Mi columna en Invertia de esta semana se titula «Algoritmos generativos: manual de uso y abuso» (pdf), y trata de aclarar la naturaleza de un tipo de herramienta, los algoritmos generativos, que está pasando rápidamente de ser una completa desconocida, a la categoría de imprescindible para muchos trabajadores, casi al mismo nivel de los que puede ser un proceso de textos o una hoja de cálculo.
El lanzamiento de ChatGPT Enterprise por parte de OpenAI, que sigue a la incorporación de herramientas del mismo tipo en la suite de Microsoft, promete revolucionar las habilidades necesarias para el desarrollo de muchos puestos de trabajo. Que una herramienta de este tipo deje de levantar temores acerca de lo que hace con la información corporativa, incorpore prestaciones de administración centralizada y pase a poder ser utilizada dentro de las empresas con cierta confianza y seguridad, va a provocar que cada vez sean más las compañías que reclamen el uso con soltura de algoritmos generativos en los perfiles que incorporan o que ya tienen en sus plantillas.
Obviamente, como pude comprobar ya durante todo el curso pasado en mis clases, usar algoritmos generativos no es simplemente entrar en ChatGPT y preguntar algo. Eso no es una habilidad. Se trata de un montón de detalles que abarcan desde cómo preguntar (prompt engineering, etc.) hasta cómo utlizarlo o cómo cerciorarnos acerca de su nivel de fiabilidad, entre otras muchas cosas. Pero sobre todo, implica que las compañías y los trabajadores entiendan lo que se debe y no se debe pedir a este tipo de herramientas: dado que la falta de uso de una herramienta suele conllevar la atrofia de una habilidad, debemos reflexionar sobre lo que queremos que nuestros empleados lleven a cabo utilizando algoritmos generativos y lo que preferimos que siga siendo desarrollado de manera tradicional.
No olvidemos que, aunque a los lectores de esta página y similares les pueda parecer que los algoritmos generativos llevan ya entre nosotros mucho tiempo, la realidad es que pocas personas en el conjunto de la sociedad utilizan o tienen un conocimiento mínimamente maduro de lo que son: la revolución de la algoritmia generativa está entre nosotros, pero como suele ocurrir en todas las tecnologías, su adopción generalizada es más lenta de lo que muchos piensan.
La batalla en torno al entrenamiento de los algoritmos está siendo sumamente interesante. Que los medios de comunicación se planteen si ceden o no a las empresas tecnológicas sus enormes repositorios de información para que entrenen a sus algoritmos o si prefieren intentar crear esas herramientas ellos mismos para, por ejemplo, ofrecer funciones avanzadas a sus propios usuarios, supone una reflexión que va más allá del característico egocentrismo de los derechos de autor, y que evoluciona más hacia el concepto de especialización.
Que Stephen King se plantee si un algoritmo entrenado con sus libros (que en realidad, no deja de dar un poco de miedo 🙂 puede llegar o no a ser realmente creativo y a plantear un conjunto que sea mejor que la suma de las partes que lo componen supone un ejercicio mental interesante: todos los que poseemos archivos de información de una cierta magnitud (como en mi caso, con veinte años de documentos sobre la tecnología y sus efectos en dos idiomas diferentes) podemos plantearnos qué posibilidades tendría un algoritmo entrenado con nuestros datos en particular. En realidad, lo que es importante entender es que estas herramientas no se limitan en absoluto a copiar, recombinar y pegar, sino que llevan a cabo procesos estadísticos como la inferencia, la correlación o la estadística bayesiana, muy parecidos a los que lleva a cabo nuestro cerebro cuando aprende. Menospreciar al algoritmo y reducirlo a un supuesto papel de «mono estocástico» puede ser un craso error.
¿Podría pedir a mi algoritmo que escribiese mi artículo diario o mis columnas para diversos medios? Posiblemente, pero ni me veo haciéndolo (es más, lo vería como una especie de «fraude»), ni mucho menos me veo pidiéndole que escoja, de las noticias del día o de la semana, sobre cuál de ellas escribir. En cambio, me parece perfectamente razonable pedirle que lleve a cabo una lectura de un artículo terminado a efectos de proofreading, que revise si tengo errores tipográficos o si la redacción es correcta, o incluso que investigue determinados datos y me proporcione fuentes para documentarlos.
En realidad, la disyuntiva es clara, y se ha repetido muchas veces a lo largo de la historia: aceptamos que los niños utilizasen calculadoras, pero no quisimos que por ello dejasen de manejar las operaciones matemáticas básicas. Utilizamos motores de búsqueda, pero entre usarlos para encontrar algo y subcontratarles el pensamiento crítico para quedarnos siempre con el primer resultado que nos muestran, va un importante trecho. Un trecho que deberíamos tener claro tanto a nivel de compañías como de trabajadores: qué queremos que este tipo de herramientas hagan, y qué entendemos que es mejor seguir haciendo nosotros mismos.
Con la disponibilidad cada vez mayor y cada vez más segura de este tipo de herramientas, llegan tiempos y retos interesantes. La clave va a estar en evitar simplemente «dejarnos llevar» y aplicar una lógica de sostenibilidad en el tiempo y de conveniencia para todos los implicados, para que esas herramientas acaben trabajando para nosotros en lugar de trabajar nosotros para esas herramientas. Pensemos sobre ello.
