Un nuevo estudio de los autores Elizabeth M. Dworak, William Revelle y David M. Condon encontró una fuerte disminución en los puntajes de coeficiente intelectual de los estadounidenses en los últimos años, respaldando lo que los investigadores denominan el "Efecto Flynn inverso".

Según el efecto original, cada generación obtenía resultados más altos en los test de inteligencia que la generación anterior. Lo que parece estar sucediendo en la actualidad es que esta tendencia se está revirtiendo con especial intensidad en los más jóvenes. Al mismo tiempo, parece que las nuevas generaciones cada vez tienen menos capacidad de concentración por la digitalización.

Otro estudio, en este caso del eLearning Innovation Center (eLinC) de la Universitat Oberta de Catalunya (UOC) y Accenture, encontró que un 70% de las personas de entre 14 y 35 años tienen el teléfono móvil como principal herramienta para la lectura de contenidos digitales. El estudio de la UOC destacó que un importante impacto negativo por la sobreexposición digital en la salud mental. Se encontró que el 20 % de los jóvenes presentaban síntomas de insomnio, un 40 % aseguraba conectarse para no sentirse solo y el 81 % sufría nomofobia (miedo a estar sin el móvil).

La medición de los rasgos de la personalidad humana es un tema sumamente complejo ya que los diferentes tipos de test adoptan diferentes marcos teóricos y concepciones de la inteligencia. Además, tradicionalmente los test de medición de inteligencia han recibido múltiples críticas por estar mediatizadas culturalmente o tan solo medir algunos tipos de inteligencia.

Por ejemplo, el psicólogo y profesor de la Universidad de Harvard Howard Gardner publicó en 1983 su libro Frames of Mind: The Theory of Multiple Intelligences. Gardner diferencia la inteligencia en capacidades y potenciales específicos, en lugar de ver la inteligencia dominada por una sola capacidad general. Hasta la fecha, Gardner y su equipo habían identificado ocho tipos distintos de inteligencia: (1) lingüístico-verbal, (2) lógico-matemática, (3) visual-espacial, (4) musical, (5) corporal-cinestésica, (6) intrapersonal, (7) interpersonal y (8) naturalista.

Independientemente de estos debates metodológicos lo que nadie puede dudar es que el ser humano lucha por encajar los increíbles avances tecnológicos que surgen a diario. En un estudio de los autores François Candelon, Abhishek Gupta, Lisa Krayer, y Leonid Zhukov para BCG titulado “The CEO’s Guide to the Generative AI Revolution”, los autores destacaron tres funcionalidades disruptivas de la tecnología de moda, la IA Generativa. 

La primera tiene que ver con su memoria aparentemente "infinita" y el reconocimiento de patrones. La IA generativa es entrenada con grandes cantidades de datos, y por ello su memoria podría parecer infinita. Por ejemplo, ChatGPT ha sido capacitado en una gran parte de la información disponible públicamente en Internet. Para hacernos una idea, en 2018 Internet generó 2,5 quintillones de bytes proveniente de nuevos datos “de forma diaria”.  Este dato será mucho más alto en la actualidad. La IA generativa también puede crear conexiones o reconocer patrones entre conceptos distantes de una manera casi humana.

La segunda son las propiedades de código bajo o sin código. Al explicar el profundo impacto que ha tenido ChatGPT, el miembro fundador de OpenAI, Andrej Karpathy, argumentó que "la nueva programación más popular es el idioma del inglés.” Eso es debido a que la interfaz de procesamiento del lenguaje natural de la IA generativa permite a personas no expertas a crear aplicaciones con poca o ninguna codificación requerida. En el lado opuesto, algunos sistemas de asistencia en la codificación, como Github Copilot, todavía requieren de personas con conocimientos en programación, pero está cambiando rápidamente.

La tercera es la ausencia de una función creíble de “la verdad”. Debido a que la IA generativa no usa la lógica o el pensamiento inteligente, sino que predice la próxima palabra más probable según sus datos de entrenamiento, esta tecnología sólo debería usarse para generar primeros borradores de contenido. Las empresas están trabajando para hacer que la salida de la IA generativa sea significativamente más confiable utilizando un enfoque conocido como aprendizaje de refuerzo con retroalimentación humana. Otra alternativa es combinar la IA generativa con la IA tradicional y el aprendizaje automático. Se esperan mejoras incrementales en la IA generativa a corto plazo, pero algunas previsiones apuntan a que la entrega de un trabajo final (no borrador) de alta calidad podría ser posible en el año 2030. 

En mi opción, y según comenté en otro artículo sobre habilidades, la mejor opción que nos queda es empezar a trabajar una estrategia para adquirir nuevas competencias, reciclarnos profesionalmente y empezar a asumir que en un futuro no muy lejano trabajaremos potenciados por las tecnologías exponenciales como la IA Generativa. Aquí debemos pensar cómo evitar que se incrementen las brechas tecnológicas que tanto daño hacen a los que menos tienen. El siguiente paso será alcanzar la inteligencia colectiva. Tal como plantea el profesor Thomas Malone que dirige el Centro de Inteligencia Colectiva del MIT. “Las personas y las computadoras se pueden conectar para que, colectivamente, actúen de manera más inteligente que cualquier otra persona, grupo o computadora”.

*** Paco Bree es director de programas de innovación de Deusto Business School y CEO de Inndux.