El desafío de la IA: alinear a la industria tecnológica con las necesidades reales de la sociedad Infobae

El sector de la inteligencia artificial (IA) es protagonista de un debate global sobre la viabilidad de las inversiones multimillonarias y la ausencia de casos de uso que justifiquen estos gastos, especialmente en países desarrollados. Mientras la industria destina recursos inéditos a modelos de gran escala, crecen propuestas para reenfocar las prioridades hacia soluciones modestas y específicas, conocidas como pequeña IA, orientadas a resolver problemas urgentes en los países en desarrollo. De acuerdo con Foreign Policy, este giro podría beneficiar a miles de millones de personas y transformar prioridades tecnológicas y económicas a nivel global.

Las inversiones en IA alcanzan cifras históricas. Para 2029, se estima un gasto en infraestructura de USD 2,8 billones, suma que, según analistas de Wall Street, el Fondo Monetario Internacional (FMI) y el Banco de Inglaterra, resulta difícil de justificar financieramente. Foreign Policy subraya que la dificultad para rentabilizar estas inversiones radica en la falta de aplicaciones concretas que generen valor real.

La industria mantiene su apuesta por el desarrollo de modelos cada vez más potentes, como la inteligencia artificial general (AGI) perseguida por OpenAI, que aspira a beneficios de USD 100.000 millones. Sin embargo, la propia empresa prevé ingresos de USD 13.000 millones en 2025 frente a acuerdos de inversión que totalizan USD 1 billón, lo que refleja una diferencia notable entre expectativas y resultados tangibles.

La distinción entre gran IA y pequeña IA se ha situado en el centro del debate. Los modelos de gran escala demandan vastos volúmenes de datos, gran potencia de cálculo y altos recursos energéticos, pero todavía ofrecen aplicaciones prácticas limitadas en la vida cotidiana. Foreign Policy indica que, en los países desarrollados, la IA suele emplearse para tareas sencillas, como asistentes personales, donde existen alternativas asequibles.

Un informe del MIT de 2025 citado por el medio apunta que el 95% de las empresas consultadas no obtuvo retorno financiero alguno de sus iniciativas de IA. Por el contrario, la pequeña IA surge como una alternativa eficiente y adaptable, capaz de resolver necesidades urgentes con recursos limitados.

El potencial de la pequeña IA se hace patente en los países en desarrollo, donde la confianza en la tecnología es muy superior a la de las economías avanzadas. Foreign Policy destaca que en Nigeria e India, el 76% y el 77% de la población, respectivamente, confía en la IA, frente a solo un 30% en Canadá y Estados Unidos. Pese a ello, las limitaciones de infraestructura y el desconocimiento sobre las posibles aplicaciones han restringido su adopción.

Las áreas para impactar son vastas: el 70% de los alimentos del mundo procede de pequeños agricultores, que suman 570 millones y pueden perder hasta el 40% de sus cosechas por plagas, lo que equivale a USD 220.000 millones al año. Además, 4.500 millones de personas carecen de servicios de salud esenciales, 1.400 millones no tienen acceso a la banca formal, 739 millones son analfabetos, 250 millones de niños no adquieren competencias básicas de lectura y 1.800 millones residen en zonas de alto riesgo de inundaciones.

Aplicaciones de pequeña IA en países en desarrollo

La aplicación Nuru, creada por la Universidad Estatal de Pensilvania, utiliza visión por computadora y aprendizaje automático para diagnosticar enfermedades en cultivos a partir de imágenes obtenidas por los propios agricultores. Nuru alcanza una precisión del 65% en el diagnóstico de enfermedades de la yuca, superando tanto a los agentes de extensión agrícola (40-58%) como a los agricultores (18-31%).

Foreign Policy estima que el impacto económico potencial de soluciones como Nuru supera los USD 6.000 millones anuales solo en siete países del África subsahariana, con beneficios para 14 millones de agricultores. Sin embargo, su uso sigue restringido por barreras como la falta de información, la limitada disponibilidad de teléfonos inteligentes y el acceso insuficiente a servicios eléctricos y de internet.

Otro ejemplo es Flood Hub, herramienta predictiva de inundaciones desarrollada por Google, que protege zonas habitadas por 460 millones de personas. Este sistema emplea datos globales y modelos de IA para prever inundaciones incluso en lugares sin sistemas locales de medición. La calidad variable de los datos locales, la aparición de riesgos climáticos inéditos y la reticencia de las autoridades son desafíos existentes, pero la mejora constante de estas herramientas confirma la capacidad de la IA para salvar vidas y proteger comunidades vulnerables.

Retos y oportunidades para la adopción de IA

Aunque los avances son notorios, persisten desafíos para la integración masiva de la IA en países en desarrollo. Foreign Policy subraya que la infraestructura limitada, la necesidad de modelos que funcionen con conjuntos de datos reducidos y la escasez de conectividad requieren soluciones ligeras y flexibles. Algunas aplicaciones operan mediante mensajes de texto y no necesitan conexión continua, mientras que otras, como en salud o educación, requieren datos más sólidos y mayor precisión. La colaboración entre el sector tecnológico, gobiernos, organismos multilaterales como el Banco Mundial, el FMI y la ONU, y emprendedores locales, es crucial para superar las barreras existentes. El caso de M-KOPA, pionera en modelos de pago por uso en África subsahariana, confirma que los enfoques innovadores pueden ampliar el acceso y la efectividad tecnológica.

Foreign Policy concluye que la industria de la IA debe reconsiderar sus prioridades, alejándose de la exclusiva búsqueda de modelos de inteligencia general de beneficios inciertos para centrarse en soluciones aplicables a problemas concretos y acuciantes. Invertir en aplicaciones que ya aportan valor real permitiría generar confianza en el sector y contribuiría a un desarrollo económico y social más equitativo. Frente a la incertidumbre de la gran IA, las propuestas específicas y adaptadas muestran una vía más prometedora para lograr un impacto tangible y temprano.