La capa que le falta a la inteligencia artificial

Por Momar Lissa Ndiaye («MLN»), fundador y CEO, weyoga Inc.

Cada era de la informática ha sido definida por la capa que añadió, no por las máquinas sobre las que corría. Conviene, pues, definir el término antes de usarlo.

Una capa, en el sentido que importa, es esto: una reducción permanente del coste de una capacidad antes escasa, tal que esa capacidad se vuelve universalmente disponible y todo lo que está por encima debe reconstruirse. El ordenador personal abarató el cálculo: la capa de la computación. Internet abarató la conexión: la capa de la conexión. El smartphone abarató el acceso: la capa del acceso. Y la IA generativa acaba de abaratar la producción misma de información: la capa de la generación.

Retenga esa definición, porque cualquier candidato a la próxima capa deberá cumplir el mismo criterio — y observe el hilo conductor de las cuatro existentes. Todas, hasta ahora, han sido capas de información. Cada una hizo la información más barata de computar, transmitir, consultar o generar. Cincuenta años de informática caben en una frase: la historia de la caída del coste de la información hacia cero. Ese proyecto está hoy esencialmente completo. La pregunta interesante es qué se vuelve escaso una vez que la información es gratis.

He aquí la observación sobre la que quiero construir este ensayo: cuando una nueva capa deja de cambiar decisiones, la restricción se ha desplazado a otro lugar.

Cada capa anterior cambió decisiones. La computación cambió lo que las empresas podían intentar. La conexión cambió con quién se casaba la gente, dónde trabajaba, qué compraba. El acceso cambió el comportamiento tan por completo que legislamos en su contra al volante. ¿Y la capa de la generación, dos años después? Ha cambiado la ejecución. Correos redactados más rápido, código escrito más rápido, resúmenes producidos más rápido. La gente es dramáticamente más eficiente en lo que ya hacía — y toma notablemente pocas decisiones distintas sobre qué hacer. Cuando una tecnología tan capaz produce un efecto tan superficial, no es la tecnología la que falla. La restricción se ha movido. Ya no está donde la industria excava.

La restricción de las decisiones humanas nunca fue la oferta de información. Quien se pregunta si aceptar el empleo, terminar la relación, hacer la inversión o tener la conversación difícil no carece de conocimiento relevante — se ahoga en él. Lo que le falta es una vista exacta de sus propios patrones: que ya ha enfrentado esta decisión antes, bajo este mismo tipo de presión, con esta misma racionalización, y cómo terminó.

Llamemos a lo que resuelve esto la capa del reconocimiento — y cuidemos su naturaleza, porque es infraestructura, no una funcionalidad. Tres términos, mantenidos con rigor: la memoria almacena. La continuidad preserva. El reconocimiento interpreta. La memoria es una base de datos de eventos. La continuidad es la condición arquitectónica de que el pasado de una persona permanezca conectado de forma duradera con su presente. El reconocimiento es una inferencia realizada a través de la continuidad — la detección de la recurrencia, devuelta antes de que produzca otro resultado. El lector que funda estos tres términos en uno concluirá que ventanas de contexto más largas resuelven el problema. No lo hacen. Un millón de tokens de transcripción almacenada es memoria. Solo se convierte en reconocimiento cuando un sistema está construido para interpretar la secuencia — y solo puede interpretar la secuencia si la continuidad fue un compromiso arquitectónico desde el principio.

¿Cumple el reconocimiento la definición de capa? Hagamos la prueba. La capacidad escasa: una vista exacta y longitudinal de los propios patrones de conducta — históricamente accesible solo a través de relaciones humanas de décadas y, por tanto, uno de los bienes más escasos del mundo. ¿Puede su coste reducirse de forma permanente y su disponibilidad hacerse universal? Por primera vez, los ingredientes existen. Y, sobre todo, supera la prueba más profunda que separa las capas de las funcionalidades: las funcionalidades mejoran flujos de trabajo existentes; las capas redefinen dónde se crea el valor. El corrector ortográfico mejoró los documentos de todos, de la misma manera — una funcionalidad. La web invirtió quién podía publicar — una capa. El reconocimiento invierte por completo la dirección del valor: en lugar de un mismo contenido distribuido a miles de millones, el valor asciende desde la particularidad acumulada de una sola persona, útil exactamente para esa persona, sin valor para nadie más. Esa no es la forma de una funcionalidad.

La réplica del escéptico merece su espacio: cada ola tecnológica fallida se proclamó «la próxima capa» — la televisión 3D, el metaverso. La mayoría de las capas autoproclamadas son funcionalidades a la espera de ser absorbidas. Quizá el reconocimiento sea solo un ajuste de memoria que las plataformas añadirán. La respuesta está en la definición: la memoria injertada mejora el flujo de trabajo existente (mejores respuestas a sus peticiones) sin redefinir dónde se crea el valor. Nunca cambia decisiones; decora la ejecución. La prueba de una capa no es «¿recuerda?». Es: «¿se desplaza realmente la restricción de las decisiones humanas?» Eso exige la arquitectura completa — continuidad, interpretación, oportunidad — y no una función de recuperación.

Dentro de este argumento duerme una implicación de mercados de capitales, con un precedente que se repite en cada ciclo: la infraestructura se valora inicialmente como una aplicación. El mercado evalúa lo nuevo con las métricas de la capa anterior, y solo más tarde descubre que la propia capa de abstracción se convirtió en el activo escaso. Amazon fue valorada como una librería. Si el reconocimiento es genuinamente una capa, entonces las empresas que lo construyan parecerán — para las métricas diseñadas para la pila informacional — pequeñas, lentas e imposibles de medir con benchmarks, hasta el día de la revalorización.

La historia de la informática no es la historia de máquinas mejores. Es la historia de descubrir, una y otra vez, que la restricción anterior ya no era la real.

La información era la restricción anterior. El reconocimiento es la siguiente.

Parte de The Recognition Layer →

Momar Lissa Ndiaye («MLN») es fundador y CEO de weyoga Inc., sociedad de Delaware. — weyoga.ai · mln@weyoga.ai