Hace poco hice un episodio donde hacía la pregunta: ¿Podremos dejar de pagar por horas y pagar por productividad en inteligencia artificial?
En este episodio hago una simple clasificación de cómo, en mi opinión, tendrían que dividirse los tokens en 4 posibles formas de uso:
- Token nulo: es el que no aporta nada al negocio, es más, usaste el token para asuntos personales inclusive que fue literalmente robarle dinero a la empresa.
- Token operativo: es el que empieza como el valor más bajo porque facilita una tarea cotidiana.
- Token productivo: Este token ya ahorra tiempo, dinero o mejora calidad.
- Token transformador: literalmente cambia procesos, mejora significativamente al cliente o genera negocio.
Y es que, en mi opinión, veo como muchas personas están pensando que su trabajo va a ser sustituido por la inteligencia artificial, cuando en realidad una respuesta a todo es precisamente ver el valor de token por su uso, o su impacto, o su aportación.
La IA en el sector educativo
Abordo con mi idea este segmento porque escucho a cada rato las quejas de el cuerpo docente insistiendo en cómo el alumnado usa la IA para sustituirlos.
Y si, en mi opinión si la academia pretende seguir educando como se hacía antes de la IA, pues simplemente los resultados van a ser peores cada vez.
Este fenómeno no es la primera vez que pasa. A mi me ocurrió por primera ve cuando me prohibían el uso de calculadoras en los exámenes.
Estoy de acuerdo que cuando aprendes operaciones aritméticas, hacerlas “a mano” te permite entender el concepto y las diferencias entre las sumas y las multiplicaciones, las restas y las divisiones, etcétera.
Pero una vez entendido el concepto, si se usa una calculadora que hoy en día es una herramienta ubicua, esto es, está en todas partes y en todo momento, usar una calculadora te permite entonces hacer problemas o aprender temas mucho más complejos, gracias a no perder el tiempo en hacer multiplicaciones a mano.
LA IA en el aula ¿cómo si vale la pena?
Así como la calculadora, la IA es lo de hoy, no se va a ir a ningún lado, y cada vez estará más a la mano.
Entonces, a mi juicio, las evaluaciones deberían de basarse, por ejemplo, en cuántos tokens usa cada alumno para resolver determinada situación.
Si un alumno entiende el tema, entiende el contexto alrededor del tema, domina el planteamiento del problema lo mismo de lo que se requiere resolver, usará muchos menos tokens que la persona que está perdida en el tema, en el contexto e incluso en temas previos que son el fundamento para poder atacar el problema actual.
Dicho en otras palabras, si tienes a una persona dándote clases de geografía, y se hace alguna pregunta relacionada con la orografía, por dar un ejemplo, la consulta y cantidad de tokens usada por alguien que domine los fundamentos del tema jamás será igual a la de alguien que esté perdido en el tema.
Algunas ideas/cuestionamientos académicos
Adicionalmente, cuando menos en la academia, agregaría estos criterios
- Token es un complemento. En evaluaciones verbales, validaría si se consultaron aparte fuentes formales independientes a la IA, si se cuestionó lo que arrojó la IA y/o se validó, finalmente, ¿quién aprendió más?
- Conocimiento vs dependencia. Más que saberle que preguntar a la IA es tener previamente conocimientos para asegurar la validez o complementariedad de la IA. No se trata de formar personas que sepan pedir mejor, sino de potenciarlas y que sepan más.
Conclusión de la IA en la academia
Evaluar al alumnado por la eficiencia de sus consultas o prompts y cuantificar la cantidad de tokens empleados para una respuesta óptima en una distribución normal, esto es, el alumno o alumna que llegue a la respuesta esperada empleando la menor cantidad de tokens es la calificación más alta, el que le sigue es la siguiente y así se distribuyen en una curva normal hasta llegar a los valores reprobatorios. No es óptimo, puede ser cruel, pero los tokens cuestan y el ahorro es válido.
Sin embargo, quiero expresar un punto delicado: se debe diferenciar claramente la eficiencia de consumo de la capacidad intelectual.
Un alumno que utiliza menos tokens no necesariamente sabe más. Puede que haya elegido un modelo diferente, obtenido una respuesta superficial o, incluso, omitido verificaciones indispensables, por lo que para que esto sea más riguroso, se debería de evaluar sobre una misma aplicación y versión de la IA.
La IA en el trabajo
Funcionaría de forma similar, pero no idéntica a la academia. Esto porque no se trata de que todas las personas estén resolviendo lo mismo, al contrario, cada quién debe aprovechar a la IA para hacer su trabajo más rápido y mejor.
Con base a esto, y tomando en cuenta mi clasificación de los tokens, se debería de dar los incentivos en función de la cantidad de tokens empleados vs el valor o aportación a la empresa.
Adicionalmente, se debería de estudiar a aquellos que se acaban sus tokens antes del ciclo de nuevos tokens en entender qué hicieron y qué resolvieron. Por igual, se debería de entender a aquellos que ni siquiera usan sus tokens: ¿qué están haciendo día a día?
Tanto los que se acaban los tokens como los que nunca los usan son en mi opinión sujetos inmediatos de estudio, no porque estén necesariamente haciendo algo malo, sino entendiendo a sus tokens en la aportación de sus actividades.
En mi opinión, usar tokens que aumentan la rentabilidad del negocio, o reducen costos operativos o permiten enfrentar mejor a la competencia o apoyan a tener los mejores y mejor calificados clientes están aprovechando a la IA en lo que debe de ser: un aliado de la productividad y eficiencia de las personas. Es permitirles dejar de hacer lo rutinario y aburrido y enfocarse entonces a mejores oportunidades para la empresa.
Conclusiones del valor del token
Aquí me enfoco a los 2 extremos del uso de tokens.
- En el caso particular de las personas que no usan tokens, valoraría mucho si es que decidieron que para ciertas actividades la IA no aporta ningún beneficio. No veo lógico que una empresa “premie” el uso de alguna tecnología, sino más bien, la capacidad de decidir cuándo y en qué utilizarla.
- Por otro lado, si se excede en el uso de tokens, el criterio para permitir y hasta felicitar un uso “excesivo” sería cuando gracias a eso, se evitó un riesgo alto de algún tema de seguridad, un riesgo que se evitó, una mejora a un producto, etcétera.
No confundamos usar menos inteligencia artificial con ser más inteligente, ni usar más inteligencia artificial con ser más productivo.
El punto es usar a la IA como parte de nuestra capacidad de entender problemas, formular mejores preguntas, cuestionar respuestas y transformar información en resultados.
Y quizás la gran diferencia entre quienes prosperen con esta tecnología y quienes terminen dependiendo de ella no sea el uso que le den a los tokens que consumen, sino cuánto criterio tiene para utilizarlos.
