Nos piden frenar la IA: ¿Sabemos de qué nos protege el freno?
Hay una frase que se repite cada vez con más frecuencia en conferencias, editoriales y reuniones de directorio: hay que frenar la inteligencia artificial. Lo dicen reguladores en Bruselas, lo dicen investigadores que trabajan dentro de los propios laboratorios, lo dicen ejecutivos que hace dos años prometían que la IA cambiaría todo. Y yo no digo que estén equivocados. Lo que me llama la atención es que casi nadie explica de qué exactamente nos queremos proteger. Frenar es una respuesta. ¿Cuál es la pregunta?
Partamos por un hecho incómodo. Ethan Mollick, profesor de Wharton y probablemente el observador más lúcido del uso real de estas herramientas, publicó hace unos días un ensayo sobre lo que llama "el sobrante de capacidad": la brecha entre lo que los modelos actuales ya pueden hacer y lo que casi nadie está haciendo con ellos. Su argumento es simple y desarmante. Si todos los laboratorios dejaran de entrenar modelos mañana, la tecnología que ya existe alcanza para transformar sectores enteros de la economía. El freno, en ese escenario, no detiene nada. Solo congela una foto en la que la mayoría todavía no aprendió a usar la cámara.
Entonces revisemos las razones para frenar, una por una, y veamos cuáles resisten. La primera es la más dramática: la IA podría destruirnos. Puede ser. No tengo elementos para descartarlo y tampoco los tienen quienes lo afirman con certeza. Pero hay algo raro en el argumento. Un estudio del MIT reveló que el 95% de los proyectos de IA generativa en empresas fracasan, y en nuestra región usamos estas herramientas como un buscador con esteroides. ¿Cómo nos va a matar algo que ni siquiera logramos poner a trabajar en un proceso de facturación? El riesgo existencial es un debate legítimo entre quienes construyen los modelos. Para el resto, es una forma elegante de no hacer nada.
La segunda razón es más silenciosa y me parece mucho más real. Un estudio de Anthropic publicado en junio, sobre 400 mil sesiones de trabajo con agentes de IA, encontró que los usuarios expertos en su dominio obtienen más del doble de trabajo por cada instrucción que los novatos: 12 acciones y 3.200 palabras de resultado contra 5 acciones y 600 palabras. Y sus tareas se completan con éxito verificado en 28% a 33% de los casos, contra 15% en los novatos. La misma herramienta, la misma suscripción, el doble de valor para quien sabe qué pedir. Dicho de otra forma: la IA no reemplaza el conocimiento profundo, lo premia. Y si lo premia, la brecha se abre cada mes entre quienes lo tienen y quienes no. Frenar los modelos no cierra esa brecha. La congela exactamente donde está.
La tercera razón está conectada con la anterior y es la que más me toca. Me acuerdo de mi primer trabajo. Me pusieron a hacer estados de pago, que es probablemente la tarea más mecánica que existe en una empresa: juntar respaldos, cuadrar montos, armar el documento, mandarlo a firmar. Un modelo de hoy lo hace en segundos. Pero lo que yo aprendí en esos meses no fue a hacer estados de pago. Fue lo que mi jefe me enseñaba mientras los hacía: con quién había que hablar para que saliera más rápido, qué secretaria tenía el poder real, por qué convenía pasar por su oficina antes de mandar el correo, cómo una relación bien cuidada valía más que un procedimiento bien seguido. Nada de eso estaba en el manual. Estaba en el trabajo aburrido, y el trabajo aburrido era la excusa para que alguien con experiencia me lo transmitiera.
Ese es justamente el trabajo que la IA absorbe primero. Un estudio de la Universidad de Stanford con datos de nómina de millones de trabajadores en Estados Unidos mostró que el empleo de personas entre 22 y 25 años en las ocupaciones más expuestas a la IA cayó 16% en términos relativos, mientras el de sus colegas con experiencia se mantuvo estable o creció. No los despidieron. Simplemente dejaron de contratarlos. Y si nadie hace el estado de pago, nadie está al lado del jefe cuando el jefe explica cómo funciona la empresa de verdad.
¿De dónde va a salir el próximo experto? Esta sí es una razón seria. Pero fíjense que tampoco se resuelve frenando la tecnología. Se resuelve rediseñando cómo se forma un profesional cuando el trabajo de entrada ya no existe, y eso es responsabilidad de cada empresa, no de un regulador.
La cuarta razón es la más cínica y la voy a dejar como provocación, porque no tengo evidencia para sostenerla como tesis: quienes más piden frenar son, casualmente, quienes ya van adelante. Un freno es una barrera de entrada. Que cada lector saque sus conclusiones.
Y la quinta es la que menos se dice en voz alta. Los que están usando estas herramientas a fondo, los que ya vieron a un modelo hacer en 45 minutos lo que a un equipo le tomaba semanas, tienen miedo. No de la máquina. De lo que ellos mismos van a hacer con ella, y de lo que va a pasar con todos los que todavía no la usan. Ese miedo es honesto. Pero es un miedo que pide educación, no pausa.
Porque cuando uno mira las cinco razones juntas, aparece un patrón. Las que tienen evidencia detrás no hablan de la velocidad de los modelos. Hablan de la velocidad de las personas. La brecha entre expertos y novatos, la desaparición del aprendizaje en el trabajo, el miedo de quienes ya cruzaron al otro lado: todos son problemas de formación, de criterio, de profundidad. Y la respuesta a un problema de formación nunca ha sido pedirle al mundo que espere.
En Chile y en América Latina esto tiene un filo particular. No fabricamos estos modelos. Los importamos, igual que importamos el debate sobre frenarlos. Y mientras discutimos una regulación que no vamos a poder fiscalizar, seguimos sin resolver lo único que sí depende de nosotros: cuánta gente en nuestras organizaciones tiene el conocimiento profundo para sacarle a la herramienta lo que la herramienta ya puede dar.
Mollick propone que lo que sigue siendo humano es el conocimiento profundo, el conocimiento amplio, el gusto y la iniciativa. Yo agregaría que ninguna de esas cuatro cosas se compra con una licencia. Se construyen, lento, y se construyen haciendo. El problema es que la forma en que las construíamos acaba de desaparecer.
Así que la pregunta correcta no es si frenamos. Son dos, y son incómodas. Para la empresa: si ya nadie hace los estados de pago, ¿cómo creamos esos expertos ahora? ¿Quién le enseña a los jóvenes con quién hay que hablar? Para el regulador: ¿Cómo adaptamos los modelos educacionales cuando pensar puede ser tercerizado? Ninguna de las dos se responde con una pausa. O quizás hay otra pregunta que se me pasó. Si es así, me interesa conocerla.