En nuestra anterior entrada en este blog (De HAL a ChatGPT) se definió el concepto de Inteligencia Artificial (IA) y se realizó un breve recorrido histórico por los principales avances en los últimos cuarenta años. Al final del texto quedaron pendientes una descripción más detallada de los problemas más importantes que presenta la IA, y algunas ideas sobre cómo será su evolución en los próximos años, ya que más allá de una década sería demasiado atrevido hacer predicciones en un ámbito científico como éste. De esta forma, se divide el texto en cuatro secciones, las tres primeras con una breve discusión a los tres inconvenientes ya señalados de la IA y una cuarta con apuntes para el futuro inmediato.
- Problemas Éticos y Legales
Una cuestión de futuro inmediato que atañe a la IA es la regulación de sus aspectos legales y éticos. Desgraciadamente es habitual encontrar noticias sobre usos fraudulentos y delictivos de herramientas de la IA. Este es un aspecto importante que históricamente se repite con cada avance de la tecnología, recordemos por ejemplo la amplia gama de “ciberdelitos” que Internet ha propiciado. Dentro de esta categoría, hay cuestiones como el uso de la imagen o la voz de personas sin su consentimiento, que deben ser relativamente fáciles de resolver con pequeños ajustes a las leyes que ya protegen el derecho al honor y a la intimidad.
Sin embargo hay problemas legales mucho más complejos de resolver. Un ejemplo paradigmático es el denominado vehículo autónomo. Actualmente los avances en los sistemas de visión artificial mediante distintos tipos de sensores posibilitan que circulen vehículos sin conductor por cualquier ciudad o carretera. En San Francisco, montarse en un robot-taxi de Waymo (filial de Google) se ha convertido en una de las principales atracciones turísticas. En Europa hay países como Suiza que ya permiten la circulación para el nivel 3 (presencia de conductor pero sin necesidad de atención visual). Es evidente que costará un importante esfuerzo legislativo, pero el vehículo autónomo será una realidad habitual en pocos años. La cuestión legal es obvia: ¿Quién tiene la culpa de un atropello causado por un vehículo autónomo? Aunque es posible que sea un problema complejo, el marco legal es imprescindible. A pesar de que habrá accidentes, sobre todo en el periodo de adaptación, la normalización del vehículo autónomo, no solo disminuirá de manera muy significativa las cifras de fallecidos en accidentes de tráfico, sino que representará una importante mejora medioambiental, reduciendo la emisión de gases contaminantes en nuestras ciudades.
En el Parlamento Europeo se aprobó este verano pasado un reglamento (https://eur-lex.europa.eu/legal-content/ES/TXT/HTML/?uri=OJ:L_202401689) conocido como Ley de IA. En él se establece un conjunto de niveles de riesgo y trata de proteger a los ciudadanos de prácticas consideradas inaceptables, como sistemas de identificación biométrica remota en tiempo real o reconocimiento de emociones en lugares de trabajo. Sin embargo, entendiendo que la regulación es necesaria, no debemos olvidar que la IA es una tecnología clave para el avance de nuestra sociedad. El conocido como informe Draghi (https://commission.europa.eu/document/download/97e481fd-2dc3-412d-be4c-f152a8232961_en?filename=The%20future%20of%20European%20competitiveness%20_%20A%20competitiveness%20strategy%20for%20Europe.pdf) aboga por favorecer el desarrollo de una tecnología europea. En la actualidad, sólo hay cuatro empresas europeas entre las 50 mayores empresas tecnológicas, y el futuro no es halagüeño, ya que se estima que un tercio de las startups europeas se establecen fuera de la UE por las dificultades legislativas y burocráticas.
Es obvio que la dependencia exterior en el desarrollo de la IA lastrará aún más la competitividad tecnológica europea. La reciente ruptura con Estados Unidos en materia de defensa ha dejado al descubierto la necesidad de una mayor inversión en I+D en el sector de la tecnología, en el que la IA es hoy núcleo fundamental. Esperemos que el necesario cambio no llegue demasiado tarde.
- Impacto medioambiental
Una segunda objeción habitual al desarrollo de la IA es el impacto medioambiental que conlleva. Fundamentalmente se rechaza el importante consumo energético y de agua empleada en la refrigeración de los centros de datos (CdD). En este sentido, es complicado establecer con cierta precisión el gasto de energía achacable en exclusiva a la IA, ya que los CdD no solo entrenan o ejecutan modelos de IA, sino que fundamentalmente almacenan y procesan las ingentes cantidades de datos de los sistemas e informaciones que las administraciones y empresas tienen en la nube. Para comparar con otros sectores se pueden aportar las siguientes cifras: se estima que el consumo energético del transporte marítimo es del 3% respecto al global mundial, el aéreo está entre el 2% y el 2,5%, mientras que el consumo de los CdD está alrededor del 1%, del que solo una pequeña parte está dedicada a la IA.
Concretando, en la IA generativa que fundamentalmente representa un importante porcentaje del consumo total de la IA, es fácil encontrar en Internet decenas de estudios sobre el consumo eléctrico y de agua de herramientas como OpenArt o ChatGPT. No entraremos en una batalla de cifras que aportaría poco al debate: claramente la IA (sobre todo la generativa) tiene un importante consumo de recursos que pueden afectar al medio ambiente si no se avanza en una gestión más eficaz de los CdD.
El sector plantea diferentes líneas de trabajo para paliar este problema: desde construirlos en el mar hasta hacerlos neutros en energía mediante instalaciones de autoconsumo y agua mediante su reciclado continuo. No obstante, la principal aportación para disminuir el consumo de recursos de la IA surge de la propia IA. La IA verde (Green AI) se establece como una herramienta fundamental para el Pacto Verde de la UE (https://www.consilium.europa.eu/es/policies/european-green-deal/). La llamada Green-By AI propone aplicaciones a múltiples problemas ambientales, considerándose una tecnología clave en sectores como las energías limpias (por ejemplo, en mantenimiento predictivo), la industria (gemelos digitales), agricultura y bosques (control de plagas o consumo de agua), transporte limpio (smartcities) , contaminación (vehículo autónomo), gestión medioambiental (análisis de imágenes), etc. Por otro lado, los investigadores en IA seguimos avanzado en tópicos de Green-In AI, es decir, nuevos modelos y herramientas que disminuyan el consumo energético, con herramientas como el reinforcement learning y el transfer learning que permiten alcanzar modelos con igual capacidad pero con menor uso de redes neuronales profundas. El reciente modelo DeepSeek es un ejemplo del potencial que tienen estos mecanismos de aprendizaje.
- Influencia en el mercado laboral
Es conocido que toda revolución tecnológica conlleva importantes cambios en el mercado laboral. De esta manera, la aparición en sucesivos períodos históricos de la máquina de vapor, la electricidad, la informática o Internet ha tenido un tremendo impacto sobre profesiones que deben adaptarse o, en el peor caso, desaparecer. El principal problema es la aceleración con la que se produce el cambio y el mercado laboral necesita más tiempo de adaptación. Es decir, influyen dos factores. Por un lado hay que tener en cuenta el intervalo de tiempo transcurrido entre cada hito de los citados: de la máquina de vapor a la primera central eléctrica pasó casi un siglo, de la electricidad a la informática 50 años, de la informática a Internet unos 40 años y de Internet a la IA unos 30 años. Sin embargo, el problema fundamental es la velocidad con la que su uso se difunde. Todas las tecnologías anteriores han tenido un cierto periodo de generalización y extensión, que permite la adaptación espaciada del mercado laboral. Por ejemplo, el automóvil hizo desaparecer los negocios asociados al transporte basado en animales de forma progresiva a lo largo de varias décadas, sin embargo, la IA generativa de chatGPT logró 100 millones de usuarios a los 60 días de su lanzamiento. En los dos años que llevan los modelos LLM abiertos al público general, su impacto en el incremento de la productividad en diversos sectores es ya muy significativo.
Un sector especialmente afectado es el de la ingeniería del software. Las herramientas como Copilot o Cursor, integrados en los entornos de programación, permiten agilizar sobremanera la creación de código en múltiples lenguajes. Estas herramientas evitan al programador perder el tiempo en la consulta de documentación, corrigen de forma autónoma errores de compilación o ejecución, y proporcionan una interfaz en lenguaje natural que facilita una programación asistida en la que el desarrollador prácticamente no tiene que escribir código.
El impacto de estas herramientas sobre el sector es bastante impredecible. Con su uso el mejor programador no es el que se sabe todas las funciones de las librerías de código, sino aquel que sabe expresar en lenguaje natural (en cualquier idioma) qué es lo que quiere y sobre todo es capaz de comprobar que la solución proporcionada responde a lo que se le pide. Es decir, que a grandes rasgos se ha cambiado saber programación por saber expresar ideas y realizar testing.
Otros sectores afectados son los diseñadores gráficos y publicistas, los gestores de documentación, traductores, etc. El poco tiempo transcurrido desde la irrupción de la IA generativa obliga a ser prudente, pero con dosis de optimismo. La IA aumenta la productividad y, por tanto, aumenta la riqueza global. Surgirán nuevos trabajos, nos permitirá trabajar menos horas y, es posible, que sus herramientas permitan un empoderamiento de los individuos y las pequeñas empresas frente a las grandes multinacionales. Por ejemplo, podría democratizar el acceso a la educación y el conocimiento, facilitar el emprendimiento y abrir la posibilidad a un mundo más equitativo.
- Futuro inmediato
Enlazando con la última frase de la sección anterior, la herramienta que puede permitir el acceso a la educación y facilitar la gestión de pequeñas empresas y el emprendimiento son los sistemas multi-agentes inteligentes. Realmente los multi-agentes inteligentes no son el futuro, son la actualidad, aunque su difusión general se producirá en los próximos dos o tres años. En la actualidad, los agentes inteligentes o autónomos tienen unas capacidades limitadas, ya que normalmente han sido creados para una tarea muy concreta. El salto tecnológico de calidad proviene con los sistemas multi-agentes.
La definición de agente inteligente es la de un software que toma decisiones sin supervisión en función de la información que reciben. Ejemplos comunes de agentes inteligentes son los navegadores GPS o los robots aspiradores. Como el lector puede observar ya existen hace años. Un sistema multi-agente es un software compuesto de múltiples agentes inteligentes especializados en distintas tareas que cooperan entre sí para tareas más complejas. Aunque el concepto de sistemas multi-agentes es anterior a los LLM, la irrupción de los modelos conversacionales ha posibilitado la construcción de estos mediante agentes individuales. Para su desarrollo ya existen frameworks capaces de orquestar agentes autónomos para que trabajen de forma colaborativa en la resolución de tareas complejas. Herramientas como CrewAI o Agno permiten diseñar sistemas multi-agentes sobre cualquier LLM, buscando y almacenando información de la web, creando programas Python para realizar consultas sobre esos datos, mostrar tablas o gráficas, realizar análisis predictivos, etc.
Un ejemplo sencillo de un sistema multi-agente sería un software al que se le puede pedir la organización y gestión de un viaje incluyendo vuelos, hoteles, rutas y excursiones a partir de un texto simple en lenguaje natural en el que se describe las fechas aproximadas para el viaje, el presupuesto disponible y los gustos preferentes (ciudades, naturaleza, cultura, gastronomía, etc). Las posibilidades son prácticamente infinitas: diseño de cursos interactivos sobre cualquier materia, análisis de ventas sin necesidad de herramientas de Business Intelligence, compra o venta de activos inmobiliarios, investigación científica, edición de audio/video, etc.
El futuro inmediato traerá nuevos modelos de LLM que serán multimodales de forma nativa, es decir, interactuarán mediante texto, audio y vídeo. Esto conllevará un paso definitivo para la robótica inteligente, no sólo en el ámbito industrial sino en tareas como el cuidado o asistencia de personas mayores.
En resumen, la IA como cualquier salto tecnológico plantea retos que deben ser resueltos por la sociedad, las empresas tecnológicas y los investigadores. A pesar de los inconvenientes, la IA promete mejorar nuestra vida, no solo facilitando tareas rutinarias y abriendo nuevos nichos de negocio, sino también avances significativos en sectores claves como salud, educación y creatividad. Al igual que en anteriores revoluciones industriales su impacto podría traer consigo una era de mayor eficiencia, inclusión y oportunidades, siempre que se aborden sus desafíos de manera responsable.
