¿Organizaciones GPT dependientes?

¿Te has preguntado si, a nivel personal o dentro de tu organización, los asistentes de IA han permitido mejorar el desempeño inmediato, pero al mismo tiempo han reducido gradualmente la capacidad para generar criterio propio, aprender fundamentos y actuar con solvencia en contextos no rutinarios?

Ese es precisamente el contexto de un reciente artículo escrito por Daron Acemoglu, profesor del MIT, cuyo título es “La IA y el colapso de la cognición y el conocimiento humano”. Su tesis principal es que “si bien la IA puede mejorar la calidad de las decisiones en tiempo real, también puede erosionar los incentivos de aprendizaje que sustentan el conocimiento colectivo a largo plazo”.

Según el artículo, la IA sustituye el esfuerzo humano de aprendizaje, y el problema radica en que ese conocimiento no solo sirve para dar solución a una tarea específica, sino que también es una señal que alimenta el conocimiento colectivo de la organización.

La implicación más importante para las empresas es que usar la IA para dar respuestas, automatizar criterios, generar contenidos o sustituir el aprendizaje en los primeros niveles de las organizaciones crea una fragilidad organizacional difícil de detectar. En el corto plazo aumenta la productividad y la rapidez, pero en el mediano plazo se reduce la capacidad de la organización para entrenar el talento, desarrollar criterio y renovar el conocimiento.

En el día a día de las empresas comienzan a proliferar diversas situaciones en las que la IA es protagonista, desde el acceso inmediato al paso a paso de procedimientos validados por la organización hasta la generación de contenidos estratégicos, como planes de negocio “creados por IA”. La pregunta que surge es: ¿hasta dónde, y con qué profundidad, es válido utilizar IA en los diversos contextos de la empresa?

En este punto, es clave diferenciar los contextos de las tareas del día a día y definir cómo interactuar con la IA, manteniendo al mismo tiempo la capacidad de construir nuevo conocimiento:

(i) En tareas con patrones reconocibles y criterios claros de éxito, donde la IA otorga guía y rapidez, es clave mantener la capacidad de conocer y entender los fundamentos detrás del proceso. Por ejemplo, en una planta de producción no basta con seguir el paso a paso de solución de un problema; es necesario que el operador comprenda los fenómenos físicos que sustentan el proceso productivo.

(ii) En tareas donde la IA complementa el trabajo humano, como, por ejemplo, en atención a clientes, análisis de datos o diagnósticos de pacientes, el riesgo es menor, pero sigue siendo clave que la persona aporte contexto y sea quien determine los aportes centrales de la decisión.

(iii) En tareas donde debe prevalecer el criterio humano, por ejemplo, el desarrollo de planes de negocio o decisiones en entornos ambiguos, la calidad de la decisión depende de la interpretación, el juicio y la comprensión del entorno. En esos casos, el rol de la IA es brindar información complementaria y ayudar a explorar perspectivas diferentes.

En última instancia, la gestión de la IA en las empresas tendrá mucho de técnica y algo de arte. Ese arte consistirá en encontrar un nivel intermedio óptimo de intervención de la IA: suficiente para ayudar, pero no tanto como para anular el aprendizaje humano y organizacional.