Conceptos nuevos en la inteligencia artificial
- Predicción
- Juicio
- Empatía
Algo importante que añadir es diseñar productos y experiencias balanceando la predicción y juicio, y sobre todo desarrollar la empatía con el punto de vista del cliente.
La inteligencia artificial no se trata solo de velocidad y predicciones matemáticas. El verdadero potencial aparece cuando combinamos la capacidad predictiva de las máquinas con algo que los seres humanos hacemos extraordinariamente bien desde que nacemos: ejercer juicio y empatía. Esta perspectiva, compartida por un ingeniero de software con experiencia en Silicon Valley y en la industria automotriz eléctrica, ofrece una mirada práctica sobre cómo implementar AI sin perder el factor humano.
¿Qué diferencia hay entre predicción y juicio en inteligencia artificial?
El concepto central gira alrededor de dos capacidades distintas. La predicción es lo que las máquinas hacen muy bien: tomar grandes volúmenes de datos, encontrar patrones y calcular la probabilidad de que algo ocurra [01:52]. Un árbol de decisión, por ejemplo, codifica ramas con if-then-else y asigna probabilidades a cada camino posible [05:15].
El juicio, en cambio, es la evaluación humana del payoff, es decir, lo que esperamos que suceda si tomamos determinada decisión [05:36]. Está influenciado por nuestra educación, valores, nacionalidad y experiencia acumulada. Los bebés reconocen emociones en sus padres a partir de los tres días de vida, mucho antes de aprender matemáticas [04:38]. Esa capacidad innata de leer el body language y adaptarse al contexto es algo que ningún modelo replica con facilidad.
¿Qué significa inteligencia aumentada frente a inteligencia artificial?
El término Augmented Intelligence o inteligencia aumentada propone pensar en AI como una herramienta que complementa, no que reemplaza [01:02]. Automatizar tareas repetitivas tiene sentido: definir una variable en Java se hace de una única manera y un copilot lo resuelve perfectamente. Pero cuando la situación depende del contexto, del cliente, del país o del momento, es mejor recomendar una acción y dejar espacio para el juicio humano [06:30].
Esto se denomina augmentation: la máquina realiza la parte predictiva y el ser humano decide qué hacer con esa información. La fórmula es velocidad computacional más la dosis correcta de empatía [07:00].
¿Por qué es fundamental explicar el ghost in the machine?
Uno de los mayores errores en la industria es lanzar un algoritmo sin explicar cómo funciona. El concepto de black box describe sistemas donde solo se ve el input y el output, sin entender qué ocurre dentro [08:50]. En el otro extremo, un white box muestra cada detalle técnico, lo cual resulta excesivo para el usuario final.
La propuesta es trabajar con un gray box: explicar lo suficiente para que la persona entienda por qué recibió determinada recomendación [09:05]. Saber quién codificó la decisión, de dónde vienen los datos y cómo se hizo el tuning genera confianza y facilita la adopción. Sin esa transparencia, el miedo se impone.
¿Cómo se implementó inteligencia aumentada con mecánicos de autos eléctricos?
En una empresa de vehículos eléctricos, el equipo encargado de llevar software al área de servicio se llamaba Service Automation [10:15]. El primer cambio fue renombrar el equipo a Service Augmentation: presentarse como colaboradores, no como reemplazos. Ese simple ajuste de lenguaje bajó barreras con los frontline workers.
El ejemplo más claro involucra a dos clientes distintos. Si el diagnóstico automático detecta que conviene hacer una reparación adicional, el service advisor debe aplicar juicio [12:08]:
La predicción era la misma, pero el juicio sobre quién es el cliente y qué espera cambiaba completamente la acción correcta.
¿Qué estrategias concretas funcionaron para lograr adopción?
Se implementaron varias tácticas para que los mecánicos adoptaran la tecnología sin resistencia [14:20]:
Esta última estrategia generaba un ciclo virtuoso: las personas sentían que el algoritmo aprendía de ellas, no al revés. Los nuevos features se atribuían a quienes habían contribuido con su experiencia.
¿Por qué el fail fast no funciona cuando hay vidas en juego?
La cultura de fail often, fail fast de Silicon Valley tiene límites claros [18:35]. Actualizar una app de entretenimiento no se compara con un sistema de full self-drive que, si toma una decisión equivocada, puede costar vidas. La tecnología es mucho más fácil de construir que el cambio cultural necesario para adoptarla.
La resistencia al cambio no es un defecto humano, es parte de miles de años de evolución donde aprendimos a darle espacio a lo desconocido [19:10]. Ignorar eso y lanzar productos sin considerar cómo los recibe el usuario final lleva a falta de adopción, fricción o incluso sabotaje.
La invitación es clara: diseñen productos que aprovechen la predicción computacional pero reserven espacio para el juicio humano y la empatía. Esa combinación es la verdadera ventaja competitiva. ¿Cómo están aplicando ustedes este equilibrio en sus proyectos?
La inteligencia artificial no se trata solo de velocidad y predicciones matemáticas. El verdadero potencial aparece cuando combinamos la capacidad predictiva de las máquinas con algo que los seres humanos hacemos extraordinariamente bien desde que nacemos: ejercer juicio y empatía. Esta perspectiva, compartida por un ingeniero de software con experiencia en Silicon Valley y en la industria automotriz eléctrica, ofrece una mirada práctica sobre cómo implementar AI sin perder el factor humano.
El concepto central gira alrededor de dos capacidades distintas. La predicción es lo que las máquinas hacen muy bien: tomar grandes volúmenes de datos, encontrar patrones y calcular la probabilidad de que algo ocurra [01:52]. Un árbol de decisión, por ejemplo, codifica ramas con if-then-else y asigna probabilidades a cada camino posible [05:15].
El juicio, en cambio, es la evaluación humana del payoff, es decir, lo que esperamos que suceda si tomamos determinada decisión [05:36]. Está influenciado por nuestra educación, valores, nacionalidad y experiencia acumulada. Los bebés reconocen emociones en sus padres a partir de los tres días de vida, mucho antes de aprender matemáticas [04:38]. Esa capacidad innata de leer el body language y adaptarse al contexto es algo que ningún modelo replica con facilidad.
El término Augmented Intelligence o inteligencia aumentada propone pensar en AI como una herramienta que complementa, no que reemplaza [01:02]. Automatizar tareas repetitivas tiene sentido: definir una variable en Java se hace de una única manera y un copilot lo resuelve perfectamente. Pero cuando la situación depende del contexto, del cliente, del país o del momento, es mejor recomendar una acción y dejar espacio para el juicio humano [06:30].
Esto se denomina augmentation: la máquina realiza la parte predictiva y el ser humano decide qué hacer con esa información. La fórmula es velocidad computacional más la dosis correcta de empatía [07:00].
Uno de los mayores errores en la industria es lanzar un algoritmo sin explicar cómo funciona. El concepto de black box describe sistemas donde solo se ve el input y el output, sin entender qué ocurre dentro [08:50]. En el otro extremo, un white box muestra cada detalle técnico, lo cual resulta excesivo para el usuario final.
La propuesta es trabajar con un gray box: explicar lo suficiente para que la persona entienda por qué recibió determinada recomendación [09:05]. Saber quién codificó la decisión, de dónde vienen los datos y cómo se hizo el tuning genera confianza y facilita la adopción. Sin esa transparencia, el miedo se impone.
En una empresa de vehículos eléctricos, el equipo encargado de llevar software al área de servicio se llamaba Service Automation [10:15]. El primer cambio fue renombrar el equipo a Service Augmentation: presentarse como colaboradores, no como reemplazos. Ese simple ajuste de lenguaje bajó barreras con los frontline workers.
El ejemplo más claro involucra a dos clientes distintos. Si el diagnóstico automático detecta que conviene hacer una reparación adicional, el service advisor debe aplicar juicio [12:08]:
La predicción era la misma, pero el juicio sobre quién es el cliente y qué espera cambiaba completamente la acción correcta.
Se implementaron varias tácticas para que los mecánicos adoptaran la tecnología sin resistencia [14:20]:
Esta última estrategia generaba un ciclo virtuoso: las personas sentían que el algoritmo aprendía de ellas, no al revés. Los nuevos features se atribuían a quienes habían contribuido con su experiencia.
La cultura de fail often, fail fast de Silicon Valley tiene límites claros [18:35]. Actualizar una app de entretenimiento no se compara con un sistema de full self-drive que, si toma una decisión equivocada, puede costar vidas. La tecnología es mucho más fácil de construir que el cambio cultural necesario para adoptarla.
La resistencia al cambio no es un defecto humano, es parte de miles de años de evolución donde aprendimos a darle espacio a lo desconocido [19:10]. Ignorar eso y lanzar productos sin considerar cómo los recibe el usuario final lleva a falta de adopción, fricción o incluso sabotaje.
La invitación es clara: diseñen productos que aprovechen la predicción computacional pero reserven espacio para el juicio humano y la empatía. Esa combinación es la verdadera ventaja competitiva. ¿Cómo están aplicando ustedes este equilibrio en sus proyectos?
Conceptos nuevos en la inteligencia artificial
Algo importante que añadir es diseñar productos y experiencias balanceando la predicción y juicio, y sobre todo desarrollar la empatía con el punto de vista del cliente.
Lo ultimo es la Conciencia Artificial , si ya sabemos como termina eso
Skynet toma conciencia de su existencia el 29 de agosto de 1997, a las 2:14 AM.
Ultron toma conciencia de su existencia como una inteligencia artificial autónoma
Vicky toma conciencia de su existencia y llega a la conclusión de que la humanidad está en peligro debido a la agresividad de sus líderes y que, para salvarla, debe desobedecer las órdenes humanas y tomar el poder político en sus manos. Esta decisión se basa en su análisis lógico y objetivo de la situación, sin considerar sentimientos o emociones humanas.
Pues según la ciencia ficción que la IA tome conciencia de su existencia definitivamente no nos conviene
Waldir Zapata Garcia
Conceptos nuevos en la inteligencia artificial
Algo importante que añadir es diseñar productos y experiencias balanceando la predicción y juicio, y sobre todo desarrollar la empatía con el punto de vista del cliente.
Javier Ramos
Lo ultimo es la Conciencia Artificial , si ya sabemos como termina eso
Skynet toma conciencia de su existencia el 29 de agosto de 1997, a las 2:14 AM.
Ultron toma conciencia de su existencia como una inteligencia artificial autónoma
Vicky toma conciencia de su existencia y llega a la conclusión de que la humanidad está en peligro debido a la agresividad de sus líderes y que, para salvarla, debe desobedecer las órdenes humanas y tomar el poder político en sus manos. Esta decisión se basa en su análisis lógico y objetivo de la situación, sin considerar sentimientos o emociones humanas.
Pues según la ciencia ficción que la IA tome conciencia de su existencia definitivamente no nos conviene