← Volver a Actualidad
TecnologíaCTXIA ExplicaMundo

Qué es un sistema de IA y por qué importa dónde se usa

La OCDE actualizó su definición de sistema de inteligencia artificial para incluir herramientas que generan contenido, recomendaciones, predicciones o decisiones. La definición ayuda a reconocer la tecnología, pero no permite juzgar sus efectos por sí sola: para eso hay que mirar sus datos, objetivos, autonomía y contexto de uso.

Equipos informáticos en un centro de datos; imagen ilustrativa.
Aaron Hall / Wikimedia Commons; recorte y filtro editorial · Imagen original ↗ · CC BY-SA 2.0

La definición actual. La OCDE describe un sistema de IA como un sistema basado en máquinas que, a partir de las entradas que recibe, infiere cómo producir salidas. Esas salidas pueden ser predicciones, contenido, recomendaciones o decisiones capaces de influir en entornos físicos o virtuales. La organización también señala que estos sistemas varían en autonomía y capacidad de adaptación después de ponerse en uso.

La formulación actualizada evita reducir la IA a una técnica única. Un modelo que redacta texto, una herramienta que recomienda una ruta y un sistema que ayuda a clasificar solicitudes pueden usar métodos diferentes y, aun así, entrar en la misma categoría general.

Entradas, objetivos y salidas. Para entender un caso concreto conviene identificar qué información entra al sistema, qué objetivo se le asigna y qué resultado entrega. Una salida puede ser solo una sugerencia para una persona o puede activar un proceso con efectos directos. La distancia entre esas dos situaciones cambia las preguntas sobre supervisión y responsabilidad.

La OCDE usa ejemplos como la evaluación de crédito: los datos de una persona y las reglas del proceso alimentan una lógica que produce una recomendación. El resultado no se explica solo por la etiqueta «IA»; también importan los datos, el diseño y la decisión humana posterior.

El contexto decide el riesgo. Una misma capacidad técnica puede servir para ordenar fotografías o apoyar una decisión sensible. En el segundo caso cobran más peso la calidad de los datos, la posibilidad de corregir errores, la trazabilidad y la forma en que alguien puede impugnar un resultado.

Por eso la definición de IA es un punto de partida, no una evaluación de seguridad ni una prueba de beneficio. Las consecuencias dependen de dónde se use el sistema y de quiénes queden expuestos a sus errores.

Qué preguntar. Antes de aceptar una promesa sobre una herramienta, conviene pedir una descripción de su uso real: qué tarea realiza, con qué datos, qué margen de autonomía tiene, cómo se probó y quién responde cuando falla. Esas preguntas permiten comparar productos sin dar por hecho que todos los sistemas de IA funcionan o afectan de la misma manera.

Fuentes