Page 64 - Auditoría Pública Nº 85

REVISTA AUDITORÍA PÚBLICA / 85

1. Introducción. 2. ¿Qué es y qué no es la inteligencia artificial?

Cuando comenzaron a llegar los primeros ordenadores Hablar de inteligencia artificial es hablar de un campo am-
personales a las oficinas administrativas, muchos los plio y a menudo malinterpretado. En palabras de Pep Mar-
veían como simples sustitutos de la máquina de escribir. torell, director del Barcelona Supercomputing Center, “la
No imaginaban que se convertirían en herramientas de IA ya no es solo una herramienta que nos ayuda a hacer
cálculo, automatización, comunicación y gestión. Lo que ciencia más rápido. Es una nueva fuente de conocimien-
parecía una evolución menor acabó transformando por to. Está empezando a descubrir cosas que los humanos
completo la forma de trabajar. Tal vez ahora estemos ante no podíamos descubrir por nosotros mismos” (referencia
un momento similar con la inteligencia artificial. 1). No se trata de máquinas conscientes ni de sistemas
que “piensan” como los humanos. En esencia, la IA es la
En los últimos meses, la inteligencia artificial ha vuelto a capacidad de ciertos sistemas para ejecutar tareas que,
copar titulares en medios de comunicación tanto genera- si fueran realizadas por personas, requerirían inteligencia:
listas como especializados, telediarios y portadas de pe- reconocimiento de patrones, toma de decisiones, aprendi-
riódicos. Su impacto ha trascendido lo tecnológico para zaje, generación de texto, etc.
influir en la economía, la política y la opinión pública. Sirva
también como señal inevitable de su prometedor futuro Existen distintas ramas dentro de la IA: la IA simbólica
las guías de planificación de la adopción publicados por las (basada en reglas y lógica), el aprendizaje automático o
empresas cotizadas. Este fenómeno no solo refleja una machine learning (que aprende a partir de datos), y la IA
moda pasajera, sino una percepción compartida: la IA ya generativa, como la que encontramos en modelos de len-
no es una promesa lejana, sino una tecnología con efectos guaje avanzados. Cada una tiene sus potencialidades y
reales, inmediatos y estructurales. limitaciones.

La IA se ha convertido en un término omnipresente. Des- Es importante no dejarse llevar por la fascinación. La IA ac-
de asistentes virtuales hasta generadores de texto, pasan- tual carece de conciencia, intención o juicio moral. Come-
do por sistemas de recomendación o modelos predictivos, te errores, a veces con gran confianza, y opera como una
su presencia es cada vez mayor. Sin embargo, en muchos caja negra difícil de evaluar en muchos casos. Comprender
casos no se comprende qué es realmente la IA, cuáles sus límites es esencial para aplicarla con responsabilidad
son sus límites y en qué medida puede (o no) aplicarse a en ámbitos como el control público.
entornos tan regulados y complejos como la administra-
ción pública y, más concretamente, a la auditoría. En este contexto, conviene señalar que la denominada in-
teligencia artificial predictiva, muy habitual en el ámbito de
Este artículo propone una reflexión informada, con pers- la analítica de datos, es una aplicación concreta del apren-
pectiva técnica y crítica, sobre el papel que puede des- dizaje automático, y por tanto, se inscribe dentro de lo que
empeñar la IA en el ámbito del control público, abordando aquí denominamos IA basada en datos. Aunque según los
tanto sus promesas como sus riesgos, y siempre desde autores o el contexto de uso pueden variar las denomina-
la experiencia de quienes, como los auditores de sistemas ciones, en general se considera predictiva aquella IA que
de información actúan en la intersección entre tecnología utiliza modelos entrenados con datos históricos para pre-
y garantía institucional. ver resultados o comportamientos futuros.

Cuadro comparativo.
IA tradicional vs IA generativa.

Característica IA Tradicional IA Generativa

Tipo de tareas Clasificación, predicción Generación de contenido
Datos requeridos Etiquetados, estructurados Masivos, no estructurados

Interacción con el usuario Interfaces técnicas Lenguaje natural, interfaces accesibles
Transparencia Alta (en algunos casos) Baja (modelo de caja negra)

Nivel de autonomía Bajo Medio-alto (agentes autónomos)

Fuente: Elaboración propia.

64