Los historiadores de economía utilizan el concepto de «tecnología genérica» o «tecnología de propósito indeterminado» («General Purpose Technology», GPT) para describir las innovaciones técnicas más significativas y con mayor potencial de revolucionar las actividades productivas en su conjunto, a través de sus consecuencias en cascada. La máquina de vapor, la electricidad y las computadoras figuran entre los principales ejemplos de GPT; cada una se asocia ex post con la aparición de una gran revolución industrial. Una GPT se extiende por todos los sectores y trae, a su paso, una oleada de innovaciones complementarias en cada industria. Altera radicalmente la organización de la mayoría de las actividades económicas y de las estructuras sociales que las acompañan al invertir la jerarquía de costos entre los distintos modos de producción.
El trabajo animal, que incluía el transporte y la agricultura, deja de ser competitivo ante la llegada de la máquina de vapor y el trabajo manual y artesanal se ve profundamente afectado por la disponibilidad masiva de herramientas eléctricas. Por eso, es gracioso –y no somos los primeros en advertirlo1– ver que la tecnología de los «Generative Pre-trained Transformers», la última iteración de los grandes modelos de lenguaje (Large Language Models, LLM), lleva un acrónimo un tanto predestinado –GPT– que sugiere que el paralelismo con las revoluciones industriales anteriores puede llevarse más lejos.
Una nueva revolución industrial
Hablar de futuros desarrollos de la IA como posibles «amenazas» u «oportunidades» es no darse cuenta de que, a falta de nuevos avances, los LLM, tal y como existen actualmente, ya pueden transformar la mayor parte de las actividades intelectuales, en el sentido más amplio del término. Algunos no los ven más que como loros estocásticos y, desde un punto de vista puramente técnico, no se equivocan: un LLM se limita a producir tokens lo más verosímiles posible, uno tras otro, según parámetros estadísticos introducidos en una base de datos, pero lo sorprendente es que estos loros sean tan potentes, versátiles y sólidos; los LLM están muy lejos de limitarse a escupir trozos de su base de datos. Su producción es original, coherente y extremadamente adaptable. Lo más asombroso es que, al intentar desarrollar respuestas lo más parecidas posibles a las que produciría una inteligencia humana, están construyendo, de forma independiente, modelos interpretativos y «razonamientos» similares a los que sustentan nuestra percepción del mundo.
Tareas como redactar un texto, investigar y analizar información cuantitativa y cualitativa, comunicarse con clientes o proveedores, visualizar datos e identificar oportunidades de acción, resumir una reunión y proponer medidas, mejorar la administración de un lugar, traducir una conversación, planificar un viaje ya son accesibles para GPT-4 y sus plugins; cuando no, se automatizarán en las semanas o meses siguientes y estarán disponibles en un teléfono o computadora mediante un comando de voz o texto. Hoy en día, a pesar de su fulgurante éxito, ChatGPT no es más que una aplicación de chatbot (web o móvil) optimizada para el diálogo entre un usuario humano y un asistente con un LLM adentro, que les permite a cientos de millones de usuarios explorar e inventar nuevos usos, pero confinado a una interfaz específica. Mañana, la misma tecnología estará integrada en la mayoría de los rincones de nuestra vida digital, en nuestros correos electrónicos (que ofrecerán respuestas preescritas), en los procesadores de texto (a través de versiones extremadamente mejoradas de los correctores automáticos actuales, que sugerirán adiciones, cambios de estilo, ideas de desarrollo), en mensajería instantánea, en hojas de cálculo, en programas de presentación (la producción de PowerPoint estará totalmente automatizada).
Es más, ya es posible diseñar pequeños guiones codificados por ChatGPT para la mayoría de las tareas del día a día digital, sin recurrir a los servicios de un especialista, para automatizar, así, una multitud de acciones que, antes, se podían automatizar, pero que se quedaban así por falta de suficientes conocimientos de programación. La producción de nuevas herramientas informáticas, que, antes, era algo exclusivo de las grandes empresas de software con miles de programadores de alto nivel, mañana, estará al alcance de todas las empresas y de todos los empleados, bajo demanda, a través de una generación de software ultrapersonalizado para satisfacer una necesidad temporal. En un futuro muy cercano, todo el mundo utilizará la IA de una forma u otra, de una manera tan mecánica como los celulares o el Internet.
En otras palabras, estamos empezando a presenciar una ola de mecanización, de masificación y de desintermediación del trabajo intelectual. No es, exactamente, la primera vez que se produce una mecanización de este tipo; después de todo, la invención de la escritura automatizó el trabajo de memorizar información; la invención de la calculadora automatizó el trabajo de pura contabilidad y, por supuesto, las computadoras han automatizado gran parte del trabajo de procesamiento de datos. Estas innovaciones han cambiado profundamente a la sociedad humana. La llegada de la IA generativa podría tener un efecto, al menos, igual de grande en nuestras economías porque, como hemos visto, son GPT que tienen repercusiones no sólo en tareas intelectuales muy específicas, sino en la mayoría de ellas. Del mismo modo en el que las sucesivas revoluciones industriales han mecanizado el trabajo manual en su totalidad, con las inmensas ganancias de productividad que conocemos, no es imposible imaginar beneficios de productividad similares gracias a las inteligencias artificiales generativas, en economías en las que el trabajo intelectual representa, ahora, una gran parte de la actividad.
Esta evolución significa, también, que la inteligencia ya no será, necesariamente, el principal factor determinante de la distribución de ingresos, como lo ha sido durante unos tres siglos. Hubo un tiempo en el que la fuerza o la habilidad físicas eran la medida pertinente de la dominación social; a medida que las sociedades se hicieron más complejas y el mundo se mecanizó más, la inteligencia, en todas sus definiciones, ocupó su lugar. Hoy en día, la correlación entre el cociente intelectual y el nivel de ingresos es cierta a todos los niveles, a excepción del 1 % más rico, donde el azar desempeña un papel más importante a la hora de determinar ingresos muy elevados. Y es lógico: un buen programador, ingeniero o consultor está en condiciones de competir sobre la base de la escasez y de ganar un buen sueldo, pero, si, mañana, este mismo trabajo está disponible bajo demanda y a un costo insignificante, las jerarquías sociales podrían dar un vuelco total. Es posible que siempre haya una fuerte demanda de los mejores profesionales, capaces de multiplicar su productividad gracias a la IA, pero los demás se enfrentarán a una nueva competencia.
Mientras que las anteriores revoluciones industriales afectaron, en primer lugar, a los trabajadores manuales calificados, cuya formación era larga, especializada y costosa (y lo era aún más en comparación con una cadena de montaje o una máquina herramienta), la que estamos a punto de experimentar afectará, primero, a los trabajadores intelectuales calificados. La producción de trabajo intelectual experimentará un proceso de desintermediación sin precedentes, con la desaparición de los costos fijos de producción de las herramientas intelectuales. Anteriormente, los costos marginales de reproducción del trabajo intelectual ya se habían reducido gracias a las tecnologías de comunicación (correo electrónico, Internet, paquetes informáticos), que habían ampliado el radio de acción (espacial y profesional) de los trabajadores más calificados. La limitación aún radicaba en la inversión inicial fija e «indivisible» de esos mismos individuos: selección de los mejores potenciales, larga formación, identificación de oportunidades, asunción de riesgos, elección del campo. En cierto modo, cada individuo calificado había visto aumentar su radio de acción y, por lo tanto, su productividad con la caída de los costos marginales, pero, como su oferta estaba limitada por estos «costos fijos», todas las ganancias les beneficiaban directamente, en forma de salarios elevados que crecen rápidamente desde los años ochenta. Sin embargo, con el «trabajo de conocimiento bajo demanda», una limitación fundamental del mercado laboral –el número de horas de trabajo disponibles para las personas inteligentes y creativas– se flexibilizará permanentemente. Un programador, un abogado o un médico solían ser un bien escaso y disputado, hecho que se reflejaba en su remuneración. ¿Qué ocurrirá si su trabajo resulta ser, en gran medida, automatizable? El trabajo intelectual llegó a la era de su reproducibilidad técnica.
Los riesgos reales y falsos de la inteligencia artificial
Por supuesto, la automatización de tareas intelectuales no está exenta de riesgos. Sin embargo, nos parece que las verdaderas amenazas no son las más evidentes ni las más discutidas. Incluso, podríamos identificar falsos riesgos de la IA, que van desde ciertas preocupaciones por la desinformación hasta el temor a que una superinteligencia se revele contra la humanidad, fenómeno que nos mostraría lo inútil que sería intentar combatirlo porque esa lucha sería una pérdida de tiempo y de energía y porque sería, incluso, contraproducente.
A muchos, les preocupa el posible aumento de la desigualdad en el trabajo como consecuencia de la IA. Este temor se basa, en parte, en una analogía con desarrollos tecnológicos más recientes, como la informática, que han beneficiado, sobre todo, a los más calificados. No obstante, los primeros resultados de los estudios sobre el impacto de los LLM parecen sugerir, por el contrario, que son un poderoso factor de igualación de competencias. Al automatizar y producir en masa competencias intelectuales (análisis de hechos y datos, síntesis, reconocimiento de patrones, escritura fluida, etcétera) que, antes, eran raras y estaban distribuidas de manera desigual, es posible que la IA conduzca a una drástica reducción de las desigualdades económicas, lo que haría que actividades altamente remuneradas que, actualmente, están reservadas para una élite sean accesibles para todos. Por ejemplo, los primeros ensayos aleatorios de ChatGPT para tareas cotidianas concluyen –sin duda posible– que, entre los programadores, los estudiantes de postgrado y los médicos, se produce una compresión sustancial de resultados, cosa que logran los más débiles al alcanzar a los mejores. Mientras que el cambio tecnológico, sobre todo, en informática, ha estado, hasta ahora, «sesgado por la calificación» en favor de los más competentes, aquí, casi podríamos hablar de un cambio tecnológico imparcial como medio para reducir las diferencias de productividad.
Veamos, pues, los riesgos menos discutidos, pero más peligrosos, de esta tecnología. Existen dos tipos de riesgos: los que se derivan del uso consciente y malintencionado de estas herramientas, ya sea por parte de sus desarrolladores o de agentes externos, y los intrínsecos a su despliegue. Los primeros son fáciles de imaginar. En un primer momento, será una bendición para las estafas en línea. Mientras que las noticias falsas genéricas de las que acabamos de hablar ya eran fáciles de producir antes de la llegada de la IA generativa, no ocurre lo mismo con las noticias falsas personalizadas. Escribir en las redes sociales que Rusia ganó una batalla en Ucrania cuando, en realidad, la perdió ya es fácil hoy en día; hacerle creer a alguien que su cónyuge le está pidiendo el número de su tarjeta de crédito imitando su voz y su imagen es mucho más difícil por el momento. La IA generativa hace la tarea incomparablemente más sencilla y fácil de reproducir a gran escala. Por lo tanto, habrá que trabajar tanto en la educación de los individuos como en la autenticación de las comunicaciones, labor que, en este último punto, ya se emprendió.
A mediano plazo, los actores más poderosos podrán utilizar la IA para aumentar su capacidad de acción. Ya sabemos que la fabricación de armas bioquímicas puede verse facilitada por la IA, al igual que el reconocimiento facial o la generación de códigos informáticos para ciberagresiones. Los grupos terroristas y los Estados hostiles ya hacen, o harán, uso de esto. Por el lado bueno, la IA también será utilizada por empresas y gobiernos –e, incluso, por particulares– para defenderse. Así que es posible que estemos en los albores de un nuevo tipo de carrera armamentística, con mecanismos clásicos.
Más novedosos son los riesgos ligados no con las malas intenciones de los usuarios de IA, sino con las consecuencias intrínsecas de su adopción por la sociedad y con las opciones políticas que acompañarán su despliegue masivo. No hay razón para creer que la IA destruirá más puestos de trabajo que las revoluciones industriales anteriores: al igual que otros avances, reducirá la demanda de determinadas competencias y liberará poder adquisitivo o tiempo para otras. Por otra parte, esta revolución se caracteriza por su rapidez. Es cierto que las instituciones tardan en adoptar nuevas tecnologías y que su inercia las «protege» de cambios demasiado bruscos. Sin embargo, hace menos de cinco años, ningún ilustrador habría imaginado que su trabajo sería rivalizado por un programa casi automatizado y, aunque es posible que los más adaptables logren integrar la IA generativa en su trabajo cotidiano, a otros, les resultará más difícil. Esto significa que el esfuerzo de formación tendrá que ser rápido, reactivo y a gran escala, con el reto de que el futuro de estas tecnologías todavía es difícil de predecir más allá de uno o dos años. El reto de la carrera entre la difusión de esta tecnología y la adaptación de los humanos a nuevas tareas disponibles se ha subestimado hasta ahora, sobre todo, si consideramos que uno de los primeros sectores que va a revolucionar la IA es, precisamente, el de la educación y la formación. La capacidad de los LLM para producir, sobre un número prácticamente infinito de temas y en asociación con la supervisión humana, una enseñanza adaptable y evolutiva en función del rendimiento del alumno, podría aprovecharse para llevar a cabo un esfuerzo masivo de formación continua, a la imagen y semejanza de los primeros resultados obtenidos por la aplicación Quizlet, que ha integrado un LLM, Q-Chat, en su proceso de aprendizaje personalizado.
Del mismo modo, aunque las desigualdades en los ingresos de trabajo podrían reducirse con el acceso masivo a la IA, no ocurrirá, necesariamente, lo mismo con los del capital, en particular, los del capital inmaterial, según las decisiones que adopten las políticas públicas. ¿A quién le pertenecerá, por ejemplo, la propiedad intelectual y los ingresos asociados con las innovaciones –creación artística, patentes científicas, producción intelectual– generadas por la IA? La revolución del trabajo intelectual traerá consigo, sin duda, una revolución de la economía de la propiedad intelectual, con el objetivo de definir las condiciones de atribución de los derechos de explotación de la producción de las inteligencias artificiales.
Perspectivas de política pública
El primer paso que deben dar los responsables políticos es estar plenamente conscientes de lo que estamos a punto de vivir: una revolución industrial rápida e imprevisible. Esto significa, por una parte, que es impensable seguir hablando de ella como si fuera un mero artilugio, como lo han hecho algunos dirigentes. También, significa que no tiene sentido imponer reflexivamente una regulación desde el principio para protegerse de tecnologías de las que sólo podemos ver los comienzos. Aún no sabemos exactamente qué forma adoptará la IA generativa dentro de unos años; para cuando redactemos las normativas, la tecnología habrá evolucionado demasiado como para que resulten apropiadas. En este sentido, debemos aprovechar la fase actual, que consiste en una experimentación a gran escala, pero que aún no constituye una verdadera masificación, para aprender todo lo posible fomentando los usos más diversos de la IA. Es mejor tratar de identificar las posibles formas de adaptación, las posibles lagunas y la forma en la que los particulares y las empresas están utilizando la IA antes de redactar normativas inteligentes. La única regulación que podría ser necesaria desde el principio no es, en absoluto, nada original: se trata de garantizar que no se desarrolle un monopolio ni un oligopolio en el dominio de estas tecnologías, lo que permite la entrada de nuevos operadores en el mercado. Esto no significa, necesariamente, acceder a las demandas de los actuales líderes en IA de introducir, ahora, normas estrictas sobre la investigación y el desarrollo de nuevos modelos porque existe un gran riesgo de que esto sea una estrategia de captura reguladora.
Por otra parte, las autoridades públicas pueden y deben empezar a experimentar ya cómo utilizar la IA generativa en su propio trabajo. Una gran parte del trabajo administrativo se basa en la producción y el tratamiento de textos, por lo que se presta muy bien a un esfuerzo de automatización intelectual. Los puestos de trabajo de los altos funcionarios, así como su formación, se basan, en gran medida, en el ejercicio de notas informativas, que es, precisamente, una tarea en la que destaca la GPT-4… Sin embargo, prácticamente todos los servicios al público podrían rediseñarse para aprovechar esta interfaz de lenguaje natural. Uno de los principales obstáculos para la digitalización de los servicios públicos –el otro es la seguridad de los datos– es la accesibilidad; los LLM pueden hacer mil veces más fácil y natural cualquier comunicación con una computadora o un servidor. Habrá que procurar reducir al máximo el número de alucinaciones, pero, para las tareas administrativas que se repiten a gran escala, esto no es, en absoluto, imposible. A diferencia de un agente humano, un LLM administrativo puede pasar cientos de horas dialogando con el usuario, sin impacientarse, para resolver sus problemas si es necesario. Las comunicaciones entre administraciones podrían mejorarse del mismo modo. Evidentemente, el sistema judicial podría beneficiarse de ello no automatizando resoluciones judiciales, lo que, con demasiada frecuencia, es objeto de debate, sino acelerando su instrucción y redacción, resumiendo y organizando los documentos y sugiriéndoles a los jueces la manera de redactar la solución por la que hayan optado.
La otra cuestión que deben plantearse las autoridades públicas es la de la soberanía. No hay que pecar de prudentes: no sería dramático utilizar un modelo de lenguaje de código abierto diseñado por una empresa americana para determinados usos administrativos en Francia, siempre que se protejan eficazmente los datos confidenciales. No obstante, también, huelga decir que sería mejor evitar que empresas o administraciones europeas, en sectores clave, dependan, para funcionalidades fundamentales, de llamadas a las API de grandes grupos estadounidenses cerrados.
Algunos se han lamentado de que Europa se quede rezagada y de que no tenga su propio ChatGPT; esto es, en efecto, un fracaso, pero más porque es un síntoma de los problemas estructurales que obstaculizan la innovación a gran escala en el continente. Hoy en día, los LLM de código abierto que pueden personalizarse, utilizarse como base para futuros desarrollos y desplegarse en entornos seguros están superando a modelos cerrados como los de Google u OpenAI. Intentar desarrollar un EuroGPT «soberano», que llegaría tarde, probablemente, estaría demasiado censurado y no tendría el mismo rendimiento que los modelos internacionales. Sería una pérdida de tiempo. Parece que, en este campo, ponerse al día es mucho más fácil que ampliar la frontera tecnológica; es una buena noticia para un continente que va ligeramente rezagado.
Para Francia y Europa, por lo tanto, podría ser pertinente centrarse más en el uso de los LLM que en la producción de modelos básicos. Al fin y al cabo, aún nos queda mucho camino por recorrer para integrarlos en nuevos dominios y nuevas tareas, con interfaces eficaces y accesibles. Empecemos por imaginar algunas aplicaciones prometedoras:
- Articulación con la robótica. Los primeros intentos de vincular los LLM, el reconocimiento visual y la robótica, como los del laboratorio BEHAVIOR de Stanford, son prometedores. Con el tiempo, podrían permitirle a un mismo robot realizar una serie de tareas muy variadas basándose en una indicación o en un único ejemplo de video (guardar calcetines, atornillar un cerrojo, abrir una puerta, pintar una chapa), lo que facilitaría considerablemente el equipamiento de empresas industriales o de hogares al darles la posibilidad de cambiar las funciones de un robot de una tarea a otra al instante, sin tener que encargar un nuevo robot para cada tarea nueva.
- La revolución de la educación. Cada estudiante de primaria, secundaria o, incluso, de licenciatura puede tener acceso a un profesor virtual especialista en cada materia, extremadamente pedagógico; el GPT-4 ya brilla por su capacidad de explicar temas complejos de forma sencilla. La desventaja es que, por el momento, un LLM no tiene forma de obligar al estudiante a trabajar en serio ni de sustituir el aprendizaje que supone el contacto con otros estudiantes y profesores. Será interesante encontrar la manera de combinar estas ventajas de la escuela con las de un tutor virtual personalizado.
- Investigación y desarrollo. Los LLM, por ejemplo, no solo ayudarán a detectar correlaciones antes inadvertidas en conjuntos de datos, a comparar patentes para soñar con nuevos inventos, a sugerir campos de investigación inexplorados y prometedores, sino que, también, adaptarán y personalizarán la comunicación de resultados científicos a públicos mucho más variados, lo que allanará el camino para la fertilización cruzada entre disciplinas e investigadores que, rara vez, hablaban entre sí. Es posible que el desarrollo de esta tecnología repercuta en todas las demás.
- Acceso a la asistencia. Los recientes LLM, por su inmensa capacidad para memorizar y reconocer regularidades o anomalías estadísticas, son extremadamente potentes en medicina general y le permitirían a todo el mundo tener acceso a un médico siempre disponible en su bolsillo, capaz de diagnosticar con un video en tiempo real, con una tasa de error inferior a la de los médicos generales humanos. Una cuestión difícil será la responsabilidad en caso de fallo, como ocurre con los coches autopilotados, pero eso no debería impedirnos extenderlo gradualmente.
Estas pocas sugerencias no son, en absoluto, exhaustivas. La propia naturaleza de las GPT es que pueden aplicarse en casi cualquier campo. Es posible que, en el futuro, nos sorprendan ciertos usos de la IA generativa, del mismo modo en el que era difícil predecir la aparición de Instagram o de TikTok en los primeros días del Internet. No obstante, es crucial empezar a explorar estos usos ahora para estar mejor preparados.
Uno de los defectos del debate actual sobre la inteligencia artificial, en especial, en los círculos intelectuales franceses, es que se centra demasiado en la definición de conceptos abstractos. Se especula mucho sobre si «inteligencia artificial» no es un oxímoron, sobre si la máquina «piensa» realmente, sobre si lo que produce un LLM puede calificarse como «texto». Otro escollo del debate, principalmente, en el lado americano, es discutir durante horas sobre las perspectivas a muy largo plazo de estas tecnologías imaginando ya, como lo hizo OpenAI, estructuras de gobierno para una superinteligencia general de cuyo desarrollo futuro no tenemos ni idea a estas alturas o lamentando la futura extinción de la humanidad, exterminada por una IA que se volvió hostil o por los daños colaterales de sus acciones. Al centrarnos demasiado en estos aspectos, pasamos por alto lo que más debería preocuparnos: los efectos concretos en nuestras sociedades, tanto inmediatos como a corto plazo, de las inteligencias artificiales generativas que han aparecido en los últimos años. Más que preguntarse qué son las IA, sería más importante, a corto plazo, entender qué hacen. Y, puesto que, por el momento, es seguro que la IA, en palabras de Pascal, «no hace nada que indique una fuerza de voluntad», nos corresponde a nosotros utilizarla, ahora, para cumplir mejor nuestros propios deseos.