Bill Gates lleva décadas siendo uno de los grandes optimistas tecnológicos.
Por eso resulta interesante leerle ahora.
No porque haya cambiado de opinión sobre la inteligencia artificial.
Sigue pensando que puede ayudarnos a curar enfermedades, mejorar la educación, aumentar la productividad y resolver algunos de nuestros mayores problemas.
Lo interesante es otra cosa.
Gates empieza a hacerse una pregunta que durante los primeros años de la IA generativa apenas nos hacíamos:
¿Y si la tecnología avanza más rápido de lo que nuestra sociedad es capaz de absorberla?
Porque quizá ese sea el verdadero problema.
No la inteligencia artificial.
La velocidad.
Piénsalo.
Nuestros colegios siguen funcionando con una estructura creada para otro siglo.
Una universidad puede tardar años en modificar las asignaturas de un grado.
Una ley puede necesitar años para redactarse, negociarse y aprobarse.
Una empresa diseña planes estratégicos a tres o cinco años.
Nuestros sistemas de protección social fueron construidos alrededor de carreras profesionales relativamente predecibles.
Y mientras tanto, un modelo de inteligencia artificial puede cambiar sustancialmente entre dos reuniones de un consejo de administración.
Ahí está la fricción.
No entre humanos y máquinas.
Entre dos velocidades.
Una tecnología que acelera.
Y unas instituciones que necesitan consenso, procedimientos, presupuestos, leyes, elecciones, planes de estudio y tiempo.
Mucho tiempo.
La IA no está exponiendo únicamente nuestras limitaciones tecnológicas. Está exponiendo algo bastante más incómodo: hemos construido instituciones magníficas para gestionar un mundo que quizá ya no existe.
Nunca habíamos vivido algo así.
¿O sí?
Esta frase aparece cada vez que llega una nueva tecnología.
Y casi siempre envejece mal.
La máquina de vapor también destruyó profesiones.
La electricidad transformó industrias enteras.
El automóvil acabó con buena parte de la economía que existía alrededor del caballo.
Internet hizo desaparecer empresas, profesiones y modelos de negocio mientras creaba otros completamente nuevos.
La historia de la tecnología es, en buena medida, la historia de destruir una forma de hacer las cosas para construir otra.
Así que quizá deberíamos desconfiar un poco cuando alguien dice: «Esta vez es diferente».
Aunque hay un pequeño problema.
Puede que esta vez haya algo diferente.
No necesariamente la magnitud del cambio.
Su velocidad.
La revolución industrial necesitó décadas para extenderse.
Internet tardó años en entrar en todas las empresas y hogares.
ChatGPT necesitó semanas para llegar a cien millones de usuarios.
Y lo que hace dos años parecía ciencia ficción hoy aparece integrado en el correo electrónico, el navegador, el teléfono, el procesador de textos o el entorno de programación.
Puede que hayamos vivido cambios tecnológicos igual de profundos.
Lo que no está tan claro es que hayamos tenido que absorberlos a esta velocidad.
El problema no es dónde terminaremos
Cuando hablamos de inteligencia artificial y empleo solemos hacernos la misma pregunta: ¿Cuántos trabajos desaparecerán?
Probablemente sea la pregunta equivocada.
Porque nadie lo sabe.
Habrá trabajos que desaparezcan.
Otros cambiarán.
Y aparecerán profesiones que hoy ni siquiera sabemos nombrar.
Ha ocurrido antes.
Seguramente volverá a ocurrir.
Pero existe una pregunta bastante más interesante.
¿Cuánto tiempo tendremos para adaptarnos?
Imagina que dentro de veinte años la economía ha encontrado un nuevo equilibrio.
Han aparecido nuevas profesiones.
La productividad se ha disparado.
Trabajamos menos horas.
Y existen tareas que hoy consideramos imprescindibles que ya nadie realiza.
Fantástico.
Ahora volvamos a 2027.
A 2028.
A 2029.
¿Qué ocurre con alguien cuya profesión cambia en dieciocho meses?
¿Qué ocurre con una universidad que necesita cuatro años para formar a una persona en una habilidad que puede haber perdido parte de su valor antes de que termine la carrera?
¿Qué ocurre con los trabajadores que necesitan reconvertirse mientras siguen pagando una hipoteca?
¿Qué ocurre con los jóvenes cuyos primeros empleos eran precisamente aquellos trabajos junior que más fácilmente podemos automatizar?
Ese es el problema de las transiciones.
Sabemos hablar muy bien del destino.
Bastante peor del trayecto.
La economía probablemente encontrará un nuevo equilibrio.
La pregunta es qué le ocurre a una generación mientras lo encuentra.
Y después está el colegio
Aquí es donde la conversación se vuelve todavía más interesante.
Porque quizá estemos preocupándonos demasiado por si la IA hará nuestro trabajo y demasiado poco por lo que puede hacer con nuestra capacidad para pensar.
Durante siglos hemos construido máquinas para externalizar capacidades humanas.
Primero externalizamos fuerza física.
Después memoria.
La calculadora externalizó parte del cálculo.
Google externalizó buena parte de la búsqueda de información.
El GPS externalizó la orientación.
Y ahora estamos empezando a externalizar algo diferente.
Escribir.
Analizar.
Programar.
Pensar.
Externalizar una capacidad que ya posees puede ser extraordinariamente útil. El problema aparece cuando la externalizas antes de haberla desarrollado.
La calculadora no es el problema
Nadie piensa que deberíamos prohibir las calculadoras.
Pero tampoco solemos entregar una calculadora a un niño antes de enseñarle qué significa sumar.
Primero construimos la capacidad.
Después utilizamos la herramienta para multiplicarla.
Con la inteligencia artificial corremos el riesgo de invertir el orden.
Un estudiante puede pedirle a una IA que redacte un ensayo.
Que resuma un libro que no ha leído.
Que resuelva un problema que no ha entendido.
Que prepare una argumentación que nunca ha construido.
Que le diga qué pensar sobre un asunto que ni siquiera ha investigado.
El resultado puede ser impecable.
Ese es precisamente el problema.
Porque quizá confundamos dos cosas completamente diferentes:
obtener una buena respuesta
y
haber aprendido a llegar hasta ella.
No son lo mismo.
Y probablemente nunca lo hayan sido.
La fricción también educa
Nos hemos acostumbrado a pensar que toda fricción es mala.
Menos clics.
Menos esperas.
Menos pasos.
Más rápido.
Más sencillo.
Más cómodo.
Es la lógica que ha dominado buena parte de la tecnología durante décadas.
Pero aprender funciona de otra manera.
Aprender requiere equivocarse.
Volver atrás.
No entender algo.
Intentarlo otra vez.
Buscar.
Comparar.
Dudar.
Cambiar de opinión.
Hay una enorme cantidad de aprendizaje escondido precisamente en esa fricción.
Y quizá estemos construyendo la máquina más poderosa de la historia para eliminarla.
Ese puede ser uno de los grandes retos educativos de esta década: aprender a utilizar una herramienta que piensa sin dejar de aprender a pensar.
Porque saber utilizar inteligencia artificial será imprescindible.
Pero saber cuándo desconfiar de ella probablemente sea todavía más importante.
Food for thought
Quizá por eso el ensayo de Gates resulta interesante.
No porque tenga las respuestas.
Precisamente porque reconoce que todavía no las tenemos.
Nuestros colegios fueron diseñados para transmitir conocimiento.
Nuestras universidades, para certificar determinadas habilidades.
Nuestros trabajos, para recompensarlas.
Nuestras empresas, para organizar a las personas que las utilizan.
Y nuestros gobiernos, para administrar una sociedad construida alrededor de todo lo anterior.
La inteligencia artificial está empezando a cuestionar muchas de esas premisas al mismo tiempo.
No necesitamos entrar en pánico.
Tampoco parece especialmente inteligente mirar hacia otro lado.
Porque puede que la gran carrera de los próximos años no sea entre OpenAI, Google, Anthropic, Meta o quien consiga construir el modelo más inteligente.
Puede que exista otra competición mucho más importante.
La carrera entre la velocidad a la que somos capaces de crear nuevas tecnologías y la velocidad a la que somos capaces de adaptar nuestra sociedad a ellas.
Y de momento hay un competidor que lleva bastante ventaja.
La tecnología.
El problema de la IA quizá no sea que no sepamos hacia dónde va.
Es algo mucho más incómodo.
Que todavía no tenemos un plan para cuando llegue.
🌍 El Eco del Mercado
🚨 OpenAI avisa a más de cien organizaciones por actividades no autorizadas de sus agentes. La compañía revisa unos 50 petabytes de registros para determinar el alcance de los incidentes, entre los que el ataque a Hugging Face continúa siendo el más grave. El número no implica que todas las organizaciones fueran comprometidas, pero revela una actividad mucho más extensa de lo conocido.
⚖️ California obliga a OpenAI a responder por sus riesgos de ciberseguridad. El fiscal general Rob Bonta ha citado a la compañía para obtener información adicional sobre los incidentes protagonizados por sus modelos. Todavía no existe una acusación formal, pero California advierte de que un desarrollador podría responder si su tecnología facilita ataques.
🏛️ Trump prepara un nuevo responsable político para la IA. El presidente estadounidense prevé nombrar al director de Inteligencia Nacional, Jay Clayton, como coordinador de IA de la Administración, según CNN. La posible acumulación de ambas funciones acercaría la política tecnológica a las prioridades de seguridad nacional y a la rivalidad con China.
🏦 Anthropic admite que perder el favor del Gobierno puede alejar también a sus clientes. El folleto de su futura OPV señala que las decisiones y percepciones gubernamentales pueden afectar a socios, empleados y clientes privados, aunque los contratos públicos representen menos del 1 % de sus ingresos. La confianza del Estado empieza a funcionar como una credencial para todo el negocio.
👩⚖️ California prohíbe a los abogados delegar su criterio en una IA. Una nueva ley obliga a verificar personalmente las citas y afirmaciones generadas por estos sistemas, corregir alucinaciones y revelar su uso en documentos judiciales. También protege la información confidencial y prohíbe a los árbitros delegar decisiones.
💳 Amazon intenta sacar 8.000 millones en chips de Nvidia de su balance. La compañía negocia transferir miles de procesadores Grace Blackwell a un vehículo financiado por inversores para alquilarlos posteriormente. La fórmula conservaría la capacidad informática mientras desplaza parte del coste y el riesgo financiero a otro balance.
🏘️ Amazon destina 1.000 millones a las comunidades que alojan sus centros de datos. AWS invertirá durante cinco años en formación, empleo, asequibilidad energética y conservación de agua en las zonas estadounidenses donde opera. El compromiso responde a la creciente oposición local y a más de cien posibles moratorias contra estas instalaciones.
🇨🇳 Estados Unidos acusa a un empresario de enviar servidores controlados a China. El Departamento de Justicia sostiene que exportó servidores con GPU estadounidenses valorados en más de 300 millones de dólares a través de Malasia y Singapur. Las acusaciones muestran la dificultad de controlar los chips cuando pueden viajar integrados en sistemas completos mediante terceros países.
🇪🇺 Bull duplica su producción de superordenadores, pero Europa continúa sin memoria propia. La empresa francesa amplía su fábrica de Angers de seis a doce racks mensuales y afirma que los componentes europeos ya representan el 70 % de sus máquinas. Sin embargo, la memoria sigue dependiendo de Samsung, SK Hynix y Micron, que concentran más del 90 % de la producción mundial.
💶 Las empresas europeas financian la IA con su propia caja. El 72 % de las compañías de la eurozona prevé utilizar beneficios retenidos o flujo de caja para sus inversiones, frente al 16 % que recurrirá a préstamos bancarios. Esta dependencia de recursos propios puede limitar la escala y favorecer a las empresas que ya son rentables.
🧩 Synopsys convierte el diseño de chips en un negocio compartido con OpenAI y AWS. La compañía compartirá ingresos con OpenAI por un modelo especializado y ha firmado con AWS un acuerdo plurianual de más de 1.000 millones de dólares para licenciar propiedad intelectual. El auge de los chips personalizados amplía también el valor del software empleado para diseñarlos.
Déjame recordarte que si te gusta la tecnología, el podcast de Código Abierto también puede ser una buena opción.
Si algo de lo que has leído te ha removido, dímelo.
Ya sabes que estoy al otro lado si quieres comentar, discrepar o simplemente saludar.
Que nunca te falten ideas, ni ganas de probarlas.
A.
PD. Tres libros para seguir tirando del hilo:
Poder y Progreso — Daron Acemoglu y Simon Johnson. La tecnología no reparte sus beneficios automáticamente. Depende de las decisiones que tomemos sobre cómo introducirla en la economía y quién se queda con las ganancias de productividad. Probablemente el que mejor encaja con la edición de hoy.
La Ola que Viene — Mustafa Suleyman. Durante siglos hemos construido instituciones capaces de controlar tecnologías poderosas. Suleyman plantea una pregunta incómoda: ¿qué ocurre cuando la velocidad y la capacidad de difusión de una tecnología superan nuestra capacidad para contenerla?
Superficiales — Nicholas Carr. Se publicó mucho antes de ChatGPT, pero quizá sea todavía más relevante ahora. Carr analiza cómo las herramientas que utilizamos para pensar terminan modificando nuestra propia forma de pensar.
PD2. Haz algo despacio. Quizas tú también crees que todo va demasiado rápido. La IA también. Por eso, de vez en cuando, conviene hacer justo lo contrario. 🍝 Hazte tu propia pasta en casa.