A la industria tecnológica le encantan las disputas semánticas. Las discusiones sobre inteligencia artificial, inteligencia sintética y superinteligencia pueden parecerse a especialistas en marketing debatiendo el color de la pintura de un automóvil que aún necesita mejores frenos.

Para los compradores corporativos, una etiqueta más impresionante apenas responde a las preguntas prácticas: ¿funcionará el sistema de manera fiable?, ¿cuánto costará? y ¿qué sucede cuando falla?.

Independientemente de si un proveedor enfatiza la inteligencia artificial, la sintética o la superinteligencia, la etiqueta pasa por alto la cuestión fundamental de ingeniería: ¿cuenta el sistema con las capacidades, los controles y los recursos informáticos necesarios para su función?.

El término «artificial» puede evocar la idea de fruta de plástico —algo diseñado para parecerse a lo auténtico—, mientras que «super» invita a asumir una superioridad antes de haber demostrado su fiabilidad. Ninguna de las dos etiquetas indica al comprador qué grado de autoridad debería otorgarse al sistema.

Una etiqueta más grandilocuente no puede resolver una debilidad conocida: los modelos pueden generar respuestas convincentes y, al mismo tiempo, pasar por alto el contexto básico o cometer errores fácticos.

La suposición con mayores consecuencias es que una mayor capacidad siempre hace que un sistema sea mejor. En los sistemas empresariales y embebidos, la capacidad debe sopesarse frente al coste, la latencia, la fiabilidad y el control. Implementar un modelo que exceda con creces los requisitos de una tarea puede suponer un despilfarro de electricidad, refrigeración y capital. Asimismo, otorgarle una autoridad innecesaria puede generar riesgos operativos.

Alejémonos por un momento del ciclo de exageración mediática (*hype*) y examinemos por qué nuestra obsesión con la «inteligencia» bruta de las máquinas refleja nuestras suposiciones más erróneas sobre el cociente intelectual humano; por qué la historia de la automoción ya nos enseñó la dolorosa lección de los desajustes en la capacidad de cómputo; y por qué la métrica hacia la que realmente deberíamos avanzar no es la inteligencia, sino la sabiduría.

La falacia del cerebro sobredimensionado.

Buscar la superinteligencia para cualquier tarea empresarial o industrial puede equivaler a instalar un reactor nuclear en un cortacésped con asiento. Supervisar las tolerancias de soldadura en una cadena de montaje, gestionar las solicitudes de atención al cliente y controlar el sistema de frenos antibloqueo (ABS) son tareas que exigen capacidades distintas. El objetivo es lograr un rendimiento fiable dentro de unos límites definidos, cumpliendo requisitos especialmente estrictos de tiempo y seguridad en el caso del frenado.

Un modelo de frontera de propósito general puede añadir costes, latencia y variabilidad a una tarea que una consulta a una base de datos, un software convencional o un modelo especializado más pequeño podrían resolver con mayor eficiencia. La comparación adecuada debe basarse en el rendimiento medido frente a la carga de trabajo real.

Los modelos generativos pueden «alucinar», produciendo información plausible pero incorrecta. Los sistemas entrenados para maximizar una recompensa también pueden explotar fallos en dicha recompensa, cumpliendo con una métrica sin lograr el resultado previsto. Se trata de modos de fallo distintos, y ninguno de ellos puede diagnosticarse simplemente contando parámetros.

El acceso innecesario a herramientas, datos y controles puede convertir un sistema automatizado capaz en un riesgo operativo. Sus permisos deben dimensionarse con tanto cuidado como sus recursos informáticos.

El cociente intelectual (CI) no basta para evaluar la idoneidad para un puesto.

Para entender por qué perseguir la inteligencia bruta de las máquinas es una empresa inútil, basta con observar cómo medimos la inteligencia humana.

Las pruebas de CI evalúan capacidades cognitivas, como el razonamiento, la memoria de trabajo y la velocidad de procesamiento. La capacidad cognitiva es importante, pero la contratación también requiere evaluar las habilidades pertinentes, la experiencia, la motivación y las exigencias del puesto.

Una puntuación alta en razonamiento no garantiza que una persona siga los procedimientos, colabore eficazmente o mantenga el compromiso con una tarea concreta. La clave reside en el grado de ajuste entre las capacidades y los hábitos de trabajo de la persona y el puesto en cuestión.

Piense en el CI como en la potencia (caballos de fuerza) de un automóvil. La potencia es una cifra engañosamente sencilla que luce fantástica en la ficha técnica y sirve para ganar discusiones en las reuniones de aficionados al motor. Si la potencia es insuficiente —por ejemplo, al intentar incorporarse a una autopista en cuesta con un vehículo muy cargado y un motor asmático de 70 caballos—, uno se convierte en un obstáculo móvil y en un peligro para la seguridad. Simplemente carece de la fuerza necesaria para realizar la maniobra con seguridad.

Sin embargo, cualquiera que haya conducido un *restomod* de gran potencia mal ajustado o un superdeportivo de primera generación sabe que el exceso de potencia es igual de peligroso si el chasis, la suspensión, los neumáticos y el control de tracción no están diseñados para transmitir esa potencia al asfalto.

Si instalas un motor de alto rendimiento de 1.000 caballos en un coche clásico ligero, con neumáticos estrechos de estructura diagonal y sin control de estabilidad, tocar el acelerador bajo la lluvia no te hará ir más rápido: hará que el coche trompee y choque marcha atrás contra un árbol. La potencia bruta, sin adherencia mecánica ni equilibrio del chasis, es simplemente una forma costosa de convertir goma en humo y chapa en chatarra.

El entorno laboral ofrece una lección similar sobre la idoneidad. Las investigaciones sobre la sobrecualificación cognitiva percibida la han vinculado con la insatisfacción laboral, pero eso no demuestra que un coeficiente intelectual (CI) elevado provoque un bajo rendimiento en tareas repetitivas.

Un empleado cuyas capacidades no se aprovechan puede aburrirse o perder el interés. Esta es una razón para analizar el diseño del puesto y las oportunidades de aportar valor, en lugar de asumir que una mayor inteligencia convierte a alguien en un peor empleado.

Del mismo modo que un coche de carreras de 900 caballos puede resultar inadecuado para avanzar a paso de hombre por una zona escolar, un modelo de uso general de vanguardia puede ser una opción costosa para una tarea operativa estrictamente estructurada.

Inteligencia frente a sabiduría: escalar la pirámide correcta.

Si las puntuaciones de CI, la capacidad de procesamiento informático y el número de parámetros no bastan para determinar la idoneidad para un puesto, ¿qué más deberíamos medir?.

La clásica pirámide DIKW (Datos, Información, Conocimiento y Sabiduría) ofrece un marco útil para abordar el problema: procesar datos e identificar patrones son pasos hacia la toma de decisiones útiles, pero el criterio requiere contexto. Aumentar la velocidad de procesamiento no garantiza, por sí solo, la toma de decisiones acertadas.

A efectos de este análisis, la inteligencia se define como la capacidad de aprender, razonar y resolver problemas. Un sistema puede calcular una trayectoria, generar código o sintetizar documentos legales. Sin embargo, dichas capacidades no garantizan por sí mismas que el resultado sea preciso o que la acción propuesta sea la adecuada.

La sabiduría es un criterio aplicado que se fundamenta en el contexto, la experiencia y la prudencia. En el caso de las máquinas, el objetivo útil consiste en traducir esas cualidades en comportamientos observables: respetar los límites, gestionar la incertidumbre y escalar las decisiones de manera apropiada.

Existe un viejo dicho que afirma que la inteligencia consiste en saber que el tomate es una fruta, mientras que la sabiduría radica en saber que no debe incluirse en una macedonia. En el ámbito empresarial, un sistema de optimización podría recomendar eliminar el inventario de seguridad para reducir los costes de almacenamiento. El criterio operativo, por su parte, plantea si los ahorros resultantes justifican la exposición a riesgos como una huelga portuaria, una tormenta invernal o el fallo de un proveedor.

Para los altos directivos, los cirujanos y los pilotos de aviación, la competencia técnica es solo una parte de la evaluación; también cuentan la capacidad de juicio bajo presión, el cumplimiento de los protocolos de seguridad y el reconocimiento de los propios límites.

Los sistemas empresariales y los sistemas integrados requieren lo que yo llamaría «sabiduría operativa aplicada»: sistemas diseñados para actuar dentro de límites definidos, seleccionar una respuesta adecuada y, cuando sea necesario, transferir el control a un humano o activar un estado de seguridad alternativo.

Lecciones de la industria automotriz sobre rendimiento y margen de capacidad del software.

Ajustar los recursos informáticos a la tarea implica también evitar una capacidad insuficiente. Los sistemas de infoentretenimiento en los automóviles ofrecen una lección útil: los conductores perciben de inmediato una respuesta inadecuada, y las actualizaciones de software pueden imponer exigencias adicionales a un hardware que debe permanecer operativo durante años.

Basta recordar los primeros años de la década de 2010 y la agresiva incursión de Microsoft en el habitáculo del vehículo con Windows Embedded Automotive; su implementación más notoria —y problemática— se produjo en los sistemas MyFord Touch y MyLincoln Touch de Ford, presentes en millones de turismos.

Sobre el papel, la propuesta era deslumbrante: controles activados por voz, pantallas configurables e integración con teléfonos inteligentes. En la práctica, la lección fue que una lista ambiciosa de funcionalidades sirve de poco cuando la interfaz resulta frustrante de usar.

La lentitud de respuesta de las pantallas táctiles, los problemas de reconocimiento de voz y los reinicios inesperados causaban frustración a los conductores. Los problemas con MyFord Touch contribuyeron a que Ford cayera en la clasificación de calidad inicial de J.D. Power, pasando del quinto puesto en 2010 al vigesimotercero en 2011. Más tarde, Ford sustituyó el sistema basado en Microsoft por la plataforma QNX de BlackBerry para su sistema SYNC 3.

El uso por parte de Tesla de procesadores Intel Atom para sistemas de infoentretenimiento ofrece otro ejemplo de hardware automotriz que da servicio a una carga de trabajo de software en constante evolución. AMD también suministra procesadores para las experiencias dentro del habitáculo de los vehículos Tesla. No obstante, estos son ejemplos de infoentretenimiento y deben distinguirse de los sistemas informáticos independientes encargados de la asistencia a la conducción.

La lección más amplia consiste en evaluar la capacidad de respuesta, las exigencias gráficas y el margen operativo del software a lo largo de la vida útil prevista del vehículo. Un procesador que cumple con los requisitos actuales puede dejar poco margen para las funcionalidades del futuro.

Estos ejemplos apuntan a un requisito práctico de compra: evaluar el sistema completo de hardware y software en función de las cargas de trabajo actuales, las actualizaciones previstas y los tiempos de respuesta aceptables. El prestigio de la marca no puede sustituir a un rendimiento demostrado.

Un marco de medición mejor: sistemas calibrados según la tarea.

Evitar tanto una capacidad de cómputo insuficiente como una complejidad innecesaria requiere mejores métodos de medición y garantía. Los compradores necesitan pruebas de que el sistema es adecuado para su tarea, con controles proporcionales a las consecuencias de un posible fallo.

Yo definiría ese objetivo como computación calibrada según la tarea: una competencia acotada y verificable, respaldada por recursos adecuados y una planificación del ciclo de vida.

Para concretar esta idea, propongo tres áreas de evaluación:

1. Relación entre cómputo y criticidad (CCR, por sus siglas en inglés).

Del mismo modo que los ingenieros de automoción utilizan los Niveles de Integridad de Seguridad Automotriz (ASIL, de la A a la D) de la norma ISO 26262 para establecer requisitos de seguridad basados ​​en el riesgo, los despliegues de IA necesitan una clasificación estandarizada que vincule la capacidad de cómputo, la complejidad del modelo y la latencia con la criticidad de la tarea. Un sistema que gestiona el frenado automático de emergencia requiere tiempos de respuesta estrictamente acotados, un comportamiento validado y ningún margen para la improvisación creativa; no un modelo masivo de frontera que se dedique a reflexionar sobre poesía.

2. Índice de sabiduría aplicada (AWI, por sus siglas en inglés).

En lugar de depender de pruebas comparativas (*benchmarks*) que miden la capacidad de los modelos para aprobar exámenes de acceso a la abogacía o resolver problemas matemáticos de olimpiadas, el AWI mediría la prudencia y la conciencia de los límites del sistema. ¿Con qué fiabilidad reconoce el sistema casos límite fuera de la distribución de entrenamiento?. ¿Con qué coherencia se niega a especular cuando el nivel de confianza validado cae por debajo del umbral adecuado para la tarea?. Un sistema con un alto nivel de sabiduría se mantiene dentro de su margen operativo y adopta una respuesta segura por defecto al alcanzar dichos límites.

3. Certificación de margen operativo para el ciclo de vida.

Basándome en las lecciones del sector automotriz mencionadas anteriormente, exigiría que toda implementación de IA —ya sea empresarial o integrada (embedded)— se sometiera a pruebas de estrés de carga de trabajo que contemplaran al menos cinco años de actualizaciones de software proyectadas y, cuando proceda, mejoras en los sensores. Los sistemas destinados a prestar servicio durante más tiempo deberían probarse considerando ese horizonte temporal más amplio. La certificación requeriría demostrar la existencia de un margen térmico y computacional suficiente, manteniendo las cargas de trabajo no críticas aisladas de los bucles de control críticos para la seguridad.

Conclusión.

El debate sobre la inteligencia artificial, la inteligencia sintética y la superinteligencia puede distraernos de lo esencial. Para los compradores, la pregunta útil es si un sistema puede desempeñar la tarea asignada de manera fiable, dentro de un presupuesto aceptable y con límites claramente definidos.

Buscar mayor capacidad sin los controles adecuados equivale a instalar un motor de 1.000 caballos de potencia en un coche utilitario con neumáticos desgastados. Esa cifra impresionante no garantiza en absoluto que el sistema en su conjunto sea apto para su propósito.

La contratación de personal ilustra la importancia de la idoneidad para el puesto. La informática automotriz ilustra la importancia de la capacidad de respuesta y del margen operativo a lo largo del ciclo de vida. Ninguna de estas lecciones se ve reflejada en las afirmaciones sobre una inteligencia superior.

Las empresas y los fabricantes de automóviles necesitan sabiduría operativa aplicada: capacidad ajustada a la tarea, autoridad delimitada por el riesgo y un rendimiento validado durante toda la vida útil del sistema.