Lo que vimos y lo que no vimos
La inteligencia artificial transformó las conversaciones entre humanos y máquinas y comenzó a desplazar profesiones cognitivas, desde la traducción hasta la programación. Sin embargo, anticipar el rumbo tecnológico no garantiza acertar los tiempos: mientras algunas innovaciones avanzaron rápidamente, otras, como los vehículos autónomos, siguen lejos de cumplir las expectativas iniciales
CAPÍTULO 5
En 1962, las caricaturas de Los Supersónicos imaginaron cómo viviríamos en 2062: autos voladores, banquetas móviles, comida que salía de una máquina al oprimir un botón y Robotina, la robot que limpiaba la casa mientras la familia trabajaba y decidía. Faltan 36 años para esa fecha, pero ya adivinamos el pronóstico. Las videollamadas llegaron y son tan comunes que ni las notamos. Los autos voladores no, aunque sí hay algunos prototipos. Y Robotina sigue sin aparecer.
Lo más interesante no son las fechas, sino la tendencia. Imaginamos máquinas que harían el trabajo manual, mientras los humanos pensábamos. Ocurre casi al revés. Hoy las máquinas redactan un contrato, traducen un libro o escriben un programa, pero doblar una camisa sigue siendo un reto casi imposible para un robot. Es la paradoja de Moravec: lo que nos parecía difícil resulta fácil para las máquinas, y lo trivial, dificilísimo.
Antes de proponer qué debe hacer México ante la aceleración tecnológica, conviene revisar nuestros pronósticos, incluidos los que tenía en 2018, cuando publiqué La Gran Transición. Entonces identifiqué una veintena de “puntos de inflexión” tecnológicos. Ocho años después, tengo que preguntar qué vimos y qué no.
LO QUE ACERTAMOS
Hay cuatro tendencias que se cumplieron.
La segunda son las conversaciones con máquinas. Escribí que, superadas las dificultades de entrenar máquinas de propósito general, “se podrán llevar a cabo conversaciones profundas entre la gente y las inteligencias artificiales”. Incluso dije que algunos creerían haber encontrado en ellas a su mejor amigo. Ocurrió pronto, pero no llegó a través de Alexa, Siri o Cortana, sino de un tipo de sistema que todavía no existía hace ocho años.
La tercera, el desplazamiento de profesiones cognitivas. Siguiendo a Richard y Daniel Susskind, advertí que abogados, contadores y auditores verían transformado su oficio. Se ha cumplido, aunque no por las vías que veíamos con Watson, de IBM, que prometía asesoría legal casi perfecta, y terminó vendido en partes. Esta transformación no empezó en las fábricas, como suponía casi toda la literatura, sino en las oficinas. Los primeros afectados han sido los traductores, ilustradores, redactores y programadores principiantes. Es cierto que transformar tareas no equivale a eliminar profesiones. Vemos cómo coexisten sustitución, complementariedad y nuevas ocupaciones. No se ha materializado ninguna predicción de desempleo generalizado.
La cuarta es la relocalización de las cadenas productivas. Mi libro anticipó que buena parte del offshoring se convertiría en nearshoring. Desde 2023, México es el principal socio comercial de Estados Unidos, y hoy fabrica una parte sorprendente de los servidores que alimentan sus centros de datos de inteligencia artificial.
LO QUE FALLAMOS
Entre mis puntos de inflexión estaban los vehículos autónomos. Otros fueron más lejos: en 2017, un influyente estudio previó que, para 2030, 95 por ciento de los kilómetros recorridos en Estados Unidos se harían en vehículos eléctricos, autónomos y compartidos, y que el automóvil convencional prácticamente desaparecería. Hoy, los eléctricos representan poco más de uno de cada cinco autos nuevos vendidos, y los taxis sin conductor operan en un puñado de ciudades. Es cierto que la tendencia es real, pero la fecha estaba muy equivocada.
La impresión 3D iba a ser la “tercera revolución industrial”. En La Gran Transición recogí estimaciones según las cuales, para 2027, uno de cada 10 productos y una de cada 10 construcciones se fabricarían mediante impresión digital. No estamos ni cerca. Encontró usos valiosos en prototipos, odontología e industria aeroespacial, pero no transformó a la manufactura.
También incluí el “blockchain ubicuo”, que iba a sustituir a bancos, notarios y Su uso masivo terminó concentrándose en activos especulativos y pagos con monedas estables, lejos del registro universal prometido. Estas lecciones se aplican incluso a propuestas que presentaré en esta serie: una cadena de bloques puede registrar quién aportó una idea y cuándo, pero eso no equivale a proteger su propiedad intelectual. La tecnología aporta evidencia; proteger derechos exige contratos, instituciones y mecanismos para hacerlos cumplir.
LO QUE CASI NADIE VIO
El error más importante no está en lo que pronosticamos mal, sino en lo que no pronosticamos.
Casi nadie vio venir los grandes modelos de lenguaje (LLM). En 2017, investigadores de Google publicaron el artículo que dio origen a la arquitectura sobre la que hoy descansan estos sistemas. Fuera de un círculo de especialistas, pasó inadvertido. Cinco años después, ChatGPT alcanzó cien millones de usuarios en dos meses.
La literatura sobre el futuro, incluida la mía, esperaba la inteligencia artificial por la vía de los robots, los autos autónomos o el diagnóstico médico, no por la del lenguaje.
Tampoco vimos la concentración del poder. Se esperaba que la tecnología digital descentralizara voces, competencia y acceso. Es cierto que el acceso se democratizó. Pero la frontera de la inteligencia artificial quedó en manos de unos cuantos laboratorios y empresas, porque exige cómputo, energía, agua, datos y talento a escalas que cuestan decenas de miles de millones de dólares. Pocos anticiparon, además, que los semiconductores se volverían instrumento de seguridad nacional, y los controles de exportación, arma geopolítica.
UNA LECCIÓN DE MÉTODO
La lección principal es de método. Las tendencias vislumbradas han sido correctas, pero las fechas y los productos casi nunca.
Las tendencias responden a fuerzas estructurales, tales como caída de costos, incentivos económicos, acumulación de conocimiento. Las fechas dependen de la regulación, la infraestructura, la adopción social y la capacidad institucional, mientras que los productos dependen del azar de la competencia. Roy Amara lo resumió hace medio siglo: sobreestimamos el efecto de una tecnología a corto plazo y lo subestimamos a largo plazo.
La segunda lección es que pronosticamos tecnologías, pero no estructuras de poder. Los aciertos estuvieron en los aparatos y los costos, mientras que los grandes errores, en quién terminaría controlándolos. Como han mostrado Daron Acemoglu y Simon Johnson, el progreso tecnológico no produce por sí solo prosperidad compartida, pues depende de quién orienta la innovación, qué tareas decide automatizar y cómo se distribuyen sus rendimientos.
En La Gran Transición advertí, siguiendo a Paul Mason y Nick Srnicek, que las corporaciones de la infotecnología tendían al monopolio. Pero aposté a que la fuerza dominante sería que la hiperconectividad haría de las ideas un recurso compartido por todos “casi instantáneamente”, y que en la infoesfera, el Estado ya no podría manipular la opinión pública. Ocurrió casi lo contrario. Las ideas circulan, pero la capacidad de convertirlas en poder se concentró. Y la abundancia de información no impidió la manipulación, sino que la industrializó.
En la Parte III de mi libro Tres Crisis intenté corregir esa visión, aunque reconozco que en sus páginas todavía conviven la promesa de una economía descentralizada y la realidad de su concentración. Ahí describo un orden iliberal-tecnológico en el que unos cuantos países, corporaciones y élites concentran los recursos, el talento y la infraestructura de la aceleración tecnológica, y en el que el poder corporativo y el estatal tienden a fundirse. Las grandes tecnológicas operan ya como entidades cuasisoberanas. La tecnología no decidió por sí sola hacia dónde fluiría el poder. Eso lo decidieron las instituciones que no supimos construir a tiempo.
Por eso, en los artículos que siguen hablaré de tendencias y mecanismos, no de fechas ni de aparatos. Buscaré distinguir entre lo que sabemos, lo probable y lo que ignoramos. Lo que importa para México no es qué producto llegará en 2030, sino si nuestras instituciones estarán preparadas para tendencias ya visibles.
Para México y el sur global, esto exige trabajar con escenarios realistas, explicitar supuestos y revisar resultados. Una política tecnológica moderna debe poder abandonar instrumentos que no funcionan sin renunciar a sus objetivos. Y el éxito de las plataformas de innovación abierta que propondré no se medirá por cuántas tecnologías incorporen, sino por las soluciones que detonen y el valor que regrese a sus creadores y comunidades.
El futuro rara vez llega como lo imaginamos, pero casi siempre con la fuerza que anticipamos. Nos toca reconocerlo a tiempo y corregir el rumbo. Robotina no existe todavía, pero las máquinas que piensan, sí.