Jensen Huang defiende que la IA nos hará perder algunas habilidades, pero mejorará nuestra visión de los sistemas
El CEO de Nvidia, Jensen Huang, considera que la inteligencia artificial cambiará la relación de las personas con el conocimiento. En su opinión, algunas destrezas intelectuales se volverán menos frecuentes porque las máquinas asumirán tareas que hoy realizamos de forma manual. A cambio, cree que los seres humanos podrán concentrarse en comprender sistemas complejos, tomar decisiones y desarrollar nuevas ambiciones.
La tesis llega en un momento de creciente debate sobre el impacto de la IA en el empleo y la educación. Huang, una de las figuras más influyentes del sector por el papel de Nvidia en la fabricación de los procesadores que entrenan y ejecutan modelos de inteligencia artificial, resta importancia a los escenarios más pesimistas, aunque reconoce que el aprendizaje tradicional puede verse perjudicado.
La IA como una tecnología integrada en la vida cotidiana
Huang compara la evolución de la IA con la electricidad o Internet. La mayoría de las personas utiliza estas tecnologías sin necesidad de conocer su funcionamiento interno: pulsa un interruptor, busca información o envía un mensaje y espera un resultado. Según su visión, la inteligencia artificial avanzará hacia un modelo similar, capaz de responder preguntas, desarrollar proyectos y completar tareas con una intervención humana cada vez menor.
Esta automatización no afectará únicamente a trabajos físicos o repetitivos. También alcanzará actividades que requieren análisis, redacción, programación o interpretación de datos. La diferencia, según Huang, estará en separar la tarea del propósito: la primera puede ser ejecutada por una máquina, mientras que el segundo representa el objetivo que mantiene sentido para una persona o una organización.
El directivo pone como ejemplo la radiología. La IA puede analizar imágenes médicas y detectar patrones con gran rapidez, pero eso no elimina necesariamente la necesidad de realizar pruebas diagnósticas. Si los hospitales pueden procesar más pacientes, podrían necesitar más profesionales para supervisar los resultados, comunicarlos y tomar decisiones clínicas.
Esta explicación no sirve para todos los sectores. En algunos empleos, especialmente en atención al cliente, la tarea automatizada y el propósito del puesto pueden coincidir casi por completo. Aun así, Huang sostiene que las previsiones sobre una destrucción generalizada del empleo pasan por alto un factor: la ambición humana. Si aparecen herramientas más potentes, las personas pueden crear nuevos productos, servicios y necesidades que hoy no existen.
Más rapidez con la IA, menos aprendizaje a largo plazo
La parte más controvertida de su planteamiento se refiere a la educación. Durante la conversación se abordó un estudio realizado con 26.000 estudiantes de secundaria que utilizaban IA para hacer los deberes. Los alumnos mejoraron sus calificaciones un 18% y redujeron un 30% el tiempo dedicado a esas tareas.
Sin embargo, los resultados posteriores fueron menos positivos. En exámenes realizados seis meses después sin acceso a herramientas de IA, las calificaciones descendieron un 20%. En las pruebas de acceso a la universidad, la caída alcanzó el 24% al cabo de dos años. El dato apunta a una posible brecha entre resolver una actividad y aprender los conocimientos necesarios para resolverla sin ayuda.
La inteligencia artificial generativa puede producir una respuesta, explicar un procedimiento o elaborar un trabajo en pocos segundos. Pero si el estudiante delega todo el proceso, deja de practicar habilidades como el razonamiento, la memoria, la comprensión lectora o la resolución gradual de problemas. En ese caso, la mejora inmediata de las notas no garantiza un aprendizaje sólido.
La pérdida de destrezas que ya estamos aceptando
Huang no niega que la IA pueda reducir determinadas capacidades. Su argumento es que la sociedad ya ha aceptado pérdidas similares con otras tecnologías. Muchas personas no memorizan direcciones, números de teléfono o rutas porque utilizan navegadores, agendas digitales y contactos almacenados en el móvil. Del mismo modo, las calculadoras han reducido la necesidad de realizar operaciones largas mentalmente.
El propio ejecutivo explicó que no recuerda datos básicos como su dirección o su número de teléfono y que puede desenvolverse sin ellos. La comparación resulta razonable para ciertos datos rutinarios, pero plantea una diferencia importante: no todas las habilidades son equivalentes. Olvidar un código postal no tiene el mismo impacto que perder la capacidad de comprender un texto complejo o de evaluar si una respuesta es correcta.
La atención y la comprensión lectora son especialmente relevantes porque sostienen buena parte del pensamiento crítico y creativo. Una persona necesita entender un informe, una instrucción o un argumento antes de pedir a una máquina que lo resuma o tome una decisión basada en él. La IA puede ampliar las capacidades humanas, pero no sustituye automáticamente el criterio para utilizar sus resultados.
De conocer cada componente a entender el conjunto
La defensa de Huang se apoya en una evolución de la ingeniería. Cuando trabajó en sus primeros chips, estos tenían alrededor de 200 transistores y podía conocer cada componente de forma individual. Los procesadores actuales contienen miles de millones de transistores, una escala que impide a cualquier ingeniero dominar cada elemento por separado.
Eso no significa que los profesionales actuales sepan menos, sino que trabajan en otro nivel de abstracción. En informática, un sistema es un conjunto de componentes que interactúan entre sí. Un pensador de sistemas no necesita controlar cada pieza para comprender cómo funciona el conjunto, detectar relaciones, anticipar efectos y coordinar diferentes áreas.
La inteligencia artificial puede acelerar este cambio. Al asumir tareas de bajo nivel, permitirá que más personas trabajen con problemas amplios y complejos. El riesgo está en confundir esa evolución con una licencia para dejar de aprender los fundamentos. Sin conocimientos básicos, será más difícil detectar errores, identificar sesgos o saber cuándo una respuesta generada por IA no es fiable.
El debate, por tanto, no consiste únicamente en decidir qué tareas debe hacer una máquina. También exige determinar qué habilidades conviene conservar, cuáles pueden delegarse y cómo debe cambiar la educación. La visión de Huang anticipa una sociedad con menos destreza en ciertos detalles, pero con una mayor capacidad para manejar sistemas completos. Que ese intercambio sea positivo dependerá de que la tecnología se utilice como apoyo al aprendizaje y no como sustituto de la comprensión.
