Durante su exposición, planteó que el debate actual sobre inteligencia artificial generativa está atravesado por visiones extremas que dificultan una lectura precisa de su alcance y sus implicancias.
Mangarelli explicó que la inteligencia artificial generativa no puede analizarse desde una única perspectiva, ya que impacta de forma simultánea en distintas áreas. Entre ellas, destacó dimensiones tecnológicas, económicas, laborales, organizacionales, educativas, sociales y geopolíticas, lo que vuelve más compleja su evaluación.
Este carácter transversal refuerza la idea de que se trata de una tecnología de propósito general, con aplicaciones diversas según el contexto y los objetivos de cada organización.
Entre el hype y la subestimación
Uno de los ejes centrales de la conferencia fue la dificultad de encontrar un punto de equilibrio entre el entusiasmo desmedido y el escepticismo.
Mangarelli señaló que el ecosistema actual está marcado por mensajes contradictorios: desde visiones que anticipan impactos disruptivos inmediatos hasta informes que relativizan sus resultados o incluso muestran fracasos en su implementación.
Esta tensión entre “realidad y ruido”, como la definió, genera un entorno en el que tomar decisiones informadas se vuelve particularmente desafiante.
Cómo funcionan y por qué importan
Para comprender el alcance de la IA generativa, el decano remarcó la importancia de entender sus fundamentos. Explicó que estos sistemas se basan en modelos de lenguaje entrenados con grandes volúmenes de datos, capaces de generar contenido a partir de instrucciones, y que forman parte de una evolución de más de dos décadas en el desarrollo de sistemas de inteligencia artificial.
En este contexto, destacó que la aparición de modelos más avanzados está dando paso a sistemas que no solo responden, sino que pueden planificar, verificar y ejecutar tareas complejas.
Del chat a los agentes autónomos
Uno de los cambios más relevantes señalados en la conferencia es la transición desde interfaces conversacionales hacia sistemas más autónomos.
Mangarelli explicó que la evolución actual apunta a agentes capaces de comprender objetivos, descomponer problemas, ejecutar múltiples pasos y adaptarse en función de los resultados.
Este cambio marca un nuevo paradigma: pasar de herramientas que responden preguntas a sistemas que operan para alcanzar objetivos definidos.
Productividad con resultados dispares
En relación con el impacto en la productividad, Mangarelli presentó evidencia que muestra resultados heterogéneos. Por un lado, existen estudios que señalan mejoras significativas, incluso multiplicando la productividad en ciertos contextos. Por otro, también hay investigaciones que evidencian caídas o efectos limitados, especialmente en perfiles más experimentados.
Esto refuerza la idea de que los beneficios de la IA generativa no son automáticos, sino que dependen del contexto, las habilidades y la forma en que se integra en los procesos de trabajo.
Más allá del código
Mangarelli también abordó el impacto en el desarrollo de software, señalando que construir sistemas va mucho más allá de escribir código. Aspectos como la arquitectura, la seguridad, la integración con sistemas existentes, la experiencia de usuario y la gobernanza siguen siendo fundamentales, incluso en un contexto de automatización creciente.
La IA no reemplaza el conocimiento técnico, sino que exige una comprensión más amplia y profunda de los sistemas.
Una nueva alfabetización
Otro de los conceptos clave fue la necesidad de desarrollar nuevas capacidades, tanto a nivel individual como organizacional. Mangarelli planteó que la velocidad de innovación en inteligencia artificial está generando una brecha entre las capacidades tecnológicas disponibles y la capacidad real de adopción.
Cerrar esa brecha implica no solo incorporar herramientas, sino también desarrollar criterio, pensamiento crítico y comprensión del funcionamiento de estos sistemas.
Comprender para decidir
Como cierre, el decano subrayó que el verdadero desafío no está en adoptar o rechazar la inteligencia artificial, sino en entenderla.
Solo podemos comprender el real impacto de los sistemas de IA generativa cuando entendemos con fundamentos cómo funcionan, sus capacidades y sus limitaciones.
En un escenario de cambio acelerado, encontrar ese equilibrio, entre la subestimación y la sobrestimación, se vuelve clave para tomar decisiones informadas y aprovechar el potencial de la tecnología.