Lista de reproducción
- No hay más artículos para escuchar
El presidente de la Reserva Federal de EE. UU., Kevin Warsh, está convencido, y destacados economistas coinciden, de que la IA aumentará significativamente la productividad laboral. No apueste por ello. De hecho, una mayor adopción de estos modelos podría reducir la productividad por trabajador.
La adopción generalizada de nuevas tecnologías es un pilar fundamental del dinamismo económico . En la era de internet, las interfaces de usuario accesibles y la asequibilidad han sido factores indispensables. Hasta principios de la década de 1990, los expertos en tecnología dependían de herramientas rígidamente estructuradas y basadas en texto, como Gopher, para intercambiar documentos en internet. Luego surgió la World Wide Web, más flexible, que dio lugar a navegadores —Mosaic, Netscape Navigator e Internet Explorer de Microsoft— y motores de búsqueda rápidos, fáciles de usar y económicos.
AltaVista, el primer índice de búsqueda de texto completo de la World Wide Web, pasó de recibir 300,000 visitas en su primer día en 1995 a más de 80 millones diarias. Pero AltaVista estropeaba sus resultados con banners poco atractivos. Así que, cuando Google lanzó su motor de búsqueda en 1998, usuarios como yo nos dejamos seducir por su diseño, sin importar la calidad de sus resultados. El éxito de Google arrasó con los motores de búsqueda rivales y las editoriales impresas tradicionales, y sus ingenieros lograron mantener, milagrosamente, la eficiencia de la infraestructura informática para garantizar que la búsqueda de información siguiera siendo rápida, fácil y económica.
Pero el éxito también socavó la experiencia del usuario y la productividad. A medida que Google se convirtió en monopolio, los optimizadores de motores de búsqueda inundaron los resultados con enlaces inútiles. Los medios tradicionales recurrieron al clickbait. Esta basura obligó a los usuarios a aprender nuevas habilidades: cómo seleccionar palabras clave, usar operadores booleanos (como “Y”) y reconocer el clickbait. Google empeoró aún más la experiencia al mostrar resultados “patrocinados” en la parte superior de la página.
Los chatbots de IA han seguido un camino similar. ChatGPT atrajo a un millón de usuarios en sus primeros cinco días después de su lanzamiento en noviembre de 2022. Al igual que con la página de búsqueda inicialmente limpia de Google, la interfaz del chatbot era atractiva: los usuarios podían hacer preguntas en inglés sencillo, sin necesidad de operadores booleanos. Desafortunadamente, ChatGPT resultó ser un charlatán mentiroso. Filtrar sus invenciones llevaba más tiempo que realizar búsquedas de palabras clave en Google, lo que reducía la productividad. Bard, el chatbot que Google, ante una amenaza existencial a su dominio en las búsquedas, se apresuró a lanzar, resultó igualmente decepcionante.
Ahora, más de tres años después, Google ha cerrado Bard y lo ha sustituido por una sección de «Inteligencia Artificial» encima de los resultados de búsqueda tradicionales y una opción de Modo IA: un chatbot que anima a los usuarios a «preguntar lo que quieran». Sin embargo, en mi experiencia, los resultados siguen siendo exasperantemente poco fiables, incluso para consultas sencillas.
En comparación con los modelos estadísticos tradicionales, incluidos los algoritmos pioneros de Google, los grandes modelos de lenguaje parecen ofrecer ventajas convincentes. Con billones de parámetros, los LLM pueden incorporar factores contextuales que los modelos anteriores debían ignorar. Además, los LLM no solo informan, sino que utilizan metáforas y humor en lo que el filósofo Ludwig Wittgenstein denominó “juegos de lenguaje” que tranquilizan, explican, halagan, afirman y persuaden.
Sin embargo, al igual que sus predecesores, los modelos de lógica descriptiva (MLD) se basan en la extrapolación estadística, asumiendo futuros que repiten el pasado. Esto funciona bien para fenómenos naturales como el plegamiento de proteínas, pero no para bienes y servicios en constante cambio. Pequeñas modificaciones en el diseño de la batería de una computadora portátil, por ejemplo, pueden hacer que las instrucciones para reemplazarla sean inútiles. A pesar de esto, los usuarios —como los participantes en los infames experimentos de descargas eléctricas de Stanley Milgram— obedecen de forma automática la respuesta segura de un chatbot. En cambio, los enlaces de búsqueda tradicionales son mejores para mostrar la información desactualizada y la falta de fiabilidad de las fuentes. Esto les da a los usuarios mayor libertad para ejercer su criterio, lo que reduce los errores y los costos.
Incluir indiscriminadamente billones de parámetros agrava los problemas de extrapolación de los modelos lineales generalizados (MLG), ya que aumenta la probabilidad de que encuentren patrones inexistentes o seleccionen respuestas irrelevantes o poco fiables de catálogos exhaustivos y sin clasificar. Los diseñadores de modelos estadísticos tradicionales pueden restringir las variables y las fuentes de datos para evitar este resultado, al tiempo que controlan los costes computacionales.
La dependencia de los modelos lingüísticos del lenguaje (MLL) de la extrapolación estadística también convierte sus interfaces conversacionales en quimeras lingüísticas. Dado que los MLL no pueden replicar la capacidad humana de dar sentido a la información y carecen de una comprensión contextual real de la intención, no utilizan el lenguaje como una “forma de vida”, parafraseando a Wittgenstein. La pretensión de que sí lo hacen ha permitido a los promotores de la IA impulsar los chatbots indiscriminadamente, especialmente porque las aplicaciones más específicas para las que los MLL resultan útiles no justifican inversiones multimillonarias.
Los promotores de la IA están haciendo todo lo posible para crear adicción. Las guías de IA y el Modo IA de Google son como una muestra gratuita. Una vez que los usuarios se enganchan, las grandes empresas tecnológicas seguramente cobrarán precios elevados para recuperar sus altos costos de desarrollo y operación.
Cabría esperar que ni siquiera las empresas más poderosas pudieran engañar a los consumidores para someterlos. A pesar de contar con recursos aparentemente ilimitados, Google ha tenido al menos tantos fracasos como éxitos. El propio nombre de Meta conmemora una apuesta fallida de miles de millones de dólares en realidad virtual. Pero la avalancha de marketing que ha convertido la adicción a la comida basura en un negocio floreciente… Proporciona un contraejemplo desalentador.
Las grandes empresas tecnológicas podrían lograr que la adicción a las redes sociales sea tan común como las adicciones fisiológicas, explotando el profundo deseo humano de tener conversaciones agradables. A medida que los lazos sociales se debilitan, los chatbots ofrecen un simulacro, convirtiendo potencialmente a profesionales serios en adolescentes enamorados. Y, como ocurre con otras adicciones, las redes sociales ya están acaparando recursos —incluidos capital, electricidad, chips y energía emprendedora— que otras innovaciones merecedoras necesitan. Ante esta situación, los tecnooptimistas deberían reconsiderar su visión optimista sobre la promesa de productividad de la IA.
El autor es profesor de Política Sanitaria en la Escuela de Salud Pública Mailman de la Universidad de Columbia. Es autor, entre otras obras, de “Uncertainty and Enterprise: Venturing Beyond the Known” (Oxford University Press, 2025).
Copyright: Project Syndicate, 2026.
www.project-syndicate.org
