Nota de XMACNA: este artículo resume y comenta una entrevista reciente con Andrew Ng, cofundador de Google Brain y Coursera, aportando también nuestra interpretación sobre lo que los puntos planteados por él significan para empresas brasileñas que están adoptando IA.
Si sientes que, en los últimos meses, las conversaciones sobre inteligencia artificial se han vuelto más pesadas — llenas de predicciones de desempleo masivo, comparaciones alarmantes y titulares catastróficos — no estás solo. Y, según Andrew Ng, eso no es por casualidad.
Ng es una de las figuras más respetadas técnicamente en el campo de la IA: cofundó Google Brain, fundó Coursera y ha enseñado machine learning a millones de personas en línea. En una entrevista reciente, argumenta que una parte significativa del "clima de miedo" en torno a la IA tiene un origen mucho más comercial que técnico.
Por qué el miedo alrededor de la IA aumentó
Según Ng, este movimiento comenzó hace unos dos o tres años, cuando un pequeño grupo de empresas líderes en IA empezó a utilizar un discurso de riesgo más intenso — en parte, en su opinión, como estrategia para presionar regulaciones que favorecen a quienes ya están establecidos en el mercado, dificultando la entrada de competidores y de modelos open source más económicos.
Cita como ejemplo comparaciones entre IA y armas nucleares — que para él no tienen base técnica real — además de casos aislados de fallas de IA amplificadas como si fueran la regla, y alegaciones exageradas sobre el consumo de agua en centros de datos. El resultado, según él, es una percepción social distorsionada, que incluso ha ralentizado la adopción de la IA en algunos mercados.
"Apocalipsis laboral": ¿mito o realidad?
Uno de los puntos más directos de la entrevista es sobre el empleo. Ng rechaza la idea de que la IA eliminará la mitad de los empleos en el mundo. Cita análisis de economistas que descomponen profesiones en tareas individuales: en muchas funciones, la IA ya puede ejecutar entre 30% y 40% de las tareas — lo que, según él, no elimina la profesión, pero hace que las 60% a 70% restantes, que aún dependen del juicio humano, sean aún más valiosas.
El ejemplo más concreto citado es la propia ingeniería de software — la profesión más impactada por la IA hasta ahora. A pesar de contar con modelos muy buenos para escribir código, el número de vacantes abiertas en el área está en aumento, y los buenos ingenieros están más ocupados que nunca. La advertencia de Ng es para quienes aún trabajan como si la IA no existiera: quienes no incorporen estas herramientas al flujo de trabajo tienden a quedarse atrás — no porque la IA "haya quitado el empleo", sino porque otra persona, usando IA, entrega más.
La IA "dificulta" el aprendizaje cuando se usa mal
Un punto que Ng describe como potencialmente controvertido: según él, los modelos de IA, tal como son usados hoy por la mayoría de las personas, son malos para el aprendizaje real. Los estudiantes que usan IA para hacer tareas obtienen notas más altas a corto plazo, pero la retención del conocimiento a largo plazo empeora — porque la tarea cognitiva es esencialmente tercerizada a la IA.
Ng es directo: esto no significa abandonar la herramienta, sino ser consciente de cuándo se está usando para "entregar la tarea" y cuándo para realmente aprender. Justamente este problema motivó su nuevo proyecto, LearnVector, enfocado en crear experiencias de aprendizaje mucho más personalizadas — uno a uno, en lugar del modelo tradicional de cursos online "uno para muchos".
La ventaja que la IA aún no tiene: contexto
Uno de los argumentos más interesantes de la conversación es por qué Ng no cree que la IA sustituya la mayoría de los empleos a corto plazo: los humanos tienen un volumen enorme de contexto acumulado — años de experiencia, conversaciones con clientes, pequeños indicios percibidos en vivo — al que la IA simplemente no tiene acceso. Es este "contexto" lo que, según él, está detrás de lo que solemos llamar sentido común o buen juicio profesional, y es una ventaja estructural que no debería desaparecer pronto.
Cómo los equipos reales ya usan la IA en el día a día
Uno de los pasajes más prácticos de la entrevista muestra ejemplos concretos de uso de IA dentro de equipos pequeños: un equipo de marketing construye herramientas propias para rastrear contenido relevante en la web; un equipo financiero automatiza la verificación de documentos que antes requería horas de trabajo manual copiando y pegando números; equipos de reclutamiento construyen sistemas propios para selección. En varios casos, estos equipos no están formados por ingenieros — son profesionales de marketing, finanzas y RRHH que aprendieron a construir con IA.
Se repite un patrón en estos ejemplos: profesionales que antes tenían funciones más específicas (como coordinación de campaña o reclutamiento de una etapa) están asumiendo alcances más amplios, de punta a punta — lo que Ng describe como una tendencia de "full stack" que se extiende más allá de la ingeniería de software.
Privacidad y datos sensibles
Interrogado sobre hasta dónde vale la pena compartir datos con la IA, Ng detalla un enfoque por capas: para la mayoría de los casos, confía en los términos de servicio de grandes proveedores de nube; para información realmente sensible (como datos financieros no públicos), prefiere modelos que se ejecutan localmente o en ambientes privados, sin que los datos salgan del control de la empresa — una práctica que, según él, ya es común entre bancos que usan IA en ambiente propio (on-premise) en vez de enviar datos a proveedores externos.
Qué relación tiene esto con empresas brasileñas que usan IA
El debate que plantea Ng es, en el fondo, sobre separar señal de ruido. Y ese es justamente el desafío que vemos, en la práctica, en empresas brasileñas de pequeño y mediano tamaño que están decidiendo si — y cómo — adoptar IA ahora: por un lado, el miedo alimentado por titulares de "sustitución masiva"; por otro, la hesitación de quienes creen que es aún demasiado pronto para empezar.
En la experiencia de XMACNA, ninguno de los dos extremos refleja la realidad de la mayoría de las operaciones. La IA no llega para reemplazar a un equipo entero de la noche a la mañana — llega para aliviar el peso de tareas repetitivas y permitir que el equipo asuma un alcance más estratégico, exactamente como Ng describe al hablar de equipos de marketing y finanzas que comenzaron a "construir" sus propias soluciones. El punto de partida real no es "vamos a automatizar todo", sino entender qué 30% o 40% de un proceso ya pueden hacerse con IA hoy — y qué libera esto para que el equipo haga lo más valioso.
Preguntas frecuentes sobre la entrevista con Andrew Ng
¿Andrew Ng cree que la IA causará desempleo masivo?
No. Él rechaza la idea de un "apocalipsis laboral" y argumenta que, aunque la IA ya realiza parte de las tareas de muchas profesiones, esto hace que las tareas restantes — que dependen del juicio humano — sean aún más valiosas, en lugar de eliminar la profesión por completo.
¿Por qué Andrew Ng dice que la IA es "mala para el aprendizaje"?
Según él, cuando se usa para simplemente entregar la respuesta o la tarea lista, la IA reduce la retención del conocimiento a largo plazo, aunque mejore el resultado inmediato (como las calificaciones en trabajos escolares). El problema está en su uso, no en la herramienta en sí.
¿Qué habilidades recomienda Andrew Ng para quienes están entrando al mercado laboral ahora?
Recomienda aprender a construir con IA de forma práctica, buscando cursos y contenidos actualizados fuera del plan curricular tradicional (que suele tardar en adaptarse), además de desarrollar las habilidades humanas — como el juicio y la comunicación — que complementan lo que la IA aún no hace bien.
Conclusión
La entrevista de Andrew Ng funciona como un contrapunto necesario al tono más alarmista que ha dominado buena parte del debate público sobre IA. Su mensaje no es que no existan riesgos reales — él mismo menciona preocupaciones legítimas, como los deepfakes no consensuados y el uso indebido de datos sensibles —, sino que gran parte del miedo generalizado tiene menos que ver con lo que la tecnología realmente hace hoy y más con quién se beneficia de que tengas miedo de ella.
Para XMACNA, este es un recordatorio importante: la decisión de adoptar IA en una empresa no debería guiarse ni por el bombo publicitario ni por el pánico, sino por una pregunta mucho más simple — qué tareas de tu negocio ya pueden hacerse de forma más eficiente hoy, y qué libera esto para que tu equipo haga de manera más estratégica mañana. Si esta es una pregunta que aún no has respondido en tu empresa, este es un buen punto de partida para una conversación con nosotros.