Agosto de 2026 se convirtió en un punto de bifurcación en el discurso público sobre la inteligencia artificial. Tres figuras que definen la corriente principal del pensamiento tecnológico publicaron textos que dibujan tres visiones incompatibles del futuro. Y, sin embargo, en una cosa coinciden: la tecnología ya está dando resultados. La cuestión es quién paga por ello y por qué el papel del autor se reduce cada vez más a una función de verificador.
División en la visión del futuro
Mark Zuckerberg, en su ensayo The Future is for Everyone, promete un superinteligencia personal para cada habitante del planeta, apostando por ampliar las capacidades humanas mediante agentes privados y subastas de cómputo. Bill Gates, por el contrario, comienza con una confesión preocupante: no existe un plan para entrar en la nueva era. Propone una "reserva" de profesiones, un impuesto sobre tokens de IA y robots, así como nuevas instituciones para gestionar la transición. Entre ellos se encuentra el consultor Nikhil Suresh, cuya firma estudió durante un año y medio proyectos corporativos de IA desde dentro y registró una tasa nula de implementaciones exitosas.
Es revelador el caso de un alto ejecutivo de una empresa con ingresos superiores a $2 mil millones que presentó una estrategia centrada en la IA sin haber abierto ni una sola herramienta de IA. Según Suresh, tales confesiones conllevan riesgo de despido. Esto no es solo una anécdota, sino un problema sistémico de coordinación: la confirmación pública de la eficacia mantiene el puesto, mientras que una evaluación honesta destruye la carrera.
La economía del "centauro invertido"
El fenómeno clave que observo en la dinámica actual del mercado es la inversión del modelo del "centauro" del ajedrez de 1997. Entonces, el humano era la cabeza y la máquina, el cuerpo. Hoy, el algoritmo toma decisiones y el humano realiza trabajo físico o cognitivo al ritmo de la máquina, verificando los resultados. Un programador con GitHub Copilot, un abogado que firma un documento preparado por el modelo, un conductor bajo cámaras con reconocimiento: todos se convierten en "centauros invertidos".
La economía aquí es cruel: verificar cada resultado cuesta casi tan caro como crearlo. El ahorro surge solo porque nadie paga las horas de verificación. Según el Stanford Digital Economy Lab, el empleo de jóvenes profesionales de 22 a 25 años en profesiones con alta exposición a la optimización por IA es un 19% menor que el de sus pares en sectores menos afectados, y esta brecha ha crecido del 15% en un año. El verificador es necesario solo mientras la frecuencia de errores justifique su salario. Ocho fallos por cada cien cubren los costos; uno por cada diez mil, ya no.
El tiempo del estado intermedio
El aumento del 20% en las acciones de Block en febrero tras el recorte de 4000 empleados y la caída del 5% en agosto después de unos resultados excelentes demuestran que el mercado castiga la incertidumbre sobre el retorno de las inversiones en IA. Las empresas implementan la tecnología más rápido de lo que se confirma su eficacia, y la bolsa reacciona al instante a los anuncios de recortes, mientras que las cifras reales aparecen solo uno o dos trimestres después.
Los multimillonarios discuten sobre a quién le tocará la tecnología, pero se decide una cuestión mucho más fundamental: quién se someterá a ella. Por ahora, ninguno de los mecanismos propuestos —ni la "reserva" de profesiones de Gates ni las subastas de cómputo de Zuckerberg— responde al principal desafío: cómo preservar el derecho del trabajador a decidir cuándo y cómo utilizar una herramienta de IA. Sin esto, cualquier conversación sobre "ampliación de capacidades" sigue siendo solo retórica que oculta una nueva forma de control jerárquico.
Mi evaluación: nos encontramos en una fase que llamo la "ventana de verificación". Se cerrará en cuanto los modelos alcancen el umbral de cero errores, y entonces millones de "supervisores" resultarán superfluos. La cuestión no es si llegará ese momento, sino si las sociedades tendrán tiempo de crear las instituciones que Gates acertadamente señala como inexistentes. Por ahora, el único consejo racional para los profesionales es no invertir en verificar resultados ajenos, sino desarrollar la habilidad de discernir dónde la máquina es apropiada y dónde no.