{"id":93834,"date":"2023-11-05T07:33:41","date_gmt":"2023-11-05T07:33:41","guid":{"rendered":"http:\/\/cordobainforma.info\/index.php\/2023\/11\/05\/inteligencia-artificial-reemplazo-hibridacion-progreso\/"},"modified":"2023-11-05T07:33:41","modified_gmt":"2023-11-05T07:33:41","slug":"inteligencia-artificial-reemplazo-hibridacion-progreso","status":"publish","type":"post","link":"http:\/\/cordobainforma.info\/index.php\/2023\/11\/05\/inteligencia-artificial-reemplazo-hibridacion-progreso\/","title":{"rendered":"Inteligencia Artificial: reemplazo, hibridaci\u00f3n\u2026 \u00bfprogreso?"},"content":{"rendered":"
<\/div>\n
<\/div>\n

En noviembre de 2022, OpenAI lanz\u00f3 ChatGPT. Seg\u00fan la compa\u00f1\u00eda, en solo cinco d\u00edas la aplicaci\u00f3n ya ten\u00eda un mill\u00f3n de cuentas activas. A Instagram, hasta entonces un ejemplo de r\u00e1pida adopci\u00f3n, le hab\u00eda llevado aproximadamente dos meses y medio llegar a ese n\u00famero de descargas. Para enero de 2023, ChatGPT ten\u00eda m\u00e1s de cien millones de cuentas activas. Se trata de una tecnolog\u00eda de f\u00e1cil y barata adopci\u00f3n. Su uso no requiere equipamiento sofisticado porque corre en internet, y ChatGPT incluso tiene una versi\u00f3n gratuita. Tambi\u00e9n hay modelos rivales menos avanzados disponibles en acceso abierto, aunque su uso requiere de adaptaci\u00f3n. Como veremos a continuaci\u00f3n, la posibilidad de ofrecer tecnolog\u00eda de frontera a bajo precio se explica, entre otros factores, porque su base es la apropiaci\u00f3n de conocimiento y datos producidos por terceros.<\/p>\n

En este escenario, la preocupaci\u00f3n ya no por el futuro, sino por el presente del trabajo, creci\u00f3 exponencialmente. El futuro del trabajo es hoy; millones de tareas se est\u00e1n automatizando. McKinsey, la consultora privada m\u00e1s grande del mundo, estima que, para 2030, un 30% de las tareas que hoy se realizan en Estados Unidos estar\u00e1n automatizadas, una cifra que esconde las desigualdades del mercado laboral. En el mismo informe, se calcula que quienes realizan los trabajos peor pagos tienen hasta catorce veces m\u00e1s posibilidades de tener que cambiar de empleo que quienes cobran los salarios m\u00e1s altos, en tanto que las mujeres tienen 1,5 veces m\u00e1s probabilidades de tener que buscar otro empleo que los varones.<\/p>\n

Entender por qu\u00e9 la Inteligencia Artificial (IA) que se desarrolla en la actualidad prioriza la automatizaci\u00f3n requiere sacar el zoom de las discusiones acerca del uso de esta tecnolog\u00eda para centrarnos primero en las relaciones de producci\u00f3n de IA. Iremos del trabajo que produce IA a la IA que reemplaza trabajo. Esto implica preguntarnos qu\u00e9 se est\u00e1 produciendo, es decir, qu\u00e9 es la IA.<\/p>\n

\u00bfQu\u00e9 es la Inteligencia Artificial y qui\u00e9n la controla?<\/p>\n

Yendo del g\u00e9nero a la especie, la IA se compone de un conjunto de algoritmos, es decir, reglas o instrucciones que deben seguirse para resolver un problema o realizar un c\u00e1lculo. Aunque usamos algoritmos para resolver problemas de lo m\u00e1s diversos, su popularidad reciente est\u00e1 asociada al big data. Los grandes vol\u00famenes de datos extra\u00eddos de plataformas digitales o de otros \u00e1mbitos, tales como m\u00e1quinas conectadas a trav\u00e9s de Internet de las Cosas, deben procesarse para obtener informaci\u00f3n \u2013sobre el pasado y el presente\u2013 que pueda configurar el futuro. Para ello se usan algoritmos.<\/p>\n

En la actualidad, la t\u00e9cnica m\u00e1s avanzada para procesar datos es un subconjunto de algoritmos de IA, una clase de machine learning llamada aprendizaje profundo (deep learning) o redes neuronales profundas (deep neural networks). Esta es la tecnolog\u00eda de IA que m\u00e1s creci\u00f3 en solicitudes de patentes entre 2012 y 2016, y su desempe\u00f1o es mejor que el de cualquier otro modelo de IA. Los modelos de deep learning est\u00e1n constituidos por muchas capas que forman redes jer\u00e1rquicas para aprender caracter\u00edsticas y clasificar identificando patrones. <\/p>\n

La especificidad de estos algoritmos es que evolucionan, se vuelven m\u00e1s expertos en funci\u00f3n de la afluencia y el an\u00e1lisis de datos. En otras palabras, aprenden y mejoran por s\u00ed mismos a medida que procesan m\u00e1s datos, ajustando sus par\u00e1metros para arrojar mejores previsiones. Por eso la escala es importante para el desarrollo y el uso de la IA. Datos y algoritmos son complementarios estrictos e igualmente indispensables para que la IA funcione. En la medida en que estos modelos se vuelven mejores con el uso, podemos pensarlos como medios de producci\u00f3n que se aprecian con el tiempo, lo cual los hace \u00fanicos, ya que el resto de los medios de producci\u00f3n se deprecian con el uso. <\/p>\n

Es tan variada su aplicaci\u00f3n que se ha comenzado a hablar de la IA como una tecnolog\u00eda de prop\u00f3sito general, o incluso de un nuevo m\u00e9todo para inventar, en la medida en que permite automatizar descubrimientos y expandir el tipo de problemas que se pueden estudiar con big data. En \u00faltima instancia, el objetivo de las grandes empresas que est\u00e1n detr\u00e1s de estos modelos es producir una tecnolog\u00eda que no necesite procesos de adaptaci\u00f3n, que pueda ser adoptada directamente para los entornos m\u00e1s diversos. Ergo, que sus clientes sean potencialmente todas las organizaciones y personas del mundo.<\/p>\n

En esa b\u00fasqueda, aparece un tipo espec\u00edfico de modelo de deep learning, los Large Language Models (LLM, modelos de lenguaje de gran escala). ChatGPT est\u00e1 basado en el LLM m\u00e1s grande del mundo. Los LLM predicen qu\u00e9 palabra viene a continuaci\u00f3n en una secuencia. Como explica Google, \u201clos LLM generan nuevas combinaciones de texto en forma de lenguaje natural. E incluso podemos construir modelos ling\u00fc\u00edsticos para generar otros tipos de resultados, como nuevas im\u00e1genes, audio y tambi\u00e9n video\u201d. En una entrevista, un empleado de Google los defini\u00f3 como \u201cag\u00e9nticos\u201d porque el agente inteligente \u2013el programa inform\u00e1tico\u2013 interact\u00faa con el entorno y aprende a actuar en \u00e9l.<\/p>\n

Es una herramienta poderosa porque, como todo modelo de deep learning, los LLM mejoran cuantos m\u00e1s datos procesan, con lo que en cierta medida se externaliza parte de su mejora a usuarios o clientes. Es decir, parte del trabajo que produce la IA \u2013que no es remunerado\u2013 es realizado por quienes la consumen. Por ejemplo, cada vez que le hacemos una pregunta o pedimos algo a ChatGPT, se producen m\u00e1s datos que pueden ser usados para mejorarlo. <\/p>\n

Una abogada de Amazon lleg\u00f3 a decir que nadie en la compa\u00f1\u00eda deb\u00eda proporcionarle \u201cinformaci\u00f3n confidencial de Amazon a ChatGPT (incluido el c\u00f3digo de Amazon en el que est\u00e9s trabajando)\u201d y a\u00f1adi\u00f3 que esta recomendaci\u00f3n era \u201cimportante porque tus entradas pueden utilizarse como datos de entrenamiento para una iteraci\u00f3n posterior de ChatGPT, y no querr\u00edamos que su resultado incluyera o se pareciera a nuestra informaci\u00f3n confidencial (y ya he visto casos en los que su resultado se parece mucho al material existente)\u201d. Amazon no es la \u00fanica empresa l\u00edder que prohibi\u00f3 o limit\u00f3 el uso de ChatGPT a sus empleados por estos motivos: Apple, JPMorgan Chase y Samsung siguieron sus pasos. \u00bfEs solo OpenAI, la empresa creadora de ChatGPT, lo que las preocupa?<\/p>\n

\u00bfOtra vez sopa?<\/p>\n

En mayo de 2023, el canal de televisi\u00f3n CNBC entrevist\u00f3 al CEO de Microsoft, Satya Nadella. Cuando le preguntaron si la actual ola de IA favorec\u00eda a las empresas establecidas, respondi\u00f3 negativamente, sin miramientos, aduciendo que una startup, OpenAI, lideraba esta tecnolog\u00eda. Lo que Nadella omiti\u00f3 es que su empresa es due\u00f1a de 49% de OpenAI y que est\u00e1 bajo su \u00f3rbita al menos desde 2019, cuando le otorg\u00f3 un primer financiamiento de mil millones de d\u00f3lares a cambio de acceso exclusivo al LLM que Openai estaba desarrollando por entonces (GPT-3). El acuerdo signific\u00f3 para Microsoft la posibilidad de orientar los desarrollos y definir las prioridades de OpenAI. Microsoft la inst\u00f3 a priorizar el desarrollo de una interfaz para utilizar GPT-3, luego llamada ChatGPT, a la cual Microsoft tuvo acceso mucho antes del lanzamiento p\u00fablico, con la posibilidad de integrar la tecnolog\u00eda a sus servicios de la nube, incluido su motor de b\u00fasqueda Bing. OpenAI no solo consigui\u00f3 financiamiento, que luego del \u00e9xito de ChatGPT Microsoft increment\u00f3 en 10 mil millones de d\u00f3lares adicionales: pasar a integrar el s\u00e9quito de empresas que dependen de Microsoft incluy\u00f3 acceso a su nube p\u00fablica, algo indispensable para entrenar los LLM de OpenAI, los m\u00e1s grandes que jam\u00e1s se hayan visto.<\/p>\n

La empresa DeepMind, adquirida por Google en 2014, ven\u00eda trabajando en la frontera de los LLM desde hac\u00eda a\u00f1os, pero sin que ello redundara en lanzar un producto semejante a ChatGPT. Temiendo que Bing pudiera avanzar sobre el poder de mercado de su motor de b\u00fasqueda, Google reaccion\u00f3 precipitadamente lanzando su propio gran modelo ling\u00fc\u00edstico, Bard, que cometi\u00f3 un error en su primera demo. En febrero de 2023, Meta present\u00f3 su propia alternativa, LLAMA (Large Language Model Meta AI). Amazon entr\u00f3 en la carrera ampliando su apoyo a Hugging Face, una startup cuyo chatbot de IA se ofrece como servicio en la nube de Amazon, y ofreciendo Amazon Bedrock, un servicio para crear y escalar aplicaciones de IA basadas en LLM. En una saga digna de un documental de Netflix, en menos de un a\u00f1o vimos desfilar nuevas versiones y servicios en la nube que, en \u00faltima instancia, son similares a ChatGPT. Otra similitud es que todos estos LLM est\u00e1n bajo el control \u2013directo o indirecto\u2013 de unas pocas grandes empresas de tecnolog\u00eda digital.<\/p>\n

El mismo peque\u00f1o grupo de gigantes no solo monopoliza el desarrollo de la IA m\u00e1s avanzada, sino tambi\u00e9n las mayores bases de datos, que est\u00e1n en continua expansi\u00f3n a medida que usamos sus plataformas y la infraestructura digital \u2013procesadores y servidores interconectados en centros de datos de superficie mayor a un estadio de f\u00fatbol\u2013. Hasta la Harvard Business Review, una revista para ejecutivos, ya hab\u00eda publicado un art\u00edculo que llamaba la atenci\u00f3n acerca del excesivo poder de las denominadas big tech a\u00f1os antes de la llegada de ChatGPT.<\/p>\n

La capacidad de control de la IA por parte de unas pocas firmas de tal envergadura no tiene precedentes. Me refiero aqu\u00ed, en particular, a Amazon, Google, Meta y Microsoft, aunque Alibaba, Tencent y otros gigantes chinos, como la empresa due\u00f1a de TikTok, tambi\u00e9n desarrollan y utilizan IA apropi\u00e1ndose de c\u00f3digo y datos a mansalva. En un art\u00edculo reciente, constru\u00ed un proxy de la red de organizaciones que m\u00e1s trabajos presentaron en las conferencias de IA m\u00e1s importantes del mundo. Todos estos gigantes digitales integran la red, con Google y Microsoft en las posiciones m\u00e1s importantes. Es m\u00e1s, Microsoft es el puente que conecta las organizaciones occidentales con las chinas, una clara se\u00f1al de su papel geopol\u00edtico estrat\u00e9gico. Microsoft es el \u00fanico gigante estadounidense bien posicionado en China, donde abri\u00f3 su primer gran campus de I+D fuera de Estados Unidos, en 2010. Esta presencia tambi\u00e9n se ha traducido en colaboraciones regulares para el desarrollo de IA con las principales universidades de ese pa\u00eds y con sus gigantes digitales. Microsoft conecta todo el campo de la IA y se beneficia de la investigaci\u00f3n en ia m\u00e1s avanzada en tanto es ella \u2013y las otras grandes firmas digitales\u2013, y no las universidades y otros organismos de investigaci\u00f3n con los que coproducen IA, quienes monetizan el conocimiento coproducido.<\/p>\n

Huelga decir que las grandes empresas de tecnolog\u00eda de Estados Unidos tambi\u00e9n ocupan un lugar destacado en los comit\u00e9s de las conferencias que, en \u00faltima instancia, definen qu\u00e9 trabajos son de frontera y merecen presentarse. Por ejemplo, todas tienen al menos un miembro en el comit\u00e9 organizador de Neurips, la principal conferencia anual sobre machine learning. Google, que obtuvo el mayor n\u00famero de trabajos aceptados en esta conferencia en 2022, cont\u00f3 con nueve de sus treinta y nueve miembros.<\/p>\n

Este pu\u00f1ado de empresas controla todo el sector. Google ha adquirido m\u00e1s startups de IA que cualquier otra empresa del mundo, y las otras gigantes no se quedan atr\u00e1s. Otro mecanismo que utilizan para controlar y acceder al c\u00f3digo desarrollado por otras empresas es oficiar de inversoras de capital de riesgo. El ejemplo de OpenAI financiada por Microsoft al cual alud\u00ed m\u00e1s arriba es quiz\u00e1s el m\u00e1s exitoso. Un tercer mecanismo de apropiaci\u00f3n de IA, usado en particular por Microsoft, Google y Meta, es poner en acceso abierto un c\u00f3digo que no pone en riesgo su poder\u00edo tecnol\u00f3gico. Al contrario, al abrirlo a la comunidad, promueven su uso y mejora. Ese c\u00f3digo luego se integra con m\u00e1s c\u00f3digo y otros conocimientos guardados en secreto, lo que permite que todo el modelo se optimice y resulte en mejores servicios digitales. Bajo la apariencia de contribuir al desarrollo de software libre, tercerizan parte del trabajo de desarrollo sin poner en riesgo \u2013de hecho, m\u00e1s bien potenciando\u2013 su liderazgo.<\/p>\n

El resultado son sistemas de innovaci\u00f3n integrados por m\u00faltiples organizaciones en los cuales la empresa l\u00edder que planifica el sistema se beneficia desproporcionadamente. Estos sistemas corporativos son un fen\u00f3meno mucho m\u00e1s extendido. Se trata de una nueva forma de capitalismo, en la que una empresa es poderosa no en funci\u00f3n del tama\u00f1o de sus f\u00e1bricas, sino de su capacidad para apropiarse de intangibles \u2013conocimiento e informaci\u00f3n\u2013 que utiliza para adue\u00f1arse del valor de terceros. En estas redes, las grandes empresas de tecnolog\u00eda digital se sit\u00faan en la c\u00faspide del poder corporativo porque han acaparado el paquete tecnol\u00f3gico que est\u00e1 transformando todos y cada uno de los \u00e1mbitos de la vida. Su apropiaci\u00f3n de IA de frontera \u2013junto con los datos que le dan vida\u2013 reconfigura regresivamente al capitalismo. Justamente por sus efectos en materia de una todav\u00eda mayor polarizaci\u00f3n y desigualdad, es especialmente relevante profundizar en el trabajo que produce y el que es reemplazado por IA.<\/p>\n

Hibridaci\u00f3n<\/p>\n

En su racconto de la prehistoria de la nube p\u00fablica, Tung-Hui Hu dice que nuestra imaginaci\u00f3n de una \u201cnube\u201d virtual desplaza al trabajo. En otras palabras, entre tantos intangibles \u2013plataformas, la nube, internet, etc\u00e9tera\u2013 se invisibiliza el trabajo productor de servicios digitales. La ceguera es a\u00fan mayor en el caso de la IA, pues frecuentemente se la presenta como alternativa en lugar de complemento del trabajo. Pero la IA es producto del trabajo, y su supervivencia \u2013como expliqu\u00e9 m\u00e1s arriba\u2013 depende del continuo trabajo consuntivo que hagamos de ella. La frontera entre producci\u00f3n y consumo de ia se disipa, y con ello se pierde nitidez en la distinci\u00f3n entre el trabajo que produce ia y el producto de ese trabajo.<\/p>\n

Los \u201csabios\u201d de la era digital<\/p>\n

Como afirm\u00f3 un ejecutivo y cient\u00edfico de IA de Amazon, lo m\u00e1s importante para ser l\u00edder en IA es contar con las personas con m\u00e1s talento. Seg\u00fan un cient\u00edfico de IA de Bosch, las big tech estadounidenses lideran la IA precisamente porque contratan a las personas con m\u00e1s talento, e impiden a la vez que sus rivales accedan a ellas. Una gerente de recursos humanos de Alibaba me confirm\u00f3 que el grueso del talento internacional trabaja para Amazon, Microsoft y Google. A menudo, estas empresas se llevan a los cient\u00edficos y cient\u00edficas m\u00e1s prometedores del mundo acad\u00e9mico. Distintos entrevistados me mencionaron que las conferencias sobre IA son usadas por las gigantes de tecnolog\u00eda para identificar y captar talentos. Al reconstruir el historial de afiliaci\u00f3n de m\u00e1s de 60 mil investigadores de IA, Roman Jurowetzki et al. descubrieron que 8% hab\u00eda pasado del mundo acad\u00e9mico a la industria y que este drenaje se profundiz\u00f3 desde 2010. En una l\u00ednea similar, Michael Gofman y Zhao Jin encontraron niveles elevados y exponencialmente crecientes de profesores de IA de universidades estadounidenses y canadienses que pasaron a la industria. Las empresas que m\u00e1s contrataron fueron Google, Amazon y Microsoft.<\/p>\n

Otra pr\u00e1ctica frecuente es contratar a acad\u00e9micos destacados a tiempo parcial, que mantienen sus puestos universitarios. Estos ofician, queri\u00e9ndolo o no, de puente entre la coproducci\u00f3n de IA con el mundo acad\u00e9mico y la apropiaci\u00f3n de resultados por parte de sus empleadoras privadas. En mi muestra de ponencias de conferencias sobre IA encontr\u00e9 alrededor de cien universidades que cuentan con al menos una persona con doble afiliaci\u00f3n con una gran empresa de Estados Unidos. Google y Microsoft son las que m\u00e1s utilizaron esta t\u00e1ctica.<\/p>\n

El menor n\u00famero de dobles dependencias entre Amazon y universidades no es sin\u00f3nimo de un menor inter\u00e9s en controlar la disciplina. Por el contrario, subyace una t\u00e1ctica diferente, que igualmente busca direccionar y aprovechar de manera privada las capacidades de los principales talentos en IA. Mis entrevistados coincidieron en que Amazon privilegia las presentaciones internas en las que acad\u00e9micos de alto nivel, contratados como consultores, describen lo que est\u00e1n haciendo en su universidad o, tras firmar estrictos acuerdos de confidencialidad, asesoran a investigadores de Amazon.<\/p>\n

Si bien no encontr\u00e9 dobles dependencias con pa\u00edses perif\u00e9ricos, ello no implica que estemos frente a otro episodio en el cual estos pa\u00edses se limitan a adoptar la tecnolog\u00eda producida por los centrales, un tema que ha sido ampliamente estudiado por la teor\u00eda de la dependencia en el pasado y que en la actualidad adquiere ribetes un tanto diferentes. En la era digital, la producci\u00f3n de algoritmos y datos est\u00e1 globalizada. Sin embargo, estos intangibles son transformados en activos y reportan rentas de manera desproporcionada a las megaempresas de tecnolog\u00eda de las dos principales potencias del siglo XXI: Estados Unidos y China. Investigadores de universidades l\u00edderes de pa\u00edses perif\u00e9ricos participan en las conferencias m\u00e1s importantes de IA del mundo. La Universidad de San Pablo es la primera de Am\u00e9rica Latina en cantidad de presentaciones en el per\u00edodo m\u00e1s reciente que analic\u00e9. A tal punto produce conocimiento de frontera que comparte un centro de investigaci\u00f3n en IA con IBM (C4AI). El director es un investigador de la universidad brasile\u00f1a, mientras que el codirector es un investigador de IBM. De momento, sus resultados son solo acad\u00e9micos, pero esa colaboraci\u00f3n permite a IBM un acceso privilegiado a conocimiento que luego puede utilizar para desarrollar servicios digitales.<\/p>\n

Microtareas<\/p>\n

La IA no se produce solamente escribiendo el c\u00f3digo. Me refer\u00ed previamente a la necesidad de entrenar los modelos con bases de big data. Estas bases de datos tienen que ser puestas a punto, pero para ello hay que construirlas. Detr\u00e1s de cada bot\u00f3n o funcionalidad en una plataforma digital, est\u00e1 el trabajo de pensar los tipos de datos que pueden ser necesarios y c\u00f3mo recolectarlos. Adem\u00e1s, el proceso de producci\u00f3n de bases de datos usa, en general, trabajo impago. Un precedente conocido es recaptcha de Google, el sistema utilizado para validar que no somos robots, que simult\u00e1neamente terceriza la clasificaci\u00f3n de im\u00e1genes que luego son usadas para entrenar modelos de IA. Esto ha dado lugar a varios esc\u00e1ndalos en el proceso de producci\u00f3n de bases de datos, que incluyen casos en los que algunas personas descubrieron que sus fotos hab\u00edan sido utilizadas \u2013sin permiso\u2013 para entrenar algoritmos de IA. Una actriz que trabaja subcontratada por una empresa de doblaje que, a su vez, es contratista de Disney, me cont\u00f3 de un caso reciente en el cual un actor de doblaje fue convocado por un estudio para realizar una grabaci\u00f3n, sin que supiera que su voz ser\u00eda utilizada para entrenar IA para doblajes.<\/p>\n

Las bases que surgen de datos que creamos colectivamente en las plataformas tambi\u00e9n requieren trabajo para ser utilizadas como material de entrenamiento. El big data es el producto de miles de microtareas de limpieza y clasificaci\u00f3n de cada entrada que van m\u00e1s all\u00e1 de reCaptcha. Se las llama microtareas porque se paga por entrada limpia y clasificada. Este microtrabajo a destajo se ofrece en plataformas especializadas, una de ellas propiedad de Amazon, por las cuales se pagan centavos por entrada a miles de trabajadores repartidos por el mundo \u2013sobre todo, de pa\u00edses perif\u00e9ricos\u2013. La Organizaci\u00f3n Internacional del Trabajo (OIT) realiz\u00f3 un estudio comparativo que relev\u00f3 las condiciones laborales de 3.500 personas residentes en 75 pa\u00edses que realizan microtareas. Encontraron que el ingreso promedio por hora era de 3,31 d\u00f3lares, aunque este valor esconde fuertes heterogeneidades geogr\u00e1ficas. En \u00c1frica (1,33 d\u00f3lares por hora) o Asia-Pac\u00edfico (2,22 d\u00f3lares por hora) se gana mucho menos que en las regiones centrales. En su mayor\u00eda, las personas entrevistadas se\u00f1alaron que quisieran trabajar m\u00e1s horas, pero no encontraban suficientes microtareas disponibles.<\/p>\n

Una vez que se tienen las bases y el modelo est\u00e1 desarrollado, su uso no est\u00e1 a\u00fan completamente automatizado. M\u00e1s all\u00e1 de las tareas de mantenimiento, ej\u00e9rcitos de trabajadores y trabajadoras filtran y promueven contenido en las plataformas digitales en conjunto con la IA. En general, los algoritmos realizan un primer filtro de contenido que luego es controlado por personas.<\/p>\n

Esta tarea est\u00e1 en ocasiones tercerizada, como en el caso de la empresa Meta, aunque otras empresas contratan trabajadores directamente para ello, como ByteDance, la due\u00f1a de TikTok. Cualquiera sea el caso, filtrar contenido puede generar traumas, consecuencias psicol\u00f3gicas y estr\u00e9s debido a la sobreexposici\u00f3n a violencia que va desde asesinatos en vivo hasta fotos de pedofilia. Quienes filtran contenido para Meta ganan casi 8,5 veces menos que el promedio de los empleados de la compa\u00f1\u00eda, y las condiciones de trabajo de los moderadores de contenidos distan mucho del ambiente relajado de las instalaciones de la empresa creadora de Facebook. Una persona que realiza esta tarea en Europa me cont\u00f3 que actualmente est\u00e1n entrenando una IA que podr\u00eda eventualmente reemplazarlos, aunque agreg\u00f3 que en verdad el reemplazo ya est\u00e1 ocurriendo, pero por trabajadores que ganan menos en oficinas de la misma empresa tercerizada de Facebook en pa\u00edses perif\u00e9ricos, entre ellos en Am\u00e9rica Latina. Estas tareas tercerizadas operan siguiendo minuciosamente los requerimientos de la empresa de Mark Zuckerberg bajo estrictos contratos de confidencialidad.<\/p>\n

Una tarea algo diferente, pero que igualmente muestra la convivencia o hibridaci\u00f3n entre la IA y las personas, es la promoci\u00f3n de contenido en TikTok. Cada empleado del \u00e1rea de \u201cPush\u201d (empujar en ingl\u00e9s) recibe 14 mil videos por semana que ya rankean alto en vistas. Su tarea es evaluarlos para definir si TikTok va a \u201cempujar\u201d ese video para que tenga m\u00e1s visualizaciones, con el objetivo final de que los usuarios pasen m\u00e1s tiempo en la plataforma. Un video \u201cempujado\u201d se muestra con mayor frecuencia en las pantallas de usuarios identificados de manera autom\u00e1tica como potencialmente interesados. Aunque la IA podr\u00eda hacer todo el proceso sola, ByteDance elige incluir una etapa de control humano en la cual se decide promover contenido que se ajuste a protocolos definidos por gerentes de la empresa, para asegurar que TikTok siga siendo vista como una plataforma de videos caseros aptos para todo p\u00fablico. Como me dijo la persona que entrevist\u00e9, \u201cyo trabajo en la cocina de TikTok\u201d.<\/p>\n

Reemplazo<\/p>\n

Aunque la IA sea producida por decenas de miles de personas, en trabajos que van desde los m\u00e1s sofisticados y que expanden la frontera del conocimiento a tareas rutinarias y hasta traum\u00e1ticas, al mismo tiempo muchas tareas que en otras industrias antes eran realizadas por seres humanos ya han sido o est\u00e1n siendo reemplazadas por algoritmos.<\/p>\n

Los an\u00e1lisis sobre el reemplazo de trabajo por m\u00e1quinas usualmente se centran en previsiones acerca de cu\u00e1ntas y cu\u00e1les tareas pueden ser automatizadas. Antes de la difusi\u00f3n de los LLM, las tareas que pod\u00eda reemplazar cada IA eran limitadas. El modelo de IA que define precios en una plataforma de comercio electr\u00f3nico \u2013como Amazon o Mercado Libre\u2013 o el algoritmo de IA que busca links cuando hacemos una b\u00fasqueda en Google no son comparables en materia de potenciales aplicaciones con ChatGPT. De all\u00ed que su r\u00e1pida adopci\u00f3n genere mayores preocupaciones.<\/p>\n

De momento, se observan grados muy variados de uso de esta tecnolog\u00eda seg\u00fan c\u00f3mo perciba cada empresa los riesgos y costos asociados, por ejemplo, el mantenimiento de servidores, la migraci\u00f3n a la nube y el uso mismo de la IA. Si bien hay LLM de acceso abierto o de uso gratuito, no se trata de los modelos m\u00e1s avanzados. Estos \u00faltimos se mantienen en secreto y se vende su uso \u2013sin acceso al c\u00f3digo\u2013 como un servicio en la nube. Los modelos en acceso abierto igualmente requieren mantenimiento y adaptaci\u00f3n a los problemas espec\u00edficos de cada negocio. Es decir, requieren trabajo. Entre las empresas que he entrevistado, si bien algunas ya utilizan LLM disponibles en las nubes de las big tech para tareas puntuales, como optimizar presentaciones, realizar traducciones o redactar contenido para las redes sociales, otras son m\u00e1s esc\u00e9pticas. La gerenta de finanzas de una multinacional, productora de hardware con sede central en Estados Unidos, lo resumi\u00f3 de la siguiente manera: \u201cEstamos reci\u00e9n en el principio, aunque la AI se masific\u00f3, pero tambi\u00e9n te preguntas para qu\u00e9. Cuando yo hice todo mi research de ChatGPT, me pregunt\u00e9: \u00bfcu\u00e1les son realmente las cosas que podemos implementar en un trabajo normal para nosotros? S\u00ed, me ayud\u00f3 a escribir unos mails y reportes, pero yo necesitaba decirle \u2018m\u00e1ndame un reporte o an\u00e1lisis de la situaci\u00f3n competitiva de tal empresa o un an\u00e1lisis financiero de tal cosa\u2019 y me respond\u00eda que no estaba para eso todav\u00eda\u201d.<\/p>\n

Sin embargo, hasta los m\u00e1s esc\u00e9pticos est\u00e1n interesados en entender c\u00f3mo funciona y qu\u00e9 se puede hacer con esta versi\u00f3n avanzada de IA. En palabras de un gerente regional de una empresa multinacional que vende servicios de Google, principalmente en Europa, y que en la pr\u00e1ctica funciona como departamento de ventas tercerizado, \u201cno es algo que necesitemos tener ya, aunque s\u00ed se percibi\u00f3 un cambio y es monumental lo que est\u00e1 pasando con ChatGPT\u201d.<\/p>\n

Sin dudas, lo que est\u00e1 pasando es monumental porque asistimos, a escala global, a un proceso acelerado de reemplazo no solo de tareas sino tambi\u00e9n de procesos de aprendizaje humano. Y esta transici\u00f3n, a menos que cambie el modo en que se produce la IA, se profundiza a medida que avanza su adopci\u00f3n. Una investigaci\u00f3n de la Comisi\u00f3n Europea, publicada varios a\u00f1os antes del lanzamiento de ChatGPT, encontr\u00f3 que all\u00ed donde se introdujo IA, la autonom\u00eda en el lugar de trabajo se redujo, se siente una p\u00e9rdida de control sobre el proceso de producci\u00f3n, aument\u00f3 el ritmo de trabajo y las trabajadoras y trabajadores se sienten privados de usar su inteligencia en el espacio laboral. Todo esto contribuye, adem\u00e1s, a un debilitamiento de las capacidades de lucha de los sindicatos, en la medida en que hay menor conocimiento sobre el lugar de trabajo y el proceso productivo.<\/p>\n

Esa sensaci\u00f3n de achicamiento del espacio en el cual se promueve el desarrollo de la inteligencia humana no es consecuencia de la IA en general, sino del tipo de IA que se produce. Son cajas negras, las usamos casi sin tener idea de c\u00f3mo funcionan. Incluso si pudi\u00e9ramos leer parte del c\u00f3digo, como en el caso de los modelos de c\u00f3digo abierto, una abrumadora mayor\u00eda de las personas seguir\u00eda sin ser capaz de entender qu\u00e9 dicen y hacen esos algoritmos. \u00bfQu\u00e9 espacio queda para el aprendizaje humano cuando las condiciones de uso vienen predefinidas por unas pocas empresas que ofrecen tecnolog\u00eda a caja cerrada? Aunque aflore la creatividad acerca de qu\u00e9 tipo de preguntas hacerle a un LLM, en \u00faltima instancia el tipo de respuesta y los usos posibles quedan limitados por c\u00f3mo fue entrenado \u2013con qu\u00e9 datos\u2013 y por los par\u00e1metros considerados en el modelo. Y todo esto es decidido en secreto por un pu\u00f1ado de empresas.<\/p>\n

La divisi\u00f3n del trabajo inform\u00e1tico dentro de las grandes empresas tecnol\u00f3gicas contribuye m\u00e1s a\u00fan a compartimentar el conocimiento y fomentar la hiperespecializaci\u00f3n. Las pol\u00edticas impuestas dentro de estas empresas y en relaci\u00f3n con el exterior limitan el intercambio de informaci\u00f3n y conocimientos hasta el punto de que probablemente nadie que conozca l\u00edneas de c\u00f3digo fundamentales tenga una visi\u00f3n global o generalista de la IA de frontera. Esta visi\u00f3n global queda en manos de gerentes que desconocen \u2013probablemente eligen desconocer\u2013 los detalles acerca de c\u00f3mo funciona cada algoritmo. Un investigador en IA de IBMlo resumi\u00f3 diciendo que \u201cte ense\u00f1an a no compartir los detalles de cada proyecto con quienes no tienen \u2018necesidad de saberlo\u2019; es una norma b\u00e1sica de IBM\u201d.<\/p>\n

En cierta medida, lo que observamos es un nuevo ciclo, con sus especificidades, de un proceso de p\u00e9rdida de habilidades en el espacio de trabajo que lleva m\u00e1s de un siglo. Harry Braverman lo describi\u00f3 minuciosamente dando cuenta de c\u00f3mo se reconfigur\u00f3 la relaci\u00f3n entre el trabajador, por un lado, y la m\u00e1quina y el directivo, por otro. La m\u00e1quina reemplaz\u00f3 tareas estandarizadas y esa estandarizaci\u00f3n, el proceso de convertir el conocimiento t\u00e1cito en protocolos expl\u00edcitos, redujo el conocimiento local basado en la experiencia y convirti\u00f3 los puestos de trabajo en secuencias de tareas simples. Los m\u00e1nagers dirigen ejerciendo un \u201cmonopolio sobre el conocimiento para controlar cada paso del proceso laboral y su modo de ejecuci\u00f3n\u201d.<\/p>\n

El ciclo actual es m\u00e1s complejo. La reorganizaci\u00f3n descrita por Braverman tuvo lugar dentro de todas y cada una de las f\u00e1bricas, mientras que hoy asistimos a una reorganizaci\u00f3n del trabajo y del aprendizaje entre empresas. La m\u00e1quina no solo \u201caprende\u201d a expensas de trabajadores que interact\u00faan directamente con ella, sino tambi\u00e9n a expensas de la capacidad de aprendizaje de la mayor\u00eda de las organizaciones \u2013de sus trabajadores\u2013 y, en \u00faltima instancia, de las sociedades. Menuda paradoja siendo que se supone que vivimos en la \u201csociedad del conocimiento\u201d.<\/p>\n

M\u00e1s all\u00e1 de los efectos econ\u00f3micos, entre otros en materia de mayores desigualdades, este proceso est\u00e1 ampliando las brechas entre quienes saben y quienes ignoran. Pero esta no es la \u00fanica forma posible de desarrollar e interactuar con las tecnolog\u00edas digitales. Esta es la forma privada y con fines de lucro.<\/p>\n

\u00bfProgreso?<\/p>\n

El debate pol\u00edtico actual gira en torno de la agencia de la IA. Los CEO de las big tech y OpenAI encabezan la lista de quienes abogan por regular c\u00f3mo se usa esta tecnolog\u00eda. Al centrar el debate en la regulaci\u00f3n de su adopci\u00f3n, desv\u00edan la atenci\u00f3n de otro \u00e1mbito que debiera ser tanto o m\u00e1s regulado: el proceso de producci\u00f3n de IA, aquel que estas empresas controlan. En otras palabras, un excesivo foco en la agencia de la IA corre el riesgo de pasar por alto el papel de los agentes que controlan la IA.<\/p>\n

Los enfoques y discursos de estos CEO y los art\u00edculos acad\u00e9micos de sus empresas tambi\u00e9n determinan c\u00f3mo pensamos la IA. La presentan como una tecnolog\u00eda que sustituye (e incluso supera) a la inteligencia humana, no como una forma diferente y complementaria de resolver problemas que siempre se alimenta y es resultado del trabajo humano. \u00bfPor qu\u00e9 no concebir y producir IA como si fuera una gr\u00faa de construcci\u00f3n? Con una gr\u00faa podemos levantar m\u00e1s peso que con nuestra propia fuerza. La gr\u00faa reemplaz\u00f3 tareas, pero no limit\u00f3 nuestra capacidad de desarrollo y aprendizaje. Para ello, hace falta que el conocimiento asociado a la IA se vuelva p\u00fablico, lo cual requiere educaci\u00f3n digital para que podamos entender c\u00f3mo funcionan estos algoritmos.<\/p>\n

La automatizaci\u00f3n de ciertos puestos de trabajo o tareas que requieren niveles de capacitaci\u00f3n mucho mayores que los necesarios para levantar una gr\u00faa \u2013y con ello, la p\u00e9rdida de capacidades de aprendizaje asociadas\u2013 no es un resultado inevitable. Es producto de una decisi\u00f3n econ\u00f3mica y pol\u00edtica de privilegiar una IA que reemplaza en lugar de potenciar. Probablemente sea una estrategia de venta m\u00e1s exitosa que la de potenciar una IA de complemento, que en principio podr\u00eda parecer m\u00e1s costosa, lo que pone de relieve la necesidad de producir soluciones p\u00fablicas y sin fines de lucro, en la medida en que toda empresa privada que produzca IA de frontera buscar\u00e1 rentabilizar su producto desarroll\u00e1ndolo de tal modo que maximice su acumulaci\u00f3n.<\/p>\n

Es imperioso y necesario discutir qu\u00e9 tipo de IA se codifica, qui\u00e9n la codifica y c\u00f3mo se reparten sus beneficios. Es urgente debatir democr\u00e1ticamente qu\u00e9 IA queremos como sociedad y para qu\u00e9. Este debate es indisociable de la pregunta sobre qu\u00e9 datos han de ser recopilados \u2013y cu\u00e1les no\u2013 y c\u00f3mo se decidir\u00e1 qui\u00e9n accede y c\u00f3mo a las bases resultantes. <\/p>\n

La urgencia por debatir el presente del trabajo ofrece adem\u00e1s un escenario propicio para presionar en pos de mejores condiciones laborales, en una \u00e9poca en la cual la contracara de m\u00e1s tecnolog\u00eda representa la potencial diluci\u00f3n del trabajo registrado bajo figuras como la del emprendedor supuestamente independiente de las plataformas; lo que en los hechos es una persona gobernada por algoritmos y tan precarizada que hasta debe invertir en sus medios de producci\u00f3n (la bicicleta para el reparto a domicilio, el auto para el transporte de pasajeros, etc\u00e9tera). \u00bfPor qu\u00e9 no hacer de la desgracia virtud y usar esta oportunidad para debatir acerca del trabajo en general, replantearnos c\u00f3mo trabajamos y prefigurar alternativas?<\/p>\n

Publicado originalmente en Nueva Sociedad (https:\/\/nuso.org\/articulo\/307-inteligencia-artificial-reemplazo-hibridacion-progreso\/).<\/p>\n

\n

En esta Nota<\/p>\n<\/p><\/div>\n","protected":false},"excerpt":{"rendered":"

En noviembre de 2022, OpenAI lanz\u00f3 ChatGPT. Seg\u00fan la compa\u00f1\u00eda, en solo cinco d\u00edas la aplicaci\u00f3n ya ten\u00eda un mill\u00f3n de cuentas activas. A Instagram, hasta entonces un ejemplo de r\u00e1pida adopci\u00f3n, le hab\u00eda llevado aproximadamente dos meses y medio llegar a ese n\u00famero de descargas. Para enero de 2023, ChatGPT ten\u00eda m\u00e1s de cien […]<\/p>\n","protected":false},"author":1,"featured_media":93835,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[2],"tags":[],"_links":{"self":[{"href":"http:\/\/cordobainforma.info\/index.php\/wp-json\/wp\/v2\/posts\/93834"}],"collection":[{"href":"http:\/\/cordobainforma.info\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"http:\/\/cordobainforma.info\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"http:\/\/cordobainforma.info\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"http:\/\/cordobainforma.info\/index.php\/wp-json\/wp\/v2\/comments?post=93834"}],"version-history":[{"count":0,"href":"http:\/\/cordobainforma.info\/index.php\/wp-json\/wp\/v2\/posts\/93834\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"http:\/\/cordobainforma.info\/index.php\/wp-json\/wp\/v2\/media\/93835"}],"wp:attachment":[{"href":"http:\/\/cordobainforma.info\/index.php\/wp-json\/wp\/v2\/media?parent=93834"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"http:\/\/cordobainforma.info\/index.php\/wp-json\/wp\/v2\/categories?post=93834"},{"taxonomy":"post_tag","embeddable":true,"href":"http:\/\/cordobainforma.info\/index.php\/wp-json\/wp\/v2\/tags?post=93834"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}