Si tuviera que comparar el uso de la tecnología con otro campo, sería con el arte. Cada artista formula a su modo los problemas a resolver y establece sus propios criterios de éxito. Pues algo así pasa cuando trabajamos en innovación y transformación digital, solo que todavía nos salvan muchos más parámetros numéricos y no tan oníricos y subjetivos.

Andaba en estas semanas probando Nano Banana. A quien no le suene, es la última actualización de Gemini (Google) para creación o edición de imágenes. De hecho, aquí, no sabría si crea o edita, lo que está claro es que es fácil de usar. ¡Contratado como asistente creativo! Subo una foto o un video y la magia funciona en segundos. Invito a probarlo porque es muy sencillo y veremos el potencial existente.

Pero hablando de creatividad, ¿qué es arte actualmente con la inteligencia artificial? ¿Estamos en una etapa más o sostenida en una normalidad artificial? Si los cuadros monocolor de Robert Rauschenberg o la pieza 4´33” de John Cage que representaba la ausencia de sonidos, ya nos dejan mucho que reflexionar, ahora entra en juego la improvisación de la IA. Y del arte visual y sonoro, pasamos al arte del cálculo, ¿cómo improvisa una IA cuando le exigimos inmediatez?

Descodificación especulativa

La IA improvisa, pero con elegancia. Ese “tiempo real” que pedimos en asistentes o sistemas de recomendación es, en realidad, algo así como una apuesta.

Con la descodificación especulativa, las máquinas lanzan predicciones rápidas en agentes conversacionales o sistemas de recomendación, pero este proceso se ha convertido en el principal cuello de botella, aunque estén bien entrenados nuestros modelos.

¿Recuerdas cuando la Inteligencia Artificial parecía responder con precisión quirúrgica? Ahora entendemos que, como el oráculo de Matrix, acierta, pero con un cierto margen de fallo. Si el oráculo acierta, se puede ahorrar una cantidad significativa de tiempo, sin embargo, existen ciertos riesgos y limitaciones.

Porque si usas la IA que parece saber más de ti que tú mismo, ya sabes que la decodificación es el engranaje que hace que no se quede congelado en el intento de responderte. El problema es que generar texto con precisión consume tiempo y recursos. Así que las IAs modernas, especulan. Usan un modelo barato y rápido para lanzar una predicción, y luego el modelo principal la revisa.

Con las nuevas versiones, tenemos umbrales adaptativos, no son tan lentos, ni tan falsos. Antes, si el modelo rápido decía “esto va por aquí”, el modelo mayor lo aceptaba o no según un “umbral” fijo. Pero no es lo mismo algo trivial que una decisión crítica en salud o finanzas. Ahora, si el usuario está contento, el sistema acelera. Si detecta que no "acierta" se vuelve más conservador. Algo así como ser sensato.

Pero tenemos varias opciones para trabajar. Se puede optar por un estilo lluvia de ideas (“beam search”), porque en vez de generar una sola respuesta y rezar porque esté bien, el modelo más pequeño y ligero lanza varias versiones. Luego, el verificador afina la selección y el modelo grande hace su magia. Eficiencia con estilo. O por una asignación dinámica de recursos, es decir, una IA con prioridades. Si estás usando la IA para decidir qué canción escuchar, puede improvisar más. Si es para decidir si hacer una gran inversión en activos, mejor invertir en tiempo. Aquí entra el verdadero “plot twist”, la IA calcula su nivel de esfuerzo en función de la situación.

La idea es que no se trata solo de obtener soluciones o respuestas más rápidas, sino de saber cuándo conviene hacerlo. Pero esto no va de dejar todo a la IA, va de supervisar como humanos y saber qué entrenamos, cómo y para qué.

Decisiones con sesgos invisibles

Si no sabes lo que haces, la IA tampoco. Y lo peor es que lo hará igual siempre, igual de imprecisa. Comprender la detección y mitigación de sesgos de la IA en ciertas áreas de trabajo dentro de las organizaciones, cambiará tu perspectiva.
Antes de buscar soluciones, es importante comprender las raíces del sesgo de la IA.

Al principio, podemos centrarnos en modelos de IA, en base a la precisión y las métricas de rendimiento. Sin embargo, el modelo más preciso puede ser irreal si refleja datos de entrenamiento sesgados o suposiciones erróneas.

El sesgo de la IA a menudo se deriva de los datos utilizados para entrenar modelos, que pueden llevarnos a una foto o decisiones poco precisas.

Por ejemplo, si un conjunto de datos no representa ciertos datos demográficos, las decisiones de la IA pueden perjudicar injustamente a esos grupos.

Podríamos hablar de tres categorías principales de mitigación de sesgos, preprocesamiento (reequilibrar los datos de entrenamiento antes de alimentarlos en el modelo), procesamiento (adaptar los algoritmos de entrenamiento para reducirlo durante el desarrollo del modelo) y post-procesamiento (ajustar los resultados del modelo después del entrenamiento.

No es IA generativa, es estrategia degenerativa si le das contexto

Usa la lógica. Si alimentas a la IA con lo que de verdad importa, el resultado es útil. Si estás creando tu propia marca y le pides a una IA que cree contenido sin explicarle quién eres, te dará justo eso, generalidad. Necesitas tener claro el tono y las líneas estratégicas. Todo lo que haría a tu marca reconocible en un apagón de internet. Empieza por analizar los datos disponibles para que antes de soñar con una IA personalizada, seamos capaces de identificarlos y de saber qué se recogerá y cómo. Porque contexto sin coherencia es como pedirle a la IA que traduzca un idioma que inventaste tú, por eso la I.H. (inteligencia humana) es más necesaria que nunca. La IA no es adivina.

Si no tiene suficiente información, se inventará lo que falta. Si la dejamos que decida entre sesgos y alucinaciones, el futuro se parecerá más a un casino que a un laboratorio. Por eso necesitas una base de conocimiento interna: manuales, una estrategia de gobierno del dato, visión de negocio, respuestas tipo, perfil de clientes, lo que tus empleados ya saben, pero la IA no.

Experimenta con Open Source aportando contexto, detalla tareas, mide resultados porque ayudarte de la IA no es automatizar sin criterio, sino experimentar con propósito. Si vas a integrar tus datos con modelos externos, ten claras tus reglas del juego. La IA puede ser lista, pero la ley no perdona. Define políticas claras, protege lo sensible y no delegues tu responsabilidad. La inteligencia artificial no exime del uso de la humana.

El Protocolo de Contexto no es la próxima moda techie, es una brújula que nos guiará ante cualquier futuro. Es una forma de decirle a la IA: “Esto es lo que somos. Esto es lo que queremos. Ayúdanos con eso.”

Y si en algún momento dudas si estás listo para aplicar IA, pregúntate, ¿Tengo claro quién soy, ¿qué sé y qué quiero resolver? Porque si no lo sabes tú, menos lo sabrá el algoritmo.

El arte nos recuerda que toda creación nace de preguntas más que de respuestas. Y ahí está también la clave para la tecnología, no en la velocidad de las soluciones, sino en el contexto, en las preguntas y en el propósito. Por cierto, el tercer fin de semana de septiembre, se celebrará en Tolox (Málaga), un encuentro artístico muy particular, llamado “Art Tolox”, donde las obras realizadas quedarán expuestas de forma permanente en sus calles.

“El aprendizaje es el movimiento de un momento a otro momento” Jiddu Krishnamurti