Cápsula 72: 🚀 La tristeza

Hace algunos meses, mientras leía sobre lo que la inteligencia artificial está haciendo en las universidades, me detuve en una observación de Clay Shirky que no he logrado quitarme de encima. Shirky es vicerrector en la NYU y ha pasado los últimos dos años hablando con profesores y estudiantes para entender qué ocurre en sus aulas desde que llegó la IA generativa. En esas conversaciones, escribe, los profesores se mostraron preocupados, curiosos, enojados o entusiasmados, lo cual no sorprende. Pero al cerrar el año pasado, por primera vez, una de las emociones que con más frecuencia escuchó fue la tristeza. Y añade que algo parecido percibía entre los estudiantes.

Confieso que esa palabra me detuvo más que las otras. El miedo y la indignación son las emociones que dominan casi toda la conversación pública sobre la IA, y son, en cierto sentido, emociones cómodas de analizar: tienen un objeto claro, apuntan a algo, exigen una respuesta. La tristeza no. La tristeza es más difusa y más lenta, y por eso mismo sospecho que nos dice algo que las otras dejan pasar. No me interesa tratarla como una conclusión inevitable, como si no pudiera ser de otro modo. Me interesa preguntar por qué es esta, y no otra, la emoción que parece haberse instalado.

Una primera respuesta, la más directa, tiene que ver con lo que ocurre cuando subcontratamos una actividad que nos daba algo más que su resultado. Cada vez se nos invita con mayor insistencia a delegar en la máquina una clase de trabajos que, hechos por nosotros, tenían sentido, y que al delegarlos pierden ese sentido sin que cambie gran cosa en apariencia. Ethan Mollick, describió hace poco este patrón al hablar de la IA integrada en el software de oficina:

El trabajo que era aburrido de hacer, pero significativo una vez completado por humanos (como las evaluaciones de desempeño), se vuelve fácil de delegar, y la calidad aparente incluso aumenta. Empezamos a crear documentos sobre todo con IA, que se envían a bandejas de entrada gestionadas por IA, donde los destinatarios responden sobre todo con IA. [...] Puede que no siempre supiéramos si nuestro trabajo importaba en el panorama general, pero en la mayoría de las organizaciones, la gente de tu parte de la estructura sentía que sí. Con trabajo generado por IA enviado a otras IA para que lo evalúen, esa sensación de sentido desaparece.

Lo que Mollick describe no es, en rigor, una pérdida de eficiencia. Es una pérdida de sentido, y conviene no confundirlas, porque son problemas de naturaleza distinta. La eficiencia se puede medir, y por eso se puede defender. El sentido no, y por eso desaparece sin que nadie pueda señalar exactamente qué se ha ido. La tristeza, en este primer registro, sería la forma en que registramos una pérdida que no sabemos cuantificar, precisamente porque lo que se perdió nunca fue cuantificable.

Pero hay una segunda dimensión. Lo perturbador, dice, es que ni siquiera hace falta usar la herramienta para empezar a dudar de que las propias capacidades importen. Basta con habitar el lugar donde la IA se ha vuelto parte del aire. Lo ves en la publicidad, observas a tus compañeros entregar sus trabajos hechos con ella, escuchas a tus profesores hablar de resistirse o, al contrario, mostrar cómo se usa, y mientras tanto te haces la pregunta de fondo, que es para qué sirve todo esto. Lo que Watkins sugiere, y creo que tiene razón, es que la crisis no es en el fondo una crisis de honestidad académica ni de productividad, sino de propósito. Y una crisis de propósito no se resuelve con las herramientas con que se resuelven las otras dos.

Esta distinción cambia el tipo de problema que creemos enfrentar. Si la tristeza fuera solo consecuencia del uso, podríamos imaginar que basta con usar menos, o usar mejor, o regular el uso con alguna política sensata. Pero la desmoralización no se corrige administrando la herramienta, del mismo modo que la melancolía de un oficio en decadencia no se corrige regulando una máquina. Lo que se ha alterado es el horizonte dentro del cual ciertas actividades tenían su lugar y su dignidad. Y aquí, me parece, hemos cometido un error, porque buena parte de la conversación ha quedado atrapada en una pregunta que, sospecho, está mal planteada desde el inicio: la del excepcionalismo humano. Si la máquina puede escribir, razonar, traducir, componer, entonces, nos preguntamos, ¿qué nos queda de propio? Y formulada así, la pregunta solo admite respuestas tristes, porque cada nueva cosa que la máquina aprende a hacer cuenta como un argumento en nuestra contra.

Quisiera detenerme en por qué esa pregunta me parece equivocada, aunque sea una pregunta seria e importante. Hemos construido máquinas que vuelan más rápido y más lejos que cualquier ave, y a nadie se le ocurriría concluir que las aves deberían entonces dejar de volar, o que su vuelo ha perdido valor con la aparición de los aviones. El que exista en el mundo otra cosa que vuele no nos dice absolutamente nada sobre si el ave debe volar. Por supuesto que debe, porque el sentido de su vuelo nunca fue demostrar que ninguna otra cosa puede hacerlo. El ave, por fortuna, está libre de esa clase de angustia, y quizá la capacidad de padecerla sea justamente una de las cosas que nos distinguen. El punto es que si fundé mi dignidad o mi sentido del propósito en la creencia de que valgo porque puedo hacer aquello que nada más en el mundo hace, entonces me he construido sobre un suelo que cualquier máquina suficientemente capaz puede mover bajo mis pies. Y parte de la tristeza, sospecho, es lo que se siente cuando ese suelo, en efecto, empieza a moverse.

Conviene entonces decir algo, aunque quizá no sea la respuesta más fina ni la última: si hay algo que me corresponde hacer, ¿por qué habría de importar que exista una máquina capaz de hacerlo igual de bien, o incluso mejor? Sigue correspondiéndome a mí. No pienso por mi cuenta y con otros para demostrarle nada a la máquina, sino porque pensar es uno de los modos en que habito el mundo y me vinculo con los demás. No busco el conocimiento ni ejerzo el juicio porque esté en juego la dignidad de mi especie, sino porque hacerlo me hace bien.

Ahora bien, no quiero cerrar fingiendo que con esto la tristeza se disuelve. La tristeza de los profesores y estudiantes de Shirky no es algo que se corrige con un buen argumento; es una respuesta lúcida a una situación real. Pero quizá ayude reconocer de qué es síntoma. No de que hayamos dejado de ser especiales, sino de que algo nos importaba, de que esas actividades nos sostenían, de que todavía sabemos cuándo el sentido se ausenta. Una criatura incapaz de esa tristeza sería, después de todo, la que ya hubiera renunciado a la vida. Mientras la tristeza siga ahí, hay todavía algo que no estamos dispuestos a entregar, y la pregunta que conviene hacerse deja de ser si seguimos siendo excepcionales. Pasa a ser otra, más modesta: ¿qué cosas no queremos dejar de hacer, no porque la máquina no pueda hacerlas, sino porque son las que nos hacen bien y, a menudo, las mismas que nos unen?

Te damos la bienvenida a #Cápsula.

---

¿Qué tenemos para ti en Blackschool?

Captura y análisis estratégico de tendencias

Muchas veces las tendencias se consumen como inspiración, por ejemplo: reportes, señales, casos, cambios de comportamiento, nuevas tecnologías, movimientos culturales. Todo eso puede ser útil, pero también puede quedarse en una acumulación de ejemplos interesantes si no existe una metodología para interpretar qué está cambiando, por qué está cambiando y qué decisiones podríamos tomar a partir de eso.

Por eso abrimos una nueva edición de Captura y análisis estratégico de tendencias, un taller intensivo de 12 horas en Blackschool para aprender a explorar, capturar, analizar e interpretar tendencias de forma más estructurada.

Durante cuatro sesiones trabajaremos desde los conceptos básicos de una tendencia hasta el escaneo del entorno, la lectura de señales débiles y fuertes, la identificación de patrones de cambio y la conexión de esos hallazgos con oportunidades estratégicas.

La intención no es predecir el futuro. Es aprender a leer mejor el presente para tomar decisiones con más criterio.

El taller será 100% online y práctico, los días 27, 28, 29 y 30 de julio de 2026, de 18:00 a 21:00 hrs., hora CDMX.

Incluye herramientas, materiales exclusivos y constancia. También hay tarifa preferencial para las primeras 10 personas inscritas.

Puedes ver toda la información e inscribirte aquí.

Pregunta por nuestras becas.

Cambio de paradigmas

🧠 La rendición cognitiva

Que un sistema acierte el noventa y uno por ciento de las veces suena a buena noticia hasta que se multiplica por el volumen al que opera. Los resúmenes generados por inteligencia artificial que Google coloca encima de sus resultados de búsqueda alcanzan esa cifra de acierto según un análisis encargado por The New York Times, y sin embargo el buscador procesa alrededor de cinco billones de consultas al año, de modo que ese nueve por ciento restante se traduce en decenas de millones de respuestas equivocadas por hora, cientos de miles por minuto. La escala convierte una tasa de error que en un examen escolar pasaría por excelente en algo que el reporte describe como una crisis de desinformación sin precedente en la historia.

Lo que vuelve grave el asunto no es solo la magnitud sino la docilidad con que recibimos esas respuestas. Los estudios que cita el texto apuntan a que apenas una porción mínima de los usuarios verifica lo que la máquina les dice, y que la gente sigue obedeciendo al sistema incluso cuando se equivoca, una tendencia que los investigadores bautizaron como rendición cognitiva. El tono autoritativo de los modelos, que presentan lo fabricado con la misma seguridad que lo comprobado, se suma a la comodidad de tener el dato servido antes de hacer clic en ningún enlace. La fluidez se confunde con verdad, justo el reflejo que la cápsula pasada describía como el más entrenado en una sociedad hiperalfabetizada.

Hay además un detalle que desmiente la narrativa del progreso. Al pasar de Gemini 2 a Gemini 3, el modelo más nuevo acertó más, pero también disparó más respuestas sin fundamento, aquellas que citan páginas que no sostienen lo que la inteligencia artificial afirma, del treinta y siete al cincuenta y seis por ciento. Es decir, la versión mejorada inventa con más frecuencia y borra a la vez el rastro que permitiría comprobarlo. Esa es la operación que conviene mirar de cerca, una infraestructura que se interpone entre la pregunta y la fuente, que absorbe el tráfico que antes sostenía a los medios y devuelve a cambio una certeza fabricada cuyo costo, como casi siempre, se reparte entre todos mientras el beneficio se concentra en quien controla la puerta de entrada al conocimiento.

Getty Images

Preguntas incómodas

🤑 ¿Y si la IA solo enriquece a la IA

Hay un contador que avanza en tiempo real, segundo a segundo, mostrando cuánto dinero queman las empresas de inteligencia artificial mientras uno lo mira. Su autor tomó las pérdidas anuales proyectadas de cada compañía, las dividió entre los segundos del año y dejó correr el número.

Lo interesante no es que casi nadie gana dinero, porque eso ya circulaba en estudios previos, sino la arquitectura que el propio sitio se ve obligado a confesar para ser honesto. La economía de la inteligencia artificial es circular (y no en el buen sentido). Google financia a Anthropic, Anthropic corre sobre la nube de Google, Amazon también financia a Anthropic, Microsoft coinvierte con OpenAI. Las cifras agregadas cuentan dos veces los mismos flujos porque el dinero entra y sale por las mismas puertas. Los proveedores de cómputo entregan créditos que luego registran como ingreso, las empresas de modelos los gastan y registran a su vez su uso como ingreso, y todos se sientan al mismo bufé a comer gratis. Alguien, en algún punto de la cadena, tiene que poner dólares reales, y esos dólares salen de las reservas de un puñado de gigantes con caja suficiente para sostener el espectáculo un rato más.

Si el dinero gira entre cinco empresas que se lo prestan unas a otras y se lo cobran entre sí, la promesa de rentabilidad funciona menos como pronóstico y más como el relato que mantiene abierto el grifo del capital. Y mientras la cuenta se salda en el futuro, el presente se va llenando de centros de datos, de empleos precarizados y de un consumo energético que nadie incluyó en el marcador que sube en la pantalla.

Reportes para analizar

💰 Financiando futuros

De acuerdo con este reporte de Arising Quo, escrito por Milly Shotter junto a Cassie Robinson, el problema no es que falten futuros alternativos sino que el dinero casi nunca llega hasta ellos. La investigación, basada en diecinueve entrevistas a practicantes, financiadores y creadores de marcos de cambio sistémico, parte de una observación incómoda. El capital filantrópico y de inversión fluye de manera desproporcionada hacia el Horizonte 1 y el Horizonte 2, es decir, hacia la respuesta inmediata a la crisis y hacia el remiendo del sistema vigente, mientras que el Horizonte 3, donde se ensayan los valores y paradigmas de un mundo distinto, queda crónicamente desfinanciado.

La razón que ofrece el reporte es estructural. Los sistemas se reproducen a sí mismos, de modo que construimos soluciones a nuestros problemas usando las mismas lógicas y epistemologías que los crearon, y por eso siempre hay más proyectos legibles y financiables en el statu quo. El trabajo verdaderamente transformador opera con otros criterios de valor y no encaja en los requisitos habituales de historial, métricas y gobernanza que rigen las decisiones de financiamiento.

Algunos puntos a destacar:

• El enfoque dominante basado en evidencia cuantificable, que parecía racional y justo, terminó estrechando lo que cuenta como creíble y volvió más difícil financiar lo emergente y lo aún no probado.

• Buena parte del trabajo propositivo nace en las grietas, liderado desde los márgenes por quienes ven con mayor nitidez precisamente porque el sistema los excluye.

• El reporte propone trece elementos o capacidades que los marcos clásicos suelen omitir, entre ellos sanar, desaprender, metabolizar el duelo de lo que muere y proteger lo frágil antes de que sea aplastado o cooptado.

La tesis que atraviesa el documento es que financiar el Tercer Horizonte exige una forma distinta de percibir, una que recupere la intuición como modo válido de conocimiento sin entregarse a ella ciegamente. Y ahí aparece la pregunta que el reporte deja sobre la mesa para quienes administran riqueza concentrada, si el mundo que viene seguirá diseñándose con las herramientas que produjeron el actual o si habrá quien encuentre el valor de mover recursos hacia lo que todavía no se puede medir.

Señales de posibles futuros

🚜 Tractores sin tecnología

Que una empresa canadiense reciba más de mil solicitudes de agricultores de unos treinta países por anunciar un tractor deliberadamente desprovisto de tecnología dice mucho sobre la resistencia que empieza a organizarse en torno a la reparabilidad. Ursa Ag, de Alberta, fabrica una máquina que cuesta cerca de la mitad que una John Deere y que el agricultor puede encender en la mañana, usar y apagar al final del día sin depender de un técnico autorizado. La demanda nace de una frustración concreta y documentada, la del monopolio de reparación que ejerce John Deere a través de sistemas de gestión de derechos digitales que dejan a los campesinos bloqueados frente a sus propias máquinas, con cosechas que se pudren mientras esperan a que un reparador con permiso llegue durante la temporada crítica.

La señal no es que alguien fabrique un tractor simple, sino que la simplicidad se haya vuelto un argumento de venta capaz de mover mercado. El fundador cuenta que muchos de sus clientes cargan teléfonos de tapa y que la misma presión podría trasladarse a lavadoras, refrigeradores y cualquier electrodoméstico al que se le haya inyectado una pantalla y unos términos de uso para ejecutar tareas que nunca los necesitaron.

De cara al futuro, lo que esta señal anticipa es la maduración de un mercado que rechaza la conectividad obligatoria. Si Fairphone y Framework demostraron que había compradores dispuestos a pagar por un teléfono y una laptop reparables, el tractor sugiere que el mismo apetito puede escalar hacia la maquinaria pesada y la infraestructura productiva, justo cuando la industria de los centros de datos presiona en sentido contrario para debilitar las leyes de derecho a reparar.

Ursa Ag

Gracias por leer. ¡Nos vemos en el futuro!