Menú para incorporar la inteligencia artificial en su empresa

Un estudio patrocinado por Apple y publicado en junio de este año exploró las fortalezas y limitaciones de los modelos de razonamiento (LRM) que soportan los algoritmos de la inteligencia artificial (IA) actual. A pesar del incremento en el rendimiento de su razonamiento, concluye el estudio que la IA actual se centra en problemas matemáticos y de codificación sencillos, enfatizando su precisión de la respuesta final.

Los LRM, al revisar problemas lógicos, no tienen la capacidad de razonamiento más allá de un cierto umbral de complejidad, adjudicando sus causas a un “límite inherente de escalabilidad computacional”. Las respuestas de la inteligencia artificial actual, concluye el estudio, son malas para resolver tareas computacionales. Con base en los rastros de cómo razona la IA, que ofrecen información sobre cómo “piensan” los LRM, el estudio concluye que la lógica de la inteligencia artificial enfrenta un colapso de precisión completo más allá de ciertas complejidades. También exhibe un límite de escala contrario a la intuición: hasta cierto punto su esfuerzo de razonamiento aumenta con la complejidad del problema y luego disminuye drásticamente.

En otras palabras, el estudio patrocinado por Apple concluye que el estado del arte de la IA no está tan evolucionado como se percibe o se comunica en medios. Hay tareas específicas que la IA hace muy bien, sobre todo aquellas que no requieren de análisis profundo y se pueden hacer paso a paso con una lista de instrucciones. Sin embargo, para la mayoría de las tareas de alguna complejidad los resultados son decepcionantes. Esto tiene unas consecuencias absolutamente relevantes para quienes desde el ambiente empresarial buscan aplicar la IA como herramienta para facilitar sus operaciones.

La IA ha logrado avances significativos en tareas en las cuales ha habido un esfuerzo de construir y evolucionar algoritmos hace años. Por ejemplo, la IA es capaz de redactar un escrito básico, siendo fuerte en la tarea de resumir, pero no de analizar. Puede construir programas o aplicaciones con instrucciones específicas, pero no es capaz de diseñar las instrucciones para que el programa o la app sea óptima ante las necesidades que se buscan resolver. Puede diseñar un logo, analizar una imagen o buscar información en la web, sin que necesariamente los resultados sean accionables para el usuario.

Por eso, con la alta velocidad de evolución de la IA, las recetas para poder aprovecharla pasan por estrategias conocidas en el mundo empresarial. Las organizaciones deben empezar por proveer las herramientas para que los empleados puedan experimentar con la IA, descubrir en qué puede servir y en cuáles de sus resultados se puede confiar. Paralelamente, debe implementarse una cultura en la empresa en que el conocimiento adquirido sobre en qué puede ser útil la IA se comparta abiertamente entre empleados, con el fin de ir construyendo desde lo construido.

Así como sucede con los modelos de innovación, aprovechar la IA debe ser una labor de toda la organización y no de un grupo seleccionado para esas labores, ya que generalizar el conocimiento con una estrategia de unos sabios enseñándoles a los demás suele no funcionar. El camino por seguir implica que, desde el inicio, todos los empleados construyan una cultura de adopción de esta tecnología, haciendo parte activa de la implementación.