La super I.A. Aurora-GPT creada por el Gobierno de USA será la muerte laboral de millones de ingenieros (STEM en general) y os explico el motivo

Un billón de parámetros para vaciar las oficinas técnicas​

Argonne National Laboratory (ANL) e Intel están entrenando AuroraGPT, un modelo de un billón de parámetros que aspira a reunir todo el conocimiento científico de la humanidad. El superordenador Aurora, con el medio exaflop que le aportan las GPU Ponte Vecchio, es la máquina que lo cocina. La pregunta que ha encendido el asunto no es qué sabrá hacer, sino a cuántos ingenieros dejará sin silla.

¿Qué es AuroraGPT y qué promete la IA científica?​

El proyecto es una iniciativa conjunta del Argonne National Laboratory y de Intel, y se entrena en el superordenador Aurora, que rebasa el medio exaflop de potencia. La ambición declarada es convertirlo en un «cerebro casi omnisciente» capaz de mostrar conexiones ocultas, analizar datos y responder cualquier pregunta imaginable. Quienes lo presentan no se cortan y lo describen como un semidiós científico orientado a acelerar de forma exponencial la investigación integrando todas las ramas del saber.

El salto no es solo de tamaño. Es de función: ya no se trata de que la máquina calcule más rápido, sino de que el sistema integre el criterio que hasta ahora aportaban las personas. Ahí arranca el problema laboral.

Del cálculo a mano al equipo que se queda en tres​

La tesis que sostiene buena parte del miedo tiene, según quien la plantea, un precedente. En su relato, las oficinas técnicas generaban muchos más puestos antes de que llegaran los programas de cálculo y diseño; estructuras que hoy resuelve un software se calculaban a mano con una calculadora científica. Con la implantación progresiva de la informática, un solo ingeniero producía como diez de los de antes. El paralelismo se extiende a los delineantes, cuyo trabajo se aceleró mucho con herramientas como AutoCAD.

La proyección es la siguiente: si el director de ingeniería se vuelve muy productivo dialogando con la IA, el equipo de 20 ingenieros se quedaría en 2 o 3 como mucho. Los procesos que hoy requieren sénior, júnior y becarios existen, en esta lectura, solo porque no están automatizados lo suficiente. No se discute el I+D de verdad —una estructura al estilo Calatrava o una máquina de litografía—, sino el día a día de cientos de miles de obras y de fábricas donde buena parte del trabajo es aplicar eurocódigos y normas AENOR.

La geopolítica también empuja​

Hay un segundo motor que, en esta lectura, no se suele poner sobre la mesa. En los países avanzados los nacionales ya no estudian ingeniería o lo hacen de forma minoritaria, y buena parte de la demanda se cubre importando profesionales: ingenieros de la India en Inglaterra, asiáticos en Estados Unidos, españoles en Alemania, Suiza y los países nórdicos. El argumento que circula es que son estudios con poco retorno para el esfuerzo que exigen.

En la nueva guerra fría, con la OTAN a un lado y China, Rusia y los BRICS al otro, ese trasvase de talento se vuelve sospechoso. La lectura es que el bloque occidental sería cada vez más reacio a importar cerebros que podrían acabar haciendo espionaje industrial, de modo que existiría un interés político y estratégico en dejar de depender de ellos. Y para eso la IA sería la herramienta crítica.

¿Por qué quienes depuran software no se lo creen?​

El escepticismo llega desde dentro del oficio. Los sistemas expertos y las redes neuronales se implementan desde los años ochenta, no son un invento reciente. Para estos críticos, en conducción autónoma se llevan volcando millones y millones de financiación pública y privada durante más de dos décadas sin una aplicación real en la carretera, y hay quien sostiene que puede que nunca la haya. Si ese problema es un juego de niños comparado con una IA de propósito general, las cuentas no salen.

El contraargumento técnico es que Waymo o Cruise son una versión compleja de la línea amarilla de una carretilla: mapas tridimensionales, sensores lidar y miles de horas de simulación que funcionan solo en áreas mapeadas. Un problema simplificado, no resuelto. A eso se añade, según este participante, el código que generan las máquinas: difícil de leer para un humano y, por tanto, imposible de arreglar salvo por otra IA.

¿Se ha movido algo desde el anuncio?​

El tiempo es el juez incómodo. Un año después, la respuesta más repetida es la misma: nada, en ningún sitio. Los anuncios se acumulan y el desplome anunciado no aparece. Frente a eso, uno de los defensores recuerda que el sistema está funcionando y que no es una herramienta para consultas triviales: pone el ejemplo de asistentes que revisan el vídeo de una obra y levantan un informe de riesgos laborales. La discusión derrapa y vuelve al mismo sitio: unos ven cálculo numérico, otros ven gente escribiendo código, y nadie encuentra el desplome prometido.

El análisis se atasca justo ahí. La máquina calcula, el modelo se entrena y el titular sigue intacto, pero el número de ingenieros que pierden la silla por su culpa continúa sin verificarse. Con eso hay que quedarse.