Andrew Ng: Una voz autorizada en IA
Andrew Ng es uno de los nombres más influyentes en inteligencia artificial a nivel global. Cofundador de Coursera y Google Brain, ex científico jefe de Baidu, fundador de DeepLearning.AI y profesor en Stanford, Ng ha sido reconocido en la lista Time 100 de personas más influyentes y específicamente en Time100 AI. Su trayectoria lo posiciona como una voz autorizada para hablar sobre el futuro del campo.
En un testimonio revelador sobre el estado actual de la inteligencia artificial, Andrew Ng, pionero mundial en el campo, ha abordado directamente los temores de una generación joven que duda en ingresar a la IA por preocupaciones de que la tecnología avanzará demasiado rápido para dejarles oportunidades significativas. La respuesta de Ng surge de una correspondencia con un estudiante de 18 años que se prepara para la universidad y expresaba su preocupación de que, para cuando se gradúe, la IA sería tan avanzada que no quedaría trabajo significativo por hacer para contribuir a la humanidad.
Ng describe esta preocupación como un ejemplo de lo dañino que puede ser el *hype* excesivo alrededor de la IA. Aunque reconoce los avances extraordinarios de la tecnología y su uso diario para construir cosas que eran imposibles hace un año, simultáneamente enfatiza las limitaciones fundamentales de los sistemas actuales. "La IA es increíblemente inteligente, y estoy emocionado de usarla todos los días para construir cosas que no podría haber construido hace un año. Al mismo tiempo, la IA es increíblemente tonta", afirma Ng en su respuesta pública.
Esta perspectiva dual de Ng, reconociendo tanto el potencial transformador como las limitaciones persistentes, representa un correctivo crucial a las narrativas predominantes sobre la IA. Mientras los medios suelen enfocarse en escenarios extremos de utopía o distopía, la visión de Ng se arraiga en la realidad práctica de construir sistemas de IA que funcionen en entornos del mundo real, derivada de su experiencia liderando equipos de IA en Google, Baidu y a través de sus empresas actuales.
La paradoja de la IA actual: brillante pero limitada
Ng proporciona ejemplos concretos de las limitaciones de la IA actual que contrastan marcadamente con las representaciones mediáticas de sistemas casi omnipotentes. Señala que no confiaría en un modelo de lenguaje de vanguardia por sí solo para priorizar su calendario, llevar a cabo la selección de currículums o elegir qué pedir para el almuerzo, tareas que las empresas rutinariamente asignan a personal junior.
Estos no son ejemplos hipotéticos para Ng. Explica que uno de sus equipos ahora tiene un asistente de IA decente para selección de currículums, pero enfatiza que "el punto es que requirió mucha personalización". Esta necesidad de extensa personalización y ajuste para tareas específicas representa una de las brechas más significativas entre las capacidades generales de los modelos de IA y su aplicabilidad práctica en contextos empresariales concretos.
Limitaciones prácticas de la IA actual según Andrew Ng
Especialización excesiva: Los LLMs son mucho mejores trabajando con texto que con otras modalidades.
Ingeniería contextual: Requieren mucha ingeniería personalizada para obtener el contexto correcto para una aplicación particular.
Falta de herramientas eficientes: Tenemos pocas herramientas, y las que existen son ineficientes, para que nuestros sistemas aprendan de la retroalimentación y exposición repetida.
Problemas de adaptación: Dificultad para adaptarse a tareas específicas como la selección de currículums para un rol particular.
Inconsistencia en tareas simples: Incapacidad para manejar consistentemente tareas rutinarias que los humanos junior realizan.
El mito de la AGI inminente y sus consecuencias perniciosas
Ng identifica un aspecto particularly dañino del *hype*: "contiene un elemento de verdad, pero no en el grado del *hype*". Esta característica hace difícil para las personas no técnicas discernir dónde está realmente la verdad. Su evaluación experta es que "la IA moderna es una tecnología de propósito general que está permitiendo muchas aplicaciones, pero la IA que puede hacer cualquier tarea intelectual que un humano puede (una definición popular para AGI) todavía está a décadas de distancia o más".
Esta evaluación se basa en la experiencia directa de Ng construyendo sistemas de IA de vanguardia durante décadas. Como fundador de Google Brain, ex científico jefe de Baidu donde construyó el Grupo de Inteligencia Artificial de la compañía en un equipo de varios miles de personas, y actual líder de múltiples iniciativas empresariales en IA, Ng tiene una perspectiva única sobre la trayectoria real del progreso en IA.
Oportunidades concretas en el ecosistema actual de IA
Lejos de ser un campo que pronto quedará obsoleto, Ng ve un panorama rico de oportunidades. Señala que los modelos frontera son increíbles en su progreso, "pero no tan increíbles que podrán hacer todo bajo el sol sin mucha personalización". Esta brecha entre capacidades generales y aplicaciones específicas crea espacio para emprendedores e ingenieros.
Ng aborda específicamente a los inversionistas de capital de riesgo que "tienen miedo de invertir en startups de capa de aplicación porque están preocupados de que las empresas de modelos de IA frontera rápidamente eliminarán todos estos negocios al mejorar sus modelos". Mientras reconoce que algunos "envoltorios delgados" alrededor de LLMs sin duda serán reemplazados, también sostiene que "permanece un enorme conjunto de aplicaciones valiosas que la trayectoria actual de progreso de modelos frontera no desplazará por mucho tiempo".
El enfoque de datos de Ng: De "Big Data" a "Good Data"
En contraste con la obsesión convencional con datasets masivos, Ng ha estado abogando por un cambio hacia lo que él llama "IA centrada en los datos" (data-centric AI), la práctica de enfocarse sistemáticamente en mejorar la calidad de los datos mientras se mantienen los modelos relativamente fijos.
Este enfoque es particularmente valioso en industrias más allá del software de consumo, donde los datasets masivos pueden no estar disponibles. En la industria manufacturera, por ejemplo, Ng ha trabajado en aplicaciones donde solo se dispone de decenas o cientos de imágenes para entrenar sistemas de inspección visual, órdenes de magnitud más pequeños que los datasets típicos de internet.
La filosofía de "buenos datos" en lugar de simplemente "grandes datos" representa una área fértil para contribuciones innovadoras que no requieren los recursos de las grandes empresas tecnológicas.
El imperativo educativo: aprender a construir con IA
El mensaje de Ng al joven de 18 años, y por extensión a toda una generación, es claro: "Lo animé a trabajar duro y aprender a construir con IA". Esta recomendación se basa en la creencia fundamental de Ng de que estamos en las etapas iniciales de una transformación impulsada por IA que creará, en lugar de destruir, oportunidades para quienes posean las habilidades relevantes.
Esta perspectiva está respaldada por el trabajo educativo de Ng a través de DeepLearning.AI y Coursera, donde ha enseñado a más de 8 millones de estudiantes en todo el mundo. Recientemente ha lanzado DeepLearning.AI Pro, una membresía que proporciona acceso a todos los cursos, laboratorios, sesiones de práctica y certificados de DeepLearning.AI, reflejando su convicción de que el momento de construir con IA es ahora.
La realidad frente a la percepción: desglose de capacidades
La evaluación de Ng sobre las capacidades actuales de IA refleja un entendimiento matizado que a menudo se pierde en la cobertura mediática. Mientras que los modelos de lenguaje han mostrado capacidades impresionantes en tareas generales de procesamiento de lenguaje, su aplicabilidad a problemas específicos de negocios sigue siendo limitada sin una personalización significativa e ingeniería de contexto.
Esta desconexión explica por qué Ng ve un futuro brillante para los profesionales de IA que se centren en aplicaciones específicas más que en el desarrollo de modelos fundamentales. La capacidad de adaptar tecnologías de IA generales a contextos empresariales particulares representa una habilidad que permanecerá en alta demanda en el futuro previsible.
Implicaciones para la educación y desarrollo profesional
La perspectiva de Ng tiene implicaciones profundas para cómo deberíamos abordar la educación en IA y el desarrollo profesional. En lugar de desanimar a los jóvenes de ingresar al campo, deberíamos animarlos a desarrollar habilidades prácticas en la construcción de sistemas de IA, particularmente aquellas relacionadas con la aplicación de tecnologías generales a problemas específicos.
Ng ha estado a la vanguardia de este movimiento a través de sus iniciativas educativas. A través de DeepLearning.AI, ha lanzado numerosos cursos especializados que enseñan habilidades prácticas de IA, incluyendo cursos recientes sobre IA agéntica, ingeniería de *prompt* para ChatGPT, y el desarrollo de aplicaciones con API de LLM.
El enfoque de "misión primero" para negocios de IA
Ng recomienda que los emprendedores eviten construir negocios "centrados en la IA" (AI-first) y en su lugar se enfoquen en ser "dirigidos por la misión" o "dirigidos por el cliente". Este enfoque asegura que la tecnología sirva a necesidades genuinas del mercado en lugar de ser una solución en busca de un problema.
Al preguntar "¿Cuáles son sus mayores problemas de negocio? ¿Cuáles son las cosas que más le preocupan?" a los líderes empresariales, Ng identifica oportunidades donde la IA puede proporcionar valor tangible. Este enfoque centrado en el cliente ha guiado su trabajo en Landing AI, donde se ha enfocado en aplicaciones de IA para el sector manufacturero que resuelven problemas comerciales reales.
Para los nuevos participantes en el campo, esta filosofía sugiere que el éxito vendrá de entender profundamente los dominios problemáticos específicos y aplicar herramientas de IA apropiadas, más que simplemente seguir las últimas tendencias en modelos.
Un llamado a la acción precisa y fundamentada
El mensaje de Andrew Ng representa un correctivo crucial a las narrativas predominantes sobre la IA. Donde otros ven una tecnología que pronto volverá obsoletas las contribuciones humanas, Ng ve un campo en su infancia con décadas de oportunidades por delante. Su respuesta al joven de 18 años encapsula esta visión: no es demasiado tarde para contribuir a la IA; de hecho, es el mejor momento para unirse al campo.
La recomendación de Ng va más allá del simple optimismo. Se basa en una evaluación realista de las limitaciones técnicas actuales de la IA y la trayectoria probable del progreso futuro. Al señalar las brechas específicas entre las capacidades de los modelos actuales y lo que se requeriría para la AGI, proporciona un marco para entender dónde existen oportunidades genuinas para la innovación y contribución.
Para la siguiente generación de profesionales de IA, el consejo de Ng es claro: "Sigamos trabajando para llegar a un entendimiento preciso de lo que es realmente posible, y sigamos construyendo". Este llamado a la acción, basado en la comprensión precisa más que en la especulación exagerada, puede servir como un principio rector para quienes consideran ingresar al campo en los próximos años críticos de desarrollo de IA.
Referencias
Andrew Ng. "I recently received an email titled 'An 18-year-old's dilemma: Too late to contribute to AI?'" LinkedIn. Noviembre 2025.
DeepLearning.AI. "Letters from Andrew Ng." The Batch. Varios números. 2025.
Wikipedia. "Andrew Ng." Consultado noviembre 2025.
DeepLearning.AI. "The Batch: AI News and Insights." Varios números. 2025.
MIT Technology Review. "Andrew Ng: Forget about building an AI-first business. Start with a mission." Marzo 2021.
DeepLearning.AI. "DeepLearning.AI News." The Batch. Varios números. 2025.
ASU+GSV Summit. "Dr. Andrew Ng to Keynote ASU+GSV Summit 2025." Septiembre 2024.
