Más allá de delegar a la IA
Hace pocos días, 25 ganadores de la Medalla Fields publicaron una carta que cuestiona la carrera por usar inteligencia artificial para resolver grandes problemas matemáticos. Días antes, OpenAI había anunciado que uno de sus sistemas encontró una posible solución a un problema matemático que lleva décadas sin resolverse. Los firmantes plantean una pregunta de fondo: ¿qué buscamos cuando hacemos matemáticas?
Si una IA encuentra la solución a una pregunta que lleva décadas abierta, ese resultado puede abrir nuevos caminos. Pero en matemáticas también importa el proceso. Al intentar resolver un problema se desarrollan técnicas, aparecen conexiones inesperadas y surgen nuevas preguntas. Lo aprendido en el camino puede ser tan importante como la respuesta.
Esta discusión puede parecer lejana, pero no lo es. Pensemos en resumir un texto. Si quiero saber rápidamente de qué trata un informe, probablemente quiero que la IA lo resuma. Pero si estoy estudiando ese mismo texto para aprender, hacer el resumen puede ser parte del aprendizaje. La tarea parece la misma, pero el valor que buscamos es distinto. Por eso, antes de preguntarnos cuánto delegar a la IA, necesitamos una pregunta más básica: ¿para qué hacemos esta tarea? ¿Buscamos el resultado, valoramos el proceso o necesitamos ambos?
A medida que aumenta la capacidad de la IA, crece también aquello que podemos delegar. Pero la delegación no es una decisión entre sí o no. Es un continuo. Podemos usarla como apoyo, trabajar con ella, codiseñar, supervisarla o darle grados crecientes de autonomía. Dónde ubicarnos depende de lo que queremos conseguir.
Y aparece una segunda pregunta. Quizás no basta con decidir cuánto delegar dentro de un proceso que ya existe. También podemos cambiar el proceso. Volvamos a los matemáticos. No tenemos por qué elegir entre que los humanos intenten resolver un problema o que lo haga una IA. Pueden hacerlo ambos. Podemos estudiar las soluciones de la máquina, entender por qué funcionaron, descubrir estrategias nuevas, generalizarlas o usarlas para formular otras preguntas. Que una máquina encuentre una solución no significa que nosotros hayamos terminado de aprender del problema.
En las organizaciones ocurre algo similar. Si mantenemos procesos diseñados antes de que existiera esta tecnología y sólo reemplazamos algunos pasos humanos por IA, capturaremos sólo una parte de su potencial. La pregunta es si diseñamos hoy este trabajo, sabiendo que contamos con capacidades humanas y artificiales, ¿lo haríamos de la misma manera? Quizás algunas etapas desaparecerían, otras ocurrirían en paralelo y podrían surgir formas de trabajo que antes no eran posibles. Eso exige repensar qué capacidades queremos desarrollar en las personas, qué decisiones deben seguir requiriendo juicio humano, dónde conviene que la IA proponga, dónde que critique, dónde que explore alternativas y dónde puede actuar con mayor autonomía. En algunos casos, la mejor respuesta será delegar más. En otros, será conservar deliberadamente parte del proceso. Y en muchos, será diseñar una interacción nueva entre ambos.
La IA no sólo amplía lo que podemos delegar. También cambia el espacio de posibilidades sobre cómo aprender, decidir, crear y trabajar. Por eso, el desafío no es simplemente repartir mejor las tareas entre humanos y máquinas. Es entender qué valor queremos producir y, desde ahí, diseñar nuevas formas de trabajo que aprovechen las capacidades de ambos.
