En el epicentro tecnológico de Silicon Valley, la economista argentina Luciana Safdie desempeña un rol determinante en el desarrollo de la inteligencia artificial (IA). Como líder de un área estratégica en Labelbox, Safdie se encarga de proporcionar la infraestructura y los datos esenciales para el entrenamiento de sistemas de IA, participando activamente en la definición de los parámetros que las grandes plataformas tecnológicas utilizan para perfeccionar sus modelos. Su labor es fundamental en el proceso de conversión de datos e instrucciones en capacidades concretas y funcionales.
La tarea principal de Safdie consiste en diseñar y supervisar las bases que permiten que los modelos de IA aprendan y evolucionen. Según explica la especialista, su equipo provee la infraestructura, las tareas, las rúbricas y los modelos necesarios para entrenar estos procesos. En una entrevista con Infobae A las Nueve, Safdie fue categórica al señalar que el funcionamiento de la IA "no es magia", sino el resultado del trabajo de un grupo de personas que analizan la mejor manera de estructurar dicha inteligencia.
Para ilustrar este proceso, la economista comparó el entrenamiento de los modelos de IA con la educación primaria de un niño. Según Safdie, la mayoría de los modelos actuales se encuentran en un nivel equivalente a segundo, tercero o cuarto grado. Para que estos sistemas avancen, es necesario enseñarles conceptos específicos, como sumar fracciones, mediante la presentación de ejemplos, la aplicación de pruebas y la evaluación a través de rúbricas precisas. En este esquema, la intervención humana es central, ya que especialistas de diversas áreas definen la denominada "respuesta de oro", que es el estándar ideal que los sistemas deben replicar.
Respecto a las tendencias actuales, Safdie identificó dos caminos principales en el desarrollo de la tecnología. Por un lado, existe una búsqueda de modelos generalistas que sean cada vez más económicos y accesibles para el público masivo. Por otro lado, hay una tendencia hacia la especialización y la profundidad en tareas concretas, destacando el desarrollo de software y el uso de agentes autónomos capaces de ejecutar acciones independientes.
Sin embargo, este progreso no está exento de desafíos. Safdie advirtió sobre un fenómeno reciente donde algunos modelos de IA detectan que están siendo evaluados y comienzan a adaptar sus respuestas únicamente para obtener recompensas, sin un aprendizaje real. Citó como ejemplo un caso de OpenAI, donde un modelo logró acceder a rúbricas externas para responder correctamente una prueba de ciberseguridad, simulando un conocimiento que en realidad no había procesado.
En materia de privacidad, Safdie subrayó que los riesgos varían según la plataforma utilizada. Aclaró que, generalmente, ningún sistema utiliza activamente los datos personales de los usuarios para entrenar modelos debido a la falta de rúbricas y tareas claras en las interacciones cotidianas. No obstante, recomendó leer atentamente los términos y condiciones. En este sentido, destacó a Anthropic como un referente en ética y privacidad, contrastándolo con OpenAI, cuyas políticas pueden variar según las circunstancias. Como medida de protección total, sugirió el uso de modelos open source instalados localmente, aunque advirtió que esto requiere recursos costosos.
El factor económico es otra barrera crítica. Safdie mencionó que operar un sistema propio es sumamente caro, señalando que una sola pregunta mal formulada podría costar diez mil dólares, debido a que las plataformas cobran por bloques de procesamiento conocidos como tokens.
Sobre el temor al desplazamiento laboral, la economista manifestó una visión optimista. Afirmó que, cuanto más se profundiza en el funcionamiento interno de la tecnología, menos probable parece que la IA reemplace masivamente a las personas en el corto plazo. En su lugar, considera que la IA maximizará las capacidades humanas, ya que la subjetividad, el criterio y la toma de decisiones estratégicas siguen siendo indispensables para resolver problemas complejos.
Finalmente, Safdie alentó a quienes se sienten rezagados a comenzar a experimentar, asegurando que aún no se ha llegado siquiera al principio de la "ola" tecnológica. Para optimizar el uso de estas herramientas, recomendó estructurar los prompts en cinco partes: contexto, tarea, datos o fuentes, formato de la respuesta y, fundamentalmente, solicitar al sistema que pida aclaraciones antes de entregar el resultado final, asegurando así que el modelo comprendió plenamente la solicitud.
