En los últimos años, la inteligencia artificial generativa (Gen AI) Fue objeto de expectativas y promesas exageradas de una revolución industrial que transformaría el mundo. Desde el lanzamiento de ChatGPT, la idea de que la IA generaría cambios masivos, incluyendo la pérdida de 300 millones de empleos, ha sido ampliamente publicitada. Sin embargo, 18 meses después del auge de la publicidad, la realidad ha demostrado ser diferente.
El ciclo de la IA
Al igual que muchas tecnologías nuevas, la IA generativa ha seguido un camino bien conocido, el ciclo de la expectación de Gartner. Este modelo describe un proceso recurrente en el que el éxito inicial de una tecnología genera expectativas públicas exageradas, que finalmente no se cumplen. Tras el pico de expectativas exageradas, llega el punto más bajo de la desilusión, seguido de una pendiente de iluminación y, finalmente, una meseta de productividad.
Un informe de Gartner publicado en junio de 2024 indicó que la mayoría de las tecnologías de IA generativa aún se encuentran en el punto álgido de las expectativas infladas. La adopción práctica de estas tecnologías ha sido menos exitosa: el 80 % de los proyectos de IA fracasan, según un estudio de RAND, una tasa más del doble que la de los proyectos no relacionados con IA.
Las limitaciones actuales de la IA generativa
Los desafíos que enfrenta la IA generativa son numerosos, desde la alta inversión requerida en datos e infraestructura de IA hasta la escasez de talento humano cualificado. Sin embargo, la naturaleza inusual de las limitaciones de la IA generativa plantea un desafío crítico.
Por ejemplo, los sistemas de IA generativa son capaces de resolver exámenes universitarios complejos, pero fallan en tareas sencillas, como lo demostró el intento fallido de McDonald's de automatizar los pedidos del autoservicio. Esta discrepancia genera una falsa confianza en los usuarios, quienes terminan utilizando los modelos en situaciones inapropiadas.
La experiencia de proyectos exitosos demuestra que es difícil lograr que un modelo generativo siga las instrucciones con precisión. Khanmigo, el sistema de tutoría de Khan Academy, es un ejemplo de ello, ya que revela las respuestas correctas incluso cuando se le indica lo contrario.
¿Por qué no ha terminado todavía el revuelo?
A pesar de los desafíos, la tecnología de IA generativa está mejorando rápidamente, impulsada principalmente por el aumento de la escala y el tamaño de los modelos. Las investigaciones demuestran que la cantidad de parámetros, la cantidad de datos y la potencia de cálculo utilizada en el entrenamiento contribuyen al rendimiento del modelo, mientras que la arquitectura de la red neuronal tiene un impacto mínimo.
Los modelos lingüísticos de gran tamaño también exhiben capacidades emergentes inesperadas, como el razonamiento por analogía y la reproducción de ilusiones ópticas, que surgen cuando alcanzan un tamaño crítico. Las causas de estos avances son controvertidas, pero existe consenso en que los modelos se están volviendo más sofisticados.
Las empresas de IA siguen trabajando en modelos más grandes y costosos, mientras que empresas como Microsoft y Apple se basan en el retorno de sus inversiones actuales. Se estima que la IA generativa necesitará generar 600 1 millones de dólares en ingresos anuales para justificar las inversiones actuales, alcanzando potencialmente el billón de dólares en los próximos años.
¿Que sigue?
A medida que el entusiasmo por la IA comienza a desvanecerse y entramos en un período de desilusión, observamos estrategias de adopción más realistas. Las empresas utilizan la IA para apoyar a los humanos, en lugar de reemplazarlos. Una encuesta reciente mostró que las empresas estadounidenses utilizan la IA principalmente para mejorar la eficiencia (49%), reducir los costos laborales (47%) y aumentar la calidad de los productos (58%).
También hemos observado un aumento de modelos de IA generativa más pequeños y económicos, entrenados con datos específicos e implementados localmente para reducir costos y optimizar la eficiencia. OpenAI, por ejemplo, lanzó el modelo GPT-4o Mini para reducir costos y mejorar el rendimiento.
Además, existe un enfoque creciente en la alfabetización en IA y la formación de la fuerza laboral sobre su funcionamiento, sus capacidades y limitaciones, y las mejores prácticas para su uso ético. Tendremos que aprender y reaprender a utilizar diferentes tecnologías de IA en los próximos años.
En definitiva, la revolución de la IA probablemente será más bien una evolución, que crecerá gradualmente con el tiempo y alterará y transformará gradualmente las actividades humanas. Lo cual, podría decirse, es mucho mejor que reemplazarlas.
