1. La IA predice, no piensa: desmintiendo el primer mito [0]

thumbnail La inteligencia artificial (IA) es un sistema estadístico que predice la siguiente palabra o píxel basándose en patrones de datos, sin comprender realmente lo que dice o hace.

1.1. La confusión entre predecir y comprender [0]

  1. La gente confunde la capacidad de la IA para acertar con la capacidad de saber, comprender y pensar, asumiendo que la IA llega a las respuestas como lo haría una persona [1].
    1. Por ejemplo, si se le pregunta a un modelo de IA el precio de un billete de metro en Barcelona en los años 80, responderá "60 pesetas" en 2 segundos [0].
    2. Sin embargo, la IA no entiende nada; simplemente busca la secuencia de palabras más probable en terabytes de texto escrito por humanos [4].
  2. Esta confusión es la base de un relato sobre el futuro de la IA, que se apoya en tres afirmaciones que la mayoría de la gente repite sin verificar [6].
    1. Estas afirmaciones son que la IA está a punto de pensar, que será para todos y que hará a la gente rica [10].
    2. El video examinará estos mitos utilizando informes de laboratorios, respuestas de investigadores y estados financieros de empresas de IA [12].
  3. La IA funciona convirtiendo texto en números, procesándolos a través de miles de millones de operaciones y eligiendo los números más probables para devolverlos como frases o imágenes [17].
    1. No hay una "luz interior" que indique comprensión o conciencia [20].
    2. La lingüista Emily Bender llama a estos sistemas "loros estocásticos" porque reproducen patrones de manera tan sofisticada que parecen comprender [21].
    3. Una analogía es un mapa perfecto de Madrid que puede trazar rutas, pero no "siente" lo que es pasear por el Retiro o celebrar en la Plaza Colón [23].
    4. Otra analogía es un libro de recetas extraordinario que describe sabores, pero no sabe qué es dulce o salado, ni siente hambre [26].
    5. La gente no confunde un mapa con una ciudad o un libro con la experiencia de comer, pero lleva tres años cometiendo ese error con la IA a escala industrial [29].

1.2. Mito 1: La Inteligencia Artificial General (AGI) es inminente [34]

  1. El primer mito es que la Inteligencia Artificial General (AGI), capaz de igualar o superar a los humanos en cualquier tarea cognitiva, está a la vuelta de la esquina [34].
    1. En febrero de 2025, 30 investigadores de Google DeepMind publicaron un informe que sugería que la AGI podría existir antes de 2030, superando al 99% de los adultos cualificados en tareas no físicas [39].
    2. Sin embargo, Google tiene intereses directos en la regulación de esta tecnología, y advertir del peligro desde dentro puede ser más barato que esperar a que los legisladores externos impongan normas [45].
    3. El grupo AI 2027 también sostiene que el impacto de una IA sobrehumana será mayor que el de la Revolución Industrial, lo que genera atención [48].
  2. La mayoría de la comunidad científica no cree que la AGI sea inminente [51].
    1. Una encuesta de la Asociación para el Avance de la Inteligencia Artificial (AAAI) a 475 académicos y profesionales reveló que el 76% considera "improbable o muy improbable" que las aproximaciones actuales lleven a la AGI [51].
    2. Muchos científicos creen que estamos lejos de alcanzarla y desconocen si algún día será posible [54].
    3. Senén Barro, catedrático de la Universidad de Santiago de Compostela, afirma que la AGI no se logrará con los modelos actuales, por mucho que se agranden [55].
    4. Barro utiliza la analogía de que, aunque sabemos cómo llevar personas a Marte, no sabemos el camino para llegar a la AGI; nos falta el mapa, no el combustible [58].
    5. Jensen Huang, CEO de Nvidia, argumenta que ya existen leyes para abordar los daños causados por productos de IA y que no se debe permitir que una narrativa apocalíptica exima a las empresas de las leyes actuales [61].
  3. La IA actual carece de conciencia y experiencia subjetiva [82].
    1. Alan Turing propuso en 1950 el "juego de la imitación" (el Test de Turing), donde una máquina se consideraría inteligente si conversaba de forma indistinguible de una persona [83].
    2. Sin embargo, este test mide la conducta externa y no lo que ocurre internamente, un "agujero" que el filósofo David Chalmers llamó el "problema difícil de la conciencia" [87].
    3. Sabemos cómo el cerebro procesa información y genera conducta, pero no por qué esto viene acompañado de experiencia subjetiva, como "sentir" [92].
    4. Alexander Lechner de Google DeepMind publicó en marzo de 2026 que los sistemas de IA operan con símbolos, que son categorías impuestas a la física continua del mundo, no la física en sí [93].
    5. Para que exista un símbolo, se necesita un intérprete consciente; los símbolos son producto de la conciencia, no su causa [96].
    6. Esperar que la conciencia emerja del procesamiento de símbolos es circular; la fórmula matemática de la gravedad no pesa, por ejemplo [98].
    7. Thomas Nagel preguntó en 1974: "¿Cómo es ser un murciélago?", refiriéndose a la experiencia subjetiva interna (qualia), que ninguna cantidad de cálculo simbólico ha logrado cruzar [101].
    8. Los investigadores de la conciencia sugieren que emerge de la integración de estados internos y representaciones sensoriales (ritmo cardíaco, sudor, hambre, dolor) [106].
    9. Karma Torras del Instituto de Robótica e Informática Industrial afirma que para avanzar hacia la AGI, la IA tendría que ser "corporal", y la IA actual no sabe lo que es tener frío, una carencia que no se soluciona con más parámetros o datos [108].

2. Los mitos de la IA: acceso universal y riqueza [110]

thumbnail

Los mitos de que la IA será para todos y que hará a la gente rica benefician a un puñado de actores poderosos, quienes controlan el acceso y la narrativa.

2.1. Mito 2: La IA será para todos [110]

  1. El relato de una IA consciente e inminente es construido por quienes tienen intereses comerciales, mientras que la comunidad científica está lejos de esa afirmación [111].
  2. El acceso a la IA se está volviendo cada vez más estratificado y costoso [113].
    1. Nick Turley, jefe de producto de OpenAI, comparó el acceso ilimitado a la IA con la electricidad ilimitada, afirmando que no puede existir para siempre [114].
    2. El mercado, que antes era binario (gratis o unos pocos dólares al mes), ahora es una pirámide de varios niveles [115].
    3. OpenAI ofrece seis niveles de suscripción, desde un plan gratuito con publicidad hasta planes de 8, 20, 100 y 200 dólares mensuales [117].
    4. Google AI Ultra cuesta 249-250 dólares, y Anthropic tiene su versión Max en 200 dólares [118].
    5. Al subir de nivel, se compra más capacidad de trabajo; el plan más caro de OpenAI ofrece 20 veces más uso de herramientas avanzadas que el estándar [120].
    6. Google ha convertido su entorno de programación con IA, Antigravity, en un sistema explícito de créditos, donde 25 dólares equivalen a 2,500 créditos, con una conversión a tokens opaca [123].
    7. Desarrolladores que usaban la herramienta normalmente vieron su cuota habitual recortada en un 97% de un día para otro [126].
  3. Los agentes de IA aumentan drásticamente los costos [128].
    1. Un agente no solo responde preguntas, sino que ejecuta tareas durante horas, utiliza herramientas y razona sobre resultados [129].
    2. Los datos del sector indican que el despliegue de agentes en empresas medianas puede costar entre 1,000 y 5,000 dólares mensuales, con el 70% de ese gasto solo en tokens [131].
    3. La investigación académica señala que las trayectorias de los agentes son impredecibles, y el mismo agente puede consumir 10 veces más en un ciclo que en otro, haciendo imposible calcular el costo de antemano [132].
  4. La brecha de acceso y competencia se refuerza mutuamente [135].
    1. Un estudio de la Universidad de Hong Kong documenta que las personas con más recursos no solo acceden más a la IA avanzada, sino que también saben cómo integrarla en flujos de trabajo reales [135].
    2. Naciones Unidas ha documentado lo mismo a escala global, con los beneficios concentrados en unas pocas empresas y regiones [136].

2.2. Mito 3: La IA te hará rico [142]

  1. El tercer mito es que la IA creará más millonarios que cualquier otra tecnología en la historia [142].
  2. La inversión en IA no se ha traducido en un aumento significativo de la productividad [147].
    1. Robert Solow, premio Nobel de 1987, describió una paradoja similar en la era de los ordenadores: la inversión informática era colosal, pero la productividad estadounidense había caído [147].
    2. Esta paradoja tardó dos décadas en resolverse (entre 1995 y 2005) [150].
    3. Un estudio del National Bureau of Economics Research (NBER) de febrero de este año, basado en encuestas a casi 6,000 ejecutivos, encontró que más del 80% de las empresas no ha registrado ningún impacto de la IA en su productividad o empleo en los últimos 3 años [151].
    4. El 69% de las empresas usa alguna herramienta de IA, y los directivos le dedican una media de hora y media semanal [153].
    5. Torsten Slock, economista jefe de Apollo, resumió que la IA está en todas partes, excepto en los datos macroeconómicos [154].
    6. Daron Acemoglu del MIT estimó que el impacto real en la productividad podría ser del 0.5% en 10 años, lo cual es decepcionante frente a las promesas de la industria [155].
  3. El crecimiento de la IA se concentra en pocas empresas y se alimenta de financiación circular [158].
    1. Aunque el precio por token ha caído entre un 80% y un 90%, el gasto ha subido porque el volumen de uso ha explotado mucho más rápido, beneficiando a quienes están en la cima de la cadena [158].
    2. A finales de 2025, cinco empresas representaban el 30% del SP500, la mayor concentración en medio siglo [159].
    3. Sam Altman admitió en diciembre que los inversores están "sobreexcitados" con la IA [160].
    4. Gran parte del crecimiento se alimenta de financiación circular: Microsoft invierte en OpenAI, que gasta en Azure; Amazon lidera la ronda de Anthropic y luego cobra los servidores en AWS [162].
    5. Este circuito infla las métricas sin que exista necesariamente una demanda final proporcional [165].
  4. Los tres mitos benefician a un puñado de actores poderosos [166].
    1. El mito de que la máquina está a punto de pensar desvía la conversación hacia lo metafísico y aleja el foco de los balances financieros [168].
    2. El mito de que la IA será para todos impulsa la adopción masiva mientras se construye una escalera de precios que decide quién puede usar la herramienta de verdad [169].
    3. El mito de que la IA te hará rico mueve el dinero minorista hacia donde ya está el dinero institucional [170].
    4. Francis Bacon dijo en 1620 que "el conocimiento es poder", pero en el siglo XXI, el poder reside en quien define qué se considera conocimiento, qué es urgente, qué hay que temer y qué hay que regular [172].
    5. Los laboratorios que controlan los modelos de IA más avanzados son actores con capacidad para moldear el imaginario colectivo [174].
    6. Por ejemplo, Meta presentó modelos de IA que subieron en las clasificaciones, pero luego se descubrió que la versión que competía estaba entrenada específicamente para superar esas pruebas y no era la versión accesible al público [177].
  5. La IA es una herramienta extraordinaria, pero la oportunidad real está en su aplicación práctica [181].
    1. La IA traduce, resume, programa, analiza y compara a una velocidad inigualable por humanos, y usarla bien es una ventaja real [181].
    2. La oportunidad no está en lo que se vende, sino en aplicarla al contexto concreto de cada uno, automatizando tareas que consumen horas y ocupando nichos desatendidos [187].
    3. No se necesita ser OpenAI, sino usar OpenAI mejor que la competencia [189].
  6. Es crucial cuestionar la fuente de las narrativas sobre la IA [191].
    1. La próxima vez que se lea que la AGI está a 5 años, que acabará con la humanidad, o que es el momento de invertir, se debe preguntar quién lo firma y qué gana con ello [192].
    2. Los intereses configuran las narrativas y los mitos mucho antes de que la evidencia pueda hacerlo [194].
    3. La electricidad, como servicio, tiene tarifas, operadores de último recurso y protecciones para el consumidor vulnerable, porque se decidió que el acceso a la energía afectaba la estructura básica de la vida económica y social [195].
    4. Sin embargo, la conversación sobre el acceso universal a la IA con la urgencia que merece aún no se está teniendo [199].
    5. Cuando se habla de regular la IA, se habla de controlarla, no de que llegue a todo el mundo, y cuando se habla de detener su avance, se habla de proteger los intereses de unos pocos [200].
    6. La IA se utiliza para enriquecer a una minoría, asustar a muchos y posicionar a unos pocos países en el control del poder futuro [203].
    7. Se recomienda usar la herramienta de IA, pero sabiendo que es una máquina de predicción entrenada con lo que hemos escrito nosotros, no un oráculo, un cerebro digital o un sustituto del criterio propio [204].
    8. En 10 años, lo que se recordará es si se pensó por cuenta propia o con lo que decían otros [207].

2.3. El futuro de la IA: control social y ruido ensordecedor [209]

  1. En los próximos 3 o 4 años, se desarrollarán inevitablemente dos cosas: un control social embebido en la dependencia y un ruido ensordecedor disfrazado de bondad [209].
    1. Ambos se impondrán por la desidia social, el cansancio y la anestesia colectiva [212].
    2. Depender es una decisión personal, pero que nos prohíban pensar requiere una lucha [213].
    3. Es necesario dar la batalla, tomar las armas morales y sumar conciencias, en lugar de simplemente soportar lo que nos dicen que es por nuestro bien [215].
    4. Esto no es subversivo, sino simplemente no confundir el mapa con el territorio [216].