La IA ha transformado las industrias en todo el mundo, y el sector de la construcci贸n no es una excepci贸n. Desde la optimizaci贸n de la log铆stica hasta la mejora de los controles de cumplimiento, la IA est谩 dando forma al entorno construido de maneras que antes eran inimaginables.

Karoliina Torttila, directora de IA de Trimble (Foto: Trimble)

Por ejemplo, las herramientas de dise帽o basadas en IA pueden automatizar los flujos de trabajo, acelerando los plazos de los proyectos y reduciendo los errores. Los sistemas de mantenimiento predictivo aprovechan la IA para identificar posibles fallos en los equipos antes de que se produzcan, lo que garantiza la seguridad de los trabajadores y minimiza el tiempo de inactividad. Adem谩s, la IA est谩 transformando la gesti贸n de recursos, ayudando a las empresas de construcci贸n a asignar materiales de forma m谩s eficiente y sostenible.

Sin embargo, estos avances traen consigo desaf铆os, en particular en lo que respecta a los sesgos. Para analizar este tema, Construction Europe habl贸 con Karoliina Torttila, directora de IA en Trimble. Con su amplia experiencia en el desarrollo de IA, Torttila ofrece informaci贸n sobre las causas de los sesgos, sus implicaciones para la industria y las posibles soluciones.

Comprender el sesgo en la IA

鈥淓l sesgo es un concepto esencial en el desarrollo de la IA鈥�, comienza Torttila. 鈥淪i bien los debates sociales a menudo presentan el sesgo de forma negativa, en la IA, cierto nivel de sesgo inductivo es necesario para que los modelos de aprendizaje autom谩tico funcionen鈥�. Explica que el sesgo inductivo permite a los modelos de IA hacer suposiciones basadas en datos de entrenamiento, lo que les permite centrarse en escenarios plausibles en lugar de verse abrumados por infinitas posibilidades.

Sin embargo, el problema surge con sesgos perjudiciales derivados de datos de entrenamiento incompletos o sesgados. 鈥淭omemos como ejemplo la cartograf铆a geoespacial鈥�, dice. 鈥淪i los datos de entrenamiento carecen de representaci贸n de 谩reas remotas o de ciertos continentes, los modelos de IA pueden producir mapas de menor calidad, lo que conduce a una planificaci贸n inadecuada de la infraestructura o a una asignaci贸n incorrecta de los recursos鈥�.

Tambi茅n se帽ala los algoritmos de cumplimiento como otro ejemplo. Si se los entrena con datos de una sola jurisdicci贸n, estos modelos podr铆an se帽alar o pasar por alto incorrectamente problemas debido a discrepancias regulatorias regionales, advierte.

Sesgo en los modelos ling眉铆sticos

Torttila analiza los matices del sesgo en los grandes modelos de lenguaje (LLM), que se utilizan cada vez m谩s en todas las industrias. 鈥淓l sesgo puede aparecer en m煤ltiples etapas del desarrollo, desde la fase de preentrenamiento, donde los modelos aprenden patrones de lenguaje, hasta la fase de ajuste, donde la intervenci贸n humana introduce preferencias subjetivas鈥�.

Por ejemplo, la tarea humana de clasificar los resultados de los modelos en funci贸n de su calidad introduce sesgos de manera inherente. 鈥淚ncluso las pautas estrictas para los anotadores se basan en la interpretaci贸n de alguien鈥�, se帽ala. Torttila tambi茅n destaca los desaf铆os en la alineaci贸n de seguridad, donde los esfuerzos por prevenir resultados da帽inos a veces pueden sobrecorregir. Ha habido ejemplos de modelos de generaci贸n de im谩genes que produjeron resultados inesperados debido a estas correcciones.

El contexto de la industria

En el sector de la construcci贸n, las implicaciones del sesgo pueden ser significativas. Las aplicaciones de inteligencia artificial de Trimble suelen incluir datos sobre activos del entorno construido, como edificios y puentes, en lugar de informaci贸n personal. Esta distinci贸n no elimina el sesgo, pero cambia su naturaleza. 鈥淟os datos inadecuados sobre materiales m谩s nuevos o regiones subrepresentadas pueden dar lugar a errores que afecten a proyectos enteros鈥�, explica Torttila.

Enfatiza que la industria debe abordar los prejuicios con una mentalidad constructiva. 鈥淏uscar prejuicios y castigar los errores no fomenta la mejora鈥�, afirma. En cambio, fomentar la colaboraci贸n entre las partes interesadas puede impulsar el progreso.

鈥淯n avance positivo en el sector de la construcci贸n, tanto en Europa como en el resto del mundo, es el creciente n煤mero de consorcios que re煤nen a diferentes partes. Esto refleja una comprensi贸n compartida de que los desaf铆os a los que nos enfrentamos son demasiado grandes para que una sola entidad los aborde por s铆 sola鈥�.

Cuando se le pregunta por las soluciones, Torttila es clara: la calidad y la transparencia de los datos son fundamentales. 鈥淚ncluir conjuntos de datos diversos y de alta calidad es una parte importante de la mitigaci贸n del sesgo鈥�, afirma. Tambi茅n subraya la importancia de construir sistemas en torno a modelos de IA que incluyan salvaguardas como la supervisi贸n humana o controles secundarios de IA.

En su opini贸n, la regulaci贸n es otro 谩mbito que desempe帽ar谩 un papel fundamental. 鈥淟a Ley Europea de Inteligencia Artificial es un paso importante, pero es fundamental lograr el equilibrio adecuado鈥�, aconseja.

La regulaci贸n excesiva podr铆a sofocar la innovaci贸n, limitando el desarrollo de la IA a las empresas m谩s grandes y mejor financiadas. 鈥淪olo empresas como Microsoft, Google, OpenAI y algunas otras que desarrollan esta tecnolog铆a ser谩n capaces de gestionarla. Las empresas emergentes m谩s peque帽as, las organizaciones sin fines de lucro o incluso las universidades podr铆an no poder hacerlo debido a la gran carga regulatoria.

"Creo que existe el riesgo de obstaculizar el progreso si la regulaci贸n no se aborda de forma reflexiva. Por eso, legislar y regular en el nivel adecuado, cualquiera que sea ese nivel, debe ser el punto de partida", afirma.

La din谩mica hombre-m谩quina

Torttila destaca la importancia de la interacci贸n entre humanos y m谩quinas para mitigar los sesgos. La IA no opera de forma aislada. La mayor铆a de las industrias, incluida la construcci贸n, a煤n no han llegado a un punto en el que se sientan c贸modas con sistemas totalmente aut贸nomos que tomen decisiones. La supervisi贸n humana sigue siendo esencial, ya sea como punto de control final o como parte de un ciclo de retroalimentaci贸n m谩s amplio.

Tambi茅n aborda la rendici贸n de cuentas, un tema pol茅mico en la 茅tica de la IA. 鈥淟a responsabilidad es compartida entre los desarrolladores, los usuarios y la sociedad en general鈥�, sostiene. La transparencia y el establecimiento de expectativas realistas son vitales. 鈥淟a perfecci贸n es inalcanzable, pero vamos a empezar desde alg煤n lugar, aportar valor y luego, con suerte, vamos a mejorar las cosas colectivamente鈥�.

Las ideas de Torttila revelan tanto los desaf铆os como las oportunidades de abordar los sesgos en la IA dentro de la industria de la construcci贸n. A medida que la IA se integra cada vez m谩s en el entorno construido, ser谩 fundamental adoptar enfoques reflexivos sobre los datos, la regulaci贸n y la interacci贸n entre humanos y m谩quinas. Si bien el camino por delante es complejo, fomentar la colaboraci贸n y mantener una mentalidad constructiva puede garantizar que la IA siga brindando beneficios transformadores a la sociedad y a la construcci贸n.