Inteligencia Artificial Generativa. Un especialista analizó en qué etapa de desarrollo se encuentra la IA y cuáles son los próximos pasos en su evolución.
La inteligencia artificial generativa avanza a una velocidad sin precedentes. Lo que comenzó como modelos capaces de completar textos o generar imágenes evolucionó hacia sistemas que razonan, planifican y hasta actúan de manera autónoma, según publicó TN.
Para entender hacia dónde se dirige esta tecnología y saber en qué punto nos encontramos con David Soto, especialista en sistemas de inteligencia artificial y Director Global de Oferta en Softtek.
“Es clave pensar el desarrollo de la IA generativa como un proceso evolutivo, dividido en cinco etapas que marcan distintos niveles de autonomía, complejidad y capacidad de impacto”, explicó Soto.
– ¿Cuáles son estas cinco etapas y cómo se caracterizan?
– La primera etapa, los sistemas basados en lenguaje, son los modelos generativos que entienden y producen texto, voz e imagen, automatizando comunicación y búsqueda. Son los que hemos estado usando hasta ahora, sistemas como ChatGPT, Gemini o Copilot. La segunda etapa, la de razonamiento, se centra en la integración de planificación y lógica mediante cadenas de llamadas a herramientas externas. Aquí vemos como los LLM (Grandes Modelos de Lenguaje) que usábamos hasta ahora comienzan a dividir las tareas en subtareas, como haría un humano, dando una semejanza al razonamiento que haríamos nosotros mismos. En la fase 3 llegan los agentes autónomos.
Se trata de software que fija objetivos, orquesta APIs y aprende de la retroalimentación para completar procesos con mínima supervisión humana. Aquí ya empezamos a ver que son capaces de llevar algunas tareas por cuenta propia, sin tener que recibir todos los pasos, centrándose en conseguir la tarea final que se les pide. Si avanzamos a la etapa 4, ya hablamos de Innovación y descubrimiento, donde la IA puede llegar a explorar y proponer en diferentes áreas, como por ejemplo espacios de diseño, proponer compuestos, materiales o teorías inéditas. Y por último llegamos a la etapa 5, la de automatización organizacional completa. Aquí los sistemas ya son autosuficientes y coordinan decisiones, recursos y ejecución a escala empresarial o infraestructural, llegando a desarrollar cualquier tarea hecha por los humanos.
– ¿Cómo definiría el momento en el que estamos actualmente?
– Estamos en la bisagra entre los niveles 2 y 3: el razonamiento avanzado está probado en prototipos y algunos productos (fue lo que vimos que llegó a finales del año pasado con DeepSeek o los modelos O de ChatGPT), y los agentes autónomos ya funcionan en dominios acotados (soporte, TI, marketing) aunque todavía no son estándar en producción masiva: hemos empezado a ver los primeros agentes, por ejemplo, OpenAI ha sacado un agente de deep research y acaban de anunciar un agente que solo se dedicará a programar.
– ¿Cuáles son los mayores desafíos técnicos y éticos que enfrentamos al pasar de la tercera a la cuarta etapa?
– Técnicamente, necesitamos datos de dominio exhaustivos, cómputo escalable y metodologías de verificación que distingan descubrimientos libres de “alucinaciones”; éticamente habrá que despejar dudas sobre propiedad intelectual del conocimiento generado, transparencia de los hallazgos y posible desplazamiento del talento investigador humano. Es importante que para pasar a la fase 4 tengamos muy testados los agentes en entornos controlados, para que la innovación que generen sea de valor y no esté basada en datos erróneos.
– ¿Considera que todos los sectores de la sociedad están avanzando a la misma velocidad en esta evolución? ¿Qué áreas están más rezagadas y por qué?
– No. Siempre ha habido sectores más cercanos a la tecnología, y estos son los que más están avanzando en una primera instancia: finanzas, comercio electrónico y marketing lideran gracias a datos abundantes, APIs maduras y ROI claro, además de por ser más cercanos al B2C, es decir, tener a clientes al otro lado del negocio, siendo donde más datos se llega a generar. En el otro lado de la balanza tendríamos a la salud pública, la educación y administraciones gubernamentales, que avanzan más lento por regulaciones estrictas, silos de información y presupuestos limitados.
– ¿Cuál de estas etapas considera que tiene mayor potencial disruptivo para la sociedad?
– La cuarta—innovación y descubrimiento—porque altera la velocidad a la que se genera nuevo conocimiento, reduce costes de I+D y redefine las fronteras de lo científicamente posible en sectores críticos como salud, energía y materiales. Veremos cómo se da cura a enfermedades hasta ese momento incurables, cómo se generan nuevos materiales que disrumpen los conceptos que tenemos de construcción, o como la propia IA es capaz de optimizarse a sí misma, reduciendo su necesidad de cómputo y su huella de carbono, mejorando la sostenibilidad, uno de los factores que más preocupan a día de hoy.
– ¿La etapa cinco —automatización completa— es un objetivo deseable o debería evitarse?
– Es deseable como meta de eficiencia y resiliencia siempre que se implante con gobernanza sólida: supervisión humana, trazabilidad, kill-switches y distribución equitativa de beneficios; sin estos controles, podría concentrar poder y amplificar riesgos sistémicos. La Inteligencia Artificial generativa puede ser un gran avance para la humanidad, pero generará grandes debates que hoy en día ni siquiera están encima de la mesa: quien controla las IA, quien define hacia dónde se desarrollen, cómo se reaccionará si un 50% de la población se queda sin trabajo, debería existir una paga universal para paliarlo.
– ¿Qué papel juega la regulación en este proceso evolutivo? ¿Estamos preparados legal y éticamente para lo que viene?
– En este momento es muy difícil regular algo que cambia tan rápido como el ecosistema de IA. Todavía no se sabe hasta dónde llegará ni cuánto tardará en hacerlo. Estamos viendo como la regulación actúa como una barandilla: marcos como el AI Act de la Unión Europea, o las guías NIST, empiezan a cubrir riesgos, pero la ley aún va detrás de la técnica y la ética aplicada es desigual entre países, generando desigualdad de condiciones.
Necesitaremos normas adaptativas, auditorías continuas y sandboxes regulatorios para acompañar la próxima ola de sistemas autónomos, y sobre todo, penalizar el mal uso de la IA, más que la creación y el avance de nuevos modelos. Sería lo mismo que si llevamos a la cárcel al fabricante de cuchillos porque alguien mate con uno de sus productos. Lo que se debe perseguir es al que haga un mal uso de la tecnología, y en el camino ir buscando la mejor forma de poner controles a la tecnología. Sin embargo, estamos entrando en un mundo cada vez más global, y si las medidas que se tomen no son igual de globales, puede acabar no teniendo efecto.