En un contexto donde las empresas aceleran la adopci\u00f3n de inteligencia artificial (IA) en diversas funciones, surge una advertencia importante desde el interior de la industria. Kalyan Kumar, director de productos de HCL Software, hizo un llamado claro en una reciente discusi\u00f3n sobre la democratizaci\u00f3n de la IA durante el ET AI Impact Forum en el India AI Impact Summit: “Por favor, no utilicen los modelos de lenguaje grande (LLMs) como una alternativa a los motores de b\u00fasqueda”.<\/p>\n
Kumar enfatiz\u00f3 que, aunque la inteligencia artificial no es un concepto nuevo, con m\u00e1s de 50 a\u00f1os de historia, ha habido cambios significativos en c\u00f3mo se procesa y se consume la informaci\u00f3n. La disponibilidad de computaci\u00f3n a gran escala ha generado un aumento exponencial de datos, creando la necesidad de m\u00e1s potencia de procesamiento. Sin embargo, este avance tambi\u00e9n conlleva altos costos energ\u00e9ticos; de hecho, se estima que una sola consulta a ChatGPT puede requerir hasta diez veces m\u00e1s electricidad que una b\u00fasqueda tradicional en Google.<\/p>\n
En este sentido, Kumar advierte sobre la tentaci\u00f3n de utilizar LLMs para tareas cotidianas, se\u00f1alando que cada consulta tiene un alto costo en t\u00e9rminos de infraestructura. “La infraestructura detr\u00e1s de cada consulta debe ser considerada; es como quemar medio litro de queroseno por cada b\u00fasqueda”, afirma.<\/p>\n
Kumar sugiere que las empresas deben centrarse en desarrollar modelos m\u00e1s peque\u00f1os y optimizados. “No podemos resolver el problema de infraestructura sin abordar el problema de datos. Necesitamos ser m\u00e1s juiciosos en el uso de la IA”, a\u00f1ade. Esto implica una revisi\u00f3n profunda de c\u00f3mo se utilizan los modelos y la adaptaci\u00f3n a nuevas realidades tecnol\u00f3gicas.<\/p>\n
Una de las conclusiones que se extraen de su intervenci\u00f3n es que no solo las instituciones educativas tienen la responsabilidad de formar a los profesionales del futuro; cada individuo debe comprometerse a “aprender, desaprender y reaprender”. La capacidad de adaptarse a la nueva informaci\u00f3n y a las nuevas tecnolog\u00edas se convierte as\u00ed en un imperativo personal.<\/p>\n
En el contexto indio, Kumar argumenta que el pa\u00eds debe recalibrar su enfoque tradicional de satisfacer la demanda global. Reflexionando sobre la d\u00e9cada de los 90, cuando India se enfoc\u00f3 en generar codificadores masivamente, sostiene que es fundamental diferenciar entre programadores y verdaderos ingenieros que aporten pensamiento cr\u00edtico y capacidad de resoluci\u00f3n de problemas.<\/p>\n
Para ello, propone que la industria y la academia deben colaborar en la revisi\u00f3n de los planes de estudio, asegurando que se ense\u00f1en habilidades relevantes y valiosas. Adem\u00e1s, es fundamental fomentar competencias a menudo subestimadas, como la persistencia y el pensamiento cr\u00edtico.<\/p>\n
Por otro lado, Gokul Subramaniam, presidente de Intel India, recalca que las habilidades en IA no deben permanecer limitadas a peque\u00f1os equipos de especialistas. Su visi\u00f3n implica que todos los empleados, en diversas funciones, deben ser capaces de utilizar o desarrollar herramientas de IA que les permitan mejorar su eficiencia.<\/p>\n
La seguridad tambi\u00e9n se menciona como un elemento fundamental que debe ser incorporado desde el dise\u00f1o hasta la ejecuci\u00f3n. Es esencial construir un enfoque “primero en seguridad” para todas las aplicaciones y tecnolog\u00edas.<\/p>\n
Desde la perspectiva de la regulaci\u00f3n, Anne Neuberger de Andreessen Horowitz se\u00f1ala que la transparencia es clave para establecer confianza. Es vital que los usuarios comprendan c\u00f3mo un modelo lleg\u00f3 a una conclusi\u00f3n, especialmente en \u00e1reas sensibles como la salud y la seguridad p\u00fablica. La regulaci\u00f3n debe evolucionar constantemente y no convertirse en un mero tr\u00e1mite burocr\u00e1tico.<\/p>\n
En resumen, democratizar la IA no solo trata del acceso a modelos o computaci\u00f3n. Implica una reconstrucci\u00f3n de las bases de datos, incorporar la seguridad en el hardware, repensar el desarrollo del talento y, sobre todo, usar la tecnolog\u00eda con una disciplina adecuada. A veces, esta disciplina comienza con la restricci\u00f3n en el uso de recursos.<\/p>\n
Las palabras de Kalyan Kumar y sus colegas nos recuerdan que, mientras la IA avanza, es crucial utilizarla de manera responsable y reflexiva.<\/p>\n