Si algo parece claro desde que, en 2022, empezamos a tener conciencia colectiva sobre la llegada de la inteligencia artificial generativa, primero con algoritmos “pintureros” como Dall·E, Stable Diffusion, etc. y posteriormente, con ChatGPT y otras herramientas que ya superaban claramente el test de Turing, es que estamos ante una revolución brutal, capaz de devorarnos a todos por los pies.
La IA, aparentemente, es una auténtica caníbal, y parece dispuesta a liarse a mordiscos con todo. Leo en TechCrunch cómo los venture capitalists de Khosla Ventures, una de las compañías de capital riesgo más conocidas de Silicon Valley, han lanzado una iniciativa no para invertir en startups, sino para algo aparentemente opuesto: adquirir compañías consolidadas, y relanzarlas tras haberlas llenado todo lo posible de inteligencia artificial.
En realidad, me constaba: varios de mis ex-alumnos de MBA más brillantes, de hecho, trabajan precisamente en ese tipo de proyectos, a las órdenes de fondos de inversión y compañías de capital riesgo. Básicamente, se trata de llegar a la compañía, entender claramente su modelo, para después desmontarlo entero y volverlo a montar, pero automatizando todo lo automatizable y poniendo algoritmos y agentes inteligentes por todas partes. Lo que sobra, se envía al paro o se tira.
La estrategia se parece en gran medida a lo que ocurrió con otra tecnología profundamente disruptiva que ya experimentamos anteriormente: internet. No, no todo en la revolución de las puntocom consistió en montar compañías que levantaban capital meteóricamente intentando comprar un sitio en el paraíso.
Otra buena parte, como atestiguan las compañías que sí supieron adaptarse bien, fue empezar a hacer con internet cosas que antes, simplemente, no se podían hacer o eran muy difíciles. Que se lo digan a Inditex, entre otras muchas.
La IA generativa sufre de un problema de concepción: el paper original que se considera dio origen a la revolución
Con la IA, la cuestión no es solo ponerla en todas partes como el perejil en las salsas, sino cómo ponerla. No son pocas las compañías que, tras hacer recortes de personal para sustituir trabajadores con algoritmos, han tenido que salir corriendo a contratarlos de nuevo.
Obviamente, estamos en un momento curioso: la IA parece capaz de hacer muchísimas cosas de manera asombrosamente brillante, pero también, con perdón, de cagarla hasta los extremos más indescriptibles.
En muchos sentidos, la IA generativa sufre de un problema de concepción: el paper original que se considera dio origen a la revolución, el que escribieron ocho autores de Google que la compañía fue, en una muestra de su proverbial mala gestión, completamente incapaz de retener, titulado “Attention is all you need”, se refería a cómo algo tan aparentemente sencillo como hacer crecer la ventana de contexto (de palabras a frases, de frases a párrafos, de párrafos a textos completos y de ahí a cantidades cada vez más ingentes de información) daba resultados brillantísimos a la hora de traducir textos.
La cuestión, claro, es la naturaleza de la tarea. Unos cuantos años después de ese momento, los llamados LLM, modelos de lenguaje masivos, son impresionantemente buenos, agotan nuestra capacidad para la sorpresa y nos parecen indistinguibles de un ser human especialmente brillante y bien formado en todas las temáticas… pero siguen haciendo lo mismo: completando textos con las palabras que, según su modelo, mejor se ajustan a la tarea solicitada.
Completar palabras está muy bien, pero dista mucho de ser una aproximación adecuada para muchas tareas. De hecho, donde aparentemente mejor lo hacen es cuando escriben software.
Programar es inmensamente más sencillo que hablar, porque eliminamos del lenguaje todo lo que lo hace complejo
¿Por qué? Muy sencillo: porque un lenguaje de programación no deja de ser una versión de un idioma, en la que hemos eliminado todo lo relativo, todas las posibles segundas interpretaciones, todas las excepciones, todas las entonaciones y todas las malditas tildes diacríticas, por decir algunas cosas, y lo hemos convertido en exacto, en completamente objetivo.
Programar es inmensamente más sencillo que hablar, porque eliminamos del lenguaje todo lo que lo hace complejo.
Ahora, llega Amazon y descubre que si pide a sus desarrolladores que en vez de escribir código, se limiten a copiar, pegar y corregir el código que generan algoritmos, hacen su trabajo más rápido. Sí, lo hacen más rápido, pero ha eliminado toda la creatividad y el propósito de su trabajo, y los ha convertido en poco menos que obreros especializados, en algo completamente ajeno a cualquier vocación.
Ahora, los buenos desarrolladores no solo se van de Amazon, sino que además, cuesta cada vez más conseguir desarrolladores junior que quieran trabajar en la compañía, a pesar de su supuesta imagen de líder. En Amazon, un desarrollador joven no va a aprender jamás a escribir buen código, fundamentalmente porque a la compañía le trae completamente al fresco lo que haga con su vida.
No lo pondrán a trabajar con desarrolladores con experiencia, ni se preocuparán por formarlo… ¿Para qué, si su trabajo va a ser copiar, pegar y corregir líneas de código escritas por algoritmos? En realidad, porque a la compañía le preocupan cero las personas, solo quiere métricas impresionantes a cualquier coste.
Si has intentado comprar algo recientemente en Amazon y te has encontrado al buscar con un listado absurdo de cosas que no querías, ya sabes lo que le importas a la compañía. Entre nada y cero.
De las muchas formas de incorporar la IA a un trabajo, Amazon ha elegido la peor, la que más aliena al trabajador humano. Cuando te plantees cómo llevar a cabo ese proceso en tu compañía, cosa que sin duda tendrás que hacer si no quieres verla desaparecer, no lo hagas como Amazon: ten respeto a la tecnología, porque es una fuerza imparable que no se puede ignorar, pero ten más respeto a las personas.
Y además, tiene una gran ventaja: te podrás mirar al espejo por las mañanas sin que te asquee lo que ves.
***Enrique Dans es Profesor de Innovación en IE University.
