En la serie Author Spotlight, los editores de TDS hablan con miembros de nuestra comunidad sobre sus trayectorias profesionales en ciencia de datos e inteligencia artificial, sus escritos y sus fuentes de inspiración. Hoy, estamos emocionados de compartir nuestra conversación con Stephanie Kirmer.
Stephanie es una ingeniera de aprendizaje automático con casi 10 años de experiencia en ciencia de datos y aprendizaje automático. Anteriormente, fue administradora de educación superior y enseñó sociología y ciencias de la salud a estudiantes de pregrado. Escribe una publicación mensual en TDS sobre temas sociales y AI/ML, y habla en todo el país sobre temas relacionados con ML. Hablará sobre estrategias para personalizar la evaluación LLM en ODSC East en Boston en abril de 2026.
Estudiaste sociología y los fundamentos sociales y culturales de la educación. ¿Cómo ha influido su experiencia en su perspectiva sobre los impactos sociales de la IA?
Creo que mi formación académica ha dado forma a mi perspectiva sobre todo, incluida la IA. He aprendido a pensar sociológicamente a lo largo de mi carrera académica, lo que significa que observo eventos y fenómenos y me pregunto cosas como “¿cuáles son las desigualdades sociales en juego aquí?”, “¿cómo diferentes tipos de personas experimentan esto de manera diferente?” y “¿cómo influyen las instituciones y los grupos de personas en la forma en que esto sucede?”. Este es el tipo de cosas que un sociólogo quiere saber y utilizamos las respuestas para desarrollar una comprensión de lo que sucede a nuestro alrededor. Estoy construyendo una hipótesis sobre lo que está sucediendo y por qué, y luego busco seriamente evidencia para probar o refutar mi hipótesis, y ese es, esencialmente, el método sociológico.
Ha trabajado como ingeniero de ML en DataGrail durante más de dos años. ¿Cómo ha cambiado su trabajo diario con la aparición de los LLM?
De hecho, estoy escribiendo un nuevo artículo sobre esto. Creo que el progreso de los asistentes de código que utilizan LLM es realmente fascinante y está cambiando la forma en que muchas personas trabajan en ML e ingeniería de software. Utilizo estas herramientas para intercambiar ideas, para recibir críticas sobre mis enfoques a los problemas o para obtener ideas alternativas para mi enfoque y para trabajos difíciles (escribir pruebas unitarias o código repetitivo, por ejemplo). Creo que todavía hay mucho que la gente en ML puede hacer, especialmente aplicar nuestras habilidades adquiridas con la experiencia a problemas inusuales o únicos. Y todo esto no es para minimizar las desventajas y peligros de los LLM en nuestra sociedad, que son muchos.
Preguntaste si podemos “salvar la economía de la IA.” ¿Cree que la exageración de la IA creó una burbuja similar a la era de las puntocom, o la utilidad subyacente de la tecnología es lo suficientemente fuerte como para sostenerla?
Creo que es una burbuja, pero la tecnología subyacente no es realmente la culpable. La gente creó la burbuja y, como describí en ese artículo, se ha invertido una cantidad inimaginable de dinero bajo el supuesto de que la tecnología LLM producirá algún tipo de resultados que generarán ganancias proporcionales. Creo que esto es una tontería, no porque la tecnología LLM no sea útil en algunos aspectos importantes, sino porque no es útil en más de 200 mil millones de dólares. Si Silicon Valley y el mundo del capital de riesgo estuvieran dispuestos a aceptar buenos rendimientos de una inversión moderada, en lugar de exigir enormes rendimientos de una inversión gigantesca, creo que este podría ser un espacio sostenible. Pero no fue así como sucedió, y simplemente no veo una salida a esta situación que no implique el estallido de la burbuja.
Hace un año escribiste sobre “Reacción cultural contra la IA generativa.” ¿Qué pueden hacer las empresas de IA para reconstruir la confianza de un público escéptico?
Esto es difícil, porque creo que la exageración marcó el tono de la reacción. Las empresas de inteligencia artificial están haciendo promesas descabelladas porque las cifras del próximo trimestre siempre deben mostrar algo espectacular para que las ruedas sigan girando. Las personas que ven esto y sienten que les están mintiendo, naturalmente, tienen un sabor amargo por toda la empresa. Eso no va a suceder, pero si las empresas de IA se retractaran de promesas poco realistas y, en cambio, se centraran en gran medida en encontrar formas razonables y efectivas de aplicar su tecnología a los problemas reales de las personas, sería de gran ayuda. También sería útil si tuviéramos una amplia campaña de educación pública sobre qué son realmente los LLM y la “IA”, desmitificando la tecnología tanto como podamos. Pero cuanto más aprenda la gente sobre la tecnología, más realistas serán sobre lo que puede y no puede hacer, así que espero que los grandes actores en el espacio tampoco estén dispuestos a hacer eso.
Ha cubierto muchos temas diferentes en los últimos años. ¿Cómo decides sobre qué escribir a continuación?
A menudo paso el mes entre artículos pensando en cómo los LLM y la IA aparecen en mi vida, en las vidas de quienes me rodean y en las noticias, y hablo con la gente sobre lo que ven y experimentan al respecto. A veces tengo un ángulo específico que viene de la sociología (poder, raza, clase, género, instituciones, etc.) que quiero usar como marco para mirar el espacio, o a veces un evento o fenómeno específico me da una idea con la que trabajar. Tomo notas a lo largo del mes y cuando encuentro algo que realmente me interesa y quiero investigar o pensar, lo elijo para el mes siguiente y profundizo.
¿Hay algún tema sobre el que aún no hayas escrito y que te entusiasme abordar en 2026?
Honestamente, ¡no lo planeo con tanta anticipación! Cuando comencé a escribir hace unos años, escribí una gran lista de ideas y temas y la agoté por completo, por lo que en estos días estoy como máximo uno o dos meses por delante de la página. Me encantaría escuchar ideas de lectores sobre cuestiones sociales o temas que chocan con la IA y en los que les gustaría que profundizara más.
Para obtener más información sobre el trabajo de Stephanie y mantenerse actualizado con sus últimos artículos, puede seguirla en TDS o LinkedIn.
