«Futurización en la era del Big Data y la Inteligencia Artificial»
La prospectiva como disciplina ha evolucionado significativamente desde sus inicios en la escuela francesa de los años cincuenta del siglo pasado. Los grandes pensadores que sentaron sus bases fueron Gastón Berger y Bertrand de Jouvenel, quienes desarrollaron teorías fundamentadas en el reconocimiento de futuros escenarios, también denominados «futuribles». A partir de estos, se busca elegir el escenario más útil desde el presente (Mera, 2012).
Durante el siglo XX, Michel Godet, economista francés, impulsó la consolidación de la prospectiva con la creación del LIPSOR (Laboratorio de Investigación Prospectiva y Estrategia de las Organizaciones) en el CNAM (Conservatorio Nacional de Artes y Oficios). Godet implementó la prospectiva mediante proyectos en diversas empresas e introdujo estudios y técnicas clave en esta área (Mera, 2012).
En las últimas cinco décadas, los estudios de futuro han tomado diversas denominaciones según su contexto geográfico: análisis prospectivo en Francia, investigación de futuros en Estados Unidos y enfoques más recientes en el Reino Unido y la Unión Europea. Para Berger, la prospectiva es «la ciencia que estudia el futuro para comprenderlo y poder influir en él». Por su parte, Jouvenel identificó dos formas de concebir el futuro: una como una realidad única, propia de oráculos y adivinos, y otra como una realidad múltiple, donde los escenarios posibles son los «futuribles» (Mera, 2012).
En el contexto contemporáneo, la metodología desarrollada por Open Future Lab denominada DeflyCompass, se basa en métodos mixtos cuali-cuantitativos, integrando el proceso de Design Thinking en el análisis de megatendencias, macrotendencias y macroáreas de intervención, denominadas «escenarios de innovación del diseño». Su propósito es generar propuestas de innovación impulsadas por el diseño a partir de problemáticas específicas, considerando la opinión de expertos y aplicando un procedimiento automatizado para evaluar el impacto en relación con tendencias clave (Open Future Lab).
Con el avance tecnológico, la prospectiva ha incorporado herramientas de Big Data e inteligencia artificial (IA) para mejorar la precisión y profundidad del análisis de futuros posibles. El Big Data permite la recolección y procesamiento masivo de información en tiempo real, facilitando la identificación de patrones y tendencias emergentes. Estas capacidades han revolucionado la prospectiva al proporcionar insumos más precisos y basados en datos empíricos en lugar de solo depender de la intuición y la experiencia cualitativa.
Por otro lado, la inteligencia artificial ha potenciado el análisis prospectivo mediante modelos de aprendizaje automático y algoritmos predictivos. Estas herramientas pueden simular múltiples escenarios futuros, analizar riesgos y oportunidades, y mejorar la toma de decisiones estratégicas. Además, el uso de IA en la prospectiva permite automatizar el proceso de detección de señales débiles y de correlación entre variables que, de otro modo, serían difíciles de identificar.
La combinación de Big Data e inteligencia artificial con la prospectiva ha dado lugar a enfoques más sofisticados y dinámicos, permitiendo a gobiernos, empresas y organizaciones anticipar cambios en el entorno y formular estrategias más resilientes y adaptativas. En este sentido, la prospectiva del siglo XXI no solo se basa en teorías clásicas, sino que incorpora herramientas digitales avanzadas que optimizan la capacidad de prever y modelar futuros escenarios con una mayor precisión y eficiencia.
Además de estas innovaciones, la creciente disponibilidad de datos ha permitido el desarrollo de metodologías más precisas y basadas en evidencia. En la actualidad, el análisis predictivo utiliza grandes volúmenes de información provenientes de redes sociales, sensores IoT y bases de datos gubernamentales para detectar señales emergentes de cambio. La combinación de estos datos con modelos avanzados de simulación permite generar escenarios alternativos con mayor fiabilidad.
Asimismo, la prospectiva basada en IA ha permitido superar las limitaciones de los enfoques tradicionales al eliminar sesgos subjetivos y mejorar la capacidad de modelado de sistemas complejos. Gracias a herramientas como el procesamiento del lenguaje natural (PLN) y los sistemas de análisis de datos en la nube, los expertos en prospectiva pueden analizar información en tiempo real y generar reportes automatizados sobre tendencias emergentes en múltiples sectores.
Otro aspecto clave en la evolución de la prospectiva es su aplicación en políticas públicas y planificación estratégica. Gobiernos de todo el mundo han comenzado a utilizar técnicas de modelado prospectivo basadas en IA para anticipar crisis económicas, cambios demográficos y avances tecnológicos. Estas herramientas permiten a los tomadores de decisiones diseñar políticas más efectivas y adaptadas a las necesidades futuras de la sociedad.
Finalmente, el uso de sistemas de IA y Big Data en la prospectiva también ha generado debates sobre ética y privacidad. La recolección masiva de datos y su análisis automatizado plantean desafíos en términos de transparencia y protección de la información. Es crucial desarrollar marcos regulatorios que garanticen un uso responsable de estas tecnologías, equilibrando la innovación con el respeto a los derechos individuales.
Nuestra participación se realizó el pasado 10 de junio en la Mesa 141 del eje temático Ambiente, cambio climático, transiciones y desarrollo social, organizada en la Facultad de Ciencias Económicas de la Universidad Nacional de Colombia. Bajo la moderación de Camilo Delgado-Correal, investigador del Instituto Geográfico Agustín Codazzi (IGAC) y colaborador de Open Future Lab, se abordaron visiones emergentes sobre los retos climáticos, tecnológicos y sociales desde una perspectiva latinoamericana.
Camilo no solo ejerció el rol de moderador, sino que también presentó su propia ponencia titulada “Futurización en la era del Big Data y la Inteligencia Artificial”, donde propuso una reflexión profunda sobre cómo las herramientas de análisis de datos masivos y los sistemas de inteligencia artificial pueden contribuir —o comprometer— nuestra capacidad de anticipar y construir futuros sostenibles.
