Modelos Masivos de Lenguaje
y la sustitución de puestos de trabajo
A medida que los modelos masivos de lenguaje (LLMs) mejoran e incorporan nuevas funcionalidades, se habla cada vez más de uno de los fantasmas más temidos de la tecnología: la sustitución de puestos de trabajo.
Ver a algoritmos como ChatGPT o Bard respondiendo a preguntas o llevando a cabo tareas como convertir ideas en código ejecutable, sintetizar una conversación, desarrollar una presentación, etc. nos hacen pensar que muchos trabajadores que llevan a cabo habitualmente esas tareas van a ser sustituidos, debido a un simple análisis de costes.
La realidad es que los modelos masivos de lenguaje son una subdivisión muy limitada de un campo mucho más importante, y que se limitan a analizar documentos, establecer relaciones entre ellos, y extraer de ellos información en un formato conversacional. Eso, por mucho que lleve a algunos a pensar que el algoritmo es capaz de pensar, no tienen en realidad nada de extraordinario, y está aún muy lejos de representar algo mínimamente comparable a la complejidad y capacidades de la mente humana.
Los algoritmos no sustituirán a los trabajadores, pero los trabajadores que sepan utilizar algoritmos sustituirán a los que no sepan
Sin embargo, esa capacidad corresponde a un cierto tipo de trabajos, pero no a todos. La programación o la habilidad para la expresión escrita, por ejemplo, parecen más adecuados para plantear una hipotética sustitución que aquellos trabajos que precisan del uso de pensamiento crítico. Las tareas que pueden considerarse repetitivas, lógicamente, son más propias de ser algoritmizadas que otras de naturaleza más imprevisible. Estamos hablando del machine learning como herramienta de automatización avanzada: antes planteábamos la automatización como algo capaz de sustituir tareas sencillas, pero ahora hablamos de un nuevo tipo de automatización más sofisticada, capacitada para llevar a cabo tareas más complejas.
Si nos limitamos al análisis de los LLMs, por tanto, estaremos hablando de tareas más complejas, sí, pero cuyo resultado final es, esencialmente, un texto, unas líneas de código, una imagen o algo que tiene que ver con el uso del lenguaje. Si extrapolamos el razonamiento más allá de todos los algoritmos que pueden desarrollarse mediante machine learning, estaremos hablando de muchas más posibilidades, que van desde manejar máquinas hasta tomar decisiones complejas en función de muchísimas variables.
La automatización avanzada de tareas no deja de ser una herramienta creada, desarrollada y aplicada por el ser humano
Llevamos muchos años trabajando en la automatización avanzada de tareas mediante machine learning. Ahora, de la noche a la mañana, el machine learning salta a la fama porque la tarea automatizada es el lenguaje, que parecía un reducto solo propio del ser humano. Pero no deja de ser simplemente una herramienta, y como tal hay que plantearla. Si las tareas de un puesto de trabajo consisten solo en manejar una herramienta, ese trabajador será sustituido. Si por el contrario, consisten en la aplicación del sentido crítico, será bastante más complicado sustituirle.
