Las olas de entrenamiento y el razonamiento de “largo horizonte”
Durante la conversación, Safdie identificó distintas etapas en la evolución reciente de la inteligencia artificial. Durante una primera ola, que tuvo como gran punto de inflexión el lanzamiento de ChatGPT, los modelos fueron entrenados principalmente con enormes cantidades de información disponible en Internet. Pero ese recurso alcanzó un límite.
“A medida que la cantidad de datos y la cantidad de análisis disponible para entrenar los modelos se iba limitando, porque hay una cantidad limitada de información en Internet que puede ser procesada, se fue creando esta ola de post-entrenamiento”, explicó.
En esa segunda etapa adquirió protagonismo la intervención humana: personas que evalúan las respuestas de los modelos, determinan cuáles son mejores y ayudan a enseñarles no solamente qué responder, sino también de qué manera hacerlo.
Ahora, según Safdie, la industria atraviesa una nueva fase, vinculada al aprendizaje por refuerzo y a la utilización de información “del mundo real” para continuar mejorando los sistemas. Ese cambio coloca a los datos en un lugar todavía más estratégico: quién los posee, quién puede acceder a ellos y qué información pueden utilizar los laboratorios para entrenar sus modelos se convierten en preguntas centrales.
Según la ejecutiva, el próximo gran salto es pasar de utilizar la IA como una herramienta de consulta a convertirla en un colaborador capaz de ejecutar tareas con mayor autonomía.
“La tecnología actual permite que la IA sea capaz de ejecutar tareas de forma autónoma y autorregulada, generando impactos reales en el trabajo de las personas que con la primera ola no se veían”, defendió.
El cambio puede observarse con claridad en el desarrollo de software. Mientras los primeros modelos podían generar código pero necesitaban que una persona actuara como intermediaria para implementarlo y resolver los problemas que aparecieran, un agente puede ahora avanzar sobre una tarea más extensa, detectar errores, corregirlos y continuar trabajando.
Una de las claves de esta evolución es lo que Safdie define como “razonamiento de largo horizonte”: la capacidad de mantener una cadena de decisiones durante tareas más prolongadas, verificar los resultados y modificar el rumbo cuando sea necesario.
“Antes podías tener diez agentes corriendo al mismo tiempo con ventanas de contexto muy particulares hablando los unos con los otros. Ahora podrías tener un sistema más independiente que opere solo y que pueda autorregularse”, señaló durante la entrevista.
El criterio humano frente al “AI Slop”
La paradoja es que, mientras las máquinas ganan autonomía y capacidades técnicas, Safdie considera que algunas características intrínsecamente humanas pueden volverse más valiosas.
Para la economista, la inteligencia artificial genera una “falsa sensación de progreso”, permite producir mucho y avanzar rápidamente, pero esa velocidad pierde valor cuando no existe una persona capaz de determinar hacia dónde avanzar.
“Avanzar rápido no sirve de nada si estamos yendo en la dirección equivocada o si el producto que estamos generando no tiene el toque de la experiencia”, advirtió y agregó: “El criterio se vuelve cada día más fundamental, sobre todo a la hora de liderar una startup”.
Safdie utiliza el concepto de “AI Slop” para describir parte de ese fenómeno: textos, diseños, aplicaciones y otros contenidos que pueden estar técnicamente bien producidos, pero carecen de una mirada propia. Frente a la multiplicación de contenidos generados con inteligencia artificial, considera que las compañías deberán encontrar una manera de diferenciarse.
“La magia de la IA viene cuando alguien con experiencia o algo para decir la usa para hacer que su capacidad de producción sea exponencial”, compartió con El Observador. Para las startups, eso implica que disponer de las mismas herramientas que el resto ya no será suficiente: “Van a tener que hacerse notar frente a todo el ruido, y para eso tienen que tener un punto de vista”.
Del “saber hacer” al “saber actuar”
Ese mismo razonamiento atraviesa el debate sobre el impacto de la inteligencia artificial en el empleo. Safdie aseguró que existió un cambio respecto de las proyecciones más pesimistas que dominaron los primeros años de esta revolución tecnológica.
“Creo que el pequeño boomerang que hubo respecto a esta percepción catastrófica de la inteligencia artificial viene mucho por haberla usado más y conocer más”, comentó.
A medida que empresas y trabajadores comenzaron a incorporar estas herramientas, también descubrieron sus limitaciones. “Las primeras veces que chateás con cualquier LLM o que ves un agente en acción decís: ‘Esto es maravilloso y me va a sacar el trabajo’. Y a medida que te empezás a adentrar y tratás de resolver problemas, empezás a darte cuenta de las fallas”, subrayó
Safdie cree que muchas capacidades técnicas se democratizarán. Con inteligencia artificial, una persona puede alcanzar conocimientos básicos de programación, diseño o producción que antes requerían una especialización mayor. Pero lograr que esos productos realmente funcionen continúa requiriendo experiencia, preferencias y sensibilidad.
La automatización también podría modificar qué capacidades valoran las empresas. A medida que pierda peso el “saber hacer” determinadas tareas operativas, ganará terreno el “saber actuar”: cómo relacionarse con otras personas, cómo responder ante situaciones adversas y cómo tomar decisiones.
Dos exits y una lección sobre emprender
Su llegada al ecosistema emprendedor se dio después de trabajar en “el mundo corpo” tradicional y comenzar a preguntarse por qué determinadas cosas no podían hacerse de otra manera. “Mi interés era ver si podía hacer algo diferente, mejor, si podía tener otro impacto o podía tener un producto distinto”, recordó.
Las dos experiencias fueron muy diferentes, pero le dejaron una enseñanza común: emprender implica convivir durante largos períodos con la incertidumbre.
“Siempre lo hacés con una ilusión, una visión o una misión de cómo va a terminar, pero hay un martes o un miércoles en el que estás en tu casa y decís: ‘No lo veo’”, contó. “Hay más días en los que no lo ves que días en los que sí”.
Su respuesta frente a esos momentos de adversidad es enfocarse en lo que sí podes controlar como emprendedor y seguir ejecutando, “resolver el problema inmediato y mantener la mirada puesta en el objetivo de largo plazo”.
Para Safdie, Argentina tiene características particulares que pueden jugar a favor de sus emprendedores en esta nueva industria.
“Sé que es un cliché, pero el argentino está rodeado de problemas”, afirmó. Esa experiencia, considera, genera una capacidad particular para encontrar soluciones diferentes y continuar avanzando aun cuando el escenario cambia permanentemente.
“Lidiar en un mundo de incertidumbres, como es la inteligencia artificial hoy en día, es muy difícil”, explicó. Sin embargo, agregó que los argentinos están acostumbrados a preguntarse qué ocurrirá dentro de cinco o diez años. “Estamos más preparados psicológicamente para enfrentarnos a esa incertidumbre, no caernos frente a ella y seguir”.
