Los promts no son suficientes: OpenAI y Anthropic quieren que la IA aprenda mirando

Este verano, OpenAI y Anthropic dieron una señal clara de hacia dónde se dirige la inteligencia artificial: la IA aprende por demostración, no solo mediante instrucciones. Ambas compañías anunciaron funciones que permiten a sus sistemas aprender una tarea observando a alguien realizarla una sola vez, en lugar de recibir instrucciones paso a paso.

En junio, OpenAI lanzó Record & Replay  una función que permite a los usuarios de ChatGPT y Codex demostrar un flujo de trabajo y convertirlo en una habilidad reutilizable. Semanas después, Anthropic presentó Record a Skill  dentro de Claude Cowork: graba tu pantalla mientras realizas una tarea, narra tu razonamiento y Claude lo convierte en una habilidad que puede ejecutar de nuevo. Dos competidores que convergen en la misma solución con pocas semanas de diferencia. Para mí, esto es una admisión de que las instrucciones por sí solas nunca iban a llevar a la IA al nivel que necesita.

Este verano, tanto OpenAI como Anthropic anunciaron funciones que permiten a sus sistemas de IA aprender por demostración: observar a una persona realizar una tarea una sola vez, en lugar de depender únicamente de instrucciones paso a paso.

He estado pensando en este hito y trabajando para alcanzarlo desde mi época en Apple, donde trabajé durante 12 años, dedicando mis años de formación al desarrollo de la versión china de Siri. Como ingeniero fundador, me entusiasmó ver cómo Siri revolucionaba el mundo de los asistentes por voz, permitiendo a los usuarios usar el lenguaje natural en lugar de navegar por menús. El siguiente reto fue la comprensión del contexto: crear un sistema capaz de completar correctamente la primera solicitud y, además, aplicar ese conocimiento a la siguiente orden. La dificultad nunca fue lingüística, sino que el sistema necesitaba recordar las preferencias y hábitos del usuario a lo largo de las interacciones.

Por ejemplo, si le pides a un asistente de voz que programe una alarma a las 6 todos los días, no queda claro si se refiere a la mañana o a la noche. La mayoría de la gente no lo considera ambiguo, porque conoce su propio horario y espera que quien la escuche también lo conozca. Esa discrepancia entre lo que la gente dice y lo que realmente quiere decir es la que OpenAI y Anthropic pretenden solucionar.

Demuestra, no cuentes

La forma de trabajar de cada persona es mucho más particular de lo que el software suele suponer. Incluso si dos personas desempeñan el mismo trabajo y tienen las mismas responsabilidades, utilizarán herramientas diferentes, seguirán secuencias distintas y se basarán en un contexto implícito.

Los investigadores lo denominan conocimiento tácito: aquello que la gente sabe pero no puede articular con claridad, un término acuñado en 1966 por el filósofo Michael Polanyi. Un estudio estimó que el 40 % del conocimiento valioso de una empresa reside en la mente de sus empleados, sin estar nunca plasmado por escrito.

A menudo nos encontramos con esta limitación al usar indicaciones de IA. Si le pides a alguien que describa cómo completa un informe de gastos, dirá que sube un recibo, lo clasifica y luego lo envía. Pero probablemente omitirá que le pide a su gerente que revise las comidas de más de 75 dólares, o que clasifica las cenas con clientes de manera diferente a los almuerzos de equipo. Ese es el desafío que la IA basada en indicaciones no puede resolver, porque no puede corregir su enfoque a partir de un contexto que no se ha especificado.

En cambio, cuando la IA aprende por demostración, puede capturar la secuencia, los puntos de decisión y los pequeños juicios que son intrínsecos a la forma en que alguien realiza el trabajo. Una demostración observa todos los matices de un flujo de trabajo, porque el contexto y la acción van de la mano desde el principio.

Crea una biblioteca de demostración

Las funciones de Grabar y Reproducir y Grabar una Habilidad representan un verdadero avance en la comprensión y la imitación de nuestra forma de trabajar. Al combinarse con una tarea programada, una habilidad grabada no necesita que nadie la vuelva a abrir, ya que puede ejecutarse de forma autónoma y en segundo plano mientras el usuario trabaja.

A medida que más personas utilizan demostraciones para automatizar sus flujos de trabajo, los siguientes obstáculos consisten en asegurar que reconozcan qué tareas pueden delegar y en hacer que este proceso sea más intuitivo. Un estudio de la empresa de IA Glean reveló que los empleados dedican aproximadamente 6,4 horas semanales a supervisar herramientas de IA: corregir sus resultados y volver a explicarles cosas que la herramienta ya debería saber. Imagínese cuánto tiempo perdido se podría recuperar si las personas adquirieran el hábito de registrar sus tareas, de modo que un sistema pueda aprender el flujo de trabajo una sola vez y luego encargarse de él.

También surge una oportunidad para la minería de flujos de trabajo, que permite a la tecnología observar cómo se realiza el trabajo y extraer conocimiento reutilizable. Los datos de flujo de trabajo se volverán invaluables, no solo porque automatizan tareas de varios pasos de principio a fin, sino también porque pueden crear una biblioteca de flujos de trabajo que las personas pueden seleccionar y personalizar. Alguien puede crear un flujo de trabajo para cerrar informes de gastos, mientras que otro lo adapta a su propia cadena de aprobación. Como resultado, la biblioteca se perfecciona con cada versión añadida, de la misma manera que el código abierto mejora a medida que más desarrolladores lo utilizan.

La prueba real

El lanzamiento de funciones de demostración por parte de OpenAI y Anthropic con pocas semanas de diferencia es una clara señal de que los mayores avances se lograrán en sistemas que aprendan cómo funcionan realmente las personas. La mayoría de nosotros todavía recurrimos a las indicaciones por costumbre, pero una demostración evitará las idas y venidas y las iteraciones constantes.

Hemos dedicado años a enseñar a la IA a comprender lo que decimos, mientras la inteligencia artificial asume cada vez más partes del trabajo que antes requerían intervención humana…, y ahora podemos abordar una demostración como si se tratara de la formación de un nuevo empleado: algo que se hace una sola vez, con cuidado, para no tener que volver a explicarlo. Juzgue estas herramientas menos por lo que ya pueden hacer y más por si les ha mostrado cómo trabaja.