De la ciencia a la ingeniería: cinco enfoques renovados para enfrentar la era de la IA.

El mundo actual se sostiene en gran medida sobre la ciencia. Sin embargo, en los últimos años, el avance ha sido tan rápido que nos lleva a replantearnos cómo pensamos. Esta es la reflexión de Dan Shipper, emprendedor y autor experto en inteligencia artificial, quien cuenta con una nutrida base de seguidores en su boletín.

Para Shipper, la entrada en la era de la IA marca un paso importante: transitamos desde lo que Andrej Karpathy, exingeniero en Tesla y OpenAI, denomina Software 1.0 —programas basados en instrucciones explícitas de humanos que siguen un pensamiento racional y científico— hacia el Software 2.0. En esta fase, el objetivo se define y el modelo se entrena para alcanzarlo. En lugar de que el ser humano proporcione cada instrucción, el modelo explora alternativas hasta encontrar la adecuada. Así, los problemas de ciencia —relacionados con teorías y reglas— pasan a ser problemas de ingeniería, enfocados en lograr resultados.

Sin darnos cuenta, estamos migrando de la ciencia a la ingeniería. Y aunque ambas áreas están conectadas, sus métodos y objetivos son distintos.

La ciencia, a través de hipótesis y experimentos, se dedica a entender los fenómenos naturales y a formular teorías sobre el universo. La ingeniería, por otro lado, se enfoca en resolver problemas aplicando conocimientos científicos y creando soluciones prácticas que transformen nuestro entorno.

Este cambio tiene implicaciones profundas en cómo abordamos los problemas y entendemos el mundo. Según Shipper, este giro hacia la ingeniería será un motor de avance en este siglo. Se trata, sin duda, de una perspectiva inspiradora.

Cinco enfoques innovadores

Pero ¿cómo se materializa este cambio? Shipper distingue cinco enfoques renovados para resolver problemas o crear servicios en un mundo moldeado por la IA. El primero es cambiar el enfoque en la esencia por el enfoque en la secuencia.

Antes de la IA, crear software o escribir un libro exigía descomponer los problemas en sus componentes básicos y partir de ahí. Se requería definir claramente al usuario y el problema, o desarrollar una tesis en el caso de un libro. En el mundo post-IA, importa más la secuencia: la cadena de eventos que conduce a un resultado específico. Los modelos de lenguaje funcionan así al predecir qué palabra sigue en un texto, o los coches autónomos al calcular el recorrido basado en datos secuenciales de video y GPS.

Otro cambio clave es pasar de buscar reglas a identificar patrones. En la era previa a la IA, era fundamental establecer reglas y principios básicos que guiaran el análisis de situaciones. Con la IA, los modelos aprenden a reconocer patrones complejos que no pueden ser expresados como reglas simples.

El tercer cambio importante es priorizar la intuición sobre los procesos. Esto puede sonar poco científico, pero es útil. En la era post-IA, es posible crear aplicaciones para tareas que no pueden definirse en términos de reglas. El reconocimiento óptico de caracteres (OCR), por ejemplo, permite a las máquinas identificar texto en imágenes sin seguir reglas, usando en cambio métodos de aprendizaje profundo que permiten una «intuición» artificial.

De la escultura a la jardinería

Antes de la IA, el proceso creativo era como esculpir: se trabajaba minuciosamente para dar forma a una idea. En la era de la IA, el trabajo se parece más a la jardinería. El jardinero no crea una planta desde cero, sino que establece las condiciones adecuadas para que crezca. De manera similar, el creador en el mundo de la IA establece el ambiente para que el sistema desarrolle soluciones de manera autónoma.

El último cambio, quizás el más complejo, es cambiar las explicaciones por predicciones. Las explicaciones han sido durante siglos el objetivo de la ciencia y la empresa, pero en la era de la IA, el valor radica en la precisión de las predicciones. Los galardonados del Premio Nobel de Física y Química 2024 fueron ingenieros informáticos que desarrollaron arquitecturas de IA enfocadas en predicciones eficaces, no en explicaciones teóricas.

Este enfoque, centrado en predecir en lugar de explicar, convierte los problemas de la ciencia en problemas de ingeniería. Ya no nos preguntamos «¿qué es esto?», sino «¿cómo logro predecirlo?».

Nuevas preguntas para una nueva era. La historia ha avanzado cada vez que hemos transformado nuestra forma de pensar. ¿Será este el momento de dar el próximo salto evolutivo?

Alicia Richart es directora general de Afiniti para España y Portugal.

Vivimos en un mundo científicamente orientado, una mentalidad que comenzó con Galileo, Newton, Descartes y Copérnico. La ciencia nos ha dado grandes logros, desde los cohetes y las vacunas hasta los teléfonos inteligentes, y sigue siendo un pilar del progreso.