Más allá de comparar máquinas con humanos: cómo deberías evaluar realmente la IA
Durante décadas, la pregunta que ha dominado el desarrollo de la inteligencia artificial ha sido siempre la misma: ¿puede una máquina pensar como un humano? El Test de Turing se convirtió en el referente, el punto de partida de casi todos los esfuerzos por medir si una IA era «inteligente». Pero ese enfoque tiene un problema fundamental: está obsoleto.
Un artículo reciente publicado en Science, liderado por investigadores de la Universitat Politècnica de València junto con colegas de Cambridge, Princeton, el MIT y Google DeepMind, propone dejar atrás esa obsesión por determinar si la IA iguala o supera las capacidades humanas. El motivo es simple: la pregunta en sí es limitada y no refleja lo que realmente importa cuando introduces una tecnología de IA en tu entorno.
Los investigadores plantean tres cambios importantes en la forma de evaluar estos sistemas:
- Evaluar la diversidad de perfiles cognitivos. No se trata de medir un único tipo de «inteligencia», sino de entender qué capacidades abstractas tiene el sistema y en qué contextos funciona bien o mal.
- Analizar cómo cambia tu forma de pensar cuando trabajas junto a la IA. En lugar de preguntarse qué tareas puede reemplazar una máquina, el enfoque correcto es observar cómo evolucionan tus procesos de pensamiento cuando colaboras con ella.
- Medir el impacto real en la sociedad. Antes de desplegar cualquier sistema de IA, conviene simular diferentes escenarios para anticipar tanto los beneficios como los riesgos concretos que generará.
Esta última perspectiva es especialmente relevante para ti si trabajas con tecnologías de IA o las implantarás en tu empresa. No basta con que el sistema sea técnicamente sofisticado; lo que importa es si la sociedad estará realmente mejor después de usarlo. Eso requiere analizar efectos globales, no solo capacidades aisladas.
Estamos en un momento de aceleración tecnológica constante. Los modelos basados en transformers evolucionan rápidamente y surgen nuevos agentes de IA continuamente. En ese contexto, el error más frecuente es asumir que una IA más potente es siempre mejor. La realidad es más compleja: el verdadero desafío no está en construir máquinas más avanzadas, sino en comprender realmente cómo se comportan, por qué toman las decisiones que toman, y qué consecuencias tendrán antes de ponerlas en marcha.
Si tu sector depende de tecnologías de IA—ya sea en análisis de datos, automatización de procesos o toma de decisiones—conviene que insistas en que cualquier implementación incluya una evaluación rigurosa de estos aspectos. No es suficiente que funcione bien en pruebas de laboratorio.
