La inteligencia artificial ha venido para quedarse. Esta frase tan manida últimamente, está siendo utilizada para posicionar las diferentes tendencias y avances en cada sector, ubicándolas en el espacio de piedra angular sobre el que se construirá el futuro. Lo cierto es que la inteligencia artificial no acaba de llegar, lleva con nosotros más de 70 años, y no solo forma parte del pasado, sino que sigue en el presente y le auguramos un futuro prometedor. Sobre todo, prometedor para nosotros con su ayuda.
Y es que cuando nos referimos a inteligencia artificial a finales de los años 50 y principios de los 60, hablamos de máquinas que sabían jugar al ajedrez y mediante métodos predictivos eran capaces en poco tiempo de ganar a cualquier campeón humano. Esta tecnología fue enriqueciéndose y ya hacia los años 80 subió un escalón en cuanto a desarrollo y apareció el machine learning. Un maestro de reconocimiento de patrones que no era expresamente programado para una función, sino que iba aprendiendo de los datos de forma autónoma y respuestas que iba acumulando. En resumen: estadística, algoritmos e información de forma masiva y estructurada.
Así los scoring bancarios o la detección de spam en los buzones de correo electrónico son resultados tangibles del machine learning. En la década de los 2000 se implementó otro avance en el poder para "pensar" de las máquinas, lo que se denomina deep learning, que se desarrolla desde el machine learning con una red neuronal de tres o más capas, que además de predecir, ayudan a optimizar y refinar la precisión y para ello, además, no necesita usar datos estructurados, es decir, es un aprendizaje no supervisado.
Por ejemplo, el reconocimiento de voz de los teléfonos móviles o de los coches, las recomendaciones en redes sociales o los chatbots de atención a clientes en las empresas son tendencias viables gracias a este aprendizaje profundo. Llegados a este punto de desarrollo, es en esta década cuando estamos asistiendo a una nueva revolución de la inteligencia artificial: una revolución más disruptiva y generalizada si cabe: la inteligencia artificial generativa. Este nuevo avance permite a la máquina crear. Ahí radica la mayor diferencia: puede crear y por tanto, superar en algunas funciones y trabajos que desarrolla el ser humano.
Estas redes constan de dos partes: un generador y un discriminador. El generador se encarga de crear contenido nuevo, mientras que el discriminador se encarga de evaluar si el contenido generado es real o falso. Esta interacción permite que la IA aprenda de los datos de manera eficaz y eficiente, generando contenido de forma muy rápida.
Con estos avances, las posibilidades son infinitas, pudiendo crear contenido de cualquier tipo, si bien estas tecnologías tienen sus detractores por los desafíos a los que se enfrenta y que debemos solucionar en la fase mas incipiente para poder controlar sus efectos. De este modo, la inteligencia artificial generativa puede volverse incontrolable y generar contenido pernicioso y peligroso al no ser supervisado. También puede generar contenido sesgado en noticias, política o campos muy relacionados con la ética, como la privacidad o la autoría de ciertos trabajos personalizados.
Sin embargo, el miedo a que la IA generativa destruya trabajo es bajo mi punto de vista infundado: lo que si hará será dejar obsoletos ciertos trabajos y transformar o crear puestos nuevos. Los trabajos más repetitivos, sin valor añadido, podrán ser ejecutados por las máquinas, dejando los trabajos de mayor valor añadido a los profesionales.
Además, algo extraordinariamente positivo que nos trae esta tecnología es el desarrollo de actividades eminentemente humanas que las máquinas no pueden desarrollar: creatividad e innovación, trabajo en equipo, habilidades blandas como la colaboración o la resolución de conflictos, o la regulación y control.
En este entorno ya podemos utilizar en nuestro día a día desarrollos genéricos que pueden añadir valor a nuestro trabajo: herramientas de generación de renders, imágenes y vídeos a partir de una descripción, generación de propuestas de interiorismo, resumen de reuniones, vídeos…
La oferta de IA generativa se puede dividir en tres tendencias: las herramientas desarrolladas y genéricas que implementar directamente, las herramientas genéricas que se pueden personalizar para cada organización y los desarrollos ad hoc para una organización y unos trabajos concretos. Con este universo de posibilidades que se abre, desde la Corporación Vía Ágora ya estamos dando los primeros pasos hacia el estudio, desarrollo e implantación de programas específicos para nuestra área de influencia ofrecidos por nuestros colaboradores, como chatbots, o sistemas para inspeccionar productos y observar procesos de producción que puede analizar miles de eventos por minuto y detectar sucesos ocurridos, con alertas y estadísticas para la prevención de la seguridad y salud en el entorno de la fábrica de Lignum Tech.
Además, estamos desarrollando junto a Nidus (Valenthia), en el entorno del Cluster de la Edificación, una herramienta propia para las fachadas de Lignum Tech en la que, en cuestión de segundos, nos arrojará las mejores propuestas para el despiece de una determinada fachada, dependiendo de la estructura de la edificación, las leyes internas de nuestros paneles, el ritmo y dimensión de los huecos y el tamaño de las piezas de acabado.
Así, después el técnico podrá elegir la solución que considere óptima para el proyecto: la que contenga los paneles de mayor tamaño, la que tenga un porcentaje de pérdidas de material menor, o la que estime conveniente para cumplir los objetivos del proyecto, y desde ahí, dedicar su tiempo al trabajo de detalles con mayor valor añadido.
La velocidad, el nivel de adaptación, los riesgos y amenazas o las ventajas de la implantación de la IA generativa nos dará como resultado un mundo diferente que solo el tiempo nos dirá. O la predicción de motores generativos. ¿Quién da más?
