inteligencia artificial (IA)

Capacidad de ciertos sistemas computacionales de imitar formas de razonamiento humano.

La IA es un campo interdisciplinar de la informática y la ingeniería que busca desarrollar sistemas capaces de realizar tareas que, tradicionalmente, han requerido procesos cognitivos humanos. En el contexto de la economía del conocimiento, la IA no solo se define como una herramienta técnica, sino como una tecnología de propósito general, capaz de reconfigurar las estructuras de producción, la toma de decisiones políticas y la gestión de la información a escala global.

Dentro de la inteligencia artificial encontramos subcampos, como el machine learning, las artificial neural networks o el deep learning.

Clasificación y evolución

Para entender el impacto de la IA en las diversas áreas de conocimiento, es fundamental distinguir entre sus dos vertientes principales:

IA débil (o IA estrecha)

Son sistemas diseñados para tareas específicas; por ejemplo, algoritmos de recomendación, detección de fraudes o diagnósticos médicos.

IA fuerte (o general)

Se trata de un concepto teórico de sistemas que poseen una capacidad cognitiva similar o superior a la humana en cualquier ámbito.

Pilares del paradigma actual

El auge contemporáneo de la IA, especialmente del machine learningy el deep learning, se sostiene sobre tres ejes principales:

Datos

Los datos -y especialmente los big data– constituyen el combustible metafórico del sistema. La IA convierte datos no estructurados en activos económicos y políticos, lo cual ha impulsado el desarrollo de teorías como el capitalismo de vigilancia o la economía de datos.

Capacidad de cómputo

La concentración de infraestructura de hardware (CPUs y GPUs) define nuevas jerarquías de poder entre estados y corporaciones, con lo cual la capacidad de cómputo viene siendo un recurso geopolítico clave.

Algoritmos

Los algoritmos son las reglas lógicas que permiten a las máquinas identificar patrones y realizar predicciones sin ser programadas explícitamente para cada paso.

Implicaciones críticas

Desde una perspectiva de  economía política del conocimiento, la IA introduce ciertos debates críticos:

Sesgo algorítmico

Dado que los modelos aprenden de datos históricos, pueden perpetuar e incluso amplificar prejuicios raciales, de género o socioeconómicos en procesos de contratación, crédito o justicia.

Automatización y mercado laboral

Más allá del desplazamiento de tareas rutinarias, la IA generativa afecta ahora a sectores de alta cualificación, obligando a una redefinición de la ventaja competitiva humana y del sistema educativo.

Gobernanza y ética

La IA nos enfrenta al desafío de la «caja negra» (black box), donde la opacidad de los procesos de decisión de la IA choca con la necesidad de transparencia y rendición de cuentas en las políticas públicas.

Por ello se han ido desarrollando ciertos marcos éticos y procedimentales que procuran garantizar la gobernanza y la ética de la IA. En este sentido apunta AI TRiSM, sigla de artificial intelligence, trust, risk, and security management (gestión de la confianza, riesgo y seguridad en inteligencia artificial). Se trata de un marco de trabajo para que las organizaciones puedan asegurar la gobernanza de la integración de la inteligencia artificial en sus procesos y áreas de gestión corporativa y de negocios.

Junto con el desarrollo de la inteligencia artificial, nos hemos ido habituando al uso de ciertos conceptos emergentes, como los ejemplos que se muestran a continuación.

Una entidad de software capaz de percibir su entorno, razonar sobre objetivos complejos y ejecutar acciones de forma autónoma para alcanzarlos.

A diferencia de un modelo de lenguaje convencional (como un chatbot estándar), que es esencialmente reactivo, un agente es proactivo. No solo genera texto, sino que utiliza herramientas (acceso a internet, manejo de archivos, ejecución de código) para completar flujos de trabajo de principio a fin y sin intervención humana constante.

Hablamos de alucinación de la IA para referirnos a una respuesta incorrecta, falsa o incoherente que un modelo de IA nos presenta como si se tratara de una información fundada.

Las alucinaciones se deben a que un LLM utiliza un modelo predictivo de procesamiento de información y está entrenado para aportar respuestas probabilísticas; en ocasiones, el modelo puede percibir patrones que en realidad no existen o también puede ocurrir que no se haya entrenado con suficiente información relevante del campo relacionado con la consulta que se le ha ingresado.

Tendencia, práctica o campo de investigación y desarrollo de sistemas de inteligencia artificial con un muy alto grado de autonomía (agentes de IA).

Una rama de la inteligencia artificial que se centra en crear modelos capaces de generar contenidos nuevos y originales a partir de grandes volúmenes de datos de entrenamiento.

A diferencia de otros sistemas de IA que sólo clasifican, predicen o reconocen patrones, la IA generativa tiene la capacidad de producir resultados inéditos (texto, imagen, vídeo, sonido) que imitan o combinan las características de la información con la que fue entrenada.

Crawford, Kate (2023). Atlas de IA: Poder, política y costes planetarios de la inteligencia artificial. Ned Ediciones.

• Lleva a entender que la inteligencia artificial no es una entidad abstracta o incorpórea, sino un sistema profundamente enraizado en estructuras materiales y sociales de poder. Desmitifica la tecnología al mapear sus costes reales: desde la extracción destructiva de recursos naturales y la explotación laboral en la cadena de suministro, hasta el uso de datos masivos que perpetúan sesgos y desigualdades. Cuestiona, con argumentos, la «neutralidad» de los algoritmos y expone la IA como una herramienta de capital y vigilancia.