El artículo "The AI Great Leap Forward" de Han Lee, publicado en leehanchung.github.io, advierte sobre una tendencia peligrosa en la adopción de la Inteligencia Artificial que recuerda al desastroso “Gran Salto Adelante” de China en 1958. En ese momento, Mao Zedong ordenó una producción masiva de acero en hornos improvisados, ignorando la falta de experiencia y los resultados inútiles, con consecuencias devastadoras. Hoy, muchas empresas están siguiendo un patrón similar: una imposición desde arriba para adoptar la IA a toda costa, sin la infraestructura, la experiencia o la evaluación adecuadas.
La analogía se manifiesta en la proliferación de soluciones de IA superficiales: PMs creando dashboards de IA, equipos de marketing generando contenido con IA, y desarrolladores construyendo soluciones con una apariencia impecable pero con una funcionalidad deficiente. Se utilizan herramientas de automatización visual (como n8n) para encadenar modelos de lenguaje (LLMs) sin una evaluación rigurosa, creando sistemas complejos y difíciles de depurar. La presión por demostrar la adopción de la IA lleva a la creación de “demoware” – aplicaciones impresionantes pero sin una base sólida de datos, mantenimiento o soporte. Esto se ve agravado por la creación de métricas de adopción de IA que se convierten en el objetivo principal, distorsionando la realidad y fomentando la optimización de las apariencias en lugar de la mejora real del rendimiento.
El artículo destaca cómo las empresas están eliminando roles cruciales (como QA, ingenieros senior y personal de operaciones) en un intento de acelerar la adopción de la IA, lo que inevitablemente conduce a la pérdida de conocimiento institucional y a la creación de sistemas frágiles. La historia de la campaña para eliminar los cuervos (sparrows) en China, que provocó una plaga de langostas, ilustra cómo la eliminación de elementos aparentemente negativos puede tener consecuencias imprevistas y desastrosas. En resumen, el artículo es una advertencia contra la adopción apresurada y superficial de la IA, instando a las empresas a priorizar la calidad, la evaluación y el conocimiento experto sobre la mera demostración de adopción.
El mensaje central es que la IA debe ser implementada con una comprensión profunda de sus limitaciones y con una base sólida de datos y experiencia, de lo contrario, corre el riesgo de convertirse en una herramienta inútil o incluso perjudicial.