GPT-4 · Cuando más tareas empiezan a ser tratables con IA

Entidad: OpenAI
Referencia: GPT-4 · 14 de marzo de 2023

Pocos meses después del lanzamiento de ChatGPT, GPT-4 mostró que la cuestión no era solamente cuánta gente podía acceder a la IA generativa. También estaba cambiando qué clase de tareas podían intentarse con ella.

OpenAI presentó GPT-4 como un modelo multimodal capaz de aceptar texto e imágenes como entrada y producir texto, con resultados muy superiores a la generación anterior en distintas pruebas profesionales y académicas. La propia empresa subrayó también sus límites: seguía cometiendo errores y estaba lejos de ser perfecto.

Ese equilibrio importa.

El umbral económico puede cambiar antes que la perfección técnica

Una tecnología no necesita resolver una tarea perfectamente para alterar un mercado.

Puede bastar con que reduzca mucho el tiempo o el coste de una parte del trabajo.

Si preparar una primera investigación requiere una hora en vez de una tarde; si comparar veinte documentos deja de ser una tarea manual; si una imagen puede analizarse junto con texto; si un primer borrador técnico se obtiene en minutos, cambia la economía de actividades que siguen necesitando revisión humana.

Por eso el salto que interesa al Observatorio no es «la IA ya sabe hacerlo todo».

Es más concreto: crece el conjunto de trabajos para los que resulta razonable preguntarse si una parte puede hacerse de otra manera.

Cada nueva capacidad abre preguntas en profesiones distintas

Cuando un modelo mejora en razonamiento, análisis de texto, código o comprensión de imágenes, no cambia solamente el sector tecnológico.

Empieza a ser relevante para abogados, ingenieros, médicos, diseñadores, investigadores, profesores, contables, arquitectos, consultores y muchas otras profesiones.

No porque todos esos trabajos puedan reducirse a una respuesta generada por un modelo.

Precisamente porque contienen tareas muy diferentes.

Una profesión puede mantener intacta su responsabilidad final y, al mismo tiempo, ver transformado el trabajo preparatorio, la búsqueda de información, la producción de alternativas o la revisión inicial.

La aceleración cambia la competencia aunque no adoptemos

Aquí aparece una consecuencia económica importante.

Una empresa puede decidir no utilizar una nueva herramienta. Lo que no puede decidir es que sus competidores tampoco la utilicen.

Si otros reducen el tiempo de determinadas tareas, prueban más alternativas o ofrecen servicios antes demasiado caros, cambian las expectativas del mercado.

El cliente puede empezar a esperar más rapidez, más personalización o precios distintos.

De esta manera, la IA actúa como acelerador sobre un sistema ya competitivo y conectado. No necesita sustituir una profesión completa para modificar sus condiciones económicas.

Oportunidades que abre la ampliación de tareas tratables

Cada vez que baja el coste de una tarea aparece la posibilidad de ofrecer algo que antes no compensaba.

Un pequeño despacho puede revisar más documentación sin aumentar proporcionalmente su estructura.

Un profesor puede preparar variaciones de material para estudiantes con necesidades distintas.

Un ingeniero puede explorar más opciones antes de elegir una solución.

Un creador visual puede probar conceptos que antes habría descartado por coste.

Un investigador puede dedicar menos tiempo a tareas mecánicas y más a formular buenas preguntas.

También aparece trabajo nuevo: especialistas que diseñen procedimientos de verificación, personas que integren modelos con información profesional, expertos en privacidad y seguridad, formadores que enseñen usos responsables y profesionales capaces de decidir qué tareas conviene delegar y cuáles no.

El valor se desplaza hacia el criterio y la integración

Cuanto más capaz es una herramienta, menos diferenciador resulta simplemente tener acceso a ella.

El valor empieza a desplazarse hacia preguntas como:

• ¿qué problema merece resolverse?;
• ¿qué información necesita la herramienta?;
• ¿cómo comprobamos el resultado?;
• ¿qué riesgo no podemos aceptar?;
• ¿qué parte debe seguir bajo responsabilidad humana?;
• ¿cómo incorporamos lo aprendido al trabajo habitual?

Esas preguntas abren oportunidades para perfiles que conocen el negocio, la profesión y las consecuencias reales de una decisión.

Qué nos dice esta pieza sobre Lo que viene

GPT-4 es una señal fuerte de expansión de posibilidades, no una prueba de capacidad humana equivalente ni de valor empresarial automático.

Lo relevante es que el límite de lo que merece la pena intentar con IA se mueve.

Cuando ese límite se mueve con rapidez, personas y organizaciones tienen que revisar continuamente qué parte de su trabajo sigue teniendo sentido hacer igual y dónde aparece una manera mejor.

Ahí está la oportunidad.

No en perseguir cada modelo nuevo, sino en reconocer antes qué nueva capacidad cambia de verdad nuestro trabajo y convertirla en algo útil mientras todavía tenemos tiempo para hacerlo.