Inteligencia artificial y el futuro de la tecnología

En la lectura anterior, 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 acerca de la IA, su naturaleza, sus aplicaciones y
proyecciones. Estamos ante una tecnología que puede considerarse epicentro de la
revolución actual y genera sentimientos encontrados en todo el mundo: desde adoración
hasta pánico.
Vamos a recorrer algunos experimentos en marcha actualmente basados en Inteligencia
artificial, así como estudiar en que consiste la industria de la data (generación y
procesamiento de datos), que parece llevarse toda la atención como el camino para
diseñar organizaciones aptas para capitalizar la revolución digital. Específicamente,
pondremos foco en el machine learning, como una continuidad y evolución tecnológica de
la IA y exploraremos escenarios de este mundo en conformación plagado de algoritmos.
Así como también, entraremos en el terreno de los riesgos que conlleva el avance de la IA.

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 para entender con mayor precisión y poder de anticipación cómo funciona el
mundo y todas nuestras actividades.
Se considera que la IA es la nueva electricidad de la Humanidad en la Cuarta Revolución
Industrial. Como sabemos, la energía en sus distintas manifestaciones es vital para
facilitar movimientos y procesos que de otra forma estarían afrontados a tracción manual
y muscular. Por ello, la data del mundo, soportada en tecnología que permite entenderla y
usarla, se convierte en un nuevo tipo de electricidad de flujo continuo que facilita
actividades, resuelve problemas y genera retornos, como veremos en la presente lectura.
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 USA, 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 en
obtener una definición única de amplia aceptación, 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 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 este punto de vista, como las funcionalidades del cerebro humano siguen siendo
un campo en constantes hallazgos, la inteligencia artificial en su acepción más holística
sigue siendo una promesa, no exenta de polémica, para un futuro posible. Todas las
energías y evidencias están puestas hoy en lograr aplicaciones específicas de inteligencia
artificial que permitan resolver problemas acotados emulando destrezas cognitivas.
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,
almacenar grandes cantidades de datos, interpretarlos en base a patrones o algoritmos y
generar predicciones más o menos acertadas.
De esta forma, algoritmos de distinta índole comienzan a estar detrás de múltiples
situaciones en la vida de personas y empresas, para ayudarnos a decidir mejor, utilizando
la potencia de la acumulación de datos que ningún proceso humano y analógico podría
permitir. Suele interpretarse entonces a la IA como un sistema de máquinas de predicción
en constante evolución: todos los datos (por ejemplo del consumo de indumentaria
deportiva de la generación X) pueden ser reunidos y procesados en una tecnología (lago
de datos o “ Data Lake”) y un modelo matemático basado en hipótesis de comportamiento
que se definen desde la ciencia (ciencia de datos o data science), permite identificar
relaciones y patrones que abren posibilidades de predecir realidades y tomar decisiones
en consecuencia (por ejemplo promociones de determinados productos en momentos
específicos del año).
Quizás lo más disruptivo de esta tecnología es que no se trata solo de digitalizar los datos
existentes en una empresa u organización, sino 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 en base a 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.
Paul Cohen, Decano de la Facultad de Ciencias de la Información de la Universidad de
Pittsburgh escribió en alguna ocasión: “La oportunidad para la inteligencia artificial es
ayudar a los humanos a modelar y administrar sistemas de interacción complejos”.
Funcionamos cada vez más en el marco de sistemas complejos, es decir con múltiples
variables y relaciones. Y es allí donde la IA, con su enorme capacidad de procesamiento
de datos, acude en nuestra ayuda para gestionar mejor esa complejidad.
Pero suele simplificarse la IA con cierta condición mística, como supuesta caja negra que
produce resultados de forma mágica. Nada más alejado de la realidad. Claro está que aún
no tenemos suficientemente claro cómo se trabaja y desarrolla inteligencia artificial y que
la sucesión de pruebas y experimentos en marcha nos están entregando mucho
conocimiento validado, aunque aún parcial. Pero es necesario remarcar que no se trata de
un sistema automático, que hacer IA requiere de un trabajo metódico e interdisciplinario
que permita ir dando pasos hasta ese estándar de capacidad de predicción que propone
mejorar el asertividad de las decisiones humanas en escala, en cualquier campo de
acción.
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 2019 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 aun en entender a la IA 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:

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

que viene en marcha hace ya varios años y sin IA sería imposible de concebir. Los
algoritmos de inteligencia artificial que expertos de distintas compañías embarcadas en
esta industria están desarrollando son uno de los componentes principales que permiten
a los autos autónomos dar sentido a su entorno , captando la información de las cámaras
instaladas alrededor del vehículo y detectando objetos como carreteras, señales de
tránsito, otros automóviles y personas. 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. Con
enormes bases de información y la mejora con la experiencia de uso, se pronostica un
futuro en el que los asistentes virtuales serán nuestros compañeros más íntimos y
estables para todo tipo de consultas y asistencia. Por otra parte, gran parte de las
empresas de servicios están incorporando asistentes virtuales para eficientizar la
interacción con clientes en la mayoría de los casos que no requieren una intervención
humana para manejar situaciones que trascienden lo que los modelos de automatización
han podido lograr hasta el momento. Y se estima que en algunos años, el 50% de nuestras
conversaciones con empresas serán a través de esos asistentes virtuales.
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 IA todavía tiene mucho camino por recorrer
antes de dominar el lenguaje humano, hasta ahora, los avances son espectaculares. Esto
pone en jaque la necesidad de aprender idiomas de forma directa para desempeñar roles
globales o proyectos avanzados. La traducción virtual ofrece cada vez más una solución
ágil y accesible para todo tipo de contenidos que necesitamos
Reconocimiento facial: Actualmente, es una de las aplicaciones más populares de la
inteligencia artificial. Tiene muchos usos, como desbloquear su teléfono , abonar compras
de productos y servicios con la cara y detectar intrusos en su 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 muy 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. La inteligencia artificial no reemplazará a
su médico, pero podría ayudar a mejorar servicios de salud, haciendo foco en áreas
desfavorecidas, allí los asistentes de salud con tecnología de inteligencia artificial pueden
quitar parte de la carga de los escasos médicos generales que tienen grandes
poblaciones para atender.

Video 1. Los expertos desvelan cómo influye la inteligencia artificial en tu vida.

EL PAIS Retina. (2019). Los expertos desvelan cómo influye la inteligencia artificial en tu vida. [YouTube].
Recuperado de: https:// www.youtube.com/watch?
list=PL25CPkeu2LmJigK_trc060Hs3_YSrQkFj&time_continue=95&v=hFXQaHNba_Y&feature=emb_logo[FS1]
Profundizando la IA a través del Machine Learning
Como ya expresamos, en el intento de emular las capacidades humanas, la IA 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 IA para:

SE NTI R: 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
C O M PRE ND E R: Los motores de procesamiento e inferencia del lenguaje natural les permiten a los sistemas
de IA analizar y entender la información recopilada. Por ejemplo, la traducción de idiomas en
buscadores online
A C TU A R: A través de sistemas expertos y motores de inferencia, la IA puede actuar o desarrollar
acciones en el mundo físico. Por ejemplo, la conducción autónoma en vehículos. (BID, Intal,
2018, p. 32)

Para desarrollar estas aptitudes de forma evolutiva, se requiere que la IA tenga capacidad
de aprender de la experiencia con el uso de los datos y de ir adaptando sus modelos y
algoritmos, en base a las evidencias que se van logrando en la realidad. Es aquí donde
aparece un concepto que lleva la IA a ese potencial superior: el aprendizaje automático o
machine learning.

Figura 1. Tecnologías emergentes de Inteligencia artificial

El aprendizaje automático ha significado en los últimos años la principal evolución para la

IA. Las máquinas ya no se limitan a procesar los datos en función de las reglas que el
equipo humano encargado definió previamente en el algoritmo original. Las máquinas
ofrecen modelos científicos que son entrenados con porciones de datos y, cuando están
afinados con lo que efectivamente sucede en la realidad, están en condiciones ya de
ejecutar su propio comportamiento a partir de las interacciones con la realidad. Es decir,
un sistema de IA para el proceso comercial de una empresa reúne todos los datos y
prueba un modelo de reglas con muestras de sus operaciones comerciales. Eso genera
sucesivos aprendizajes que van afinando el algoritmo hasta alcanzar una excelente
capacidad de predicción.
Así, por ejemplo McDonald’s está creando su sistema de IA 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 IA
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 cuando los conductores de vehículos están
distraídos, con la idea de alertarlos y prevenir accidentes.
Por otra parte, el aprendizaje profundo o Deep Learning es un subconjunto del aprendizaje
automático y se ha vuelto popular en el último tiempo. Representa grandes ventajas en el
procesamiento de datos no estructurados, como imágenes, video, audio y documentos de
texto. Los avances en el aprendizaje profundo han llevado a la IA a muchos dominios
complicados y críticos, como la medicina, los autos sin conductor y la educación.
En consecuencia, con Machine y Deep Learning, los modelos de IA 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 IA
que aprenden solos y no parecen tener límites.
Ya en 1950, el matemático inglés Alan Turing planteó la hipótesis de que las máquinas
podrían llegar a pensar por sí mismas. La ciencia comenzó a desplegar proyectos sobre el
tema y, a finales de los años 60, investigadores del MIT (Marvin Minsky y Dean Edmonds)
crearon el primer programa informático capaz de aprender de su propia experiencia para
salir de un laberinto. De aquellos primeros pasos venimos con este epicentro de la Cuarta
Revolución Industrial. Pero enseguida se toparon con la falta de datos utilizables y una
limitada capacidad de procesamiento informático para correr los modelos que las
estadísticas y matemáticas ya podían crear. En 1997, llega el hito de IBM Deep Blue,
máquina entrenada con miles de partidas de ajedrez que logró derrotar al Campeón de la
disciplina Gary Kasparov, gracias a que la tecnología ya podía hacer viable este proceso
de machine learning: calcular estadísticamente qué movimiento tiene más probabilidades
de ganar una partida, basándose en miles de ejemplos de partidas vistas previamente por
la computadora.

Video 1. Bajo los ojos de IBM

Cristian CDL. (junio 2018). Bajo los ojos de IBM. [YouTube]. Recuperado de: https:// www.youtube.com/watch?
v=zsVn6qYPg4c

Como expresa el CEO de Microsoft, Satya Nadella:

En última instancia, alcanzamos la tecnología de punta, cuando los ordenadores aprenden
a aprender, cuando generan sus propios programas. Al igual que los seres humanos, las
computadoras irán más allá de la imitación de lo que hacen las personas e inventarán
soluciones nuevas y mejores a los problemas. Las redes neuronales profundas y el
aprendizaje por transferencia están conduciendo hoy a avances significativos, pero la IA
es como una escalera y tan solo estamos en el primer peldaño. En lo alto de esta escalera
está la inteligencia general artificial y la comprensión completa del lenguaje humano por
parte de la máquina. (Nadella, 2017, p.165).

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 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 base a 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.
Organizada en base a niveles de complejidad para que los empleados vayan avanzando, la
Data University está dando los primeros resultados de impacto en la compañía: el 45% de
los empleados ya está dentro de la métrica que han definido para mostrar el progreso:
usuarios activos semanales del tablero de datos. Es decir, 5 de cada 10 empleados de
Airbnb ya toman decisiones semanalmente basadas en datos, adoptando muchos de ellos
posiciones proactivas en el armado de tableros y cruces de datos que perciben como
necesarios para sus funciones.
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 IA 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 2. Los datos como capital para gestionar un negocio

Los riesgos de la IA 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 montar
en bicicleta haciéndolo, y aprender a montar 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.
El famoso físico Stephen Hawking, al observar esta expansión ilimitada de la IA, ya en año
2014 manifestó que “la inteligencia artificial completa podría significar el fin de la raza
humana”, quizás llevando al extremo el peligro de que las máquinas puedan
autogobernarse. Aunque hoy la hipótesis con mayor verosimilitud y a la que
particularmente nosotros adherimos, es la que pronostica que la condición humana se
verá aumentada a partir del aporte exponencial de estas tecnologías. Simplemente porque
siempre podremos dirigir la creación y regulación de la tecnología y porque día a día se
producen evidencias de la cantidad de problemas que podemos resolver con estas
tecnologías complementarias a las intervenciones humanas en múltiples y nuevos roles.
Como ya expresamos, parece difícil y lejano que la IA avance hacia una inteligencia
general y ubicua, que sea capaz de lidiar con diferentes situaciones como hacemos los
seres humanos, y debemos hacer cada día más ante un mundo de cambio permanente. 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.
Siempre son el Management (capacidad de gestión) y la ética (valores y fines) los
elementos que podrán garantizar que esta edad aumentada en la que estamos y que cada
día se profundiza sea realmente un enorme salto adelante para la Humanidad toda.
Podremos hacer un mundo mejor solo gerenciando la tecnología, sabiendo que la
necesitamos y que genera beneficios, pero pensando que es nuestra responsabilidad, en
el marco de las instituciones nacionales y globales, establecer cuáles son sus límites y
cuáles son las palancas para suspenderla o apagarla si es necesario para preservar
personas y sociedades. Y solo con la guía de marcos o códigos éticos explícitos y
debidamente acordados a nivel de empresas, países y globalmente, podremos aspirar a
que irradie en todos los espacios de desarrollo y gestión de la tecnología un espíritu
humanista que nos evite grandes problemas y conflictos con semejante capital que
hemos sido capaces de crear.
En el mundo, cada día más, se está revalorizando 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 IA 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.
Ya el gran Isaac Asimov, en la década de 1940, planteó sus famosas leyes de la robótica
bajo la premisa que los robots, cada vez mejores y más dotados, deberían siempre servir a
la Humanidad. En la era de la IA, el debate sobre nuestros derechos y responsabilidades
frente a este torrente de nueva tecnología, se ha actualizado y requiere de abordajes más
efectivos. Derechos bajo la consigna de que siempre las máquinas trabajen para nuestro
bienestar, a través de regulaciones gubernamentales, acuerdos sociales y códigos de
ética de las empresas vinculadas a la tecnología. Responsabilidades para aceptar que la
nueva era de complementariedad entre máquinas avanzadas y personas solo será posible
si expandimos las competencias humanas vinculadas a la empatía y las habilidades
blandas, la apropiación y uso de las tecnologías y la asimilación con entusiasmo del
espacio de creatividad e innovación que tenemos delante de nosotros.
Por supuesto que, a partir de este enorme y macro riesgo, se escalonan muchos otros
más específicos:
¿habrá realmente trabajo bien pago para todos en un mundo en el que la tecnología tenga
tantas tareas a su cargo?, ¿puede la educación llegar rápidamente a las grandes mayorías
para desarrollar habilidades necesarias para esos nuevos trabajos que se pronostican en
danza con la tecnología?, ¿habrá grandes dueños de los datos de las personas que
dispondrán cómo usarlos con escaso control?, ¿las empresas de tecnología más exitosas
funcionarán con el patrón de “el ganador se lleva todo” dejando poco lugar para nuevos
competidores?, ¿se ampliarán las desigualdades inevitablemente, dado que los roles
vinculados a tecnologías más avanzadas (científicos, programadores, etc.) tendrán
ingresos exponencialmente más altos que el resto?, ¿reproducirán las máquinas los
sesgos humanos y tomarán decisiones autónomas que perjudiquen a personas según su
raza, condición sexual o posiciones políticas?, ¿habrá un poder más amplio de gobiernos
despóticos dotados de tecnologías poderosas de control social?, etc.
Todas estas preguntas y muchas más no tienen respuestas únicas ni inevitables. Tienen
un marco de posibilidades y creemos que la mejor fórmula para lograr buenas respuestas
que construyan futuro es abrazar la tecnología con convicción y pasión, pero al mismo
tiempo con responsabilidad y capacidad de acuerdos sociales y éticos que nos brinden un
marco amplio y humanista sobre el que desplegar esas capas de talento complementario
a las máquinas para beneficio del conjunto.
Cynthia Breazeal, del laboratorio de medios del MIT, aporta un conjunto de principios que
podrían guiar la IA bajo un enfoque humanista:

 La IA debe estar para ayudar a la humanidad: incluso con máquinas cada vez más
autónomas, debemos respetar siempre la autonomía humana. Los robots y
dispositivos de automatización pueden tomar los trabajos más feos, sucios y
peligrosos que hace siglos hacen los humanos, pero siempre habilitando nuevas
tareas humanas en danza con las tecnologías.
 La IA debe ser transparente: las reglas que permiten que la IA funcionen deben ser
conocidas por todos los usuarios. Maquinas inteligentes, pero también inteligibles. La
tecnología sabrá mucho sobre nosotros y sugerirá cursos de acción a partir de nuestra
información. Nosotros debemos saber cómo operan para actuar y reclamar si alteran o
manipulan la realidad.
 La IA debe maximizar su eficacia sin destruir la dignidad de la gente: la diversidad
humana no debe verse afectada por la automatización y los sistemas inteligentes. La
IA debe protegernos contra sesgos y prejuicios humanos, nunca reproducirlos. Y las
empresas de tecnología, expertas en crear máquinas inteligentes, no deben erigirse en
dictadoras de valores y virtudes del futuro, como si fueran palabra santa.
 La IA debe estar diseñada para una privacidad inteligente: solo con el debido respeto y
resguardo de la información personal de las personas podremos edificar la confianza
generalizada para operar con estos sistemas inteligentes a gran escala.
 La IA debe contar con un medio algorítmico de rendición de cuentas: los seres
humanos, como ya dijimos, debemos conservar el poder de suspender o apagar los
sistemas inteligentes, si la evidencia demuestra que están infringiendo más daños que
beneficios.

Es enorme la tarea que hay por delante y la magnitud de los desafíos de la Humanidad en
esta Cuarta revolución industrial. Países, regiones, organizaciones, instituciones están
actuando, tratando de entender el fenómeno y construir consensos básicos hacia adelante
bajo la premisa de aprovechar la tecnología inteligente para una nueva era de progreso de
la Humanidad. Atentos y protagonistas, se vienen años apasionantes. Como bien expresa
el futurólogo Gerd Leonhard: “La Humanidad cambiará más en los próximos 20 años que
en los 300 anteriores y en una era en la que lo imposible es factible, esperar y ver es igual
que esperar y morir” (Pallaro, 2019, https:/ bit.ly/2Q8QT03).