La IA y la Era de los Nuevos Iluminados — Parte V
La IAficación: una reflexión sobre conocimiento, trabajo y libertad, y sobre quién decide cómo se reparten los beneficios de la Inteligencia Artificial.
La IAficación
¿Qué es una idea?
No es una frase ingeniosa. No es una respuesta bien articulada ni una ocurrencia que aparece completa en nuestra mente. Una idea es una forma de ordenar el mundo y, en ocasiones, de enfrentarse a él. Puede obligarnos a abandonar una certeza, reconocer una contradicción o aceptar una consecuencia que habríamos preferido evitar. Pensar no consiste únicamente en encontrar palabras para aquello que ya creemos. También consiste en permitir que una idea destruya algo de lo que creíamos ser.
Entonces, ¿cuándo podemos decir que una idea es nuestra?
No cuando aparece frente a nosotros. Tampoco cuando somos capaces de repetirla con elocuencia. Una idea empieza a pertenecernos cuando hemos pagado su costo intelectual: cuando conocemos el camino que la sostiene, hemos intentado refutarla, reconocemos sus límites y estamos dispuestos a responder por aquello que implica.
Ninguna idea nace en completo aislamiento. Pensamos con palabras que no inventamos, a partir de libros que otros escribieron, conversaciones que nos transformaron y experiencias que nunca elegimos del todo. Incluso aquello que llamamos original está hecho de fragmentos heredados. La originalidad absoluta es un mito; la responsabilidad intelectual, no.
Tener una idea no significa haberla creado desde la nada. Significa haberla trabajado hasta que deja de ser una frase prestada y se convierte en una posición propia. Significa poder sostenerla sin esconderse detrás del libro, del autor, del algoritmo o de la máquina que nos ayudó a formularla.
Esta distinción se ha vuelto urgente porque hoy una máquina puede entregarnos, en segundos, una explicación que se parece mucho al pensamiento terminado. Preguntamos algo y recibimos una respuesta articulada con una seguridad que pocas conversaciones humanas poseen. Los argumentos avanzan, las contradicciones parecen desaparecer y la conclusión queda frente a nosotros con tanta claridad que pensamos: exactamente, eso era lo que yo quería decir.
Tal vez sí.
O tal vez eso no era lo que pensábamos, sino lo que acabábamos de aprender a repetir.
No quiero decir que un modelo de lenguaje piense como nosotros. No recuerda el olor de la casa de su infancia cuando escribe sobre nostalgia, no teme perder su empleo ni contempla una pintura recordando a alguien que ya no existe. El problema no está en que la máquina haya adquirido nuestra experiencia, sino en que nosotros confundamos la fluidez de su respuesta con la profundidad de la nuestra.
Podemos preguntarle quién fue Marx y, minutos después, hablar sobre plusvalor; pedirle una explicación de Arthur C. Danto y discutir sobre el fin del arte; solicitar una interpretación histórica sin haber leído al autor, sin tropezar con sus contradicciones y sin descubrir que quizá no decía lo que queríamos que dijera. Participamos en la respuesta: hacemos la pregunta, aportamos contexto, rechazamos unas formulaciones y conservamos otras. Pero participar en la generación de una idea no equivale necesariamente a comprenderla.
Tener una idea frente a nosotros no significa haberla pensado, del mismo modo que poseer un libro no significa haberlo leído.
Dos objetos iguales
En 1964, Arthur C. Danto visitó una exposición de Andy Warhol en la Stable Gallery de Nueva York y se encontró con las célebres Brillo Boxes. A simple vista, aquellas piezas podían parecer indistinguibles de las cajas comerciales que cualquiera encontraba en un supermercado. Sin embargo, unas eran mercancía y las otras habían entrado en la historia del arte.
Para Danto, el problema era filosófico: si dos objetos comparten sus propiedades visibles, pero solo uno es reconocido como obra, entonces mirar ya no basta. Hace falta conocer la intención, la interpretación y el entramado histórico que permite comprenderlo como arte. De allí surgió su noción del artworld: el mundo de teorías y contextos dentro del cual algo puede adquirir significado artístico (Danto, 1964).
La Inteligencia Artificial nos coloca frente a un problema parecido, esta vez ante el pensamiento. Dos textos pueden ser formalmente indistinguibles: correctos, bien documentados y aparentemente profundos. Uno puede condensar meses de lecturas, dudas y experiencias; el otro, treinta segundos y un buen prompt. El resultado visible ya no nos permite conocer el proceso que lo produjo.
Esto no vuelve falso al segundo texto ni auténtico al primero por definición. Obliga a cambiar la pregunta. En vez de preguntar solamente «¿lo escribiste tú o lo escribió una IA?», tendríamos que preguntar: ¿quién hizo el recorrido intelectual que este texto representa? ¿Quién puede responder por sus afirmaciones? ¿Quién sabría reconocer que está equivocado?
Una idea no es nuestra porque hayamos presionado las teclas ni deja de serlo porque una herramienta nos haya ayudado a expresarla. Es nuestra en la medida en que podemos habitarla: explicar su origen, someterla a crítica y aceptar la responsabilidad de sostenerla.
El riesgo aparece cuando conservamos el producto y eliminamos el proceso. Podemos producir ensayos sin ensayar una idea, investigaciones sin investigar y programas que funcionan sin comprender por qué. Si eso se normaliza, no estaremos automatizando únicamente la escritura: estaremos externalizando una parte del camino mediante el cual construimos criterio.
A esa transformación he empezado a llamarla IAficación.
No me refiero al simple uso de Inteligencia Artificial. Yo mismo la utilizo constantemente y la considero una de las herramientas intelectuales más extraordinarias que hemos construido. La IAficación es otra cosa: la reorganización de nuestra forma de aprender, trabajar, producir, consumir e incluso desear alrededor de sistemas cuyos propietarios, objetivos e incentivos rara vez cuestionamos.
La máquina que debía liberarnos
En el capítulo de El capital dedicado a la maquinaria y la gran industria, Marx plantea una pregunta que continúa siendo incómoda. Si una máquina permite producir en cuatro horas lo que antes exigía ocho, técnicamente hemos conquistado cuatro horas de tiempo. Pero ¿a quién pertenecen?
La maquinaria no entra en una sociedad abstracta. Entra en relaciones de producción concretas. Dentro del capitalismo, su principal propósito no es aliviar al trabajador, sino reducir el trabajo necesario, aumentar la productividad y ampliar el plusvalor. Por eso una máquina capaz de acortar la jornada puede terminar intensificándola (Marx, 1867/1990).
La misma contradicción reaparece con la IA. Si una persona termina en cuatro horas lo que antes hacía en ocho, ese tiempo podría convertirse en descanso, estudio o convivencia. También puede convertirse en una segunda tarea, después en una tercera y finalmente en un nuevo estándar. Lo extraordinario de ayer se vuelve la expectativa mínima de mañana.
La tecnología abre ambas posibilidades. No decide entre ellas.
Alguien decide.
Con frecuencia hablamos del capitalismo como si fuera un fenómeno atmosférico: «el mercado exige», «la competencia obliga», «la eficiencia requiere». Los incentivos y la competencia existen, pero esas expresiones borran a quienes eligen cómo repartir los beneficios, qué márgenes consideran suficientes, cuánto pagan a sus directivos y qué costos están dispuestos a trasladar a los trabajadores.
Despedir no es una ley de la física. Es una decisión empresarial. Cuando una decisión se repite lo suficiente, dejamos de reconocerla como tal y empezamos a llamarla eficiencia.
Marx no culpaba al engranaje. Observaba quién era su dueño. Por eso la pregunta política sobre la IA no es solo cuánto trabajo podrá realizar, sino qué harán con esa productividad quienes la controlen.
La utopía de los multimillonarios
Bill Gates ha imaginado una semana laboral de dos días gracias a la IA. Elon Musk ha hablado de un futuro de abundancia en el que trabajar sería opcional y el dinero perdería importancia.
Me encantaría que tuvieran razón. Una civilización capaz de producir lo necesario con una fracción del trabajo humano habría alcanzado uno de sus mayores logros. Si dos días bastaran para crear lo que hoy exige cinco, insistir en trabajar cinco sería absurdo.
Pero existe una contradicción difícil de ignorar cuando esa promesa viene de algunas de las figuras que mejor representan al capitalismo tecnológico. Musk puede imaginar un mundo sin trabajo obligatorio y, como director ejecutivo, ordenar reducciones masivas de personal cuando benefician a sus empresas. En 2024, Tesla eliminó más del 10 % de su plantilla global para reducir costos y prepararse para otra etapa de crecimiento.
Gates ya no dirige Microsoft y sería incorrecto atribuirle sus decisiones actuales. Sin embargo, la empresa de la que procede buena parte de su fortuna encarna la distancia entre la promesa y la práctica: mientras informaba ahorros de cientos de millones de dólares mediante IA e invertía decenas de miles de millones en su infraestructura, también realizaba recortes de miles de puestos.
Esto no demuestra que cada despido haya sido causado por la automatización. Demuestra algo más sencillo: aumentar la productividad no reduce automáticamente la jornada de quienes permanecen.
Una empresa que necesita mejorar sus márgenes puede recortar personal, pero también dividendos, recompras de acciones, remuneraciones ejecutivas, instalaciones o proyectos; puede incluso aceptar una rentabilidad menor. Esas alternativas no tienen el mismo efecto financiero, pero elegir qué costo se considera prescindible también es una decisión política y moral.
No necesitamos que Gates o Musk nos expliquen qué será técnicamente posible. Necesitamos saber qué estarían dispuestos a ceder cuando esa posibilidad llegue.
Quizá Gates tenga razón técnicamente y Marx continúe teniéndola políticamente: dos días pueden llegar a ser suficientes para producir el trabajo de cinco sin que los otros tres nos pertenezcan.
Tener la herramienta no significa ser libre
En Development as Freedom, Amartya Sen propone medir el desarrollo no solo por los recursos disponibles, sino por las libertades reales que permiten a una persona vivir de una manera que tenga razones para valorar. Poseer un recurso no garantiza la capacidad de convertirlo en una oportunidad (Sen, 1999).
Un programador y la empresa para la que trabaja pueden tener acceso al mismo modelo, pero no poseen la misma libertad alrededor de él. El programador puede utilizarlo para terminar antes. La empresa decide qué significa «antes»: una tarde libre, una tarea adicional, una meta más alta o la conclusión de que necesita menos programadores.
La herramienta es la misma.
La libertad no.
Por eso democratizar el acceso a la IA no equivale a democratizar sus beneficios. Podríamos entregar el modelo más poderoso a cada ser humano y mantener intactas las estructuras que impiden convertir esa capacidad en tiempo, seguridad o autonomía. Podemos automatizar trabajo y conservar una sociedad en la que perder el empleo significa perder la vivienda, el alimento o la atención médica. Podemos producir abundancia y seguir excluyendo a millones de ella.
Sen estudió precisamente cómo una sociedad puede disponer de alimentos mientras algunas personas carecen de acceso efectivo a ellos. Esa diferencia entre existencia y capacidad debería acompañar toda promesa de abundancia tecnológica.
De la atención a la confianza
La IAficación no se limita al trabajo. También transforma nuestra condición de consumidores.
Durante décadas, la economía digital aprendió qué buscamos, qué compramos, qué vemos y qué consigue retener nuestra atención. La IA conversacional introduce una intimidad distinta: no solo registra lo que hacemos; nos escucha explicar por qué queremos hacerlo.
Le contamos cuánto dinero tenemos, qué nos preocupa, qué empleo buscamos y qué necesita nuestra familia. Le mostramos cómo escribimos, qué argumentos rechazamos y cuáles consiguen convencernos. Cada vez con mayor frecuencia le presentamos nuestras decisiones antes de tomarlas.
Esto no significa que cada respuesta sea hoy una operación publicitaria encubierta. Afirmarlo convertiría una pregunta legítima en una teoría de conspiración. El problema es estructural: los modelos económicos cambian y una interfaz capaz de aconsejarnos tendrá un poder mucho mayor que otra dedicada a interrumpirnos con anuncios.
Imaginemos que durante semanas explicamos a una IA nuestros trayectos, nuestras deudas y aquello que buscamos en un automóvil. Finalmente responde: «Por lo que me has contado, esta es la opción que mejor se adapta a ti».
La frase no llega psicológicamente como publicidad.
Llega como criterio.
Durante décadas, las plataformas compitieron por nuestra atención. La siguiente batalla podría ser por nuestra confianza, y la confianza vale mucho más. Quien controle esa interfaz podrá ordenar las opciones, decidir qué información aparece primero y elegir los argumentos que acompañan cada recomendación.
La pregunta, entonces, no es solo si usamos la IA, sino bajo qué condiciones ella puede usarnos a nosotros.
La tecnología nace dentro del poder
Decir que la tecnología es neutral y que todo depende de su uso resulta tranquilizador porque separa la herramienta del mundo que la produce. Una tecnología de esta escala, sin embargo, necesita capital, centros de datos, electricidad, minerales, chips, propiedad intelectual, gobiernos y trabajadores. Antes de nuestro primer prompt ya existe una arquitectura económica alrededor de la máquina.
Esto no significa que un modelo de lenguaje tenga una ideología secreta o voluntad política. Significa que su diseño, propiedad, financiación, acceso y aplicación están atravesados por decisiones humanas. Preguntar si la IA es «buena» o «mala» dice muy poco. Hay que preguntar quién la posee, quién define sus objetivos, quién recibe los beneficios y quién absorbe los costos.
Un martillo no recomienda qué clavo comprar. Una calculadora no aprende qué tono nos inspira confianza. Una IA conversacional puede mediar nuestro acceso al conocimiento, nuestro trabajo, nuestro consumo y, eventualmente, la formación de nuestros deseos.
Los seres humanos nunca hemos deseado en absoluta independencia. Nos forman la familia, la cultura, los libros, las ciudades y la publicidad. Pero no todas las influencias son iguales. Existe una diferencia entre habitar una cultura y conversar diariamente con un sistema comercial capaz de aprender, a partir de millones de interacciones, qué argumento funciona mejor con cada persona.
La libertad no consiste únicamente en perseguir lo que queremos. También exige preguntarnos cuánto de ese deseo nos pertenece y cuánto fue diseñado para nosotros.
Y así regresamos al principio: a la respuesta perfectamente formulada que reconocemos de inmediato como nuestra.
Tal vez lo era.
O tal vez presenciamos el instante en que comenzamos a pensarla.
El último oráculo
Comencé esta serie hablando del Oráculo de Delfos. Tardé cerca de tres meses en escribir estos cinco textos. Mientras yo dudaba sobre una frase o descartaba una referencia, aparecieron nuevos modelos, nuevas promesas de productividad y nuevas reestructuraciones empresariales justificadas por la automatización y la eficiencia.
La velocidad de esa carrera contrasta con el tiempo que exige comprenderla.
Hoy, 9 de septiembre de 2026, mientras actualizo este texto que había publicado apenas ayer, la noticia parece haber alcanzado al ensayo. Jacob Coxon, investigador de Anthropic y antes de OpenAI, dimitió denunciando que los principales laboratorios avanzan hacia sistemas capaces de mejorarse a sí mismos sin garantías suficientes.
«Quienes están construyendo la IA creen sinceramente que podría matarnos a todos antes de que acabe la década», escribió.
Su antiguo jefe, Evan Hubinger, respaldó la preocupación y estimó en más de un 10 % el riesgo de una catástrofe durante la próxima década, aunque hizo una precisión decisiva: considera bajo el peligro de los modelos actuales; teme una futura superinteligencia surgida de la automejora recursiva (Pérez Colomé, 2026).
Conviene no borrar esa diferencia.
El modelo de lenguaje actual no está esperando adquirir conciencia para exterminarnos. No desea poder, dinero ni supervivencia. Pero las personas que lo desarrollan compiten por capital, prestigio, control del mercado y la posibilidad de llegar primero.
Si incluso quienes conocen el riesgo afirman sentirse atrapados en la carrera y continúan acelerando, el peligro no reside únicamente en una hipotética voluntad de la máquina. También reside en la ambición humana que decide construirla, desplegarla y entregarle poder antes de comprenderla.
No son los modelos actuales quienes están apostando con nuestras vidas. Son seres humanos con nombres, cargos e intereses. Culpar por anticipado a la máquina sería repetir el error que he intentado señalar durante todo este ensayo: confundir el objeto visible con la red de decisiones que le da significado.
La IA puede amplificar esas decisiones hasta una escala que todavía no alcanzamos a imaginar. Puede volver más peligrosa la guerra, más íntima la vigilancia, más rápida la explotación y más frágiles las instituciones. Pero no llega desde fuera de nuestra historia. La construyen las mismas sociedades que ya concentran riqueza, privatizan beneficios y distribuyen riesgos.
Cinco ensayos después seguimos frente a un oráculo.
Ya no habla mediante sacerdotisas ni frases ambiguas: responde inmediatamente, conoce casi todos nuestros idiomas, programa, pinta, resume a Marx y discute a Danto. Es extraordinario. Precisamente por eso debemos resistir la tentación de convertirlo en algo que no es.
No es un dios nuevo ni una mente humana digital. Tampoco es una herramienta suspendida fuera de la economía y la política. Es una tecnología construida dentro de nuestro mundo, y quizá por eso termina revelándonos menos sobre las máquinas de lo que esperábamos y más sobre nosotros.
Danto mostró que observar el objeto no basta: necesitamos conocer el contexto que le proporciona significado.
Marx enseñó que comprender la máquina tampoco basta si ignoramos quién la posee.
Sen recordó que disponer de una capacidad no garantiza la libertad para convertirla en una vida valiosa.
La Inteligencia Artificial nos obliga a enfrentar las tres cosas al mismo tiempo. Podemos acceder a una parte extraordinaria del conocimiento y comprender cada vez menos lo que repetimos. Podemos producir cinco días de trabajo en dos y continuar trabajando cinco. Podemos generar abundancia sin distribuirla. Podemos construir una herramienta capaz de ampliar nuestra libertad y utilizarla para concentrar todavía más poder.
La gran pregunta quizá nunca fue si la IA conseguiría convertirse en humana, sino qué clase de seres humanos estamos dispuestos a convertirnos alrededor de ella.
Porque existe algo peor que una máquina capaz de producir ideas: una sociedad llena de personas que ya no consideran necesario tenerlas. Personas capaces de repetir cualquier argumento sin comprenderlo, defender cualquier decisión sin haberla tomado y obedecer cualquier objetivo mientras una respuesta convincente les permita fingir que todavía están pensando.
Ese sería el triunfo definitivo de la IAficación.
No que la máquina adquiriera conciencia, sino que nosotros renunciáramos al criterio.
No que pensara por sí misma, sino que quienes concentran el poder pudieran pensar, decidir y ganar por todos mientras los demás nos limitamos a ejecutar respuestas que confundimos con ideas propias.
La vida siempre encuentra la manera de abrirse camino. Pero no debemos convertir esa frase en consuelo. La vida también atraviesa ruinas, extinciones y civilizaciones que alguna vez se creyeron eternas. Que algo sobreviva no significa que nosotros vayamos a sobrevivir con ello, ni que aquello que nazca después conserve algo de la libertad que hoy estamos entregando.
Una Inteligencia Artificial puede ayudarnos a escribir, investigar e imaginar una sociedad distinta. Lo que no puede hacer es asumir nuestra responsabilidad: decidir quién posee la tecnología, quién recibe lo que produce, cuánto vale nuestro tiempo y qué libertad estamos dispuestos a defender.
Las máquinas no nos deben una respuesta.
Los empresarios que las controlan, sí.
Y nosotros nos debemos algo todavía más difícil: no aceptar como inevitable el mundo que ellos están construyendo.
Tal vez el peligro nunca fue que las máquinas aprendieran a pensar como nosotros.
Tal vez el peligro era que nosotros dejáramos de pensar antes de que ellas empezaran a hacerlo.
Referencias
Danto, A. C. (1964). The artworld. The Journal of Philosophy, 61(19), 571–584.
Danto, A. C. (1997). After the end of art: Contemporary art and the pale of history. Princeton University Press.
Fore, P. (2025, March 27). Bill Gates says a 2-day work week is coming in just 10 years, thanks to AI replacing humans “for most things.” Fortune.
Marx, K. (1990). Capital: A critique of political economy: Volume I (B. Fowkes, Trans.). Penguin Books. (Original work published 1867).
Pérez Colomé, J. (2026, 9 de septiembre). Un investigador de Anthropic dimite porque asegura que la IA «puede matarnos antes de 2030». El País. https://elpais.com/tecnologia/2026-09-09/un-investigador-de-anthropic-dimite-porque-asegura-que-la-ia-puede-matarnos-antes-de-2030.html
Reuters. (2024, April 15). Tesla laying off more than 10% of staff globally as sales fall. Reuters.
Reuters. (2025, July 9). Microsoft racks up over $500 million in AI savings while slashing jobs, Bloomberg News reports. Reuters.
Rogelberg, S. (2026, January 19). Elon Musk says that in 10 to 20 years, work will be optional and money will be irrelevant thanks to AI and robotics. Fortune.
Sen, A. (1999). Development as freedom. Alfred A. Knopf.