#Gen-IA-lidad. Hacia dónde se dirigen las IAs generativas, desde el presente (Escala Macro)

Tiempo de lectura: 11 minutos

Las IAs generativas avanzan imparables como algo más que un simple hype. Son fáciles de adoptar -al menos en sus modalidades más simples o en forma de asistentes virtuales como una LuzIA o un Copilot-, y se están extendiendo incluso dentro de grandes plataformas como buscadores de internet, plataformas de diseño gráfico y diseño de experiencia de usuarios (UX-UI), ofimática, bibliotecas de código, gestión de proyectos…

Tanto la velocidad de estos cambios como la convergencia de otras situaciones, no solo en los mercados y sectores, sino en general (aquello que llamamos Policrisis) nos obligan sistemáticamente a reevaluar, de hecho, todas las transformaciones más allá de las convenciones y clichés.

Los marcos de análisis y reflexión sobre la tecnología, y por tanto luego los marcos de trabajo, que funcionaban hace unos años, no necesariamente funcionan ya, y a la vez, estas tecnologías ofrecen nuevas oportunidades, algunas nada obvias, así como nuevos escenarios posibles (y quizás más probables de lo que pensamos).

El objetivo de nuestro proyecto #Gen-IA-lidad es encontrar un marco de trabajo y diseñar espacios de análisis y reflexión para adecuar estrategias más afiladas en torno a las IAs generativas (y posibles siguientes olas, como las IAs interactivas), sus usos, sus potenciales, sus riesgos y sus retos.

Un punto de partida desde el que trabajamos es una visión, más que de “diseño de futuros” o prospectivo, es sistémico y de ciencias sociales (concretamente Estudios de la Ciencia y la Tecnología o STS).

Bocetar el punto de fuga de las IAs hacia su(s) futuro(s)

Para entender los impactos y las implicaciones de las IAs generativas, como podría ser en planes y acciones estratégicas a medio año vista, por ejemplo, el primer paso es entenderla. Y no es que sea fácil.

Vivimos rodeados de una saturación de información, en general, y específicamente sobre este tema, de artículos, entrevistas, vídeos y más en las que se trata desde diversos ángulos a las IAs, pero en ocasiones con mensajes confusos, e incluso contradictorios.

Que si van a adquirir conciencia y estamos cerca de tal evento, o que no tienen nada que ver con la inteligencia humana; que si van a quitar de manera simple y aritmética trabajos, o que en oposición crearán trabajos y nos ayudarán a hacer las cosas más sencillas; que si hay que prepararse ante una nueva revolución inminente, o a ver si será que pasa lo mismo que con los Metaversos, que lo mismo se decía, otro hype ruidoso. ¿En qué se queda?

En ocasiones los modelos y visiones del mundo con los que operamos culturalmente por defecto, y en ocasiones se nos han vendido o potenciado, y que incluso los damos como “de sentido común”, no necesariamente coinciden con la evolución de las tendencias. Del mismo modo que el conocimiento científico cambia y en el siglo XIX se creía en el éter,  hoy sabemos que no existe el éter ni las extravagantes teorías físicas de entonces tienen sentido.

Un primer paso con el que trabajamos es rehacer preguntas por básicas y obvias que, a veces parezcan.

La primera: ¿en qué consisten estas IAs? La etiqueta “Inteligencia Artificial” en realidad no hace referencia a un tipo específico de tecnología, como podríamos entender una fresadora o una cortadora láser, sino a un paraguas de diferentes tecnologías.

Aunque todas comparten una base digital, basada en arquitecturas especiales de algoritmos -para entendernos-, no es lo mismo cómo funciona una “IA” de análisis de imagen y diagnóstico para la salud, que los modelos GPT-3.5 y GPT4 con los que opera actualmente* ChatGPT.

Ya no solo por tener aplicaciones distintas. No es lo mismo Machine Learning que una IA de análisis de imagen; cosa distinta es que puedan combinarse ambas para dar lugar a un producto técnico más específico.

Bastantes IAs generativas que vemos y vamos a ver en próximos meses se fundamenta, entre otras tecnologías, en Modelos de Lenguaje (Language Models), sobre todo Modelos de Lenguaje Colosales (Large Language Models o LLM).

Son modelos de sintaxis y predicción de textos que se han entrenado (“aprendido”) a través de grandísimas bases de datos de textos diferentes (medidas en Teras), extraídos de diferentes lugares de internet, como Wikipedia, páginas webs varias, artículos académicos, y un sinfín más largo, en parte desconocido y sin permiso…

Otras tecnologías usadas para eso que llamamos “IAs Generativas” son los modelos Diffusion para la generación de imágenes. También se basan en otro tipo de modelos, no de lenguaje, pero sí de análisis y conversión en datos, partiendo de ingentes bancos de imágenes en los que también se entrenan.

Éstos, junto a un LLM, permite dar lugar a productos que conocemos, como Dall·E (cualquier versión), Midjourney, o Stable Diffusion, y también aplicaciones derivadas de terceros como el generador de imágenes de Bing (que es Dall·E 3, por ejemplo). Esto permite poder pedir una dirección a las máquinas para crear imágenes, mediante texto aparentemente de lenguaje natural, los famosos “prompts”. Aunque por ahora, como sabemos, el lenguaje “prompt” de estas IAs, no es muy natural para que operen afinadamente, se les debe hablar en cierto inglés robótico (y poco a poco operando en español robótico, entre otros idiomas).

Ejemplo de prompts o comandos para Midjourney

 

Direcciones a escala macro

Aunque en este artículo hemos resumido muchísimo el aspecto técnico de las IAs, una vez que tenemos más claro en qué consisten, podemos tratar con más detalle cómo se interrelacionan con diferentes aspectos, y así modelar una brújula para dirigir el futuro framework.

Casi cualquier tema puede casar bien con un PESTEL (marco básico de análisis de entorno y tendencias que son las siglas de Política, Economía, Sociedad, Tecnología, Entorno Natural, Legal y regulación). Simplemente nos recuerda qué mirar al comenzar un proceso de investigación estratégica, de tendencias o para la innovación.

En este caso no buscamos aplicar un PESTEL (o sí pero tratándola al inicio como una lógica por defecto, que atraviesa el proceso de investigación), sino concretar, aterrizar más que temas, áreas en las que materialmente influencian las IAs generativas.

Para la Escala Macro (la de lo global, más o menos) nos surgen estas áreas:

  • Infraestructuras que definen y sostienen las IAs y recursos
  • Economías corporativas y de lo digital (y posdigital)
    • Incluyendo el mundo del trabajo
    • Y otros aspectos que desvelaremos más adelante
  • Lógicas culturales viejas (y) emergentes
    • Incluyendo discursos (“relatos”, “narrativas sociales”) y símbolos que afectan de algún modo cómo pensamos que evolucionará el panorama
    • Pero también en un nivel profundo paradigmas y modos de operativa y trabajo, “rituales”

 

A continuación, van 2 de muchos conceptos que estamos capturando y bocetando para esa escala macro. En otra ocasión trataré lo micro, el mundo de la empresa y las organizaciones y los/les/las usuarias:

  • El mundo Serverless, la arquitectura actual de Internet
  • La nueva y vieja Automatización: es economía, es técnica y es cultural

 

 

El mundo “Serverless”

Desde hace más de una década larga, toda la arquitectura de Internet se ha erigido hacia el paradigma general “Something-as-a-Service”. El que conocemos más es el de “Software as a Service” o SaaS, de la mano de las plataformas de las que muchas dependemos habitualmente.

No es que vivamos en un mundo “sin servidores” como puede dar a entender la palabra “Serverless” (sin servidores): todo lo contrario, dependemos más de servidores externos que nunca. Es la base técnica de lo que llamamos también Cloud o “nube”. Serverless es una palabra que derivó, hace ya muchos años, de la idea de no tener que depender ya de servidores propios dentro de la empresa o la institución, costosos de adquirir, instalar y mantener: otros ya se encargan de eso y ofrecen su uso.

El cambio de sistemas hacia un mundo en “la nube”, más cómodo, gestionado siempre por un tercero es lo que nos permite acceder a información, documentos y software configurado a nuestros gustos desde cualquier dispositivo móvil y desde cualquier lugar con acceso a Internet.

Es un cambio de paradigma técnico, físico y económico: de la memoria local (guardar en mi ordenador, guardar en nuestro sistema privado de pequeños servidores), más costoso para las estructuras organizativas como empresas e instituciones, a la memoria externa gestionada por terceros, como Amazon Web Services (AWS), Microsoft Azure…

Todo el ecosistema de apps se define sobre el mundo Cloud. Este es el motivo por el que el procesamiento del software tan potente, basado en costosos algoritmos (a nivel de conocimientos hiper-especializados, procesamiento y energía) no lo experimentamos en forma de “perder tiempo”, o de ruido, calor y tiempo, como pasa con los programas que instalamos por completo dentro de nuestros ordenadores o dispositivos.

Y por lo que nos parece, entre otros motivos, tan etéreo Internet. No sentimos con nuestros sentidos animales cómo de potente, en comparación al mundo pre-Serverless (por llamarlo de algún modo), es la computación actual.

Entre medio de las infraestructuras (Infrastructure as a Service) y de las interfaces o apps que usamos (SaaS), existen otros “Something as a Service”, pasando por protocolos estructurales para que funcione, para entendernos, lo que está más arriba (las apps) con lo que lo sostiene infraestructuralmente.

Lustro tras lustro, capa sobre capa, se ha erigido una intrincada red de servidores y cables, protocolos y softwares a la distancia, softwares que ensamblan lo mejor de unos y otros para generar productos digitales “Low Code” o incluso “No code”, interfaces y apps.

Las IAs generativas, desde la perspectiva técnica, la que no vemos como usuarias, operan desde y con estas lógicas y añaden nuevas capas de complejidad. Otra cosa es que en nuestra experiencia como usuarias experimentemos lo contrario: simplicidad, comodidad exponencial. Como el reconocido diseñador John Maeda (ex-Apple entre otros) ilustra en su “Leyes de la Simplicidad” (2006), uno de los trucos para simplificar es “ocultar”.

Y capa tras capa, hemos conseguido más fluidez, más comodidad, menos costes directos (el modelo freemium es un botón de lo que ha posibilitado) pero también menos “gobernanza”, menos capacidad de controlar datos.

 

La gobernanza

El concepto de gobernanza apareció con fuerza en los estudios tecnológicos (STS, destacando por ejemplo Langdon Winner) hacia los años 80 y 90. Aunque no se restringe en lo digital, se refiere, en lo que refiere a tecnología, a la habilidad que tienen disponibles los usuarios y otros agentes implicados, como podrían ser los desarrolladores, de tomar decisiones sobre su navegabilidad, sobre su interfaz, sobre su configuración, lo que se guarda, lo que se registra de sus interacciones, y sobre derechos individuales más básicos…

La gobernanza se intersecciona o relaciona, por tanto, con el mundo de los datos y la privacidad, pero también en las herramientas y capacidades a las que se tiene acceso (UX), o con quién controla qué de esa colosal estructura a la que llamamos Internet.

Pongamos que cuando falla una de esas capas o (infra)estructuras técnicas, se ven mejor las costuras de esa gobernanza. No es lo mismo si falla una app como Notion, Asana o Instagram, que si fallasen todos los servidores de Amazon Web Services (AWS) de las que dependen muchas de esas apps: veríamos múltiples apps fallando ‘misteriosamente’ casi a la vez. Y también sub-servicios como los de autenticación de identidad, contraseñas, y webs corporativas (de donde en ocasiones se subcontrata el hosting o almacenamiento) y un largo etcétera.

Por tanto, cuando un actor que controla directamente una de esas partes de la estructura de Internet, como podría ser Amazon, o Meta (Facebook), de los que dependen sub-servicios como por ejemplo acceso y autenticación a otras apps, decide un cambio sustancial en sus productos o servicios (por ejemplo, un cambio en sus políticas de datos), no solo afecta a los usuarios finales, sino que afecta a todo un ecosistema o red intrincada de proveedores y desarrolladores, de otras apps y servicios online.

En este sentido, las IAs no son ni serán diferentes. No tienen gobernanza sobre sí mismas; cosa distinta es que en un futuro puedan modular o “decidir” cambios sobre la interfaz o las opciones disponibles para los usuarios, rizando lo automatizable. Son primero gobernadas por:

  • quiénes han invertido y/o tienen la primera y última palabra sobre las empresas que las lanzan y venden
  • quiénes las han diseñado (han diseñado su intrincada programación y modelos, o la decisión de comprar o confeccionar uno u otro banco de datos para entrenarlo)
  • por quiénes toman decisiones sobre cómo se accede, por ejemplo, pagando. Es decir, quiénes deciden sobre el modelo de negocio y priman decisiones estratégicas sobre su forma
  • o por quiénes han dado los ok sobre su diseño de interfaz, en menor grado. Sobre cómo se interactúa, en esa experiencia tan fantástica que parece casi tan natural como conversar con un colega (un poquito robótico, todavía)

 

 

La nueva y vieja Automatización

Arte generado con Midjourney; Elisabet Roselló/Postfuturear

Tecnológico parece, cultural también es: la automatización es de esas palabras que suenan futuristas y modernísimas, pero son más viejas que nuestros bisabuelos. Sin exageración.

La automatización es una dirección económica, aspiracional, que nunca se alcanza. Y nunca se alcanza, entre otros motivos, porque siempre se actualiza qué significa específicamente “automatizar”, en base a las necesidades y nuevas perspectivas técnicas y económicas que amanecen en cada época.

Aunque la idea básica de “automatización” es transformar un proceso o actividad humana en un “autómata” o máquina que “actúe por sí misma”, se combinacon una fuerte aspiración hacia algún tipo de eficiencia: energética, de esfuerzo o económica-monetaria suelen ser las que más destacan.

Primero eran autómatas analógicos desde el siglo XVIII, cuando apareciera la vieja hiladora Jenny. Luego fueron electrónicos (los robots toyotistas de las fábricas desde los años 1970). Y luego mediante apps, plataformas y rutinas if/then. La dirección actual tiende hacia automatizar procesos menos manuales y que requieren procesos mentales y cognitivos. Lo manual ya está más que conseguido -con ciertas excepciones importantes e interesantes.

Esto que parece tan abstracto, así explicado, tiene importantes impactos porque interactúa con dos lógicas de transformación digital y de aplicación de las IAs como :

  • La automatización de “piezas”, la sustitución del operario. El trabajador se contempla como una pieza más del sistema productivo
  • La automatización de procesos, haciendo de las IAs, en este caso, un compañero, una herramienta o asistente. El trabajo (actividad, no puesto de trabajo) que elimine o reduzca, por tanto, será una oportunidad para añadir otros procesos y añadir otro valor

Es revelador este marco que detectamos, porque cada opción, aparte de tener consecuencias humanas, sociales y económicas más evidentes, abre diferentes escenarios, de nuevo, menos obvios que pueden ser todavía más significativos -y es lo que estamos actualmente trabajando, entre otros procesos.

 

¿Te interesa acceder antes que nadie a los resultados?

Este es un proyecto impulsado desde Postfuturear, cuya pretensión es darle más sentido y entendimiento a los cambios más o menos complejos que están sucediendo, para tomar mejores decisiones y acciones (para la innovación y el desarrollo estratégico).

Si consideras que este proyecto puede nutrir especialmente a tu empresa u organización y os gustaría acceder a los frameworks y toolkits que estamos diseñando, contáctanos en hola@postfuturear.com