La inteligencia artificial está transformando el entorno corporativo, desde la automatización de procesos hasta la toma de decisiones estratégicas. Para entender cómo impacta esta tecnología en los negocios, conviene partir de una guía completa sobre inteligencia artificial, conocer los beneficios reales de la IA en las empresas y explorar el papel de los modelos generativos en la innovación empresarial.
En el campo de la inteligencia artificial, alcanzar o exceder el nivel de inteligencia de las personas es el norte de muchas empresas líderes en el sector. Según el estatuto de OpenAI, el plazo actual para esta meta es incierto, aunque no pierden de vista su misión: garantizar que la inteligencia artificial general (IGA) beneficie a toda la humanidad.
Índice de temas
¿Qué es la inteligencia artificial general?
La AGI, también conocida como IA generalizada o inteligencia artificial general, hace referencia a sistemas de alta autonomía que superan a los humanos en la mayoría de los trabajos que producen un rédito económico.
Estas tareas humanas, ejecutadas por una AGI, implicarían habilidades como el razonamiento, la resolución de problemas, el aprendizaje y la adaptación a nuevos desafíos.
Mientras que la inteligencia artificial generativa (GenAI) se centra en aplicaciones específicas, la AGI promete abarcar todo tipo de tareas, sin importar qué tan complejas sean.
Innovaciones en la inteligencia artificial general
Las capacidades de la IA evolucionaron rápidamente de la noche a la mañana. Our World in Data afirma que, hace tan solo 10 años, ninguna máquina podía proporcionar reconocimiento de lenguaje o imágenes de forma fiable a nivel humano.
Hoy, los sistemas de IA se han vuelto mucho más capaces y son capaces de superar a los humanos en ciertas disciplinas.
Respecto a la AGI, existen cuatro enfoques tecnológicos que redefinen lo que es posible en cuanto al uso de esta herramienta. Puedes conocer más en cómo las GANs están revolucionando la IA en las empresas y cómo el RAG ayuda a resolver la fragmentación del conocimiento.
Metaaprendizaje
El metaaprendizaje es un enfoque eficaz para entrenar redes neuronales y que aprendan nuevas tareas rápidamente a partir de datos limitados, dice la publicación “Learning Universal Predictors” de Google DeepMind, publicada en 2024.
Este método expone las redes a datos generados por máquinas de Turing universales (UTMs) para fomentar la adquisición de estrategias de predicción universal.
Transformers
Los modelos primitivos de deep learning se centraban en tareas de procesamiento de lenguaje natural (NLP en inglés), cuyo fin era lograr que las computadoras “comprendan y respondan” el lenguaje humano, afirma Amazon Web Services. En resúmen, adivinar la palabra que le precede a una secuencia de palabras.
En ese sentido, los transformadores cambiaron radicalmente las tecnologías de NLP, permitiendo que los modelos administraran dependencias de largo alcance en el texto. Hoy, este enfoque aparece en modelos grandes de lenguaje como los LLM y también puede aplicarse a la ciencia con tecnologías disruptivas como la secuenciación de ADN.
Modelos multimodales
Dice Cole Stryker, líder editorial de IBM sobre los modelos de IA, que la inteligencia artificial multimodal “mejora la interacción humano-ordenador al posibilitar interfaces más naturales e intuitivas para mejorar la experiencia del usuario”. Este tipo de avance se ve reflejado en la integración de datos como estrategia central.
Es un modelo de machine learning capaz de procesar e integrar información de múltiples modalidades o tipos de datos. Pueden incluir texto, imágenes, audio, vídeo y otras formas de interacción humana. ChatGPT, por ejemplo, fue un modelo unimodal; hasta que incorporó herramientas como Dall-E.
Robótica inteligente
La robótica es fundamental para el desarrollo de la AGI, ya que en esta vertical confluyen muchas especialidades que hacen a la vida en sociedad. Entre ellas, la Universidad Autónoma de Guadalajara (UAG) destaca a la medicina, el entretenimiento y el comercio como las tres más importantes. También se prevé que los chatbots y asistentes virtuales jueguen un rol esencial en estas interacciones.
Sin embargo, el Dr. Erick Eduardo Guzmán Quezada, Profesor-Investigador de la UAG plantea que este desarrollo trae consigo problemas éticos y legales.
Un ejemplo preocupante es el uso de robots humanoides en interacciones virtuales: “Si un delincuente utiliza un robot con una apariencia y comportamiento convincente, podría engañar a personas para obtener información personal”, afirma.
Historia y evolución de la inteligencia artificial
La inteligencia artificial se ha convertido en una palabra de moda. Hoy, cualquier electrodoméstico se hace de esta elocuente palabra para vender más; pero hubo un tiempo donde hablar de replicar la lógica humana a través de robots era cosa muy seria. Para entender cómo llegamos hasta aquí, es útil repasar las aplicaciones de la inteligencia artificial en innovación y futuro.
La historia de la inteligencia artificial tiene muchos hitos que la caracterizan. Uno de los más conocidos es la histórica Conferencia de Dartmouth, organizada por el informático John McCarthy en la década de 1950. Décadas después, el aprendizaje por refuerzo se convertiría en una de las técnicas clave para lograr autonomía en sistemas avanzados.
Darmouth: el germen de ChatGPT
El campamento, organizado por McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon; reunió a las mentes más brillantes de aquel entonces para alcanzar un solo objetivo: crear máquinas inteligentes. Fue el germen de lo que hoy conocemos como inteligencia artificial.
Dice la International Science Council que allí fue donde se acuñó el término inteligencia artificial. Antes, nadie habría dicho que una invención fuese a ser algo de semejante magnitud. Ni siquiera Alan Turing, quien varias décadas atrás ya había incurcionado en máquinas que sentaron las bases de todo lo que ocurre hoy.
Turing: la IA que contribuyó al cese de la Segunda Guerra Mundial
Antes de McCarthy, el matemático británico Alan Turing contribuyó al cese de la segunda guerra mundial y ayudó a salvar millones de personas gracias a la Máquina de Turing; dice una publicación de la Universidad Nacional Autónoma de México (UNAM).
¿Pueden las máquinas pensar? este fue el interrogante de Turing para desarrollar su famosa máquina. En 1936 publicó “Sobre números calculables, con una aplicación al Entscheidungsproblem (problema de decisión)”, donde introdujo una máquina abstracta.
Conocida como la Máquina de Turing, era capaz de cambiar de un estado a otro usando un conjunto finito preciso de reglas dadas por una tabla finita y dependiendo de un solo símbolo que lee de una cinta; explica el documento de la UNAM.
Mientras vivió en Princeton, Turing pensó en construir una computadora para demostrar que sus invenciones eran posibles. Trabajó en una máquina mecánica para estudiar un problema matemático complejo, pero fue interrumpido por el gobierno de Winston Churchill para contribuir a los aliados y descifrar los códigos del Enigma Alemán en la guerra.
A pesar de su aporte a las matemáticas (y la historia universal), la carrera de Turing se vio interrumpida tras ser acusado por su homosexualidad. Fue sometido a la castración química y tuvo graves consecuencias en su salud. Dos años más tarde, fue encontrado muerto por envenamiento con cianuro de potasio.
Otros hitos históricos de la IA
No fue sino hasta los últimos 20 años que el aprendizaje profundo, visión artificial y procesamiento del lenguaje natural transformaron la forma en que las personas viven.
Hoy, la IA impacta en el trabajo, las relaciones sociales, la economía e incluso la salud. Pero tuvo que correr mucha agua bajo el río para que esto sucediera:
- Década de 1960: Desarrollo de sistemas basados en reglas para aplicaciones como medicina y finanzas
- Década de 1980: Aparición de las redes neuronales, inspiradas en el cerebro humano
- Década de 1990: Uso de algoritmos estadísticos para aplicaciones como sistemas de recomendación
Principios fundamentales de la AGI
La inteligencia artificial general se basa en principios clave que le permiten replicar las capacidades humanas:
- Conocimiento: Representación del conocimiento en sistemas informáticos para razonar y aprender
- Razonamiento: Capacidad de inferir información nueva a partir de datos existentes
- Aprendizaje: Mejora continua basada en experiencias previas
- Percepción: Uso de sensores para interactuar con el entorno
- Lenguaje natural: Comprensión y generación de lenguaje humano para facilitar la interacción
Aplicaciones prácticas de la AGI
Aunque aún está en una fase exploratoria, la AGI ya está mostrando su potencial en diversas industrias. Esto se relaciona con los beneficios productivos de la inteligencia artificial en empresas y su creciente uso en herramientas como custobots para mejorar la relación con los clientes.
| País | Disciplina | Aplicación práctica de IA |
| México | Salud | Según la secretaría de salud de México, la AGI contribuye en esta disciplina a través de chatbots para soporte, análisis predictivo para diagnósticos y gestión de inventarios de insumos. |
| Estados Unidos | Recolección de residuos | Un documento de la EPA afirma que la IA en el transporte de residuos mejora la calidad del trabajo facilitando identificación, clasificación y desarrollo de mercados para materiales reciclados. |
| Colombia | Transporte y logística | Estudios de la Universidad Tecnológica de Pereira desarrolló un prototipo móvil con IA para geolocalizar y optimizar de rutas de transporte público en la ciudad. Su objetivo es mejorar la experiencia del usuario y fomentar uso del transporte público. |
| Cuba | Energía y computación | La Universidad de La Habana desarrolló un clúster computacional para investigación científica alimentado con energías renovables. La idea inicial es aplicar tecnologías de bajo consumo para el desarollo de computación eficiente. |
Desafíos éticos y filosóficos
El desarrollo de la inteligencia artificial general (AGI) plantea preguntas críticas sobre ética y regulación. En este contexto, surgen debates sobre la ética en la IA y su implementación responsable y sobre el rol de la IA en la ciberseguridad.
- Privacidad y seguridad: Los sistemas de AGI deben garantizar que los datos sensibles sean protegidos
- Impacto laboral: La automatización impulsada por la AGI podría desplazar ciertos empleos, aunque también abriría nuevas oportunidades
- Sesgos en algoritmos: Evitar que los sistemas hereden prejuicios de sus desarrolladores es crucial para garantizar aplicaciones justas y equitativas
- Modelos regulatorios: Es crucial adoptar nuevas estrategias regulatorias, como propone el CEO de Telefónica, para equilibrar innovación y ética en la implementación de tecnologías avanzadas
El futuro de la inteligencia artificial general
El futuro de la AGI es prometedor, con investigaciones que apuntan a crear sistemas capaces de superar las capacidades humanas en diversas áreas. Expertos como Ray Kurzweil no dudan en afirmar que, la singularidad tecnológica, donde las máquinas se mejoran a sí mismas a un ritmo exponencial, podría alcanzarse en 2045.
Por otro lado, la consultora Goldman Sachs estima que la AGI transformará tanto la economía como la inversión, creando nuevas oportunidades de innovación en todas las industrias.
La inteligencia artificial general tiene el potencial de redefinir el mundo tal como lo conocemos. Si bien su desarrollo plantea desafíos significativos, también ofrece oportunidades únicas para mejorar la vida humana en todos los aspectos. Con un enfoque ético y regulaciones adecuadas, la AGI podría convertirse en una herramienta poderosa para abordar los problemas globales más apremiantes.
FAQs sobre la inteligencia artificial general
¿Cómo pueden las empresas evaluar su preparación para adoptar AGI?
Las organizaciones deben analizar su madurez digital, capacidad de manejo de grandes volúmenes de datos y contar con talento en IA avanzada. También deben implementar prácticas de gobernanza de datos y evaluar riesgos éticos y operativos.
¿Cuál es la diferencia entre AGI y GenAI en términos de inversión empresarial y retorno esperado?
GenAI ofrece beneficios inmediatos en tareas específicas con baja inversión inicial, mientras que AGI implica altos costos de desarrollo pero mayor potencial disruptivo a largo plazo. El ROI de AGI depende de la integración profunda con procesos clave del negocio.
¿Qué infraestructura tecnológica se necesita para implementar soluciones AGI en una empresa?
Se requiere infraestructura escalable en la nube, GPUs de alto rendimiento, modelos multimodales preentrenados y una arquitectura segura para gestionar datos sensibles. En muchos casos, estas soluciones se articulan desde sistemas ERP potenciados con IA, que permiten automatizar y optimizar operaciones clave.
¿Qué implicaciones legales debe considerar una empresa al utilizar AGI?
Las empresas deben cumplir con regulaciones de protección de datos, evitar sesgos algorítmicos y garantizar la trazabilidad de decisiones automatizadas. La AGI amplifica la necesidad de compliance ético y jurídico a nivel local e internacional.
