Nos guste o no, la inteligencia artificial es algo a lo que hay que prestar atención en estos momentos. Pero, aunque hoy está en boca de todos, lo cierto es que no es un concepto realmente nuevo. De hecho, el primer boom del tema surgió en 1989. “La gran diferencia es que hoy tenemos los datos y la infraestructura para procesar lo que los ordenadores de antes no eran capaces”, explica Carmine de Franco, responsable de Análisis en Ossiam (afiliada de Natixis IM).
Asimismo, lo que entendemos como inteligencia artificial ha evolucionado a lo largo de las últimas décadas. En concreto, Richard Benjamins, estratega jefe de AI y Data en Telefónica, habla de cuatro fases de transformación en el concepto. En la década de los 90 la inteligencia artificial era más clásica: un código complejo para resolver problemas matemáticos. Luego eso evolucionó a lo que se denomina machine learning, un algoritmo capaz de procesar a gran velocidad cantidades masivas de datos. El machine learning vivió un impulso importante en 2011 con el deep learning y hasta hace apenas un año era el paradigma de la inteligencia artificial. Ahora, con la inteligencia artificial generativa, el proceso es el inverso: con una cantidad pequeña de datos la máquina es capaz de crear nueva información.
Pero en opinión de Benjamins no estamos aún en la fase final de lo que puede llegar a suponer la inteligencia artificial. La cuarta fase, el de una inteligencia artificial general, sería ver una máquina capaz de pensar igual que un humano. “A día de hoy el GenAI solo predice en base a un entendimiento estadístico”, matiza el experto.
La inteligencia artificial también ha vivido su invierno
No obstante, el salto que supone la IA generativa, en opinión de Karen Kharmandarian, presidente y director de inversiones de Thematics AM (también afiliada de Natixis IM), es emocionante. “Las tecnologías anteriores requerían un aprendizaje complejo de código, un conocimiento técnico profundo, para saber utilizarlo. Ahora la IA habla nuestro lenguaje”, apunta. Benjamins lo ve como una democratización de la tecnología: “Antes estaba en manos de ordenadores, ahora está en la de los ciudadanos”.
Pero a la vez insisten en mirar más allá de la euforia. “La inteligencia artificial también ha pasado por su invierno. Las nuevas tecnologías tardan un tiempo en ver su implementación real y la IA generativa no será una excepción”, advierte Kharmandarian. En su opinión, el bombo excesivo siempre es una receta para la desilusión.
De hecho, la IA generativa actual aún no está libre de problemas. “No hay que olvidar que la tecnología actual genera contenido a través de información que encuentra. Puede ser coherente, pero también puede llegar a inventarse sus respuestas si usa datos inexactos”, advierte Benjamins.
Riesgo laboral
Por eso los expertos son cautos ante las previsiones de la ola de destrucción laboral que supuestamente traerá la nueva inteligencia artificial. “Desde que nació el capitalismo el ser humano ha temido perder su empleo. El cambio del transporte de caballos a coches no fue inmediato”, recuerda De Franco. “Cuanto más social sea un trabajo menos potencial veo para que sea automatizado”, añade Benjamins.
Curiosamente, si hay una industria donde los expertos ven un potencial importante para su implementación es la de la gestión de activos. Y a lo largo de toda la cadena de valor, cree Kharmandarian. Por ejemplo, para procesar una gran cantidad de información que ayudará a tener una imagen más precisa de quién es su cliente y qué necesidades tiene. Claro que eso requerirá una mejora en la relación entre el asesor y el cliente. “Si el inversor tiene mucha más información disponible el asesor debe preguntarse cómo puede ser útil y aportar valor añadido”, apunta.
