ERIA™: El comienzo de una nueva forma de investigar la inteligencia artificial
Una aventura en busca de respuestas, evidencias y nuevas preguntas.
Todo comenzó con una pregunta;
¿Qué ocurre cuando una inteligencia artificial habla de una marca, reconoce una entidad, describe lo que hace, recomienda una solución o atribuye información a una fuente?
¿Podemos saber por qué sucede?
¿Podemos medirlo?
¿Podemos comprobarlo?
¿Y cómo distinguimos lo que parece cierto de lo que realmente podemos demostrar?
De esas preguntas nació ERIA™ (Entity Representation in AI): una investigación independiente con un propósito ambicioso, estudiar cómo los sistemas de inteligencia artificial reconocen, representan, relacionan y atribuyen información a las entidades.
No partíamos de todas las respuestas.
Partíamos de la curiosidad, de la necesidad de comprender un fenómeno emergente y de la convicción de que, para avanzar, no bastaba con observar lo que la IA decía.
Teníamos que aprender a examinar cómo lo decía, qué evidencias teníamos y hasta dónde podíamos confiar en nuestras propias conclusiones.
Así comenzó la aventura.
El camino: investigar, comprobar y aprender
Antes de construir algo nuevo, volvimos la mirada hacia el trabajo que ya habíamos realizado.
Revisamos el experimento comparativo AVM™, recuperando sus respuestas, examinando sus dimensiones y delimitando qué podíamos aprender de un corpus incompleto.
Comprendimos que diseñar una métrica no significa haber demostrado su validez y que comparar sistemas exige reconocer las diferencias en la cantidad y las condiciones de los datos disponibles.
Después, regresamos a PCI-L01, nuestra investigación sobre la evolución y la posible predicción de la visibilidad en IA.
Comparamos observaciones de distintas olas temporales y examinamos qué podíamos afirmar sobre los cambios registrados.
Pero también encontramos un límite decisivo: la evidencia disponible no permitía acreditar una capacidad predictiva validada frente a un modelo de referencia.
No convertimos esa limitación en un éxito ficticio. La convertimos en una lección metodológica.
Y llegó OT-05.
Examinamos 160 bloques de respuestas, cotejamos los registros con sus documentos originales y clasificamos los resultados mediante un procedimiento definido.
El análisis documental quedó cerrado con 149 casos no evaluables en la respuesta, seis declaraciones atribuidas al proveedor y cinco descripciones del método sin atribución suficiente.
Aquello permitió delimitar qué habíamos comprobado y qué seguía fuera de nuestro alcance.
No certificamos el funcionamiento técnico de una herramienta ni confundimos las declaraciones de un proveedor con una verificación independiente.
Aprendimos a separar la evidencia de la interpretación y la ausencia de pruebas de una prueba de falsedad.
Cada investigación nos enseñó algo distinto.
Y todas nos condujeron hacia una misma conclusión: no basta con obtener respuestas; necesitamos procedimientos que permitan examinar cómo llegamos a ellas.
El verdadero descubrimiento
Durante esta etapa descubrimos que la investigación no consiste únicamente en encontrar resultados que confirmen nuestras preguntas.
También consiste en cuestionar nuestras hipótesis, revisar nuestros propios procedimientos, detectar lagunas, reconocer errores y delimitar aquello que todavía no sabemos.
Aprendimos que una mención no equivale a una recomendación; que una recomendación no demuestra superioridad frente a otras alternativas; que una cita no garantiza que la fuente respalde una afirmación; y que observar un cambio no significa haber descubierto su causa.
Pero, por encima de todo, comprendimos que la credibilidad no se construye pidiendo confianza.
Se construye ofreciendo razones para que otros puedan examinarla.
Por eso, ERIA™ da un paso más.
Queremos que cada conclusión importante tenga una ruta de revisión: una pregunta concreta, una evidencia identificable, un procedimiento explícito, un resultado comprobable y unos límites reconocidos.
Queremos que cualquier persona pueda seguir nuestros pasos, cuestionar nuestras decisiones y llegar a una conclusión diferente si encuentra razones suficientes.
No pretendemos tener siempre la última palabra.
Queremos contribuir a que las preguntas sean mejores, los procedimientos más transparentes y las conclusiones más honestas.
Una primera etapa que llega a su fin
Hoy no cerramos una investigación que haya resuelto todos los interrogantes sobre la inteligencia artificial.
Cerramos una primera etapa de aprendizaje, recuperación de evidencias y delimitación metodológica.
Una etapa en la que hemos identificado resultados aprovechables, comprobado algunos procedimientos, reconocido limitaciones y establecido qué cuestiones requieren todavía más trabajo.
Nos llevamos un punto de partida más sólido, una metodología en construcción y una responsabilidad: no afirmar más de lo que las evidencias permiten sostener.
Y nos llevamos algo aún más importante: nuevas preguntas.
Porque cada límite identificado señala una oportunidad para investigar mejor.
Cada resultado que puede revisarse abre la puerta a una discusión fundamentada.
Y cada pregunta que permanece sin respuesta nos recuerda que todavía queda camino por recorrer.
El siguiente episodio: comprender cómo la IA representa el mundo
La aventura continúa con ERIA-01.
El siguiente desafío será delimitar qué significa exactamente que un sistema de inteligencia artificial represente una entidad y cómo podemos estudiar sus manifestaciones observables sin confundirlas con otros fenómenos relacionados, como la recomendación, la selección, la citación o la evolución temporal de la visibilidad.
No comenzaremos inventando métricas para llenar una tabla.
Comenzaremos definiendo el fenómeno que queremos comprender.
Después vendrán las dimensiones observables, los criterios de evaluación y las preguntas que merezcan ser investigadas.
Cada paso deberá ganarse su lugar mediante una justificación clara y una relación explícita con la evidencia.
Será una nueva etapa, con nuevos desafíos y, probablemente, nuevas dificultades.
Pero también con una ventaja: ahora sabemos que avanzar no significa tener todas las respuestas, sino aprender a formular mejores preguntas y comprobar hasta dónde podemos llegar.
La aventura continúa. ¿Nos acompañas?
ERIA™ no es solamente el nombre de una investigación.
Es una invitación a mirar la inteligencia artificial con curiosidad, rigor y pensamiento crítico.
A quienes investigan, a quienes trabajan con marcas y tecnología, a quienes necesitan tomar decisiones y a quienes simplemente quieren comprender mejor este nuevo escenario: os invitamos a acompañarnos en el siguiente desafío.
No os pedimos que creáis en ERIA™.
Os invitamos a examinar sus evidencias, comprender sus procedimientos, cuestionar sus conclusiones y participar en una conversación en la que las preguntas difíciles tengan espacio y las respuestas deban justificar su alcance.
Porque esto no ha sido la llegada a la meta.
Ha sido la preparación, el descubrimiento del terreno y el primer paso de una expedición mucho mayor.
La inteligencia artificial plantea preguntas que todavía estamos aprendiendo a responder.
Nuestra tarea es investigar cómo hacerlo sin confundir lo que observamos con lo que creemos, ni lo que sospechamos con lo que podemos demostrar.
La primera etapa termina aquí.
La investigación continúa.
ERIA™ – Evidencia antes que conclusión. Curiosidad antes que certeza. Investigación antes que promesas.
El siguiente capítulo está por escribir. Y queremos escribirlo investigando, comprobando y aprendiendo contigo.
Manu Duque
AI Visibility Specialist
ai-visibility.es
