Hace unos 10 años, un científico de la computación de fama mundial afirmó:
"El primer trabajo que desaparecerá por la IA será el radiólogo".
Diez años después, esta predicción solo se ha cumplido a medias.
Esta anécdota la compartió Jensen Huang, CEO de NVIDIA, durante una charla en el Milken Institute en mayo de 2024.
Primero, la parte que se cumplió.
La visión por computadora se ha vuelto completamente sobrehumana en la tarea específica de interpretar exploraciones. Puede mantener la concentración más tiempo que un humano y detectar pequeñas anomalías que los humanos podrían pasar por alto. Según Huang, diez años después, la IA tiene una penetración del 100 % en radiología.
Pero la parte que falló fue profunda.
El trabajo del radiólogo no desapareció. De hecho, ocurrió lo contrario.
Al dejar que la IA se encargara de la lectura de las exploraciones, los médicos pudieron leer más exploraciones. Pudieron atender a más pacientes y diagnosticar enfermedades con mayor precisión.
Como resultado, los ingresos hospitalarios aumentaron, la radiología se convirtió en uno de los departamentos que más ingresos generaba en los hospitales, y ahora los hospitales quieren contratar aún más radiólogos.
Huang también señaló que si todos hubieran creído esa predicción y hubieran dejado de aspirar a ser radiólogos, el mundo habría perdido este talento de vital importancia.
Quiero que quienes se sienten incómodos cada vez que ven noticias sobre la posible sustitución de sus trabajos por la IA entiendan la razón detrás de este giro.
Cuando termines de leer, esa vaga ansiedad debería convertirse en una acción concreta: "Esta noche, dividiré mi trabajo en dos partes en un papel y mañana intentaré encargarle una tarea a la IA".
La "tarea" desapareció, pero el "propósito" del trabajo no
¿Por qué falló la predicción?
La respuesta de Huang fue básicamente una frase.
"Lo que todos pasan por alto es que el propósito de un trabajo y las tareas de un trabajo están relacionados, pero no son lo mismo".
El propósito de un radiólogo no es mirar fijamente las exploraciones en una estación de trabajo en una habitación oscura.
Es colaborar con otros médicos para diagnosticar enfermedades y curar pacientes. Leer exploraciones es simplemente una "tarea" para lograr eso.
Por lo tanto, aunque la tarea se automatizó, el trabajo no desapareció. En cambio, el tiempo que se podía dedicar al propósito aumentó, la cantidad de pacientes atendidos aumentó y el trabajo se orientó hacia el crecimiento.
Luego, Huang se puso a sí mismo como ejemplo, lo cual fue bastante interesante.
"El 100 % de las tareas que hago en el trabajo son escribir y hablar. La IA ya ha automatizado por completo tanto escribir como hablar, y es completamente sobrehumana en eso. Si es así, debería estar desempleado. Sin embargo, estamos trabajando más duro que nunca".
Dice que lo mismo aplica para los ingenieros de software.
El propósito de un ingeniero no es escribir código, sino resolver problemas y crear cosas nuevas. Incluso bromeó que ningún niño que se mudó a Estados Unidos a los nueve años lo hizo porque soñaba con una vida pasando horas escribiendo teclas frente a una pantalla pequeña de la mañana a la noche.
Esto aplica directamente a tu trabajo también.
Crear documentos. Resumir actas de reuniones. Transcribir números. Responder correos electrónicos. Esas son tareas.
Deleitar a los clientes. Hacer avanzar al equipo. Generar ventas. Esos son propósitos.
La IA viene a eliminar las tareas.
Huang habla del estado actual: "La IA finalmente se ha vuelto útil en estos últimos meses"
Entonces, ¿dónde está la IA ahora?
Creo que la verdadera naturaleza de la ansiedad es la sensación de que "la evolución es tan rápida que el panorama general es invisible". La organización que hizo Huang de esto fue muy fácil de entender como una hoja de ruta.
Hace dos años, apareció ChatGPT y nació la IA generativa. Según Huang, había dos aspectos esenciales para poder "generar".
Primero: Pensar es la generación de pensamientos (tokens) en la mente. Así que en el momento en que la generación se hizo posible, se abrió el camino para que la IA pensara y razonara.
Segundo: Para usar herramientas, hay que generar comandos. Incluso para operar un navegador, tienes que generar palabras para controlar algo.
Esta IA de razonamiento surgió el año pasado, y ahora estamos en la etapa de "IA agéntica" que puede entender, razonar, planificar y usar herramientas para lograr cosas útiles.
El símbolo citado fue Claude Code de Anthropic.
Señaló que fue el primer sistema agéntico en manejar trabajo verdaderamente productivo, como la codificación de software. Lo importante aquí es que Huang enfatizó que "codificar no es solo para ingenieros".
Codificar es "codificar en un programa las cosas que quieres automatizar repetidamente". No hay ninguna empresa en el mundo que no tenga nada que quiera automatizar. Por lo tanto, codificar es en realidad de vital importancia para todas las empresas.
Y este cambio ha creado una explosión en la computación.
La cantidad de computación requerida para la IA agéntica es aproximadamente 1000 veces la de la IA generativa. Multiplica eso por el hecho de que "la cantidad de personas que quieren usarla se ha multiplicado por 100".
Por eso la demanda de GPU está explotando, e incluso hubo una anécdota de que las GPU vendidas hace 4 o 5 años están aumentando su valor más rápido que el vino fino.
Además, Huang señaló que los márgenes brutos de las empresas nativas de IA como OpenAI y Anthropic se han vuelto significativamente positivos en los últimos 3 a 6 meses, y afirmó sin rodeos:
"La IA finalmente se ha vuelto útil en estos últimos meses".
La forma en que usamos las computadoras también va a cambiar.
Hasta ahora, se trataba de "recuperar" cosas que alguien más había creado y guardado previamente.
De ahora en adelante, cuando transmitas tu intención como si hablaras con una persona, la IA pensará en el método, hará un plan, dominará herramientas como navegadores, Excel o Photoshop, y te devolverá el producto terminado.
Mientras tienes miedo, las herramientas continúan avanzando en esta dirección.
Los trabajos no desaparecerán, pero "el trabajo de todos" se verá afectado
Hasta aquí, podría sonar a mero optimismo. Sin embargo, Huang también habló claramente sobre la realidad del empleo.
Primero, lo que la IA está haciendo inicialmente es crear una gran cantidad de empleos.
Fábricas de chips, fábricas de computadoras, fábricas de IA. Se está produciendo una reindustrialización multimillonaria en estos tres tipos de fábricas.
El año pasado, 100 mil millones de dólares —lo que Huang llama la mayor inversión en la historia humana— fluyeron hacia startups relacionadas con la IA, y todo se convirtió en empleos.
También hay una paradoja interesante.
Aunque la codificación fue lo primero en lo que la IA se volvió buena, las ofertas de trabajo para ingenieros de software en realidad están aumentando. La razón es que la ambición ha aumentado. Con la IA, se puede hacer más. Por lo tanto, se contrata a más personas.
Sin embargo, Huang también mencionó explícitamente el "desplazamiento".
"Si un estudiante que se gradúa de la universidad hoy no domina la IA, no podrá obtener trabajos de graduados que sí la dominen".
"Las habilidades que ayer eran innecesarias se vuelven esenciales hoy".
Las operaciones donde la tarea en sí misma era el trabajo serán reemplazadas. Huang puso como ejemplo las reservas telefónicas de restaurantes. La tarea de solo recibir una llamada y aceptar una reserva pasará a la IA. Pero esa persona, en lugar de ser operador telefónico, podrá atender a los clientes que están frente a ellos.
La conclusión es esta:
"Se crearán muchos empleos. Algunos empleos desaparecerán. Pero todos los empleos se verán afectados".
En otras palabras, no hay una zona segura sin viento. Pero tampoco es una historia de desesperación. La línea divisoria no es la ocupación; es si estás del lado de usar la IA. Ese es el punto.
El mayor perdedor es la persona que tiene demasiado miedo de tocar la IA
En la charla, también se habló del conflicto entre los pesimistas de la IA (doomers) y los optimistas (boomers).
Cuando le preguntaron si era el principal optimista, la respuesta de Huang fue: "Soy un pragmático".
Su respuesta ante la teoría del "padrino de la IA" Geoffrey Hinton —de que hay un 20-30 % de probabilidad de que la IA termine con la existencia humana— también fue impresionante.
"Donde se equivoca por completo es al pensar que una gran cantidad de personas inteligentes no están trabajando para evitar eso".
Por cada persona que intenta hacer un auto más rápido, hay diez personas que intentan hacerlo más seguro. Por cada persona que intenta hacer la IA más inteligente, hay diez personas trabajando en barreras de seguridad y protección.
Además, la "mayor preocupación" que planteó Huang fue inesperada.
No se trataba de que otros países poseyeran IA. Era que la gente de su propio país, alimentada continuamente con historias de terror de ciencia ficción, tuviera demasiado miedo de tocar la IA y, como resultado, el país perdiera su ventaja.
"La razón por la que Estados Unidos se benefició de la revolución industrial anterior no fue porque la inventamos, sino porque la aplicamos".
Esta es una historia sobre un país, pero creo que se puede traducir directamente a los individuos. El tiempo que se pasa asustado por artículos sensacionalistas y esperando a ver qué pasa es el mayor costo. Hacerla segura es trabajo de la industria. Aplicarla es tu trabajo.
"Esa ambición es demasiado baja. Aumenta tus expectativas 100 veces"
Al final de la charla, cuando le preguntaron en qué estaba pensando ahora, Huang compartió esta historia.
Los investigadores que solían pasar meses explorando nuevas ideas ahora pueden hacerlo en un día usando IA. Meses se convirtieron en un día.
Se están produciendo avances en todos los campos: ciencia de la energía, ciencia del clima, biología, descubrimiento de fármacos y ciencia física.
"Si pudieras ver lo que yo veo todos los días, te emocionarías y te darías cuenta de esto: no importa qué ambición hayas tenido en el pasado, no era suficiente. Solo hay una cosa que cambiar: eleva tus expectativas unas 100 veces".
Entonces, ¿qué debemos hacer mañana?
Si convertimos esta charla en acción, creo que hay tres cosas:
- Esta noche, escribe tu trabajo en un papel y divídelo en "Propósito" y "Tarea". Para un radiólogo, curar pacientes es el propósito, y leer exploraciones es la tarea. ¿Cuál es cuál en tu trabajo?
- Mañana, intenta entregarle solo una tarea a la IA. Podría ser el acta de una reunión, un borrador de un documento o una investigación. Incluso si no sale bien, en el momento en que lo toques, te habrás movido del lado de esperar al lado de usar.
- Dedica el tiempo que has liberado al propósito. Clientes, planificación, resultados. Tu valor surge en las partes que no puedes delegar a la IA.
¿Estarás del lado que desaparece o del lado que aumenta?
La línea divisoria no es la ocupación ni la edad; es si haces esta descomposición. Así lo entendí yo.
Finalmente, una pregunta.
¿Cuál es el "propósito" de tu trabajo? ¿Y qué "tarea" le entregarás primero a la IA mañana?
Me encantaría saber de ti en las citas o respuestas.
