Mitos y realidades de la Inteligencia Artificial Generativa

En los últimos años, la Inteligencia Artificial (IA) generativa se ha convertido en un tema central en el ámbito empresarial, educativo y tecnológico. Su irrupción generó tanto entusiasmo como dudas, y alrededor de ella se construyeron numerosos mitos que alimentan miedos y resistencias. Muchos de estos mitos y temores se basan en desconocimiento y resulta necesario derribarlos para poder aprovechar esta nueva tecnología de manera responsable y efectiva.

Para dimensionar el fenómeno: las estimaciones del mercado varían desde USD 109,37 mil millones (software y servicios) hacia 2030 hasta USD 1,3 billones si se considera el ecosistema habilitado hacia 2032; la diferencia refleja el valor que se crea más allá del propio software.

Uno de los principales mitos es el de las “alucinaciones” o la generación de información incorrecta. Muchas personas creen que estos modelos simplemente inventan datos sin fundamento, lo cual genera desconfianza en su uso. Si bien este problema existe, hay formas de mitigarlo. Una de ellas es el diseño de prompts más completos, que incluyan la información específica que el modelo debe usar. Otra estrategia es el self-reflection, es decir, pedirle al mismo modelo que verifique si su respuesta fue consistente con los datos proporcionados. Finalmente, en casos más delicados, se recomienda incluir la supervisión humana (human in the loop) antes de entregar la respuesta final. Con estas técnicas, el riesgo de error disminuye notablemente.

Otro mito frecuente tiene que ver con la confidencialidad y la supuesta capacidad de los modelos para “robar” información sensible. Muchas noticias refuerzan la idea de que al ingresar datos en plataformas como ChatGPT, estos quedan expuestos y pueden ser reutilizados por terceros. Esto depende del uso que se haga y de las políticas de cada herramienta. Por ejemplo, las versiones empresariales de ChatGPT, los copilotos de Microsoft o las soluciones de Google cuentan con resguardos específicos para evitar este problema. Además, existe la opción de implementar modelos de código abierto en servidores locales, como Llama de Meta, que ofrecen mayor control sobre la privacidad de los datos. En definitiva, no se trata de un obstáculo insalvable, sino de conocer las alternativas disponibles y leer con atención las condiciones de uso.

Sobre el eterno debate sobre si la IA generativa “razona” como un ser humano o posee un grado de inteligencia equiparable a la nuestra, podríamos meternos en discusiones eternas sobre neurociencia, antropología y filosofía. Pero prefiero optar por el enfoque más pragmático. Lo que me muestra el día a día de trabajar continuamente con estos modelos es que son capaces de resolver problemas muy complejos.

Dado esto, muestran gran potencial es en tareas administrativas, repetitivas o de soporte, en las que pueden ofrecer respuestas rápidas y consistentes, pero también en resoluciones y planificaciones muy complejas, si les damos el contexto adecuado.

Sin embargo, hay una realidad innegable: carecen de la capacidad asociativa y del entendimiento profundo característico de la mente humana. En contextos que requieren empatía, sensibilidad y un entendimiento que no aparece en ningún documento electrónico, su aporte sigue siendo limitado. Esto incluye el conocer las complejidades políticas de una organización, las motivaciones de las personas, las experiencias pasadas y la intuición. Para cualquier actividad donde sean relevantes estos factores, no se ve a mediano plazo un horizonte donde la IA nos termine de reemplazar.

Pero volviendo a tareas cotidianas, en la práctica, equipos que incorporan IA reportan completar tareas 25% más rápido y con mejoras de calidad cercanas al 40%; en estudios transversales se han observado incrementos de throughput cercanos al 66%. Su fortaleza está en potenciar a las personas, no en reemplazarlas.

Otra limitación importante a tener en cuenta es que la IA generativa no reemplaza al machine learning tradicional ni a otros modelos de optimización que se utilizan desde hace años en áreas como logística, distribución o fijación de precios. Lo que sí puede hacer es complementar esos sistemas, facilitando la orquestación de procesos y la interacción con usuarios, pero no constituye una solución universal.

De hecho, en 2024 el software representó aproximadamente dos tercios del mercado, pero los servicios (integración, gobierno de datos y gestión del cambio) son el segmento de crecimiento más veloz, señal de que el valor real está en desplegar a escala y con buena ingeniería.

Por otro lado, el campo educativo aparece como uno de los espacios más prometedores para la IA generativa. Herramientas como Khanmigo de Khan Academy tienen gran potencial para democratizar el acceso al aprendizaje, fomentar el pensamiento crítico y brindar acompañamiento personalizado. No obstante, también plantea la necesidad de repensar la práctica docente: desde enseñar a los estudiantes a usar estas tecnologías de manera crítica, hasta incluir en las evaluaciones los prompts que generaron para comprender cómo razonan frente a un problema.

En síntesis, la IA generativa no es perfecta ni omnipotente, pero tampoco un riesgo incontrolable. Existen técnicas y marcos de uso que permiten minimizar los errores y resguardar la seguridad de los datos. El mayor desafío no radica en la tecnología, sino en la capacidad de las personas y organizaciones para adaptarse, superar la resistencia al cambio y animarse a experimentar. Posponer la adopción de estas herramientas sólo aumentará la brecha con quienes ya se están beneficiando de ellas. Cuando se orquesta bien, ya hay casos con ROI cercanos al 300% en marketing y mejoras medibles en atención al cliente y operaciones.

Estamos frente a una revolución tecnológica que, más que amenazar, abre oportunidades inéditas. El camino no está exento de dificultades, pero con preparación, conocimiento y sentido crítico, la Inteligencia Artificial generativa puede convertirse en una aliada clave para transformar negocios, mejorar la educación y facilitar procesos en múltiples áreas de la sociedad.

El autor es fundador y CEO de Botman AI, partner de SMS Sudamérica