Para que la IA funcione para nosotros, no debe pensar por nosotros

CAMBRIDGE — Hace tan solo unos años, la IA parecía un simple juguete: un chatbot que simulaba inteligencia mediante la construcción de frases completas en respuesta a las indicaciones de los usuarios, pero que, en definitiva, no era mucho más sofisticado que un motor de búsqueda avanzado. Sin embargo, ahora ha demostrado ser una herramienta increíble capaz de realizar tareas que jamás creí posibles en mi vida.

Por ejemplo, he utilizado IA para localizar conjuntos de datos en línea, manipularlos, realizar pruebas estadísticas y generar tablas y gráficos de alta calidad, con comentarios pertinentes sobre el significado de los resultados, su relación con la literatura académica y las fortalezas y debilidades del análisis. En menos de media hora, la IA puede realizar un trabajo que a un asistente de investigación le llevaría varios días.

A veces, los modelos de IA actuales parecen casi capaces de leer la mente. A diferencia de la programación o la escritura de código, no es necesario especificar con precisión lo que se busca, lo que elimina cualquier posibilidad de malentendido. El modelo “intuirá” lo que se busca y completará los detalles que falten (aunque conviene comprobarlos siempre, como pueden atestiguar los bufetes de abogados que han presentado informes generados por IA con citas ficticias). O, en su defecto, la interfaz le hará preguntas hasta que aclare su consulta.

Resulta reconfortante pensar que la IA podría ser una herramienta que nos ayude a ser más productivos y a mejorar en lo que hacemos. Sin duda, me ha hecho más eficiente en la investigación. Reduce los costes de los emprendedores al proporcionar servicios de marketing y consultoría a bajo coste. Permite que los agentes de atención al cliente junior se beneficien de las habilidades y la experiencia del personal más veterano. Y posibilita que los trabajadores autónomos o artesanos presten servicios más sofisticados y técnicamente exigentes .

A diferencia de muchas tecnologías anteriores, la IA se encuentra en una posición privilegiada para ayudar a quienes tienen menos habilidades y menor nivel educativo: los trabajadores que ocupan los puestos más bajos de la economía. Al dotarnos a todos de mayores capacidades, ofrece ventajas que resultan potencialmente más significativas para quienes parten con mayores desventajas iniciales. Esto significa que podría funcionar de manera muy diferente a, por ejemplo, la automatización, cuyo objetivo principal es reemplazar a los trabajadores de la cadena de montaje o en tareas de ventas y administrativas.

La preocupación, por supuesto, es que la IA haga mucho más, con consecuencias inciertas. Por ahora, considero que elegir y formular las preguntas de investigación es mi prerrogativa y la principal fuente de mi ventaja competitiva. Pero en algún momento, me imagino sintiendo la tentación de pedirle a la IA que genere las preguntas por sí misma. De hecho, las herramientas de IA que utilizo ya me están sugiriendo hacerlo. Al final de un ejercicio como el que describí anteriormente, me sugerirán sutilmente otras vías de análisis fructífero que podría explorar.

La IA sustituye al pensamiento de otras maneras más sutiles. Ya está influyendo en mi forma de interpretar la investigación existente. No solo resume lo que hay publicado, sino que también me indica cómo se relaciona la investigación afín con mi trabajo y cómo debería abordarla. Establece conexiones entre diferentes partes de la literatura que no se me habían ocurrido.

Ahí reside el mayor peligro. El debate público sobre el impacto de la IA en la sociedad se centra principalmente en el posible desplazamiento de trabajadores y la pérdida de empleos. Pero un riesgo aún mayor es el desplazamiento del pensamiento humano. Cuando permitimos que la IA piense por nosotros, cruzamos un umbral importante. Nuestra capacidad colectiva de pensar se degrada, al igual que nuestro incentivo para aprender a pensar. Y dado que la línea entre aplicar el pensamiento a un problema y el pensamiento en sí mismo ya es difusa, se traspasa fácilmente.

En un interesante artículo reciente, Daron Acemoglu, Dingwen Kong y Asuman Ozdaglar del MIT formalizan una intuición sobre cómo esta descarga cognitiva puede producir resultados catastróficos. Se preguntan qué sucede cuando los modelos de IA se vuelven muy buenos proporcionando el tipo de conocimiento específico del contexto que puede ayudar a las personas a realizar las tareas específicas en las que están involucradas. Dichos resultados permitirían a las personas obtener mejores resultados, incluso con menos aprendizaje.

Pero aquí surge un problema, porque el conocimiento tiene una importante externalidad. Al pensar en cómo resolver mi problema, también contribuyo al acervo general de conocimiento sobre cómo otros pueden resolver los suyos. Cuando invierto menos en mi propio aprendizaje, el acervo general de conocimiento se resiente. En el peor de los casos, el conocimiento general desaparece por completo.

Es cierto que, por ahora, esto es solo una posibilidad teórica, y dependiendo de lo que se suponga sobre la intensidad de los efectos contrapuestos, también podrían obtenerse mejores resultados. Pero el peligro es real. Cuando permitimos que la IA aprenda y piense por nosotros, degradamos nuestras propias capacidades humanas y corremos el riesgo de destruir, a la larga, la base de conocimiento en la que se sustenta la propia IA.

Para abordar estas cuestiones, será necesario desarrollar normas sociales y profesionales sobre el uso adecuado de la IA. Por ejemplo, los investigadores deberán incluir información detallada sobre cómo han utilizado la IA —un proceso que podría automatizarse mediante las propias herramientas de IA—, y las decisiones de publicación y promoción se centrarán principalmente en los productos de la mente humana. Organizaciones como la Partnership on AI pueden ayudar a desarrollar y difundir principios generales. También necesitaremos nuevas formas de regulación gubernamental, como prácticamente todas las nuevas tecnologías.

Una condición necesaria para tales soluciones es una nueva forma de concebir la IA. Ante todo, el debate público necesita un enfoque diferente. La pregunta que deberíamos plantearnos no es qué nos hará la IA, sino qué queremos que haga por nosotros.

El autor

Dani Rodrik, profesor de Economía Política Internacional en la Escuela Kennedy de Harvard, es expresidente de la Asociación Económica Internacional y autor de Shared Prosperity in a Fractured World: A New Economics for the Middle Class, the Global Poor, and Our Climate (Princeton University Press, 2025).

Copyright: Project Syndicate, 1995 - 2026

www.project- syndicate.org