La inteligencia artificial no apareció de repente cuando se puso de moda. Décadas de trabajo en estadística, aprendizaje automático y otras disciplinas contribuyeron a hacer posibles los sistemas actuales. Minería de datos, machine learning y deep learning se relacionan, pero no son nombres intercambiables de una misma cosa.
El deseo de automatizar tareas, junto con una mayor disponibilidad de datos y capacidad de cómputo, impulsó su adopción. Los modelos pueden apoyar predicciones, recomendaciones y decisiones. Sus resultados dependen de los objetivos, los datos de entrenamiento, las hipótesis y las condiciones de uso.
Un sistema de IA no garantiza una decisión óptima por el mero hecho de actuar automáticamente. Puede equivocarse, reproducir sesgos o fallar cuando cambia el contexto. Evaluarlo, limitar su uso y decidir quién responde por sus efectos son cuestiones centrales de ingeniería.
Películas como The Terminator o The Matrix dieron forma a nuestros temores sobre las máquinas. Son relatos, no pronósticos técnicos. Prefiero una pregunta más útil: qué estamos decidiendo construir y cómo vamos a supervisarlo.
La tecnología está condicionada por sus finalidades y por el contexto en que se utiliza. El optimismo tiene valor cuando va acompañado de pruebas, criterio y responsabilidad. La confianza debe ganarse con evidencias, no darse por supuesta a partir de una etiqueta.