Tuve la suerte de asistir hace a unas semanas a un evento sobre el futuro de la IA en la educación universitaria en el Reino Unido. Diversos agentes del sector discutían sobre la idoneidad de su integración en el modelo educativo, aunque la mayoría reconocía que las universidades se mantenían aún impasibles tras la aparición de los modelos fundacionales. No son los únicos. 

En España, según un estudio del Observatorio Nacional de Tecnología y Sociedad, tan solo el 36% de las compañías ha implementado tecnologías de IA en su actividad de negocio para obtener mayor conocimiento a partir de los datos. Sin embargo, esta tendencia es creciente, ya que cada vez son más las organizaciones y administraciones públicas que integran soluciones basadas en IA en el seno de su entidad.

En términos similares se manifestaba uno de los ponentes del evento, un empresario norteamericano dueño de una escuela de negocios internacional, quien, plantado ante la audiencia afirmaba con rotundidad que la IA estará presente en unos años en todos los ámbitos sociales, incluido por supuesto el de la educación superior.

Y el mercado parece coincidir en esa visión. Una contundente prueba de ello es que OpenAI ha levantado la mayor ronda de financiación de la historia. En ella han obtenido 6.600 millones de dólares para continuar desarrollando nuevas versiones de su Large Language Models (LLM), GPT, además de una valoración corporativa superior a los 155.000 millones.

Todo apunta a modelos fundacionales cada vez más versátiles y precisos, a costa, claro está, de un mayor coste computacional para ejecutar las peticiones de los millones de usuarios que día a día utilizamos sus asistentes conversacionales. El debate está servido: ¿han llegado los LLMs en los que se basan las soluciones de inteligencia artificial generativa para sustituir a todo lo anterior? 

Apuesta por los LLMs, sí, pero solamente cuando sea la mejor opción

Durante su ponencia, nuestro amigo norteamericano dibujaba un escenario futuro en el que la "supervivencia" y el éxito del ser humano quedaban supeditados a aquellos aspectos imposibles (en su opinión) de alcanzar para una inteligencia artificial: el pensamiento crítico, la capacidad de reflexión y, en particular, la conciencia. Digamos que en el "arte", más que en la "ciencia". 

A eso apelo desde esta tribuna, al "arte". Al "arte" del ser humano para saber cuándo y cómo utilizar los grandes modelos de lenguaje como respuesta a una necesidad, en cualquier ámbito, también en el profesional. Porque nos encontramos con que los LLMs son ahora la respuesta algorítmica que ofrecemos —también— para casos de uso  como clasificar un comentario de un cliente, segmentar una audiencia, o anticipar la demanda de un servicio. No se sostiene.

Y es que los especialistas hemos resuelto tradicionalmente estos y más retos con otras aproximaciones: en ocasiones codificando el comportamiento humano mediante sistemas basados en reglas. En otros casos, con técnicas algorítmicas diferentes a los modelos de lenguaje, como son los modelos de machine learning. Los resultados también son muy buenos, con una disminución considerable del uso de recursos, tanto durante el entrenamiento del modelo, como durante su vida útil. 

Incluso la solución a problemas relacionados con la comprensión de un texto o la realización de un resumen, por ejemplo, pueden ser en ocasiones perfectamente resueltos con técnicas diferentes a los LLMs, como son los Small Language Models (SLMs), que ofrecen la adaptabilidad y la precisión necesarias a un coste computacional, de tiempo y económico muy inferior.  

En definitiva, no se trata de que los LLMs no funcionen. Todo lo contrario, estos grandes modelos de lenguaje abstraen muy bien capacidades relacionadas con la clasificación y la predicción, no solamente con la generación de textos, imágenes y demás. Se trata de decidir cuándo son la mejor opción. 

Rodearse de un socio especializado para dominar "el arte de saber cuándo y cómo".

Volviendo a nuestro evento en el Reino Unido, apelaba nuestro ponente a la necesidad de desarrollar ese pensamiento crítico y otras habilidades similares para convertirse en un profesional de éxito en ese universo futuro inundado por la IA. Y recomendaba la escuela de negocios que dirige como un elemento vehicular para conseguir este propósito.

Y es que es muy importante rodearse de los socios adecuados para transitar de manera exitosa este camino. Para decidir cuál es la mejor aproximación analítica a cada problema de negocio. Para identificar los ejes de decisión que nos decantan por uno u otro enfoque. Y para apostar por los LLMs cuando sean la mejor alternativa, más que por inercia, tendencia o desconocimiento. 

La carrera es frenética y no ha hecho más que empezar. Es imprescindible "rodearse de un socio especializado para dominar el arte de saber cuándo y cómo". En caso contrario, podemos asumir riesgos, alejarnos de la eficiencia, matar moscas a cañonazos y, en definitiva, renunciar a una ventaja competitiva para la que hay abierta actualmente una gran ventana de oportunidad.

Ahora que la sostenibilidad es un objetivo que todos los humanos perseguimos, hagámoslo con "arte", con el "arte" de los humanos. Con el "arte" de eficientar el uso de recursos tecnológicos para lograr nuestros objetivos, incluso haciendo uso de LLMs cuando resulte la mejor opción.

*** Juan Ignacio Moreno es Head of AI Solutions & Strategy de Innova tsn.