En medio del auge de los modelos de IA multimodales a gran escala y el creciente interés general en la IAG, este artículo examina los riesgos de buscar la generalización y aboga por la especialización, destacando el valor industrial de los sistemas especializados. Consta de tres puntos principales. Primero, examina las objeciones comunes a la especialización y analiza las diferencias entre el trabajo humano y los agentes no humanos (algoritmos u organizaciones humanas). Segundo, presenta cuatro argumentos a favor de la especialización, incluyendo aquellos relacionados con la robustez del aprendizaje automático, la seguridad informática, las ciencias sociales y la evolución cultural. Tercero, argumenta a favor de la necesidad de especificación, señalando que los enfoques de aprendizaje automático no han seguido el ritmo de la ingeniería de seguridad y las prácticas de verificación formal en software. Analiza nuevas prácticas de aprendizaje automático que pueden ayudar a cerrar esta brecha y justifica la necesidad de una gobernanza específica, particularmente para sistemas que son difíciles de especificar.
