Los impactos de la “era exponencial” sobre la gestión pública en los países emergentes

Introducción

El mundo ha ingresado aceleradamente en la que ya se conoce como “era exponencial” o de la “cuarta revolución industrial”. La convergencia de diversas innovaciones tecnológicas, en materia de computación, big data, inteligencia artificial y sus aplicaciones en robótica, criptomonedas, impresiones 3D y otros desarrollos, ya están transformando profundamente la vida del hogar, los lugares de trabajo, los modos de transportarse y de comunicarse. Según la mayoría de los pronósticos, estos cambios adquirirán un ritmo y una velocidad incomparables respecto a cualquier época pasada. La gente trabajará, interactuará, se divertirá con máquinas altamente sofisticadas y hasta tal vez se enamore de ellas. Las sociedades deberán replantearse a partir de una gran cantidad de cuestiones que inevitablemente surgirán a la par de estas transformaciones, algunas de las cuales

son previsibles y otras ni siquiera imaginables. La brecha entre los modelos de organización social del pasado y del futuro será tal, que probablemente habrá que buscar puntos de referencia más imaginativos para iniciar una reflexión sobre sus probables diferencias.

De todas maneras, algo resulta claro. Como máxima instancia de articulación social, el Estado deberá asumir un rol decisivo en la conducción y regulación de este proceso, a efectos de aprovechar los beneficios y evitar los riesgos de muchas de las innovaciones en curso. Resultará crítico que los Estados posean la capacidad de anticipar y enfrentar los múltiples desafíos que crearán estos desarrollos tecnológicos en el corto y mediano plazos. Una rápida y superficial indagación sobre el Estado del debate mundial en torno a esta cuestión, en los planos académico, político y empresarial, permite arribar a una clara y preocupante conclusión: solo en Oceanía, Estados Unidos, Canadá, Israel, varios países europeos y algunos del sudeste asiático y el lejano oriente (sobre todo, Japón, China y Corea del Sur) el tema es objeto de debate sostenido, de análisis de opciones y de adopción efectiva de políticas y cursos de acción. En el resto del mundo solo se observan tibios y esporádicos intentos de instalar la cuestión en la agenda y el debate públicos y en América Latina el tema ni siquiera integra -aunque solo sea retóricamente- las plataformas de los partidos políticos o los planes de los gobiernos de turno.

En este trabajo se propone analizar y proyectar los impactos previsibles sobre la gestión gubernamental que pueden ocasionar los desarrollos tecnológicos que caracterizan a la era exponencial en curso. Se coloca el foco de atención en los países emergentes y en su debilidad relativa para mitigar los impactos negativos del cambio y aprovechar las ventajas de la innovación, planteando algunas ideas y recomendaciones sobre cómo promover una toma de conciencia e iniciar una reflexión sistemática al respecto. En tal sentido, se parte de tres supuestos básicos: 1) librado a su propia dinámica, el cambio tecnológico puede transformar profundamente la estructura de poder de los países, la producción e intercambio de bienes y servicios en el orden nacional e internacional y la propia organización y los patrones culturales de la sociedad actual; 2) el notorio desequilibrio existente en el desarrollo y adopción de las nuevas tecnologías puede ensanchar la brecha entre los países que lideran estos avances y aquellos que por ahora no contemplan la inminencia y magnitud de sus impactos; y 3) si los Estados no están capacitados para comprender los riesgos que trae aparejado el desarrollo e implantación de ciertas innovaciones tecnológicas, ni de regular sus deletéreas consecuencias, la sociedad puede verse expuesta a la voracidad de empresas y emprendedores para los cuales las consideraciones éticas o morales no cuentan, primando solo los criterios puramente mercantiles que inspiran la producción de los bienes o servicios que vuelcan al mercado. Esto puede ocurrir, por ejemplo, con muchos nuevos desarrollos en el campo de la ingeniería biomédica, la logística del transporte, la robótica en la educación o en el sexo, las plataformas de redes sociales, la ciberseguridad, etcétera.

En el desarrollo de este artículo se examinará el estado del conocimiento y de la discusión actual acerca de los dilemas que plantean los desarrollos tecnológicos de la era exponencial. En cada caso, se hará referencia a las opciones de políticas públicas que contemplan los países avanzados para enfrentar los desafíos que crean estas innovaciones. Y en las conclusiones, se destacarán los déficits de capacidad institucional que presentan los países emergentes frente a tales desafíos, así como algunas recomendaciones para evitar que se ensanche la brecha tecnológica respecto a las economías más avanzadas.

Tecnologías disruptivas y sus dilemas

Cuando se toma conciencia del desarrollo alcanzado por las nuevas tecnologías y se avizoran sus futuros avances, la expresión que mejor parece describir su impacto es su “carácter disruptivo”. De origen inglés, “disruptivo” es todo aquello que se refiere a una situación, elemento, actividad, comportamiento o decisión que produce una ruptura brusca con una realidad o entorno estable y, en forma inexorable, conduce a un proceso de cambio físico o virtual. Una tecnología disruptiva es, entonces, una innovación que conduce al desarrollo de productos o servicios que representan una ruptura definitiva con la tecnología previamente dominante (Bower y Christensen, 1995). Un caso clásico es la telefonía móvil frente a la fija o la fotografía digital respecto de la tradicional. También puede tratarse de una novedad que da solución a un problema del que no se tenía conciencia hasta la aparición de una solución, como fue la tecnología del GPS.

Las innovaciones que se están produciendo actualmente en los diferentes campos de la actividad económica y social, a raíz de los avances en la electrónica, la inteligencia artificial, la robótica y otras disciplinas, produce una mezcla de sorpresa y deslumbramiento. La velocidad que caracteriza a estos desarrollos es lo que ha llevado a utilizar el término “exponencial”, propio de las matemáticas, para calificar a la nueva era que se está gestando. O sea, una creciente aceleración del ritmo con que se producen los cambios en el tiempo. En 1965, Gordon Moore formuló la primera versión de lo que sería la Ley que lleva su nombre, la que vaticinaba una tendencia que se viene registrando inexorablemente: la tecnología de la información crecería de modo exponencial y no lineal[1]. No se trata de un proceso infinito, ya que llegado a un cierto punto del desarrollo tecnológico se produce un salto cualitativo, un cambio de paradigma, como el que supuso pasar del tubo vacío como circuito lógico de una computadora, al transistor y luego al circuito cerrado. Y tal vez, en el futuro, se pase a circuitos tridimensionales, autoorganizados o moleculares.

La enumeración de estas tecnologías apabulla y excita la imaginación. Y aunque cueste imaginar un mundo en el que se hagan realidad las transformaciones anunciadas, en cierto punto ya están ocurriendo. La lista incluye tecnologías con fuerte impacto en áreas tales como las finanzas, la medicina, la educación, la salud, la manufactura y la alimentación. Solo que a diferencia de la época en que Schumpeter se refería a la “destrucción creativa” del capitalismo como su característica central, el vértigo adquirido por los cambios que se avecinan requiere una representación geométrica, no aritmética, para describir su carácter exponencial.

Lo más notable de este proceso es que la Ley de Moore ya no es aplicable tan solo a los transistores, sino a una amplia gama de innovaciones cuyo ritmo de desarrollo sigue un patrón similar. Y además, sus efectos se potencian en la medida en que muchas de estas tecnologías se combinan para crear nuevas aplicaciones, productos y servicios. Por eso, algunos llegan a preguntarse qué pasará, por ejemplo, cuando el procesamiento por computadoras, la rapidez y exactitud de la impresión en 3D, la velocidad y precisión de la manipulación del ADN, los sistemas de hardware robóticos multipropósitos y el software de diseño automatizado dupliquen su ratio de poder-precio cada dos años. ¿Qué no seremos capaces de construir a bajo costo y con precisión dentro de alrededor de una década? (Zimmermann, 2018).

Muchas otras tecnologías se hallan en constante flujo y veloz evolución, como la ingeniería genética, los nanotubos de carbón, la desalinización marina, los robots agrícolas, la e-movilidad autónoma o la realidad virtual. El interés aquí, naturalmente, se concentra en los dilemas que crean estos desarrollos para la gestión estatal en la medida en que, frente a ellos, los gobiernos deben tomar posición en sus diversos roles como promotores, reguladores, compradores o financiadores de estas tecnologías. En tal sentido, se analizará en primer término las transformaciones relacionadas con las tecnologías de información y comunicación (TIC), la inteligencia artificial y la robótica. Su convergencia e hibridación han dado lugar a procesos de creación, innovación, experimentación y aprendizaje que hoy se manifiestan en múltiples aplicaciones, tales como los vehículos autónomos, el Internet de las cosas (IdeC), las criptomonedas o las impresiones 3D.

Cada una de estas tecnologías ha significado un extraordinario avance en sus respectivas posibilidades de tornar más eficientes los procesos productivos, mejorar la comunicación, la seguridad y el transporte, reducir los riesgos del trabajo o facilitar las transacciones económicas. Pero, al mismo tiempo, han generado nuevas cuestiones que afectan, entre otros aspectos, los valores, la cultura, la ética, la privacidad, el derecho o el mundo del trabajo planteando a los gobiernos la necesidad de intervenir para regular y orientar el desarrollo tecnológico sin disuadir el proceso de innovación. Este es, en última instancia, el dilema esencial que deben resolver las políticas públicas en esta materia.

Tecnologías de la información y la comunicación (TIC)

A comienzos del presente siglo, antes de que se popularizara la expresión “era exponencial”, se volvió habitual referirse a la época actual como la “era de la información” (o la “era digital” o de las TIC). Es pertinente comenzar el análisis de las tecnologías que caracterizan a la cuarta revolución industrial con una breve referencia a aquellas que en su desarrollo, despliegue y combinación, crearon las bases para que muchas otras fueran posibles.

Se atribuye a Francis Bacon la frase “la información es poder”, aunque en realidad no aparece en ninguna de sus obras. En el capítulo X del Leviatán, Thomas Hobbes afirma: scientia potentia est, sed parva, es decir, “el conocimiento es poder, pero pequeño”. Sin duda Hobbes no alcanzó a vislumbrar hasta qué punto, siglos más tarde, el poder de la información y el conocimiento alcanzarían la magnitud actual. Tampoco que su empleo podría llegar a servir tanto para hacer gobernable un Estado como para que este ejerza un poder despótico sobre sus ciudadanos, tornando al Leviatán, monstruo bíblico, en terrorífica realidad. Como medio de acceso al conocimiento y a sus aplicaciones, la información es hoy el recurso de poder dominante de esta era digital. Por esta razón, en las referencias a la época actual abundan expresiones como “sociedad de la información” o “economía del conocimiento”.

Desde los años setenta se ha planteado en varios trabajos la diferencia y relación entre datos, información y conocimiento. Esa distinción conceptual no solo se ha popularizado, sino que se ilustra con la denominada “pirámide de DICS” (García-Marco, 2011), sin perjuicio de que en el lenguaje popular, dato, información y conocimiento sigan siendo utilizados casi indistintamente (ver Figura 1).

Figura 1

elaboración propia.

Si bien la “pirámide” jerarquiza el proceso lógico de reunir datos para producir información y de comparar y analizar diversas fuentes de información para generar conocimiento, agrega además un escalón superior: la sabiduría. La distinción entre conocimiento y sabiduría es tan antigua como la formulada por Platón, cuando distinguía entre doxa (conocimiento basado en opiniones sin base ni evidencia) y episteme (conocimiento verdadero, sistemático y amplio). Desde la perspectiva teórica y práctica de la decisión política, la distinción jerárquica que establece la “pirámide” es fundamental para destacar el verdadero valor y trascendencia de su “pequeño” ápice: la aplicación del conocimiento, o mejor aún, de la sabiduría, a la tarea de gobernar. Sobre todo, en vista del predominio, en los países menos desarrollados, de procesos de formulación e implementación de políticas en los que la motivación para la acción prevalece sobre la comprensión de la materia sobre la que se actúa, tal como lo observara Hirschman, hace muchos años, para caracterizar el estilo decisorio predominante en América Latina (Hirschman, 1964).

La difusión y omnipresencia de las TIC, que caracterizan a la vida cotidiana y a la organización social en esta era digital, se han constituido en fuerza decisiva de la evolución social. Su desarrollo ha sido posible merced a la coincidencia y combinación de diferentes innovaciones, como es el caso de la mayoría de las tecnologías que se están analizando. Sintéticamente, todo comenzó con la aparición de las primeras computadoras cuando finalizaba la Segunda Guerra Mundial. A medida que estas evolucionaban, fueron surgiendo innovaciones como el encriptamiento de datos, los grandes centros de cómputos, la invención de la world wide web o el sistema de hipertexto, hasta la aparición en 1995 de una supercomputadora capaz de realizar en un segundo lo que una calculadora operada por una persona podía llevar 30.000 años. La primera década de este siglo fue testigo de la explosión de los macrodatos o Big Data, como popularmente se los llama, así como de la web 2.0 que revolucionó la transmisión, comunicación e intercambio de datos[2]. Con un almacenamiento más económico, procesadores más rápidos y redes de área amplia de mayor ancho de banda, las computadoras redujeron su tamaño aumentado su capacidad de prestación. La informática se volvió así más veloz, inteligente, pequeña y conectada, simulando en cierta forma al cerebro humano y mejorando la capacidad de adoptar decisiones basadas en el análisis de datos.

Simultáneamente, se produjeron notables avances en la comunicación móvil hasta llegar actualmente a la que se conoce como la revolución 5G, que producirá importantes consecuencias sociales, empresariales y geopolíticas[3]. Entre ellas, guerras comerciales entre las gigantescas empresas que dominan el mundo digital, intentos de los gobiernos por regular los usos indebidos de la información, intromisión en la privacidad de los usuarios o manipulación política de los datos. Por otra parte, la enorme distancia que separa a los países avanzados de los emergentes o subdesarrollados, se ensancha continuamente dado el carácter exponencial de las innovaciones y la reducida capacidad relativa de estos últimos para incorporar rápidamente los nuevos desarrollos.

Ello se manifiesta, al menos, en tres desafíos diferentes. El primero parte de considerar a internet como un bien público global (Kaul …[et al], 1999), cuyo consumo no reconoce exclusividad y cuyos beneficios son universales para países, poblaciones y generaciones, aún cuando las barreras de acceso pueden ser altas. Los problemas surgen de la existencia de free riders y otras fallas de mercado, de una sub-oferta del bien y de una sub-utilización global, amén de externalidades significativas (Canazza, 2018). Por eso se plantea que los gobiernos deberían promover la expansión de Internet para ampliar sus economías de escala, la creación de redes y las externalidades positivas, sea indirectamente a través de la regulación del mercado de oferentes privados o directamente a través de la inversión pública en infraestructura y esquemas PPP[4].

Un segundo desafío es el de la ciberseguridad, frente al riesgo cierto de que los sistemas informáticos sean hackeados. De hecho, el riesgo cibernético está creciendo en la gestión gubernamental, en la medida en que los ciberataques aumentan en volumen, intensidad y sofisticación. El riesgo no es solamente financiero, también entraña la posibilidad de pérdida de confianza ciudadana, además de distraer la atención de la gestión respecto de otros temas prioritarios. En los Estados Unidos casi todos los gobiernos estaduales han creado el puesto de chief information security officer y sus ocupantes reportan regularmente a sus gobernadores en esta materia. La demanda de especialistas en seguridad cibernética es alta y la oferta sumamente reducida. Muchos gobiernos tercerizan la totalidad o parte de esta función, que es muy dependiente de los avances en big data e inteligencia artificial. Definitivamente, la gestión del riesgo informático se ha convertido en una función permanente de los gobiernos y el test real de un desempeño efectivo será seguramente la capacidad de anticipar y contrarrestar la actividad de los ciberatacantes.

El tercer desafío es el que crean los “legados informáticos” (legacy systems), es decir, las tecnologías, sistemas o aplicaciones computacionales que han pasado de moda, pero que aún se encuentran en uso, planteando serios dilemas a los responsables de la gestión pública. ¿Deben renovar, modernizar o reemplazar ese legado informático? Las plataformas sin soporte sobre las que corren pueden, además, incrementar los riesgos de ciberataques. Los recursos afectados a mantener tecnologías obsoletas reducen la posibilidad de su afectación alternativa a nuevos desarrollos. Los costos de mantenimiento son todavía mayores cuando se toma en cuenta la antigüedad de los lenguajes (como COBOL) empleados para el desarrollo del software y la dificultad o total imposibilidad de modificar procesos por su inflexibilidad para adaptarse a herramientas de inteligencia artificial. Todos estos problemas y dilemas crecerán en la misma medida en que, con el desarrollo exponencial, crezcan los índices de obsolescencia del equipamiento existente.

Big Data

Una de las consecuencias de las innovaciones en materia computacional fue la posibilidad de procesar grandes conjuntos de datos a fin de identificar patrones recurrentes y elaborar modelos predictivos para la toma de decisiones. Este campo especializado en el desarrollo de las TIC se conoce habitualmente como Big Data. La complejidad de las actividades de recolección, almacenamiento, búsqueda, compartición, análisis y visualización de estas grandes cantidades de datos se vio facilitada, a su vez, por el desarrollo de la inteligencia artificial, la minería de datos y las técnicas de análisis (analytics) y business intelligence. El crecimiento de la capacidad de procesamiento coincidió con el aumento en la recolección masiva de datos provenientes de nuevas fuentes de alimentación, como sensores inalámbricos, cámaras y dispositivos móviles.

Más del 90% de todos los datos actualmente disponibles en el mundo se produjo en el siglo actual. La sideral diferencia con el pasado, ya advertible en 2005, llevó a O’Reilly Media a acuñar el término Big Data. Tim Berners-Lee inventó la red mundial (World Wide Web) en 1989, cuando intentaba compartir información a través de un sistema de hipertexto, ignorando todavía el real impacto que tendría su invento. Las conexiones a internet crecieron rápidamente en los 90 y ya en este siglo la sucesión de innovaciones adquirió un ritmo frenético. En 2005 nace la Web 2.0, que multiplica las posibilidades de registro y procesamiento de datos que permitían las herramientas de business intelligence preexistentes y crece al ritmo del desarrollo de las redes sociales y empresas start ups que aprovechan la masiva creación y flujo de datos. En 2011 el Informe McKinsey sobre Big Data pronosticaba que en 2018 los Estados Unidos enfrentaría un déficit de 140.000 a 190.000 científicos de datos, así como de 1,5 millones de ejecutivos de datos (Manyika …[et al], 2011).

Fue recién en el presente siglo cuando la inteligencia artificial (IA) se convirtió en un boom y el mayor poder de las computadoras posibilitó la aplicación de técnicas de machine learning a la solución de diversos problemas, tanto en la academia como en la industria. Un nuevo lenguaje comenzó a construirse alrededor de estos desarrollos. Por ejemplo, business intelligence comenzó a utilizarse para hacer referencia al análisis descriptivo de datos originados en distintos indicadores de negocios, cuya consulta y visualización agregada permite obtener una visión acerca de ciertos procesos que ocurrieron o están ocurriendo en una organización. Data mining, o minería de datos, aludió a la identificación de tendencias o patrones basada en grandes bancos de datos con fines de análisis predictivos. Por su parte, el término machine learning recortó un área de las ciencias informáticas dedicada al estudio y construcción de algoritmos que ofrecen predicciones u opciones de decisión basadas en un conjunto de casos, campo en el que convergen la inteligencia artificial, la estadística y la optimización matemática. Estos algoritmos son fundamentales para la aplicación de técnicas de data mining. La expresión data science se reservó para designar al conjunto de principios y fundamentos científicos y aplicados, que orienta la extracción de conocimiento a partir de datos, así como la utilización de herramientas, técnicas y procedimientos de la minería de datos. Por último, big data acabó definiendo al conjunto de tecnologías utilizadas en la minería de datos y en la business intelligence, que permiten procesar y analizar datos que, por su volumen o su complejidad de procesamiento, exceden la capacidad de las computadoras convencionales.

Puede advertirse fácilmente cierto grado de superposición entre los términos recién descriptos, propio de un campo de estudio y experimentación que se está desarrollando a un ritmo vertiginoso. Otro “pariente” cercano a esta familia semántica es analytics o data analytics, que en su versión más simple no sería más que “el estudio del análisis” (Foote, 2018). Como ocurre con los demás miembros de esta familia, sus orígenes pueden rastrearse muy atrás en el tiempo. Se ha querido ver, por ejemplo, que Frederick Taylor o Henry Ford fueron pioneros de la “analítica de datos” (como se le suele llamar en español) en su aplicación a la administración del tiempo y velocidad del trabajo. Más estrictamente, analytics se define como investigación, descubrimiento e interpretación de patrones recurrentes, identificables en grandes volúmenes de datos, reiterándose una vez más cierta superposición con la mayoría de los términos anteriormente descriptos. Esto no es todo, ya que analytics ha incorporado varios adjetivos que especifican sus variadas aplicaciones: predictiva, cognitiva, prescriptiva, descriptiva, aumentada o de big data.

Lo que es claro es que la “analítica de datos” se basa en estadísticas y aprovecha todas las herramientas informáticas disponibles, como computación “en la nube” (cloud computing), modelación de datos, minería de datos, inteligencia artificial y machine learning. En su versión “aumentada” reduce la labor de los especialistas al automatizar los pasos requeridos para aprender de los datos, en tanto los procesa, limpia y analiza, produciendo conocimientos que permiten instruir a quienes deben interpretarlos o tomar decisiones a partir de los mismos. En definitiva, la analítica de datos reduce costos operativos en el almacenamiento y análisis de datos, identifica oportunidades, estima costos, evalúa estrategias de acción, anticipa tendencias y funda decisiones informadas.

En un reciente trabajo se describen dos casos que ilustran la capacidad cognitiva que proporciona esta tecnología (IBM Center, 2018). En 2014, el Internal Revenue Service de los Estados Unidos, a través de su programa de revisión de declaraciones juradas, identificó más de 10 billones de dólares en pedidos de reintegro fraudulentos. Por su parte, el Center for Medicare & Medicaid Services redujo drásticamente las infecciones intrahospitalarias, luego de evaluar mediante técnicas de computación cognitiva más de un millón de casos por año. Su análisis permitió detectar patrones, tendencias y prioridades que permitieron intervenciones programadas, además de generar una reducción de 12 billones de dólares de costos. Son ejemplos del potencial impacto sobre la gestión pública que podrían generar estas nuevas aplicaciones.

Inteligencia artificial

El somero recorrido conceptual y descriptivo efectuado en esta sección, sirvió en última instancia como prolegómeno para adentrarse en el análisis de un campo del conocimiento que sobrevuela todas las innovaciones expuestas y que, no hubiera sido viable sin el desarrollo de estas últimas: la inteligencia artificial (o IA). También conocida como machine intelligence, se refiere a la inteligencia demostrada por máquinas, en contraste con la inteligencia natural de seres humanos y animales. Dentro de la ciencia de la computación IA es el estudio de “agentes inteligentes”, es decir, todo dispositivo capaz de percibir su entorno y adoptar cursos de acción que maximizan las perspectivas de lograr exitosamente sus fines. Coloquialmente se utiliza IA para referirse a máquinas que imitan funciones “cognitivas” que los humanos asocian con capacidades mentales como aprender, reconocer lenguajes, programar o resolver problemas.

Es difícil imaginar una tecnología singular más decisiva que la IA para dar forma al mundo durante los próximos 50 años. A medida que la capacidad de aprendizaje de las máquinas permite a las computadoras autoinstruirse, emerge un inmenso repertorio de innovaciones que van desde los diagnósticos médicos hasta los vehículos autónomos. Pero, al mismo tiempo, surgen inevitables preocupaciones: ¿Quién controla esta tecnología? ¿Hasta qué punto tornará obsoletos los empleos actuales? ¿Qué riesgos apareja?

La IA ha penetrado la vida humana de múltiples maneras casi sin que se advierta porque, en parte, su irrupción está teñida por la cultura popular. La IA llamada “generalizada”, característica de la ciencia ficción, a menudo pronostica un mundo prácticamente robotizado. La IA especializada, en cambio, se ocupa del diseño y aplicación de algoritmos y dispositivos computacionales para realizar tareas crecientemente complejas, desde la medicina y el trasporte a la distribución de electricidad. En su proyección, promete una economía mucho más productiva y eficiente, pero a la vez hace necesario evaluar su impacto negativo sobre el empleo y la inequidad social.

Líderes políticos señalaron la necesidad de apelar a la inteligencia “extendida” para que puedan incorporarse valores sociales en la IA[5]. Al respecto, el expresidente Barack Obama mencionaba que ya se dispone de tecnología para vehículos autónomos, máquinas que pueden tomar decisiones rápidas y reducir el número de accidentes fatales, mejorar la eficiencia del transporte y disminuir las emisiones de carbón que calientan el planeta. Pero -se preguntaba- ¿quién programará los vehículos?, pregunta que remite al clásico “dilema del tranvía”.[6] ¿Cuál es el rol del gobierno cuando se introducen estas cuestiones éticas?

Para Obama, al considerar la estructura regulatoria, el gobierno debe intervenir poco en los desarrollos iniciales de la IA, destinando recursos principalmente a la investigación y asegurando un fluido diálogo entre investigación básica y aplicada. Pero a medida que las tecnologías maduran, es necesario preocuparse de su incorporación a la estructura regulatoria existente, lo cual exige un grado de intervención mayor para asegurar que las regulaciones reflejan un amplio conjunto de valores. De lo contrario, se comprobará rápidamente el perjuicio que genera a los grupos sociales más vulnerables.

Al parecer, por ahora, el mercado marca el ritmo y dirección de las innovaciones, al tiempo que es la empresa privada la que invierte billones de dólares en su desarrollo. Si bien ello no es razón para que pueda sustraerse a la acción regulatoria del estado, Obama cita a un importante emprendedor que en cierto momento le expresó: “lo último que quisiéramos es que una banda de burócratas nos paralice en nuestra tarea de cazar el unicornio ahí afuera”[7]. Ello contrasta con la significativa reducción que, al menos en Europa y los Estados Unidos, ha tenido el financiamiento en investigación y desarrollo en este campo. El programa espacial de los Estados Unidos en tiempos de los viajes a la luna era de apenas medio por ciento del PBI, pero hubiera representado 80 billones de dólares anuales en moneda actual. Ese país gasta hoy menos de un billón en IA, lo cual demuestra la importancia del esfuerzo financiero que se requiere si se desea preservar los valores de una comunidad diversa, representada en estas tecnologías de frontera. De lo contrario, el mercado se encargará de que la ética y los valores implícitos en las tecnologías queden fuera de toda consideración.

Frente a los gurúes que otorgan alta probabilidad a la ocurrencia de una IA generalizada en la próxima década, Joi Ito, director del MIT Media Lab, considera que para que ello ocurra hacen falta una o dos docenas de avances tecnológicos que hoy no existen, por lo cual será posible monitorear si llegan a producirse. En cambio, los empleos de bajos salarios y pocas exigencias técnicas se volverán más y más redundantes. Aún cuando no desaparezcan del todo, sus salarios serán menores. Para manejar con éxito esta transición habrá que sostener un amplio debate social sobre cómo hacerlo, cómo capacitar para nuevos trabajos y asegurar una economía inclusiva si de hecho se producirá más que nunca, pero el excedente será capturado en una proporción creciente por un pequeño grupo económico altamente concentrado.