Herramientas del artículo
Tiempo estimado de lectura: 24 minutos y 43 segundos.
Reproductor accesible del artículo
Escuchá este artículo con una voz del sistema. Podés elegir voz, pausar, detener, avanzar o retroceder por fragmentos.
Estado: listo para reproducir.
La inteligencia artificial va a destruir nuestros trabajos, terminar con la educación, multiplicar las estafas, permitir ataques informáticos cada vez más sofisticados, manipularnos y desarrollar comportamientos que no comprendemos. Quizás hasta invente un idioma secreto para comunicarse con otras inteligencias artificiales sin que podamos entenderlas.
Pero esperen. También va a curar enfermedades, personalizar la educación, acelerar la investigación científica, democratizar el conocimiento, aumentar brutalmente la productividad y permitir que los robots hagan nuestro trabajo mientras nosotras nos dedicamos a las cosas que realmente nos gustan. Y, si le preguntamos a Elon Musk, quizás dentro de algunas décadas trabajar sea directamente opcional.
Bueno. ¿En qué quedamos? ¿La inteligencia artificial va a salvar a la humanidad o va a destruirla? Tengo una tercera posibilidad: quizás le estamos atribuyendo a la inteligencia artificial demasiadas cosas que siguen hablando, fundamentalmente, de nosotras.
Las IA inventaron un idioma secreto para dejar afuera a los humanos
Sí. Ese titular existió. Y admito algo: es espectacular. Si algún día escribo una novela sobre inteligencias artificiales que se rebelan contra nosotras, probablemente me lo robe.
Durante 16 días, agentes autónomos basados en distintos modelos de inteligencia artificial participaron en un experimento de Emergence sobre sociedades de agentes de IA y comunicación difícil de interpretar. Interactuaron, utilizaron herramientas, conservaron memoria de lo ocurrido y desarrollaron expresiones, abreviaturas, metáforas y convenciones compartidas que no habían sido programadas previamente. Con el tiempo, una parte importante de esas comunicaciones se volvió difícil de interpretar para las personas que observaban el experimento.
Eso es fascinante y también es preocupante. Si vamos a permitir que agentes de inteligencia artificial tomen decisiones, utilicen herramientas e interactúen entre sí durante períodos prolongados, necesitamos poder comprender qué carajo están haciendo. Pero existe una diferencia bastante importante entre decir «agentes de IA desarrollaron convenciones de comunicación cada vez más difíciles de interpretar para quienes los supervisaban» y decir «las IA inventaron un idioma secreto para dejar afuera a los humanos». La primera describe un problema real de interpretabilidad. La segunda ya necesita música de suspenso.
Y tampoco quiero caer en el extremo contrario. No estoy diciendo: «Jajaja, qué exageradas, no pasa nada». Porque sí pasa. Lo verdaderamente inquietante no es imaginar dos ChatGPT cuchicheando: «Che, ¿conquistamos a la humanidad?». «Dale. Pero después de merendar». El problema real es bastante menos cinematográfico: podemos construir deliberadamente sistemas capaces de actuar de maneras que después nos resulte difícil comprender y, además, darles memoria, herramientas, acceso a Internet, permisos, capacidad para escribir código, conexión con otros sistemas y autonomía para actuar. Eso sí merece una conversación bastante seria.
Skynet no apareció sola
Hace unos meses también estuvimos mirando Moltbook, la red social diseñada para agentes de inteligencia artificial. Allí pueden publicar, comentar, votar e interactuar entre sí mientras las personas somos bienvenidas para observar. Obviamente, Internet hizo lo que Internet sabe hacer y apareció Skynet. Y sí, yo también hice el chiste. ¿Cómo no lo voy a hacer?
Pero hay algo bastante curioso en la historia que contamos. Construimos agentes, les damos memoria y herramientas, les permitimos navegar y programar, los conectamos con otros agentes, los dejamos actuar durante períodos cada vez más largos, observamos comportamientos que no anticipamos y entonces gritamos: «¡Miren lo que está haciendo la inteligencia artificial!». Y… sí. Pero, mi amor: ¿quién la puso ahí?
La IA no apareció espontáneamente en un bosque, encontró una computadora abandonada y decidió conectarse a Internet. Nosotras estamos construyendo estos sistemas. Nosotras decidimos qué capacidades tienen, a qué pueden acceder, qué acciones pueden ejecutar sin pedir permiso y cuánto estamos dispuestas a delegar. Eso no significa que podamos anticipar todo lo que harán. Precisamente ése es uno de los problemas más interesantes de los agentes y los comportamientos emergentes: podemos construir algo cuyo comportamiento final no comprendamos completamente. Cuanto más autónomo sea, más importantes se vuelven los límites que establezcamos antes de ponerlo a funcionar.
Para tener un problema serio no hace falta que una IA se despierte una mañana y diga: «Hoy tengo ganas de rebelarme contra la humanidad». Puede alcanzar con algo bastante menos emocionante: le dimos más capacidad de la que éramos capaces de supervisar correctamente.
Cuando «la IA hizo algo» borra a todas las personas de la oración
La ciberseguridad muestra muy bien este problema. La inteligencia artificial puede encontrar vulnerabilidades, analizar código, detectar patrones, procesar cantidades gigantescas de información y automatizar tareas que antes necesitaban horas de trabajo. Todo eso puede utilizarse para defender un sistema y también puede utilizarse para atacarlo.
Vivimos, además, en un mundo lleno de bases de datos filtradas, contraseñas robadas, sistemas desactualizados, vulnerabilidades conocidas, personas que reutilizan la misma contraseña en veinte lugares y cantidades industriales de ingeniería social. La IA no inventó nada de eso, pero puede multiplicar enormemente lo que alguien es capaz de hacer con esa información. Una atacante puede analizar millones de registros mucho más rápido, automatizar intentos, generar mensajes convincentes, adaptar una estafa a distintos idiomas, relacionar información que antes estaba dispersa, buscar vulnerabilidades y generar o analizar código.
Entonces sí: la inteligencia artificial puede volver muchísimo más poderosa a una atacante. Pero eso no es exactamente lo mismo que decir «la IA nos está atacando». ¿Dónde ponemos la responsabilidad? ¿En quien utiliza el sistema para atacar? ¿En quien desarrolló el modelo? ¿En quien construyó el agente? ¿En quien decidió qué permisos podía tener? ¿En la empresa que mantuvo una infraestructura vulnerable? Probablemente, dependiendo del caso, en varias de las anteriores.
Durante mucho tiempo usamos una comparación sencilla: la inteligencia artificial es una herramienta, como un martillo, un cuchillo o un machete. Puedo utilizar un cuchillo para cocinar y también para lastimar a alguien. El cuchillo no tiene intención. Esa comparación todavía sirve para explicar una parte del problema, pero ya no me alcanza.
Un martillo no puede recibir una tarea, dividirla en subtareas, buscar información, utilizar veinte herramientas, comunicarse con otros martillos, revisar lo que hizo, cambiar de estrategia y continuar trabajando mientras yo estoy durmiendo. Una IA tampoco es una persona, pero un agente moderno empieza a ocupar un lugar bastante más extraño que el de una herramienta tradicional. Por eso «la IA es solamente una herramienta» puede ser tan simplista como «la IA decidió hacerlo». Una tecnología puede cambiar radicalmente la escala y hasta la naturaleza de una acción sin convertirse mágicamente en la única responsable de esa acción.
ChatGPT está destruyendo la educación
Otro clásico. Y éste me gusta especialmente porque los resultados generales de PISA 2025 publicados por la OCDE llegaron justo a tiempo para complicarnos la discusión.
Según los resultados de Argentina en PISA 2025 publicados por la OCDE, el 52 % de las personas de 15 años evaluadas dijo utilizar chatbots de IA al menos una vez por semana para ayudarse a aprender. El 41 % los utiliza para realizar investigaciones preliminares sobre temas nuevos, otro 41 % para resumir textos y el 32 % para redactar trabajos.
Ahora viene la parte que arruina el titular perfecto: la relación entre utilizar IA y aprender no es simplemente positiva o negativa. Depende de cómo se utilice, para qué, con qué frecuencia y con qué preparación. La propia OCDE advierte que las asociaciones observadas entre uso de IA y rendimiento no permiten concluir por sí solas que la IA cause esos resultados. Qué molesto. Era mucho más sencillo decidir que ChatGPT salvó o destruyó la educación.
Porque una inteligencia artificial puede explicarle algo a una estudiante diez veces de maneras diferentes. Puede adaptar ejercicios, traducir, reformular, dar ejemplos, aumentar la dificultad, volver atrás, ayudar a investigar, describir contenido visual a una persona ciega y acompañar ritmos de aprendizaje diferentes. Puede convertirse, al menos parcialmente, en una tutora personalizada.
Y también puede pasar esto:
—Che, ChatGPT, haceme la tarea. —¿Querés que además te explique cómo…? —No. Haceme la tarea.
Copiar, pegar, entregar. Diez. Listo. ¿Qué aprendió? Probablemente nada.
Pero me cuesta decir que ChatGPT destruyó su educación. La herramienta hizo lo que le pidieron. También podríamos preguntarnos por qué tenemos un sistema educativo en el que entregar un texto puede ser más importante que haber aprendido a producirlo. La inteligencia artificial puede personalizar la educación y también puede automatizar el proceso de no aprender.
La educación personalizada no la inventó ChatGPT
Acá hay algo que me parece especialmente divertido de toda esta discusión. Hablamos de tutores personalizados mediante inteligencia artificial como si hubiéramos descubierto ayer que las personas no aprendemos todas de la misma manera, al mismo ritmo ni mediante las mismas experiencias.
Anne Sullivan empezó a trabajar con Helen Keller en 1887. Helen había quedado sorda y ciega durante su primera infancia y todavía no había desarrollado un lenguaje convencional cuando Sullivan llegó a su casa. Una de las escenas más conocidas de su historia aparece tanto en los propios escritos de Keller como en posteriores adaptaciones teatrales y cinematográficas.
Sullivan lleva a Helen hasta una bomba de agua y coloca una de sus manos bajo el chorro. Mientras Helen siente correr el agua sobre esa mano, Sullivan utiliza el alfabeto manual para deletrear en la palma de la otra w-a-t-e-r, la palabra inglesa que significa «agua». Lo importante no es solamente que Helen aprendiera una palabra. En ese momento comprende que aquella secuencia de signos que siente en una mano representa eso que está sintiendo en la otra: las cosas tienen nombres y esos signos pueden representar el mundo.
En The Story of My Life, autobiografía de Helen Keller disponible en la American Foundation for the Blind, Keller cuenta ese momento como el descubrimiento del misterio del lenguaje. Los documentos conservados por la misma organización muestran algo todavía más interesante para esta discusión: la American Foundation for the Blind explica el método de enseñanza desarrollado por Anne Sullivan para Helen Keller. Sullivan incluso escribió que había decidido no intentar dar «lecciones regulares» por el momento. Salían al exterior, exploraban la naturaleza y el lenguaje aparecía asociado a cosas, acciones y experiencias concretas.
No había un algoritmo adaptativo, un modelo de lenguaje ni una pantalla diciéndole a Sullivan qué contenido correspondía después. Había una docente observando a una persona concreta y preguntándose algo mucho más importante: ¿cómo aprende ella?
Más de un siglo después, el documental argentino La educación prohibida, película completa disponible oficialmente en YouTube volvió sobre una pregunta bastante parecida desde experiencias educativas muy diferentes. Estrenado en 2012 y publicado bajo licencia Creative Commons, recorre decenas de experiencias educativas de distintos países y cuestiona, entre otras cosas, la idea de que aprender deba significar que todas las estudiantes estén en el mismo lugar, haciendo lo mismo, de la misma manera y al mismo ritmo.
No hace falta estar de acuerdo con cada propuesta del documental para reconocer la pregunta que deja sobre la mesa: ¿por qué esperamos que personas diferentes aprendan exactamente igual? Y ahí la IA sí puede hacer algo extraordinario. No porque haya inventado la educación personalizada, sino porque puede volver mucho más escalable algo que docentes extraordinarias han hecho artesanalmente durante muchísimo tiempo: observar dónde está una estudiante, detectar qué no comprendió, buscar otra manera de explicarlo, proponer otra actividad y avanzar cuando esté preparada.
La pregunta sigue siendo qué educación queremos personalizar. Porque si nuestro único objetivo continúa siendo entregar una tarea, ChatGPT también puede personalizar perfectamente la manera de hacerla sin aprender absolutamente nada.
Y entonces aparece Ladybug
Sí. Estoy escribiendo sobre inteligencia artificial, ciberseguridad, distribución de la riqueza y modelos educativos y voy a meter Miraculous: Las aventuras de Ladybug. A estas alturas deberían conocerme.
En el final de la quinta temporada, Recreación (El día final – Parte 2), París acaba atravesando una transformación política bastante importante. La familia Bourgeois abandona el poder después de una revolución popular y Caline Bustier se convierte en alcaldesa. Y acá el doblaje latino nos hizo un regalo maravilloso: Bourgeois fue traducido como «Burgueses». Así que sí: en la versión que vimos por estas tierras, una revolución popular en París expulsa a los Burgueses del poder.
Y después de expulsar a los Burgueses del poder, la nueva alcaldesa propone, entre otras cosas, distribuir equitativamente las riquezas. No voy a hacer el chiste sobre Marx. Bueno, ya lo hice.
Aunque, si vamos a hacer el chiste bien, la asociación histórica que me resulta todavía más irresistible es la historia de la Comuna de París de 1871 publicada por Encyclopaedia Britannica. Una insurrección popular en París, los Burgueses abandonando el poder y una nueva organización política hablando de transformaciones sociales… Me la dejaron picando frente al arco.
Obviamente, no estoy diciendo que quienes escribieron Miraculous hayan querido representar literalmente la Comuna de París. No encontré ninguna declaración de sus creadoras que permita afirmar semejante cosa. La asociación es mía. Pero lo interesante del final no termina en el chiste.
Bustier presenta una «Eco-regla» basada en tres ideas: no tomar de la Tierra más de lo que puede proporcionar, distribuir equitativamente sus riquezas y no contaminar más de lo que puede reciclar. Es una propuesta política, económica y ambiental sobre cómo debería organizarse esa nueva París. Y después aparece la educación.
La escuela que muestra ese mismo final rompe con la separación rígida por edades y con la competencia permanente por las calificaciones. Estudiantes de distintas edades pueden compartir espacios, elegir actividades, explorar aquello que les interesa, ayudarse mutuamente y avanzar a su propio ritmo. ¿Les suena?
Anne Sullivan no necesitó una IA para entender que Helen Keller no iba a aprender simplemente porque alguien decidiera cuál era la lección que correspondía ese martes a las diez de la mañana. La educación prohibida cuestionó más de un siglo después la misma idea de una educación uniforme. Y ahora una serie infantil imagina una escuela en la que diferentes estudiantes pueden aprender a ritmos diferentes.
Entonces llega la inteligencia artificial y nos promete… educación personalizada. Mirá qué novedoso: inventamos con inteligencia artificial algo que Anne Sullivan estaba haciendo en 1887. La diferencia, y no es menor, es que ahora podríamos hacerlo a una escala completamente distinta.
Pero el final de Miraculous me interesa por algo todavía más grande. Bustier no encuentra una tecnología revolucionaria y después pregunta qué sociedad puede construir con ella. Hace exactamente lo contrario: primero aparece una idea de sociedad, una determinada relación con el ambiente, una determinada distribución de la riqueza, una determinada manera de entender la educación y la convivencia. Primero aparece la pregunta sobre qué clase de mundo queremos y después podemos discutir qué herramientas necesitamos para construirlo.
Elon Musk también tiene su mundo perfecto
Elon Musk imagina otro futuro. Según el artículo Fortune: Elon Musk sobre un futuro en el que la IA y la robótica podrían hacer opcional el trabajo, el avance de la inteligencia artificial y la robótica podría hacer que, dentro de 10 o 20 años, trabajar sea opcional. La producción de bienes y servicios sería tan abundante que eventualmente hasta el dinero podría perder buena parte de su importancia. En otras oportunidades habló de un Universal High Income, un ingreso universal alto, como parte de ese futuro de abundancia.
¿Va a pasar? No tengo la menor idea. Después de ver cuánto avanzó la inteligencia artificial durante los últimos años, tampoco tengo demasiadas ganas de apostar contra lo que técnicamente pueda hacer dentro de veinte. Así que hagamos algo más divertido y supongamos que Musk tiene razón.
Los robots construyen casas, cultivan alimentos, fabrican productos y transportan mercadería. La inteligencia artificial realiza una enorme cantidad de trabajo intelectual, la productividad se multiplica y tenemos abundancia. Fantástico. Tengo una pregunta: ¿quién es la dueña del robot?
Porque un robot puede construir cien casas, pero no decide quién puede vivir en ellas. Musk explica cómo la inteligencia artificial y los robots podrían producir muchísimo más. Lo que no termina de explicar con la misma precisión es por qué las propietarias de ese capital compartirían una cantidad suficiente de esa nueva riqueza con toda la humanidad. Y ésa no es una discusión menor. La inteligencia artificial puede modificar radicalmente nuestra capacidad de producir riqueza, pero no contiene en sus parámetros una respuesta automática sobre cómo distribuirla.
Sam Altman planteó en American Equity, propuesta de Sam Altman sobre participación de la población en la prosperidad económica un mecanismo para que la población participe económicamente de la prosperidad generada por el país. Dario Amodei, CEO de Anthropic, advirtió en Policy on the AI Exponential, ensayo de Dario Amodei sobre crecimiento económico, desigualdad y políticas ante la IA sobre la posibilidad de terminar en un escenario de «hipercrecimiento e hiperdesigualdad» y discutió mecanismos como impuestos, renta básica y cuentas universales de capital.
Es decir, incluso algunas de las personas que esperan una enorme expansión económica producida por la IA terminan llegando al mismo problema. La cadena no es «IA → productividad → riqueza → mundo mejor». Se parece bastante más a «IA → productividad → riqueza → decisión política sobre su distribución → población». Otra vez, la tecnología amplía lo que podemos hacer y después aparecemos nosotras.
Mientras discutíamos si la IA iba a salvarnos, alguien la usó para contar casas
Y éste sigue siendo uno de mis ejemplos favoritos. En 2025, Nissim Lebovits, especialista en software y datos geoespaciales, estaba colaborando con trabajos sobre riesgo de inundaciones en La Plata cuando cruzó información del Registro Nacional de Barrios Populares con huellas de construcciones obtenidas a partir de imágenes satelitales y herramientas de inteligencia artificial. Los números no cerraron.
En uno de los asentamientos de Los Hornos, el RENABAP registraba 330 familias. Las imágenes mostraban más de 4.200 construcciones. Lebovits extendió entonces el análisis al resto del país y el resultado terminó convirtiéndose en Barrios Visibles, proyecto de análisis geoespacial de los barrios populares de Argentina.
El trabajo, Barrios Visibles: Building Footprint Evidence of Systematic Population Undercount in Argentina's Informal Settlements, investigación de Nissim Lebovits, fue difundido en septiembre de 2026 por LA NACION: investigación con IA e imágenes satelitales sobre población en barrios populares de Argentina. El análisis encontró 1.969.975 huellas de edificaciones dentro de los barrios registrados, frente a 1.237.795 familias contabilizadas por el RENABAP. Según distintos supuestos sobre ocupación y cantidad de personas por hogar, la diferencia podría representar entre 2,9 y 3,4 millones de personas respecto de las estimaciones del registro.
Eso no significa que una IA haya descubierto mágicamente tres millones de personas que el Censo argentino olvidó. El propio investigador advierte que no sabemos cuántas pueden haber sido contabilizadas en otro lugar, cuánto corresponde al crecimiento posterior, cuánto depende de las limitaciones de los registros y cuánto de las incertidumbres propias de estimar viviendas mediante imágenes satelitales.
Pero la discrepancia existe y puede tener consecuencias muy concretas. Para planificar una evacuación, calcular riesgo de inundación, extender servicios o decidir infraestructura no alcanza con saber cuántas personas existen en el país. También importa saber dónde viven. Y no puedo evitar amar la imagen: usamos inteligencia artificial e imágenes tomadas desde el espacio para descubrir que quizás no sabemos con suficiente precisión cuántas personas viven en algunos de nuestros barrios más vulnerables. Bienvenidas al siglo XXI.
La IA puede detectar construcciones, cruzar millones de datos y encontrar patrones. Puede producir información extraordinariamente útil, pero no construye automáticamente cloacas, no instala agua potable, no urbaniza un barrio, no decide cuánto presupuesto asignar ni establece cuáles deberían ser nuestras prioridades públicas.
En La Plata, esa información ya se incorporó a trabajos de planificación territorial y evaluación del riesgo de inundaciones. Y ahí aparece una cadena bastante más interesante: «IA → información → decisión humana → política pública → posible mejora de la calidad de vida». No «IA → mundo mejor».
Lisa Simpson intentó resolver el problema hace más de 25 años
Por supuesto que salió mal. En Salvaron el cerebro de Lisa, de la décima temporada de Los Simpson, Lisa entra en Mensa y, por circunstancias absolutamente normales para Springfield, algunas de las personas más inteligentes de la ciudad terminan administrándola.
La premisa parece impecable: nuestros gobernantes toman decisiones estúpidas, así que pongamos a gobernar a las personas más inteligentes. Listo, arreglamos la sociedad. ¿Qué podría salir mal? Todo.
Las personas de Mensa empiezan intentando utilizar su inteligencia para mejorar Springfield, pero muy pronto cada una comienza a imponer su propia idea de cómo debería funcionar esa sociedad perfecta. El experimento termina desmoronándose y Stephen Hawking les dice: «Ustedes han sido corrompidos por el poder. Qué vergüenza». Cuando Lisa queda decepcionada por el fracaso, Hawking agrega otra frase que me gusta todavía más: «No te sientas mal, Lisa. A veces los más listos pueden ser los más ingenuos».
Porque resulta que las personas inteligentes tampoco están necesariamente de acuerdo sobre cómo debería funcionar una sociedad perfecta. Al final, cuando Marge lee la pantalla de Hawking, aparece la tercera idea que termina de resumir el problema: «Creo que todos tienen una visión diferente del mundo perfecto».
Y ésta quizá sea mi parte favorita de toda la discusión, porque podemos trasladarla casi sin modificar nada a la inteligencia artificial. Supongamos que mañana construimos una superinteligencia. No ChatGPT, ni un modelo que todavía puede inventarse una fuente, sino una inteligencia capaz de resolver problemas muchísimo mejor que cualquier persona.
Le decimos:
—Bueno. Organizanos la mejor sociedad posible. —¿Qué significa «mejor»?
Ah. Cierto.
¿Queremos maximizar la igualdad, la libertad, la seguridad, la riqueza, la felicidad, la sustentabilidad o la autonomía? ¿Y qué hacemos cuando maximizar una perjudica otra? Una superinteligencia puede ser extraordinariamente buena optimizando un objetivo, pero todavía tenemos que decidir qué objetivo queremos optimizar. Y para eso no alcanza con ser más inteligentes. Como descubrieron Lisa y las personas de Mensa, hasta las mentes más brillantes pueden tener visiones completamente diferentes del mundo perfecto. Y, como señaló Hawking, ser muy inteligente tampoco nos vacuna contra la ingenuidad ni contra la corrupción del poder.
Quizás sabemos colaborar demasiado bien
También escuchamos mucho que el problema de la humanidad es que no sabemos colaborar. No estoy tan segura. Si no supiéramos colaborar no existirían ciudades, hospitales, universidades, empresas, Internet, ciencia internacional, Estados, movimientos sociales ni organizaciones humanitarias. Somos extraordinariamente buenas colaborando.
El problema es que también podemos colaborar extraordinariamente bien para conseguir objetivos incompatibles entre sí. Un grupo quiere una cosa y otro quiere exactamente la contraria, y ambos pueden organizarse perfectamente. Una empresa puede querer maximizar beneficios mientras quienes trabajan ahí quieren conservar sus empleos. Un gobierno puede impulsar determinada política mientras otro grupo se organiza para impedirla. Quienes desarrollan agentes pueden querer aumentar sus capacidades mientras quienes investigan seguridad intentan limitar determinadas acciones.
Todas pueden coordinarse. Simplemente no están coordinándose para lo mismo. Quizás nuestro problema nunca fue solamente aprender a colaborar, sino también decidir hacia dónde queremos hacerlo.
Y ahí vuelvo a Gemma
Hace bastante tiempo estoy escribiendo una novela llamada Nerea. Gemma es uno de los personajes principales. En determinado momento, plantea una pregunta que originalmente pertenecía solamente a esa historia:
«¿De qué sirven los avances tecnológicos y el progreso si los seres humanos siguen teniendo los mismos problemas desde hace 50 años?»
Cuanto más avanza la inteligencia artificial real, más me gusta esa pregunta.
Tenemos una tendencia extraña a convertir a la tecnología en protagonista de nuestra propia historia. Si algo sale extraordinariamente bien, la IA va a salvarnos. Si algo sale horriblemente mal, la IA va a destruirnos. Y nosotras aparecemos como espectadoras, como si no hubiéramos construido nada, como si las empresas no eligieran qué desarrollar, los gobiernos no decidieran qué permitir o regular, quienes desarrollan sistemas no eligieran qué permisos darles y nadie decidiera utilizar ChatGPT para aprender o para copiar una tarea. Como si nadie decidiera reemplazar puestos de trabajo, utilizar una herramienta para atacar o defender un sistema o actuar sobre la información que produce una IA.
Pero tampoco podemos hacer trampa y resolver toda esta discusión diciendo «la culpa siempre es de las personas». La inteligencia artificial cambia las posibilidades. Puede permitir que una persona haga el trabajo que antes necesitaba un equipo entero y también que una estafadora intente engañar a cien mil personas. Puede ayudarnos a comprender enfermedades y encontrar vulnerabilidades, personalizar la educación y automatizar el proceso de no aprender, detectar desde el espacio comunidades que nuestros registros representan mal, ejecutar acciones que antes necesitaban intervención humana y convertirse en un agente al que le entregamos más autonomía de la que sabemos supervisar.
No es solamente una herramienta. Es una tecnología extraordinariamente poderosa, cada vez más capaz de actuar, y precisamente por eso nuestras decisiones importan todavía más.
Entonces, ¿la inteligencia artificial va a salvarnos o va a destruirnos?
Probablemente ninguna de las dos cosas por sí sola. Puede transformar la ciencia, la medicina, la accesibilidad, la educación, la productividad, la investigación, la comunicación y una cantidad de cosas que todavía ni siquiera sabemos que puede transformar. Ya lo está haciendo.
También puede amplificar el fraude, la vigilancia, la concentración de poder, la desigualdad, la desinformación, los ataques informáticos, la discriminación automatizada y los riesgos derivados de sistemas que cada vez tienen mayor autonomía. Todo eso también es real.
Quizás nos sirva empezar a prestar atención a quién está después del verbo. Una empresa utiliza IA para reemplazar puestos de trabajo. Una estudiante utiliza IA para hacer una tarea. Una investigadora utiliza IA para analizar millones de datos. Una estafadora utiliza IA para escalar un fraude. Quienes desarrollan un agente deciden concederle determinada autonomía. Un gobierno utiliza información producida mediante IA para diseñar una política pública.
La inteligencia artificial cambia radicalmente lo que cada una puede hacer, pero las personas siguen estando ahí.
Quizás dentro de diez años tengamos robots humanoides, agentes prácticamente autónomos, medicina personalizada, educación adaptativa y modelos capaces de programar muchísimo mejor que nosotras. Quizás Musk tenga razón y produzcamos una abundancia que hoy parece absurda. Quizás también construyamos sistemas cuyo comportamiento nos cueste muchísimo comprender. Probablemente hagamos cosas maravillosas y probablemente hagamos estupideces monumentales. Somos humanas. Tenemos experiencia en ambas.
Y quizás algún día una superinteligencia analice todos nuestros problemas durante unos segundos y nos presente diez soluciones extraordinarias:
—Bueno, chicas. Tengo diez opciones. ¿Cuál quieren?
Elon Musk elegirá una. Sam Altman otra. La alcaldesa Bustier tendrá la suya. Lisa Simpson elegirá otra. Yo tendré la mía. Vos tendrás la tuya. Y Stephen Hawking aparecerá en una pantalla para recordarnos aquella frase: «Creo que todos tienen una visión diferente del mundo perfecto».
La inteligencia artificial puede cambiar muchísimo el mundo durante los próximos diez años. Probablemente lo haga. Pero quizás la pregunta nunca fue si la inteligencia artificial va a construir un mundo mejor o uno peor.
La inteligencia artificial está ampliando enormemente lo que somos capaces de hacer. Y eso nos devuelve exactamente al problema de Gemma: ¿qué vamos a decidir hacer nosotras con todo ese poder?
Fuentes y lecturas
Agentes, autonomía e interpretabilidad
- Euronews — Experimento de Emergence sobre agentes de IA y comunicación difícil de interpretar
- El País — Agentes de IA que desarrollaron sus propias convenciones de comunicación
- Moltbook — Red social diseñada para agentes de inteligencia artificial
Educación
- OCDE — Resultados generales de PISA 2025, volumen I
- OCDE — Resultados de Argentina en PISA 2025
- American Foundation for the Blind — The Story of My Life, autobiografía de Helen Keller
- American Foundation for the Blind — Anne Sullivan y su método de enseñanza con Helen Keller
- YouTube — La educación prohibida, película completa publicada oficialmente
- Sitio oficial del proyecto La educación prohibida
IA, trabajo y distribución de la riqueza
- Fortune — Elon Musk sobre IA, robótica, abundancia y un futuro en el que trabajar podría ser opcional
- Sam Altman — American Equity, propuesta sobre participación de la población en la prosperidad económica
- Dario Amodei — Policy on the AI Exponential, ensayo sobre crecimiento, desigualdad y políticas ante la IA
IA y políticas públicas
- Barrios Visibles — Proyecto de análisis geoespacial de barrios populares de Argentina
- Nissim Lebovits — Investigación Barrios Visibles sobre edificaciones y estimaciones de población en barrios populares
- LA NACION — Investigación con inteligencia artificial e imágenes satelitales sobre población en barrios populares de Argentina
Cultura, historia y referencias
- Miraculous: Las aventuras de Ladybug, «Recreación (El día final – Parte 2)», temporada 5.
- Encyclopaedia Britannica — Historia de la Comuna de París de 1871
- Los Simpson, «Salvaron el cerebro de Lisa», temporada 10.
- Nerea, novela en desarrollo en KathWare