De Aristóteles a Bacon: el giro que necesita la inteligencia artificial corporativa
Los modelos de lenguaje de gran escala, conocidos como LLMs, han demostrado ser herramientas impresionantes en el ámbito de la inteligencia artificial. Sin embargo, las empresas requieren ahora un tipo de sistema que no solo actúe y genere respuestas, sino que también observe las consecuencias de sus acciones y aprenda de la realidad a medida que esta se desarrolla.
Enrique Dans, profesor universitario y Director de Innovación en una startup de inteligencia artificial, destaca la necesidad de un cambio de paradigma en la forma en que se implementan estos modelos en entornos corporativos. Aunque los LLMs son capaces de generar respuestas coherentes y sofisticadas, las compañías necesitan sistemas que manejen estados persistentes, estructuras formales, permisos y bucles de retroalimentación, además de aprender de los resultados obtenidos.
El problema va más allá de lo técnico; es epistemológico. La industria ha desarrollado máquinas esencialmente aristotélicas, basadas en la lógica y la deducción, que no se adaptan bien a las necesidades actuales de las empresas. Los LLMs funcionan absorbiendo grandes cantidades de conocimiento humano y generando respuestas estadísticamente coherentes, pero carecen de la capacidad de verificar si sus recomendaciones funcionan en la práctica.
Francis Bacon, en contraste, propuso un método de aprendizaje basado en la observación y la experimentación continua. Este enfoque baconiano permitió la acumulación de conocimiento a través de generaciones y la corrección de errores mediante un proceso iterativo de formulación de hipótesis, pruebas y revisiones. Esta metodología es la que podría transformar la inteligencia artificial corporativa, permitiendo que los sistemas no solo razonen, sino que también aprendan y se adapten a la realidad cambiante.