MADDALENA FRANCESCA ROSTAGNO Miércoles, 03 de Septiembre de 2025

¿Por qué la IA avanza tan lentamente en la empresa?

Imagen Freepik gratuita

Desde hace un año, en todas las conferencias en las que he participado como ponente, he compartido una advertencia sincera sobre la IA, basada en la certeza de su enorme potencial, pero también en una conciencia clara de sus límites de aplicabilidad en casos reales y en procesos de toma de decisiones.

Una especie de contra-entusiasmo, que ha sido compartido por todo el público de emprendendores y ingenieros con el que me he encontrado.

Hace unos días me crucé con un artículo reciente de The Economist, publicado el 17 de julio, titulado: "Why is AI so slow to spread". Por un momento pensé: "no podría estar más de acuerdo". Sin embargo, al avanzar en la lectura, me encontré con una serie de explicaciones que, si bien son válidas, no llegan al fondo del problema: falta de voluntad, falta de alineación entre directivos y mandos intermedios, o miedo a perder el empleo.

Tuve la suerte y el privilegio de estudiar IA con el Massachusetts Institute of Technology de Boston desde sus fundamentos: estadística y ciencia de datos. Pude apreciar y poner a prueba el poder del machine learning y del unsupervised learning, pero también percibir la fragilidad de los supuestos en los que se basan estos modelos y la dificultad de obtener resultados fiables y útiles.

La aceleración provocada por la IA generativa, en cambio, ha generado una interpretación errónea de lo que realmente es la inteligencia artificial, encendiendo el miedo y el pánico sobre el futuro en muchas categorías profesionales debido a la automatización de tareas.

Pero luego, como le ha ocurrido a muchos de nosotros, llega la mesa redonda en la empresa: "Bueno, hagámoslo, implementemos IA."

Y cuando profundizas, entiendes que en realidad no necesitan IA, sino primero digitalización, infraestructura para entrenar la IA o incluso simplemente nuevas máquinas y equipos básicos.

Luego llega la pregunta:"¿Puedo usar IA generativa para hacer mi trabajo?". Casi todos lo hemos intentado. Y casi todos hemos comprendido lo mismo: la tecnología aún no está lo suficientemente madura.

Los LLM a la base de ChatGPT aún no pueden manipular grandes volúmenes de datos estructurados. Y, por encima de todo, aún no podemos confiar plenamente en ella. En ingeniería, y en todos los sectores donde existen responsabilidades legales o de seguridad, trabajamos dentro de sistemas que tienen que respectar normas: en este momento podemos confiar en una simulación o modelo predictivo de IA que hemos programado, cuyo comportamiento conocemos, y que podemos auditar y verificar.

Pero no podemos confiar a ciegas en una IA generativa para diseñar un componente mecánico o estructural, a menos que exista un proceso claro de validación y trazabilidad.

Distinta es la situación en el ámbito de la investigación, donde el machine learning y su rama generativa están siendo realmente disruptivos en el desarrollo acelerado de nuevos conceptos.

La IA avanza lentamente porque no es nueva.

Vista como modelado predictivo, como debería entenderse, la IA es una ciencia con 30 a 40 años de historia, que siempre ha estado ahí, y que solo recientemente ha sido impulsada por el aumento del poder computacional.

Y en este sentido, encontré muy acertada una observación del artículo de The Economist: "quienes invirtieron en centros de datos están presionando al mercado para acelerar la adopción y recuperar su inversión. También si el mercado y su infraestructuras todavía no están listas".

Pero, en mi opinión, se está pasando por alto algo fundamental:

En la industria, la ingeniería y la manufactura, la seguridad, la estandarización y la conformidad normativa siempre tienen prioridad, incluso frente a las tecnologías emergentes. No obstante, si las normas técnicas no evolucionan al ritmo del avance, las nuevas tecnologías pierden la posibilidad de desarrollarse y de ser realmente integrados.

Esta es una de las principales razones por las que la inteligencia artificial avanza lentamente en las empresas y por las que hay que ser muy cautos a la hora de invertir en ella. Su futuro sigue siendo todavía imprevisible, también por el desafío energético que plantea, del cual hablaremos en un próximo artículo.

*Maddalena Francesca Rostagno es ingeniera, experta UE, MIT-IA certified