Cada tecnología tiene una evolución que comienza con experimentos, continúa con la conquista de aplicaciones y termina con la penetración de sus diseños en el mercado que les da un espacio en hogares e industrias. James Utterback y William Abernathy son referencias obligadas a la hora de explicar cómo, al principio, predomina la innovación del producto y, después, al consolidarse ciertos diseños, gana importancia la innovación del proceso, con énfasis en cómo producir mejor, con mayor calidad y a menor costo. Esta idea de las fases de desempeño puede ayudar a comprender mejor la inteligencia artificial (IA).
La historia precede al actual entusiasmo global y a la obligada conversación sobre IA. En 1956, investigadores reunidos en la ciudad estadounidense de Dartmouth dieron identidad a una disciplina que aspiraba a reproducir capacidades intelectuales mediante máquinas. Decenas de años después, tras avances y algunos reconocidos retrocesos, en 2012 el deep learning (aprendizaje profundo) cobró nuevo impulso y, en 2017, los modelos transformadores abrieron otra etapa. Desde 2022, los asistentes generativos han acercado estas capacidades a millones de personas a través de internet.
Volviendo al ciclo biológico de las tecnologías, ¿en qué fase estamos? La respuesta depende de la IA que observemos. Los sistemas de reconocimiento de voz y de visión artificial están relativamente consolidados (por ejemplo, el reconocimiento facial del «teléfono», la digitalización de documentos o los subtítulos automáticos en algunas aplicaciones). En cambio, la IA generativa está en una fase de crecimiento y en una búsqueda brutal y competitiva de diseños dominantes. Los transformadores (redes neuronales) dominan hoy en día gran parte de la arquitectura, mientras surgen alternativas más eficientes y aplicaciones multimodales. Los agentes autónomos y los robots en entornos cambiantes aún presentan rasgos experimentales. Una sola curva tecnológica ocultaría esa diversidad.
Ahora bien, ya existen normas internacionales para interfaces de comandos de voz y formatos de intercambio de imágenes biométricas faciales. La IA generativa también cuenta con estándares de gestión, aunque sus productos y procesos evolucionan rápidamente. En septiembre de 2026, de forma poco habitual, Dario Amodei (Anthropic) propuso evaluaciones independientes y coordinación sectorial, medidas que Sam Altman (OpenAI) respaldó y a las que Elon Musk (Grok) mostró su apoyo general. Así surge una inusual particularidad cuya gobernanza y la estandarización avanzan mientras aún se disputan diseños, aplicaciones y formas de producción.
De esta manera, el futuro prospectivo presenta varias trayectorias plausibles, como, por ejemplo, el AI Index Report 2026 de la Universidad de Stanford que anticipa modelos más pequeños y especializados, mejores evaluaciones y aplicaciones científicas y médicas verificables. Además, se están explorando agentes más confiables, sistemas que integran lenguaje, imagen y acción, y máquinas capaces de intervenir en el mundo físico. Se trata de horizontes posibles, más que de destinos garantizados, sobre los que se debate más abiertamente desde las perspectivas del consumo energético, la seguridad y la supervisión humana, indispensables para determinar su alcance.
Utterback revela una paradoja fértil según la cual la madurez de unas soluciones puede dar lugar a otras fases de nacimiento. La pregunta decisiva para el lector pasa de la fascinación que le produce la IA a otras más tangibles y cuantificables, como la cantidad de conocimiento útil que pudiere ser capaz de producir, los problemas que resuelve y las capacidades que permite construir. Su progreso verdadero se medirá en beneficios demostrables y oportunidades compartidas.
Por: Roberto Betancourt A.
Fuente: UltimasNoticias
Publicado por AiSUR
Premio Naqcional de Periodismo Necesario Anibal Nazoa 2020
