Durante los últimos meses, el desarrollo así como la implementación fulgurante de algunas aplicaciones de IA como ChatGPT (OpenAI), Bard (Google), Copilot (Microsoft, OpenAI), etc, se está empezando a sentir en el mercado laboral. De hecho, trabajadores de empresas tecnológicas empiezan a demostrar su preocupación con respecto al impacto de la IA en el empleo. En principio, se muestran más vulnerables aquellos puestos más facilmente automatizables. Siendo la tecnología de la información, las finanzas y las ventas los roles que a día de hoy han sido calificados como más vulnerables en el informe generado por el foro económico mundial titulado “Jobs of Tomorrow: Large Language Models and Jobs”.

Realmente,  ¿puede usarse un LLM para generar el trabajo que genera una persona? ¿Hasta qué punto puede un LLM reemplazar a una persona? Ésta pregunta nos lleva directamente al título de ésta entrada: “la prueba de Turing”.

La prueba de Turing

La prueba de Turing, propuesta por Alan Turing en su artículo «Computing Machinery and Intelligence» (1950), evalúa si una máquina puede exhibir un comportamiento indistinguible del de un humano durante una interacción, presentando ésta pregunta como alternativa clara a la pregunta original, que no era otra que: ¿Pueden las máquinas pensar? Ésta última fue descartada por Turing por su complejidad ya que requería la aclaración de un concepto tan complejo como “pensar”. De hecho a día de hoy, esa pregunta sigue sin respuesta.

Analicemos la prueba.  Para superarla, una inteligencia artificial debe interactuar con una persona de forma escrita, de tal manera que un evaluador externo al leer el intercambio de información entre la máquina y la persona no pueda diferenciar cual de los dos interlocutores es una máquina y cual un ser humano. Si el observador externo no es capaz de diferenciar la máquina de la persona, se considera que, el algoritmo de IA ha pasado la prueba y, por tanto, exhibe un comportamiento inteligente. En ésta última frase, la palabra “exhibe” es clave, el test no garantiza la inteligencia del algoritmo, sino su capacidad para simular respuestas humanas de forma convincente.

Turing describe de forma detallada objeciones filosóficas, matemáticas y prácticas a la posibilidad de que ambos interlocutores no sean distinguibles, incluyendo argumentos basados en la conciencia, la creatividad, la previsibilidad y las limitaciones computacionales. Tengamos en cuenta que éste artículo se publicó en 1950 sólo un par de años después de la invención del transistor (pieza fundamental en el desarrollo de la microelectrónica y por tanto de la computación – que aún se encontraba en una fase muy inicial). Aún en ese contexto, su conocimiento y brillantez le permitieron postular que muchos de esos obstáculos podrían ser salvados gracias a avances tecnológicos y a una comprensión más amplia de la cognición humana. Concluyendo que las objeciones desarrolladas en su artículo no eran definitivas y que las máquinas podrían llegar a superar éstas limitaciones haciéndolas indiferenciables de un humano en una conversación.

Prueba de Turing superada

Hace tan sólo unos meses, en Mayo de 2024 un equipo científico de la universidad de California, San Diego demostró que chatGPT versión 4 es estadísticamente indiferenciable de un humano. Es decir, chatGPT 4 ha pasado la prueba de Turing. Aunque pasar la prueba de Turing de forma satisfactoria no sea indicativo de inteligencia, no deja de ser un hito en sí mismo y da señas inequívocas de la capacidad que tiene el algoritmo de “interpretar” mensajes y responder de forma aparentemente coherente.

En éste punto, le he pedido a mi colega robótico R. D. Olivaw, que genere información acerca del impacto de la inteligencia artificial en el ámbito laboral una vez superada la prueba de Turing. El contenido generado artificialmente, así como mis comentarios al respecto los encontrarás a continuación. 

Aplicaciones de la IA en el mercado laboral

El hecho de pasar la prueba de Turing puede entenderse como el punto en el que las capacidades de la IA son tan avanzadas que determinado tipo de tareas realizadas por la IA serían indistinguibles de las realizadas por humanos. 

Ejemplos clave incluyen:

• Automatización de tareas cognitivas: Algoritmos que responden consultas, redactan documentos o procesan datos financieros han demostrado ser competitivos. Por ejemplo, herramientas como ChatGPT (OpenAI, 2023) y Bard (Google) son capaces de generar texto coherente y relevante en una variedad de contextos.
  •  De hecho parte del contenido de ésta entrada ha sido generado por IA. Dicho esto, como veremos más adelante no debemos considerar el contenido generado como un producto final.
• Sustitución parcial o total: Ámbitos como la atención al cliente y la redacción básica están siendo transformados rápidamente por estos avances (Autor et al., 2020).
  • Creo que la sustitución de la atención al cliente de forma global podría afectar de forma negativa al consumidor. No obstante, creo que las primeras capas de atención al cliente, centradas en resolver problemas más simples, si podrían ser sustituidas por IA. Dejando los problemas más complejos a operadores humanos apoyados por la IA marcando su carácter de herramienta más que de trabajador autónomo.

Impacto en el Tejido Laboral

Diferentes autores especulan como la integración de la IA va a modificar profundamente la naturaleza del trabajo:

A. Redefinición de roles

• Según Frey y Osborne (2013), el 47% de los empleos en EE.UU. están en riesgo de automatización debido a los avances en IA y robótica.
  • Ésto sin ir más lejos es un ejemplo claro de un error de la IA por parte de mi colega R.D. En 2013 no se habían desarrollado los modelos de lenguaje extensos o LLM como los conocemos hoy, y por tanto no sabemos en que contexto los autores se aventuran a hacer una predicción de ese calibre. Éste es el típico error de falta de contextualización que suele cometer la IA. Por éste tipo de cosas insisto, aunque la información esté bien formateada y parezca que tiene sentido, puede no tenerlo y es necesario revisar toda la información generada por la IA para asegurar su veracidad.
• Las tareas rutinarias y repetitivas son las primeras en ser automatizadas, mientras los roles humanos evolucionan hacia actividades más estratégicas y creativas.
  • También creo que se crearán nuevos roles. Al igual que los cambios que generó la llegada de internet a la sociedad. En muchos sentidos, su aparición, supuso un cambio de paradigma sin embargo, conforme determinados empleos y negocios fueron desapareciendo, otros aparecieron de la nada y ahora se encuentran arraigados en nuestra sociedad. 

B. Productividad y especialización

• McKinsey Global Institute (2017) estima que para 2030, casi el 14% de la fuerza laboral mundial necesitará cambiar de categoría ocupacional debido a la automatización.
  • Sinceramente creo que es pronto para hacer esas estimaciones, de hecho, ya hemos visto que tienen una variabilidad importante. Por supuesto que el auge de la IA va a tener un efecto en el mercado laboral pero considero que a día de hoy es difícil establecer una cifra en concreto.
• La IA complementa al humano, aumentando la productividad y liberando tiempo para tareas complejas.
  • Estoy de acuerdo pero con matices. En gran parte, yo he podido escribir ésta entrada del blog en menos tiempo gracias a la aportación de R.D. Pero como hemos visto, la información no es del todo correcta. Digamos que a día de hoy, debemos ver la IA como una herramienta más, una herramienta muy particular a la que podemos sacar mucho partido pero que al mismo tiempo puede llevar a equívocos si es usada de forma indiscriminada y sin revisar.

C. Desafíos éticos y sociales

• Desempleo tecnológico: Brynjolfsson y McAfee (2014) argumentan que la «segunda era de las máquinas» puede generar desigualdades significativas si no se toman medidas de mitigación.
  • Cierto, pero no podemos decir que sea un fenómeno nuevo. La falta de acceso al conocimiento siempre ha sido un factor potenciador de desigualdades.
• Desigualdad en la adopción: Según el Foro Económico Mundial (2020), los países y sectores con menos acceso a la tecnología pueden quedar rezagados, aumentando las brechas globales.
  • Como vimos en el punto anterior, no creo que este fenómeno sea algo nuevo.
  • Por otra parte, hay un punto que R.D. ha obviado y que me parece de importancia estratégica: la soberanía tecnológica. A día de hoy, damos por hecho el uso de la IA; al fin y al cabo, estamos solo a un clic de distancia de obtener una respuesta, más o menos acertada, a nuestras preguntas. Pero, ¿ dónde está realmente el algoritmo? ¿Quién controla los conjuntos de datos usados para su entrenamiento? ¿Quién controla el acceso a esos servidores? Imaginemos un escenario de tensión entre Norteamérica y Europa: ¿perderían los ciudadanos europeos el acceso a los LLM? Si toda la información y el uso de las herramientas están en manos de grandes empresas, ¿podría ser este el inicio de una era en la que las grandes corporaciones reemplacen a las naciones?

Hacia una colaboración humano-máquina

Diferentes autores opinan que la colaboración entre humanos e IA es esencial para maximizar el potencial de estas tecnologías. La literatura sugiere:

• Complementariedad: Davenport y Kirby (2016) destacan que los humanos deben centrarse en habilidades que las máquinas no pueden replicar fácilmente, como la creatividad y la empatía.
  • Entiendo lo que quieren decir pero de nuevo, creo que piensan que la información generada usando IA es precisa y útil. No hemos llegado a ese punto, a día de hoy sólo parece precisa y útil. Conviene recordar que la IA no tiene conciencia, ni inteligencia, a día de hoy procesa información y genera respuestas basándose en la información procesada.
• Educación continua: Aprendizaje y desarrollo continuo serán clave para preparar a la fuerza laboral para que trabaje junto a sistemas automatizados (OECD, 2019).
  • Esto no debe ser considerado nuevo ni alarmante. Sólo hay que echar la vista atrás y pensar en todos los desarrollos tecnológicos que han sido introducidos en la sociedad durante el siglo XX. El aprendizaje continuo y la adaptación han sido habilidades clave en la fuerza laboral.

Más allá de la prueba de Turing

En el futuro, las preguntas centrales girarán en torno a:

• La ética del uso de IA en trabajos sensibles o que requieren juicios contextuales (IEEE Global Initiative, 2020).
  • Responsabilidad de uso. ¿Quién es responsable de las consecuencias en caso de obtener resultados negativos?
• Cómo garantizar la equidad en la distribución de beneficios y riesgos derivados de la automatización (Ford, 2015).
  • A ver, dejando la IA aparte, ¿hay alguna tecnología en el mundo que presente equidad en cuanto a la distribución de beneficios y riesgos derivados de ella? ¿Hay alguna empresa o país que se preocupe por implementar nuevos desarrollos tecnológicos de forma equitativa a todas las clases sociales? Lamentablemente, aquí manda el dinero.

Conclusiones

La inteligencia artificial ha logrado un hito crucial: superar la prueba de Turing. Este avance, lejos de demostrar inteligencia, resalta su capacidad para realizar tareas de forma sorprendentemente efectiva. Sin embargo, el entusiasmo desbordado de algunos sectores, a veces basado en simple desconocimiento, ha llevado a muchos a exagerar su alcance, confundiendo su utilidad con perfección. La IA no reemplaza la mente crítica ni asegura resultados impecables. Por eso, es fundamental revisar cuidadosamente cada resultado generado, especialmente al incorporar esta tecnología tanto en la vida profesional como en la cotidiana.

Recordemos: la herramienta es valiosa, pero el criterio humano es irremplazable.