Más impresionante que útil (de momento)
Diario de Innovación #239
Cada vez que alguien publica una demo de producto usando inteligencia artificial en las redes sociales, muere un unicornio.
Da igual que esa demo resuelva un problema de programación, traduzca textos con precisión quirúrgica o nos explique física cuántica con metáforas que hasta un niño entendería, siempre aparece el mismo comentario en redes:
“Si esto es tan potente, ¿por qué la economía no ha cambiado todavía?”
Seamos sinceros, pese al oidio inicial que portan estos comentarios, es una muy buena pregunta.
Porque si las máquinas ya piensan, escriben, diseñan y programan como nosotros (a veces mejor, a veces peor), ¿por qué seguimos trabajando igual?
¿Por qué la productividad no se ha disparado?
¿Dónde está ese tsunami de desempleo que nos prometieron los profetas del apocalipsis tecnológico?
La respuesta, como casi siempre, está en los matices.
Parafraseando a Hemingway, las cosas no suceden de la noche a la mañana, pero un día sin darte cuenta suceden.
“¿Cómo fue que quebraste? De dos maneras. Gradualmente, y luego de repente” - Ernest Hemingway en “Fiesta”.
Los modelos actuales tienen techos altos: pueden hacer cosas que la mayoría de los humanos ni se atrevería a intentar.
Pero también tienen suelos bajos: fallan en tareas básicas, cometen errores absurdos o interpretan mal instrucciones simples.
Un programador puede alucinar con una respuesta perfecta de GPT un día y al siguiente querer tirarse por la ventana porque el mismo modelo le devuelve un código que ni un becario haría.
Esa dualidad, brillante y torpe a la vez, es lo que los hace tan desconcertantes.
El problema no es que no sean inteligentes.
Es que son impredecibles.
El punto de inflexión
Imagina una empresa de traducción.
Sus empleados traducen libros por 18.000 dólares cada uno.
La IA puede hacerlo casi gratis… pero con errores.
Si esos errores cuestan reputación y correcciones, la “traducción automática” no ahorra tanto.
Hasta que un día, el modelo deja de equivocarse el 50% del tiempo y solo falla en un 2%.
Ese es el punto de inflexión: cuando el ahorro de costes supera el coste del error.
Cuando lo barato ya no sale caro.
Y, de repente, el negocio cambia para siempre.
Este es el mismo tipo de transición que Erik Brynjolfsson y Andrew McAfee describen en La Segunda Era De Las Máquinas: las máquinas no reemplazan de golpe, aceleran los retornos de quienes saben usarlas.
La productividad no explota al principio, pero el diferencial entre quienes adoptan la tecnología y quienes la ignoran se hace exponencial.
De la predicción al juicio
Agrawal, Gans y Goldfarb, en Máquinas Predictivas, explican que el gran salto de la IA no está en pensar, sino en predecir.
La IA abarata la predicción del mismo modo que el motor abarató la energía.
Pero la predicción no es decisión.
Y ahí sigue entrando el humano: en el juicio, el contexto y la acción.
Por eso, por muy impresionante que sea ChatGPT en un laboratorio, su impacto real depende de cómo se combine con nuestra capacidad de interpretar y decidir.
Hasta que no mejore la fiabilidad, el “suelo”, seguiremos en el modo híbrido: humanos verificando, ajustando, afinando. Hace unos días hablaba precisamente sobre este tema, como OpenAI ha desarrollado un benchmark para medir el avance de los modelos en este campo.
Y es que, en este punto, llegará verdadera disrupción, precisamente cuando esa necesidad desaparezca. Cuando en diferentes benchmarks de diferentes tareas, los LLMs nos superen descomunalmente.
Es igual que con los coches autónomos.
Waymo tardó 15 años en pasar del “mira, conduce solo en un circuito” al “mira, ya puedes dormir mientras te lleva”.
La curva es parecida: primero deslumbras, luego decepcionas, después transformas.
Estamos justo en esa segunda fase.
Las IA ya son impresionantes, pero todavía no son útiles a escala industrial.
No porque no sepan, sino porque aún fallan lo suficiente como para necesitar humanos vigilándolas.
Y mientras haya humanos vigilando, sigue siendo asistencia, no automatización.
Es cierto que en el último año, con la llegada de los modelos razonadores y los agentes, parece que cada estamos en el camino correcto para conseguirlo.
La carrera global y el poder tecnopolar
Mientras tanto, como recordaba Kai-Fu Lee en AI Superpowers, esta carrera por la fiabilidad no es sólo técnica, es geopolítica.
Estados Unidos y China compiten por la supremacía en datos, talento y despliegue industrial.
Cada “nueve” adicional en la fiabilidad de los modelos es una ventaja estratégica que redefine el poder global.
Ian Bremmer lo lleva un paso más allá en The Technopolar Paradox: el poder ya no reside sólo en los estados, sino en las grandes tecnológicas.
Empresas que controlan la infraestructura digital y, con ella, una forma inédita de soberanía.
Los algoritmos no solo predicen comportamientos, los moldean.
Y esa asimetría redefine la relación entre ciudadanos, gobiernos y corporaciones.
La próxima ola
Mustafa Suleyman, en La Ola que Viene, lo resume con una metáfora potente: la IA pronto será tan fiable como la electricidad.
Cuando eso ocurra, pasará de ser una herramienta a convertirse en infraestructura.
No la “usaremos”: viviremos dentro de ella.
Y entonces, sí, la economía cambiará de golpe.
No por un “momento ChatGPT”, sino por una sucesión de mejoras invisibles que culminarán en una disrupción total: cuando la IA deje de fallar.
💭 Food for thought
Hoy la IA no es la revolución.
Es el ensayo general.
Y lo más inteligente que podemos hacer las personas, las empresas y los países no es obsesionarnos con lo que ya sabe hacer, sino prepararnos para el momento en que deje de fallar.
⚡️ Pulso Digital
La infraestructura de IA se convierte en arma estratégica: nube, chips y red al frente.
💓 Latido del día
El enfrentamiento público entre Elon Musk y Sam Altman ha vuelto a encender titulares. Según Business Insider, las tensiones entre los fundadores de xAI y OpenAI —que van desde acusaciones sobre transparencia hasta estrategias divergentes de IA— están lejos de ser un problema reputacional: se han convertido en parte del espectáculo.
En un mercado donde la narrativa vende tanto como la tecnología, sus choques refuerzan el posicionamiento de cada marca: Musk, el defensor del control total y la IA “segura”; Altman, el promotor del progreso sin freno. Ambos capitalizan la atención mediática en un momento en que el poder de la IA ya no depende solo del código, sino del relato que la rodea.
Lo que antes parecía una disputa de egos ahora se percibe como una estrategia de visibilidad. En un ecosistema saturado de modelos y promesas, dominar la conversación puede ser más rentable que dominar el algoritmo.
🌍 El eco del mercado
💡 Las Big Tech realizan gasto récord en IA — Las grandes tecnológicas anunciaron una nueva subida de capex en IA para 2026, lo que confirma que la inversión se traslada del papel al hormigón digital.
💡 Amazon encara un “último lugar” en la carrera de la IA en la nube, pero empieza a mostrar señales de vida — Aunque ha estado algo rezagada en la lucha de la infraestructura en la nube para la GenAI, el nuevo acuerdo con OpenAI podría reconducir su narrativa competitiva.
💡 Los veteranos del sector tech advierten que la fiebre de la IA podría acabar en nuevos rescates estatales - Gary Marcus, exjefe de IA en Uber, alerta de un escenario donde los gobiernos deberán rescatar a muchas compañías sobredimensionadas por expectativas irreales en torno al hype de la IA.
💡 Google contrata a un economista para pensar el futuro del dinero con la AGI - DeepMind busca anticipar cómo una inteligencia general podría alterar los ciclos laborales y financieros globales.
💡 Volkswagen fabricará sus propios chips en China para sus vehículos autónomos - El grupo alemán se alía con Horizon Robotics para desarrollar semiconductores locales y ganar soberanía tecnológica.
💡 ByteDance rompe con Anthropic tras las restricciones a empresas chinas - La guerra fría de los modelos continúa: y con cada nuevo veto se sigue alimentando un ecosistema paralelo.
🌱 Latido incipiente
Por primera vez, una revolución tecnológica avanza con la sospecha de estar inflándose demasiado rápido.
Gary Marcus, exjefe de IA en Uber, habla de un futuro donde los gobiernos podrían rescatar compañías de inteligencia artificial sobredimensionadas por expectativas y deuda. Michael Burry, el inversor que anticipó la crisis subprime, apuesta contra Nvidia y Palantir, convencido de que el entusiasmo ha sustituido al análisis.
Mientras tanto, algunos gestores de fondos describen el mercado actual como “un castillo de arena en marea alta”: sólido solo mientras la ola no suba un centímetro más. Y desde el otro extremo, Google contrata a su primer “economista de la IA” para entender cómo una inteligencia general podría reconfigurar el sistema financiero mundial antes de que lo haga la especulación.
No es una crítica al progreso, sino una advertencia sobre su velocidad.
Cuando la innovación cotiza más rápido de lo que madura, el riesgo ya no es técnico ni financiero, sino cultural: confundir el potencial con el presente.
💭 Pulso Final
En la economía de la atención, hasta las rivalidades se convierten en activos. A veces, la innovación no avanza solo por colaboración, sino también por fricción: es el conflicto el que genera movimiento.
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.