En su obra “La crítica de la razón pura”, el filósofo prusiano Immanuel Kant sostiene que el conocimiento humano se basa en categorías que estructuran nuestra comprensión de la realidad. El pensamiento se realiza a través de juicios que se componen de elementos empíricos, los cuales son posibles cuando se relacionan con ciertas categorías innatas, logrando así el entendimiento. Cuando los sistemas de inteligencia artificial (IA) envían un enunciado o pregunta a un modelo tipo el chat GPT, lo primero que sucede es que esa solicitud se divide en fragmentos (tokens) que se convierten en números que también se categorizan en busca de un contexto y un significado.
El éxito actual de la IA se debe principalmente a la aceleración del poder de cómputo y a la disponibilidad de una enorme cantidad de datos. Estos modelos son entrenados con una amplia gama de información en línea, lo que les permite generar contenidos relevantes. Su capacidad para dar realismo en el contexto de una conversación humana, los hace especialmente útiles. En la actualidad, la IA ha acaparado la atención de empresas y negocios que buscan aprovechar sus beneficios para alcanzar niveles superiores de rendimiento, pues su implementación exitosa tiene el potencial de mejorar distintas operaciones tales como la interacción con sus clientes, la identificación de nuevos mercados, la predicción de inventarios y la toma de decisiones en tiempo real.
Para entenderlos, lo primero es conocer lo que está detrás de sus “capacidades” para escribir, leer y escuchar. Dichas capacidades combinadas, pueden construir agentes virtuales que interactúan con personas. Uno de los componentes esenciales de la IA es el Procesamiento del Lenguaje Natural (NLP, por sus siglas en inglés), que permite a los sistemas leer y escribir utilizando el lenguaje humano. El NLP se divide en dos partes clave: la Comprensión del Lenguaje Natural (NLU), que permite al sistema entender el texto, y la Generación del Lenguaje Natural (NLG), que le permite producir texto de manera coherente.
Sin embargo, el NLP es solo una parte de la ecuación. Para que los sistemas de IA sean verdaderamente efectivos, deben también ser capaces de comprender el lenguaje hablado. Para ello, el Reconocimiento Automático del Habla (ASR, por sus siglas en inglés) que trabaja en conjunto con el NLP, permite que las máquinas conviertan el lenguaje hablado en texto, facilitando la comunicación y la interacción con los usuarios. Cuando se interactúa con un asistente virtual como Siri o Alexa, la interacción se logra gracias a la combinación de estos sistemas. Sin embargo, para empresas y negocios se recomienda que se consideren por separado, de tal forma que puedan elegir e instalar la tecnología más apropiada sin gastar mucho dinero en soluciones que quizás no necesiten.
Así por ejemplo, si se requiere automatizar con agentes virtuales los esquemas de atención a clientes vía responder mails, chats o crear textos, algunas tecnologías en el mercado que pueden ser útiles son: el Chatbox de Microsoft diseñado para utilizarlo como servicio, eliminando la necesidad de construir uno propio; Artificial Solutions es otra empresa que cuenta con una plataforma llamada teneo.ai que genera una interacción de lenguaje natural; y Digital Workforce.ai permite que se contraten los servicios de su asistente digital, Emilia.
Los sistemas de IA funcionan mejor cuando tienen acceso a grandes cantidades de datos, lo que les permite analizar y procesar información en cuestión de segundos. Estos sistemas pueden evaluar en tiempo real, la lealtad del cliente, realizar análisis de probabilidad y consultar historiales financieros, entre otros. La capacidad de tomar decisiones automáticas a bajo costo puede tener un gran impacto en las operaciones comerciales. Para identificar patrones complejos en grandes cantidades de datos se utilizan las Redes Neuronales Artificiales (ANN). Inspiradas en la fisiología del cerebro humano, estas redes consisten en nodos interconectados que procesan información a través de señales eléctricas. Su parte más avanzada es el Deep Learning cuya capacidad para identificar patrones intrincados optimiza el tiempo y la calidad de los resultados.
Es importante destacar que la IA es más efectiva cuando se utiliza como complemento de las capacidades humanas en lugar de reemplazarlas por completo. Lo anterior se debe a que, en los negocios existen dos tipos principales de decisiones: las analíticas que siguen patrones predecibles y se basan en datos y estadísticas; y las intuitivas que se basan en la experiencia y la intuición humana. La IA es invaluable para las decisiones analíticas, mientras que las decisiones intuitivas todavía requieren de la perspicacia humana.
No obstante, existen preocupaciones sobre el aumento de la desinformación, el sesgo en los modelos, el riesgo de que los modelos actúen en contra de los valores humanos y la velocidad de avance de la tecnología. Para ello, se ha optado por algunas medidas tales como la retroalimentación humana y las pruebas de "red teaming". A través de éstas, se valora la posibilidad de que la máquina rompa con los protocolos establecidos. La colaboración entre expertos y los tests en diversos contextos, pueden ayudar a mejorar la seguridad y el comportamiento de estos sistemas.
Por otro lado, se estima que alrededor de 80% de los trabajos profesionales podrían verse afectados de alguna manera por la IA. Sin embargo, esto no significa necesariamente su desaparición, sino más bien su rediseño. Y de la misma forma, el impacto en los salarios y la naturaleza de los trabajos dependerá de cómo se integre la IA en los procesos productivos de las empresas. Por todo esto, se habla hoy de “reskilling”, proceso a través del cual millones de trabajadores están destinados a adquirir nuevas habilidades y conocimientos que les permitan trabajar en un entorno laboral cada vez más automatizado y digital.
Volviendo a Kant y a su búsqueda del fundamento del conocimiento, la inteligencia artificial resulta un hito en términos de procesamiento de datos. Sin embargo, aún no alcanza las capacidades del pensamiento y entendimiento humanos en aspectos relacionados con la autonomía, la creatividad, la ética y la profundidad de comprensión. A partir de la tesis de Kant, se podría inferir que la IA opera dentro de los límites de las condiciones y categorías humanas, pero no logra, al menos por ahora, la capacidad de juicio y razón autónomos característicos de las personas que dirigen las empresas y los negocios.