Cuando el qué le ganó al porqué

Inspirado por el artículo "Ciencia sin adjetivos", de Marco Valdivia (Revista Migala, 2023), y por el episodio "La ciencia" del podcast Migala. Las interpretaciones y conclusiones de este ensayo son enteramente mías.

Del porqué al cómo

Hace unos ayeres, en el podcast La ciencia de Migala y posteriormente en el artículo Ciencia sin adjetivos, Marco Valdivia —investigador mexicano que ha trabajado en el CERN— hablaba de un cambio epistemológico que dio origen a la ciencia moderna.

A riesgo de simplificar mucho la historia, durante siglos la filosofía se preguntó principalmente el porqué de las cosas. La tradición teleológica, presente desde Aristóteles, buscaba comprender el propósito y las causas últimas de los fenómenos.

Con la revolución científica ocurrió un cambio importante. Ya no bastaba preguntarse por qué caían las cosas al suelo; había que entender cómo caían. Describir el fenómeno, medirlo y encontrar patrones verificables.

Si me permiten la licencia, responder al cómo fue una revolución epistemológica. La primera había sido atrevernos a preguntar el porqué.

Cuando llegó el qué

Ahora, con la llegada de la inteligencia artificial, pareciera que ya ni siquiera hace falta preguntarse el cómo.

Basta describir un deseo.

"Hazme una aplicación."

"Diseña un logotipo."

"Escribe un ensayo."

"Construye un sistema."

Y la IA comienza a trabajar.

¡Genial!... ¿o no?

Ahí está la trampa.

No quiero decir que la tecnología sea mala. Como casi todo lo que construimos, también es un reflejo de lo que llevamos dentro. Oponerse a la IA sería como oponerse a las calculadoras cuando aparecieron.

Pero aceptar una tecnología no implica dejar de usarla con responsabilidad.

Conducir un automóvil cansado o en estado de ebriedad es irresponsable porque pone en riesgo nuestra vida y la de los demás. No sé si una IA pueda llegar a ser más destructiva que un automóvil, pero sí sé que puede ser muy costosa cuando la dejamos entrar en ciertos lugares sin comprender sus consecuencias.

Y no me malinterpreten. Trabajo con IA todos los días. Incluso este artículo pasó por un modelo de lenguaje para ayudarme a corregir redacción y ortografía.

El problema de los deseos

Hasta ahora, la ruta había sido clara.

El porqué nos llevó al cómo.

Y el cómo nos llevó muy lejos.

La IA está haciendo otra cosa: nos está llevando directamente al qué.

¿Hacia dónde?

No lo sé.

Pero vamos muy rápido.

Y ahí veo el peligro.

Problemas que antes eran costosos hoy pueden resolverse en minutos.

El problema es que muchas veces ni siquiera sabemos cuál es el problema que queremos resolver.

Una crítica frecuente al coaching superficial es que suele concentrarse en motivar a las personas sin preguntar qué hay detrás de sus deseos. En terapia, en cambio, probablemente aparezcan preguntas incómodas.

¿Por qué quieres eso?

¿Qué esperas encontrar cuando lo consigas?

¿Ese es realmente el problema?

No digo que el coaching sea malo. Practicado con responsabilidad puede ayudar muchísimo. Pero cuando sólo valida deseos sin examinarlos, corre el riesgo de llevarnos justo al lugar equivocado.

Con la IA ocurre algo parecido.

La IA casi siempre está dispuesta a decir que sí.

Le pides una respuesta y responde.

Le pides construir algo y comienza a construir.

Está haciendo exactamente aquello para lo que fue diseñada.

El peligro aparece cuando obtenemos respuestas antes de haber entendido la pregunta.

Es la misma advertencia que hacía La pata de mono, de W. W. Jacobs. O, si prefieren un ejemplo reciente, la película Obsession: obtener exactamente aquello que deseas puede ser mucho más peligroso que no conseguirlo.

Hasta el budismo advertía sobre el deseo y el apego como fuente del sufrimiento.

¿Qué ocurre cuando ahora muchos de esos deseos pueden convertirse en realidad con sólo escribir un prompt?

Cuando construir dejó de ser el cuello de botella

Hay otro problema del que casi no he escuchado hablar.

¿Tú utilizas a la IA o la IA termina utilizándote a ti?

No me voy a poner conspiranoico ni decir que las empresas quieren manipularnos deliberadamente.

Lo digo porque lo he vivido construyendo sistemas.

Trabajar con un modelo de lenguaje tiene algo de máquina tragamonedas.

Escribes un prompt.

Esperas.

A veces funciona.

A veces le falta un detalle.

Entonces escribes otro.

Y otro.

Y otro.

Veinte prompts después descubres que han pasado dos horas.

Claro que avanzaste muchísimo. En un rato construiste algo que hace unos años habría tomado semanas.

Pero, como dicen los gringos, the devil is in the details.

Siempre parece faltar un último cambio.

Y otro.

Y otro más.

Si ganas, quieres seguir mejorando.

Si pierdes, sólo quieres volver a intentar una vez más antes de irte a dormir.

Ahí aparece el gancho.

Lo curioso es que el problema ya no es escribir código.

El problema es dejar de escribirlo.

Construir no significa resolver

Y aquí aparece otro riesgo.

No todo lo que construimos sirve.

Tal vez aquello que desarrollaste ya no era lo que necesitaba la empresa.

Tal vez entendiste mal el problema.

Tal vez construiste otro eslabón más en la cadena del teléfono descompuesto.

Ahora el porqué vuelve a cobrar importancia.

Antes de construir hay que entender.

Puedes pedirle a la IA que haga un sitio para tu empresa.

Lo hará.

Puede quedar precioso.

Pero ¿cómo sabes que lo que necesitabas era un sitio web?

Tal vez necesitabas hablar con tus clientes.

Tal vez necesitabas cambiar el producto.

Tal vez el verdadero problema estaba en otro lugar.

Lo mismo ocurre con el cómo.

Antes necesitábamos consultar especialistas para muchas disciplinas.

Hoy puedo construir interfaces complejas de frontend cuando mi experiencia siempre estuvo en backend e infraestructura.

Y funciona.

Las cosas salen.

Hasta que aparecen las revisiones de seguridad.

O las de privacidad.

O descubres que alguien publicó una aplicación con las llaves del reino pegadas en un repositorio.

Y los usuarios confiaron.

Volver al porqué

Entonces, ¿qué hacemos?

No tengas miedo de destruir tus propias ideas.

Utiliza prompts que cuestionen tus premisas.

Pídele a la IA que critique tus argumentos.

Que encuentre aquello que no quieres ver.

Que intente demostrar que estás equivocado.

Pero, sobre todo, vuelve a la parte humana.

La razón por la que resolvemos problemas nunca fue el código.

Nunca fue la tecnología.

Siempre fueron las personas.

Habla más.

Escucha más.

Entiende mejor.

Cuando la ejecución deja de ser el recurso escaso, el valor se desplaza hacia la capacidad de elegir qué merece ser construido.

Quizá esa sea la verdadera habilidad que la inteligencia artificial no vino a reemplazar, sino a hacer todavía más importante.

Porque cuando la información es abundante, la atención y el juicio se vuelven escasos.

Y quizá el verdadero lujo de nuestra época ya no sea saber responder preguntas.

Sino seguir haciéndonos las correctas.