La IA ha puesto sobre la mesa nuevas capacidades como el aprendizaje automático y la deducción de patrones en una masa informe de datos. La prospección apoyada en una IA madura permitirá reducir la incertidumbre en entornos, como el actual, especialmente cambiantes. Sus aplicaciones a la hora de entrever la evolución de procesos, mercados o clientes, irán desde el mantenimiento predictivo de una maquinaria a la planificación financiera, las debilidades de una red de suministro, las fluctuaciones económicas o los mapas de riesgo.
Aunque se considere la tecnología más transformadora entre todas las emergentes, los especialistas coinciden en que la IA apenas está comenzado su era dorada. Podemos esperar un salto de escala en sus capacidades analíticas, incluido el aprendizaje autónomo, y su evolución hacia inteligencias artificiales, en plural, realmente inteligentes, como explica el Instituto de Investigación en IA. Hablamos de una evolución especialmente dificultosa, pero podríamos simplificarla en que, a pesar de la enorme potencia procesadora de la IA actual, se califica de débil por algunas limitaciones drásticas como su aplicación específica y no general o versátil en entornos diferentes. El salto de la llamada IA débil a la IA fuerte aún no se ha producido.
Un ejemplo de esas dos caras de la moneda: los algoritmos expertos en ajedrez pueden batir a todo un Kaspárov, pero son incapaces de entender las sencillas reglas de las damas. A un niño le basta ver una imagen de un elefante para reconocer ese animal en otra, aunque tenga una perspectiva distinta. Sin embargo, los programas gráficos necesitan entrenarse con millones de imágenes para lograr lo mismo. Acercarse cada vez más a esas capacidades cognitivas humanas es el horizonte de su evolución, con el desarrollo de habilidades como la IA general o la inteligencia simbólica capaces de producir y asociar conceptos abstractos.
Entender la inteligencia de contexto, las relaciones de causa-efecto o las variables intangibles de los comportamientos humanos permitiría multiplicar la operatividad de IA para prever escenarios donde interactúan múltiples factores complejos. Sería parecido a conocer a fondo las dinámicas de los fenómenos meteorológicos para anticiparlos bastante mejor. Alcanzar ese óptimo es, hoy por hoy, casi una utopía. Como dice Paul Van Branteghem, cofundador de Spain AI, hoy por hoy es difícil imaginar a una IA que entienda, como lo hace una persona, el sentido profundo de los contextos. De hecho algunos expertos predicen que nunca se logrará porque esa capacidad de pensamiento genérico, abstracto, simbólico, que integre percepción, representación, razonamiento, aprendizaje y acción, depende en buena medida de cualidades inalcanzables para las máquinas como la interacción sensorial y emocional con el mundo físico.
Aun así, la revolución en su capacidad prospectiva aplicada a retos complejos, por ejemplo la gestión de riesgos en los procesos de internacionalización, no está tanto en realizar ese ideal, sino en avanzar hacia él a un ritmo cada vez más acelerado. Ante esa capacidad potencialmente disruptiva surge la pregunta de si conviene ese salto de la IA débil a la IA fuerte. He ahí el dilema, expresado en la actual tramitación de normativas para su uso ético, solicitudes de moratorias o debates sobre su amenaza a la privacidad o su impacto en el empleo.
Dada la imparable expansión de la IA, quizás convenga ampliar la mirada panorámica a visiones que contextualizan este temor, al fin y al cabo similar al de oleadas tecnológicas anteriores, aunque en este caso la gran diferencia es una velocidad tal de implantación que dificulta la adaptación a los cambios. No obstante, algunos estudios predicen una aportación al PIB mundial también acelerada, multiplicada por ocho a finales de esta década, o reivindican el poder de la IA para reducir la pobreza y potenciar capacidades humanas, entre ellas la prospectiva.