A lo largo de la historia, el ser humano ha desarrollado herramientas y sistemas para aumentar y amplificar sus capacidades innatas. Ya se trate de la imprenta o la línea de ensamblaje, estas innovaciones nos han permitido alcanzar metas mucho más complejas de lo que jamás habríamos podido lograr por nosotros mismos. Los trabajos han cambiado, han surgido nuevas profesiones y las personas nos hemos adaptado. Durante este año pasado, la tasa de cambio se ha acelerado rápidamente. Las tecnologías en la nube, el aprendizaje automático (machine learning) y la Inteligencia Artificial (IA) generativa se han vuelto más accesibles y han tenido un gran impacto sobre casi todos los aspectos de nuestras vidas, desde escribir emails a desarrollar software e incluso en la detección temprana del cáncer. Los próximos años traerán consigo muchas más innovaciones en áreas orientadas a democratizar el acceso a la tecnología y ayudarnos a mantener el ritmo cada vez más rápido de la vida cotidiana; y todo empieza con la IA generativa.
La IA generativa adquiere consciencia cultural
Los modelos grandes de lenguaje (large language models, LLMs) entrenados mediante datos culturalmente diversos obtendrán una comprensión más matizada de la experiencia humana y los complejos retos sociales. Esta fluidez cultural promete hacer que la IA generativa resulte más accesible a usuarios de todo el mundo.
La cultura afecta a todo. Las historias que nos contamos, la comida que consumimos, la forma en la que vestimos, nuestros valores, nuestros modales, nuestros sesgos, la forma en la que abordamos los problemas y tomamos decisiones. La cultura constituye la base sobre la que todos y cada uno de nosotros existimos dentro de una comunidad. La cultura proporciona normas y guías que informan y rigen nuestros comportamientos y creencias, y este contrato cambia en función de dónde nos encontremos y con quien. Al mismo tiempo, a veces estas diferencias pueden causar confusión y dar lugar a malinterpretaciones.
En Japón, sorber la sopa al comer tallarines se considera una señal de disfrute, pero en otras culturas es de mala educación. En las bodas tradicionales de India, las novias visten lehengas (falda típica hindú) con diseños muy elaborados y coloridos, mientras que en occidente la tradición es llevar un vestido blanco. Y en Grecia se considera que escupir sobre el vestido atrae la buena suerte. Como humanos, estamos acostumbrados a trabajar entre culturas, y por ello somos capaces de contextualizar este tipo de información, sintetizarla, adaptar nuestra comprensión y responder de manera apropiada. De modo que, ¿por qué deberíamos esperar algo menos de las tecnologías que empleamos y de las que dependemos en nuestra vida cotidiana? En los próximos años, la cultura desempeñará un rol clave en el diseño, despliegue y consumó de las nuevas tecnologías. Estos efectos resultarán especialmente evidentes en la IA generativa.
Para que los sistemas basados en LLMs tengan una audiencia global, primero deben alcanzar el nivel de fluidez cultural que a los humanos nos resulta instintivo. En un trabajo publicado a principios de este año,investigadores del Instituto de Tecnología de Georgia demostraron que incluso al proporcionar a un LLM instrucciones (prompts) en árabe que mencionaban explícitamente el rezo islámico, las respuestas generadas recomendaban tomar una bebida alcohólica con amigos, lo cual no resulta culturalmente apropiado. Gran parte de esta situación está relacionada con los datos de entrenamiento disponibles. Aproximadamente un 46% de los archivos de Common Crawl, que han sido empleados para entrenar muchos LLMs, están en inglés y un porcentaje aún mayor del contenido disponible, independientemente del idioma, proviene de la cultura occidental, con un sesgo significativo hacia Estados Unidos.
Al emplear las mismas instrucciones con un modelo entrenado previamente mediante textos árabes, específicamente para generar lenguaje árabe, se obtuvieron respuestas culturalmente apropiadas, como tomar té o café. En los últimos meses, han empezado a surgir LLMs no occidentales, como Jais, entrenado mediante datos en árabe e inglés, el modelo bilingüe chino/inglés Yi-34B y el modelo Japanese-large-lm, entrenado mediante un extenso contenido web en japonés. Estos signos indican que los nuevos modelos culturalmente precisos y no occidentales abrirán la IA generativa a cientos de millones de personas y tendrán un impacto de enorme alcance, desde la educación a la atención médica.
Es importante recordar que el lenguaje y la cultura no son lo mismo. La capacidad de realizar traducciones perfectas no confiere a un modelo una consciencia cultural. A medida que se vayan integrando millares de historias y experiencias en estos modelos, veremos cómo los LLMs comenzarán a desarrollar una gama de perspectivas mucho más amplia y global. Del mismo modo que los humanos aprendemos mediante la discusión, el debate y el intercambio de ideas, los LLMs necesitan oportunidades similares para expandir sus perspectivas y comprender la cultura. Existen dos campos de investigación que tendrán un papel clave en este intercambio cultural.
El primero es el aprendizaje reforzado por retroalimentación de IA (reinforcement learning from AI feedback, RLAIF), en el que los modelos incorporan aportaciones procedentes de otros modelos. En este escenario, diferentes modelos pueden interactuar entre ellos y actualizar su comprensión de diferentes conceptos culturales en base a estas interacciones. El segundo es la colaboración mediante debates multi-agente, en los cuales múltiples instancias de un modelo generan respuestas, debaten la validez de cada una y el razonamiento en el que se basan y finalmente alcanzan una respuesta consensuada, a través del proceso de debate. Ambos campos de investigación reducen el coste humano que conlleva entrenar y afinar modelos.
A medida que los LLMs interactúen y aprendan unos de otros, irán obteniendo un conocimiento más matizado de los complejos retos sociales que se perciben mediante las diversas lentes culturales. Estos progresos también garantizarán que los modelos proporcionen respuestas más robustas y técnicamente precisas en una amplia gama de temáticas, en áreas como la tecnología. Los efectos serán muy profundos y podrán percibirse en todas las regiones geográficas y comunidades durante generaciones.
La tecnología femenina (FemTech) finalmente despega
La sanidad femenina alcanza un punto de inflexión a medida que aumenta la inversión en FemTech, la atención se vuelve híbrida y una enorme abundancia de datos desbloquea mejores diagnósticos y resultados para los pacientes. El auge de la tecnología femenina, o FemTech, no beneficiará únicamente a las mujeres, sino que mejorará todo el sistema sanitario en general.
La sanidad femenina no es solamente un pequeño nicho de mercado. Tan solo en Estados Unidos, las mujeres gastan más de 500.000 millones al año en sanidad. Las mujeres comprenden el 50% de la población y son responsables del 80% de las decisiones de consumo relacionadas con la sanidad. Sin embargo, la base de la medicina moderna ha sido masculina por defecto. Hasta la promulgación de la Ley de Revitalización de los Institutos Nacionales de Sanidad (NIH) de 1993, las mujeres en EE.UU. ni siquiera habían sido incluidas en la investigación clínica. Históricamente, necesidades comunes, como la atención menstrual y tratamiento de la menopausia, habían sido tratadas como tabú y debido a que las mujeres habían estado excluidas de las pruebas e investigación médica, sus resultados generalmente han sido peores que los de los hombres.
De media, a las mujeres se les diagnostican muchas enfermedades más tarde que a los hombres y además las mujeres tienen un 50% más de probabilidades de recibir un diagnóstico equivocado tras un ataque cardiaco. Quizás el ejemplo más flagrante de las desigualdades se encuentra en la prescripción de medicamentos, donde las mujeres reportan efectos secundarios adversos a una tasa significativamente más alta que los hombres. Aunque inicialmente estos datos parecen preocupantes, la inversión en sanidad femenina (o FemTech) ha ido en aumento, apoyada por la tecnología de la nube y mayor acceso a los datos.
En AWS, hemos colaborado estrechamente con startups lideradas por mujeres y hemos sido testigos de primera mano del crecimiento de la FemTech. Tan solo en este último año, la financiación ha aumentado un 197%. Gracias a un mayor acceso a capital, tecnologías como el aprendizaje automático y dispositivos conectados diseñados específicamente para las mujeres, nos encontramos ante un cambio sin precedentes, no solo en la percepción de la sanidad femenina, sino también en su administración. Compañías como Tia,Elvie y Embr Labs están demostrando el inmenso potencial de aprovechar los datos y la analítica predictiva para proporcionar atención individualizada y conectar con los pacientes allí donde se sientan más cómodos, ya sea en sus hogares o en centros especializados.
A medida que se va eliminando el estigma asociado a las necesidades sanitarias de las mujeres y la financiación va fluyendo hacia este sector, veremos como las compañías FemTech continúan abordando de manera agresiva diversas condiciones y necesidades previamente ignoradas. Al mismo tiempo, el acceso femenino a los servicios sanitarios aumentará dramáticamente gracias a modelos de atención híbrida que aprovecharán plataformas médicas online, la disponibilidad de dispositivos de diagnóstico de bajo coste y el acceso a profesionales médicos a demanda.
Clientes como Mavenhan demostrado ser líderes en este espacio, difuminando las líneas entre la salud mental y el bienestar físico, al proporcionar toda la atención necesaria, desde terapia de parejas a cuidados relacionados con la menopausia. A medida que estas plataformas vayan madurando y proliferando, veremos una democratización del acceso a la sanidad. Las nuevas apps y plataformas de sanidad remota facilitarán el acceso a servicios de ginecología y obstetricia, profesionales de salud mental y otras especialidades para mujeres de zonas rurales y regiones históricamente desatendidas. Sistemas de tampones inteligentes, como el que está desarrollando la empresa NextGen Jane, permitirán a las mujeres establecer perfiles de salud uterina e identificar posibles marcadores genómicos de enfermedad, los cuales podrán compartir fácilmente con los profesionales sanitarios.
Otros dispositivos ponibles (wearables) proporcionarán a los usuarios y sus médicos una gran abundancia de datos longitudinales de salud para poder analizar. Aunque, en la actualidad, más del 70% de las mujeres no reciben tratamiento para los síntomas de la menopausia, el aumento de la educación, disponibilidad de los datos y soluciones no invasivas mejorarán los resultados de manera dramática y el impacto ira mucho más allá de la atención ginecológica.
Por ejemplo, en el periodo previo al mundial de futbol femenino,aproximadamente 30 deportistas sufrieron lesiones del ligamento cruzado que pusieron fin a su participación. Al igual que en el caso de la medicina tradicional, el entrenamiento femenino había estado basado en lo que funcionaba para los hombres, sin tener especialmente en cuenta las diferencias fisiológicas. Como resultado de ello, las mujeres han tenido una probabilidad seis veces mayor de sufrir lesiones del ligamento cruzado y un 25% menor de recuperarse por completo y volver a los terrenos de juego. Se trata de otra área en la que una comprensión de los datos de salud particulares de las mujeres tendrá un gran impacto, no solo en la prevención de lesiones, sino también en la mejora de la salud de las mujeres deportistas en general.
Nos encontramos ante un punto de inflexión en la sanidad femenina. El acceso a una gran abundancia de datos diversos, combinados con las tecnologías en la nube, como la visión artificial y el aprendizaje profundo, reducirán los errores de diagnóstico y contribuirán a minimizar los efectos secundarios de la medicación que actualmente impactan a las mujeres de manera desproporcionada. La endometriosis y la depresión postparto recibirán la atención que merecen. Finalmente veremos a la atención sanitaria femenina pasar de los márgenes a la primera fila.Dado que los equipos liderados por mujeres tienen mayor propensión a resolver una amplia gama de cuestiones sanitarias que los compuestos únicamente por hombres, veremos como la FemTech beneficiará no solamente a aquellas personas que se identifican como mujeres, sino que elevará todo el sistema sanitario en su conjunto.
Los asistentes de IA redefinen la productividad de los desarrolladores
Los asistentes de IA evolucionarán, desde generadores de código básico hasta convertirse en maestros y colaboradores infatigables que proporcionarán apoyo en todo el ciclo de vida del desarrollo de software. Estos asistentes explicarán el funcionamiento de sistemas complejos en lenguaje sencillo, sugerirán mejoras muy enfocadas y asumirán tareas repetitivas, permitiendo a los desarrolladores centrarse en las partes de su labor con el máximo impacto.
En 2021, predije que la IA generativa comenzaría a desempeñar un papel clave en la manera de producir software. Que aumentaría las habilidades de los desarrolladores, ayudándoles a crear código más seguro y fiable. Ahora estamos viendo exactamente como se generaliza esta situación, gracias al acceso a herramientas y sistemas capaces de generar todo tipo de funciones, clases y pruebas basadas en instrucciones de lenguaje natural. De hecho, en la encuesta entre Desarrolladores de Stack Overflow de 2023, el 70% dijo que ya estaban usando o planeaban usar herramientas basadas en IA en sus procesos de desarrollo.
Los asistentes de IA del futuro no solamente comprenderán y escribirán código, sino que serán colaboradores y maestros infatigables. Ninguna tarea agotará su energía y nunca se impacientarán por tener que explicar el mismo concepto o repetir una tarea, sin importar cuantas veces les pidamos lo mismo. Con un tiempo y paciencia infinitos, apoyarán a todos los miembros del equipo y contribuirán a todas las tareas, desde la revisión de código a la estrategia de productos.
Las líneas entre gestores de producto, ingenieros de front- y back-end, administradores de bases de datos (DBAs), diseñadores de interfaces UI/UX, ingenieros de DevOps y arquitectos se difuminarán. Gracias a una comprensión contextual de sistemas completos, no solo de módulos aislados, los asistentes de IA podrán ofrecer recomendaciones que aumentarán la creatividad humana, como convertir un diagrama esbozado sobre una servilleta en un marco de código, generar plantillas a partir de documentos de requisitos o recomendar la mejor infraestructura para un fin concreto (por ejemplo, estructuras sin servidor frente a una base de contenedores).
Estos asistentes serán altamente adaptables, personalizados al nivel de cada individuo, equipo o compañía. Serán capaces de explicar el funcionamiento interno de complejos sistemas distribuidos, como Amazon S3, de manera sencilla, lo cual los convertirá en herramientas educativas inestimables. Los desarrolladores júnior podrán aprovechar sus capacidades para ponerse al día rápidamente respecto a infraestructuras que no les resulten familiares. Los ingenieros senior podrán emplearlos para comprender rápidamente nuevos proyectos o bases de código y comenzar a aportar contribuciones significativas. Donde antes se podía llegar a tardar varias semanas en comprender plenamente el impacto futuro de un cambio en el código, los asistentes podrán evaluar las modificaciones instantáneamente, resumir sus efectos sobre otras partes del sistema y sugerir posibles cambios adicionales.
Ya estamos comenzando a ver como eliminan algunas de las partes más tediosas del desarrollo de software moderno para los desarrolladores: escribir tests de unidades, código estándar y depurado de errores; las tareas que a menudo se consideran “adicionales” y se suelen dejar de lado. Estos asistentes serán capaces de rediseñar y migrar aplicaciones tradicionales en su totalidad, por ejemplo actualizando de Java 8 a 17 o descomponiendo un sistema monolítico en microservicios. Aun así, no debemos llevarnos a engaño; todavía seguirá siendo necesario que los desarrolladores planifiquen y valoren los resultados. Pero estos asistentes ayudarán a cribar los estudios académicos y escoger el algoritmo más apropiado para cada sistema distribuido, determinar la mejor manera de pasar de un enfoque basado en copias de seguridad primarias a una implementación activa-activa e incluso comprender el impacto sobre la eficiencia general de cada recurso individual para desarrollar modelos de costes.
Como resultado de todo ello, habrá más trabajo que nunca. Al verse liberados de la carga tan pesada y no diferenciada que suponen tareas como actualizar versiones de Java, los desarrolladores podrán centrarse en la labor creativa que realmente impulsa la innovación.
En los próximos años, los equipos de ingenieros se volverán mucho más productivos, desarrollarán sistemas de mayor calidad y reducirán los ciclos de lanzamiento de software, a medida que los asistentes de IA pasen de ser una novedad a una necesidad en todo el sector del software.
La educación evolucionará para igualar la velocidad de innovación tecnológica
La educación superior por sí sola no puede mantener el mismo ritmo de evolución que el cambio tecnológico. Surgirán programas de formación basados en capacidades y guiados por el sector que se parecerán más a la trayectoria de los profesionales especializados. Este cambio hacia un aprendizaje continuo beneficiará tanto a los individuos como las empresas.
Aún recuerdo los ciclos de desarrollo de software del pasado, cuando un producto podía llegar a pasarse más de 5 años en fase de desarrollo antes de llegar a las manos de algún cliente. Este enfoque resultaba aceptable durante los 90, pero en el mundo actual, este software habría quedado extremadamente obsoleto antes incluso de empezar a funcionar. Debido al acceso a la informática en la nube, la expansión de una cultura de mejora continua y la adopción generalizada de un enfoque basado en un producto mínimo viable, los ciclos de desarrollo de software se han acortado y el impacto ha sido muy significativo. Las empresas están lanzando productos al mercado más rápido que nunca y los clientes están adoptando nuevas tecnologías a una velocidad que antes resultaba inimaginable. Pero, hasta ahora, este volante de inercia de tecnología y negocio que gira tan rápidamente no había incluido el ámbito de la educación superior.
La educación resulta radicalmente diferente en cada parte del mundo, pero generalmente siempre se había aceptado que un título universitario resultaba imprescindible, tanto para que las empresas pudieran contratar a los mejores candidatos, como para que los individuos pudieran conseguir uno de esos puestos. Esto era especialmente cierto en el sector de la tecnología, pero ahora estamos comenzando a ver que este modelo se desmorona, tanto al nivel de los individuos como de las empresas. Para los estudiantes, los costes están aumentando y muchos cuestionan el valor de un título universitario tradicional cuando tienen a su alcance una formación práctica.
Para las empresas, las nuevas contrataciones siguen requiriendo una formación específica en el puesto de trabajo. A medida que más y más sectores requieren que sus empleados se especialicen, la brecha entre lo que se enseña en las instituciones educativas y lo que buscan las compañías ha ido creciendo. De un modo similar al proceso de desarrollo de software en las décadas anteriores, hemos alcanzado un punto de inflexión en la educación tecnológica y ya estamos comenzando a ver que lo que antes era una formación personalizada en el puesto de trabajo para unos pocos individuos está evolucionando y convirtiéndose en una formación basada en capacidades y guiada por el sector para muchos.
Desde hace años hemos ido viendo varias señales de este cambio. Compañías como Coursera, que inicialmente se centró en los consumidores, se han asociado con empresas para escalar su oferta de mejora y reconversión de capacidades. La popularidad de los cursos de aprendizaje ha continuado aumentando, porque los empleadores pueden especializar la formación y los aprendices pueden cobrar mientras aprenden.
Pero ahora, las propias empresas están comenzando a invertir seriamente en educación basada en capacidades a gran escala. De hecho, Amazon acaba de anunciar que ya ha formado a 21 millones de alumnos de tecnologíaen todo el mundo y parte de este éxito ha sido gracias a programas como el curso de aprendizaje de mecatrónica y robótica y el Instituto de la nube AWS. Todos estos programas ayudan a los alumnos a obtener las capacidades necesarias para optar a puestos muy demandados en diferentes etapas de sus carreras, sin el compromiso que supone un programa educativo tradicional de varios años de duración.
Debemos tener presente que este concepto tiene precedentes. Cuando pensamos en profesionales capacitados, como electricistas, soldadores o carpinteros, la mayoría de sus capacidades no las obtuvieron en un aula, sino que pasaron de alumnos a aprendices a jornaleros y, posiblemente, a maestros del oficio. Aprender en el trabajo constituye una tarea continua y existen caminos bien definidos para mejorar las capacidades. Este estilo de formación continua, basado en la curiosidad y el aprendizaje, representa un buen augurio tanto para individuos como empresas.
Nada de esto implica que los títulos tradicionales vayan a desaparecer. No se trata de elegir entre opciones excluyentes, sino de ampliar las posibilidades. Todavía existirán áreas en tecnología donde este tipo de aprendizaje académico resulte vital. Pero, al mismo tiempo, habrá sectores en los que el impacto de la tecnología supere el de los sistemas educativos tradicionales. Para poder cumplir con las demandas de los negocios, veremos una nueva era de oportunidades de formación guiadas por la industria que no podrán ser ignoradas.
