Llevando la experimentación con IA al siguiente nivel en las ciudades

La inteligencia artificial generativa está empezando a cambiar cómo funcionan las ciudades: desde agilizar procesos de adquisición hasta orientar a residentes en el acceso a servicios críticos o implicar a las y los ciudadanos en la planificación a largo plazo. Pero no es sólo la tecnología la que está impulsando estos cambios, sino también las y los líderes locales trabajando para identificar los usos más apropiados de la tecnología. Y en Bloomberg Philanthropies creemos que es a través de experimentar consistentemente con cómo la IA generativa puede integrarse a sus prácticas cotidianas que las y los innovadores urbanos aprovecharán todo su potencial sin perder de vista sus limitaciones.

Para profundizar su comprensión de la IA generativa y cómo se puede aplicar éticamente a su trabajo, 120 líderes de datos e innovación de más de 90 ciudades se reunieron recientemente en un City Innovation Studio en el Bloomberg CityLab en la Ciudad de México. Ahí profundizaron exactamente en cómo sus habilidades de innovación pueden llevar la experimentación de IA al siguiente nivel y en lo que este trabajo puede, a su vez, producir para las personas a las que sirven.

Introducción a la "frontera irregular" de la IA en el gobierno.

Mitchell Weiss, profesor de la Harvard Business School y asesor senior de la Bloomberg Harvard City Leadership Initiative, presentó a las personas reunidas en Ciudad de México un marco general para ser más ambiciosas con la inteligencia artificial en su trabajo. El enfoque se basa en un documento de trabajo coescrito por algunos de sus colegas, que estipula que la IA generativa ayuda a las personas a incrementar la velocidad y producir resultados de mayor calidad cuando se utiliza para abordar tareas específicas dentro de la "frontera irregular". Esta frontera se entiende mejor como una curva que delimita lo que queda "dentro" y "fuera" del conjunto actual de capacidades de la tecnología. 

Aunque el documento exploraba el uso de IA generativa en el sector privado, Weiss cree que adoptar la idea de una frontera irregular puede ayudar a las y los innovadores urbanos a hacer más con la tecnología en beneficio del público. Lo que quiere decir en la práctica es que no podrán saber qué tareas quedan dentro y fuera de las capacidades de la IA generativa hasta que averigüen por sí mismos dónde queda esa frontera irregular. 

Esto significa procurar una experimentación constante y audaz, que es exactamente lo que hicieron como grupo en Ciudad de México. 

"El tema con la IA, al menos con la IA generativa, es que no sabes en realidad lo que va a hacer", explica Weiss a Bloomberg Cities. "No hay un manual de usuario. No hay una lista finita de tareas que pueda realizar, ni contigo ni bajo tu dirección, hasta que lo intentas".

Experimentando para revelar la utilidad y lidiar con las limitaciones.

Las tareas concretas que se sitúan a ambos lados de la frontera irregular -que entran o no dentro de las capacidades actuales de la IA generativa- pueden resultar sorprendentes para las y los líderes urbanos que aún no hayan dedicado un tiempo considerable a esta tecnología. Como demostró Weiss en el City Innovation Studio, una petición tan sencilla como producir un grupo de frases de una docena de palabras cada una fue demasiado difícil para una de las herramientas de IA más populares.

"Las herramientas no están pensadas para ser cuantitativas. Son modelos lingüísticos", explica Weiss, antes de señalar que lo que funciona una semana o un mes puede ser diferente al siguiente: "Cada vez obtienen una mayor capacidad cuantitativa". 

Weiss cree que, en todo caso, las y los líderes de ciudades corren el riesgo de no apreciar plenamente lo útil que ya puede ser, en este momento, dicha tecnología. En el City Innovation Studio, las y los innovadores locales se dieron cuenta de ello cuando asumieron el reto hipotético de crear un prototipo de una solución nueva para mitigar el calor en una ciudad, y descubrieron que las herramientas de IA generativa producían una amplia gama de entregables concretos en casi nada de tiempo. Específicamente, la IA generativa ayudó a las y los innovadores a identificar rápidamente fuentes de información útiles, generar nuevas frescas, considerar casos de estudio de otras ciudades y crear plantillas de productos mínimos viables (PMV) y documentación del proyecto. 

"Utilizaron las herramientas para la definición de problemas, para la ideación y para la creación de prototipos y, en muy poco tiempo –fue un verdadero ejercicio de "emergencia"–, obtuvieron resultados realmente asombrosos", afirma Francisca Rojas, directora académica del Bloomberg Center for Public Innovation de la Johns Hopkins University.

Mejorando los datos y otros insumos clave para producir mejores resultados.

Del mismo modo que las y los innovadores urbanos saben que siempre es importante probar, evaluar y ajustar las soluciones según sea necesario, puede serles útil mantener una mente abierta en el sentido de que una tarea que quede fuera de las capacidades actuales de la IA no es necesariamente una razón para dejar de intentarlo. En otras palabras, el comportamiento pasado no es un indicador de la capacidad futura cuando se trata de herramientas de IA generativa.

Un ejemplo que surgió en la sesión de una tarea potencialmente fuera de la frontera -comprender las lagunas en los servicios para un grupo demográfico específico en una ciudad específica- representó una oportunidad para mejorar la herramienta, en lugar de un fracaso, señaló Weiss.

"Una pregunta a tener en mente con estas cosas que creemos quedan fuera de la frontera [es] si puedes, de alguna manera, en virtud de tus habilidad o base de conocimiento, llevar estas cosas al interior de la frontera", dijo a las y los dirigentes municipales. Después de todo, en un caso como éste, una ciudad puede simplemente no haber publicado documentación clara sobre su limitada capacidad de prestación de servicios. Para incorporarla a su trabajo, una herramienta de IA generativa necesita ser entrenada con el conjunto de datos pertinente.

Del mismo modo, una tarea como captar la perspectiva de una comunidad minoritaria viviendo en una ciudad podría parecer, inicialmente, estar más allá de las capacidades de la tecnología. Ciertamente, estas herramientas no pueden sustituir la interacción con residentes reales. Pero un aprendizaje fundamental aquí es que, si las y los dirigentes orientan las herramientas de IA generativa hacia nuevos datos y nuevas perspectivas, pueden empezar a subsanar estas deficiencias.

"Lo que estamos viendo es que las ciudades que están activamente involucradas en encontrar formas en las que este tipo de tecnología de uso general pueda adoptarse e integrarse a las operaciones de la ciudad [están] entrenando los modelos con sus propios datos", explica Rojas.

Al mismo tiempo, Beth Blauer, vicerrectora asociada para la innovación en el sector público de la Johns Hopkins University, donde supervisa el Bloomberg Center for Government Excellence y el Bloomberg Center for Public Innovation, aconseja a las ciudades que tengan en cuenta que la IA generativa no incluye, por sí sola, todas las precauciones que deben formar parte de cualquier actividad gubernamental.

"No fue diseñada para proteger información de identificación personal. No se diseñó para tener en cuenta los marcos regulatorios a los que se enfrenta el gobierno cuando tiene que navegar decisiones", señala. Aun así, anima a las ciudades a explorar la frontera irregular "para entender para qué es buena, para qué no, y luego exigir" más a sus socios del sector privado que están desarrollando estas herramientas.

Así pues, las ciudades siempre tendrán procurar involucrar a los ciudadanos en el camino y tener en cuenta las consideraciones éticas en su trabajo con IA generativa. Si lo hacen, las y los innovadores urbanos estarán en condiciones de liderar el avance de todo el sector público.

"Úsenlo en lo que hacen todos los días", dice Weiss. "Sé que no suena profundo, pero es lo que yo aconsejaría".