¿Será la IA general realmente el “último invento”?

Lo que alguna vez perteneció a la ciencia ficción, se ha convertido en el objetivo principal de las instituciones más poderosas del mundo. Demis Hassabis, de Google DeepMind, por ejemplo, habla de “resolver el problema de la inteligencia” para “resolver todo lo demás”. Es una historia seductora. Pero incluso si asumimos, a modo de hipótesis, que los sistemas futuros pueden aprender, experimentar y generar soluciones genuinamente novedosas que van mucho más allá de los modelos actuales, la tesis de la última invención sigue basándose en múltiples supuestos cuestionables.

La primera idea errónea es que la innovación se asemeja a una carrera sin obstáculos desde la idea hasta el impacto. No es así. Más bien, el proceso de descubrimiento se parece a una cadena, cuya fuerza depende de su eslabón más débil.

Estos puntos débiles definen gran parte del progreso humano. En 1986, el transbordador espacial Challenger se desintegró 73 segundos después del lanzamiento, no por un fallo en sus motores o software de última generación, sino porque una pequeña junta de goma falló al ser sometida a bajas temperaturas atmosféricas (como el físico y premio Nobel Richard Feynman expuso brillantemente en las audiencias sobre el desastre). Desde entonces, la «junta tórica» se ha convertido en una metáfora de los cuellos de botella críticos que pueden hundir incluso los sistemas más sofisticados.

El proceso de descubrimiento funciona de la misma manera. La inteligencia artificial general (IAG), entendida generalmente como un modelo capaz de realizar cualquier tarea cognitiva, puede acelerar drásticamente la investigación médica en sus primeras etapas, pero si no puede gestionar los ensayos clínicos, la producción a gran escala ni obtener la aprobación regulatoria, el avance nunca se convierte en una invención que mejore la vida de las personas. Cuando se automatizan las primeras etapas del descubrimiento, el papel del ser humano no desaparece; simplemente se desplaza hacia los cuellos de botella restantes, donde el criterio, el conocimiento tácito y la experiencia práctica son fundamentales.

Esta complicación nos lleva a otra aún mayor: la IA general no solo tendría que superar a los humanos, sino que tendría que superarlos utilizando la propia IA general. Para que la teoría de la última invención se mantuviera, los humanos tendrían que volverse innecesarios incluso como socios o supervisores de las IA.

Pero la inteligencia no es una cantidad: “Más” no simplemente reemplaza a “menos”. Incluso una IA general muy capaz podría ser diferente a un ser humano: excepcional en velocidad y detección de patrones, pero frágil ante casos excepcionales. Las diferentes fortalezas implican diferentes puntos ciegos, y cuando estos no coinciden, la combinación del juicio humano y el de la máquina seguirá superando a cualquiera de ellos por separado.

El juego de Go nos lo recuerda. Tras la victoria de AlphaGo de Google DeepMind sobre Lee Sedol por 4-1 en 2016, su superioridad sobre los jugadores humanos parecía indiscutible. Sin embargo, en 2023, investigadores demostraron que , al llevar a los mejores motores de ajedrez a posiciones inusuales, fuera de su entrenamiento, un aficionado con habilidades informáticas modestas podía derrotar con fiabilidad a los mejores programas. La aparente supremacía puede ocultar debilidades sistemáticas, y es precisamente ahí donde la intervención humana aporta mayor valor.

Un tercer problema concierne al conocimiento en sí. La tesis de la última invención presupone que toda la información relevante puede codificarse, pero esto no suele ser así. Pocas invenciones cambiaron el mundo tanto como el Ford Modelo T, que transformó el automóvil en un producto de consumo masivo. Sin embargo, el logro de Henry Ford no radicó únicamente en un nuevo diseño. Más importante aún fue su enfoque para organizar la producción.

Por eso, delegaciones de Italia, Alemania, la Unión Soviética y otros países viajaron para estudiar de primera mano las fábricas de Ford. El conocimiento esencial no se podía extraer de ningún plano. Estaba integrado en las rutinas, la secuenciación, las herramientas y la resolución de problemas cotidianos de los operarios. De manera similar, el sistema de producción ajustada de Toyota era difícil de replicar porque está arraigado en las rutinas y la cultura humanas, no en un esquema.

Una mayor inteligencia no resuelve automáticamente el “problema del conocimiento”: el hecho de que lo que hace funcionar los sistemas complejos es información dispersa, local y, a menudo, tácita. Si el conocimiento fuera fácilmente transferible, las industrias no se concentrarían de forma tan intensa, como en Silicon Valley o la City de Londres.

Los entusiastas de la IA podrían responder: “De acuerdo, instalemos sensores, cámaras y micrófonos por todas partes, y codificaremos el conocimiento que falte”. Pero esta estrategia presupone que las personas monitoreadas se comunicarán abiertamente y compartirán el conocimiento que generen, y obvia la política y la ley. Registrar “todo, en todas partes” entraría en conflicto con el Reglamento General de Protección de Datos (RGPD) de la Unión Europea, que se ha convertido en un modelo para la regulación de la privacidad a nivel mundial.

Además, la Ley de IA de la UE no autoriza los despliegues intensivos de vigilancia necesarios para recopilar el conocimiento humano a gran escala. E incluso si así fuera, no se puede asumir que todo el conocimiento humano, y mucho menos el juicio, se digitalice con tanta facilidad.

En última instancia, la IA general bien podría automatizar la inteligencia. Pero el proceso de invención depende de algo más. A menudo, lo difícil no es idear una solución, sino llevarla a la práctica. Se necesitan conocimientos locales, rutinas de confianza, cadenas de suministro y capacidad institucional para que algo funcione de manera fiable en el mundo real. Una mayor inteligencia no genera automáticamente esos elementos complementarios.

La IA general transformará el descubrimiento al abaratar la experiencia y agilizar la experimentación. Sin embargo, asegurar que se trata del “último invento de la humanidad” es una afirmación mucho más contundente. Para que esto fuera cierto, necesitaríamos un mundo donde el conocimiento práctico fuera totalmente transferible a través de canales digitales y donde la responsabilidad pudiera automatizarse junto con la cognición. Ese no es el mundo en el que vivimos.

A medida que la inteligencia se abarata, los activos más valiosos cambiarán. La ventaja recaerá en quienes puedan generar resultados. Los humanos no se están volviendo prescindibles; se están convirtiendo en el principal obstáculo del mundo.

El autor es profesor asociado de IA y trabajó en el Oxford Internet Institute y director del programa El futuro del trabajo en la Oxford Martin School, es autor, entre otras obras, de Cómo termina el progreso: tecnología, innovación y el destino de las naciones. (Princeton University Press, 2025).

Copyright: Project Syndicate, 2026.
www.project-syndicate.org