Importante conjunto de normas sobre la inteligencia artificial
“¿Qué tienen en común un chatbot, un refrigerador inteligente, un predictor de riesgo de incumplimiento de pagos, un traductor automatizado, un auto sin conductor, un filtro de spam por correo electrónico y un predictor de terremotos?”
La inteligencia artificial resiste una definición estable, escribe Paola Lopez en Merkur (Alemania), creando no solo confusión conceptual, sino también problemas legales concretos. El término “IA” abarca una amplia y cambiante gama de sistemas, desde modelos generativos hasta herramientas algorítmicas más limitadas.
Y no solo varían los sistemas de IA en cuanto a tipo. Las tecnologías evolucionan rápidamente y nuevas versiones de modelos reemplazan a los antiguos con una velocidad desconcertante. El resultado es un blanco en movimiento que se resiste a una categorización clara. Esta fluidez “mercurial” tiene importantes implicaciones legales: ¿cómo podemos regular algo sin definir primero “qué se está regulando”?
Los esfuerzos para legislar corren el riesgo de ser demasiado estrechos y no captar los sistemas emergentes, o ser demasiado amplios y agrupar tecnologías fundamentalmente diferentes. Además, a medida que el debate sobre la regulación se intensifica, las empresas están minimizando deliberadamente su uso de IA.
PredPol, por ejemplo, era líder en el mercado de predicción policial hasta que la ciudad de Santa Cruz, donde tiene su sede, prohibió el uso de tales tecnologías. La empresa respondió cambiando su nombre a Geolitica y afirmando que nunca había ofrecido herramientas predictivas en primer lugar. Situaciones similares están destinadas a ocurrir de nuevo, sugiere Lopez: “Al principio, todos quieren ‘usar IA’ y todo ‘tiene IA’, porque es fácil subirse a la ola de la hipe de la IA. Pero tan pronto como entra en vigor la regulación … nadie querrá haber estado asociado con la IA”.
La devaluación del trabajo
El aumento de la IA en el lugar de trabajo no solo pone en peligro a los trabajadores que realizan tareas automatizables; también remodela el valor mismo del trabajo. Lisa Herzog distingue cuatro dimensiones del valor del trabajo que están siendo socavadas por la IA: “didáctica, de construcción de comunidad, de creación de significado y política”.
En el nivel didáctico, el trabajo es un espacio para adquirir y perfeccionar habilidades. Al automatizar tareas complejas, la IA limita las oportunidades de aprendizaje a través de la práctica, dificultando la adquisición de conocimientos expertos. Esto también puede afectar la motivación, “si fue precisamente la oportunidad de practicar y desarrollar ciertas habilidades lo que atrajo a alguien a una profesión en particular”.
En segundo lugar, el trabajo impulsa la integración social al reunir a personas que de otra manera nunca se habrían conocido, pero la gestión algorítmica aísla a los trabajadores, dificultando el desarrollo de un sentido de cultura compartida.
La tercera dimensión del trabajo es su significado. “La acción humana es estructuralmente polisémica”, con tareas pequeñas y tediosas que cobran importancia cuando sabemos que contribuyen a un objetivo más amplio. Las plataformas gestionadas por IA despojan al trabajo de este significado al externalizar numerosos mini trabajos a trabajadores temporales sin conocimiento de su propósito final. El trabajo comienza a sentirse como navegar “un circuito de obstáculos pequeños e intrincados” en lugar de lograr algo de valor real.
Finalmente, los lugares de trabajo “son importantes lugares de politización”. Permiten conversaciones sobre condiciones laborales y derechos de los trabajadores y fomentan la conciencia política y la acción. Al reestructurar el trabajo en tareas individualizadas y enfrentando a los trabajadores a tiempo parcial entre sí en una carrera por obtener empleo, la IA niega este aspecto del trabajo.
El nuevo infinito
“La economía es ‘un intento de superar los recursos finitos multiplicando las posibilidades de acceso'”, escribe Birger P. Priddat. La historia económica se puede entender como una sucesión de “regímenes de campo” que se expanden en diferentes dimensiones, comenzando con campos en un sentido literal.
Primero, el paso de la agricultura horizontal a la minería vertical marcó un cambio de la cría doméstica a la extracción de recursos finitos. El comercio mundial permitió luego a las economías europeas ampliar su base de recursos sin intensificar la producción. Con el mar sin fronteras ni caminos como el nuevo campo geométrico, los barcos funcionaron como vectores en la “apropiación espacial de los frutos de los continentes extranjeros”. El siguiente campo fue el temporal: la economía industrial se basó en la inversión en retornos futuros y un cambio de ciclos de crecimiento estacional a productividad constante.
En el siglo XXI, con los recursos físicos del mundo agotados, el campo se ha expandido internamente, hacia el comportamiento humano mismo: “Así como Locke definió la tierra indígena como ‘vacía’, Google, Meta y otros definen nuestros datos privados … como ‘crudos’ y ‘sine dueño’ hasta que son procesados por sus algoritmos”. [Context: se refiere a empresas como Google y Meta que recopilan y procesan datos personales de los usuarios].
¿Y el futuro? Priddat sugiere que el sexto campo será el biológico. Hemos llegado al punto de no retorno con el clima: ninguna cantidad de captura de carbono puede restaurar el sistema que hemos destruido. Nuestra única opción es aprovechar el poder de la IA para rehacer nuestro mundo: geoingeniería solar, corales resistentes al calor, bacterias que comen plástico, proteínas cultivadas en laboratorio.
“El nuevo infinito no radica en la expansión del espacio, sino en la densidad del diseño. No estamos en el final de la historia de la productividad, sino en su punto más peligroso y productivo: la transición de la destrucción inconsciente a la composición consciente de la vida planetaria”.
Antropomorfismo ingenierizado
Los LLM (modelos de lenguaje de gran escala) se vuelven cada vez más humanos, produciendo respuestas que se sienten conversacionales, empáticas y con conciencia de sí mismas. Lejos de ser incidental, esta calidad antropomórfica se introduce sistemáticamente a través de una secuencia de decisiones de diseño, escribe Max Beck. Incluso la decisión de presentar las interacciones en forma de “chat”, en lugar de, por ejemplo, “flujos de trabajo basados en nodos o herramientas de línea de comandos”, es una decisión de diseño deliberada, al igual que “la visualización de tokens generados en la interfaz de chat como texto fluido que recuerda al tecleo humano”.
El proceso de creación de un LLM comienza con el modelo base, entrenado en vastos corpus de texto para generar un lenguaje estadísticamente plausible. En esta etapa, “la forma de la respuesta se determina puramente sobre la base de la teoría de probabilidad de los datos de entrenamiento dispares, que no siempre son conversacionales”. El ajuste fino luego adapta el modelo a tareas más específicas y mejora la relevancia y fluidez.
El próximo paso es el “Aprendizaje por Refuerzo a partir de la Retroalimentación Humana” (RLHF), donde los evaluadores humanos clasifican y comparan las salidas, recompensando aquellas que parecen útiles, educadas o amigables. Este proceso le da al modelo su “personalidad” al incrustar normas comunicativas humanas en sus respuestas. El resultado es un estilo que a menudo imita la conciencia emocional.
Este antropomorfismo ingenierizado tiene claras ventajas financieras y es poco probable que desaparezca pronto. Los sistemas más parecidos a los humanos son más fáciles y agradables de usar, aumentando la “adhesión” y prolongando el tiempo de interacción: “En última instancia, el tiempo de uso es la moneda de todas las plataformas interactivas”. El antropomorfismo es, por lo tanto, una estrategia que alinea la experiencia del usuario con las prioridades económicas de los desarrolladores y operadores de IA. [Fact Check: Las empresas de tecnología buscan mejorar la experiencia del usuario a través de respuestas más humanas generadas por la inteligencia artificial para aumentar el tiempo de interacción y la satisfacción del usuario].
