La Bebida

La próxima infraestructura de un país no se construye con concreto: se enseña

Durante décadas aprendimos a reconocer la infraestructura de un país.

Carreteras. Puertos. Aeropuertos. Centrales eléctricas. Redes de telecomunicaciones. Universidades.

Son las estructuras que permiten que una economía funcione y que su población produzca, comercie, se comunique y genere conocimiento.

La inteligencia artificial está añadiendo una infraestructura diferente.

No siempre puede verse.

No se construye necesariamente con acero y concreto.

Se construye enseñando a las personas a utilizar una nueva forma de inteligencia.

Canadá acaba de dar una señal

Canadá lanzó una iniciativa nacional de alfabetización en inteligencia artificial orientada a estudiantes, docentes y trabajadores.

Lo interesante no es solamente la inversión.

Es la premisa.

El programa plantea una progresión sencilla:

entender IA → utilizar IA → construir con IA.

Pero incluye algo todavía más importante: aprender a evaluar la información producida por estos sistemas, reconocer sesgos y desinformación, comprender riesgos de privacidad y decidir cuándo utilizar inteligencia artificial y cuándo no hacerlo.

Eso es alfabetización en IA. No aprender veinte prompts. No saber cuál chatbot está de moda. No convertir a toda la población en programadores.

Es desarrollar la capacidad de trabajar con inteligencia artificial conservando criterio humano.

Ya vivimos algo parecido

Durante el siglo XX, saber leer y escribir dejó de ser solamente una ventaja individual.

Se convirtió en infraestructura económica.

Después ocurrió algo similar con las computadoras.

Más tarde con Internet.

Una empresa podía comprar cientos de computadoras, pero si sus trabajadores no sabían utilizarlas, aquellas máquinas no producían automáticamente una organización digital.

Con la inteligencia artificial puede ocurrir lo mismo.

Podemos imaginar dos países con acceso prácticamente a los mismos modelos.

Ambos pueden utilizar sistemas desarrollados por OpenAI, Google, Anthropic, Meta, Mistral o empresas chinas.

Ambos tienen Internet.

Ambos tienen empresas.

Ambos tienen universidades.

Pero uno tiene millones de personas capaces de utilizar IA para analizar información, automatizar tareas, aprender, programar, diseñar, investigar y mejorar procesos.

El otro tiene millones de personas que únicamente la utilizan ocasionalmente para hacer preguntas.

Tienen acceso a una tecnología similar.

Pero no tienen la misma capacidad económica.

La ventaja ya no está solamente en poseer la tecnología

Durante los últimos años hemos observado la competencia por construir el modelo de inteligencia artificial más poderoso.

Estados Unidos y China llevan una ventaja enorme.

Eso puede llevar a países como México a una conclusión equivocada:

“Llegamos tarde.”

No necesariamente.

México difícilmente ganará la carrera por construir el próximo modelo frontera invirtiendo más que las grandes tecnológicas estadounidenses o el ecosistema chino.

Pero existe otra carrera mucho más abierta:

la carrera de la adopción.

Y ahí las condiciones son diferentes.

Un médico mexicano puede utilizar un modelo desarrollado en Estados Unidos.

Un ingeniero de Monterrey puede trabajar con un modelo europeo.

Una PyME de Guadalajara puede automatizar procesos utilizando tecnología china.

Un investigador de la UNAM puede experimentar con modelos abiertos desarrollados en cualquier parte del mundo.

La inteligencia puede ser global.

El conocimiento que la utiliza sigue siendo local.

Ahí existe una oportunidad enorme.

Modelo global + conocimiento local

Una inteligencia artificial conoce millones de documentos.

Pero no necesariamente conoce mejor que nosotros:

cómo funciona una empresa mexicana,

cómo compra una PyME,

cómo opera una fábrica en Querétaro,

cómo se administra un hospital público,

cómo funciona una cadena logística en la frontera,

cómo trabaja un agricultor en Sinaloa,

o cómo decide un consumidor mexicano.

Ese conocimiento existe dentro de personas y organizaciones.

Cuando lo combinamos con modelos globales aparece algo económicamente mucho más interesante:

Modelo global + conocimiento local = capacidad productiva local.

Por eso la discusión sobre soberanía tecnológica necesita cierta precisión.

Soberanía no significa necesariamente construir todos nuestros modelos, fabricar todos nuestros chips o operar todos nuestros centros de datos.

Puede significar algo mucho más pragmático:

tener capacidad para decidir cómo utilizamos la tecnología, qué conocimiento aportamos, qué datos conservamos, qué dependencias aceptamos y qué parte del valor generado permanece en nuestro país.

El verdadero riesgo para México

Quizá el mayor riesgo no sea que México no construya el próximo GPT.

El riesgo es que millones de trabajadores mexicanos lleguen tarde a aprender a trabajar con sistemas como éstos.

Porque entonces aparecerá una nueva brecha.

No solamente: ricos y pobres, conectados y desconectados, educados y no educados.

También:

personas capaces de multiplicar sus capacidades mediante IA y personas que no saben hacerlo.

Y esa brecha puede trasladarse rápidamente a salarios, productividad, oportunidades laborales y competitividad empresarial.

Alfabetización no significa obediencia

Aquí existe otra razón por la cual la alfabetización en IA debe ser mucho más amplia que enseñar herramientas.

Una población preparada necesita saber utilizar inteligencia artificial.

Pero también necesita saber desconfiar de ella.

Preguntar:

¿De dónde salió esta información?

¿Puedo verificarla?

¿Qué información personal estoy proporcionando?

¿Existe algún sesgo?

¿Quién responde por esta decisión?

¿Debería esta tarea estar automatizada?

¿Dónde debe intervenir una persona?

Ésta es probablemente la competencia más importante.

No aprender a obedecer a la inteligencia artificial.

Aprender a pensar con ella sin entregar el juicio propio.

México necesita una estrategia de alfabetización en IA

No debería existir un único curso para toda la población.

Necesitamos distintos niveles.

Los ciudadanos necesitan comprender qué es la IA, cómo verificar información y cómo proteger sus datos.

Los trabajadores necesitan aprender a incorporarla a sus actividades.

Los docentes necesitan saber utilizarla sin sustituir el proceso de aprendizaje.

Las PyMEs necesitan identificar procesos donde pueda generar productividad real.

Los servidores públicos necesitan comprender tanto sus posibilidades como sus responsabilidades.

Los profesionales necesitan aprender a combinar conocimiento especializado con herramientas cada vez más capaces.

Y algunos mexicanos deberán aprender a construir la siguiente generación de aplicaciones, agentes y modelos.

Podríamos resumir la estrategia en tres etapas:

Entender → Utilizar → Construir

No todos tendrán que llegar al tercer nivel.

Pero prácticamente todos necesitarán llegar al primero.

La infraestructura invisible

Estamos acostumbrados a medir el desarrollo contando kilómetros de carreteras, capacidad eléctrica, puertos, antenas y conexiones de fibra óptica.

Pronto tendremos que medir también algo menos visible:

cuántas personas saben trabajar competentemente con inteligencia artificial.

Porque podemos importar modelos, contratar nube, comprar GPUs, instalar centros de datos.

Pero ninguna de esas inversiones garantiza que una sociedad sepa convertir inteligencia artificial en productividad, conocimiento y bienestar.

Eso depende de las personas.

Y quizá por eso una de las inversiones más importantes de la era de la inteligencia artificial no será una gigantesca computadora.

Será enseñar a millones de personas algo aparentemente más sencillo:

cómo utilizar una inteligencia que no es la suya sin dejar de utilizar la propia.

La próxima infraestructura de un país no se construye solamente con concreto.

También se enseña.

PensarLaIA
Inteligencia artificial con rostro humano