Cuando empezamos a investigar algo, tendemos a querer más material. Leemos artículos, recopilamos cifras, buscamos opiniones de expertos y pedimos a la IA que resuma. Parece que disponer de más información debería hacer más fiable nuestro juicio. Por supuesto, si tenemos demasiado poco material, podemos pasar por alto hechos importantes. Pero un aumento de los materiales no equivale a comprender la pregunta. Incluso después de leer diez fuentes, si cada una permanece separada, todavía puede no estar claro qué necesitamos juzgar realmente.
Supongamos que investigamos una región que introdujo una nueva forma de transporte. Podemos recopilar muchas cifras: número de usuarios, coste, tiempo de viaje, impacto ambiental, seguridad y más. Pero ninguna cifra aislada determina por sí sola su significado. Aunque aumente el uso, importa si los usuarios simplemente cambiaron desde otra forma de transporte o si personas que antes no podían desplazarse obtuvieron acceso. Aunque los costes hayan bajado, la evaluación cambia si el área de servicio se redujo. Investigar requiere no solo recopilar hechos, sino examinar las relaciones entre ellos.
La IA puede reducir considerablemente el tiempo necesario para encontrar materiales y organizar su contenido. Esta es una ventaja importante para la investigación. Al mismo tiempo, cuando el resumen se vuelve más rápido, varias fuentes pueden comprimirse hacia conclusiones similares y sus diferencias pueden hacerse menos visibles. Incluso las fuentes sobre el mismo tema no pueden fusionarse sin más si difieren en la región, el período, las condiciones o los métodos de medición. La calidad de la investigación depende no solo de la capacidad de comprimir información, sino también de si podemos identificar qué diferencias afectan a la pregunta.
Observar las relaciones también cambia el significado de las pruebas contrarias. Cuando encontramos un resultado que difiere de nuestra opinión, podemos descartarlo como una excepción. Pero si preguntamos: «¿Por qué se produjo el resultado opuesto en estas condiciones?», surge una nueva pregunta. Las pruebas contrarias no se limitan a obstaculizar una conclusión; pueden mostrarnos hasta dónde se sostiene esa conclusión. Investigar no consiste únicamente en acumular información en la misma dirección. También consiste en buscar las diferencias de condiciones que hay detrás de resultados distintos.
Lo que podemos esperar aquí de la IA no es simplemente «encontrar más materiales relevantes». También puede separar las pruebas que apoyan una afirmación de las que se oponen a ella, comparar las condiciones bajo las cuales cambian los resultados y señalar relaciones que todavía no han sido confirmadas. Pero esas conexiones no se vuelven correctas automáticamente. Las personas siguen teniendo que examinar la fuente, la población, el período y el método de medición, y determinar si la información conectada por la IA realmente responde a la misma pregunta.
A medida que avanza la investigación, la pregunta original puede cambiar. Podemos empezar preguntando «¿Funciona este método?» y descubrir que la verdadera pregunta es «¿Para quién y en qué condiciones funciona?». Esto no es un fracaso de la investigación. Ver las relaciones entre los elementos de información ha revelado que la pregunta original era demasiado general. Una buena investigación no fuerza una respuesta para hacerla encajar en la primera pregunta; cuando es necesario, actualiza la propia pregunta.
Esta es también la razón por la que Sai＊aus Labo trata el conocimiento a través de relaciones. En lugar de aislar un artículo como una respuesta terminada, puede conectarse con otras preguntas, contraevidencias, condiciones y conocimientos obtenidos posteriormente. Así, cuando comienza una nueva investigación, un artículo anterior puede utilizarse no simplemente repitiéndolo, sino examinando «qué ha cambiado respecto de nuestra comprensión anterior». El valor del conocimiento no reside únicamente en estar almacenado, sino también en permanecer abierto a una reconsideración mediante la siguiente pregunta.
La investigación comienza recopilando información, pero no tiene por qué terminar ahí. Al examinar las relaciones entre hechos, entre pruebas y contraevidencias, entre resultados y condiciones, y entre preguntas pasadas y presentes, la información se acerca al conocimiento que puede apoyar el juicio. A medida que la IA acelera la recopilación, el lugar donde se necesita el pensamiento humano se desplaza desde el número de fuentes hacia el significado de las relaciones. La profundidad de la investigación cambia no solo según cuánto recopilamos, sino también según qué relaciones descubrimos.
No respuestas. Comprensión.