4 min de lectura João Mourinho
Aunque la IA sea la palabra de moda, la realidad demuestra por qué conviene considerar un abanico más amplio de herramientas para abordar los problemas empresariales.
La IA ha sido la palabra de moda. Cada vez más organizaciones y profesionales aspiran a ser AI-Native, AI-Savvy o AI-lo-que-sea. El diminuto país de Angulla, cuyo dominio nacional es .ai, está aumentando sus ingresos gracias a que muchas empresas se apresuran a comprar dominios .ai.
Sin embargo, los profesionales y las organizaciones con experiencia han visto ir y venir estas modas. No me malinterpretes: la IA es una herramienta fantástica que puede generar grandes ventajas competitivas si se aplica correctamente, en el contexto adecuado y para respaldar los objetivos empresariales.
Sin embargo, no deberíamos creer que la IA es una solución universal.
En primer lugar, porque la IA es un término general que engloba un conjunto de técnicas diferentes. En segundo lugar, porque no todos los problemas pueden o deben resolverse mediante la IA. Está el caso de un gerente que pidió a un becario de TI que desarrollara una solución de IA para detectar y sustituir todos los nombres de dominio en un flujo de datos. Para su sorpresa, dos horas después, el becario volvió y le dijo: «Ya está». El gerente preguntó: «¿Qué quieres decir con que ya está?», pues esperaba que fuera una tarea larga. El becario simplemente le mostró su solución, basada en expresiones regulares. El gerente se sorprendió por la sencillez y elegancia de la solución. Para el becario de TI, esta tarea era un caso en el que recurrir a la IA habría sido una solución excesiva, ya que podía utilizarse una alternativa más sencilla, pero muy eficaz.
Esta historia pone de relieve cuatro hechos importantes:
La IA es solo otra herramienta (muy valiosa) entre muchas otras buenas soluciones. En última instancia, el problema empresarial debe ser el principal criterio para elegir la herramienta adecuada.
Muchas de las técnicas de IA que utilizamos hoy se desarrollaron ya a principios de la década de 1960. También está el famoso proyecto japonés llamado «Fifth Generation Computer Systems» [1], motivado por el hecho de que (en aquel momento) «Los ordenadores actuales son extremadamente limitados en funciones básicas para procesar habla, texto, gráficos, dibujos, imágenes y otros datos no numéricos, así como para realizar tareas de inteligencia artificial como la inferencia, la asociación y el aprendizaje». En definitiva, el proyecto no tuvo demasiado éxito porque la potencia de cálculo disponible entonces era limitada y el programa no aprovechó ampliamente conceptos fundamentales como las redes neuronales, que son la base de los LLM actuales, como ChatGPT, Copilot, etc.
De hecho, durante mi máster en Ingeniería Informática en la década de 2000, estudiábamos estas técnicas de IA (por ejemplo, redes neuronales, modelos de clasificación, etc.) junto con un amplio abanico de otros enfoques igualmente relevantes, como las metaheurísticas, la teoría de autómatas (de la que forman parte las expresiones regulares utilizadas por el becario de TI mencionado anteriormente), los árboles de decisión, etc. Ya entonces me parecía evidente que no existía un enfoque mejor: cada uno tenía su campo de aplicación óptimo. Esta percepción se reforzó a lo largo de mi carrera, tanto en mi investigación doctoral como en mi trabajo de consultoría, donde tuve la oportunidad de aplicar muchos de estos enfoques y comprender en qué contextos era adecuado cada uno.
La popularización de los LLM, como ChatGPT, y su aparente capacidad para «razonar» llevaron a muchas personas a creer que la IA era una invención completamente nueva y la respuesta a todos los problemas. Lo que ocurrió fue que la IA salió de los laboratorios de investigación y llegó a la vida de todo el mundo a través de los LLM: se generalizó. Pasamos del lema (ya anticuado) «Google lo sabe» a «La IA lo sabe». Pero analizar el problema con pragmatismo siempre es mejor que seguir un lema.
En Mourinho Solutions no seguimos lemas. Tenemos los conocimientos y la experiencia necesarios para ayudarte a elegir el enfoque adecuado y las herramientas más eficaces para que tu negocio prospere. Analizamos las necesidades de tu empresa para identificar dónde puede tener mayor impacto la IA (u otros enfoques) y ayudarte a obtener una ventaja competitiva.
Tu éxito también es el nuestro. No dudes en ponerte en contacto con nosotros para saber qué podemos hacer por ti.
[1] - Feigenbaum, E., Shrobe, H.: The Japanese National Fifth Generation Project: Introduction, survey, and Evaluation. Future Generation Computer Systems. 9, 105–117 (1993). Disponible aquí.
Antes de que tu organización compre una sola licencia de IA, debería poder responder a una pregunta aparentemente sencilla: ¿qué proceso concreto se pretende mejorar y merece la pena automatizarlo tal como está?
Pese al entusiasmo actual, la IA no está generando impacto. Parece que la paradoja de la productividad de Solow también se aplica a la inversión en IA.
A medida que se acercan las fiestas de Navidad y la Nochevieja, es momento de echar la vista atrás a un año difícil. Para los profesionales de las ONG y del ámbito humanitario, ha sido un año duro. El mundo ha sido testigo de la intensificación de los conflictos y del hambre, y los Objetivos de Desarrollo Sostenible parecen ahora una visión lejana. Pero, bajo las nubes oscuras, la esperanza sigue brillando para 2026.