# E24 - Descifrando la Inteligencia Artificial: Orígenes, Evolución y Su Transformación en la Minería

> John Atkinson, doctor en inteligencia artificial por la Universidad de Edimburgo y con casi tres décadas en el área, desmitifica la IA y su uso en la minería. Su mensaje: antes de comprar tecnología con la etiqueta de IA, hay que entender el problema, medir con indicadores concretos y aceptar que muchas soluciones son más simples de lo que parecen.

- URL: https://minenovate.com/episodios/e24-descifrando-la-inteligencia-artificial-origenes-evolucion-y-su-transformacion-en-la-mi
- Podcast: Minenovate (https://minenovate.com)
- Fecha: 2024-04-15
- Duración: PT55M41S
- Video: https://www.youtube.com/watch?v=YbyyFjwsff0
- Análisis: https://minenovate.com/blog/john-atkinson-inteligencia-artificial-mineria

## Puntos clave
- La IA nació como una ciencia multidisciplinaria sobre cómo procesamos cognitivamente, y no debe confundirse con estadística o análisis de datos.
- Gran parte de lo que hoy se aplica en la industria es IA débil: técnicas para resolver problemas específicos medidos con indicadores concretos.
- La adaptación y la autonomía son lo que distingue a un sistema inteligente de una automatización convencional.
- Los modelos actuales han ganado rendimiento a costa de transparencia, lo que complica su regulación y su uso responsable.
- El paso cero es estudiar el problema y los procesos; muchas veces la mejor decisión es no usar IA.

## Notas del episodio
¡Gracias por sintonizar Minenovate! 
Si deseas mantenerte al tanto de las últimas tendencias en la industria minera y explorar la innovación en cada episodio, no olvides suscribirte en ⁠www.minenovate.com⁠. 
¡Únete a nuestra comunidad y sé parte de la revolución minera!


Únete a nosotros en una exploración profunda de la inteligencia artificial con John Atkinson, uno de los mayores referentes a nivel nacional en este tema. 
Desde sus humildes comienzos hasta su impacto revolucionario en la industria minera, desmitificamos conceptos y revelamos estrategias para su óptimo aprovechamiento. 


¡Descubre cómo la IA está redefiniendo el futuro de la minería para obtener resultados excepcionales! 🤖⛏️ 


#InteligenciaArtificial #MineríaInteligente #OptimizaciónProcesos

## Transcripción
Bienvenidos a Minenovate, el podcast donde exploramos las fronteras de la innovación en la industria minera. Les saluda Miloni Meller y Francisco Rubina. El día de hoy, como ya es tradición, tenemos un invitado que nos va a sorprender. Hoy diría que es un capítulo bien especial, ya que nuestro invitado no está directamente inserto en el mundo de la minería, pero sin duda su especialidad está transformando a la industria. Así que, sin ir más lejos, les dejo con Francisco para que podamos indagar un poquito más Oye, yo súper contento de tener acá a John, un invitado sin duda especial para mí en particular. Ya vamos a ver qué tenemos en común. Pero vamos a partir presentándote, John, a ver si te hacemos justicia, porque vamos a tomarnos un poquito de tiempo en esto. Tú eres ingeniero en ciencias de la computación de la Universidad Técnica Férico Santa María. Ahí también sacaste tu máster en ingeniería. Y un PhD en inteligencia artificial en la Universidad de Edimburgo, que ya vamos a ir preguntando y tratando de llegar por qué es inteligencia artificial. Pasaste en minería en Angloamerican como ingeniero de proceso, luego pasaste por la misma universidad como profesor asistente, consultor IT en el Servicio Nacional de Aduanas, investigador de varias universidades como el MIT, la Universidad de Cambridge, el INRIA, IBM, director y fundador del Laboratorio de Inteligencia Artificial de la Universidad de Concepción y consejero de la Estrategia Nacional de Inteligencia Artificial por la Comisión de Tecnología del Senado de Chile y ha sido senior en Inteligencia Artificial y consultor por más de 29 años. Gracias, Francisco. Gracias a Viro también por la invitación. Disculpe si de repente no se escucha muy bien como ando con alergia a este. Como que mi carganta suena así como el hormonal. Mira, no, súper bien, súper bien. Faltó nomás que de repente hago empanada y otras cosas, pero está bien. Oye, mira, de hecho, voy a poner tu pregunta, Alonso, por algo que decía a mí, claro, el invitado y yo no tengo nada que con la minería. Sin embargo, tú nombraste un tema que yo, antes de comentar mi carrera académica, a principios de los 90, estuve trabajando en lo que en esta época se llamaba Diputada de las Condes, que pertenecía al grupo Exxon Minerals, que estaba en el soltado. que es la edición del soldado que está en la interacción. Y que ahora se llama Andromedia. No sé cuándo cambió el nombre, pero bueno. Y la verdad que simple y complejo la ve, porque yo ya había estado en el programa de IA por ahí al final de los 80, porque había muchos profesores que estaban en eso, en la universidad. Trabajaban hace mucho tiempo en eso. Sin embargo, como todo ingeniero, el target principal que yo tenía era irme a trabajar en la industria. Pero siempre me tiraba a lo otro. Está ese proceso que nos pasa a la persona estamos ingresando las carreras que tenía esa disyuntiva, ¿qué hago? ¿Y qué pasó? Tuvo un tiempo trabajando justamente en una minera, en la interacción, en la Androamérica, disputa las condas en esa época. Yo tenía este bichito que quería construir en la academia y está en el tema de guía, que en ese momento y por muchos años en general, estaba muy escrito principalmente en la Universidad Centro de Investigación Científica en el mundo, a pesar que en Chile llegamos a placer, ya 80 era muy tarde, incluso para Chile. Y con el tema, fue muy buena experiencia estar en Diputada Anglo-América, para que entiendan lo que están escuchando ahora. Seguramente nadie se acuerda de Diputada. Y en un momento, yo trabajé un corto tiempo y me ofrecieron quedarme definitivamente. Yo, como tenía este bichito, me ofrecieron quedarme. Pero yo había averiguado, esto obviamente les va a extrañar, pero dime qué es con tecnología. Y yo me puse a averiguar cómo estaba la gente trabajando de alto año ahí, cómo era su situación. Y me di cuenta que estaba muy bien pagado, estaba muy cómodo, era muy buen ambiente. Entonces dije yo, si me meto acá, no voy a salir, porque después con qué fuerza voy a irme a un lugar que me pagan cuatro veces menos. Entonces me acuerdo que el reclutador le dije, muchas disculpas, súper bueno todo, pero estoy mirando para otro lado, estoy mirando para la arena y hay otras cosas. Y él entonces me dijo, natural, me dijo, pero te quedas acá, trabajas un tiempo, mucha gente hacía, y después, bye. Y ya es lo que querés, puta y plata. Y jodiendo, como que me iba a costar mucho como cambiar la realidad. Y de hecho la decisión no fue muy fácil. Estaba viendo con mis padres porque yo regresaba hace poco. Igual la dudé como una semana de esas decisiones. Pero bueno, pero hay un punto que es interesante. Y además, otro factor es que en general lo que había en desarrollo tecnológico en empresa, salvo el área minera que siempre estaba caracterizado por ser un poco más innovador. era bien, como lo digo, polarmente, era bien básico, bien ahí nomás, en buen chileno. Entonces, como vino, era intelectualmente muy atractivo. Haciendo las típicas tonterías que hacía un ingeniero informático, era, pucha, cómo no estaba eso. Y por ahí. Claro. Y en esa época, la industria mediana también estaba bien atrasada en temas de tecnología versus el resto de las otras industrias. Ahora, igual, una empresa que ustedes saben, bueno, sigue estando en manos norteamericanas, bueno, no sé ahora, pero estaba en manos norteamericanas antes, a pesar de que tú dices, Milo, igual tenía alta tecnología y cosas interesantes, a pesar de este retraso relativo comparado quizás con otros sectores. Y después tuve la suerte que, gracias a mis profesores, se abrió una plaza en la universidad, y ya venía haciendo cosas de antes en general, pero ya ahí me puse a formalizar el tema, el tema que por lo demás era una locura, considerando que la mayoría de mis compañeros de universidad como les pasa a todo, yo creo. La mayoría de los compañeros de la universidad se pueden hacer otras cosas y con un bicho raro haciéndolo puesto. Entonces, me acuerdo de ayer, me acuerdo de que me gustaban algunos compañeros, ex compañeros los fines de semana en Piñalparaíso, mientras ellos estaban trabajando en Santiago. Y decían, ¿qué estás haciendo? Bueno, mejor te pagan algo. Afortunadamente, no me hice caso. Y ahí partió todo y generando el tema de la carrera académica y dentro del tema de la habilidad, que es lo que me fascinaba. Y en particular, y con este voy a cerrar el punto, y en particular, dentro de todas las áreas, todos los programas que hay en inteligencia artificial, yo empecé a especializar en el lenguaje, que se puso muy de moda ahora, pero tiene bastante larga edad, y por una razón incluso natural, digamos, más allá del interés propio, fue natural, ¿por qué? Porque la gente de, estábamos en computación, o en los resultados, matemáticos, yo diría más en computación y general en el mundo, dentro del currículum, lo que existe son, esto va a ser algo súper doméstico, súper poderoso, porque yo cuando me he encontrado con mucha gente en el mundo que llegó al tema del lenguaje, llegó casi por razones parecidas. ¿Y por qué? Porque hay temas, hay áreas dentro de la informática que se relacionan con el diseño de lenguajes, el diseño y construcción de lenguajes pero de programación. Pequenos detalles. O sea, cómo tú diseñas los intérpretes del lenguaje, desde la parte teórica, la matemática, hasta llegar a que diseñen un lenguaje, un lenguaje artificial. Pero, ¿qué pasaba en esa época? Como un lenguaje de programación, como hay ahora Python, R, C, S, más más, etc. Entonces, ¿cómo enseñar el propio lenguaje? O sea, tú estás en el fondo, es como la tecnología que yo hago, es como alguien que no está ahí, tiene que aprender a manejar un auto. Alguien que está ahí, le enseñan a construir el auto, y el motor del auto. Entonces, hay veces que uno está, construirlos, pero no manejan. Porque uno es el diseñador que está, y a veces no, vamos a dar dos cosas. Entonces, a pesar que eran cosas que no tienen que ver con lenguaje natural, digamos, aparentemente, tienen mucho que ver, porque muchos de los principios que se usan tradicionalmente, y muchas empresas de software, que usan para diseñar lenguaje de programación, están basados en aspectos lingüísticos que actualmente, y por muchos años, se ha usado en análisis del lenguaje humano. Entonces, por ahí, partió el bichito, y es súper atractivo esto de, ah, puedo diseñar sistemas de interacción con un procomputador, de tal forma, subiendo el nivel. O sea, que cada vez sea lo más cercano a las personas. Mucha gente no entendía, por así decirlo, la gracia de eso. No realmente no entendía lo técnico, eso era lo mismo. Pero no entendía la gracia de eso y muchas veces pasaba. Yo creo que lo conté en algún posteo hace tiempo que estaba en redes sociales. Y muchas veces te engudeaban, te hacían burgos, me dio un cabeza pescado. Y un poco por ahí fue. Oye, John, tú hablas de que básicamente que esto partió hace mucho tiempo. Creo que sería bien interesante que nos cuentes cómo ha ido evolucionando este concepto de inteligencia artificial en el tiempo. Me imagino que quizá al inicio no se hablaba de inteligencia artificial, quizás se hablaba más de estadística, y eso fue evolucionando con el uso del lenguaje, como mencionas tú. Me gustaría, desde tu mirada experta, cómo has visto esa evolución. Mira, primero hay que diferenciar, porque hay un tema que tiene que ver con lo, no sé si llaman lo mito o confusión, a veces que es integral, que en general, Y te voy a explicar un poco la historia resumidamente. En general, la idea nació con un paradigma de automatización. Por tanto, la base, la fundamentación que trae de ánimos tiene que ver con cómo nosotros los humanos procesamos cognitivamente hablando. O sea, cómo procesamos mentalmente las cosas. No tiene que ver nada con estadística. Lo que más la estadística es algo que se ha mezclado ahora porque viene del mundo lo que se llama análisis de datos. Entonces, se tiende a confundir rápido. De hecho, esa confusión es generalizada. Es empresa, un montón de... Digamos, no es que sea normal, pero es como... muere, se lo encuentra cada rato. Entonces, el foco de automatización en realidad tiene muchos años atrás. De hecho, si tú empiezas a pensar tú en la historia de la humanidad o empiezas a ver las máquinas tejedoras, son mecanismos de automatización o de mecanización. Entonces, viene de mucho antes que lo aún se esperaba. ¿Qué pasa después? En términos modernos, yo creo que esto ha sido, digamos, ha tenido su cosa mala y buena. Cada vez que hay un conflicto o una crisis mundial, eso da pie para que haya desarrollo tecnológico. Y uno de esos momentos esa crisis que originó, que hubo el boom de tecnologías que se requerían para, lamentablemente, pero para bien, fue la primera y segunda guerra mundial. La segunda guerra mundial fue como la, se comilla por decir de alguna forma, la incubadora de muchas tecnologías que tienen que ver con telecomunicaciones, con cómo optimizo recursos, digamos, de la guerra, cómo calculo cosas. Y en ese cálculo de cosas, de hecho, un poquito después de la segunda guerra mundial, ya se había hecho ella, se formaliza y se inventa el computador digital en el año 47, y la Segunda Guerra Mundial terminó un poquito antes. Ya había máquinas que computaban, y el primero que lo hizo fue un matemático británico que se llama Alan Turing, mientras han visto la película de su vida, el enigma, o el juego de la imitación. Si uno lo llevara a época moderna, si uno pudiera sintetizar eso, uno debería decir, además es el genio de la computación como lo conocemos ahora, Básicamente sería el primer hacker del mundo, diseñó una maquinita que fue capaz de codificar los mensajes secretos alemanes. Y él diseñó toda la mecánica matemática de cómo hoy día funcionan los computadores. Y él, junto a otras personas en el mundo, muchos científicos destacados, muchos premios nobles también se juntaron y empezaron a hacerse varias preguntas que iban más allá de eso. En el fondo, lo que dijeron, bueno, si tenemos máquinas que eran capaces de computar, ¿qué pasa si las máquinas ahora son capaces de hacer Tareas que son, que tienen una complejidad tal, que se parecen bastante a cómo la haría lo humano. Y eso originó que del 47 se empezaron a hacer, bueno, ya venía la Segunda Guerra Mundial. De hecho, interesantemente, la Segunda Guerra Mundial fue un icono interesante porque los norteamericanos en general se alieron mucho con los británicos, obviamente. Y ahí Alan Tulley tuvo un rol fundamental, incluso para cortar la duración de la guerra. Y otro que tuvo un rol fundamental, que en general los norteamericanos han usado bastante conocimiento que viene de otros lugares. Y ese otro lugar fue a Alemania y se llevaba a un científico alemán que se llamaba John von Neumann. John von Neumann también tenía que ver con la historia de la computación y también con la historia de la IA. ¿Por qué? Porque Alan Turing como matemático, como matemático, diseñó la lógica matemática del computador. Y John von Neumann diseñó la lógica, perdón, la estructura mecánica, el hardware, así es. igual con el hardware. Y estos perigos, estos viejitos, ya que habían hecho un montón de cosas en el mundo, pero en formalidad, se buscaron en el año 56 y todo lo que ya venían haciendo lo formalizaron. Se juntaron en Estados Unidos, en una universidad que se llama Diamond College, que es un college más que una universidad, y que fue un workshop que hicieron la inteligencia artificial y básicamente acuñaron el término y formaron la IA como ciencia. Ahí se empezó por todo el lado. Y quizá se lo sintetiza hasta el 2012, 2013, por ahí, todo el año, del 56 o antes. Al 2013, básicamente, había sido desarrollo visto predominantemente en las universidades, centro de investigación, centro científico o sector de gobierno. Pero poco había en la empresa, pero muy poco, porque tecnología que costaba bajar a nivel de, digamos, tecnología accesible, era muy caro, años de desarrollo, etc. Sigue siendo grande, quizás sigue siendo costoso. Y de ahí, de repente, se empezó a generar el boom, pero en realidad, esto viene grande. Lo interesante mismo también que tuve sido de la estrategia, Y ya, en general, es una ciencia multidisciplinaria. Porque esto tiene que ver los problemas desde el punto de vista cognitivo de diferentes perspectivas. Hay cosas que tienen su fundamentación, como lo que yo trabajo yo, lingüística. Hay otras que tienen su fundamentación biológica, fundamentación cognitiva, fundamentación filosófica, neurocientífica, digamos, para entender cómo funciona nuestro microorganismo. Entonces, a diferencia de otras áreas científicas, es bastante como especial, porque de alguna forma se unen los avances de varias disciplinas. Pero obviamente, esto con perspectivas diferentes. Obviamente, como ve un negro científico, la IA, que no es lo mismo como lo ve, no estoy diciendo ni mejor ni peor, porque eso es un punto de perspectiva diferente, no es lo mismo como lo ve un ingeniero, no es lo mismo como lo ve un filósofo. Obviamente, el negro científico está preocupado en entender los mecanismos que se hacen cuando Milo, Francisco o John están hablando de qué pasa con su cabeza. Y el ingeniero está tratando de resolver un problema. Y ya, ¿cómo este modelo? Cuando llevamos la máquina, pues lo simplificamos para llevarlo a la máquina, eso es un problema. Pero todos, todos, todos ellos, si tuviera Google, todos estos casi 70 años han hecho unos aportes importantes que de hecho han originado que estemos hablando ahora de esto, pero no solamente hablar, hablar en términos prácticos concretos y que casi sea parte de una revolución tecnológica importante que estamos viviendo. Conversando entonces de la historia y los orígenes de la inteligencia artificial con John Atkinson. Oye John, entonces podemos decir que tenemos en la inteligencia artificial una ciencia multidisciplinaria que básicamente lo que busca es ¿Qué es la minería? en la vanguardia, llevarlos, digamos, estar siempre punteando en esto, ¿verdad? Ahora bien, por ejemplo, existen unos recomendadores inteligentes, que es una tremenda tendencia que se está empezando a aplicar, no solo en la minería, pero te traigo un ejemplo que es, digamos, que ha permeado harta la vida. Este recomendador inteligente, lo primero que nos empezamos a preguntar, ¿qué es inteligente? Es como primer concepto, es casi filosófico. Yo creo que por ahí probablemente tú vas a tomar la pregunta, en minería se le da esa percepción de que la inteligencia viene dada por habilitar una toma de decisiones más rápida, más ágil, y empiezan a darle un poco de estos tenores de optimizado, buscando lo que es la eficiencia operacional, eficiencia operativa, eficacia de proceso y todo eso. ¿Cómo ves estos tipos de recomendadores, John, que tienen una fuerte base estadística, que a la vez también cabe la pregunta si es inteligente o no? ¿Cómo ves ese jueguito de palabras ahí para ver si aplica o no dentro de tu experiencia? Y que casi, la primera parte, tú dices, la inteligencia sería casi, no uno, sino varios programas completos, solamente para hablar de eso, porque es un tema fascinante para hablar complejo que también tiene varias perspectivas. Si lo ves desde el punto de vista de la neurociencia, de la ingeniería, de la matemática, de la filosofía, de la ciencia cognitiva. Pero ahí, para tratar tu pregunta, quería aclarar dos cosas que son súper relevantes para desmitificar. Un tema para aclarar, porque hay una confusión también. La inteligencia artificial en general como ciencia diferentes paradigmas. Y eso uno lo puede encontrar en áreas como la economía, uno lo encuentra en el periodismo. Siempre tú tienes un área, una rama, perdón, un área, y diferentes enfoques. Entonces yo podría decir que tú tenés periodismo científico, periodismo político, periodismo deportivo, y aquí pasan cosas similares. Y dentro de eso hay dos enfoques, que yo creo que ahí un poco está la confusión de las cosas que estamos viendo. Dos enfoques de IA. Uno es lo que se llama la IA suave, la Wiki. y la IA fuerte o la Strong AI. Y la Whitson vinieron de conceptualizaciones filosóficas, pero igual todavía están sujetas a discusión, porque la Whitson tiene que ver con el enfoque que tú tomas, basado en tecnología de IA, para resolver problemas específicos que tengan algún indicador de resultado. O sea, si uno puede resumir la minería, diría, ah, esto es lo que de alguna forma yo voy a medir y me va a servir para resolver el problema, puntual. emular características humanas en un modelo. Y eso más tiene la pinta de estar pensando vamos a hacer un terminator. Pero no tanto resolver un problema práctico. No sé si me va a entender. Entonces son dos miradas diferentes. Generalmente la maestrón, hay muchos filósofos trabajando, hay un ingeniero que quiere emular más capacidad humana. Ahora, con respecto a eso, cuando llegamos a las capacidades humanas, el tema de inteligencia no es menor. Porque, a ver, hay un tema científico y un tema práctico La inteligencia es una capacidad humana, pero que involucra... A ver, si uno define la inteligencia en el punto de vista psicológico, digamos, de la psicología cognitiva que se llama, la inteligencia básicamente es la capacidad que tiene un humano. La inteligencia está hablando, digamos, general, no automática. La capacidad que tenemos los humanos para resolver problemas en base a la experiencia y poder generalizar, y aquí viene la clave, generalizar ante situaciones no vitales. O sea, esto me está diciendo de otra forma, que incluso está de alguna forma embedido en los test supuestamente inteligencia que hace la empresa o que nos hace entender cabros chicos. Entonces, chiquete, chiquete, voy a pasar, que voy a ser cuestionable. Y, de hecho, en particular en la educación, a los cabros chicos les tomo una prueba, pero para tomar la prueba, le doy un cuestionario de preguntas. Le doy un cuestionario de preguntas. Le doy un cuestionario de preguntas. sacar 5 para la prueba. En el fondo está diciendo que no está en mi inteligencia, no está en mi capacidad de estar midiendo solamente una habilidad que es memorización. Y que también eso se puede extrapolar a la máquina. Obviamente, si tú en el fondo dices voy a enseñarle a la máquina algo y después le pregunto lo mismo, es como, si usted después digo que tiene el 99,9% de esa actitud, es como raro, sospechoso, como diría nuestro amigo con Bocica. Ahora, ¿cuál es el tema? Hay toda una dimensión, ¿cierto?, cognitiva, biológica, incluso se llegó a estudiar fundamental y uno de ellos, de hecho, sacó el premio. un joven, hace poco un físico, a fundamental que la inteligencia tiene una base ni siquiera cognitiva, biológica, celular, neuronal, si uno va bajando el nivel, ¿cierto?, hasta el nivel más básico que celular o neuronal, y alguien encontró que podía haber signos de procesamiento inteligente a nivel, lo que se llama, la energía, la física cuántica. Y uno de los que hizo esa postura era un físico, un físico que escribió un, ha escrito varios libros, hace poco se sacó el, el Nobel, que básicamente tiene un libro que se llamaba, que fue muy famoso, que se llama La nueva mente del emperador. ¿Cómo se llama ahora? Ahora en este momento se me va el nombre, entre tanto el nombre. Era un físico británico, un poco que por todo lo es. Entonces dijo, ahí pueden estar los orígenes de la inteligencia, incluso la conciencia, a nivel cual. Es la parte científica. ¿Qué es lo que más acuerda con la industria? Y aquí es donde empieza el buen oportunamiento. Uy, que da dolor de cabeza, digamos, cuando uno lo escucha. Y eso significa que uno haga, en la práctica, en un negocio, una recomendación, como tú decías, Francisco, algo inteligente implica que uno tiene que entender qué es lo que es inteligente para uno, primero, o si no, ¿a dónde? Y a veces uno dice, me da lo mismo que ser inteligente con tal que me resuelve el problema. ¿Y por qué es importante? Esa es la alternativa uno, como la base, el default, porque a veces con cosas muy simples, casi regla de tren, se resuelve. Y en realidad, ¿se requiere inteligencia? Sí, pero si uno lo ve en la pirámide de, ¿cómo se llama? De Bloom. que cataloga niveles de complejidad en nuestro pensamiento. Una estabilidad, también el nivel de más abajo, digamos. Inteligencia, pero a nivel de casi recordar cosas, digamos. Pero después se va incrementando el nivel de sofisticación. Entonces, ¿cuál es el tema? Que yo creo que tiene un tema súper importante especialmente para la industria de la empresa. Y por eso a mí, y a mí me molesta, hablando de todos los mitos, te ofrecen road, servicios, y te agregan el sufijo, ahora no lo puedo decir, y tiene IA, o con IA, utiliza IA. Entonces, uno, si fuera señora Juanita, que vende mermelada. ¿Cuál es la primera pregunta? ¿Quién es eso? Ya, y que un poco en el fondo tuyo, digamos, tu pregunta, ya, y sistema recomendador o lo que sea, ya, bueno, no, pero es inteligente. ¿Qué significa que sea inteligente? Si ni siquiera hay una conceptualización clara de inteligencia entre nosotros los humanos, digamos, ahí está el cuestionamiento. Yo creo que en lo práctico, la inteligencia tiene mucho que ver con el performance que tú obtienes cuando realizas tareas, ¿ya? Entonces, si tú estás diciendo, Yo aplico esto en realidad a un problema, es porque de alguna manera estáis viendo alguna mejora, llamémoslo en términos de negocio, en algún KPI. Ahora, esa mejora en KPI, y si al revés también, no necesariamente implica, con el ejemplo que les volvía antes de la red de la estrella, no necesariamente implica que digamos que es inteligente. Hay muchas aplicaciones de IA, inteligente no tiene mucho, son pegas súper mecánicas. Pero uno se deja engañar, digamos, porque diga, no, lo hizo, lo hizo mejor que el humano. Lo único que estaba haciendo era timbrar. Obviamente, porque el máquina lo va haciendo mejor. Estáis por timbrarlo todo el día. tiene mucho que ver con los indicadores, con los indicadores de rendimiento, ya, ok, que es para ti esto que sea mejor, o más, tú como inteligente, lo que sea, no, que sea más efectivo, ya, pues mide la seguridad, no, y que esto más reduce los costos, mide la reducción de costos, que esto sea mucho más eficiente, mide la eficiencia, pero no me digáis, y tiene ya, usa ya, así como no, está automatizado, porque aquí empieza a cambiar el concepto, que la automatización no hay binaria, no es que esto es bueno porque está automatizado, si fuera por eso sería todo bueno porque está todo automatizado, ya, por la mayor parte de las cosas, leer cómo me asimilo dentro de lo que nosotros creemos con si está limitante a lo que podría ser el rendimiento humano. Y hay esta diferencia. ¿Qué indicadores usas para eso? Como entre otros factores. Oye, qué interesante, John, porque efectivamente hoy en día todos estos recomendadores que están utilizando la minería básicamente utilizan los datos que están disponibles para llegar a conclusiones. Y utilizan modelos, normalmente modelos de master learning que intentan aprender en base a información histórica y entregar recomendaciones de set point de operación. Pero lo que ocurre es justamente lo que mencionas tú, que ante cambios, ya sea la mineralogía, lo que está entrando, es decir, cambios en los modelos, no son capaces de predecir o de ser inteligentes y adaptarse y entregar resultados que estén optimizados. Y esa es la gran falla que estamos llegando hoy en día, en donde efectivamente no son inteligentes. característica que no está la automatización convencional que la adaptación. Y la adaptación es una propiedad que viene de los seres vivos, de los animales, de los insectos. Es como tú te adaptas a un entorno que es cambiante. Si tú puedes adaptarte, en el fondo tú aprendes a interactuar con un entorno, hay cierta habilidad que está desarrollando que uno realizaría un mecanismo mecánico, justamente mecánico. Y la otra componente suma la adaptación a la autonomía. Porque puede tener sistemas automáticos, como el que están nombrando, pero no son autónomos, tampoco se adapta. Entonces, tomamos una decisión un poquito menos mecánica, nada más. Ahora me recordé, ahora que estamos hablando de los 6 pesos de minería, pero paradójicamente, una de las varias aplicaciones exitosas del mundo en los años 60 fue minería. Y si ustedes lo quieren ver acá, para los que no están escuchando, ahora, pues, voy a leer la historia de la idea de la minería que se han encontrado por 50 y tanto en los años 60, y fue un sistema que fue clásico, exitoso en el mundo, para prospección minera, que se llamaba Prospector. Fue bien interesante y yo creo que hasta el día de hoy no serían capaces de hacer lo mismo que hizo Prospector. Con las restricciones que había en la época, estamos hablando de los 60, no eran los computadores que estamos hablando hoy día, no había cantidad de datos y toda la infraestructura que había hoy día. Lo que hacía Prospector es proyectaba y predecía en base a la experiencia acumulada de 10 años de conocimiento en geología y en mineralogía, era capaz de predecir el lugar casi exacto donde había cierto mineral. Y se hizo famoso porque encontró en un estado de Estados Unidos, no me acuerdo cuáles eran, en Minnesota. Sí hizo en California, pero no era para California, porque lo hizo la gente de Stanford. Y pudo predecir, casi con alto índice de exactitud, dónde había Modildeno. Y lo dice, ah, pero ¿cuál es la cosa que ahora se ha perdido y estamos volviendo como atrás? Porque el avance que sufrió en la IA, especialmente en el paradigma que está de moda ahora, que se llama la generativa, que podemos hablar después, es que cada vez hay hechos más eficiente, más eficiente, más eficiente, pero estáis sacrificando transparencia. Pasaba con ese tipo hasta hace poco. En muchas aplicaciones, tanto vueltas a día, cuantas gracias que tienen, si yo me remonto a prospectos, que es la minería, que aplicaba razonamiento que se llama falleciano. Por tanto, cuando tomabas una decisión, tú más encima podías hacer el tracking de cómo llegó ella. Ah, porque predijo esta causa está conectada con lo otro, va, va, va, y esto. Por eso ahora, muchos temas actuales, por muy grosos que sean, y que haya altos índices, no podía hacerlo. Y no es tan fácil, son años de investigación y desarrollo. Y antes sí, claro, lo que se agregita es. O sea, transparencia, explicabilidad por el rendimiento. Entonces, ¿qué querés? Entonces, ahora el futuro va a tener que ser como en equilibrio. Oye, sé que no voy a ser tan grosso, pero dentro de lo que hago, no lo voy a explicar. Bueno, y eso pasaba. De hecho, era tan asímico que, al menos, software comerciales, que por ahí, a finales de los 70, inicio de los 80, software comerciales para empresas en el mundo de la idea, básicamente, tú puedes interactuar con el diagnóstico de minería, el montón de cosas, y tenías la posibilidad de que tú preguntaras que no era un sistema compasacional. que había también. Pero tú podías hacer dos tipos de preguntas básicas como el sistema. ¿Cuál y how? ¿Por qué y cómo? Decía, mire, toma este problema. Toma todo este conocimiento. No eran tantos de conocimiento. Y ahora, vea si puede llegar a alguna conclusión. Y todo esto, como tenías la duda, decía, porque el sistema te podía decir el 99,9% que aquí en tal lugar hay una concentración mayor de modificeros. ¿Por qué? Y cuando tú le hacías la pregunta, ¿por qué? Automáticamente, te daba todo el razonamiento. Por tanto, no es preciso, sino que además te da mucho más seguridad a ti como experto para tomar una decisión fruta. Entonces, esas son cosas que han ido cambiando por diferentes razones que podemos discutir de acuerdo. Es súper interesante ese tema que tiraste ahí a la mesa, John, porque fíjate que hasta el día de hoy uno de los temas no resueltos en minería tiene que ver con un término súper técnico que es la dilución. La dilución básicamente es la cantidad de material que a ti no tiene valor económico, que se te mete dentro de lo que tú estás enviando a planta, que sí, tiene valor económico. Y te explico el nexo que tiene justamente con el prospecto. Hay etapas que son iniciales del negocio minero y son la prospección y la exploración. De hecho, la prospección le debe el nombre justamente a lo que tú acabas de mencionar. A la búsqueda de anomalías geológicas para ver de qué nivel de confianza estamos hablando para que podamos hacer campañas de sondaje que básicamente son las que traen muestras y van cuantificando y dimensionando la información que le están entregando prospecciones. Entonces, el tema que tiras a la mesa flota desde ya unos cuantos años, o sea, nos estamos dando una tendencia acá, inteligencia artificial no es algo de los últimos 10 años, no es algo de los últimos 5, 6 años, ni menos, tiene una historia y una larga y vasta historia, y parece ser que hay problemas que flotan, y eso es súper interesante ahí, John, porque el tema de la dilución, como te digo, es algo súper operativo, que hasta el día de hoy no se le puede dar mucho respuesta efectiva, y el tema de la transparencia que mencionas tú también, muy probablemente también ha dado como respuesta hoy en la industria, que estén tan fuertes en el esfuerzo en ciberseguridad para ver de qué manera están siendo considerados los modelos que estamos siguiendo. No los podemos seguir ciegamente. Exacto. Por lo tanto, ahí se abre otra rama más que es súper interesante. Pero Francisco, y creo que es un punto que haya hecho cuando nombró con estas técnicas, pero que la minería no haya dado buen resultado, no sé por qué razón, ah, porque no se podían adaptar. Y ahí, otro mito, digamos, un poquito diferente a lo que la gente escucha, a lo que yo hablo de mis conferencias usualmente, Otro es importante. Que generalmente, a ver, primero, contexto. Y hay una ciencia. Como ciencia tiene varias ramas. Lo que hoy día se conoce como aprendizaje automático, el famoso Michelle Lerner, es una de varias. Y dentro de eso, lo que más estamos escuchando es una parte de aprendizaje automático y todo lo que se conoce. Lo estudia la gente que está en el tema, digamos, lo más técnico. Entonces, ahora, lo que ha pasado a veces, Empieza otro tema que está resonado con lo que tú decías, Milo, porque cuando hablamos de inteligencia y hablamos de estas características de adaptación y autonomía que son necesarias para resolver problemas complejos, que implican problemas complejos, problemas en que hay que explorar mucha alternativa de solución y problemas que tienen que adaptar al entorno, y no menores, en entornos que son cambiantes. Si no fuera cambiante, yo le saco una foto, por así decirlo, y me va a funcionar, no sé por cuánto tiempo, el problema es que estamos parados en una redundancia problemática de tal complejidad que tiene todo el rinámico, no puedes asumir nada. Por tanto, tienes que cambiar el paradigma y dejar que la máquina se adapte. Bueno, y las adaptaciones son técnicas que tú estabas nombrando. ¿Por qué fallan? Y aquí viene otro mundo. Porque de repente se empieza a generalizar y hasta cualquier cosa estadística pura, no, es un aprendizaje automático. Y bueno, después la empresa, ¿qué nos pedieron? Que ojalá que fuera un problema conceptual nomás, un problema práctico. no se toque una estadística y lo aplico hoy yo, pero conmigo esta cuestión no me resultó porque no se adapta. No hay gente que se adapta con la técnica. Noten, por ejemplo, pongamos un ejemplo concreto. Una simple, una vil y sucia regresión. Por alguna razón, algunos medios por ahí la siguen poniendo como una técnica de aprendizaje automático. Y aprendizaje es adaptación. Si todo empieza a haber una regresión, por lo que no están escuchando, es realmente que no saben para aplicar. Una regresión, especialmente una lineal, básicamente una un problema matemático que consiste en separar muestras matemáticamente en un espacio de varias dimensiones de forma lineal. En el fondo, simplemente encontrar una línea recta que separa cosas para generalizar. Y que nos permite predecir el comportamiento futuro, extrapolarlo de acuerdo a los datos que tenemos en el pasado. otra, eso sería lo correcto, habilitante para otras reales de machismo, pero no una técnica machista en particular. Y porque esto es importante, reitero, porque si la empresa lo aplica, no se va a encontrar con los resultados que esperábamos. Y ojalá fuera un tema de definición nomás. No se ha encontrado eso, oye, pero aquí como aquí de rojo, y no lo corrigió. No, pues no lo va a corregir. Si lo fijo, pues. Determínase para sentir y ya. Claro. Es que ahí está donde vamos derribando los mitos contigo, y por eso es súper importante tenerte acá como especialista y separar un poco cuáles son las agua. Oye, dentro de lo que tú mencionabas, tengo dos dudas. Hablabas de un poco de esta pérdida de transparencia que están teniendo los nuevos modelos. Eso me imagino que hoy en día se alimenta con cientos de miles de datos y también de alguna manera se incentiva que el sistema produzca resultados que se hacen tener la información adecuada. Y eso tengo entendido que se conoce como alucinación. Es súper interesante tu pregunta. Hay varias cosas metidas en tu La transparencia en general, si lo vemos desde el punto de vista matemático de ingeniería, es la transparencia en el diseño de la lógica de la maquinita, por así decirlo. Entonces nosotros, si lo vemos desde el punto de vista de ingeniería, podríamos decir, oye, esto es totalmente transparente, que es un sinónimo para decir, oye, yo puedo entender exactamente cómo está funcionando exactamente, entre comillas, digamos, yo puedo mirar la cajita y es tan transparente que puedo ver lo que está pasando. Por tanto, es fácil de regularlo, es fácil de controlarlo. Pero cuando es no transparente se refiere que hay mucha caja negra, que el nivel de sofisticación es tal de la maquinaria, de la lógica, que tú no puedes entender 100% ni siquiera lo mismo que salita. Y que es lo que está pasando actualmente. Entonces, se genera, por eso importa, porque además tiene otro efecto colateral, la regulación. Porque antes era súper fácil responsabilizar al que diseñó el software, porque es un humano. Pero ahora con la autonomía de adaptación, quien lo hace, el que hace la pega de una máquina, más encima, que no puede entender toda la lógica. Entonces, desde ese punto de vista de, digamos, estoy poniendo en cuenta de transparencia, porque transparencia también hay en el contexto de las leyes y otras cosas. Un concepto que está de moda, transparencia de los datos. Bueno, y dado eso, ¿qué es lo que ha pasado en la evolución de los últimos, quizá, diez años? Que se ha sacrificado transparencia, o sea, entre comillas, bajando, no por mala intención, sino porque ha sido de forma natural, pero ha ido subiendo, entre comillas, el rendimiento del sistema. O sea, hago la pega mejor, pero te la puedo explicar menos. El punto ha llegado a tal nivel que en este momento hay mucha lógica de la maquinaria, incluso en aplicaciones comerciales. Yo ni siquiera puedo predecir creo que va a pasar. Es una lógica totalmente, por así decirlo, no lineal, o sea, impredecible. Impredecible no quiere decir que me sea más capaz de las manos y el fin del mundo. No, no, pero no es tan fácil especularlo. Al punto que cuando se trata de proponer regulaciones o principios éticos, etcétera, etcétera, tiene su libre, porque hay cosas que no me puedo meter más allá. Entonces, ahora, lo que tú comentas, mira, ahora bajando en detalle, es un tema que está bastante en boga, tiene que ver con que hay una delgada línea que cruza con lo que es éticamente correcto o no es correcto y con lo que legalmente es correcto y no. Y aquí entra otro tema. Tú puedes tener, a lo mejor, tu lógica súper transparente. Sin embargo, sacaste datos piratas y ahí te van a acusar de ilegalidad porque estáis violando, aspecto tiene que ver con haber sacado información de unos sitios que no son ni siquiera visto autorización. Eso está pasando. No es que lo diga yo, lo estoy inventando. Eso pasó y casi está a punto de llevar alguno a la casa. Por ejemplo, una de las propuestas regulatorias que se aprobó en la Comunidad Europea hace un poquito más de un mes, si esto empezara a regir ahora esta propuesta, un montón de empresas norteamericanas, no solamente estarían multadas o no podrían hacer negocios en la Comunidad Europea. Así de duro, digamos. Porque obviamente está infringiendo un montón de regulación. Pero no solamente eso, la falta de transparencia entre comilletas en China hay otros problemas. Por ejemplo, ¿cómo me aseguro que la decisión es que el diseño sea ético? Antes no me preocupaba, porque la ética está asociada al humano. Ahora la ética, como lo rebuto en las máquinas. Transparencia, cegos. Aquí falta de transparencia, a mí la empresa genera otro corretazo. ¿Cómo me aseguro que no hay cegos cuando voy a tomar la decisión? Cegos etarios, de género, geográfico, porque están. Y nuevamente, no es por malintención, es por naturaleza el contenido. de muchas cosas que están disponibles, que usamos para prepararnos, nuestra tecnología, están cerradas por humanos, digamos. Si tampoco somos perfectos, digamos. Entonces, es una colegina, digamos. Esta transparencia, como te digo en resumen, tiene que ver con eso y que, obviamente, produce como coletazo lo que tú decías, que los datos que me los saqué, bueno, de hecho, como me lo está hipólico, porque ustedes saben que se hizo famoso en noviembre de los 2000, empezó a OpenAI, llegó Chachipiti, ¿cierto? Pasó todo este tiempo, aparecieron más competidores, en el ecosistema. Y hace poco hubo una entrevista o una de las que ahora no ponía la vieron. Y el predicador, no me puede decir de dónde sacó los datos. Los que no están escuchando, veanla. Porque a la antigua, poco más, se empieza a poner tantamúas y no dijo nada. Los tipos saben que no quisieron. Y cada vez peor. Cada vez las diferentes organizaciones están poniendo más pero porque en el fondo están infringiendo temas de seguridad, de confidencialidad, de transparencia y de legalidad. De hecho, ya hubo una demanda de un diario norteamericano a una otra empresa, porque sacó datos de noticias sin priorización. Y se supone que el diario vive de eso, de qué está mandando. Entonces, te mando. Esos son medios de cuarentenamiento que quizás hasta hace 13, 15 años atrás no estábamos. ¿Por qué? Porque había más transparencia. Oye, John, hablábamos de que, tú hablabas de que existían dos grandes tipos de inteligencia OIA, la WIC y la Strong, ¿cierto? Dos grandes universos. En la WIC podríamos decir que estaban todo esto, recomendadores o productos más estadísticos. Ya orientada para resolver problemas específicos, prácticos. ¿Y en la Strong? Claro, más pensado como humano, en el fondo. Como el muro de las estadísticas humanas. Porque uno podría decir, porque tiene un objetivo más antropomórfico, es como se puede decir, porque pensado cómo comparo con los humanos. En lo práctico ahora, la WEI tiene sus peros, sus limitantes, pero en el fondo está pensando más en desafíos terrenales en el fondo. ¿Cómo lo solve este problema? Ahora, si se parece como lo hace un humano o no, el cliente te va a decirme a lo mismo porque me mejoró el índice. Oye, hablando de Strong, se me viene a la cabeza Tesla y el uso de equipos autónomos, vehículos autónomos, que también están hoy en día en la minería, como autonomía. ¿Podría ser ese un entendimiento de algo Strong? No, porque un controlador. Porque si tú piensas, vamos a a la Génesis. La Génesis es un sistema automático en general. Eso, si uno... Voy a tratar de hacer lo más imposible. Es una cajita de procedimiento que tiene una entrada, ¿cierto? O sea, hasta ahí no hay nada. Entra algo, se realiza un proceso, salía. Pero en control automático hay un ciclo que se llama de retroalimentación, de feedback, que va ajustando la salida con respecto a lo esperado. Ese ciclo en general de control automático. que el controlador que usa está en tu refrigerador, el famoso termostante en el fondo de un ciclo de control. Entonces, desde el punto de vista, ¿por qué era eso? Porque de alguna forma hay cierto tipo de control que son más mecánicos que nada y tienen muy poco que ver con habilidades humanas. De hecho, en el caso de la Yacht-Laspe, aunque es muy popular en la minería, lo de, hay que diferenciar, es un puesto de inclusión porque aparece cada rato, lo del vehículo autónomo, de vehículo sin control, Y que se usa casi como sinónimo. Y de hecho es interesante porque en la minería se han usado vehículos sin conductor en muchas mineras por año. Claro, porque, pequeño detalle, lo que es un GPS. Entonces, autonomía, cero. O sea, sí, cero en el sentido. O sea, depende de cómo está la autonomía. O sea, ya se maneja solo. Sí, pero en el fondo está siendo guiado, guiado por la señal que le da un GPS. No, está tomando decisiones propias. La autonomía pura, pura, tiene que tomar decisiones propias. El caso de minería, el caso extremo sería minería subterránea, que tiene un aparato donde seguramente la señal, incluso más, si tratáis de operarlo, tampoco es tan simple, porque no hay problema con la señal. Por lo tanto, requieres más autónomo y tampoco tienes GPS como en el ambiente abierto. Ahí le tendría autonomía real. El perico tiene que tomar sus propias decisiones. ¿Pero cómo lo hago tradicionalmente? Pues a mandar al viejito con el calco, el chuzo que haga su pega. Ya a la altura no se hace. O lo hacía a distancia, así que se mueve, o le da un poquito más autonomía. Entonces ahí está la autonomía real. Pero lo otro sigue siendo todavía un controlador automático. Fíjate que se va ajustando, nada más, pero que está bien lejos de muchas características humanas. Está sufriendo un problema de control. Sí, ahí estás mencionando un caso que es algo que todavía no está totalmente resuelto, porque ahí sí que hay una cantidad tremenda de obstáculos. Exacto. Donde evidentemente hay que tomar... Exacto. Donde tiene que ir de forma autónoma a tratar de resolver. Eso toca porque, para ponerte un ejemplo súper aplicable, minería subterránea ahí, John. En minería subterránea los caminos están delimitados. Sí, eso te iba a decir. No se te van a cruzar que algo chico entre medio, como un vehículo en la carretera, ¿cachai? Sí, aquí tienes que cuidar toda la infraestructura, porque existen los suministros en las cajas, existen los ductos de ventilación al techo. Entonces hay una cantidad mayor de obstáculos, sumado a una complejidad de que la señal le llegue de manera expedita para que pueda, además, ejecutar la acción de este sistema autónomo inteligente. Sí, fíjate que el Francisco está dando con un buen punto, entonces el punto está en mercado, porque para los que lo están escuchando, un pequeño detalle que la gente a veces chapola, pero es medio peligroso. La tecnología de vehículos autónomos civiles, normales, en la calle que uno ve y empieza con motel, la u otra, y varios dando vueltas, versus la autonomía que requieren los vehículos, entre comillas, no tripulados, o sea, la minería aquí, en la que está la GIM, una tecnología no es directamente traspasable para el otro lado, justamente por lo que están diciendo. No puede traspasar la experiencia que tuviste la minería en la calle, no compare, porque en la calle tenéis, más dinámica, en torno a más cambiante, se te puede cruzar gente, tenéis señalétrica, no tenéis caminos preestablecidos, bla, bla, bla, bla, bla. Y por otro lado, lo que está en la calle para acá, chuta, no, es que aquí tiene ruta establecida a la minería, allá no, usa más infraestructura, aquí tenéis que proteger cosas, entonces, además, que ahora está en boga, que es lo que decía a Milo, tenéis que preocuparte de ciertas consideraciones éticas cuando tú vas a ir conduciendo de forma autónoma, porque te puedes echar a alguien. En la minería, como está preestablecida, no hay problema que no se te va a cruzar un caudo chico en la ruta. O en otra de contactos, claro, tiene su... Entonces, cuando habla de autonomía, no es una cultura absoluta, porque depende del contexto, te impone más problemas. Porque el mismo, en el fondo, digamos lo mismo, el entorno te origina más problemas. O te lo simplifica, o te lo amplifica. Como en el caso de la autonomía en una calle, obviamente, que está con alto tráfico, claro, ahí no es lo mismo, ahí está pendiente en tiempo real, y aunque tú estés teleoperado, yo no consigo la teleoperación por mismo, hasta cierto punto puede ser pongámonos como está pasando en California ahora en unos taxis semi autónomos hasta cierto punto están controlados ¿cierto? desde una base tienen cierta autonomía pero vamos a estar cuidando que no haya accidentes que ya ha habido ya lo dejamos pues hasta por ahí no vamos Reels te inspiró, pasa la voz. Y si te gusta lo que hacemos, no olvides, suscríbete y síguenos. Eso nos ayuda enormemente a difundir el conocimiento de nuestra comunidad minera. Bueno, hablamos de distintos dominios de aplicación. Volviendo acá al rubro de la minería, podríamos ir diciendo que todavía faltan hacer unos cuantos esfuerzos más para aplicar efectivamente una inteligencia fuerte y en la que ojalá nos pudiera habilitar a resolver problemas que hoy no están totalmente resueltos como los que estamos conversando. Los esfuerzos que se están aplicando en la industria de ION son, y por lo que estamos viendo nosotros en nuestra experiencia, creo que Nilo también puede complementar, es que están desarrollándose una serie de soluciones de IA débil, ahora que tú ya lo definís, y todavía podemos hablar en el mismo lenguaje, que en sinergia van desbloqueando nuevos usos. Exacto. Y eso podría habilitar eventualmente una mejor toma de decisiones y contribuir a una toma de decisiones más eficiente para el negocio. por sobre todo, y eso es lo que podríamos estar entendiendo por ahora, como los avances o los esfuerzos que se están aplicando en la industria minería. es más eficiente, es más efectivo, es menos de costo, bienvenido sea. Entonces, yo creo que hay otro mito también. Yo creo que este es un palo para muchas empresas que me toca asesorar a muchas empresas y otra que me toca asesorar. Y hay otro palo y otro mito, Francisco. Que en realidad, muchos casos me toca ver ahora. El uso de la IA, la verdad, a pesar de todo lo que estamos conversando, no está justificado. Y el que tiene IA, o usamos IA, es como el comercial la imagen es todo. Es para eso. No, que estoy usando IA. Tú le preguntas IA, ¿y por qué lo estoy usando? No, porque tenemos que automatizar eso, pero para eso, ¿cómo saben? Ah, es que el competidor está usando eso, entonces nosotros queremos ver si lo podemos usar también. Me tocó un montón de veces asesorar a la empresa que la única razón que mandaba no es técnica, ni económica, ni nada, es de imagen, literal. No, pero no lo está haciendo, queremos ver si lo podemos hacer nosotros. Pero ¿para quién? ¿Cuál es el problema que tenemos? Bueno, después vemos el problema. Entonces, yo creo que está muy racionalizado el tema, hay una, como una moda, de tratar de meterse, pero eso ni siquiera tendría a qué y para dónde querés llegar. Y a veces puede ser contraproducente, ya pasa ahora. Cuando incorpora en general en el mundo de la tecnología, no solamente ella, cuando no hace una profundidad de tu proceso, de tu procedimiento, de tu necesidad, es más cuestión del cambio, especialmente si son cambios grandes, cultural, por mucha buena tecnología que tú incorpores, yo puedo poner mi cogote en juego que te va a quedar para, por muy buena tecnología que sea, porque al integrarla en toda esta transformación, obviamente, no va a estar alineada con nada. Y eso lo ha visto hasta el día de hoy. Hasta el día de hoy. Yo creo que hay otros temas que lo sufren. En esa línea, ¿cómo los profesionales se pueden educar, capacitar, para prepararse a la evolución que representa la inteligencia artificial en el futuro? Entendemos que hoy en día quizás no estamos ahí, pero ¿cómo nos preparamos? Yo te podría dar, como respuesta, es una respuesta poco imparcial. Deciste, oye, métanse al deslomado, imagínate que yo le dirijo esa respuesta. Es una alternativa, hay mucha alternativa de capacitación, deslomado, o grado en general. Pero el tema es el siguiente, yo creo que, en base a lo que estaba diciendo, yo creo que el paso, estoy diciendo el paso previo, el cero, por decirlo así, yo creo que ahí es donde la gente tiene que ponerle todos los recursos, a estudiar el problema, a estudiar lo que hay, a establecer cuál es la línea base, qué procesos tenía, automatizar y cuáles no, o cuáles se requieren y cuáles no, y de lo que se puede automatizar, cuáles son simples, que se puede automatizar de forma convencional, más barata, más efectivo, y cuáles son más complejos, y cuando uno vea, aquí tengo una cuestión más compleja que por lo menos por lo que nosotros sabíamos en la empresa, lo que podemos hacer ahora recién, después que he hecho esta introspección, dejamos técnicas, y entretenimiento, ah ya, estoy muy especializado en algo porque necesito herramientas para eso, pero antes, sí, yo creo que siempre te puede servir, obviamente, útil. Siempre pasa que tú te capacites porque te puedes empezar. Obviamente, te da herramientas conceptuales para resolver problemas de forma que tú no lo habías pensado. De hecho, es mi efecto esperado. Pero, si no tienes claridad del problema que tú tienes ahora, siempre puedes generar más rollo después. Más enredado. Porque lo que pasa mucho ahora a mí lo dice Francisco, que también me toca evidenciarlo mucho en la empresa, que se mezcla mucho, mucho, mucho. Por eso tienes que cuidar con esto, la capacitación que hay, que es importante, que se puede hacer. bien, pues se mezclan mucho las herramientas, o sea, los instrumentos con el problema. Y yo, más del 90% de las veces cuando empiezo, yo escucho hablar de instrumentos. Y paro de escuchar, y yo hago la contrapregunta, mira, compadre, me has tenido una hora, o dos horas, escuchando, porque yo no puedo saber cuál es tu problema. No, es que la herramienta, el servicio, no, compadre, no estás hablando del instrumento. ¿Puedes decir cuál es tu problema? Es un texto, ojalá que le pueda decir que lo he visto una vez. Así que, varias, ni siquiera es casuística, varias, varias. Entonces, claro, sí. Entonces, por eso te digo que a veces te puedes jugar en contra, porque no, que tenemos que tomar tiempo por grado, porque queremos saber qué herramientas son buenas para esto, y tú te vas a llamar a un padre, invierte un poco de tiempo capacitando a tu gente. Primero, las cosas más básicas, el default, el default, ¿sabes qué es lo que tengo? ¿Qué procesos tengo? Porque además, por ejemplo, en el ámbito popular que ustedes están, porque no tenemos la minería, también los cambios de transformaciones, aunque tenga toda la capacitación, toda la tecnología, no hay que decir que Francisco diga, ya, seguí yo, para hacer toda la producción, para hacer todo el cambio, la etapa se escucha en chimbarongo. No podía ser eso. ¿Cachai? Entonces, con mayor razón, hay que tener más cuidado, haber diagnosticado y estudiado muy bien los procesos que actualmente están, para reciente, pues, segunda, tercera, cuarta, ¿cuál te anima? Recién. Ah, necesito capacitarme a ver qué cosas puedo aprender que me puedan ayudar a resolver problemas que ya algo tengo identificado. ¿Cachai? Yo recuerdo a un profesor que decía mucho, primero tenemos que entender el problema, después entendamos el asunto. ¿No te lo conoces? ¿No es por alguna vez ahí en la universidad? Sí, sí, sí. De hecho, Francisco, en más, en más, quizá uno, por nuestra malformación, como les hicieron, nosotros cuando estudiamos en la enseñanza, hay problemas complejos. ¿Qué tal detalle? Que no implica que la solución es compleja. Siempre uno está formado para eso, el cual se dice, no, el problema es complejo, compadre, la verdad, pero que no. Yo vi que es ser de área, años, años, años, cuando yo trabajaba en otra universidad, Conmigo les decía casi, oye, compadre, contrata a alguien que se maneje con macro Excel. Tú mirabas la cara en la redacción y era como si lo estuvieras grabando. No, que no puede ser. Eso es lo que es más complejo. Si compadre, te escuchamos ahora y eso es tu problema. Lo que pasa es que ustedes no lo ven porque está en el día a día, porque está ahí cerrado, o un proveedor te vendió la pomada. Entonces te trata de convencer que le complique a ellos lo que es más complejo. Las cosas a veces son simples. Son simples y pueden ser incluso más eficientes. esa etapa. Había esta acusación a nivel de curso online. Diplomado, mágico, estos temas ahora más que nunca. Pero creo que hice paso cero fundamental. Porque mucha gente no... Como que está pegado. Y además te podía ahorrar costos. Mira, mira. Lo voy a hacer al revés. Tuvimos una vez una persona que tenía un cargo gerente de área de tecnología de un banco. Y terminó nuestro bogado. Nuestro magico. y pasó algo interesante porque un momento después nos juntamos, ya había regresado, después seguía trabajando en el banco, me dijo, oye, ¿cómo está yo? No, pucha, ahora recuperamos, me dijo, recuperé, me dijo así, recuperé la inversión del Fogrado, entonces yo pensé, mi reacción fue, ah, ¿qué pasa también que las empresas te financian los Fogrados? Oye, ah, o sea, te volvieron la plata o te pagaron, no, no, no, lo que pasa es que hace rato la empresa quería invertir en esto, esto, esto, esto, necesario, no, que vamos a gastar un montón de plantas, y ahora con el conocimiento del programa, ni siquiera el conocimiento técnico, sino como la apertura de mente. En el fondo, tuve el fundamento suficiente para justificar ahora, compadre, no, eso no hay que hacerlo porque lo tenemos ya in-house. Tenemos todas estas cosas. Lo único que necesitamos es contratar a dos pericos más, nada más, pero toda esta consulta. Y eso significó un ahorro que era como, no sé, tres veces los días le había gastado en el programa. Entonces, de hecho, si me comentaba aquí un colega, después me dijo, ah, ahora ya hay justificación de por qué falta el programa. Y ni siquiera era algo técnico. O sea, sí, era una aplicación técnica, pero no en detalle, digamos, si es el gerente de tecnología, digamos, es que está programando. Y me decía, pero en detalle, la verdad, empieza solamente justificando lo que no es. Esa es la verdad. Qué interesante, porque es una técnica más maurera. Una cosa que sepa es lo que es, cuándo es, y otra cosa es que tú dices que cuándo no es justificable. Y eso requiere años de expertise a veces, como el error, tener buena fundamentación. De hecho, a mí me tocó ver eso también bastante yo cuando trabajé en proyectos de innovación para la minería. Muchas veces, gran parte de la innovación es matar los proyectos de forma temprana y no seguir gastando en cosas que de repente, como bien dices tú, hay problemas complejos que tienen soluciones simples y a veces los tratamos de sobrecomplicar. Y es más barato efectivamente matar de forma temprana. A veces el problema puede parecer complejo, hay que buscar la aproximación masiva. oye John vamos a ir resumiendo un poquito lo que hemos hablado desde la historia de la inteligencia artificial hemos delimitificado que es y que no es inteligencia artificial hemos visto como algunas de las aplicaciones que hoy concebimos en la gran mayoría del mercado como soluciones inteligentes o pasadas de inteligencia artificial en la minería la verdad les falta así que John te queremos agradecer bastante tu presencia acá gracias por educar gracias por compartir nuestra experiencia a nuestra audiencia si te gustó el episodio por favor compártelo tus redes sociales. Menciónanos para compartirlo a las nuestras también. Suscríbete a tu plataforma favorita y déjanos comentarios para saber cómo seguir mejorando. Muchas gracias y nos vemos en el próximo episodio de My Lord.
