En 1940, Alan Turing, terminaba de construir a Enigma, la máquina que logró decodificar los mensajes encriptados de los Nazis y con ello contribuyó a adelantar la finalización de la Segunda Guerra Mundial. Por lo anterior, la genialidad de Turing es ampliamente reconocida en el mundo.

Sin embargo, en los 30’s, Turing había propuesto el modelo de computación teórica tal y como la conocemos actualmente, y de este modo, 20 años antes de que existiera la primera computadora operable del mundo (conocida como ENIAC), Alan Turing no solo visualizó el desarrollo de la computación, sino que también advirtió sobre su potencia a futuro teorizando sobre las posibilidades de llegar a convertirse en máquinas tan hábiles que podían competir con los seres humanos en la solución de problemas. Es por ello que la prueba de “Inteligencia” aceptada en la comunidad científica se le conoce como “Prueba de Turing”. Para pasar la prueba, una Máquina debe interactuar con un ser humano a quien no puede ver directamente. Si al final de la prueba la persona no puede distinguir si interactuó con una persona o con una máquina, se acepta que la máquina es inteligente.

Las actuales herramientas de IA como Chat GPT (Open IA), Gemini (Google), Copilot (Microsoft) pueden pasar la prueba de Turing fácilmente. No solo eso, también pueden enseñarnos, corregirnos y en general orientarnos en áreas donde muchas personas no podrían hacerlo. Más aún, algunas tareas como Aprendizaje, Análisis, Diseño, Razonamiento, Síntesis, Diagnóstico y Comprensión ya son actividades básicas de muchas de estas herramientas de IA. Por lo anterior la amenaza de muchas tareas rutinarias o no tan rutinarias donde las máquinas puedan ser mejores que los humanos es un absoluto hecho. Por ahora, ningún científico o autor futurista pone en tela de juicio si muchos trabajos serán reemplazados o no por máquinas. El único debate es “Cuando” las máquinas nos reemplazaran.

Cruzando información de autores en este tema como Andrés Openhaimer en su libro “Sálvese quien pueda” y con consultas a Chat-GPT (irónicamente), en seguida se presenta una serie de los principales trabajos que pueden ser reemplazados en 10 años o menos:

Operadores de Telemarketing, Todo tipo de capturistas de datos, Trabajos Técnicos (Ingenieros de Software, Desarrolladores de Software, Analistas de Datos), Trabajos en Medios (Especialistas de Publicidad, Creadores de contenido, Periodistas, Diseñadores Gráficos, Conductores de TV), Trabajos Legales (Abogados, Asistentes legales), Administradores (En Oficinas, Auxiliares, Asistentes, Especialistas de RH), Maestros (de cualquier nivel), Trabajos Financieros (Analistas financieros, Asesores financieros, Contadores), Comerciales (Analistas de Mercados, Directores de ventas, Vendedores, Agentes de servicio a clientes), Artistas (Músicos, Pintores, Actores, Cineastas, Guionistas), Obreros, Diseñadores (de interiores, de modas), Médicos Generales, Taxistas, Choferes, Repartidores, Pilotos, Entrenadores (de cualquier deporte o gimnasios), Cajeros (en tiendas o en cualquier actividad), Chefs, Meseros, Trabajadores Agrícolas, Trabajadores de Construcción.

Mas allá de 10 ó 15 años, casi cualquier actividad podría ser reemplazada por la IA, pero, estemos o no la lista inmediata, no todo está perdido. La IA y los robots podrán hacer muchos de nuestros trabajos, pero esto solo nos impulsará hacer cosas que solo los humanos pueden hacer mejor y con ello tendremos la oportunidad para lograr de este mundo, un mejor lugar para vivir alcanzando grandes transformaciones y nuevos ecosistemas. Uno de los futuristas de la IA más respetado, Max Tegmark en su libro “Life 3.0” llega a proponer hasta 7 panoramas variantes del futuro de la humanidad que la IA puede provocar. Algunas catastróficas, algunas casi ideales, pero dado que la mejor forma de predecir el futuro es creándolo, me quedo en un futuro donde el trabajo estará orientado solo a actividades altamente valiosas que requieren de Inspiración, Creatividad, Investigación, Innovación, Sabiduría, Conciencia, Emoción, Ética, Humanismo, Pasión, Justicia, Respeto, Responsabilidad, Empatía, Propósito, etc. Con lo anterior como referencia, muchos expertos establecen ya, que las personas que están naciendo o por nacer, les tocará hacer estudios en alguna especialidad que no existe y las aplicarán en “trabajos” que aún no se inventan.

Los Sistemas Expertos (SE) son un área de la Inteligencia Artificial (IA) que proporciona soluciones muy específicas de diagnóstico o asesoría sobre alguna área del conocimiento humano que normalmente no es tan fácil de emular. El mejor ejemplo es una consulta médica en donde como pacientes informamos al doctor sobre nuestros síntomas y al final el doctor nos indica la enfermedad y el tratamiento. En este caso, si sustituyen al doctor por un sistema de software que hace las preguntas, nos escucha, analiza y genera el mismo diagnóstico que el doctor, entonces tenemos un sistema experto médico.

En 1975 la Universidad de Stanford (EU), desarrollo un Sistema Experto en el dominio de las enfermedades infecciosas. El proyecto se denominó MYCIN. En sus inicios, tuvo una serie de fracasos al comparar sus diagnósticos contra un panel de 8 médicos expertos. El sistema se mejoró año tras año y al final se logró perfeccionar la “Base de Conocimientos” (conjunto de reglas de decisión codificados en el software) y logró superar por mucho al mismo grupo de expertos en todos los pacientes reales que se le presentaron. Esto representó un gran logro académico e impulsó el desarrollo de la Inteligencia Artificial en diversas áreas desde la década de los 80´s.

El sistema nunca se usó de forma práctica debido a las limitaciones de hardware en ese entonces y a los planteamientos éticos que ya hacían ruido como por ejemplo quien sería responsable cuando eventualmente un diagnóstico no fuera correcto.

En 1989, la empresa CRYSEL (de Grupo CYDSA) que producía hilo sintético y estaba ubicada en El Salto, Jalisco, inició el uso del primer Sistema Experto aplicado a la manufactura que se ha reportado en México. El sistema se denominó SECAL y sus resultados fueron publicados por el Dr. Francisco Cantú en su libro “Expert Systems with Applications” en 1992. Este es un proyecto de Inteligencia Artificial que conozco bien dado que lo desarrollé en su totalidad mientras realizaba una estancia como investigador en el Centro de Inteligencia Artificial del ITESM en Monterrey, N.L.

La problemática de CRYSEL entonces era la no disponibilidad de su mayor experto en manejo de situaciones complicadas en un área específica de la planta con 7 máquinas especiales. Su experto acababa de jubilarse y con él se perdían de la empresa 30 años de experiencia en el manejo de crisis en equipo dedicado a la generación de vapor que alimentaba la mayor parte de las líneas de producción de la planta. El experto fue subcontratado por 6 meses para trabajar con nosotros y a través de muchas horas de trabajo y usando técnicas especiales para “extraer” el conocimiento, se documentaron unas 800 reglas de razonamiento sobre los problemas comunes en esas 7 máquinas.

Al final se logró construir una Base de Conocimientos suficientemente robusta para poder guiar a una persona novata a obtener un diagnóstico similar al del experto para diversos casos. Cabe clarificar que en unas cuantas “reglas” y con 6 meses de trabajo no se replican 30 años de experiencia, pero la pequeña fracción que se logró “programar” hizo una diferencia entre tener algo de apoyo experto contra el no tener nada.

De esta forma, cuando alguna de las 7 máquinas presentaba un comportamiento anormal mediante ruido, consumo, vibración, temperatura, presión o humo, el sistema podía ser consultado mediante un diálogo con preguntas (en pantalla) y respuestas (por teclado) y funcionado de forma similar a como lo hace un Bot hoy día. SECAL se usaba en una PC (IBM PCII 386 bajo DOS) que se protegía en una pequeña cabina acondicionada en piso junto a las 7 máquinas. El sistema se consultaba mínimo una vez por semana y con ello se evitaban problemas mayores.

El retorno de la inversión (ROI) nunca se determinó con precisión, pero estoy 100% seguro que cada uno de los problemas que se evitaron en los meses subsecuentes superaron el costo del desarrollo varias veces ya que, si una sola de las 7 máquinas fallaba, la planta entera tenía el riesgo de detener la producción por muchas horas.

Un año antes de SECAL, desarrollé en conjunto con mi colega Ángeles Constantino (hoy con un doctorado en IA) el sistema SEEM que lidiaba con enfermedades del maíz. El usuario describía el estado de la planta y el sistema al final indicaba el diagnóstico y su tratamiento. Hoy, el mismo resultado puede lograrse con unas cuantas fotografías de una planta afectada y un sistema puede establecer la mejor línea de acción para atacar el problema. Como se puede observar, la tecnología de Sistemas Expertos aplica a cualquier área del conocimiento humano.

En Assetel se cuenta con esta experiencia para poder replicarla en nuevos posibles retos donde la Inteligencia Artificial puede seguir solucionando problemáticas dentro de la manufactura para las empresas mexicanas. Hoy día, claro está, hay muchas herramientas de IA adicionales y hardware con las que no contábamos en los 80´s para desarrollar proyectos con mayor rapidez, mayores alcances y mejor precisión.