Lingüistas frente a la inteligencia artificial

Hace unos meses, quizá algún año, escuché a Cristina Aranda, de formación filóloga, y no sé si en un webinar o en una entrevista, aparte de defender, claro está, las profesiones humanistas, decir que no entendía como compañeros y compañeras suyas de estudios de filologías, no se interesaban más por la disciplina de la lingüística computacional.

Así, a bote pronto, me pareció que tenía mucha razón. Me pareció que, en efecto, la lingüística computacional aunaba, por una parte, los necesarios conocimientos de lingüística que aporta un titulado o titulada en filología, con una aplicación muy práctica y creciente dentro del poderoso campo de la inteligencia artificial. Me pareció que era una forma perfecta de desarrollar una profesión dentro del propio área de conocimiento, y un área de conocimiento que, docencia aparte, no parecía tener otras muchas salidas profesionales. Y al mismo tiempo subirse a un carro lleno de oportunidades: la inteligencia artificial.

Aparte de eso a mi que, evidentemente, me gusta e interesa la inteligencia artificial, y que me encantan las áreas transversales de conocimiento y la multidisciplinariedad, me parecía un campo precioso.

Sin embargo en estos días, y precisamente a partir de un estudio más detallado del campo de la lingüística computacional, me han surgido dudas sobre el posible papel de los lingüistas en inteligencia artificial y, en concreto, en el del procesamiento del lenguaje natural.

Veamos.

La lingüística

Aunque por nuestra formación escolar, más o menos todos tenemos una idea siquiera vaga e intuitiva de lo que es la lingüística, recurro al libro clásico 'Lingüística' de Ángel Alonso-Cortés. Tengo que decir que, como por desgracia sucede con demasiada frecuencia en las disciplinas humanísticas, el autor peca, en mi opinión, un poco de exceso de erudición, una erudición muy poco práctica, y aporta varias definiciones aportadas históricamente por diversos autores, y las comenta, pero sin acabar concluyendo con una definición limpia y clara, una del propio autor, que cierre el tema.

Aunque es un poco vaga, apunto la siguiente que aparece al principio del segundo capítulo:

La lingüística es el estudio científico de las lenguas como manifestación universal del lenguaje.

pero añadiéndole esta observación que me parece interesante y que aparece unas líneas más adelante:

El estudio del lenguaje parte del hablar de una lengua como una actividad dirigida por un sistema de reglas o modelos estructurales que el hablante tiene en su consciencia.

Entiendo que el estudio científico de la lengua, del lenguaje, tiene sentido porque existen una serie de reglas o modelos estructurales, y que buena parte de la labor lingüística se encuentra en descubrir, explicitar y entender esos reglas y modelos estructurales. Y se me ocurre añadir que el uso del 'machine learning' como manera de realizar un procesamiento del lenguaje tiene sentido precisamente porque existen una patrones, unas reglas que podemos descubrir, y ese descubrimiento de patrones subyacentes es algo que 'machine learning' hace particularmente bien, casi diría que es su propia naturaleza.

Más allá de definiciones, todos tenemos la imagen de lo que incluye la lengua: la fonología, la sintaxis, la morfología y todas esas cosas que, con mayor o menor profundidad y mayor o menor interés, estudiamos de niños.

Aprovecho para citar dos aspectos que aparecen mucho en las disertaciones de Alonso-Cortés. Por un lado que, aunque en la definición que he aportado no aparece, en el análisis del autor sí que menciona mucho la importancia del análisis comparado entre diferentes lenguas, diferentes idiomas. Y, por otro, la distinción entre filología y lingüística, una diferenciación que debo reconocer que ignoraba. Me quedo con la idea de que la filología es un campo más amplio que incluye la literatura (lo que en el colegio se denominaba típicamente 'lengua y literatura') mientas que la lingüística se centra en el lenguaje propiamente dicho, bastante desconectado de su manifestación literaria.

Lingüística computacional y procesamiento del lenguaje natural

Centrado, siquiera someramente, el campo de la lingüística, vamos a saltar por un momento a la lingüística computacional. En otro libro, este menos sesudo y bastante breve, 'Computational Linguistics: The Science of Language and Machines' de Sam Claydon, me encuentro esta definición:

Computational Linguistics (CL) is the interdisciplinary field that combines linguistics, computer science, and artificial intelligence to enable machines to understand, interpret, and generate human language.

un campo interdisciplinar como se destaca en la siguiente afirmación procedente de la misma fuente

Computational Linguistics (CL) is inherently interdisciplinary, drawing from several fields to create systems that can process and understand human language.

En cualquier caso, estamos hablando de tratamiento del lenguaje por máquinas. 

Procesamiento de Lenguaje Natural

Por su lado, y continuando con la misma fuente, podemos extraer la siguiente definición de procesamiento del lenguaje natural

Natural Language Processing (NLP) is a subfield of artificial intelligence (AI) that focuses on enabling machines to understand, interpret, generate, and interact with human language in a meaningful way.

y unas líneas más abajo

NLP combines computational techniques with linguistic insights to address the complexities of natural language, such as grammar, syntax, semantics, and context.

Lingüística computacional frente a procesamiento del lenguaje matural

¿En qué se diferencia entonces la lingüística computacional del procesamiento del lenguaje natural (NLP, 'Natural Language Processing')?

Creo que, en el fondo, en poco, y menos aún con las tecnologías dominantes hoy en día, algo a lo que volveré más abajo. Sin embargo en más de una fuente, incluida la citada, he visto una distinción, un matiz que es básicamente de foco. 

En general se reconoce el fuerte solape entre ambas disciplinas, lingüística computacional y procesamiento del lenguaje natural, pero se destaca que, mientras que en el procesamiento del lenguaje natural lo que importa es el tratamiento automatizado, son los algoritmos y la obtención de resultados, en lingüística computacional, el foco está en el lenguaje propiamente dicho y el conocimiento lingüístico, un conocimiento lingüístico que, por una parte, puede aportar reglas e ideas de cómo hacer un mejor tratamiento automatizado y que, a la vez, se puede beneficiar de las conclusiones, resultados y experiencias que ofrecen los algoritmos.

La evolución de las soluciones tecnológicas

En el segundo de los libros que he citado, identifica cuatro fases en cuanto a las soluciones técnicas aplicadas en el campo de la lingüística computacional que vendría a ser lo mismo que el procesamiento del lenguaje natural. Serían estas:

• Sistemas basados en reglas: Aplicaban reglas basadas de la teoría lingüística, y con frecuencia procedente del campo de la sintaxis, para analizar y generar lenguaje. Se apoyaban en conceptos como gramáticas y ontologías.


• Sistemas estadísticos: En lugar de ir a una visión más estructural, se trabaja con las propiedades estadísticas de las lenguas. Es la época de los n-gramas o de los famosos y muy fructíferos Modelos Ocultos de Markov (HMM, 'Hidden Markov Models')


• Sistemas de deep learning: Entran en escena las redes neuronales, y cobran relevancia, sobre todo, las redes neuronales recurrentes (RNN, 'Recurrent Neural Networks') donde, en realidad, el diseñador ya sabe poco del lenguaje y el conocimiento cada vez queda más distribuido en los pesos de la red


• Transfer learning y grandes modelos de lenguaje: Desarrollo de modelos preentrenados cuyo conocimiento se puede trabnferir o reutilizar en multitud de aplicaciones y casos de uso. Nos hallamos ante modelos basados de una forma u otra en la arquitectura Transformer, en el uso de los mecanismos de atención y en una extensión multiuso y multimodal que nos lleva a hablar de modelos fundacionales.

Aunque quedan rastros de todas las fases, hoy en día, y desde hace unos tres años aproximadamente, el campo está claramente dominado por los grandes modelos de lenguaje y los modelos fundacionales

Reflexiones sobre el papel de los lingüistas

Y es a raíz de esa evolución tecnológica donde me ha dado por reflexionar y replantearme el papel de los lingüistas en la lingüística computacional y el procesamiento del lenguaje natural.

En la primera de las fases, la que se apoya en reglas procedentes de la lingüística, su papel es clarísimo: se necesitan especialistas en lingüística para investigar y guiar los desarrollos de algoritmos que se apoyen en esas reglas. Y seguramente también su aportación es útil e incluso necesaria, en la definición de gramáticas y ontologías, e incluso en la conformación de corpora de trabajo.

Sin embargo, a medida que han ido evolucionando las tecnologías, cada vez usan menos un conocimiento del lenguaje como tal, cada vez tienen una naturaleza más estadística y más autónoma, entendiendo en este caso por autónoma que, en cierto sentido, son los propios algoritmos los que descubren las regularidades sintácticas, morfológicas, fonológicas y de todo tipo que subyacen al lenguaje humano, sin necesidad de que les proporcionemos desde el exterior las reglas lingüísticas y necesitando 'sólo' ejemplos (eso sí, muchísimos ejemplos) de cómo utiliza el ser humano su lenguaje.

En esta situación me cuesta mucho más ver el papel de los lingüistas. No me atrevo a decir que no exista. Quizá puedan, a pesar de todo, orientar a alto nivel, hacia dónde trabajar con algoritmos o quizá, y aquí lo veo algo más claro, puedan trabajar en la evaluación y validación de modelos, una tarea que aunque se intenta automatizar, todavía tiene componente humano. 

Pero de todas formas, me parece apreciar que su papel se diluye, que en la medida que los algoritmos ya no reciben como entrada, o no se apoyan en el diseño, en características estructurales del lenguaje humano, la aportación del lingüista es mucho menor.

¿Es cierta mi percepción?

Me encantaría tener la opinión de lingüistas que hayan trabajado alguna vez en lingüística computacional o en procesamiento de lenguaje natural, o de personas que hayan participado en la construcción de modelos y algoritmos de procesamiento del lenguaje, a ver si comparten mi percepción o, por el contrario, me descubren grandes áreas de trabajo de los lingüistas en lingüística computacional y procesamiento del lenguaje natural.

Me alegraría mucho, tengo que decir, de que existiesen esas áreas.

Conclusiones

Aunque los campos de la lingüística computacional y del procesamiento del lenguaje natural se centran en el lenguaje, la aportación de la disciplina por excelencia del campo del lenguaje, la lingüística, parece diluirse a medida que los algoritmos se apoyan menos en conocimiento y reglas explícitos y más en propiedades estadísticas y descubrimiento automatizado de los patrones subyacentes.

Retos para una mano robótica

Cuando pensamos en robots humanoides y los retos que su diseño y construcción conllevan, tendemos a pensar en los aspectos cognitivos, en inteligencia artificial. 

Y en parte es verdad, pero existen otros tipo de retos, tampoco hoy en día completamente superados y que, realmente, suponen un tremendo esfuerzo de ingeniería y diseño.

Algún reto no específicamente cognitivo

Sin que esto suponga, ni muchísimo menos, un censo exhaustivo, ni siquiera un ranking cierto de los problemas más complejos, se me ocurre, antes de abordar el caso de la mano robótica, citar dos retos que no son específicamente cognitivos.

El primero de ellos, creo que sólo parcialmente superado, es el de la marcha bípeda. La marcha bípeda supone un gran problema no sólo de coordinación, sino también de equilibrio. Aunque se trata de un problema parcialmente resuelto, de hecho vemos ya muchos robots humanoides caminando, lo cierto que todavía el andar de los robots existentes es en general algo torpe, lento y 'robótico'. Y les cuesta mucho el correr y ya no digamos hacer otros ejercicios como saltar o moverse por terrenos irregulares. De todo ello hay demostradores y en algunos casos realizaciones prácticas, pero creo que sigue siendo un tema complejo y no del todo resuelto. Un tema complejo, pues, sobre el que técnicamente se debe avanzar aún. Pero también un tema que hace reflexionar hasta qué punto, para muchas aplicaciones prácticas, no es más razonable utilizar robots con otro tipo de soporte, quizá varias patas, quizá orugas.

Otro tema, con algo más de componente cognitivo, es la coordinación habla-gesto. Ya hay robots avanzados (por ejemplo Ameca) que coordinan su gesto con aquello que dicen. Igualmente, en avatares o humanos digitales, se consigue bastante coordinación. Pero al menos en todo lo que yo he visto, sigue siendo una coordinación algo primitiva y el resultado es todavía artificioso. Se trata de un problema muy complejo, no sólo por la coordinación en sí misma sino porque, para conseguir un gesto natural, especialmente en robots físicos, se necesita un rostro hecho de materiales blandos, con un número de actuadores razonablemente similar a los músculos de un rostro humano y porque, aunque sigue un patrón común, ni siquiera la expresión del rostro humano es exactamente igual de una persona a otra. Más variado es aún, si cabe, el movimiento de las manos, algo fundamental en nuestro lenguaje no verbal.

Retos de una mano robótica

Pero vamos ya a ver alguno de los retos que plantea construir una mano robótica. Me refiero, por supuesto a una 'verdadera mano', no a un actuador o garra de un robot industrial que, en ocasiones, tiene una forma cercana de alguna manera a una mano.

En el libro 'Humanoid robotics and neuroscience' editado por Gordon Cheng, y en concreto en el capítulo 'Hands, dexterity and the brain' escrito por Helge Ritter y Robert Haschke describen algunas de las características de una mano humana, en los que se trabaja, no sin dificultades, para trasladar a una mano robótica.

En primer lugar, nos recuerdan que una mano humana está accionada por más de 30 músculos, que le proporcionan aproximadamente 20 grados de libertad y que, además, está dotada de numerosos sensores y elementos propioceptivos (sentirse a 'sí mismo'). Esto supone que, caso de que queramos imitarla completamente, se debe diseñar un sistema mecánica y sensorialmente muy complejo.

El alto número de grados de libertad se afronta en ocasiones usando menos actuadores que grados de libertad pero acoplando elementos lo que lleva a patrones fijos de movimiento. Es una solución práctica, pero que lleva a una mano robótica menos flexible y adaptable que la humana.

Un tema inesperado, al menos para mi, tiene que ver con la aplicación de fuerzas. Según los autores, una mano humana es capaz de aplicar una fuerza de 400 Newtons y más. Evidentemente, existen motores capaces de aplicar esa fuerza y fuerzas mucho más altas. pero no existen o al menos no en el momento en que los autores escribían este capítulo, micromotores capaces de integrarse en una mano robótica de dimensiones y morfología similares a una mano humana y capaces de aplicar esa fuerza. Para conseguir la fuerza deseada, se acude a diseños en que los actuadores son externos a la mano, situados en el antebrazo, y unidos mediante una suerte de 'tendones' a los dedos.

Cuando el uso de la mano robótica es como prótesis, no tanto para formar parte de un robot humanoide, el peso es también un problema fundamental. Los autores nos explican que se recurre, por ejemplo a diseños muy bien estudiados que permiten reducir el número de grados de libertad , y por tanto de actuadores, esto es, motores, necesarios, lo que lleva a reducir el peso. En algunos casos, se consigue incluso reducir a un único grado de libertad. Además, el uso de actuadores hidráulicos o neumáticos reduce el peso del actuador.

La velocidad, en concreto la velocidad del movimiento de los dedos, constituye otro reto importante. Esta velocidad es importante, por ejemplo, para coger objetos lanzados por el aire, dar la vuelta a un objeto entre los dedos o tocar un instrumento musical. Conseguir esa velocidad, aparte de retos de control, implica utilizar materiales ligeros (para disminuir inercia) y motores rápidos.

Volviendo a los grados de libertad, el manejo coordinado de un alto número de grados de libertad es otro reto de coordinación y control. Para este control, además, se necesitan sensores (potenciómetros, sensores de efecto Hall, sensores ópticos, etc) que proporcionen información de realimentación del movimiento real conseguido, para eliminar errores, de la forma, entiendo, en que habitualmente se realizan los sistemas de bucle cerrado.

La propia superficie de contacto de la mano implica un diseño cuidadoso. La mano humana es a la vez blanda, adaptable y rugosa. Las características mecánicas de la mano humana son pues muy complejas, pero también muy necesarias para su función, y no sencillas de conseguir en manos artificiales.

Además, muchas acciones humanas son bimanuales, utilizan las dos manos. Crear dos manos robóticas que actúan en oposición pero de forma coordinada, tiene también su complejidad.

En algunos de estos retos hay mayores avances y en otros menos en las manos robóticas actuales, pero todos estos retos, y otros que seguramente existan y no hayamos mencionado aquí, son una demostración de la complejidad (a la vez que la versatilidad) de una mano humana, e ilustran la dificultad de conseguir una mano robótica que la emule en su totalidad.

Conclusiones

La construcción de robots humanoides presenta retos que van mucho más allá (o mucho más acá, según se prefiera) de sus capacidades cognitivas o de los avances de la inteligencia artificial. Presentan también importantes problemas mecánicos, de materiales, cinemática, dinámica y control, que hemos ilustrado someramente en el caso de la mano, y constituyen un reto de ingeniería de primer orden.

Diferentes empresas, mismo equipo: mi experiencia en TID-X 2025

Hoy publico un post diferente a los más habituales en este blog. Hoy quiero comentar mi experiencia con el evento TID-X 2025 celebrado los días 4 y 5 de Abril, un evento que reúne a antiguos empleados de la ya extinta Telefónica Investigación y Desarrollo, alrededor de unas charlas centradas en tecnología, e impartida por algunos de esos antiguos empleados.

Pero antes de comentar la experiencia propiamente dicha, intentaré dar algo de contexto sobre la empresa y sobre el evento.

Telefónica Investigación y Desarrollo

Telefónica Investigación y Desarrollo, Telefónica I+D para ser más breves y como normalmente nos referimos a ella, fue una empresa del grupo Telefónica nacida en Enero de 1987 y extinguida legalmente en Noviembre de 2023 aunque, hasta donde conozco, desde un punto de vista operativo que no jurídico había desaparecido unos años antes.

Telefónica Investigación y Desarrollo se creo, como digo, en 1987, siguiendo el modelo de los legendarios Bell Labs y, de hecho, aunque yo no viví esa época inicial, creo que entre los primeros directivos hubo algunos provenientes de Bell Labs. Su concepción era, pues, muy ambiciosa en cuanto a poder tecnológico y de innovación.

Recuerdo con qué admiración leía, desde mi Asturias natal, y recién incorporado a la actividad profesional, los artículos que empleados de Telefónica I+D publicaban en la legendaria revista 'Mundo Electrónico'. Se me hacía 'la boca agua' observando los temas tan avanzados en que trabajaban (hardware, software, microelectrónica,...) y la calidad de sus aportaciones. Y me parecía un sueño, un sueño casi imposible, trabajar en una empresa como esa.

Pero el sueño se hizo realidad en 1992 cuando me trasladé a Madrid y me incorporé a la plantilla de Telefónica I+D, en concreto, el 9 de Diciembre de 1992.

Aún recuerdo la casi emoción que sentí, cuando, unas semanas antes, y de camino hacia una de las entrevistas de selección, me crucé en la calle Emilio Vargas con el mismísimo Julio Linares, a la sazón director general de Telefónica I+D y cuyo nombre, cargo y aspecto conocía precisamente de algunos artículos en Mundo Electrónico.

El caso es que durante más de doce años, desde Diciembre de 1992 hasta Febrero de 2005, trabajé en Telefónica +D. Siempre he dicho, y creo haberlo escrito en este blog en algún momento, que si se puede querer a una empresa, yo he querido a Telefónica I+D.

La Telefónica I+D que yo conocí era una empresa joven, con una fuerte cultura, apasionada por la tecnología, perseguidora de la excelencia, atrevida, experimentadora, y con enorme confianza en sus propias fuerzas y capacidades. Una empresa con un equipo humano de altísimo nivel y donde todo parecía posible.

Una empresa un poco particular, eso sí, que a veces funcionaba como empresa y a veces como departamento. Con el paso del tiempo, y ya viéndola desde fuera, me resulta ilustrativo ver que no tenía ningún tipo de organización comercial. La poca venta que había que hacer la hacían los propios mandos de la parte operativa, completamente orientada a proyectos.

Pero una empresa que motivaba y empujaba, que abría posibilidades, que se atrevía casi con cualquier cosa  Una empresa con una fuerte cultura. Una empresa diferente. Una empresa, en fin, difícil de olvidar.

TID-X

TID-X es un evento, inspirado en su planteamiento y formato en los eventos TED, aunque no se ejecuta bajo su licencia y tampoco se empeña demasiado, o eso me parece a mi, en forzar esa similitud, aunque tampoco la oculta. Y donde, eso sí, los organizadores, speakers y asistentes son todos antiguos empleados de Telefónica I+D.

En su austera página web (tidx.com) se autodefine con estas palabras: 'TID-X es un evento de charlas de tecnología organizado por ex-empleados de Telefónica I+D'.

La primera edición tuvo lugar en 2018, a la que siguió otra en 2019 y se llegó a convocar otra en 2020 que, por desgracia, tuvo que ser suspendida debido a la pandemia.

Si tienes interés en ellas, apreciado lector, puedes encontrar algo de información sobre ellas en la propia página web del evento, y también ver algunas charlas en el canal YouTube (https://www.youtube.com/@tid-x772). 

Y, tras unos años en blanco tras la malograda edición de 2020, el evento ha vuelto con fuerza en 2025, siendo esta la primera edición en que asisto y participo.

El evento TID-X 2025

El evento de este año tuvo lugar este pasado fin de semana. Se inició el Viernes 4 con el denominado 'evento social' que consistió en una cena para todo el que quisiese apuntarse. Y el acto fundamental, el evento propiamente dicho, tuvo lugar el Sábado 5 de Abril en las instalaciones de  'The Bridge' en el paseo de Recoletos en Madrid. 

La lista de charlas de esta edición fue la siguiente:

• Bienvenida (Juan de Bravo)
• Designing and Building your Internal (Developer) Platform (Rubén González Blanco)
• Passkeys y DPoP - fortaleciendo la seguridad de acceso a servicios (David Lozano)
• Cuando una puerta se cierra, se abre una ventana (Mariluz Congosto)
• Revolutionizing Finance: How we leveraged Blockchain technology to optimize Financial Systems (Miguel Schneider)
• Fortaleciendo las bases de la criptografía (Fernando de la Iglesia)
• Old Man Yells at the Cloud (Javier Provecho)
• The future of product development is here (Shay Cohen)
• Los mayores retos en ética de la tecnología y el papel de las personas (Ignacio G.R. Gavilán)
• It’s 2025, and We’re Still Not Pair Programming (Me Neither, Until Last Month) (Juan Agüi)
• A personal walkthrough of a heart attack and recommendations (Pierre Plaza)
• Despedida y hasta el año que viene (Alonso Álvarez)

Una instantánea al finalizar mi charla

En lo que a mi aportación respecta, si me buscas en la lista, verás, hacia el final, que impartí una charla titulada 'Los mayores retos en ética de la tecnología y el papel de las personas'.

El contenido de las charlas estará en breve, quizá cuando leas este post, en el canal YouTube del evento.

Mi experiencia

Bueno, y ya proporcionado todo el contexto, ahí voy con mi experiencia y mis percepciones.

Nada más comenzar, decir que estoy encantado de que este evento haya tenido lugar y que deseo que la iniciativa siga adelante el año que viene y volver a asistir.

Ha sido fantástico volver a encontrarme con antiguos compañeros aunque he de decir que, de 'mi quinta' no había tanta gente (cosa que habrá que intentar enmendar en futuras ediciones) y que en buena medida los asistentes era antiguos empleados más jóvenes, más de las últimas etapas de Telefónica I+D cuando yo ya no estaba allí. Pero también resulta muy interesante y enriquecedor escuchar y departir con esas generaciones más jóvenes que seguramente vivieron una Telefónica I+D algo diferente a la que yo viví.

No puedo decir del todo que me haya sorprendido, pero sí me ha llamado un poco la atención, el carácter tan marcadamente tecnológico, y tan detalladamente tecnológico, de muchas de las charlas. De hecho me parece que las charlas que eran un poco más de alto nivel, e incluso menos profundamente tecnológicas, fueron las que pronunciamos los más 'seniors' de los asistentes. Pero eso tiene de bueno que, aparte de demostrar que el 'ex equipo' de Telefónica I+D se mantiene muy al día, que conserva la pasión por la tecnología. Eso sí, confieso que, conforme iba escuchando a los speakers que me precedían, me preguntaba, no sin cierta zozobra, cómo iba a ser acogida mi ponencia, muy diferente a las demás en temática y mucho menos tecnológica (spoiler: la cosa fue bien :) ).

Me llamó también la atención la gran presencia de charlas relacionadas con ciberseguridad y la relativamente escasa presencia de la inteligencia artificial (aunque hubo una muy interesante charla con demo incluida sobre agentes IA). 

Más allá de los detalles de contenido, el ambiente fue fenomenal, y se mezclaba la camaradería con el interés auténtico (y el conocimiento, he de decir) en la tecnología y los temas que se contaban. 

Parece que algo, bastante, de la llama de la Telefónica I+D que conocí sigue vivo. Sigue vivo el interés en la tecnología, sigue vivo el interés en aumentar el conocimiento sobre ella, sigue viva la cultura de excelencia, sigue vivo el espíritu de equipo.

Descubrí creo que el día anterior, no me había fijado antes, que el lema del evento es 'Same team. Different companies' (mismo equipo, diferentes empresas). Y me gustó mucho (de hecho, aunque cambiando el orden lo he utilizado en el título de este post), y me parece que define bien el espíritu que subyace al evento: Telefónica I+D ya no existe y ninguno de los que formamos parte de ese proyecto está ya, por supuesto, en Telefónica I+D. La mayoría ni siquiera estamos en Telefónica. Pero sigue vivo ese espíritu de equipo, de compartir algo común.

Y ese algo en común, aparte de la tecnología, creo que es el orgullo de pertenencia, el orgullo de haber formado parte de Telefónica I+D, una empresa especial, una empresa difícil de olvidar.

Conclusiones

La única conclusión que cabe decir es que estoy orgulloso de haber pertenecido a Telefónica I+D, que estoy encantado de que TID-X exista, estoy encantado de haber formado parte de esta edición y que estoy deseando que llegue la próxima.

La sorprendente paradoja del sesgo cognitivo

Con cierta frecuencia, cuando se habla de conocimiento, de pensamiento crítico o simplemente de comportamiento, renegamos un poco de los denominados sesgos cognitivos. Hablamos de ellos como formas de engañarnos sin darnos cuenta, de entender mal las cosas y, quizá, de tomar malas decisiones por ello.

Sin embargo, los sesgos cognitivos tienen una utilidad innegable y, muy paradójicamente, pudieran ser hoy en día más necesarios que nunca.

Suena raro ¿verdad?

Bueno, vamos a razonarlo poco a poco.

Los sesgos cognitivos

Sin entrar en definiciones muy académicas, un sesgo cognitivo es una forma que tenemos los humanos de procesar y entender la información. Una forma de entender, valorar o evaluar la realidad y, sobre todo, la información que de ella recibimos. Pero una forma que simplifica de alguna manera el proceso y, al simplificarlo, comete alguna forma de error o inexactitud, de desvío que es lo que, en el fondo, significa sesgo. 

Existe un amplísimo catálogo de sesgos cognitivos pero, por citar algunos de los más conocidos, de los que se me vienen a la cabeza en este momento, podría mencionar el sesgo de confirmación que hace que prestemos más atención a las informaciones que confirman nuestras creencias que a las que las desmienten, el sesgo de consenso que nos hace percibir que nuestras propias opiniones son mucho más aceptadas y generalizadas en nuestro entorno de lo que realmente son, el sesgo que no recuerdo como se llama pero que voy a denominar anclaje que hace que cuando no tenemos ni idea de un tema o de un valor, tomemos como referencia la primera propuesta que recibimos y ya sólo nos movemos con ligeras variaciones respecto a esa referencia (aviso para navegantes para aquellos que les guste regatear en una compra).

La utilidad de los sesgos cognitivos

Aunque son con frecuencia denostados, los sesgos cognitivos son muy útiles en la mayoría de las situaciones de la vida. En otras etapas de la historia de la humanidad, cuando esa humanidad vivía en condiciones más precarias y peligrosas, más integrado en la naturaleza, han sido un factor determinante de supervivencia. Al fin y al cabo, ante un tigre de bengala o un oso furioso no te puedes pensar muchos las cosas, y tienes que reaccionar.

Como decía, los sesgos cognitivos son simplificaciones en el procesamiento y entendimiento de una situación. Al tratarse de simplificaciones, permiten que el proceso sea muy rápido y que culmine con muy pocos datos. Es decir, es una forma tremendamente eficiente de procesar la información y apoyar una decisión.

Dicho de una forma coloquial, los sesgos cognitivos ayudan a evitar en las situaciones del día a día, la parálisis por el análisis. Ayudan a entender y decidir de manera inmediata y con poco datos.

El problema de los sesgos cognitivos

El problema de los sesgos cognitivos es que, aunque en la mayoría de las situaciones funcionan muy bien, existen otras en que 'nos engañan', nos hacen percibir de manera deformada la realidad y, por tanto, tomar decisiones equivocadas, como aceptar un precio muy por encima del valor real de un producto sólo porque tomamos como referencia lo que nos ofreció el hábil vendedor o, a lo mejor, reafirmarnos en ideas equivocadas porque llevamos al extremo el sesgo de confirmación.

La sobrecarga cognitiva

Aunque el nombre ya empiece a sonar 'viejuno', vivimos cada vez más inmersos en la sociedad de la información. 

Vivimos en un mundo que genera cada vez más y más datos, más y más información, una información que, además, está ahora perfecta y permanentemente accesible a través de los medios digitales. Vivimos en un mundo interconectado en que recibimos más y más estímulos, más informaciones, más noticias, más chistes, más propuestas de venta, más noticias, en una lucha por captar una atención, la nuestra, que es cada vez un bien más escaso y objeto de las apetencias comerciales y competitivas.

Más y más información, pues, y eventos que nos llegan en el fragor de un mundo interconectado, en tiempo real y 'always on'.

Nosotros, y nuestros cerebros, estamos por tanto más y más bombardeados de informaciones y estímulos, estamos sometidos, por tanto, a una alta sobrecarga cognitiva.

Este hecho e lo encontraba reflejado de alguna manera, y esa ha sido la inspiración para este post, en el final del libro 'Influencia. La psicología de la persuasión' de Robert B. Cialdini donde el autor decía:

Todo ello nos conduce a un panorama perturbador: con el sofisticado aparato mental que hemos usado para llegar a ser la especie superior en el mundo, hemos creado un entorno tan complejo, acelerado y cargado de información, que cada vez más tenemos que enfrentarnos a él del mismo modo que los animales a los que superamos hace mucho tiempo.

La paradoja

Y ahí es donde surge la paradoja.

Como estamos sometidos a una altísima carga cognitiva, como tenemos que procesar tanta información y estímulos, necesitamos mecanismos que nos lo hagan fácil, que filtren y simplifiquen. 

Y ¿Qué tenemos para simplificar ese procesamiento?

Pues, los sesgos cognitivos.

Los sesgos cognitivos con toda su eficiencia cognitiva, pero también con sus riesgo de conducirnos al error.

Y ahí tenemos la sorprendente paradoja: hoy en día que tenemos tanta información, hoy en día que somos tan conscientes de la existencia de los sesgos cognitivos, es posible que los necesitemos más que nunca. 

El pensamiento crítico

Necesitamos entonces pensamiento crítico. 

Ya que no tenemos más remedio que procesar rápidamente muchísima información, ya que en el fondo necesitamos aplicar sesgos casi como una forma de supervivencia cognitiva, debemos al menos ser conscientes de ello y gestionarlo. 

Y esa es una parte de las labores del denominado pensamiento crítico.

Eso sí, y adoptando un poco la visión de procesos de negocio, ese pensamiento crítico no puede funcionar 'en serie' con el procesamiento cognitivo normal, no puede ser una barrera, un paso previo o posterior al proceso cognitivo, porque eso sería ineficiente y anularía el valor del sesgo cognitivo.

El pensamiento crítico debe funcionar en paralelo con el proceso cognitivo normal, a modo de sonda, de monitorización de lo que hacemos, para levantar alarmas cuando sea realmente oportuno pero no interferir cuando no es necesario.  

Copilotos cognitivos

Y es posible, aunque aquí ya estoy especulando un poco, que tengamos a nuestro alcance una gran herramienta tecnológica para ayudarnos: los copilotos de la inteligencia artificial generativa, los ChatGPT o Copilot de turno.

Porque estas herramientas son muy fáciles de utilizar y procesan y simplifican cantidades ingentes de conocimiento e información y nos la ponen a disposición de una manera inmediata y muy sencilla y accesible. Constantemente están ahí para ayudarnos a entender, a conocer, a recabar información y obtener ideas.

Sabiendo, eso sí, que éstas herramientas están sujetas a sus propios sesgos, a sus propias desviaciones y errores.

Y el pensamiento crítico, pues, sigue siendo necesario.

Conclusiones

Estamos inmersos en un mucho con sobreabundancia de información y estímulos. Esa sobreabundancia conlleva una enorme sobrecarga cognitiva y, para aliviarla, necesitamos en el fondo utilizar, pese a su ala prensa, los sesgos cognitivos y, quizá, el apoyo de copilotos de inteligencia artificial. 

Y, por encima de todo, a manera de supervisor, el pensamiento crítico.