Inteligencia artificial y riesgos a

gestionar. El futuro de la tecnología

Introducción
Hemos recorrido con profundidad los componentes de lo que se conoce como Cuarta Revolución

Industrial, haciendo hincapié en la diversidad y potencia de las tecnologías involucradas.

Mencionamos allí a la inteligencia artificial (IA) como una de ellas y destacamos su carácter

transversal y su estadio muy preliminar en materia de ejecución. Es tiempo ahora de ahondar

más acerca de la lA, su naturaleza, sus aplicaciones y proyecciones. Estamos ante una

tecnología que puede considerarse epicentro de la revolución actual y que genera sentimientos

encontrados en todo el mundo: desde adoración hasta pánico.

1. Naturaleza y aplicaciones de la inteligencia artificial

Como camino constante del desarrollo tecnológico emerge el fenómeno de la “desmaterialización”

o conversión de “átomos a bits” en múltiples campos. Todas las situaciones de naturaleza física
generan datos que pueden comenzar a ser debidamente identificados, sistematizados,

almacenados y utilizados.

Formas, luces, colores, olores, sonidos, imágenes, temperaturas, estados emocionales, etc., todo

puede convertirse en enormes volúmenes de datos que, a diferencia de otros tiempos de la

humanidad, comienzan a recolectarse, estandarizarse, almacenarse y procesarse a través de

modelos y algoritmos soportados en tecnologías digitales. Es decir, la enorme producción de

datos en todo lo que hacemos comienza a convertirse en un capital. Es lo conocemos como Big
Data.

Los datos son el insumo principal de la inteligencia artificial, mientras que esta es considerada

como la nueva electricidad de la humanidad en la Cuarta Revolución Industrial. Pero, para llegar
a esta capacidad de gestionar los datos masivamente, la disciplina de la inteligencia artificial

viene transitando un largo camino. John McCarthy, un profesor de Matemáticas en el Dartmouth

College de EE. UU., tuvo la audacia de proponer que todos los aspectos del aprendizaje o
cualquier otra característica de la inteligencia podían describirse, en principio, con tanta precisión

como para diseñar máquinas capaces de simularlos. Ya estaba en marcha el campo científico
enfocado en detectar patrones y modalidades para emular la inteligencia humana utilizando

tecnologías.

Como se trata de un campo de estudio amplio y multifacético, suele haber dificultades para
obtener una definición única, pero podemos citar a Andrew Moore, decano de Ciencias de la

Computación de la Universidad Carnegie Mellon, autor de una definición muy acertada: “La

inteligencia artificial es la ciencia y la ingeniería para hacer que las computadoras se comporten
de una manera que, hasta hace poco, creíamos que era solo posible para la inteligencia humana”

(2017).

De allí su riqueza y constante evolución, pues se trata nada más y nada menos que de utilizar

tecnologías para emular capacidades humanas, a medida que la ciencia (especialmente las
neurociencias) nos permite entender más y mejor sobre el siempre enigmático campo de la

inteligencia humana.

Desde la recomendación de productos que podrían interesarte comprar en Amazon o Mercado

Libre hasta las sugerencias de personas con las que podrías entablar vínculo en redes sociales, o
bien las series que mejor cuadran con tus intereses y gustos en Netflix. Todas estas aplicaciones

son obra de sistemas tecnológicos que permiten generar y almacenar grandes cantidades de
datos, interpretarlos sobre la base de patrones o algoritmos y generar predicciones más o menos

acertadas. Esa es la “esencia” de la lA.

Quizás lo más disruptivo de esta tecnología es que no se trata solo de digitalizar los datos

existentes en una empresa u organización, sino de ampliar el espectro de generación de datos a

múltiples situaciones en las que hasta ahora se perdían y que pueden ayudar a entender y

predecir la realidad. Pensemos, por ejemplo, en la posibilidad de que los sistemas pueden ya
reconocer imágenes, voces, rostros, etc., y, a pesar de su naturaleza no estandarizada,

entenderlos a partir de patrones de forma cada vez más precisa. La apropiación de información y

conocimiento que puede ganarse sumando todas estas fuentes no estructuradas de datos es
exponencial.

Pero suele simplificarse la lA con cierta condición mística, como supuesta caja negra que produce

resultados de forma mágica. Nada más alejado de la realidad: es necesario remarcar que no se

trata de un sistema automático, que hacer lA requiere de un trabajo metódico e interdisciplinario

que permita ir dando pasos hasta ese estándar de capacidad de predicción que propone mejorar
la asertividad de las decisiones humanas en escala, en cualquier campo de acción. Y que este

proceso es ideado por personas humanas.

Con semejante impacto transversal en el mundo de las organizaciones y los negocios, los
expertos suelen considerar que, para una empresa de la Cuarta Revolución Industrial, no tener

una estrategia de implementación de IA en 2023 será como no tener una estrategia de mobile

(celulares) en año 2010 o de Internet en general en el año 2000.

Si bien hay muchas dificultades aún para entender a la lA y diseñar estrategias de

implementación, no es menos cierto que estamos rodeados de muchos casos en los que se está
utilizando esta tecnología con diversos grados de avance y niveles de éxito por el momento, por

ejemplo:

e Automóviles sin conductor: la conducción de vehículos de forma autónoma es un desafío

que viene en marcha hace ya varios años y sin lA sería imposible de concebir. Google y

Tesla son dos de las compañías que están haciendo punta en el tema, pero toda la industria
del automóvil está incorporando esta dimensión que ya no tiene retorno a futuro, dado que

las evidencias indican que puede funcionar con mejores niveles de seguridad que la

conducción humana (en términos de accidentes) y liberando una enorme cantidad de

tiempo y dinero para aplicar a otras actividades, mientras los autos se encargan de nuestros

traslados. Claro, el impacto en el empleo de transportistas de diversa índole sigue siendo el

gran riesgo.

. Asistentes virtuales: Siri, Alexa, Cortana, el Asistente de Google y otros utilizan inteligencia
artificial para transformar las palabras habladas en texto y asignar el texto a comandos

específicos para ayudarnos en crecientes necesidades de nuestra vida cotidiana. La

inteligencia artificial ayuda a los asistentes digitales a comprender diferentes matices en el

lenguaje hablado y sintetizar voces similares a las de los humanos. Y se estima que, en

algunos años, el 50 % de nuestras conversaciones con empresas serán a través de esos

asistentes virtuales.

e Traducción: durante mucho tiempo, traducir texto entre distintos idiomas fue un punto de

dolor para las computadoras. Pero el aprendizaje profundo ayudó a crear una revolución en
servicios como Google Translate. Si bien la lA todavía tiene mucho camino por recorrer
antes de dominar el lenguaje humano, hasta ahora, los avances son espectaculares. La
traducción virtual ofrece cada vez más una solución ágil y accesible para todo tipo de

contenidos que necesitamos.

 e Reconocimiento facial: actualmente, es una de las aplicaciones más populares de la

inteligencia artificial. Tiene muchos usos, como desbloquear el teléfono, abonar compras de
productos y servicios con la cara y detectar intrusos en el hogar. Pero la creciente

disponibilidad de tecnología de reconocimiento facial también ha suscitado preocupaciones

con respecto a la privacidad, la seguridad y las libertades civiles, especialmente en países

no muyy afines a las instituciones que respetan los derechos humanos.

. Medicina: desde la detección del cáncer de piel y el análisis de radiografías y resonancias

magnéticas hasta el suministro de consejos de salud personalizados y el manejo de

sistemas de salud completos, la inteligencia artificial se está convirtiendo en un facilitador

clave en la ejecución de los servicios médicos.

Profundizando la lA a través del Machine Learning

Como ya expresamos, en el intento de emular las capacidades humanas, la lA se convierte en
una plataforma para el surgimiento y desarrollo de muchas tecnologías que, partiendo de la

misma matriz acerca del procesamiento de grandes volúmenes de datos, permiten abordar
distintas necesidades. Una buena clasificación es la que estipula que pueden utilizarse

dispositivos de lA para:

e. Sentir: el procesamiento de audio y la visión por computadoras, por ejemplo, les

permiten a las máquinas percibir activamente el mundo que las rodea adquiriendo y
procesando imágenes, sonido y voz. Por ejemplo, el reconocimiento facial en los
puestos de control fronterizos.
e Comprender: los motores de procesamiento e inferencia del lenguaje natural les
permiten a los sistemas de lA analizar y entender la información recopilada. Por
ejemplo, la traducción de idiomas en buscadores online. (Ovanessoff y Plastino,
2018,
p. 32)

e Actuar: a través de sistemas expertos y motores de inferencia, la lA puede actuar o

desarrollar acciones en el mundo físico. Por ejemplo, la conducción autónoma en vehículos

(Ovanessoff y Plastino, 2018).

Para desarrollar estas aptitudes de forma evolutiva, se requiere que la lA tenga capacidad de
aprender de su “propia” experiencia con el uso de los datos y de ir adaptando sus modelos y

algoritmos, sobre la base de las evidencias que se van logrando en la realidad. Es aquí donde
aparece un concepto que lleva la lA a ese potencial superior: el aprendizaje automático o

machine learning. ¿Qué significa esto? Que se generan sucesivos aprendizajes que van afinando
el algoritmo hasta alcanzar una excelente capacidad de predicción.

McDonald's, por ejemplo, está creando su sistema de lA para ayudar a sus trabajadores a recibir
los pedidos mientras los clientes están en las filas, haciendo más fácil, eficiente y precisa la

petición de los menús.

Uber está usando la tecnología de lA para prevenir el fraude y mejorar la seguridad de pasajeros

comprobando la foto del conductor para garantizar que quien está al volante es la persona
correcta.

Volvo está haciendo lo propio para ayudar a reconocer cuándo los conductores de vehículos

están distraídos, con la idea de alertarlos y prevenir accidentes.

En consecuencia, con machine learning, los modelos de lA se liberan de sus diseños originales

para adquirir nuevos formatos con el aprendizaje de la experiencia propia de ponerlos en

funcionamiento. Por ello, muchas veces, a los mismos expertos que los crearon les cuesta

explicar las decisiones y el funcionamiento interno de un algoritmo luego de que ha pasado por

varias ruedas de aprendizaje interactuando de forma automática con los datos reales en cualquier
campo. Esto es lo que motiva a muchos analistas o expertos a poner el foco en alertas acerca de

la evolución de sistemas de lA que aprenden solos y no parecen tener límites.

Es interesante recorrer cómo esta tecnología inteligente que ya está entre nosotros se inserta
activamente en empresas y organizaciones de toda índole, ayudándolas a moldear operaciones

más ágiles y obtener resultados más sólidos. Por ejemplo, podemos destacar el caso de Airbnb,
la compañía de alojamientos más grande del mundo que no tiene propiedad de ningún
establecimiento y basa su poder en la plataforma que conecta ofertas de distintos tipos de

alojamientos particulares alrededor del mundo con la cada vez más diversa demanda que existe
para ellos.

La empresa define a los datos como “la voz de sus usuarios en escala” y por ello la ciencia de
datos adquiere un rol decisivo: ser el intérprete de todo lo que los clientes le están diciendo a la
compañía. A través de modelos estadísticos y la debida infraestructura informática, la empresa

procesa millones de datos para ayudar a su personal a tomar las mejores decisiones.

Si bien han creado un equipo especial de 100 expertos en ciencia de datos, la premisa
organizacional es que todos los empleados deben estar preparados para tomar decisiones

basadas en datos. Para ello, se propusieron democratizar la ciencia de datos en función de un

modelo basado en tres ejes: accesibilidad a los datos para todos, herramientas de datos y
conocimiento amplio sobre cómo utilizarlos.

Semejante esfuerzo con miles de empleados en 22 oficinas repartidas por el mundo generó la

creación de la Data University, propia de la empresa. Su misión es capacitar a cada empleado

para la toma de decisiones basadas en datos. Esto conlleva una filosofía de confianza en las

decisiones autónomas de las personas que trabajan en la compañía, aunque basadas en la

fuerza de los datos que se disponen con agilidad y pertinencia.

Es Airbnb un ejemplo de avanzada de algo que comenzamos a ver en todas las empresas: los

datos son el verdadero capital para gestionar un negocio, siempre que podamos procesarlos,
entenderlos y disponerlos adecuadamente. La lA lo hace posible y va más allá: aprender a partir

de ellos para ayudarnos a tomar mejores decisiones que construyan valor para clientes, usuarios
y ciudadanos.

Figura 1: Las “cinco V” de la Big Data

Variedad

Velocidad Valor

Volumen Veracidad

BIG DATA pp A
Las BV

Fuente: [Imagen sin título sobre las “cinco V” de la Big Data]. (s.f.). https://bit.ly/3isO7VH
Los riesgos de la lA y el futuro de la tecnología
En el océano de innovaciones que conlleva esta Cuarta Revolución Industrial, solemos perder de

vista el poder disruptivo que tiene alcanzar el estándar de que las máquinas puedan tener
autonomía para aprender solas. Lo que antes requería de imaginar todas las reglas posibles para

luego programar los sistemas, ahora requiere grandes volúmenes de datos, mucho uso y las
tecnologías de aprendizaje propias del machine learning para que las máquinas puedan adaptar

su comportamiento a las realidades y no dependan del poder de abstracción de quienes las

programan. Es la diferencia entre aprender a andar en bicicleta haciéndolo y aprender a andar en

bicicleta a través de un texto. Como tenemos cada vez más datos y más capacidad de cálculo,

podemos enseñar a estos sistemas a que aprendan cosas muy específicas.

Sin embargo, como ya expresamos, parece difícil y lejano que la lA avance hacia una inteligencia

general y ubicua, que sea capaz de lidiar con diferentes situaciones como hacemos los seres
humanos: la imagen distópica de un mundo en el que robots antropomórficos convivan con

nosotros en relativas igualdades de condiciones es todavía solo un atractivo terreno de ciencia

ficción.

Como bien expresa el pensador del futuro Maurice Conti, nos dirigimos hacia un futuro en el que
nuestras capacidades humanas naturales se verán radicalmente aumentadas de tres maneras:

los sistemas computacionales nos ayudarán a pensar. Los sistemas robóticos nos ayudarán a
hacer. Y un sistema nervioso digital nos conectará con el mundo mucho más allá de lo que

nuestro sistema nervioso natural puede ofrecer.

Por ello, en el mundo, cada día se revaloriza más el componente de valores y propósitos para

actuar en beneficio del conjunto, además del individual. Más que nunca, la disposición de
tecnologías avanzadas como la lA debe acelerar ese movimiento de capitalismo consciente, dado

que siempre serán los seres humanos los que sigan interactuando y gerenciando las tecnologías,
definiendo patrones para los datos que se almacenan, premisas para modelos y algoritmos,

entrenamientos para que las máquinas avancen en su capacidad de aprendizaje y niveles de

usos adecuados y no adecuados para la información que llena nuestras pantallas para la toma de
decisiones.

Así, surge también la necesidad de pensar un marco ético global para este vertiginoso avance de

la IA. Después de mucho trabajar en ello, en 2021, la Conferencia General de la Organización de

las Naciones Unidas para la Educación, la Ciencia y la Cultura (UNESCO) y sus países miembro
elaboraron un marco normativo para tecnologías controvertidas como el reconocimiento facial o

los sistemas de recomendación de las plataformas. Se trata de una guía para afrontar de manera
responsable los efectos conocidos y desconocidos de la inteligencia artificial en los seres

humanos, el medio ambiente, las sociedades y los ecosistemas. El documento se titula

Recomendación sobre la Ética de la Inteligencia Artificial. Se trata, sin duda, de un primer y

augurioso gran paso en línea con un tema que deberá ser revisado y repensado

permanentemente, casi con la misma intensidad con la que la lA va mostrando sus avances. Es
que el fin último, no lo olvidemos, es que seamos los humanos quienes moldeemos y tengamos el

control sobre las máquinas, y no viceversa.

¿Por qué es importante tener un instrumento de estas características? La Recomendación es

innovadora y valiosa porque tiene un alcance global y es un marco ético integral que aborda

temas fundamentales en el desarrollo de IA, como la inclusión, la equidad y la no discriminación,

en todas las etapas del ciclo del sistema de lA.

Pero, además, no pretende ser una mera declaración de principios y de valores universales como

la tolerancia, el respeto, la dignidad, sino que también favorece la transparencia, la rendición de

cuentas, la privacidad de la gobernanza de datos, con el objetivo de desarrollar políticas más

concretas. Es, sobre todo, un instrumento para implementar mejores políticas y acciones,

haciendo especial hincapié en la inclusión, la igualdad de género y la protección del medio

ambiente y los ecosistemas.

Incluye acciones políticas en 10 áreas específicas: Evaluación de impacto ético, Gobernanza y

rectoría éticas, Política de datos, Desarrollo y cooperación internacional, Medio ambiente y

ecosistemas, Género, Cultura, Educación e investigación, Economía y trabajo, y Salud y

bienestar social.

Referencias
Conferencia General de la Organización de las Naciones Unidas para la Educación,

la Ciencia y la Cultura [UNESCO]. (2021). Recomendación sobre la Ética de la

Inteligencia Artificial. https://unesdoc.unesco.org/ark:/48223/pf0000380455_spa

[Imagen sin título sobre las “cinco V” de la Big Datal. (s.f.).

https: //www.dayaplus.com/transformacion-digital/la-data-en-las-empresas/
Ovanessoff, A. y Plastino, E. (2018). Una explosión de productividad. En Integración de

América Latina y el Caribe y Banco Interamericano de Desarrollo [BID-INTAL],

Algoritmolandia: Inteligencia Artificial para una integración predictiva e inclusiva de

América Latina (pp. 29-48). Planeta.