA con “el nuevo petróleo”, otros se han centrado en las diferencias entre un recurso habitual y éste. Muchos han escrito y escriben sobre su impacto en los puestos de trabajo, para bien o para mal. Llevamos ya unos años viendo ejemplos reales de su aplicación, desde la escritura predictiva de los móviles pasando por el buscador de Google y la explosión de la edición de imágenes con IA generativa, por no mencionar la generación de trabajos escolares.

Pero el momento en que la aplicación real de la IA transforma una industria estaba tardando en llegar, si dejamos de lado el “canario en la mina” de la era digital, la pornografía. En ese rincón, la batalla lleva al menos un año siendo muy real, porque las nuevas tecnologías están literalmente destruyendo el modelo de negocio y creando otros nuevos.

En la industria IT, esa que se ocupa de desarrollar y mantener las aplicaciones informáticas que permiten gestionar nuestro mundo, llevan ya años intentando ver el uso práctico de la IA. Y sí, se hablaba de una mejora de productividad del 30%, pero era una estimación francamente mercantil, y más relacionada con los acuerdos comerciales de Microsoft que con cambios reales en el flujo de trabajo. Se estaba jugando con la IA, usándola para sugerir o proponer soluciones concretas, segmentos de código que aplicaban los desarrolladores.

A día de hoy las cosas empiezan a ser diferentes, y tengo la suerte de estar viviéndolo en primera persona. Ya no se trata de usarla como muleta, ahora es un miembro más del equipo. Un miembro que se suele comparar a “un becario muy motivado”, porque es muy capaz de realizar tareas que estén bien definidas con la misma eficacia que una persona, o más. Un miembro con enormes limitaciones sobre lo que es capaz de retener y entender, pero aún así capaz de realizar tareas de análisis y comparación que nos podían llevar semanas. Un miembro, en resumen, que no sólo nos está permitiendo hacer más en menos tiempo: nos está obligando a redefinir cómo trabajamos, si queremos aprovechar sus capacidades y mantener el nivel de calidad que queremos.

Porque ese becario motivado es perfectamente capaz de crear problemas muy serios si se le deja trabajar solo. En ausencia de datos, se los inventa. La comparación con una persona con problemas de memoria a corto plazo no es mala. Si no se le dan referencias claras, no es consistente en lo que hace. Ahora bien, en un marco pensado para trabajar con ella, la mejora en productividad no es del 30%. Ni del 300%. Es radical.

Y eso me lleva a lo importante. “Un marco pensado para ello” implica no sólo aplicarla en modelos de trabajo existente, implica rediseñarlos. Las cosas ya no suceden en el mismo orden, porque las tareas repetitivas (“haz esto 150 veces aplicado a estos 150 casos que sólo varían en estos detalles”) son instantáneas, siempre que tengas muy claros todos los criterios y métodos implicados. El becario no debe improvisar.

En un proyecto IT típico se sigue el modelo “ágil” popularizado a principios de siglo y basado en iterar, verificar, mejorar. En lugar de hacer algo grande y luego ver si ha salido bien, se descompone en elementos pequeños que se van verificando y contrastando con los objetivos buscados. Con la IA en el equipo, estos ciclos de verificación se comprimen masivamente (de semanas a días). Para poder aprovechar esa aceleración, hay que repensar otras piezas que siguen siendo necesarias. Para asegurar la calidad y quitar variables a la IA, hay que basarse más en estándares y bloques predefinidos. Todo el modo de trabajo cambia.

Cuando las empresas empezaron a informatizarse, había dos enfoques: “fijar en piedra” los procesos existentes, diseñando el software alrededor de ellos, o hacer “reingeniería” de esos procesos, cambiándolos para aprovechar las capacidades de la informática. Eso marcaba la diferente entre no mejorar en productividad, o hacerlo. El caso de la IA es igual: no se trata de aplicarla a nuestros procesos, se trata de definir procesos nuevos para lograr nuestros objetivos de otro modo, más eficiente. El cambio, el de verdad, ya está empezando.

Del impacto real de todo esto en la fuerza de trabajo hablaremos otro día. Es muy importante. Pero tampoco es el que nos vienen vendiendo, ni unos ni otros.