¿La IA puede avanzar sin talento neurodivergente?

A principios de este año, Alex Karp, CEO de la empresa de software Palantir, afirmó que existen dos caminos hacia un futuro exitoso en la era de la IA: la formación profesional o ser neurodivergente. Como copresidente y CTO de Understood.org, una destacada organización sin fines de lucro que apoya a millones de personas neurodivergentes en EE. UU., entiendo la idea. Pero esta no lo explica todo.

Tiene sentido considerar el pensamiento divergente como una ventaja ante la preocupación real de que la IA suponga el fin de la originalidad. Cuando todo empieza a verse o sonar igual, las personas que ven y experimentan el mundo de forma diferente aportan un valor incalculable.

La investigación aún se encuentra en sus primeras etapas. Sin embargo, algunos estudios sugieren que las personas neurodivergentes podrían tener mayor probabilidad que las neurotípicas de usar y beneficiarse de herramientas de IA, como los chatbots.

Nuestro enfoque no debería centrarse en si las personas neurodivergentes progresarán gracias a la IA o a pesar de ella, sino en hasta dónde puede avanzar realmente la IA sin la participación del talento neurodivergente.

La mayor brecha de la IA es cognitiva, no técnica

La industria se centra en la velocidad: desarrollar, iterar y escalar más rápido. Pero cuando quienes construyen estos sistemas reflejan un rango limitado de cómo piensan y procesan la información los humanos, esa limitación se integra en la propia tecnología. El resultado es una IA imperfecta y exclusión a gran escala.

Las mentes neurodivergentes aportan fortalezas que el desarrollo de la IA necesita urgentemente, como el reconocimiento de patrones, el pensamiento no lineal y la tendencia a cuestionar las suposiciones. Cuando faltan estas perspectivas, se generan brechas en los productos, programas y resultados. La IA refleja tanto los datos con los que se entrena como a las personas que la desarrollan, por lo que la diversidad cognitiva en el momento de su creación es fundamental.

Los verdaderos usuarios avanzados de IA son las personas neurodivergentes

La última encuesta de Understood.org, realizada a más de 2000 adultos estadounidenses, revela que el 78% de los empleados neurodivergentes afirma utilizar herramientas de IA en el trabajo, frente al 59% de los empleados neurotípicos. Esto coincide con informes de EY que indican que los profesionales neurodivergentes tienen una probabilidad significativamente mayor que los neurotípicos de usar IA a diario.

Pero la importancia no radica solo en un mayor uso, sino en cómo se manifiesta ese uso en la práctica. Cuando alguien utiliza una herramienta con regularidad, la analiza en profundidad. Observa dónde resulta útil, dónde se queda corta o genera fricción y dónde el sistema sigue asumiendo un usuario predeterminado que no existe.

Esto es lo que convierte a los usuarios neurodivergentes en lo más parecido a verdaderos usuarios avanzados que tiene la IA hoy en día. Pueden llevar las herramientas al límite y encontrar fallos que otros nunca llegan a experimentar. Y detectan brechas superficiales entre el diseño de los sistemas y la forma en que las personas los utilizan realmente. El resultado es un ciclo de retroalimentación que la industria no puede permitirse ignorar. Por eso, integrar perspectivas neurodivergentes desde el principio da como resultado mejores sistemas.

Los equipos que piensan de forma diferente están mejor preparados para anticipar una gama más amplia de necesidades de los usuarios, reducir sesgos y diseñar herramientas que funcionen en diversos contextos del mundo real. Cuando se diseña teniendo en cuenta las necesidades de las personas con discapacidades —o mejor aún, cuando estas personas forman parte del equipo de diseño— las soluciones tienden a ser más sólidas para todos.

La IA desconoce lo que desconoce

Incluir talento neurodivergente no solo mejora el rendimiento de la IA, sino que influye directamente en cómo estos sistemas comprenden y representan a las personas. En septiembre pasado, Amy Gaeta, investigadora en ética de la IA, exploró cómo podemos construir una IA mejor y el papel que desempeñan las comunidades neurodivergentes y con discapacidad en ese proceso.

Si le pedimos a un modelo de IA que genere o describa a una persona con discapacidad, la imagen que genera es sorprendentemente consistente: una persona en silla de ruedas. No porque eso refleje la realidad, ya que la discapacidad puede referirse a un amplio espectro de diferencias, tanto visibles como no visibles. Pero los modelos de IA se basan por defecto en los datos con los que fueron entrenados. Si los conjuntos de datos carecen de diversidad o no son representativos, y quienes los gestionan no reconocen esas deficiencias, la IA aprende una definición limitada de discapacidad. Y la repite a gran escala.

Esto puede tener graves consecuencias, perpetuando estereotipos dañinos, infrarrepresentación y tergiversación de maneras que se acumulan con el tiempo. Lo que la IA está entrenada para reconocer es, en última instancia, lo que decide que existe.

Construir equipos cognitivamente diversos desde el diseño

Si la IA va a transformar nuestra forma de aprender, trabajar y comunicarnos, los equipos que la desarrollan deben reflejar una gama más amplia de pensamiento humano. No falta talento para lograrlo, ya que casi uno de cada tres adultos estadounidenses se identifica como neurodivergente.

Pero el cambio necesario no se limita a quiénes integran el equipo, sino a cómo sus perspectivas influyen en lo que se desarrolla y en las decisiones que se toman. Es fundamental considerar la diversidad cognitiva como un factor clave en el diseño de estos sistemas. Es necesario desarrollar mejores datos de entrenamiento que reflejen estas perspectivas desde el principio. Crear entornos donde las mentes neurodivergentes puedan prosperar debería ser la norma.

El futuro de la IA es neurodivergente

Hemos llegado a un punto de inflexión. La falta de conocimiento sobre la neurodiversidad ya no es el obstáculo. La acción sí lo es. Las perspectivas neurodivergentes deben sentar las bases, no añadirse posteriormente.

Si no entrenamos la IA con la amplitud de las experiencias humanas, estaremos creando sistemas peores y menos capaces, además de tergiversar la realidad de las comunidades. Por lo tanto, no se trata de representación por la representación misma. La tecnología solo funcionará bien en la medida en que refleje la diversidad de experiencias.