La sociedad está siendo transformada por la inteligencia artificial, y es fundamental preguntarnos qué debemos hacer para maximizar su valor minimizando los riesgos.
Para lograrlo con éxito, debemos ir más allá del revuelo mediático y desarrollar enfoques prácticos y pragmáticos de la IA que ofrezcan lo que necesitamos, y nada más.
Tres elementos clave deben converger para que la IA prospere de forma segura y en beneficio de toda la sociedad: infraestructura, ecosistema y gobernanza.
La sociedad atraviesa una transformación tecnológica impulsada por la inteligencia artificial (IA). Las personas se preguntan qué puede hacer la IA por los procesos y sistemas que utilizamos en todos los ámbitos de nuestra vida, y cuáles podrían ser sus repercusiones, tanto positivas como negativas.
También es importante invertir esta pregunta y plantearnos qué debemos hacer para maximizar el valor de la IA minimizando el riesgo. Esto exige ir más allá del revuelo mediático y desarrollar enfoques prácticos y pragmáticos de la IA que ofrezcan lo que necesitamos, y nada más.
Como se recoge en el informe de Forrester AI Predictions For 2025 señala: “El camino de los líderes en IA en 2025 estará dominado por la comprensión crítica de que no existen atajos hacia el éxito en IA y será imperativo prepararse para el trabajo duro.”
Trabajar en soluciones de IA para un proveedor mundial de infraestructuras implica que me centre especialmente en ofrecer la infraestructura que demanda la IA, pero esta es solo una dimensión del entorno que necesitamos para que la IA prospere de forma segura y en beneficio de la sociedad.
Elementos clave para el éxito de la IA
Tres elementos clave deben converger para hacer realidad esta visión de la IA: infraestructura, ecosistema y gobernanza.
1. Infraestructura
Cada parte de la infraestructura que hace posible la IA, desde los centros de datos hasta la tecnología portátil, influye en el coste y el valor de la IA, en términos financieros, sociales y medioambientales.
Continuo nube-borde-conectividad
La tendencia a situar más potencia de cálculo en el borde– en dispositivos como teléfonos inteligentes, sensores y equipos industriales – avanza con rapidez. Este cambio permite que los modelos de IA procesen los datos localmente, lo que reduce la latencia, mejora la privacidad y posibilita la toma de decisiones en tiempo real.
Sin embargo, la computación en el borde no elimina la necesidad de redes robustas, de alta velocidad y gran capacidad. De hecho, la aumenta. Los dispositivos de borde suelen necesitar sincronizarse con los sistemas centralizados en la nube para actualizar modelos, descargar cálculos complejos o compartir información para análisis más amplios. Por ejemplo, una flota de drones agrícolas puede procesar en el propio dispositivo los datos de imagen inmediatos, pero aun así necesitar conectividad con la nube para agregar tendencias, reentrenar modelos y perfeccionar predicciones.
Esta interacción entre el procesamiento local y la inteligencia centralizada se hace eco de principios presentes en las arquitecturas cognitivas y en la ciencia del comportamiento. Como se describe en Pensar rápido, pensar despacio de Daniel Kahneman, el comportamiento inteligente implica tanto respuestas rápidas e intuitivas (Sistema 1) como un análisis más lento y reflexivo (Sistema 2).
De manera similar, los drones que supervisan campos agrícolas podrían procesar rápidamente en el propio dispositivo los datos de imagen para tomar decisiones inmediatas, análogas al Sistema 1, mientras dependen de la conectividad con la nube para agregar datos, reentrenar modelos y perfeccionar estrategias con el tiempo — análogo al Sistema 2. Diseñar sistemas de IA con este enfoque de doble modo permite un comportamiento más adaptativo, eficiente y sensible al contexto, de forma muy similar a como la cognición humana equilibra el instinto con la deliberación.
La IA exige una comunicación fluida entre la nube y el borde, lo que implica que necesitamos una conectividad ultrafiable y de alto rendimiento que pueda respaldar el movimiento de grandes volúmenes de datos en tiempo real. Esto se aplica especialmente a casos de uso de IA que implican tipos de datos pesados, como vídeo, audio y fusión de sensores. Para satisfacer esta demanda, es fundamental la innovación continua en todas las capas de la tecnología de redes.
Además, a medida que la IA se integra cada vez más en sistemas de misión crítica, desde los servicios de emergencia hasta la automatización industrial, la resiliencia y la seguridad de las redes subyacentes adquieren una importancia primordial. Esto significa diseñar redes no solo para la velocidad, sino también para la redundancia, la conmutación por error y la protección frente a ciberamenazas.
Debemos invertir en una infraestructura digital que trate la conectividad como un ciudadano de primera clase. La IA puede ser el cerebro, pero sin una red de alto rendimiento como sistema nervioso, ese motor no puede funcionar.
La energía y el poder de la innovación
Las necesidades energéticas de la IA se están convirtiendo rápidamente en uno de sus desafíos más acuciantes, tanto desde el punto de vista económico como medioambiental. El entrenamiento de modelos de IA a gran escala, como GPT-4, puede consumir millones de kilovatios-hora de electricidad. A medida que los modelos crecen en tamaño y complejidad, su huella de carbono aumenta drásticamente, lo que plantea interrogantes sobre la sostenibilidad.
La inferencia, es decir, el uso cotidiano de los modelos de IA una vez desplegados, también se acumula rápidamente a gran escala. Estas demandas exigen innovaciones no solo en la eficiencia de los modelos y en el diseño del hardware, sino también en la forma de obtener energía. Los modelos de IA deben volverse más eficientes desde su diseño. Los modelos más pequeños y especializados, que alcanzan un rendimiento comparable al de los modelos grandes de propósito general, presentan una sobrecarga computacional mucho menor.
2. Ecosistema
Ecosistema de aplicaciones
El diseño de la arquitectura que lleva la IA a sus usuarios debe centrarse en que el aprovechamiento de la IA sea lo más inclusivo posible, tendiendo puentes sobre la brecha digital entre los tecnólogos y la población más amplia que consume IA.
Hoy en día, la comunidad de desarrolladores desempeña un papel fundamental en la configuración del futuro de la IA. Desde la creación de modelos de IA éticos hasta la contribución a herramientas de IA de código abierto, los desarrolladores actúan como constructores y custodios de las capas fundamentales de la IA. Sus decisiones —en algoritmos, datos de entrenamiento, marcos de trabajo y estrategias de despliegue— influyen tanto en el rendimiento técnico como en el impacto social.
Afortunadamente, el acceso a la tecnología de IA ya no se limita a los expertos. El auge de las plataformas de bajo código y sin código ha democratizado el desarrollo de la IA, lo que permite a personas no técnicas y a pequeñas empresas aprovechar las capacidades de la IA para afrontar retos del mundo real. Esta accesibilidad es un paso clave hacia la innovación inclusiva, ya que permite que comunidades que históricamente quedaron al margen de la revolución digital participen en la era de la IA.
Tender puentes sobre la brecha digital en IA no consiste solo en herramientas, sino en personas. El talento, la investigación y la colaboración interdisciplinar son esenciales para un desarrollo responsable. El potencial de la IA reside en su capacidad para conectar ámbitos industriales y generar nuevo valor a partir de innovaciones transversales.
En el núcleo de todo desarrollo de la IA están los datos. El acceso a los datos —y las decisiones sobre cómo se recopilan, comparten y utilizan— sigue estando firmemente en manos humanas. La custodia responsable de los datos, guiada por una gobernanza clara, el consentimiento y la inclusión, determina la equidad y la aplicabilidad de los sistemas de IA. Sin un acceso equitativo a datos representativos y de alta calidad, incluso la IA más avanzada corre el riesgo de reforzar sesgos o de no servir a sus usuarios previstos.
Ecosistema de dispositivos
Otro factor importante en el desarrollo y el impacto de la IA en la sociedad es el ecosistema de dispositivos. Si bien dicho ecosistema depende en gran medida del desarrollo de la IA, tal como se ha expuesto anteriormente, ambos evolucionan de forma paralela.
Para que la IA ofrezca inteligencia en tiempo real y sensible al contexto en el mundo físico, debe integrarse en dispositivos cotidianos: teléfonos inteligentes, sensores, dispositivos portátiles, equipos industriales, vehículos y más. Estos dispositivos actúan como los ojos, los oídos y las yemas de los dedos de la IA, capturan los datos que necesita para aprender y actuar, y ofrecen información exactamente donde se necesita: en el borde.
Sin un ecosistema de dispositivos robusto e innovador, la IA corre el riesgo de quedar aislada en entornos centralizados, desconectada de las interacciones con el mundo físico y sin capacidad para percibir, responder y adaptarse en tiempo real. Por ejemplo, un modelo de mantenimiento predictivo solo es tan bueno como los sensores que lo alimentan, y un asistente de IA generativa solo resulta útil si puede ejecutarse con agilidad en el teléfono o el portátil del usuario.
Para ello, el ecosistema de dispositivos debe evolucionar de forma continua. Los dispositivos deben ser más pequeños, más inteligentes, más eficientes desde el punto de vista energético y capaces de ejecutar cargas de trabajo de IA localmente. Las innovaciones en chips de bajo consumo, aceleradores de IA en el borde, tecnología de baterías y protocolos de conectividad adaptativa son fundamentales para esta evolución. Igualmente importantes son los avances en seguridad, actualizabilidad e interoperabilidad, para garantizar que la IA en el borde sea fiable y escalable.
3. Gobernanza
La seguridad y la gobernanza de la IA requieren un enfoque combinado de arriba abajo y de abajo arriba. El diseño de arriba abajo debe centrarse en crear barreras flexibles para el aprovechamiento de la IA.
El diseño de abajo arriba debe centrarse en la observabilidad y el control, mediante capacidades como la IA explicable (XAI), vinculadas a barreras flexibles de arriba abajo que puedan ajustarse rápidamente en función de lo observado para mantener el control. Aunque la tecnología pueda evolucionar rápidamente, los valores que orientan su uso —equidad, responsabilidad, transparencia y seguridad— deben definirse de forma intencionada y perfeccionarse de manera continua por las personas.
¿Cómo está creando el Foro Económico Mundial barreras para la inteligencia artificial?
El Centro de Excelencia en IA reúne a líderes de distintos sectores para comprender la rápida evolución de la inteligencia artificial y sus implicaciones para las economías y las sociedades. Respalda un diálogo informado sobre las oportunidades, los riesgos y las compensaciones vinculadas a la adopción de la IA.
A través de espacios de confianza e iniciativas de colaboración, el Centro permite a sus socios generar una comprensión compartida y trabajar juntos en enfoques responsables para la innovación y el uso de la IA.
Tender puentes sobre la brecha digital permitirá que las comunidades desarrollen seguridad y gobernanza específicas de cada ámbito. Esto ayudará a promover un enfoque responsable de la IA, en el que los algoritmos se construyan cumpliendo los requisitos y las normativas desde el principio.
La gobernanza debe ser contextual y adaptativa. Los marcos de IA responsable no son algo que podamos externalizar a las máquinas que estamos construyendo. Son, en cambio, un reflejo de los valores humanos, guiados por nuestra comprensión en evolución de cómo interactúa la IA con la sociedad.
La responsabilidad recae en nosotros, los lectores humanos de este artículo, para plantear las preguntas adecuadas, definir los objetivos adecuados y diseñar los sistemas adecuados.
