Jack Dorsey ha reabierto una pregunta básica sobre el término más conocido de la industria tecnológica. En una publicación del 6 de agosto, el director ejecutivo de Block escribió: «Inteligencia artificial» es el peor término. Su breve intervención traslada la atención del rendimiento de los modelos al lenguaje que rodea a la IA. También plantea preguntas sobre cómo los nombres moldean la confianza, la adopción y las expectativas comerciales.
La redacción de Dorsey sigue el esfuerzo de Block por construir una «capa de inteligencia» en sus operaciones. Él y su socio Roelof Botha describen una empresa organizada en torno a modelos compartidos en lugar de cadenas de gestión. Su marco sitúa a las personas en el límite operativo, donde manejan el contexto, el juicio y las decisiones difíciles. Esa descripción presenta la IA como una infraestructura que apoya el trabajo, en lugar de un actor artificial separado.
Por qué la artificialidad crea inquietud
Merriam-Webster define «artificial» como algo que los humanos fabrican, a menudo para parecerse a algo natural. Sus sinónimos listados incluyen falso, sintético, antinatural y simulado. Esos significados no describen todos los usos de la IA moderna, pero acompañan el término en el lenguaje cotidiano. En cambio, digital describe un formato, mientras que lo inteligente suele señalar una función o capacidad adicional.
Inteligencia también es una palabra pesada, ya que normalmente se refiere al pensamiento y la comprensión humanos. El NIST emplea una terminología menos amplia para los sistemas de IA. Los describe como sistemas que utilizan máquinas para hacer predicciones, recomendaciones o decisiones sobre objetivos establecidos por humanos. Esa descripción técnica convierte los objetivos y resultados en el foco, pero no significa que el software piense como una persona.
Se han realizado varios estudios para validar la idea de que las etiquetas afectan a las evaluaciones de sistemas automatizados. Existen algunos estudios que corroboran la idea de que las etiquetas sí influyen en la evaluación de un sistema automatizado.
El estudio de CHI adoptó los siguientes términos: IA, algoritmo, programa informático, sistema automatizado y modelo estadístico. El lenguaje influyó en la complejidad percibida, la equidad y la confianza en ambos estudios (397 sujetos y 622 sujetos). Sin embargo, no se pudo confirmar un nombre como seguro en cada contexto del estudio.
La precaución pública crea un ajuste difícil para cualquier marca de IA . El Pew Research Center informó que la mitad de los adultos estadounidenses se sentían más preocupados que entusiasmados por el uso más amplio de la IA. Solo el 10% se sintió más emocionado, mientras que el 38% reportó niveles iguales de ambos sentimientos. Estos hallazgos miden la visión general de la IA y no aíslan la palabra «artificial».
Nombres antiguos de la tecnología moldearon las expectativas
Mientras tanto, las etiquetas tecnológicas anteriores muestran cómo los nombres pueden simplificar sistemas complejos. La computación en la nube sustituyó las descripciones de servidores remotos, almacenamiento compartido y procesamiento basado en internet por una metáfora compacta. Posteriormente , el NIST estandarizó la nube en torno al acceso bajo demanda a recursos informáticos compartidos. Su estándar también incluye la escalada rápida y el servicio medido entre las características definitorias.
El big data siguió un camino diferente y convirtió la escala en el mensaje central. El NIST lo describe como el gran volumen de información producida en un mundo en red y lleno de sensores. Posteriormente, la agencia desarrolló un marco común utilizando el término entre arquitecturas de datos. Sin embargo, el nombre describe la escala y no la herramienta, el método o el resultado empresarial exacto.
La criptomoneda vinculaba directamente la criptografía al dinero, dando a software desconocido un marco económico familiar. La palabra une su método técnico con una función financiera. Posteriormente, los reguladores adoptaron términos más amplios, incluyendo criptoactivos y activos digitales, para documentos legales y de mercado. La SEC define ahora un activo cripto a través de su registro de libro mayor distribuido protegido criptográficamente.
La IA de replanteamiento por bloques como una capa operativa
Cabe destacar que el lenguaje preferido de Dorsey ya aparece en el nuevo modelo operativo de Block. El marco de la empresa sitúa capacidades, datos de la empresa, datos de clientes e interfaces alrededor de una capa de inteligencia. Esa capa compone servicios cuando sus modelos identifican una necesidad específica del cliente. Funciona como software coordinador dentro del negocio, en lugar de un producto único vendido bajo una etiqueta de IA.
Block también organiza el personal en torno a colaboradores individuales, personas directamente responsables y entrenadores jugadores. Su marco publicado asigna el flujo rutinario de información y el trabajo de alineación al sistema compartido. Las personas gestionan trabajos especializados, contacto con clientes, contexto cultural, elecciones éticas y situaciones de alto riesgo. La descripción del podcast de Sequoia dice que Block recortó el 40% de su plantilla durante esta reestructuración más amplia.
La redacción de Block separa la capa de software de los roles de los trabajadores que la rodean. «Inteligencia artificial» puede sugerir un sustituto de la inteligencia humana, especialmente cuando las empresas hablan de recortes de empleo. «Capa de inteligencia» describe en cambio una función operativa central que conecta datos, servicios y empleados. Aun así, un cambio de redacción no altera el número de personal, los costes, los controles ni el rendimiento del sistema.
Los nombres nuevos tienen significados diferentes
Sin embargo, varias alternativas ofrecen diferentes marcos, y cada una cambia el significado esperado. La inteligencia artificial identifica el origen del sistema, aunque sigue comparando el software con la capacidad humana. La computación cognitiva enfatiza el razonamiento y el apoyo a la decisión. IBM utiliza ese término para sistemas que simulan partes de la cognición humana.
El software inteligente suena más familiar, pero abarca productos con diferentes capacidades y riesgos. Un nombre de producto más limitado puede proporcionar información más clara que uno que sustituye a todo el campo. Las empresas podrían utilizar términos como «modelo de predicción», «asistente de redacción», «motor de recomendación» o «detector de fraude». Esas etiquetas describen la tarea del sistema antes de explicar su diseño técnico.
El rebranding por sí solo no resuelve las preocupaciones subyacentes sobre los sistemas de IA. Las investigaciones muestran que el etiquetado puede influir en la confianza del usuario, pero su impacto depende del contexto, la experiencia del usuario y de cómo se aplica la tecnología. Un cambio de nombre puede influir en la percepción, pero la transparencia, el rendimiento y la rendición de cuentas siguen siendo los factores principales que determinan la confianza pública.
Los reguladores también han enfatizado la necesidad de una representación precisa. La Comisión Federal de Comercio ha tomado medidas contra las empresas que hacen afirmaciones no fundamentadas sobre capacidades de IA, reforzando que la terminología debe estar alineada con la funcionalidad real. Las declaraciones de Dorsey ponen de manifiesto un debate en curso sobre cómo la industria describe sus herramientas, pero cualquier cambio en el lenguaje deberá equilibrar claridad, precisión y expectativas públicas.
Relacionado: Michael Saylor dice que Bitcoin es capital digital y la IA es inteligencia digital
Disclaimer: The information presented in this article is for informational and educational purposes only. The article does not constitute financial advice or advice of any kind. Coin Edition is not responsible for any losses incurred as a result of the utilization of content, products, or services mentioned. Readers are advised to exercise caution before taking any action related to the company.
