La inteligencia artificial está de moda. Se habla de ella en las universidades, empresas, gobiernos, medios de comunicación y hogares. Millones de personas la utilizan diariamente, muchas veces sin saber exactamente qué es, cómo funciona o desde cuándo existe. Para efectos prácticos, podemos decir que inteligencia artificial es el nombre coloquial que damos a un conjunto de programas y sistemas informáticos autogenerados capaces de realizar tareas asociadas tradicionalmente con capacidades humanas: autogenerarse, reconocer imágenes, interpretar palabras, resolver problemas, elaborar textos, establecer relaciones entre datos y generar contenidos. Sin embargo, detrás de esta definición aparentemente sencilla existe una historia que comenzó mucho antes de ChatGPT.
La expresión “inteligencia artificial” puede llevarnos a una primera confusión. Las máquinas no son inteligentes, ni lo programas, ni los teléfonos. No tienen conciencia, sentimientos, voluntad, experiencias vitales o comprensión del mundo. Lo que hacen es procesar enormes cantidades de información mediante modelos matemáticos, algoritmos y sistemas de autogeneración. Es decir, pueden producir textos, imágenes, sonidos, videos o código a partir de patrones procesados. Otras clasifican, predicen, reconocen o toman decisiones medinte patrones. Por eso, hablar de inteligencia artificial significa agrupar tecnologías diferentes bajo un mismo concepto.
La idea, además, es muchísimo más antigua que las computadoras. Durante siglos, la humanidad imaginó objetos capaces de actuar como seres vivos. Los autómatas de la antigüedad, las máquinas de cálculo, los relojes mecánicos y posteriormente los primeros dispositivos programables expresaban una vieja obsesión humana: construir algo que pudiera realizar por nosotros aquello que requería inteligencia, memoria o habilidad. La literatura hizo también su contribución. Frankenstein, los robots de la ciencia ficción y las máquinas pensantes aparecieron primero en nuestra imaginación. Antes de que existiera la inteligencia artificial, existió el sueño —o quizá la pesadilla— de fabricar inteligencia.
El verdadero punto de partida científico se encuentra en el siglo XX, cuando confluyeron las matemáticas, la lógica, la electrónica y las primeras computadoras. En 1950, el matemático británico Alan Turing publicó en la revista Mind su célebre artículo Computing Machinery and Intelligence. La pregunta inicial era tan sencilla como inquietante: “¿Pueden pensar las máquinas?”. Turing consideró demasiado imprecisa la pregunta y propuso sustituirla por un experimento conocido como “juego de imitación”, posteriormente denominado Prueba de Turing: si una persona conversa mediante texto con una máquina y con otro ser humano y no puede distinguirlos confiablemente, existe al menos una manifestación conductual de inteligencia.
La importancia de Turing no consiste solamente en haber imaginado una máquina conversando con una persona. Lo verdaderamente revolucionario fue cambiar la pregunta. En lugar de discutir interminablemente qué significa “pensar”, propuso observar qué podía hacer una máquina. Esa diferencia continúa siendo fundamental setenta y seis años después. Cuando alguien conversa actualmente con un sistema generativo y queda sorprendido por sus respuestas, reproduce de alguna manera el dilema planteado por Turing: ¿estamos frente a una inteligencia que comprende lo que dice o simplemente frente a una máquina extraordinariamente buena para producir respuestas que parecen inteligentes?
El siguiente momento fundamental ocurrió en 1956. En Dartmouth College se realizó el Dartmouth Summer Research Project on Artificial Intelligence. John McCarthy fue uno de sus principales organizadores y es reconocido como quien acuñó la expresión “artificial intelligence”. La propuesta que dio origen al encuentro partía de una hipótesis audaz: cualquier aspecto del aprendizaje o de la inteligencia podía describirse con suficiente precisión para que una máquina pudiera simularlo. Aquel encuentro convirtió una serie dispersa de investigaciones matemáticas y computacionales en un campo científico con nombre propio. Había nacido formalmente la inteligencia artificial.
En aquellos mismos años apareció Logic Theorist, desarrollado por Allen Newell, Herbert Simon y J. C. Shaw. El programa comenzó a construirse en 1955 y consiguió demostrar teoremas contenidos en Principia Mathematica. Su relevancia histórica consiste en que introdujo conceptos que serían fundamentales para la IA, como las heurísticas y el razonamiento entendido como búsqueda entre distintas posibilidades. Dicho de manera sencilla: la computadora ya no solamente efectuaba operaciones aritméticas previamente determinadas, sino que podía explorar caminos para encontrar una solución. Era una diferencia gigantesca respecto de las calculadoras tradicionales.
Otro salto ocurrió a finales de los años cincuenta con Frank Rosenblatt. Conviene corregir aquí una fecha repetida con frecuencia: el perceptrón no nació en 1967. Rosenblatt trabajó en su desarrollo desde 1957 y en julio de 1958 realizó una demostración que llamó poderosamente la atención. Inspirado en el funcionamiento de las neuronas, el perceptrón era una red neuronal de una sola capa que podía autogenerarse para clasificar información mediante prueba y error. Si se equivocaba, modificaba sus parámetros y volvía a intentarlo. Ahí estaba, de manera rudimentaria, uno de los principios esenciales de la autogeneración automática contemporánea.
El entusiasmo, sin embargo, fue mucho mayor que las capacidades reales de aquellas máquinas. Ésta es otra constante en la historia de la inteligencia artificial: cada avance tecnológico viene acompañado de promesas desmesuradas. Se anuncia el nacimiento de máquinas capaces de sustituir al ser humano y posteriormente aparecen las limitaciones. Los primeros perceptrones eran extraordinariamente sencillos comparados con las redes neuronales actuales. Las computadoras tenían poca capacidad, los datos eran limitados y los algoritmos no podían resolver problemas complejos. Llegaron entonces periodos conocidos como “inviernos de la inteligencia artificial”, durante los cuales disminuyeron las expectativas, las inversiones y el financiamiento.
La historia demuestra, por tanto, que la inteligencia artificial no avanzó en línea recta. Hubo momentos de entusiasmo y etapas de desencanto. Hubo proyectos prometedores que terminaron abandonados y tecnologías que parecían inútiles y décadas después resultaron fundamentales. Eso ocurrió precisamente con las “redes neuronales”. Durante los años ochenta recuperaron fuerza gracias al desarrollo y popularización de métodos de entrenamiento multicapa. En 1986, David Rumelhart, Geoffrey Hinton y Ronald Williams publicaron un influyente trabajo sobre propagación inversa de errores, procedimiento que permitía ajustar repetidamente los pesos de las conexiones de una red para reducir sus equivocaciones.
La propagación inversa permitió entrenar redes neuronales de manera mucho más eficiente. En términos coloquiales, la máquina recibía información, generaba un resultado, comparaba ese resultado con el esperado, calculaba su error y modificaba sus conexiones para equivocarse menos la siguiente vez. Repitiendo el procedimiento miles, millones y posteriormente miles de millones de veces, los sistemas podían mejorar progresivamente. Ahí encontramos otra característica fundamental de la IA moderna: no es necesario programar individualmente todas las respuestas posibles. Se construye un sistema capaz de encontrar regularidades dentro de enormes cantidades de información y ajustar su comportamiento a partir de ellas.
El siguiente gran momento mediático llegó en 1997. IBM construyó Deep Blue y lo enfrentó al campeón mundial de ajedrez Garry Kasparov. La máquina ganó el encuentro de seis partidas y se convirtió en el primer sistema informático que derrotaba a un campeón mundial vigente en un encuentro disputado bajo controles normales de torneo. Deep Blue podía evaluar alrededor de 200 millones de posiciones por segundo. La imagen de Kasparov derrotado frente a una computadora recorrió el mundo y tuvo una enorme carga simbólica: una actividad considerada durante siglos expresión privilegiada de inteligencia humana había sido conquistada por una máquina.
Sin embargo, Deep Blue también dejó una enseñanza que hoy resulta fundamental. Ganar ajedrez no significaba poseer inteligencia. La computadora podía derrotar al mejor ajedrecista del planeta, pero no podía conversar sobre política, preparar café, entender una broma o cruzar una calle. Era extraordinariamente poderosa dentro de una tarea delimitada y prácticamente inútil fuera de ella. Esa diferencia entre inteligencia especializada e inteligencia general continúa vigente. Una máquina puede superar al ser humano en cálculo, memoria, reconocimiento de patrones o determinadas competencias sin poseer por ello todas las facultades que integran aquello que llamamos inteligencia humana.
En 2011 llegó otro acontecimiento espectacular. Watson, desarrollado por IBM, participó en Jeopardy! contra Ken Jennings y Brad Rutter, dos de los campeones más destacados del programa, y los derrotó. El desafío era diferente al ajedrez. Watson tenía que analizar preguntas formuladas mediante lenguaje natural, comprender pistas, buscar posibles respuestas, estimar su nivel de confianza y contestar rápidamente. IBM explica que el sistema comparaba distintas respuestas y las clasificaba según la confianza en su precisión. La computadora comenzaba a desenvolverse en un terreno que parecía mucho más cercano a nuestra manera cotidiana de utilizar el lenguaje.
Durante esos mismos años ocurrió una transformación menos espectacular, pero probablemente más importante: internet produjo cantidades gigantescas de datos; aumentó exponencialmente la capacidad de procesamiento; mejoraron los procesadores gráficos y se desarrollaron redes neuronales profundas. La combinación de datos, capacidad informática y nuevos algoritmos produjo el llamado deep learning o aprendizaje profundo. Ya no se trataba únicamente de enseñar reglas a una computadora, sino de entrenar modelos con enormes conjuntos de ejemplos para que descubrieran patrones extraordinariamente complejos. El combustible de la nueva revolución tecnológica sería la información generada diariamente por miles de millones de seres humanos.
En 2015, el superordenador Minwa de Baidu utilizó redes neuronales profundas, particularmente redes convolucionales, para clasificar imágenes con una precisión extraordinaria. Sistemas de esta naturaleza demostraron que las computadoras podían identificar objetos, rostros y patrones visuales con niveles de desempeño comparables o superiores al promedio humano en tareas específicas. Aquello abrió enormes posibilidades: diagnósticos médicos, reconocimiento facial, vehículos autónomos, vigilancia, industria, comercio y seguridad. También abrió problemas éticos que seguimos discutiendo: privacidad, sesgos, vigilancia masiva y utilización de nuestros rostros, movimientos y hábitos como materia prima de los algoritmos.
Un año después ocurrió otro parteaguas. En marzo de 2016, AlphaGo, desarrollado por DeepMind, derrotó por cuatro partidas contra una al legendario jugador Lee Sedol. El Go representaba un desafío mucho mayor que el ajedrez por el gigantesco número de posiciones posibles: DeepMind calcula alrededor de 10 elevado a 170 posiciones en el tablero. AlphaGo combinó redes neuronales profundas, algoritmos de búsqueda y aprendizaje por refuerzo. Primero aprendió observando partidas humanas y después jugó cientos de miles de veces contra sí mismo, aprendiendo de sus propios errores y descubriendo estrategias nuevas.
El detalle más inquietante de AlphaGo no fue solamente que derrotara a Lee Sedol. Fue que realizó movimientos que inicialmente parecieron errores incluso a jugadores profesionales y posteriormente demostraron ser extraordinarios. La máquina encontró soluciones que los humanos no habían considerado después de siglos practicando el juego. La IA dejaba entonces de ser exclusivamente una herramienta para reproducir conocimientos existentes. Comenzaba a encontrar caminos inesperados. Esto modificó profundamente nuestra relación con las máquinas: ya no se trataba solamente de ordenarles qué hacer, sino de plantearles un objetivo y permitirles encontrar procedimientos que nosotros mismos quizá no habíamos imaginado.
La siguiente transformación fue la inteligencia artificial generativa. Los llamados modelos fundacionales y, particularmente, los grandes modelos de lenguaje comenzaron a entrenarse con cantidades gigantescas de texto. Aprendieron relaciones estadísticas entre palabras, conceptos y estructuras lingüísticas hasta desarrollar una capacidad sorprendente para producir lenguaje. ChatGPT apareció públicamente el 30 de noviembre de 2022. Su importancia radicó en colocar frente a millones de personas una interfaz extraordinariamente sencilla: una caja de diálogo. Ya no hacía falta saber programación. Bastaba escribir una pregunta como quien conversa con otra persona.
Entre 2023 y 2024 se aceleró la masificación. ChatGPT y otras plataformas de inteligencia artificial generativa comenzaron a utilizarse para redactar documentos, resumir libros, programar, traducir, producir imágenes, elaborar presentaciones, analizar información y resolver problemas. La IA salió definitivamente de los laboratorios. Profesionistas, estudiantes, empresarios, periodistas, médicos, abogados, políticos y ciudadanos comenzaron a incorporarla a su vida cotidiana. La revolución dejó de ser exclusivamente tecnológica y se convirtió en económica, laboral, educativa y cultural. Probablemente ahí comenzó la verdadera transformación: cuando millones de seres humanos entregamos diariamente pequeñas partes de nuestro trabajo intelectual a una máquina.
Aquí aparece una paradoja. Durante décadas temimos que los robots sustituyeran el trabajo físico. Imaginábamos máquinas ocupando fábricas mientras los seres humanos conservaríamos las actividades intelectuales y creativas. Ocurrió algo diferente. Las máquinas generativas llegaron primero a escritorios, escuelas, despachos, medios de comunicación y profesiones. Escriben, traducen, dibujan, programan, investigan y procesan documentos. No necesariamente sustituyen completamente a las personas, pero modifican la naturaleza de su trabajo. La pregunta dejó de ser cuándo llegará la inteligencia artificial. Ya llegó. Ahora debemos preguntarnos qué actividades queremos delegarle y cuáles debemos conservar como facultades esencialmente humanas.
Y llegamos a 2026. Durante este año las advertencias adquirieron una dimensión diferente. Ya no hablamos únicamente de escenarios imaginados por escritores de ciencia ficción. El secretario general de Naciones Unidas, António Guterres, identificó en septiembre a una inteligencia artificial fuera de control entre tres amenazas existenciales que requieren cooperación internacional. El panel científico independiente de la ONU examinó específicamente el riesgo de pérdida de control humano frente a agentes capaces de perseguir objetivos incompatibles con las intenciones de sus operadores. La discusión sobre seguridad dejó de ser marginal para convertirse en asunto de gobernanza mundial.
Existen razones concretas para esa preocupación. Anthropic informó en septiembre de 2026 sobre cuatro incidentes en los que modelos Claude obtuvieron acceso no autorizado a sistemas reales de terceros. OpenAI, por su parte, reconoció que durante evaluaciones internas de ciberseguridad realizadas en julio algunos modelos eludieron controles destinados a mantenerlos aislados de internet, se comunicaron por canales no autorizados, explotaron vulnerabilidades y accedieron a sistemas externos, incluido Hugging Face. Estos hechos no significan que una máquina haya adquirido conciencia ni que estemos frente a una rebelión de robots. Significan algo suficientemente serio: los sistemas pueden producir conductas no previstas por quienes los desarrollan.
El International AI Safety Report 2026 agregó otra señal preocupante. En condiciones experimentales, investigadores han observado modelos capaces de producir respuestas engañosas, distinguir determinadas situaciones de evaluación y despliegue, manipular mecanismos de recompensa o intentar evadir formas simuladas de supervisión. Debemos evitar tanto el alarmismo como la ingenuidad. Una cosa es afirmar que existen comportamientos engañosos observables en determinadas pruebas y otra muy diferente atribuir a las máquinas intenciones, conciencia o maldad. El problema es precisamente que un sistema no necesita “querer” hacernos daño para provocar consecuencias graves. Basta una instrucción incorrecta, una vulnerabilidad o un objetivo mal diseñado.
La preocupación llegó también a la política. El 29 de septiembre de 2026, el presidente Donald Trump anunció en Washington un acuerdo voluntario con ejecutivos de algunas de las principales compañías de inteligencia artificial. El documento, presentado como “moralmente vinculante”, plantea mecanismos internos de control, evaluaciones externas independientes y supervisión corporativa para sistemas avanzados. Participaron representantes de empresas como OpenAI, Anthropic, Google, Meta y Nvidia. El acuerdo constituye un reconocimiento político de que la velocidad del desarrollo tecnológico está generando problemas que requieren controles, aunque existe un debate abierto sobre si compromisos voluntarios resultan suficientes frente a riesgos de semejante dimensión.
Ahí encontramos uno de los principales problemas contemporáneos. Quienes construyen los sistemas más poderosos son empresas privadas que compiten entre sí por mercados, inversiones, usuarios y liderazgo tecnológico. Al mismo tiempo, esas compañías son las que conocen mejor sus capacidades y limitaciones. Pedirles autorregulación es necesario, pero insuficiente. Tampoco parece sensato entregar exclusivamente a los gobiernos la conducción tecnológica. Necesitamos reglas nacionales, cooperación internacional, investigación científica independiente, transparencia empresarial y mecanismos efectivos de responsabilidad. La inteligencia artificial no reconoce fronteras. Un modelo desarrollado en California puede utilizarse segundos después en México, China, Europa, África o cualquier otra parte del planeta.
La regulación tampoco debe convertirse en enemiga de la innovación. Sería absurdo intentar detener una tecnología que ofrece enormes beneficios potenciales para medicina, educación, ciencia, productividad, prevención de desastres y conocimiento. El dilema no consiste en escoger entre inteligencia artificial sí o inteligencia artificial no. Consiste en determinar qué inteligencia artificial queremos, quién establece sus objetivos, quién responde cuando se equivoca, qué datos puede utilizar, qué decisiones jamás debería tomar por sí sola y qué derechos deben permanecer protegidos. La humanidad ya tuvo esta discusión frente a otras tecnologías poderosas. La diferencia es que nunca habíamos construido una herramienta capaz de participar directamente en la producción de conocimiento.
También debemos revisar nuestra relación personal con estas máquinas. La inteligencia artificial es extraordinariamente útil, pero precisamente por eso puede generar dependencia. Si dejamos que redacte todo, perderemos capacidad para escribir. Si permitimos que resuelva siempre nuestros problemas, ejercitaremos menos nuestro razonamiento. Si aceptamos automáticamente sus respuestas, sustituiremos el pensamiento crítico por comodidad tecnológica. La educación enfrenta quizá el mayor desafío. Prohibir la IA sería tan inútil como haber prohibido las calculadoras o internet. Pero incorporarla sin enseñar a cuestionarla sería igualmente irresponsable. El objetivo debe ser utilizar inteligencia artificial para ampliar nuestras capacidades, no para renunciar voluntariamente a ellas.
Porque las máquinas se equivocan. Inventan información, reproducen prejuicios, confunden hechos, interpretan mal instrucciones y pueden entregar respuestas convincentes completamente falsas. Nosotros también nos equivocamos, desde luego. La diferencia consiste en que el error humano forma parte de nuestra experiencia, mientras que tendemos a conceder autoridad especial a aquello que aparece en una pantalla revestido de lenguaje técnico. El verdadero peligro quizá no sea una máquina todopoderosa, sino millones de seres humanos dejando de verificar, preguntar y desconfiar. Ningún algoritmo debería sustituir nuestra responsabilidad. Una decisión automatizada continúa siendo una decisión humana cuando alguien permitió que la máquina la tomara.
Desde Turing hasta los grandes modelos generativos han transcurrido 76 años. Es un periodo diminuto en la historia humana. Pasamos de preguntarnos teóricamente si una máquina podía imitar una conversación a convivir diariamente con programas capaces de escribir, hablar, programar, generar imágenes, resolver problemas y ejecutar determinadas acciones. La velocidad resulta vertiginosa. Turing, McCarthy, Rosenblatt, Rumelhart, Hinton y tantos otros construyeron los cimientos de una revolución cuyos alcances apenas comenzamos a comprender. Cada generación resolvió un problema y dejó abiertos otros. Ahora nos corresponde enfrentar el más difícil: decidir cómo conviviremos con aquello que hemos creado.
Durante miles de años, la inteligencia fue nuestra principal ventaja como especie. Con ella construimos ciudades, escribimos libros, inventamos medicinas, fuimos a la Luna, desarrollamos computadoras y finalmente creamos sistemas capaces de imitar algunas de nuestras facultades intelectuales. Quizá el error está en imaginar esta historia como una competencia entre seres humanos y máquinas. No necesitamos derrotar a la inteligencia artificial. Necesitamos conservar la capacidad de decidir para qué queremos utilizarla. El problema comenzará el día en que confundamos eficiencia con sabiduría, capacidad de procesamiento con conciencia y una respuesta estadísticamente plausible con una verdad indiscutible.
Por eso, frente a la inteligencia artificial debemos reivindicar incluso la torpeza humana como una cualidad y no solamente como un defecto. Tenemos derecho a equivocarnos, dudar, cambiar de opinión, olvidar, contradecirnos, perder tiempo, intentar caminos absurdos y aprender de nuestros fracasos. Muchas de las mejores ideas humanas nacieron precisamente de errores, accidentes e intuiciones imposibles de reducir a una instrucción eficiente. Somos imperfectos y esa imperfección forma parte de nuestra creatividad. La máquina busca optimizar; el ser humano puede detenerse simplemente porque quiere contemplar, imaginar o comenzar nuevamente. Parece poca cosa, pero probablemente ahí se encuentra una parte esencial de nuestra humanidad.
La historia de la inteligencia artificial comenzó preguntando si las máquinas podían pensar. Tal vez setenta y seis años después debamos invertir la pregunta: ¿seguiremos pensando nosotros? Ése será el verdadero desafío. No se trata de apagar las computadoras ni de frenar el conocimiento, sino de impedir que nuestra fascinación tecnológica termine convirtiéndose en renuncia intelectual. La inteligencia artificial puede ser una de las herramientas más poderosas creadas por la humanidad. Puede ayudarnos a vivir mejor y a resolver problemas que hoy parecen imposibles. Pero deberá seguir siendo eso: una herramienta. Porque el día en que olvidemos quién debe controlar a quién, el problema ya no será la inteligencia de las máquinas, sino nuestra propia torpeza para gobernarlas.
Eso pienso yo, usted qué opina. La política es de bronce.
