La IA se ve por todas partes, excepto en la productividad

Hace solo tres semanas del lanzamiento de ChatGPT-5, dos de la cena de Sam Altman con periodistas donde les aseguraba que la burbuja de la IA está a punto de explotar, y solo una de la publicación de un estudio del MIT crítico con la aplicación empresarial de la IA generativa. El dato que ha acaparado todos los titulares es que el 95% de los programas piloto de IA en el entorno empresarial fracasan. ¿La tormenta perfecta antes del invierno que se acerca de la IA? Vamos por partes.

Si quieres saber más

 

   

Josep M. Ganyet-GPT-5 y la máquina de no pensar

El lanzamiento del ChatGPT-5 ha mostrado al rey desnudo. No representa el salto cualitativo que nos habían prometido, continúa alucinando (un eufemismo para decir que falla) y en algunos aspectos funciona peor que su predecesor, el GPT 4o. En un gesto tanto o más inusual que admitir que la burbuja de la IA está a punto de estallar, Sam Altman se vio obligado a resucitar el modelo 4o al que los usuarios ya estábamos acostumbrados. Echar atrás una decisión es poco Silicon Valley.

Contado y debatido, GPT-5 supone solo un cambio incremental, lejos, lejísimos de la inteligencia artificial general (AGI) que nos habían prometido. ¿Hemos llegado al muro que pronosticaba Gary Marcus? Los datos de rendimiento de los últimos modelos de OpenAI, y los de la competencia, le dan la razón. Los partidarios del aceleracionismo -más datos, más capacidad de cálculo, redes neuronales más profundas-, o sea, más inversión, parece que se quedan sin argumentos. Y esto es jodido porque las inversiones que las grandes tecnológicas están haciendo en centros de datos es descomunal: si no entran nuevos inversores la rueda se parará y la burbuja estallará.

Altman eligió muy cuidadosamente las palabras cuando en una cena con periodistas -todo on the record y sin límite sobre los temas a preguntar- habló de la burbuja de la IA, que comparó con la burbuja de las puntocom del cambio de siglo (algo que los tecnólogos evitan). Visto en perspectiva, y después del fiasco del lanzamiento del ChatGPT-5, parece una buena estrategia para distraer la atención. De ahí que hablara de que cuando estalle la burbuja habrá quienes perderán mucha pasta y otros que ganarán mucha (adivinad dónde ponía OpenAI). Por eso coló hábilmente el paralelismo con las puntocom: cuando estalló la burbuja se perdieron cinco billones (de los europeos) de dólares, pero empresas como Microsoft, Google o Amazon, que resistieron, hoy son auténticos ganadores. Y no solo en el ámbito tecnológico. Altman mencionó al coco, pero para los demás; OpenAI aspira claramente a ser el Google de después de la burbuja de la IA.

"OpenAI aspira claramente a ser el Google de después de la burbuja de la IA"

Con lo que no contaba Altman es que el MIT publicaría un estudio muy poco favorable a sus tesis, entre ellas la de que la IA lo cambiará todo. No será así según el MIT.

El estudio, basado en 150 entrevistas a directivos, una encuesta a 350 empleados y un análisis de 300 proyectos empresariales de IA, dibuja una clara división entre éxitos y fracasos, que es poco favorable a los primeros. Para el 95% de las empresas participantes, la implantación de la IA generativa no ha tenido éxito o no ha supuesto ninguna mejora. Parece que en este caso el problema viene de arriba, de una integración empresarial defectuosa que quizás resulta imposible: las herramientas genéricas como ChatGPT sobresalen para los individuos, pero no funcionan para el uso empresarial. No obstante, si todo el mundo usa ChatGPT en la empresa, ¿cómo puede ser este desajuste?

El estudio ha llegado, en lo que respecta a la IA, a la misma conclusión que el economista y Nobel Robert Solow llegó en los años 80 en relación con los ordenadores. Solow se dio cuenta de que, aunque aumentaba la presencia de ordenadores en entornos empresariales, la productividad no aumentaba, es más, disminuía. Lo resumió en una frase que ha quedado para la posteridad: “La era de los ordenadores se ve por todas partes excepto en las estadísticas de productividad”. Hoy la conocemos como paradoja de Solow o paradoja de la productividad.

Con la IA -la generativa, para ser rigurosos- pasa algo parecido: la vemos por todas partes, pero no vemos los resultados en las estadísticas de productividad. Y tengo una teoría de por qué pasa.

Con toda probabilidad -he sido testigo en numerosos proyectos-, la dirección de la empresa no implanta la IA porque crea que la necesita o porque haya encontrado un caso de uso inapelable, no. Generalmente, se llega a la conclusión de que hay que aplicar la IA por presión mediática: “Todo el mundo lo hace, seguramente seamos  los últimos en entrar y no nos queremos quedar atrás”. Esto lo dice, en general, un ejecutivo en jefe, o un jefe de operaciones, que supera los sesenta, que no ha usado nunca la IA y a quien todas las tareas rutinarias se las hace un ejército de asistentes.

"Generalmente, se llega a la conclusión de que hay que aplicar la IA por presión mediática"

Mientras tanto, los programadores, diseñadores, equipo de comunicación, ejecutivos de marketing y financieros de la empresa utilizan ChatGPT desde que salió en 2022. Quizás lo que hacen no se enmarca en ninguna estrategia vertical de arriba abajo, pero les resuelve toda una serie de tareas repetitivas y tediosas que su jefe ignora que existen. De hecho, en la mayoría de los casos, su jefe ignora que las hagan asistidos por IA. La disonancia entre lo que Silicon Valley dice que hace la IA generativa y lo que realmente puede hacer -por lo que los trabajadores la utilizamos- explica los resultados del informe del MIT.

Las cosas, por su nombre; y para ciencia ficción, Asimov.