La Inteligencia Artificial suena a ciencia ficción, pero ya está aquí para quedarse. ¿Qué es exactamente? La idea es que, si te tomas 15 minutos para leer esto, puedas tener una conversación educada del tema con alguien mas y sonar como si sí supieras (esta nota, por cierto, va dedicada al Caballo Mayor que hace poco me preguntó del tema). Me voy a poner un poco técnico, pero aguántame el corte porque en este tema si no hay de otra. Es importante entender a lo que nos estamos enfrentando.

Ahora bien, hablemos claro: la inteligencia artificial (IA) no es más que un cerebrito electrónico programado para hacer cosas que, hasta hace poco, pensábamos que solo los humanos podíamos hacer. Desde recomendarte qué ver en Netflix hasta ganarle al campeón mundial de ajedrez, la IA es como ese primo sabelotodo que nunca se equivoca (o eso cree). Básicamente, es tecnología que permite a las máquinas hacer cosas que normalmente requerirían inteligencia humana, como aprender, razonar y resolver problemas. Sí, suena impresionante, pero también un poco aterrador, ¿no?

Pero, ¿qué significa esto para un país como México? Vamos a desmenuzarlo, porque aquí hay mucha carnita para todos.

Un poco de historia (porque siempre hay que empezar por el principio)

La historia de la inteligencia artificial (IA) es fascinante y llena de altibajos. Todo comenzó con Alan Turing, un matemático británico y pionero de la computación, quien en 1950 publicó un artículo titulado “Computing Machinery and Intelligence”. En este trabajo, Turing planteó la famosa pregunta: “¿Pueden las máquinas pensar?”. Propuso lo que hoy conocemos como el “Test de Turing”, una prueba para determinar si una máquina puede exhibir un comportamiento inteligente indistinguible del de un humano.

Avanzamos a 1956, cuando John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon organizaron una conferencia de Dartmouth. Fue en esta reunión donde McCarthy acuñó el término “inteligencia artificial”. La conferencia de Dartmouth es considerada el nacimiento oficial de la IA como campo de estudio académico. Los participantes estaban llenos de optimismo, creyendo que en unas pocas décadas las máquinas serían capaces de realizar cualquier tarea que un humano pudiera hacer.

Sin embargo, la realidad resultó ser más complicada. A lo largo de las décadas siguientes, la IA experimentó varios “inviernos de la IA”, periodos de desilusión y falta de financiación debido a las expectativas no cumplidas. Por ejemplo, en los años 70 y 80, los sistemas expertos, que eran programas diseñados para emular la toma de decisiones de un experto humano, no lograron cumplir con las expectativas, lo que llevó a una disminución del interés y la inversión en IA.

A pesar de estos desafíos, la investigación en IA continuó avanzando. En los años 90, el desarrollo de algoritmos de aprendizaje automático y el aumento de la potencia computacional revitalizaron el campo. Un hito importante fue en 1997, cuando la computadora Deep Blue de IBM derrotó al campeón mundial de ajedrez Garry Kasparov. Este evento demostró el potencial de la IA para superar a los humanos en tareas específicas.

En la última década, hemos visto un resurgimiento masivo de la IA, impulsado por el Big Data, los avances en hardware y las nuevas técnicas de aprendizaje profundo (Deep Learning). Hoy en día, la IA está en el corazón de muchas tecnologías que usamos a diario y ni cuenta nos damos, desde asistentes virtuales tipo Alexa hasta sistemas de recomendación en Spotify y vehículos autónomos de Google (ya usados por Uber al menos en San Francisco).

Entonces, ¿cómo funciona la inteligencia artificial?

La IA no es magia negra, aunque a veces lo parezca. En términos simples, como ya mencioné, se trata de sistemas informáticos que pueden aprender, razonar y tomar decisiones. Todo empieza con datos: toneladas de ellos. Los algoritmos de IA analizan esa información para encontrar patrones y hacer predicciones. Por ejemplo, cuando Spotify te recomienda una canción, es porque ha analizado lo que tú y millones de personas con gustos similares han escuchado antes.

Hay diferentes niveles de IA. La más básica se llama “IA débil”, como los chatbots que responden preguntas sencillas. Luego está la “IA fuerte” (que aún está en pañales pero ya nos impresiona, como ChatGPT y Copilot), que tiene como objetivo el ser capaz de razonar como un humano. ¿La clave de todo esto? El aprendizaje automático (Machine Learning), donde las máquinas mejoran sus habilidades mientras más datos procesan. Y si le sumamos redes neuronales artificiales, que imitan cómo funciona el cerebro humano, obtenemos herramientas capaces de reconocer rostros, traducir idiomas y hasta manejar coches. Profundicemos un poco:

1. Inteligencia Artificial Estrecha (ANI)

También conocida como IA débil, la ANI está diseñada para realizar tareas específicas. No tiene conciencia ni entendimiento general, pero es extremadamente eficiente en lo que hace. Ejemplos incluyen asistentes virtuales como Siri y Alexa, sistemas de recomendación en plataformas de streaming y filtros de spam en correos electrónicos.

2. Inteligencia Artificial General (AGI)

La AGI es el santo grial de la investigación en IA. Se refiere a una máquina con la capacidad de entender, aprender y aplicar conocimientos de manera similar a un ser humano. Aunque aún no hemos alcanzado este nivel, la AGI podría realizar cualquier tarea cognitiva que un humano pueda hacer.

3. Superinteligencia Artificial (ASI)

La ASI va más allá de la inteligencia humana. Esta IA hipotética sería capaz de superar a los humanos en todos los aspectos, desde la creatividad hasta la resolución de problemas. Aunque suena a ciencia ficción, es un tema de debate entre los expertos en IA.

Ahora, la IA tiene subcampos de investigación y desarrollo. Creo que los más importantes son dos el día de hoy, Machine Learning y GenAI.

Machine Learning (Aprendizaje Automático)

Machine Learning es un subcampo de la IA que se centra en el desarrollo de algoritmos que permiten a las máquinas aprender de los datos y mejorar con el tiempo sin ser explícitamente programadas para cada tarea. Aquí hay algunos tipos de Machine Learning:

a. Aprendizaje Supervisado

En este enfoque, el modelo se entrena con un conjunto de datos etiquetados. El objetivo es aprender una función que mapea una entrada a una salida basada en ejemplos de entrada-salida. Ejemplos incluyen la clasificación de correos electrónicos como spam o no spam y la predicción de precios de viviendas.

b. Aprendizaje No Supervisado

Aquí, el modelo se entrena con datos no etiquetados y debe encontrar patrones y relaciones en los datos por sí mismo. Ejemplos incluyen el análisis de clusters para segmentar clientes y la reducción de dimensionalidad para visualizar datos complejos.

c. Aprendizaje por Refuerzo

En este enfoque, un agente aprende a tomar decisiones mediante la interacción con un entorno y la recepción de recompensas o castigos. Ejemplos incluyen los algoritmos que juegan videojuegos y los sistemas de recomendación que optimizan la experiencia del usuario.

Generative AI (GenAI)

Generative AI es un subcampo de la IA que utiliza modelos generativos para crear contenido nuevo, como texto, imágenes, videos y más. Aquí hay algunos ejemplos y aplicaciones:

a. Modelos de Lenguaje Grande (LLMs)

Estos modelos, como GPT-4 y ChatGPT, pueden generar texto coherente y relevante en respuesta a entradas de lenguaje natural. Se utilizan en chatbots, asistentes virtuales y generación de contenido.

b. Generación de Imágenes

Modelos como DALL-E y Stable Diffusion pueden crear imágenes a partir de descripciones textuales. Estas tecnologías se utilizan en diseño gráfico, publicidad y creación de contenido visual.

c. Generación de Video y Audio

GenAI también puede generar videos y audio. Por ejemplo, los modelos de texto a video pueden crear clips de video basados en guiones, y los modelos de síntesis de voz pueden generar voces realistas para asistentes virtuales y narraciones.

La inteligencia artificial abarca una amplia gama de tecnologías y aplicaciones, desde la IA estrecha que usamos todos los días hasta las ambiciosas metas de la AGI y la ASI. Machine Learning y Generative AI son dos áreas clave que están impulsando avances significativos en cómo interactuamos con la tecnología y cómo esta puede transformar diversas industrias.

La promesa dorada: robots haciendo chamba

Para empezar, la IA podría ser la clave para transformar sectores enteros. Imagina hospitales públicos que usan algoritmos para detectar enfermedades antes de que tú siquiera te des cuenta de que algo anda mal. Actualmente, según el Instituto Mexicano del Seguro Social (IMSS), se realizan más de 4.5 millones de consultas médicas mensuales. Con la ayuda de la IA, se podría automatizar el diagnóstico preliminar, reduciendo el tiempo de espera hasta en un 30%.

O también un campo mexicano donde los drones y robots cosechan aguacates mientras los agricultores se toman un café. Considerando que México exportó 3.5 mil millones de dólares en aguacates en 2022, implementar tecnologías que mejoren la eficiencia podría significar un aumento significativo en la producción y las ganancias.

¿Para qué sirve la IA? (con ejemplos para que no te aburras)

La inteligencia artificial (IA) está revolucionando diversas industrias, y aquí te dejo algunos ejemplos concretos con datos estadísticos y nombres para que veas su impacto real.

1. Salud

• Diagnóstico de enfermedades: La IA se utiliza para analizar imágenes médicas y detectar enfermedades con una precisión impresionante. Por ejemplo, el algoritmo de IA de Google Health puede detectar cáncer de mama en mamografías con una precisión del 94.5%, superando a los radiólogos humanos.
• Tratamientos personalizados: Empresas como IBM Watson Health utilizan IA para analizar grandes volúmenes de datos médicos y ofrecer tratamientos personalizados a los pacientes. Se estima que la IA en el sector salud podría ahorrar hasta $150 mil millones anuales para 2026.

2. Finanzas

• Detección de fraudes: Los bancos utilizan IA para identificar transacciones fraudulentas en tiempo real. JP Morgan Chase, por ejemplo, ha implementado algoritmos de IA que han reducido el fraude en un 50%.
• Comercio algorítmico: La mayoría de las transacciones en el mercado de valores son manejadas por algoritmos de IA. Se espera que el comercio algorítmico alcance un valor de $19 mil millones anuales para 2024.

3. Manufactura

• Control de calidad: Las fábricas de alta tecnología utilizan IA para inspeccionar productos y detectar defectos. Un ejemplo es la empresa Siemens, que ha implementado sistemas de visión artificial basados en IA que han mejorado la precisión del control de calidad en un 30%.
• Mantenimiento predictivo: General Electric (GE) utiliza IA para predecir fallos en maquinaria antes de que ocurran, lo que ha reducido los costos de mantenimiento en un 20%.

4. Retail

• Personalización de la experiencia del cliente: Amazon utiliza IA para recomendar productos a sus clientes, lo que ha aumentado sus ventas en un 35%.
• Gestión de inventarios: Walmart ha implementado sistemas de IA para optimizar la gestión de inventarios, reduciendo los costos de almacenamiento en un 10%.

5. Transporte

• Vehículos autónomos: Empresas como Tesla y Waymo están desarrollando coches autónomos que utilizan IA para navegar y tomar decisiones en tiempo real. Se espera que el mercado de vehículos autónomos alcance un valor de $556 mil millones para 2026.
• Optimización de rutas: UPS utiliza IA para optimizar las rutas de entrega, lo que ha reducido el consumo de combustible en un 10%.

6. Agricultura

• Agricultura de precisión: John Deere utiliza IA para analizar datos de campo y optimizar el uso de recursos como agua y fertilizantes, aumentando los rendimientos de los cultivos en un 15%.
• Drones agrícolas: Empresas como DJI han desarrollado drones equipados con IA que pueden monitorear la salud de los cultivos y detectar plagas, mejorando la eficiencia agrícola en un 20%.

Estos ejemplos muestran cómo la IA está transformando diversas industrias, mejorando la eficiencia, reduciendo costos y ofreciendo nuevas oportunidades. Sin embargo, también es importante considerar las implicaciones éticas y sociales de su adopción, especialmente en países como México, donde la brecha tecnológica puede ser un desafío significativo. Recordemos que la tecnología es solo tan buena como la persona que la utiliza.

Datos estadísticos (porque a todos nos gustan los números)

• Se estima que la IA podría contribuir con hasta 15.7 billones de dólares a la economía global para 2030.
• En México, la adopción de IA podría aumentar la productividad en un 40% en los próximos 15 años.

¡Cuidado con los desmadres!

Aquí viene el truco. Si la IA empieza a hacer todo mejor, más rápido y barato que los humanos, ¿qué va a pasar con los empleos? En un país donde más de 30 millones de personas trabajan en el sector informal (según el INEGI, eso es casi el 56% de la población ocupada), ¿qué hacemos cuando un robot se convierte en el empleado del mes?

Y no solo es cuestión de trabajo. También está el asunto de la privacidad. Esos algoritmos que saben lo que quieres antes de que tú mismo lo sepas también podrían vender esa información al mejor postor. Actualmente, México ocupa el segundo lugar en América Latina en ciberataques, con un promedio de 1,875 incidentes diarios registrados según Kaspersky, mas todos los ataques a casa-habitación no registrados porque la gente no suele tener las defensas adecuadas por falta de conocimiento. ¿Qué tal si un político corrupto decide usarlo para manipular tus decisiones? ¡Ups!

Las oportunidades también están al alcance

Pero no todo está perdido. Si México juega bien sus cartas, podría subirse al tren de la IA y generar nuevas oportunidades. Las startups mexicanas podrían liderar proyectos innovadores en sectores como fintech, educación y salud. Por ejemplo, la industria fintech creció un 16% en 2022, y empresas como Clip y Kueski ya están usando IA para mejorar sus servicios.

Imagínate un maestro virtual que enseñe matemáticas hasta en las comunidades más remotas. Actualmente, solo el 45% de los estudiantes de secundaria en México tiene un nivel satisfactorio en matemáticas según PISA. O una aplicación que ayude a los campesinos a predecir las lluvias con precisión suiza, lo que podría mejorar la producción agrícola en un país donde el 70% del agua se usa en la agricultura.

¿Un déjà vu de la Revolución Industrial?

Antes de emocionarnos demasiado o entrar en pánico, recordemos la Revolución Industrial. Hace más de 200 años, las máquinas empezaron a reemplazar trabajos manuales y provocaron un cambio social y económico monumental. Por un lado, se generaron avances tecnológicos y prosperidad para algunos sectores. Por otro, hubo desempleo masivo en ciertos oficios y una brutal explotación laboral antes de que las leyes laborales equilibraran la balanza.

En México, el impacto de la IA podría seguir un patrón similar. Según un estudio de YouGov, el 61% de los trabajadores mexicanos están preocupados por el posible desplazamiento de sus empleos debido a la IA. Mientras algunos sectores, como la tecnología y el comercio digital, podrían florecer, otros, como la manufactura y los servicios básicos, podrían enfrentar retos enormes. Por ejemplo, se estima que la adopción de IA en la manufactura podría aumentar la productividad en un 40%, pero también podría desplazar a miles de trabajadores.

Durante la Revolución Industrial, los países que invirtieron en educación y en adaptar su fuerza laboral fueron los que mejor navegaron el cambio. Las naciones que priorizaron la formación de su fuerza laboral lograron mitigar los efectos negativos del cambio tecnológico. Hoy, México debe seguir ese ejemplo y desarrollar estrategias para capacitar a sus trabajadores en nuevas habilidades. Esto incluye desde competencias técnicas hasta habilidades blandas, como la adaptabilidad y el pensamiento crítico. En México, la inversión en tecnologías de IA alcanzó los $500 millones de dólares en 2022 y 2023, impulsando la innovación en sectores clave. Sin embargo, el país ocupa el puesto 55 de 174 en el Índice de Preparación para la IA, lo que indica que aún queda mucho por recorrer.

En resumen, la IA tiene el potencial de transformar la economía mexicana de manera similar a como lo hizo la Revolución Industrial. La pregunta es: ¿estamos preparados para aprovechar sus beneficios y mitigar sus riesgos? La respuesta dependerá de nuestras acciones en los próximos años.

El dilema del mañana

Pero para que todo esto pase, necesitamos algo básico: un sistema educativo eficiente (lliderado por una Secretaría de Educación que si funcione y que sea moderna). Porque, seamos honestos, si seguimos con un sistema educativo donde “chatGPT” suena a un grupo de reguetón, estamos fritos. También necesitamos reglas claras. Si la IA va a cambiar nuestras vidas, más vale que lo haga con cierto control, ¿no creen?

Implicaciones para México (porque no todo es color de rosa)

La IA tiene el potencial de transformar la economía mexicana, pero también plantea desafíos significativos. Por un lado, podría mejorar la eficiencia y la competitividad de las empresas mexicanas. Por otro, podría aumentar la desigualdad y el desempleo si no se gestionan adecuadamente los cambios tecnológicos.

En resumen, la IA es una herramienta poderosa que puede traer grandes beneficios, pero también grandes riesgos. Así que, México, prepárate para el futuro, porque la IA está aquí para quedarse.

Conclusión: que no nos agarre el tsunami con chanclas

La IA es como ese invitado inesperado que llega a tu fiesta: podría ser el alma del evento o un desastre monumental. Depende de cómo lo manejemos. Para México, el reto está en prepararse para lo bueno, lo malo y lo feo. Porque, al final del día, lo que hagamos hoy podría definir si la IA se convierte en nuestro mejor aliado o en el enemigo que nos deje sin trabajo y sin privacidad. Y tú, ¿qué opinas? ¿Estamos listos o estamos soñando con tostadas?

Referencias, por si quieres aprender un poco mas

[1] ¿Qué es la inteligencia artificial (IA)? – IBM

[2] Inteligencia artificial – Wikipedia, la enciclopedia libre

[3] Breve historia de la Inteligencia Artificial – National Geographic España

[4] Historia de la inteligencia artificial – Wikipedia, la enciclopedia libre

[5] Tipos de inteligencia artificial: ¿cuáles existen y cómo funcionan?

[6] 7 Tipos de Inteligencia Artificial que Transformarán Nuestro Futuro

[7] 10 ejemplos reales de uso de IA en diferentes industrias

[8] Ejemplos de Inteligencia Artificial (IA) en 6 industrias – Emeritus Latam