Por Romina Andreani (*)
Un mapa tan grande como su territorio representado. Tal paradoja fue imaginada por el inasible genio de Lewis Carroll, famoso para siempre por su adorable Alicia en el País de las Maravillas. Pero lo que en Carroll nació como un chiste filosófico, nuestro invaluable Jorge Luis Borges lo transformó en cuento y, mucho más, en una de sus claves para pensar un universo que desafía la comprensión. Así estamos hoy: inmersos en un tsunami de mapeos, redes, geolocalizaciones y bioescaneos cada vez más precisos, cada vez más microscópicos.
En esa dinámica vertiginosa de nuevo saber que aumenta exponencialmente con cada puesta de sol, es razonable que podamos desorientarnos. Por eso, aunque Carroll y Borges adviertan con mucha ironía sobre los excesos del mapeo cientificista, nunca viene mal trazar, una vez más, una simple cartografía de las innovaciones decisivas que están a punto de confluir para delinear el nuevo escenario de la economía, la educación y la productividad global. Aquí va un humilde pero prolijo mapa del futuro que ya llega.
En un mundo cada vez más interconectado, la tecnología y la innovación se presentan como fuerzas transformadoras que reconfiguran nuestra realidad. A medida que enfrentamos desafíos globales como el cambio climático, la desigualdad y la crisis de salud, emergen tres innovaciones clave que prometen redefinir nuestra forma de vivir y trabajar: la inteligencia artificial, los sistemas complejos y la computación cuántica.
Estas tecnologías no solo están avanzando a pasos agigantados, sino que también está entrelazándose, creando un ecosistema dinámico donde las posibilidades parecen infinitas. La combinación de estas innovaciones está llevando a la humanidad hacia un futuro donde la eficiencia, la creatividad y la resiliencia podrían alcanzar niveles sin precedentes, planteando al mismo tiempo profundas preguntas sobre ética, sostenibilidad y el futuro del trabajo.
TRES AVANCES REVOLUCIONARIOS
Tal vez no muchos han escuchado hablar o han leído sobre los “sistemas complejos”. Pero se trata de un avance decisivo en nuestra manera de pensar y de resolver los problemas para poder anticiparnos al futuro con mayor precisión.
El enfoque en sistemas complejos se centra en entender y modelar sistemas donde múltiples componentes interactúan de manera no lineal, lo que genera comportamientos emergentes difíciles de predecir a partir de los elementos individuales. Son particularmente útiles en situaciones donde el objetivo es entender cómo emergen comportamientos a partir de la interacción de múltiples partes.
Por ejemplo, cómo una decisión en un eslabón de la cadena de suministro afecta al resto de la red. Pero también podría usarse para explicar el clima, las mareas, las migraciones, las extinciones, la evolución, el comportamiento de las masas, etc. Incluso las amistades, el amor y la política pueden inscribirse dentro de los sistemas complejos.
Probablemente la más conocidas de estas tres innovaciones sea la Inteligencia Artificial (AI), que se enfoca en crear sistemas que pueden aprender de datos, hacer predicciones, tomar decisiones autónomas, o realizar tareas específicas como clasificación, reconocimiento de patrones, o procesamiento de lenguaje natural.
Es poderosa en situaciones donde hay grandes cantidades de datos que pueden ser usados para entrenar modelos predictivos, optimizar procesos, o automatizar tareas repetitivas o basadas en patrones. Es muy adaptable y puede escalar bien con datos masivos, aprendiendo y mejorando continuamente conforme se le alimenta con más datos.
Sin embargo, AI a menudo requiere una cantidad considerable de datos y no siempre es capaz de explicar de manera intuitiva por qué toma ciertas decisiones (el problema de la «caja negra»).
Y, además, funciona a base de modelos predictivos sobre cosas ya sabidas, o sea, dicho de otro modo, toma todo el conocimiento con el que se lo alimentó hasta ahora y produce modelos de conocimiento estadísticos.
Charlas de ascensor (inteligentes): claves para innovar en equipo
Lo que la IA tiene a su favor es que maneja lenguaje natural para hacer “queries”; entonces no se necesita una base de datos estructurada para hacerle preguntas. Esto arma un puente realmente alucinante con los datos de investigación del pasado, que no siempre respetan formatos más computacionales.
Y, finalmente, la computación cuántica. Se trata de una tecnología emergente y disruptiva que procesa información de manera exponencialmente más rápida que los ordenadores clásicos en ciertos problemas. Entre sus principales ventajas está su potencial para resolver problemas complejos en áreas como la criptografía, la simulación de moléculas para la creación de nuevos medicamentos y la optimización de redes logísticas.
Sin embargo, su desarrollo enfrenta importantes desafíos. Uno de los mayores obstáculos es la creación de computadoras cuánticas estables y tolerantes a fallos, ya que los qubits (las unidades básicas de información cuántica) son extremadamente sensibles al entorno y pueden perder coherencia fácilmente.
Esta tecnología aún está en fases experimental, lo que limita su uso práctico en la actualidad. Las grandes empresas tecnológicas han logrado avances significativos, pero el despliegue comercial de computadoras cuánticas útiles aún podría tardar varios años. Y a largo plazo también plantea desafíos éticos y de seguridad.
El procesamiento cuántico de información es una teoría (que está tratando de probar casi la mitad de la comunidad científica que trabaja en desarrollo de nuevas tecnologías) que nos permite “mirar” de nuevo los sistemas de información.
En lugar de pensar en 1s y 0s (es UNO o es CERO) nos permite pensar que en CADA bit de información, pasaríamos de un sistema discreto a un sistema continuo (no es binario, sino que pasa a ser un espectro de resultados posibles: 0.0000001 a 0.9999999, por dar una idea). Por lo tanto, una computadora podría procesar infinitas variables, cuando hoy procesa tan solo dos.
Como señalábamos, esto no está funcionando todavía, pero permite pensar en qué nos vamos a seguir apoyando en la computación clásica y en qué nos podríamos apoyar en la computación cuántica.
Y aquí está lo vertiginoso de todo esto: la integración de sistemas complejos, inteligencia artificial (IA) y computación cuántica revolucionará la resolución de problemas en áreas como la economía, logística, clima y medicina. Los sistemas complejos, con sus dinámicas impredecibles, podrán modelarse mejor con IA, que reconocerá patrones y optimizará procesos. La computación cuántica, por su parte, acelerará y perfeccionará estas simulaciones y optimizaciones al manejar grandes volúmenes de datos y variables simultáneamente. Esto permitirá tomar decisiones más rápidas y precisas en sectores críticos, pero plantea desafíos éticos y de seguridad que deberán ser gestionados cuidadosamente.
NIVELES DE MADUREZ TECNOLÓGICA (TRL)
Los Niveles de Madurez Tecnológica o TRL (por sus siglas en inglés, Technology Readiness Levels) son una forma de medir qué tan desarrollada está una tecnología, desde la idea inicial hasta su uso comercial. Es una escala que va del 1 al 9, siendo 1 una investigación teórica y 9 una tecnología que está completamente desarrollada, probada y comercialmente operando en grandes escalas.
Teniendo esto como parámetro, podemos decir que la IA ha alcanzado un nivel de madurez alto (entre TRL 8 y 9) en varios dominios, especialmente en aprendizaje automático, procesamiento del lenguaje natural y visión por computadora. De hecho, muchas soluciones impulsadas por IA ya están desplegadas comercialmente e integradas en aplicaciones cotidianas, como diagnósticos médicos, prototipos de conducción autónoma y software empresarial. Por supuesto que mientras que algunas aplicaciones específicas de IA están en TRL 9, algunas áreas emergentes -como la IA Generativa- están en niveles menos maduros.
Por su parte, la computación cuántica todavía está en fase experimental y se ubica actualmente en niveles TRL 3 a 4. Sistemas cuánticos tempranos, como los desarrollados por IBM, Google y Rigetti, han logrado hitos importantes, como la demostración de supremacía cuántica (Google con el procesador Sycamore).
Algoritmos cuánticos específicos (como para criptografía o simulación) y sistemas híbridos cuántico-clásicos están avanzando hacia TRL 5-6, siendo probados en entornos más cercanos al mundo real y explorados por industrias como la farmacéutica y la ciencia de materiales. Pero los ordenadores cuánticos universales y tolerantes a fallos hoy están lejos de ser una realidad comercial.
Lo lindo es que la cuántica como interpretación nos permite pensar algunos problemas de nuevo. Y en cada avance científico derrama sobre la computación clásica con innovaciones inesperadas. Entonces, en donde parecía que no había nada por hacer, la interpretación cuántica de la información nos permite innovar en modelados predictivos, como los del clima: la IA se suma para poder hacer consultas a bases de datos inabarcables por la computación clásica. ¿Cuáles son las contras? Los algoritmos son una secuencia de decisiones/preguntas desarrollados por humanos. Entonces, hoy existe una gran disparidad en los resultados de estas consultas, porque no tenemos todavía la capacidad de juzgar nuestros propios algoritmos, contrastando la misma información entre tres y diez veces con algoritmos parecidos, para ver cómo performan.
¿Y QUÉ PASA CON LOS SISTEMAS COMPLEJOS?
El nivel de madurez de los sistemas complejos varía según la aplicación. En economía y sistemas sociales generalmente están en TRL 4-5, porque los modelos teóricos y simulaciones están siendo investigados activamente, pero carecen de validación completa en el mundo real. Y en sistemas de ingeniería e infraestructura (por ejemplo, redes de energía, cadenas de suministro), algunos de estos sistemas están llegando a TRL 7, donde los enfoques de sistemas complejos están integrados en herramientas de toma de decisiones y operación. El modelado basado en agentes y el análisis de redes se utilizan cada vez más en industrias como la logística, la planificación urbana y la ciberseguridad.
Aunque los enfoques de sistemas complejos se están utilizando en aplicaciones específicas y avanzan, en su mayoría se encuentran en etapas intermedias de desarrollo.
Entonces, sobre el nivel de avance podríamos resumirlo de la siguiente manera:
• IA: TRL 8-9 pero niveles más bajos para subcampos emergentes como la IA General.
• Computación cuántica: TRL 3-6 (en fase experimental, avanzando hacia prototipos).
• Sistemas complejos: TRL 3-7 (variable según el campo, con etapas intermedias de desarrollo en aplicaciones prácticas).
UNA CONCLUSIÓN
Lo bueno es que todas estas preguntas están en los escritorios de la comunidad científica, y los divulgadores encuentran muchas promesas en estas formas de pensar novedosas.
Lo que falta es mucha preparación por parte del público en general para entender el impacto y qué lugar ocupan estas novedades en este escenario (y dar las discusiones acordes).
De la máquina newtoniana a la complejidad orgánica: la nueva gestión empresarial
Por este motivo la reciente aprobación del Pacto para el Futuro de la ONU, aprobado con el voto de 193 países, marca un hito significativo al incluir por primera vez un pacto digital y la regulación de la inteligencia artificial a nivel global.
Este acuerdo busca establecer normas y directrices que garanticen un uso ético y responsable de la tecnología, promoviendo así un futuro donde la innovación no solo impulse el progreso, sino que también respete los derechos humanos y la equidad. A medida que la inteligencia artificial se integra en múltiples aspectos de nuestra vida cotidiana, la importancia de este pacto se vuelve aún más evidente, posicionándolo como una herramienta fundamental para enfrentar los desafíos éticos y sociales que irán surgiendo en la era digital y con el desarrollo de las nuevas tecnologías. Parece ciencia ficción, pero está más cerca de lo que parece.
(*) Inversora ángel. Miembro de diversos boards. Mentora. Facilitadora en la creación de empresas
