Andamiaje de IA y pérdida de habilidad

La inteligencia artificial generativa mejora la productividad a corto plazo al completar tareas que los usuarios normalmente realizarían por sí mismos, pero su impacto a largo plazo en el desarrollo de habilidades depende en gran medida de si las personas utilizan la tecnología como sustituto de la práctica o como complemento para mejorar el aprendizaje. Dado que los resultados generados por la IA actual son idénticos independientemente de cómo se haya utilizado la herramienta, las evaluaciones tradicionales basadas en resultados no pueden diferenciar entre estos dos comportamientos. Sin embargo, la investigación en programación competitiva de élite revela que las pruebas de evaluación que prohíben la IA separan eficazmente a los usuarios que sustituyen la práctica de los que la complementan a nivel poblacional. Los entornos de práctica en línea sin evaluación previa muestran que una mayor dependencia de la IA se correlaciona con un menor desarrollo de habilidades, mientras que las competiciones supervisadas y sin IA demuestran que los participantes habilidosos logran un mayor rendimiento sin ayuda cuando integran la IA como complemento. En definitiva, estos hallazgos indican que el riesgo de erosión de las habilidades proviene del uso de modos sustitutivos más que de la tecnología en sí, lo que demuestra que las barreras de acreditación bien diseñadas pueden restablecer la fiabilidad de los registros de rendimiento en un mundo saturado de IA.

Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "When the Scaffold Stays On: AI, Practice Style, and Screening in Elite Skill Formation". Por Song Yao. Publicado el 2 de Septiembre de 2026.

El resumen, la transcripción, y la traducción fueron hechas usando herramientas de software de Inteligencia Artificial.

El resumen se presenta en la forma de un diálogo entre dos personajes sintéticos que llamaremos Alicia y Beto.

---

Resumen

Beto
Imagina ir al médico por un escaneo crucial y descubrir que, debido a que han estado utilizando la tecnología de IA más avanzada, la capacidad humana real para detectar el cáncer se ha desplomado.

Alicia
Vaya. Sí, eso es aterrador.

Beto
Correcto. Pero está sucediendo ahora mismo. Hubo este estudio observacional masivo multi-centro sobre médicos que realizan colonoscopias.

Alicia
De acuerdo.

Beto
Y después de que se introdujeron herramientas asistidas por IA para ayudar a detectar problemas, la capacidad no asistida del médico para detectar pólipos precancerosos ... quiero decir, sin que la máquina hiciera el trabajo de búsqueda por ellos, cayó de más del 28% a solo el 22%.

Alicia
Quiero decir, esa es la definición literal de atrofia de habilidades.

Beto
Sí.

Alicia
Siempre pensamos en estas herramientas como que aumentan nuestras capacidades. Pero cuando la máquina hace todo el trabajo de vista por ti, tus propios ojos, y quizás más importante, tus propios marcos de diagnóstico internos, simplemente empiezan a acumular polvo.

Beto
Como perder masa muscular en gravedad cero, o algo así.

Alicia
Exacto. Las vías neuronales que construyeron a lo largo de años de brutal entrenamiento médico, simplemente comienzan a degradarse.

Beto
Lo que nos lleva al núcleo de este análisis profundo de hoy. Estaba leyendo este artículo salvaje de 2026 de Song Yao, de la Universidad de Washington, en St. Louis.

Alicia
Oh, ese artículo es fascinante.

Beto
Lo es. Desafía por completo cómo veo la IA. El artículo se llama "When the Scaffold Stays On: AI Practice Style and Screening in Elite Skill Formation" ("Cuando el andamio se mantiene: Estilo de práctica y selección de la IA en la formación de habilidades de élite").

Alicia
Es un título excelente.

Beto
Lo es. Y va más allá del bombo inmediato sobre qué tan rápido podemos generar un correo electrónico o escribir un bloque de código y hacer una pregunta mucho más aterradora a largo plazo sobre el capital humano.

Alicia
Correcto. Lo que realmente importa.

Beto
Exacto.

Así que hoy estamos sumergiéndonos en la ilusión de competencia. Nuestra misión es básicamente averiguar si usar la IA para aprender y trabajar está erosionando fundamentalmente nuestras verdaderas capacidades no asistidas a nivel de élite.

Alicia
Y si las organizaciones pueden incluso distinguir entre alguien que usó la IA para engañar su propio aprendizaje, frente a alguien que la usó para convertirse en un genio.

Beto
Exacto. Lo que significa que mientras escuchas esto ahora mismo, realmente tienes que hacerte una pregunta difícil sobre tus propios hábitos diarios.

Alicia
Oh, seguro.

Beto
Cuando usas la IA para prepararste para una reunión importante o para aprender una nueva materia, ¿la estás usando como muleta, o como un entrenador?

De acuerdo, desglosémoslo.

La IA en formacion de habilidades: cómo las barreras de evaluación prohibidas distinguen los sustitutos de los complementos.

Alicia
Para realmente entender la mecánica de lo que Yao está tratando de transmitir, tenemos que reconocer la metáfora central, que es brillante. La estructura o el andamiaje ("scaffold").

Beto
El andamiaje, ¿verdad?

Alicia
Piensa en un edificio en construcción, y está rodeado por esta enorme estructura metálica. Cuando una IA te está ayudando en una tarea, actúa justo como esa estructura.

Beto
Sosteniendo todo.

Alicia
Sí, exactamente. Y el producto final que generan el ensayo pulido, el código impecablemente ejecutado, el modelo financiero prístino, se ve magnífico desde fuera.

Beto
¿Pero por dentro?

Alicia
Dentro, no tienes ni idea de si el edificio detrás de ese andamiaje está hecho de acero reforzado o de cartón mojado, porque el resultado se ve idéntico de cualquier manera.

Beto
Así que porque ese andamiaje de IA se mantiene, hay básicamente dos modos de uso completamente diferentes sucediendo en silencio en oficinas y escuelas por todas partes.

Alicia
Correcto.

ABeto
Y el primero es lo que llamamos "el modo sustituto".

Beto
El peligroso.

Alicia
Extremadamente peligroso. En modo sustituto, la IA simplemente hace el trabajo pesado. Delegas la lucha cognitiva por completo a la máquina.

Beto
Lo cual se siente genial en el momento.

Alicia
Oh, se siente increíblemente eficiente. Pero el problema es que esa lucha, la fricción real de descubrirlo, es precisamente lo que se requiere para construir un modelo mental. Sin la fricción, tu habilidad subyacente simplemente nunca se desarrolla.

Beto
Y luego el segundo modo es el "modo complemento".

Alicia
Correcto.

Beto
Donde usas la IA para aprender más rápido. Como tal vez obtienes una pista cuando estás completamente atascado. Pero sigues practicando y construyendo tus propios músculos cognitivos de manera deliberada. La estás usando para empujar tus límites, no solo para escapar del trabajo.

Alicia
Exacto.

Beto
Me parece que básicamente estamos hablando de bicicletas eléctricas.

Alicia
Oh, me gusta eso. ¿Cómo es?

Beto
Bueno, si giro el acelerador de una bicicleta eléctrica al 100%, llego a la cima de la colina.

Alicia
Claro.

Beto
El resultado se logra, ¿verdad? Pero mis piernas van a volverse gelatina eventualmente. No estoy haciendo ningún trabajo. Pero si uso el modo complemento de la bicicleta eléctrica, pedaleando furiosamente mientras el motor solo reduce la dificultad de las pendientes más pronunciadas, todavía llego a la cima. Pero realmente he hecho un entrenamiento masivo.

Alicia
Esa es la analogía perfecta. Y resalta por qué este es un problema tan crítico, específicamente en la frontera del conocimiento humano.

Beto
La frontera, es decir, lo verdaderamente vanguardista.

Alicia
Sí. Como usar una calculadora para matemáticas básicas está totalmente bien. Las matemáticas básicas son un problema rutinario resuelto. No necesitamos reinventar la división larga todos los días.

Beto
Correcto. A nadie le importa cómo haces la división larga.

Alicia
Exacto. Pero la IA es fundamentalmente diferente porque su principal debilidad son los problemas de frontera verdaderamente novedosos.

Beto
Nada que no haya visto en su entrenamiento el día.

Alicia
Sí. Situaciones que se desvían de lo que conoce. Si todo el mundo solo está escribiendo el acelerador, como dijiste, perdemos a los humanos que son capaces de funcionar sin mediación de la IA.

Beto
Porque necesitamos expertos que puedan detectar las alucinaciones de la IA, ¿verdad? Y empujar la innovación más allá de lo que la máquina ya conoce.

Alicia
Lo hacemos. Pero aquí está el gran problema. Si tanto la persona que toma el paseo gratuito como la persona que pedalea a muerte llegan a la cima de la montaña exactamente al mismo tiempo.

Beto
Ambos sosteniendo la misma salida perfecta asistida por IA.

Alicia
Correcto. ¿Cómo demonios puede un profesor, un empleador o un cliente saber lo que hay realmente dentro del cerebro de esa persona?

Beto
No pueden. No mientras el andamiaje esté sujeto.

Alicia
Exacto. Literalmente no pueden saberlo. La única forma de revelar la integridad estructural de la mente humana es arrancarle el andamiaje.

Beto
Tienes que forzar la situación en la que el individuo debe rendir por completo sin ayuda.

Alicia
Pero encontrar un laboratorio para observar esto en el mundo es casi imposible.

Beto
Sí, yo diría que sí. Tendrías que rastrear los hábitos diarios de miles de personas con IA durante años. Y luego encerrarlas en una habitación, sin internet, para ver lo que realmente pueden hacer.

Alicia
Lo cual es exactamente lo que encontraron los investigadores.

Beto
Espera. ¿De verdad?

Alicia
Sí. Encontraron el experimento natural perfecto en el mundo de la programación competitiva de élite.

Beto
De acuerdo. Aquí es donde se pone tan interesante. La programación competitiva opera en dos entornos distintos, ¿verdad?

Alicia
Correcto.

Beto
Por un lado, tienes una plataforma llamada "Codeforces". Y esto es este enorme sandbox en línea abierto.

Alicia
Es inmenso.

Beto
Cualquiera puede iniciar sesión para practicar problemas de codificación, ingresar en concursos en línea. Y no hay absolutamente nada de supervisión. Puedes ejecutar GitHub Co-Pilot. Puedes mantener ChatGPT abierto en otro monitor. Es básicamente el Salvaje Oeste.

Alicia
El andamiaje de IA está permanentemente disponible allí.

Beto
Exacto. Pero luego el otro lado del espectro es el campo de pruebas definitivo. El Concurso Internacional de Programación de Colegios, ("International Collegiate in Programming Contest" o ICPC). Y la Olimpiada Internacional en Informática ("International Olympiad in Informatics", IOI).

Alicia
Estos son, sin duda, los finales de programación de alto riesgo más prestigiosos de la Tierra.

Beto
Solo conseguir un asiento en estos eventos requiere sobrevivir a estas brutales rondas de calificación.

Y los finales, en sí, son totalmente presenciales y draconianos en su estrictez. Sin teléfonos, sin conexión a internet, cero IA. Se te permite un diccionario impreso en tu propio intelecto crudo.

Alicia
Es el contraste perfecto.

Beto
Así que los investigadores rastrearon a más de 10,000 programadores en ambos entornos.

Alicia
Vaya. 10,000.

Beto
Sí. Y analizaron específicamente su comportamiento antes y después del lanzamiento de GitHub Co-Pilot en 2021. Y ChatGPT en 2022. Pero espera, no pudieron ver realmente a través de las cámaras web de los programadores durante su práctica no supervisada en Code Forces, ¿verdad? Entonces, ¿cómo supieron quién estaba usando IA?

Alicia
Ese fue el gran desafío. Tuvieron que buscar huellas de comportamiento en los datos para probar que alguien estaba apoyándose en la IA. Cazaron lo que llamaron "la firma de prompt de IA".

Beto
La "firma de prompt de IA".

Alicia
Es brillante.

Beto
Me encanta eso.

Alicia
Es brillante. Y lo hicieron analizando los datos de marca de tiempo de millones de envíos de práctica.

Puesto que apoyarse en la IA excesivamente cambia fundamentalmente la mecánica de cómo un programador interactúa con un problema.

Beto
Cambia el ritmo de su trabajo.

Alicia
Exacto. Y identificaron una firma de comportamiento específica compuesta por tres rasgos.

Beto
De acuerdo. ¿Cuál es el primero?

Alicia
El primero es un pico masivo en las aceptaciones de intento único.

Beto
Soluciones en una sola toma.

Alicia
Correcto. Un codificador humano naturalmente comete pequeños errores, un error tipográfico aquí, un fallo lógico allá. Pero de repente tienes gente resolviendo algoritmos complejos sin fallos en la primera toma.

Beto
Lo cual es súper sospechoso.

Alicia
Muy sospechoso. Y el segundo rasgo es una caída correspondiente en el número total de intentos necesarios para resolver un problema.

Beto
Tiene sentido. Si lo estás resolviendo en el primer intento, tu número total de intentos cae en picada.

Alicia
Exacto. Pero la tercera parte de la firma es donde el trabajo de detective se vuelve verdaderamente profundo. Buscaron una disminución brusca en lo que llaman "reintentos rápidos".

Beto
De acuerdo. Aquí es donde se pone realmente interesante. Porque realmente necesitamos desglosar por qué importa un reintento rápido. Se aplica a mucho más que solo ingeniería de software.

Alicia
Oh, absolutamente.

Beto
Un reintento rápido es cuando envías tu código, el sistema te dice que falló, y vuelves a enviar una versión corregida dentro de los 30 minutos.

Alicia
Correcto.

Beto
Esa acción específica es la marca registrada absoluta de la depuración humana. Escribiste la lógica, chocaste contra un muro, te sumerges de nuevo en tu propio mapa mental del código, encuentras tu error tipográfico o tu fallo lógico, y lo corriges.

Alicia
Es una lucha. Y al rastrear la ausencia de esa depuración humana rápida, los investigadores encontraron pruebas innegables de la dependencia de la IA.

Beto
Porque los reintentos rápidos desaparecen.

Alicia
Revela un cambio masivo, de un flujo de trabajo iterativo tradicional, a un flujo de trabajo de "prompt y arreglo" ("prompt and fix").

Beto
Prompt y arreglo.

Alicia
Sí. En el viejo bucle iterativo, la fricción de encontrar un error te obliga a entender profundamente la arquitectura de lo que estás construyendo.

Beto
Tienes que saber cómo funciona para arreglarlo.

Alicia
Exacto. Pero en un flujo de trabajo de "prompt and fix", tratas el código como una caja negra. La IA lanza una respuesta aparentemente perfecta. Si tiene la desgracia de fallar, no buscas tú mismo el error, porque no escribiste el código.

Beto
Correcto. No posees el mapa mental.

Alicia
Exacto. Así que simplemente le pides a la IA de nuevo, pidiéndole que corrija el error.

Beto
Piensa en la última vez que tuviste a ChatGPT escribir una macro compleja de Excel para tu trabajo de escritorio. Y lanzó un código de error.

Alicia
Todos hemos estado ahí.

Beto
¿Abriste el editor de Visual Basic, leíste la sintaxis y rastreaste la lógica para encontrar el paréntesis faltante?

Alicia
Definitivamente no.

Beto
Simplemente copias el mensaje de error, lo pegas de vuelta en el chat y dices: "esto no funcionó, inténtalo de nuevo".

Alicia
Exacto.

Beto
Y eso es precisamente la ausencia de un reintento rápido. Literalmente estás midiendo la ausencia de lucha humana para probar la presencia del sustituto de IA.

Alicia
Es un sustituto increíblemente ingenioso. Pero, solo saber que estos codificadores practican de manera diferente, no significa mucho a menos que sepamos si ese flujo de trabajo de "prompt and fix" realmente está perjudicando sus habilidades fundamentales.

Beto
Correcto. ¿Están siendo solo eficientes o están perdiendo su ventaja?

Alicia
Para descubrirlo, tenemos que mirar lo que sucede cuando la puerta de evaluación se cierra y son obligados a rendir.

Beto
De acuerdo. Y aquí es donde los datos se dividen de una manera que es simplemente fascinante.

Alicia
Lo es.

Beto
Veamos primero la piscina abierta y no examinada en Codeforces. Para los usuarios generales que practicaban con una "firma de prompt de IA" más fuerte, predijo ganancias de calificación significativamente menores a lo largo del tiempo.

Alicia
Una caída masiva, de hecho.

Beto
Sí. Básicamente por cada paso incremental, un codificador dio hacia depender puramente de los flujos de trabajo de IA. Su calificación de habilidad real se desplomó en 18 puntos en relación con sus pares.

Alicia
18 puntos. Eso es enorme.

Beto
Así que en el sandbox abierto, actuar como una IA está derritiendo demostrablemente sus capacidades. El modo sustituto es simplemente rampante allí.

Alicia
Están montando en la bicicleta eléctrica con el acelerador puesto al máximo. Y sus músculos cognitivos están visiblemente atrofiándose en comparación con los codificadores que todavía están trabajando manualmente la lógica.

Beto
Pero luego los investigadores miraron a los usuarios registrados, a los programadores de élite que sobrevivieron a las formaciones de equipos y a las agotadoras rondas de calificación para llegar a los finales del ICPC.

Alicia
Los mejores de los mejores.

Beto
Para ese grupo hiperélite que practicaba con la misma firma de IA no perjudicó sus calificaciones en Codeforces en absoluto.

Alicia
Ni siquiera un poco.

Beto
Y la prueba definitiva provino del interior del entorno estricto y completamente prohibido de IA de los finales del ICPC.

Alicia
Donde el andamiaje está completamente arrancado.

Beto
Exacto.

Para los que entraron en sus carreras de programación competitiva en la era de la IA, cambiando más hacia esa práctica de estilo de IA, predijo efectivamente puntuaciones no asistidas más altas en los finales.

Alicia
Resolvieron alrededor de 16 problemas más en promedio, lo cual en un campeonato global hipercompetitivo es una ventaja masiva.

Beto
Espera, espera. Me estás confundiendo.

Alicia
¿Cómo es eso?

Beto
Solo dijiste que actuar como una IA haciendo las soluciones de una sola toma y omitiendo la depuración arruina tu puntuación en la piscina abierta.

Alicia
Correcto.

Beto
Pero ahora me estás diciendo que exactamente el mismo comportamiento te hace ganador en la piscina de élite. ¿Cómo puede tener sentido que se contradiga completamente?

Alicia
Suena totalmente paradójico hasta que entiendes el concepto de "sesgo de supervivencia" y la función de la puerta.

Beto
La puerta.

Alicia
Sí. Piensa en los exámenes de supervisión, esas rondas de calificación, como un filtro físico. En la piscina abierta de Codeforces, cualquiera con conexión a internet puede jugar.

Beto
Así que la piscina está inundada.

Alicia
Saturada con los usuarios sustitutos, los delegadores perezosos que están dejando que sus habilidades se pudran. Y todos están mezclados en el conjunto de datos arrastrando la media hacia abajo.

Beto
De acuerdo.

Alicia
Pero los finales de élite tienen una puerta. Un usuario sustituto que se apoyó en la IA para engañar su propio aprendizaje simplemente no puede pasar una ronda de calificación supervisada.

Beto
Porque en realidad no saben cómo codificar.

Alicia
Exacto. Son eliminados físicamente del conjunto de datos antes de que lleguen a los finales.

Beto
Vaya. Así que la gente que usó la IA como muleta ni siquiera llegó a la línea de salida de la piscina de élite.

Alicia
No sobrevivieron al filtro.

Beto
Las únicas personas que quedan en ese conjunto de datos son las que estaban usando la IA para entrenar correctamente.

Alicia
La puerta separa fundamentalmente a la población. Los únicos individuos que sobreviven son los usuarios complementarios.

Beto
La gente pedaleando en la bicicleta eléctrica.

Alicia
Sí. Para ellos, adoptar un flujo de trabajo de IA no se trataba de evitar la fricción del aprendizaje. Se trataba de usar la IA para ingerir conceptos más rápido, para entrenar más duro, para ver soluciones avanzadas y para básicamente cubrir mucho más terreno durante sus sesiones de práctica.

Beto
Usaron el andamiaje para construir un rascacielos, no una caja de cartón.

Alicia
Eso está muy bien dicho. Y demuestra que la tecnología en sí no es la villana aquí.

Beto
Correcto. El comportamiento lo es. La IA no causa erosión de habilidades. La delegación perezosa causa erosión de habilidades.

Alicia
Exacto.

Beto
Lo cual realmente cambia la narrativa lejos de esta idea apocalíptica de que la IA nos hará a todos indefensos.

Alicia
En cambio, la IA simplemente actúa como una lupa gigante para nuestra ética de trabajo.

Beto
Y ese enfoque es esencial para cómo avanzamos. La práctica de estilo de IA es totalmente compatible con la habilidad de frontera de élite. Esa tecnología permite a los humanos más dedicados alcanzar picos más altos que nunca.

Pero tenemos que traducir este hallazgo del mundo súper nicho de la programación competitiva al resto de la sociedad. Porque las organizaciones en todas partes están en pánico sobre cómo evaluar el talento ahora mismo.

Alicia
Oh, el pánico es real. Ya sea que sea una junta médica evaluando a un nuevo médico, un bufete de abogados contratando a un asociado junior, o una empresa de tecnología contratando ingenieros, el miedo es que todos estén fingiendo.

Beto
Todos solo están demasiado con "prompts" de ChatGPT en un abrigo largo.

Alicia
Correcto. Y el reflejo inmediato para muchas de estas organizaciones es intentar prohibir la IA por completo, o instalar spyware distópico para monitorear si los empleados están usando la IA para ayudar a escribir un memorando.

Beto
Simplemente estamos perdiendo la batalla.

Alicia
Completamente. Y la principal conclusión de esta investigación es que las organizaciones no necesitan prohibir la IA durante las fases de entrenamiento o flujo de trabajo diario.

Beto
Solo necesitan puertas.

Alicia
Lo que necesitan son puertas de evaluación estrictas y sin compromiso. Lo que realmente necesitan son puntos de control físicos y supervisados para verificar la habilidad no asistida.

Beto
Entonces, ¿cómo se ve eso en el mundo real?

Alicia
Podría parecer una entrevista técnica en persona donde tienes que dibujar una solución en la pizarra o un período de prueba supervisado intensamente en el trabajo o un examen de junta vigilado.

Beto
Si mantienes la puerta fuerte, preserva la señal del talento verdadero.

Alicia
Filtra naturalmente a los usuarios sustitutos que construyeron edificios huecos.

Beto
Es como dejar que los corredores de maratón olímpicos entrenen con toda la tecnología, las cámaras biomecánicas impulsadas por IA, las cámaras hiperbáricas y los drones de ritmo que quieren.

Pero en el día de la carrera, tienen que dejar todo eso atrás y correr con sus propios pies. Si omitiste tus carreras largas porque el dron te arrastró, vas a colapsar en mitad de la carrera.

Alicia
Eso es exactamente lo que sucede.

Y, para el aprendiz individual que solo está tratando de navegar esto sin colapsar, hay una pieza secundaria de investigación citada en el artículo de Yao que ofrece el plano definitivo.

Beto
Oh, el estudio Bastani.

Alicia
Sí, es un estudio de 2025 de Bastani y colegas que examinó las matemáticas de la escuela secundaria. Y es salvaje.

Beto
Cuéntame.

Alicia
Dividieron a los estudiantes en dos grupos para estudiar cómo diferentes tipos de asistentes de IA afectaron su aprendizaje. Un grupo recibió lo que llamaron GPT base.

Beto
GPT base.

Alicia
Esta versión de la IA era sin restricciones. Así que cuando un estudiante pedía ayuda, básicamente le entregaba las pruebas matemáticas correctas y las respuestas completas.

Beto
Así que es ¿el modo sustituto definitivo?

Alicia
Absolutamente nada de fricción.

Beto
Cero fricción.

Alicia
Cero fricción. Y los resultados fueron totalmente predecibles, pero aterradores. Los estudiantes que usaron GPT base vieron cómo sus calificaciones de práctica se disparaban. Sus tareas eran impecables.

Beto
Porque la IA lo estaba haciendo.

Alicia
Correcto. Pero cuando se les obligó a tomar un examen final no asistido y supervisado, sus capacidades reales fueron expuestas.

Beto
¿Qué tan mal fue?

Alicia
Sus calificaciones del examen cayeron un 17% en comparación con las líneas base históricas.

Beto
Vaya. Una caída del 17% en competencia fundamental solo por confiar en la respuesta sin fricción.

Alicia
Habían subcontratado completamente su proceso de aprendizaje a la máquina.

Beto
Pero tenían un segundo grupo, ¿verdad?

Alicia
Lo tenían. El segundo grupo recibió GPT tutor.

Beto
De acuerdo. ¿Cómo fue diferente eso?

Alicia
Esta versión de la IA fue específicamente instruida a través de "system prompts" para nunca dar la respuesta final. Solo se le permitía proporcionar pistas, empujones y marcos conceptuales.

Beto
Así que forzaba al estudiante a ejecutar el salto cognitivo final por sí mismo.

Alicia
Exacto.

Beto
Modo complemento. La bicicleta eléctrica en una configuración baja.

Alicia
Sí. Y para el grupo de GPT tutor, sus calificaciones de práctica todavía se dispararon porque tenían acceso a este tutoría personalizada de clase mundial cada vez que se quedaban atascados.

Beto
Correcto. Lo cual es increíble.

Alicia
Pero crucialmente, cuando tomaron el examen final no asistido, sus puntuaciones no cayeron en absoluto. Mantuvieron su nivel de habilidad completamente no asistido mientras practicaban de manera mucho más eficiente de lo que podrían haberlo hecho por sí mismos.

Beto
Porque preservaron la fricción necesaria del aprendizaje.

Alicia
Mantuvieron viva la lucha.

Beto
Así que si están escuchando esto, este es el desafío de auditoría personal que quiero darles.

Alicia
Sí. Esto es importante.

Beto
Piensa en tus propios hábitos cuando enciendes una herramienta de IA. Digamos que la estás usando para resumir un denso informe financiero de 50 páginas para el trabajo. O para ayudarte a esbozar el complejo proyecto creativo.

Alicia
De acuerdo.

Beto
¿Estás exigiendo la respuesta final? ¿Simplemente estás copiando y pegando los puntos clave que genera la IA y declarando por terminado el día?

Alicia
Porque si lo estás haciendo, ...

Beto
Si lo estás haciendo, perteneces a ese primer grupo. Estás despojándote activamente del 17% de tu ventaja cognitiva. Tu capacidad para sintetizar información se está atrofiando.

Alicia
Estás permitiendo que tus músculos mentales se degraden.

Beto
Exacto. Pero si estás pidiéndole a la IA que critique un esbozo que ya escribiste, o pidiéndole pistas específicas para empujar tu propio pensamiento crítico más allá de un obstáculo, entonces estás montando en la bicicleta eléctrica.

Alicia
Estás construyendo el músculo.

Y esto plantea una pregunta estructural masiva sobre cómo construimos el futuro. Seamos honestos, la tecnología misma está fuertemente incentivada a darnos la respuesta final.

Beto
Correcto. Las empresas que están construyendo estos modelos, quieren que la gente se sienta sin fricción y todo mágico.

Alicia
Exacto. Entonces, ¿cómo diseñamos intencionalmente nuestros sistemas educativos, nuestros programas de capacitación corporativa y nuestros propios hábitos diarios para forzar el aprendizaje complementario basado en pistas?

Beto
Tenemos que introducir conscientemente fricción intencional en nuestras vidas para que no nos quedemos dormidos al volante.

Alicia
Tenemos que elegir el camino más difícil.

Beto
Si las herramientas están diseñadas explícitamente para hacer nuestras vidas increíblemente fáciles, tenemos que tomar la decisión deliberada de hacer las cosas un poco difíciles para nosotros mismos si realmente queremos crecer.

Alicia
Lo cual es tan contraintuitivo a cómo funciona la naturaleza humana.

Beto
Lo es.

Así que recapitulemos rápidamente el viaje que hicimos hoy. Comenzamos con el miedo muy real de que la IA está actuando como un sustituto que erosiona nuestras habilidades fundamentales y nos deja indefensos en situaciones críticas, como diagnosticar cáncer.

Pero sumergirse en los datos de programadores competitivos de élite nos muestra que la realidad es mucho más matizada. La IA no está derritiendo inherentemente nuestros cerebros.

Es un andamiaje increíblemente poderoso.

Alicia
Una herramienta masivamente poderosa.

Beto
Solo necesitamos puntos de control físicos, esas puertas de evaluación, para garantizar que sigamos poniendo nuestros propios ladrillos y construyendo nuestros propios músculos cognitivos mientras ese andamiaje esté sujeto.

Alicia
Si la puerta se mantiene, la habilidad se mantiene.

Beto
Exacto.

Alicia
El andamiaje es solo una herramienta. Nos permite alcanzar alturas sin precedentes, simplemente tenemos que asegurarnos de que nunca olvidemos cómo estar sin él.

Beto
Lo que me lleva a una última reflexión para dejarles. Algo para reflexionar mientras pasan su semana.

Alicia
De acuerdo. ¿Qué es?

Beto
Hemos hablado profundamente sobre cómo los humanos individuales necesitan mantener sus habilidades no asistidas para poder detectar errores de la IA e impulsar la frontera de la innovación hacia adelante.

Pero piensen en esto a una escala macro global. Ahora, los modelos de IA están siendo entrenados cada vez más con datos sintéticos. Quiero decir, datos generados por otros modelos de IA.

Alicia
Es una cámara de eco.

Beto
Exacto. Así que la demanda de una visión humana original y revolucionaria verdaderamente es que se disparará. Porque las máquinas necesitan material fresco de donde para aprender de.

Alicia
Necesitan que les alimentemos la nueva frontera.

Beto
Correcto. Así que si todos caemos en modo sustituto en silencio, buscando el camino sin fricción y dejando que nuestras habilidades de frontera decaigan, ¿quién queda para suministrar el genio humano original que la IA futura depende?

Alicia
Oh, vaya.

Beto
Si el andamiaje se convierte en todo el edificio, ¿qué le pasa a los arquitectos?

Alicia
Esa es una pregunta profunda e increíblemente inquietante para terminar.

Beto
Gracias por sumergirse profundamente con nosotros hoy.

El uso global de Google Gemini

Este texto presenta el ATLAS de IA y Economía de Google, una iniciativa de investigación integral diseñada para mapear el impacto económico real del ecosistema de IA Gemini. Mediante el análisis de 15 millones de interacciones anonimizadas, el estudio rastrea cómo se integra la IA en más de 800 ocupaciones y miles de actividades domésticas en 150 países. Los hallazgos clave revelan que, si bien la IA se ha extendido a industrias que representan casi el 88 % del empleo en EE. UU., su aplicación actual sigue siendo principalmente colaborativa en lugar de totalmente automatizada. Los datos destacan una fuerte correlación entre mayores ingresos y el uso de la IA, y también señalan que la IA se utiliza cada vez más para gestionar tareas administrativas complejas en la vida diaria. En definitiva, el informe cuestiona la idea de un desplazamiento masivo e inmediato de los trabajadores de oficina, sugiriendo en cambio que la IA actúa como una herramienta versátil tanto para el desarrollo profesional como para la utilidad personal.

Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "Google's AI & Economy ATLAS v1.0: Mapping Gemini Usage in the Economy". Por Zanna Iscenko y colegas de Google. Publicado el 22 de Julio de 2026.

El resumen, la transcripción, y la traducción fueron hechas usando herramientas de software de Inteligencia Artificial.

El resumen se presenta en la forma de un diálogo entre dos personajes sintéticos que llamaremos Alicia y Beto.

---

Resumen

Beto
Ahora mismo, hay esta enorme economía fantasma operando en silencio un domingo por la mañana.

Alicia
Sí. Justo debajo de nuestras narices.

Beto
Exacto. La gente simplemente está sentada en sus sofás, bebiendo café y generando más de $100 mil millones en valor económico no rastreado. Están usando una tecnología que todo el mundo sigue afirmando que está destinada a terminar con nuestros trabajos.

Alicia
Sí. Voy a doblar todo el mercado laboral.

Beto
Claro. Siguen escuchando que la IA está cambiando todo. Es ineludible en sus redes sociales, en las noticias nocturnas. Pero quiero que miren alrededor de su oficina real o que miren las estadísticas macroeconómicas más amplias. ¿Han cambiado las cosas fundamentalmente?

Alicia
Bueno, no realmente.

Beto
Claro. Porque en 1987, el economista Robert Solow señaló esta hilarante contradicción. Dijo que la era de la computadora era visible en todas partes excepto en las estadísticas de productividad.

Alicia
La "Paradoja Solow".

Beto
Sí. Ahora estamos viviendo la nueva "Paradoja Solow". La IA está en todas partes del zeitgeist cultural, pero es notablemente invisible en los datos duros de productividad.

Alicia
Es la desconexión entre el bombo publicitario sofocante que nos alimentan a diario y la realidad que realmente podemos medir. Es asombroso. Deja a la mayoría de la gente en este estado de parálisis ansiosa, creo yo.

Beto
Oh, completamente.

Alicia
Se les dice que su trabajo desaparecerá mañana o que se convertirán en algún ingeniero de "prompt" multimillonario.

Beto
Claro. Sin punto intermedio.

Alicia
Exacto. Cero explicación de lo que realmente está sucediendo en el terreno hoy.

Beto
Y esa es exactamente la misión de este análisis profundo. Estamos cortando la ciencia ficción para mirar la realidad humana del uso de la IA en este momento. Para hacer esto, tenemos acceso a un atajo sin precedentes para estar bien informados.

Alicia
Es un informe fantástico.

Beto
Lo es de verdad. Estamos analizando un informe de julio de 2026 llamado "Atlas de la IA y la Economía de Google V1.0". Esto no es una encuesta a 50 directores ejecutivos de tecnología adivinando sobre el futuro. Es un análisis masivo y con privacidad preservada de 15 millones de interacciones reales.

Alicia
Y eso cubre la aplicación Gemini, el modo IA de Google, la API de Gemini. La escala es simplemente, bueno, es difícil de asimilar.

Beto
Sí. ¿Puedes desglosarnos qué tan grande es este conjunto de datos?

Mapeando la economía de la IA del mundo real: amplia, superficial y colaborativa.

Alicia
Sí. Así que mapearon estas interacciones de IA a más de 800 ocupaciones específicas y como 4,000 tareas laborales discretas. Además, cubre 150 países y 140 idiomas.

Beto
Vaya.

Alicia
Estos datos básicamente actúan como un anillo decodificador de comportamiento. Al mirar 15 millones de indicaciones ("prompts"), no solo vemos lo que tú y yo le estamos pidiendo a la máquina. Podemos rastrear los mecanismos de cómo está remodelando la rutina diaria.

Beto
Claro. La gestión doméstica, la economía global en general, todo eso.

Alicia
Sí, exactamente.

Beto
Así que empecemos donde la ansiedad es más fuerte, que es el lugar de trabajo. La narrativa predominante es la pesadilla de la automatización total, ¿verdad?

Alicia
Oh, seguro.

Beto
El cerebro algorítmico brillante sentado en tu escritorio. Sí. Haciendo todo tu trabajo mientras te sacan del edificio por seguridad. Pero los datos revelan una realidad profundamente diferente.

Okay, desglosemos esto. El informe Atlas encontró que el uso de IA se observa en ocupaciones que representan el 88% del empleo en EE. UU.

Alicia
Es un número enorme.

Beto
Lo es. Así que está en todas partes. Pero su penetración real en esos trabajos es increíblemente superficial. En el trabajo mediano que utiliza IA, los trabajadores solo la están aplicando al 21% de sus tareas diarias.

Alicia
Claro. Y eso tiene perfecto sentido porque los economistas del trabajo miran un trabajo no como un monolito, sino como un paquete de tareas específicas.

Beto
Claro. Un paquete de tareas.

Alicia
Sí. Así que si eres gerente de marketing, tu trabajo no es una sola cosa. Es un paquete de como 50 cosas. Escribes resúmenes, participas en reuniones, analizas métricas de campaña, tú, no sé, gestionas personalidades.

Beto
Compras café para el cliente.

Alicia
Exacto. Y lo que prueba el informe Atlas es que la IA no está devorando todo el paquete. Hay una fracción minúscula de ocupaciones. Creo que son alrededor del 3% donde la IA está manejando más del 75% de las tareas.

Beto
Y esas son probablemente funciones muy específicas, ¿verdad?

Alicia
Sí. Mayormente cosas como garantía de calidad de software. Pero para la gran mayoría de la fuerza laboral, la IA solo está tocando una porción muy estrecha de su rutina.

Beto
Me hace pensar en un exoesqueleto intelectual. La IA ahora mismo no es un coche autónomo de conducción donde simplemente te subes al asiento de atrás y dejas que dirija tu carrera.

Alicia
Esa es una gran manera de verlo.

Beto
Es un traje mecánico que te pones. Te da una ventaja increíble. Te permite levantar datos y sintetizar tareas que normalmente te aplastarían. Pero todavía tienes que ser tú quien camine.

Alicia
Tú diriges el movimiento.

Beto
Exacto. Tú diriges el movimiento y llevas el peso de la decisión final.

Alicia
Y si miramos la intención detrás de estas 15 millones de indicaciones, la analogía del exoesqueleto se sostiene perfectamente.

Lo fascinante aquí es que los investigadores construyeron un clasificador para deducir el objetivo subyacente del usuario.

Beto
Okay. Entonces, ¿qué están tratando de hacer la gente realmente?

Alicia
Bueno, en el trabajo cognitivo no rutinario, que representa casi el 65% de todas las conversaciones relacionadas con la IA en el trabajo, menos del 10% de esos usuarios están tratando de automatizar una tarea de principio a fin.

Beto
Espera, ¿en serio? Menos del 10% están tratando de lograr que la máquina haga todo.

Alicia
Menos del 10%.

Beto
Rompe por completo la narrativa. Entonces, ¿qué están haciendo activamente el otro 90%?

Alicia
Están participando en borradores parciales, ideación y revisión. Como están alimentando a la IA con un esquema aproximado pidiendo una plantilla.

Beto
Oh, yo hago eso todo el tiempo.

Alicia
Claro. O están pegando un modelo financiero confuso pidiéndole que revise la lógica. Básicamente lo están usando como un compañero de pensamiento interactivo para equilibrar ideas estratégicas antes de una gran reunión.

Beto
Así que es aumentación, no automatización.

Alicia
Exacto. Está profundamente integrado en el proceso desordenado del trabajo humano en lugar de solo una automatización pura.

Beto
Y los datos muestran que esta aumentación no es solo para los trabajadores de cuello blanco en laptop. Aquí hay un detalle que destroza por completo el estereotipo del usuario típico de IA. Los mecánicos automotrices y los trabajadores de reparación industrial están usando IA multimodal a una tasa más del doble de la media de los trabajadores.

Alicia
Sí, eso sorprendió a mucha gente.

Beto
Es salvaje. Están literalmente parados en el piso del taller con grasa en las manos, tomando fotos y videos de complejos arneses de cableado desgastados, subiéndolos y haciendo que la IA actúe como un compañero de diagnóstico en tiempo real.

Alicia
Puesto que la máquina no puede girar físicamente la llave, no puede reemplazar a los mecánicos, la comprensión táctil del motor.

Beto
Claro, no tiene manos.

Alicia
Exacto. Pero puede cotejar instantáneamente esa foto de un sistema eléctrico degradado contra miles de esquemas, ahorrándoles a un mecánico dos horas de búsqueda en un manual PDF.

Beto
Pero tengo que contrarrestar esta narrativa reconfortante por un segundo.

Alicia
Claro.

Beto
Si la IA es solo este exoesqueleto amigable que nos ayuda a diagnosticar y depurar, ¿por qué la gente todavía está experimentando un profundo temor existencial sobre su futuro económico?

Alicia
Bueno, la ansiedad está justificada porque mientras que la IA no está automatizando trabajos completos, está cambiando sin piedad el valor económico de tareas específicas dentro de ese paquete del que hablamos.

Beto
¿Cómo es eso?

Alicia
Bueno, cuando un exoesqueleto hace que levantar pesas sea fácil, el mercado deja de pagar una prima por la fuerza física pura.

Beto
Okay, ya veo.

Alicia
Entonces, cuando la IA hace que sintetizar un documento legal de 60 páginas sea fácil, el precio de mercado para esa habilidad cognitiva específica se desploma, interrumpe el equilibrio de lo que hace valioso a un trabajador.

Beto
Lo que naturalmente lleva a la pregunta de quién está extrayendo realmente el mayor valor de esta interrupción.

Alicia
Exacto.

Beto
Y eso nos introduce a "la paradoja del salario, la habilidad y la experiencia". Así que si tomas el salario mediano en EE. UU., ronda los $62,000. Pero si tomas esos datos y lo comparas con el uso conversacional de Gemini, es decir, calculas el salario promedio de las personas que dependen activamente de la IA, ese número sube a unos $83,000.

Alicia
Sí.

Beto
El uso de IA en el lugar de trabajo se ha concentrado enormemente entre los ganadores más altos con títulos universitarios o superiores.

Alicia
Es una prima de $20,000. Los primeros adoptadores y usuarios intensivos de esta tecnología no son los trabajadores más vulnerables. Son en realidad los más seguros económicamente.

Beto
Espera, pero si los profesionales altamente educados y de altos ingresos son los usuarios principales, la suposición es que están usándola para ejecutar trabajo de nivel genio, ¿verdad? Como si tuvieran que usarla para diseñar algoritmos avanzados o argumentos legales que establecen precedentes.

Alicia
Uno pensaría que sí, pero los datos revelan exactamente lo contrario. Y se reduce a un concepto llamado "la hipótesis de la codificación eficiente".

Beto
Okay. ¿Qué es eso?

Alicia
Esta hipótesis establece esencialmente que las tareas expertas verdaderas y de alto nivel requieren vocabulario altamente especializado, raro y un contexto profundamente matizado.

Beto
Porque son complicadas.

Alicia
Claro. Y un modelo de IA entrenado en internet amplio sobresale en patrones de alta frecuencia y altamente codificables, pero lucha con lo raro y lo hecho a medida.

Beto
Oh, eso tiene sentido.

Alicia
Entonces, cuando los investigadores Atlas mapearon la complejidad de las tareas realizadas, encontraron que el uso de IA está masivamente sobrerepresentado en tareas cognitivas de experticia baja a media.

Beto
Entonces, ¿qué significa todo esto?

Alicia
La IA puede redactar impecablemente un correo electrónico de actualización corporativa genérico porque hay miles en sus datos de entrenamiento, pero falla en escribir un borrador brillante para una corte de apelaciones porque el vocabulario y el contexto requeridos son simplemente demasiado raros.

Beto
Claro.

Alicia
Eso significa que estos profesionales de altos ingresos no están usando la IA para hacer sus trabajos de alto nivel reales.

Beto
Están usando la IA para descargar todo su trabajo tedioso y de baja experticia.

Alicia
Bingo. Le están entregando el formatear, el resumir y el generar un borrador genérico, a la máquina. Esto permite que esos ganadores de dinero liberen su carga cognitiva y dediquen todo su tiempo a las partes no rutinarias, profundamente analíticas y estrictamente humanas de su profesión.

Beto
Vaya.

Alicia
Y esto crea una bifurcación para la economía laboral. Presenta dos futuros potenciales.

Beto
Okay. ¿Cuáles son?

Alicia
El primero es el escenario de ponerse al día ("catch-up scenario"). Esta es la visión optimista donde la IA actúa como un gran igualador. Un empleado junior utiliza la herramienta para tender instantáneamente su brecha de experiencia, desempeñándose al nivel de un empleado sénior, lo que comprime la brecha salarial.

Beto
Pero basándonos en esa enorme inclinación salarial hacia los ganadores más altos, como mencionaste, no nos estamos dirigiendo hacia el escenario de ponerse al día. ¿Lo estamos?

Alicia
No. Los datos del Atlas sugieren fuertemente que nos estamos inclinando hacia el "escenario de la huida" ("runaway scenario").

Beto
¿El escenario de la huida?

Alicia
Sí. Si los trabajadores sénior y bien pagados son los que adoptan la IA de manera más eficiente, son los que están automatizando su trabajo tedioso. Duplican su experiencia única convirtiéndose en hiperproductivos y esencialmente usan la tecnología para cimentar y acelerar su ventaja económica existente.

Beto
Así que estamos hablando de una reestructuración masiva de quién tiene la ventaja en el lugar de trabajo.

Alicia
Absolutamente.

Beto
Pero aquí es donde se pone realmente interesante. Hemos dedicado todo este tiempo a analizar salarios y trabajos, pero los datos del Atlas revelan un punto ciego colosal en cómo pensamos sobre la IA. Las conversaciones relacionadas con el trabajo representan solo el 13.5% del uso de IA conversacional.

Alicia
Sí, esa es la estadística más loca de todo el informe. Más del 86% de las interacciones con estos modelos ocurren completamente fuera del lugar de trabajo tradicional.

Beto
Lo cual es salvaje.

Alicia
Cubre el 98% de las formas en que pasas tus horas de vigilia. Si queremos entender la revolución de la IA, tenemos que dejar de mirar la oficina y empezar a mirar dentro de la casa.

Beto
Okay, para entender lo que la gente está haciendo con el otro 86%, necesitamos mirar lo que los economistas llaman "el criterio de la tercera persona".

Alicia
Claro.

Beto
Es un rol que utilizan para definir una tarea doméstica productiva. Básicamente, si pudieras pagarle a otra persona para que lo hiciera por ti, es una tarea productiva. No puedo pagarle a alguien para que vaya a correr por mí o coma un bistec por mí. Eso es cuidado personal.

Alicia
Tristemente no.

Beto
Claro. Pero absolutamente puedo pagarle a alguien para que prepare la comida de la semana, equilibre mi presupuesto personal o investigue qué lavadora comprar.

Alicia
Y esa es precisamente la clase de fricción que la gente está dirigiendo a la IA para resolver. La están tratando como un asistente personal especializado 24/7 y una oficina de correos digital.

Beto
Oficina de correos digital. Me encanta esa analogía.

Alicia
Encaja muy bien. Los investigadores compararon las indicaciones de IA con la Encuesta de Uso del Tiempo Estadounidense y encontraron que las tareas domésticas administrativas de alta fricción están masivamente sobrerepresentadas. Los servicios gubernamentales y las obligaciones cívicas, por ejemplo, están sobrerepresentados en los datos de IA por un factor de casi 20 en comparación con el porcentaje real de tiempo que los humanos dedican a ellos.

Beto
Eso tiene todo el sentido cuando piensas en el costo físico y emocional del impuesto del tiempo sombra ("shadow time tax").

Alicia
El impuesto del tiempo sombra. Exacto.

Beto
Si necesitas decodificar una factura médica confusa o averiguar las leyes de zonificación para una valla que quieres construir, o navegar por una solicitud de visa, históricamente tenías que hacerlo en su horario.

Alicia
Sí, entre las nueve y las cinco.

Beto
Tenías que tomarte un martes por la tarde libre del trabajo, quedarte en espera una hora escuchando música de ascensor terrible y perder tu propia productividad solo para obtener una respuesta administrativa básica.

Alicia
Estabas pagando un costo sombra masivo, pero los datos muestran que casi la mitad de todas las consultas de IA relacionadas con médicos, legales, financieras y gubernamentales, ocurren fuera del horario comercial estándar.

Beto
¿Así que están eludiendo a las instituciones por completo?

Alicia
Sí, la gente está sentada en sus salas de estar a las 9 p.m. de un domingo, subiendo un PDF de un documento fiscal y obteniendo una traducción inmediata y personalizada de lo que necesitan hacer.

Beto
Las implicaciones económicas de esto son salvajes, porque nada de eso aparece en las estadísticas oficiales del PIB. Es solo gestión doméstica no pagada.

Alicia
Pero tiene un valor real.

Beto
Un gran valor. El informe Atlas hizo los cálculos. Si esta tecnología ahorra al usuario promedio solo 30 minutos a la semana de fricción administrativa, y tú valoras ese tiempo a un salario de reemplazo conservador, genera aproximadamente $100 mil millones en ganancias de productividad no pagadas solo en EE. UU.

Estamos viendo la eliminación completa de la fricción burocrática moderna.

Alicia
Es una expansión profunda del bienestar doméstico. Estamos recuperando millones de horas previamente perdidas por la ineficiencia institucional.

Beto
Es hermoso.

Alicia
Lo es. Pero esto plantea inmediatamente la pregunta de la distribución. Si la IA es este exoesqueleto que rompe la fricción, ¿quién está permitido usarlo globalmente?

Beto
Claro, porque eso nos lleva a la división global. Estamos hablando de ahorrar cientos de miles de millones en EE. UU. Pero eso asume que tienes un smartphone, una red celular confiable y los datos ilimitados requeridos para simplemente subir PDFs de 50 páginas a un servidor en la nube.

Alicia
Y la correlación macroeconómica allí es brutal. El uso de IA per cápita global sigue casi perfectamente con la riqueza nacional de un país.

Beto
¿En serio? ¿Tan de cerca?

Alicia
Muy de cerca. Un aumento del 1% en el PIB per cápita se traduce en un aumento del 0.9% en el uso de IA. Debido a esta realidad estructural, los 20% más pobres de países a nivel mundial representan solo el 2% de todas las conversaciones de IA.

Beto
2%. Cuando ves una estadística así, tienes que preguntar, ¿es eso falta de interés o falta de acceso? ¿La gente en esas regiones simplemente no encuentra que la tecnología sea relevante para sus vidas?

Alicia
Oh, es abrumadoramente un problema de acceso sistémico. Los investigadores identificaron una enorme brecha de adopción de interés.

Beto
Okay, ¿cómo se ve eso?

Alicia
Cuando miras las tendencias de búsqueda de Google, las regiones con mayor curiosidad relativa sobre la IA no son EE. UU. o Europa Occidental. Son mercados emergentes en el sur de Asia como la India y Bangladés, y África Oriental como Kenia.

Beto
Oh, vaya.

Alicia
Sí, el deseo popular de comprender y usar estas herramientas está en su punto máximo en esas regiones.

Beto
Pero los cuellos de botella infraestructurales, el costo del ancho de banda, los planes de datos por medidor, el acceso a dispositivos de alta gama, actúan como un techo duro, impidiendo que esa curiosidad se convierta en adopción diaria.

Alicia
Exacto. Pero cuando los usuarios en esos mercados emergentes superan ese techo y obtienen acceso, su comportamiento invierte completamente los patrones que vemos en las naciones ricas.

Beto
Lo cual es quizás el cambio de comportamiento más fascinante de todo el informe.

Acabamos de establecer que en EE. UU., el 86% del uso de IA para ocio y gestión doméstica es trabajo, es solo una ocurrencia tardía.

Alicia
Claro.

Beto
Pero en las regiones en desarrollo, particularmente en el África subsahariana y América Latina, su parte de conversaciones relacionadas con el trabajo es la más alta del mundo.

Alicia
Sí, porque en una nación de altos ingresos donde la conectividad es un servicio ubicuo invisible, la IA es como un juguete casual. La usas para redactar un poema de cumpleaños divertido o averiguar qué hacer para cenar.

Beto
Claro.

Alicia
Pero si estás en una región de menor ingreso pagando por megabyte de datos, tu compromiso digital es implacablemente dirigido a objetivos.

Beto
Están generando imágenes de astronautas montando caballos.

Alicia
No, absolutamente no.

Beto
La están usando estrictamente como un multiplicador de productividad de alto riesgo para superar las limitaciones del negocio local. Están usando la IA para escribir código profesional, redactar comunicaciones comerciales internacionales y analizar datos de mercado. Para ellos, el exoesqueleto no es una conveniencia. Es un salvavidas económico.

Alicia
El contraste es llamativo. Y resalta una verdad más amplia sobre cómo la tecnología se integra en diferentes realidades económicas.

Pero para comprender verdaderamente la naturaleza global de esta herramienta, tenemos que mirar la base misma de cómo interactuamos con ella, que es el lenguaje.

Beto
Sí, el lenguaje. Tendemos a verlo a través de una lente fuertemente anglocéntrica, asumiendo que todos están simplemente tecleando en inglés. Pero la gran sorpresa es que el inglés solo representa el 34.8% de las conversaciones globales.

Alicia
Claro. Lo que significa que por más del 65% de estas interacciones, los usuarios están haciendo indicaciones en español, árabe, portugués, turco, coreano, docenas de otros idiomas.

Beto
Y esto plantea una pregunta importante, especialmente cuando profundizas en la arquitectura técnica subyacente de los modelos de lenguaje grandes. La forma en que estos sistemas procesan texto, ¿favorece fundamentalmente al inglés, no?

Alicia
Lo hace. Tenemos que explicar la mecánica de la tokenización aquí porque es el motor de física invisible de la IA. Estos modelos no leen las palabras como nosotros. Cortan el texto en fragmentos llamados tokens. Y como la gran mayoría de los datos de entrenamiento en internet están en inglés, la IA ha aprendido a fragmentar el inglés de manera muy eficiente, a menudo un token por palabra.

Pero si le das una indicación a la IA en un idioma que ha visto menos, como swahili o turco, tiene que descomponer esas palabras en fragmentos silábicos diminutos e ineficientes.

Beto
Lo que significa que se necesitan muchas más tokens para decir exactamente la misma oración.

Alicia
Exacto. Y más tokens requieren más potencia computacional. Cuesta más dinero ejecutar, aumenta la latencia, así que estás esperando más tiempo por una respuesta.

Beto
Y históricamente, debido a que el modelo tiene menos datos de entrenamiento en esos idiomas, el rendimiento de razonamiento real puede verse ligeramente degradado en acertijos lógicos altamente complejos, ¿verdad?

Alicia
Sí, ese ha sido un problema conocido.

Beto
Así que lógicamente, si el inglés es más rápido, más barato y presumiblemente más inteligente para tareas complejas, ¿por qué un profesional bilingüe en Berlín o Bogotá no cambiaría a inglés cuando necesita hacer trabajo cognitivo no rutinario de alto riesgo?

Alicia
Bueno, los investigadores asumieron exactamente eso. Ellos hipotetizan que los usuarios clasificarían las tareas por idioma.

Por ejemplo, usarías tu lengua materna para pedir una superreceta, pero cambiarías a inglés para depurar un script de Python o analizar un contrato financiero denso.

Beto
Claro, eso tiene todo el sentido.

Alicia
Pero los datos del Atlas prueban esa hipótesis completamente equivocada.

Beto
Espera, ¿no cambian?

Alicia
No cambian. La parte de uso de idioma no principal es notablemente estable. Ronda alrededor del 24 al 26%. Completamente independientemente de si los usuarios se involucraron en ocio casual de fin de semana o tareas de trabajo profundas y altamente complejas.

Beto
Eso es increíble. Significa que la facilidad cognitiva de pensar y comunicarse en tu lengua materna es tan profundamente valiosa que anula por completo la eficiencia técnica bruta del inglés.

Alicia
Sí, la gente está perfectamente dispuesta a aceptar un modelo que es ligeramente más lento o teóricamente menos óptimo solo para evitar la fricción mental de traducir sus propios pensamientos.

Beto
Vaya.

Alicia
Realmente demuestra una ley fundamental de la adopción tecnológica: Para que cualquier herramienta se convierta en una verdadera tecnología de propósito general como la electricidad o internet, debe encontrarse perfectamente con los humanos exactamente donde están.

Beto
Claro. Si un sistema exige que el usuario se adapte a la arquitectura preferida por la máquina, artificialmente limita su propia utilidad.

Alicia
Exacto. El hecho de que los usuarios a nivel mundial confíen en estos sistemas lo suficiente como para depender de sus lenguas maternas para sus problemas profesionales más complejos muestra lo profundamente arraigada que se ha convertido esta tecnología ya.

Beto
Así que reunamos todo esto. Empezamos buscando la paradoja Solo, preguntándonos por qué el terminador de trabajos no aparece en los datos económicos. Y los datos Atlas nos dan la respuesta.

Alicia
De verdad que sí.

Beto
La IA no es un reemplazo de trabajo autónomo. Es un colaborador ampliamente difundido y aplicado superficialmente. Es un exoesqueleto intelectual que ayuda a los mecánicos de cuello azul a diagnosticar maquinaria desgastada y permite a los profesionales de altos ingresos descargar el trabajo tedioso para que puedan distanciarse del grupo.

Alicia
Sí, pero la verdadera revolución, la que las estadísticas macro completamente pasan por alto, está sucediendo en nuestras salas de estar.

Beto
Sí, está desmantelando silenciosamente la fricción de la burocracia moderna, eludiendo la oficina de correos y generando cientos de miles de millones de dólares en valor doméstico invisible solo dándonos nuestro tiempo de vuelta.

Alicia
Lo que nos deja con una elección social crítica, creo. Si esta tecnología elimina con éxito el impuesto del tiempo sombra de la vida diaria, si genuinamente te devuelve esas tardes de martes perdidas en decodificar facturas médicas, pelear con formularios gubernamentales y redactar correos tediosos, ¿qué vas a hacer con ese tiempo recuperado?

Beto
Esa es la gran pregunta. ¿Tomaremos ese nuevo excedente de horas y lo reinvertiremos en nuestras comunidades físicas, en búsquedas creativas profundas y en conexión humana cara a cara? ¿O simplemente vamos a encontrar nuevas maneras sin fricción para llenar ese tiempo recuperado con aún más consumo digital?

Es tu tiempo. El exoesqueleto está puesto, solo esperando a ver a dónde decides caminar.

Los límites de la invención algorítmica

Este artículo académico investiga si la inteligencia artificial puede alcanzar la verdadera creatividad aplicando el marco teórico de Margaret Boden a los sistemas generativos modernos. La autora argumenta que, si bien la IA sobresale en la creatividad combinatoria al fusionar ideas existentes, está estructuralmente limitada a la creatividad transformacional, ya que no puede trascender sus propios datos de entrenamiento. Un tema central es la ausencia de subjetividad, puesto que las máquinas carecen de la capacidad humana para reconocer la serendipia, valorar los accidentes o evaluar el mérito estético. Mediante diversos experimentos en haiku, literatura y artes visuales, el texto demuestra que la IA funciona mejor como una herramienta colaborativa o una "prótesis técnica" que como un creador autónomo. En última instancia, la fuente concluye que el juicio humano sigue siendo el núcleo insustituible del proceso creativo, ya que solo un sujeto consciente puede acoger lo inesperado y redefinir los límites conceptuales.

Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "Can an AI System Be Creative? A Critical Perspective from Art and Engineering". Por Ivan Magrin-Chagnolleau, de Chapman University. Publicado el 22 de Julio de 2026.

El resumen, la transcripción, y la traducción fueron hechas usando herramientas de software de Inteligencia Artificial.

El resumen se presenta en la forma de un diálogo entre dos personajes sintéticos que llamaremos Alicia y Beto.

---

Resumen

Beto
Imagina dejar como un lienzo en blanco en unas acuarelas para principiantes en un ático ligeramente húmedo y bochornoso.

Alicia
De acuerdo.

Beto
Simplemente las olvidas por completo. Y quiero decir, pasan 15 años, finalmente limpias el ático y descubres que la humedad ha provocado que la pintura se corra perfectamente sobre una hoja en blanco. Es esencialmente un paisaje meditativo y hermoso pintado por sí solo.

Alicia
Sí, es salvaje.

Beto
La pregunta es: ¿es eso arte? Y más importante para nosotros hoy, si una máquina hace exactamente lo mismo, ¿está la máquina siendo creativa?

Alicia
Quiero decir, es la pregunta definitoria de nuestro tiempo ahora mismo, ¿no es así? Estamos rodeados por estos sistemas que generan resultados increíblemente complejos. Y realmente estamos luchando por categorizar lo que estamos viendo.

Beto
Se siente totalmente como si todos estuviéramos sentados en la audiencia de este espectáculo de magia masivo y abrumador. Como si algunas personas estuvieran mirando al escenario, totalmente convencidas de que están presenciando magia literal. Como si la máquina fuera viva, la máquina fuera una artista.

Alicia
Bien.

Beto
Y luego tienes a los escépticos en la última fila resoplando, desestimando todo como una ilusión barata.

Pero ambos lados están perdiendo las mecánicas reales de cómo se realiza el truco.

Alicia
Lo cual es un lugar increíblemente peligroso, honestamente. Si no entiendes las mecánicas, o bien entregas tu propia agencia a la máquina o desestimas por completo una herramienta que podría cambiar fundamentalmente la forma en que trabajas.

Beto
Exacto.

Así que hoy, vamos a exponer esas mecánicas. Vamos a hacer una inmersión profunda en un artículo académico verdaderamente fascinante de Ivan Magrin-Chagnolleau. Se titula "¿Puede un sistema de IA ser creativo?: Una perspectiva crítica desde el arte y la ingeniería".

Alicia
Y lo que hace que esta fuente sea tan singularmente valiosa es el trasfondo del autor. Es un ingeniero eléctrico y de computación formado que se especializa en aprendizaje automático ("machine learning").

Beto
Así que realmente conoce las matemáticas.

Alicia
Conoce las matemáticas. Pero también es un artista practicante de toda la vida. Es cineasta, artista visual, compositor y filósofo.

Beto
Lo cual es una combinación tan rara.

Alicia
Realmente lo es. Él aporta esta perspectiva dual que falta desesperadamente en la mayor parte del discurso tecnológico. Sabes, él entiende las frías realidades estructurales de las redes neuronales. Pero también entiende íntimamente la experiencia humana desordenada y vivida de hacer arte.

Beto
Así que nuestra misión hoy es equiparte con un marco definitivo para entender exactamente lo que la IA puede y no puede hacer creativamente. Queremos mostrarte cómo puedes usar estos sistemas como colaboradores creativos genuinos sin permitirles que desgasten tu voz humana única.

Alicia
Y para hacer eso, tenemos que empezar por los cimientos absolutos. Quiero decir, lanzamos la palabra creatividad mucho. Pero antes de poder juzgar si una máquina la posee, tenemos que definir qué es realmente.

Beto
Bien.

Alicia
El artículo ancla su argumento en el trabajo de la difunta científica cognitiva Margaret Bowden. Ella estableció un marco que todavía se considera el estándar de oro en la ciencia cognitiva.

La Brecha de la Creatividad: Por qué la IA no es un "creador" (todavía)

Beto
Okay, desglosémoslo. ¿Cómo lo define ella? Porque la creatividad suele sentirse como esto, no sé, este concepto místico vago que simplemente te golpea en la ducha.

Alicia
Sí, exactamente. Pero Bowden despojó el misticismo. Argumentó que para que algo sea considerado verdaderamente creativo, debe poseer tres propiedades innegociables.

Beto
Okay, ¿cuál es la primera?

Alicia
La novedad ("novelty"). Pero crucialmente, hace una distinción entre la novedad psicológica y la novedad histórica.

Beto
¿Cuál es la diferencia entre esas dos?

Alicia
La novedad psicológica es cuando como individuo se te ocurre una idea que es nueva para ti. Como quizás un niño descubre cómo construir una estructura de Lego por primera vez.

Beto
Okay.

Alicia
Eso es genial para el niño, pero no es históricamente novedoso. La novedad histórica significa introducir un concepto o artefacto genuinamente nuevo al mundo en su conjunto, como algo totalmente sin precedente.

Beto
Okay, eso tiene sentido. Así que la novedad histórica es el primer paso. ¿Cuál es el segundo paso?

Alicia
La sorpresa ("surprise"). El resultado creativo debe producir un cambio en la percepción que ninguna cantidad de predicción estadística podría haber preparado.

Beto
Oh, vaya.

Alicia
Sí, es la diferencia entre una pieza de trabajo perfectamente competente y esperada y algo que te hace jadear físicamente o reevaluar por completo cómo ves el mundo.

Beto
Esa es una vara muy alta.

¿Y la tercera propiedad?

Alicia
El valor ("value"). El resultado debe valer algo. Esa comunidad tiene valor intelectual, valor estético en el mundo del arte o, valor práctico en ingeniería. Simplemente debe ser útil o significativo.

Beto
Espera, espera. Tengo que rebatir esa tercera. ¿No es el valor totalmente subjetivo? ¿Cómo podemos siquiera medir eso, especialmente para una máquina? Lo que una persona puede encontrar increíblemente conmovedor y hermoso, otra persona podría encontrarlo completamente aburrido.

Alicia
Esto plantea una pregunta importante. Y es en realidad el obstáculo central que enfrenta la IA. Tienes toda la razón, el valor es subjetivo. Y ese es exactamente el punto.

Beto
Genial. ¿De verdad?

Alicia
Sí. El valor no es una propiedad intrínseca de un objeto. Piénsalo. Una pintura sentada en una habitación oscura sin nadie que la mire, no tiene valor estético activo. El valor requiere un sujeto evaluador. Requiere un testigo.

Beto
Así que sin una conciencia para experimentar la cosa y emitir un juicio sobre ella, el valor literalmente no existe.

Alicia
Exacto. Y la experiencia vivida, el trasfondo cultural y la capacidad emocional de ese testigo son enormemente importantes al asignar ese valor.

Beto
Okay, así que si tomamos los tres obstáculos de Margaret Bowden —novedad histórica, sorpresa y valor—, ¿cómo se compara la IA realmente? Porque, estamos viendo a la IA ganar concursos de arte y aprobar exámenes de bar. Parece que está superando los obstáculos.

Alicia
Bueno, el artículo argumenta que es estructuralmente imposible para la IA superarlos. Y no estamos hablando de un fallo temporal que una actualización de software simplemente arreglará el año que viene. Estamos hablando de los planos fundamentales de cómo están diseñadas las redes neuronales.

Beto
Oh, vaya.

Alicia
Okay, veamos el primer obstáculo: la novedad. La IA sufre del problema de la dependencia de los datos ("data bound problem").

Beto
Significa que solo puede escupir lo que ya ha tragado.

Alicia
Esencialmente, sí. Un sistema de IA se basa enteramente en un conjunto de datos de representaciones preexistentes generadas por humanos del mundo. No sale a caminar, no observa la realidad y tampoco forma nuevos conceptos.

Beto
Correcto, correcto.

Alicia
Debido a que está matemáticamente confinada a interpolar entre puntos de datos que ya existen, no puede introducir algo totalmente sin precedente histórico. No puede crear novedad histórica.

Beto
Está básicamente atrapada en la biblioteca del pasado. Okay, ¿pero qué hay del segundo obstáculo? La sorpresa. Porque, voy a ser honesto, la IA me sorprende todo el tiempo con las cosas raras que genera.

Alicia
Sí, pero tenemos que diferenciar entre lo raro y lo genuinamente sorprendente en un sentido creativo. La IA enfrenta lo que se llama "el problema de la convergencia estadística". En esencia, los modelos de lenguaje grandes y los generadores de imágenes son solo motores de probabilidad.

Beto
Correcto.

Alicia
Cuando generan una oración o una imagen, están calculando el siguiente token o píxel más matemáticamente probable basado en sus pesos de entrenamiento.

Beto
Así que es básicamente solo un juego de adivinanzas muy sofisticado.

Alicia
Sí. Y piensa en lo que realmente significa la probabilidad. El resultado que maximiza la probabilidad es, por definición, el promedio del resultado.

Beto
Oh, vaya. Así que está apuntando literalmente hacia el medio de la curva de campana.

Alicia
Siempre. La sorpresa genuina requiere un resultado que desafíe nuestras predicciones. Si un sistema está diseñado matemáticamente para producir el resultado estadísticamente más predecible, está estructuralmente en contra de la verdadera sorpresa.

Beto
Eso es salvaje.

Alicia
Está diseñado para darte exactamente lo que los datos agregados dicen que esperas.

Beto
Eso tiene mucho sentido. Lo que nos lleva al tercer obstáculo, el valor. El problema de la evaluación.

Alicia
Correcto. Y la IA ciertamente puede revisar su propio resultado para ver si coincide con los patrones estadísticos de lo que los humanos han etiquetado históricamente como hermoso o valioso en su conjunto de datos.

Pero no puede mirar intrínsecamente su propia pintura y preguntarse: ¿esto es conmovedor? ¿Esto me hace sentir algo?

Beto
¿Sabes a lo que esto me recuerda? Okay, desglosémoslo. Es como un chef de IA que nunca ha probado comida.

Alicia
Oh, me gusta eso.

Beto
¿Verdad? Pueden escanear un millón de recetas exitosas. Pueden calcular matemáticamente que una cierta cantidad de sal se combina bien con los tomates. Pero no pueden probar la salsa de pasta para saber si el equilibrio es correcto, o si el olor evoca el recuerdo de una tarde de verano en Italia. Simplemente están tirando ingredientes a ciegas en una sartén, basándose en una hoja de cálculo.

Alicia
Esa es una forma perfecta de visualizarlo.

Generar una receta plausible, o un poema plausible, es un logro estadístico. Reconocer que el poema es genuinamente genial, o emocionalmente resonante, es un acto profundamente humano.

Beto
Pero si es solo coincidencia y probabilidades, ¿cuál es la salsa secreta que realmente tienen los humanos? ¿Cuál es la cosa que hace que la creatividad humana sea diferente de un motor de probabilidad?

Alicia
El artículo introduce un concepto filosófico aquí. Argumenta que la IA pierde completamente "el elemento fenomenológico de la creatividad".

Beto
Wow, "fenomenológico". Es una palabra académica de $5. ¿Qué significa eso realmente para nosotros?

Alicia
Sí, la fenomenología es realmente solo el estudio de la experiencia vivida consciente. Se trata de cómo experimentamos el mundo desde la perspectiva en primera persona. Y en el arte, el elemento fenomenológico más crítico es la serendipia: El accidente feliz.

Beto
Sí, esta es mi parte favorita del artículo. El autor utiliza tres historias profundamente personales de su propia vida como artista para explicar esto. Mencioné las acuarelas del ático en la introducción, pero las otras dos fueron igual de buenas.

Alicia
¿Las fotos?

Beto
Sí, hubo una donde estaba en California fotografiando los secuoyas rojos en Muir Woods. Y estaba tomando fotos muy convencionales y aburridas. Pero durante una exposición larga, accidentalmente movió su cámara.

Alicia
Es un desliz físico de la mano.

Beto
Correcto. Pero ese error físico, no predicho, creó un desenfoque que capturó la esencia de los árboles de una manera totalmente nueva. Dio lugar a una serie fotográfica completamente nueva y muy exitosa para él.

Alicia
Sí.

Beto
Y luego el segundo ejemplo sucedió en un tren en la región de Auvergne, en Francia. Sacó su teléfono para tomar una foto del paisaje a través de la ventana. Pero debido a la iluminación, accidentalmente capturó un reflejo de sus propias manos sosteniendo el teléfono, superpuesto, como un fantasma, sobre el paisaje exterior.

Alicia
No lo planeó. Pero lo vio. Y se convirtió en la base para una serie completamente nueva llamada "handscape".

Beto
Así que un temblor de cámara, un reflejo en una ventana y acuarelas que sangran en un ático. ¿Qué tienen que ver estas tres cosas con la IA?

Alicia
Para explicar que el autor se basa en filósofos como Henri Bergson y Paul Valéry. Ellos argumentan que la casualidad o el accidente no existe en un vacío. Un evento físico es solo un evento físico.

Beto
Correcto.

Alicia
El movimiento de la cámara o la humedad esparciendo la pintura, eso es solo física. Solo se convierten en un accidente feliz porque un artista estaba allí para percibirlos como tales.

Beto
Significa que el accidente requiere una audiencia.

Alicia
Requiere un sujeto en un estado de preparación específica. La conciencia humana reconoce el error, siente una chispa de resonancia y dice: espera, esta no es una foto de ruina. Esto es un gran avance. Y la IA no puede hacer esto.

Beto
Pero permíteme ser el abogado del diablo por un segundo. ¿Qué pasaría si simplemente codificamos un generador de ruido aleatorio en el algoritmo de la IA? Inyectamos algo de caos. ¿No crea eso accidentes?

Alicia
Ciertamente crea imprevisibilidad. Pero la aleatoriedad introducida es solo imprevisibilidad controlada. Todavía está matemáticamente limitada por los parámetros del sistema. Más importante aún, incluso si la IA genera algo totalmente extraño debido a ese ruido, la IA no tiene subjetividad. No tiene un estado de preparación.

Beto
Porque no puede evaluar su propio trabajo.

Alicia
Exacto. No puede mirar su propio resultado aleatorio extraño, sentir una chispa de inspiración y cambiar toda su dirección artística. Sin una conciencia humana para recibir el accidente y darle valor, esa aleatoriedad es solo ruido.

Beto
Okay, así que si la IA carece de serendipia y está limitada por el medio de la curva de campana, ¿dónde encaja realmente en nuestras vidas creativas? Porque Margaret Bowden no solo definió la creatividad, la categorizó en tres tipos distintos: combinatoria, exploratoria y transformacional.

Alicia
Vamos a recorrerlos.

Empezando por la que donde la IA es genuinamente espectacular: la creatividad combinatoria. Esto implica tomar ideas existentes y familiares y combinarlas de maneras novedosas. La IA sobresale aquí porque ha ingerido vastos conjuntos de datos interdisciplinarios. Puede conectar conceptos que un humano nunca juntaría porque, bueno, ningún humano ha leído todo Wikipedia.

Beto
Correcto.

Alicia
Puede fusionar la biología molecular con la teoría musical del siglo XVII en como tres segundos.

Beto
Aquí es donde se pone realmente interesante. Me hace pensar en un DJ. Un DJ no escribe las letras. No graba las pistas de batería. Pero toman dos pistas totalmente diferentes y las mezclan brillantemente para crear una atmósfera totalmente nueva en la pista de baile. La IA es como el DJ omnisciente definitivo.

Alicia
Sí. Esa es una analogía muy precisa.

Pero luego pasamos a la segunda categoría de Bowden, la creatividad exploratoria. Se trata de explorar sistemáticamente el espacio conceptual existente y probar sus límites. Piensa en un músico de jazz que toma una progresión de acordes estándar y agota cada variación armónica posible para ver hasta dónde puede estirar las reglas sin romperlas.

Beto
¿Puede la IA hacer eso? Se siente como si pudiera generar infinitas variaciones de una instrucción ("prompt").

Alicia
Puede generar infinitas variaciones, sí. Pero tiene un punto ciego estructural. El artículo señala que cuando un artista humano empuja una forma hasta su límite, lo hace específicamente para descubrir lo que no se puede hacer. Están buscando los bordes del espacio porque el borde insinúa lo que podría existir fuera de las reglas actuales.

Beto
Oh.

Alicia
La IA no puede ver los bordes. Simplemente vaga ciegamente dentro de sus límites de datos. No sabe cuándo está golpeando una pared.

Beto
Lo cual prepara perfectamente la tercera y más importante categoría: la creatividad transformacional. Esta es la forma más rara. Esto es cuando un artista no solo juega dentro de las reglas. Reestructura completamente el espacio conceptual.

Alicia
Piensa en Picasso y el Cubismo. No solo crearon una nueva variación de la pintura de retrato realista. Abandonaron la regla fundamental del punto de vista único. Rompieron el paradigma.

Beto
Así que si la creatividad combinatoria es el DJ mezclando pistas, la creatividad transformacional es alguien inventando un instrumento musical completamente nuevo que nunca ha existido antes.

Alicia
Precisamente. Y el artículo utiliza matemáticas pesadas para demostrar que la IA es estructuralmente incapaz de hacer esto. El autor cita modelos matemáticos usando grafos acíclicos dirigidos para demostrar por qué.

Beto
Espera. ¿Grafos acíclicos dirigidos? Tienes que traducirlo a un lenguaje sencillo para mí, porque estoy perdido.

Alicia
De acuerdo, sí. Piensa en un grafo acíclico dirigido como un diagrama de flujo unidireccional. Dirigido significa que las flechas solo apuntan en una dirección, como el agua fluyendo por una montaña. Acíclico significa que no hay ciclos. El agua nunca puede volver a subir a la cima.

Beto
OK, entendido.

Alicia
Una red neuronal se construye fundamentalmente sobre este tipo de lógica unidireccional.

Beto
Así que los datos fluyen hacia adentro, se procesan río abajo, y un resultado sale por la parte inferior.

Alicia
Correcto.

Ahora, imagina las reglas del sistema. Los axiomas son la montaña en la cima. La creatividad transformacional requiere cambiar esos axiomas. Requiere hacer que el agua fluya de vuelta a la cima y reescribir el código fuente del espacio conceptual.

Beto
Lo cual no puede hacer.

Alicia
Puesto que una IA opera bajo esta lógica río abajo unidireccional, no puede retroceder y cambiar sus propias reglas fundamentales. Está eternamente atrapada dentro del paradigma que fue construida para replicar.

Beto
Así que es el mejor DJ del mundo, pero no puede inventar un instrumento nuevo. Entonces, ¿dónde te deja esto a ti y a mí? ¿Deberíamos simplemente negarnos a usar la IA para el trabajo creativo?

Quiero decir, el artículo dice rotundamente NO. Pero requiere un cambio masivo en cómo vemos la herramienta. Tenemos que dejar de tratar la IA como una creadora autónoma y empezar a tratarla como una prótesis técnica, una colaboradora.

Alicia
Y aquí es donde el artículo se vuelve muy práctico. El autor no solo teorizó. Realmente realizó cuatro experimentos empíricos usando la IA en su propio trabajo, para probar esta dinámica colaborativa.

Beto
Vamos a profundizar en ellos porque son increíblemente reveladores. Empezó con poesía, específicamente "haiku" japonés. Le pidió a la IA que escribiera "haikus" usando tres palabras conceptuales masivas: "conciencia", "creatividad" y "libre albedrío". ¿Qué pasó?

Alicia
Bueno, la IA respetó perfectamente las reglas formales, la estructura de cinco sílabas. Pero, ¿recuerdas el problema de la convergencia estadística?

Beto
Sí, la curva de campana.

Alicia
La IA inmediatamente convergió en una plantilla altamente repetitiva. Casi todos los poemas siguieron exactamente el mismo ritmo estructural. "Conciencia en los árboles", "creatividad en las hojas", "libre albedrío en la brisa", solo cambió los sustantivos.

Beto
Y cuando le pidió a la IA que generara su "haiku" más alucinante, no pudo hacerlo. Solo usó vocabulario ligeramente más complejo, pero mantuvo exactamente la misma estructura aburrida. No tenía la capacidad de evaluar lo que "alucinante" realmente significaba.

Pero mi detalle favorito absoluto son los títulos.

Alicia
Ah, sí. La IA añadió títulos a cada "haiku".

Beto
Lo cual es una gran señal de alerta. Los "haikus" clásicos japoneses no tienen títulos. Pero la IA los añadió porque las traducciones y libros de texto occidentales en sus datos de entrenamiento normalmente les ponían títulos para ajustarse a las normas de la poesía occidental.

Alicia
Exacto.

Beto
La IA simplemente reprodujo matemáticamente el promedio estadístico occidental, completamente ignorante de la auténtica forma de arte cultural.

Alicia
Y eso encaja perfectamente en el segundo experimento que abordó la literatura francesa. El autor tomó un párrafo de apertura de su propia autobiografía y le pidió a la IA que lo reescribiera al estilo de varios maestros literarios franceses como Marcel Proust y Victor Hugo.

Beto
¿Y cómo manejó a los pesos pesados?

Alicia
Fue muy buena haciendo pastiche combinatorio, creando una imitación superficial. Pero la versión de Victor Hugo fue esencialmente una caricatura. Fue solo una avalancha de signos de exclamación y declaraciones grandiosas.

Pero lo que es más importante, la IA borró por completo la voz personal e irónica del autor.

Beto
¿Qué queremos decir con voz irónica en este contexto?

Alicia
Las contradicciones sutiles, la autoconciencia, los matices humanos desordenados que hacen que una historia personal sea convincente. La IA suavizó todo eso en favor de un tono literario genérico y seguro. Desgastó los bordes irregulares de la personalidad humana para ajustarse al medio de la curva de campana.

Beto
Así que falla en imitar el alma humana. Veamos el tercer experimento que cambia a la música. Se contrató a un compositor para escribir una partitura para una película de los años 30. Pero no se le permitió ver la película. Solo se le dio una curva de luminosidad ("illuminosity curve").

Alicia
Que es un gráfico generado por un algoritmo que simplemente rastrea qué tan brillante o oscura está la pantalla en cualquier momento de la película.

Beto
Esto me recordó instantáneamente al movimiento Oulipo. Para aquellos que no lo conocen, fue este grupo de escritores y matemáticos de vanguardia en el siglo XX. Un tipo escribió una novela completa y titulada sin usar la letra E.

Alicia
Oh sí, Georges Perec.

Beto
Sí, suena como un truco. Pero al forzar esa restricción extrema, forzó a su cerebro a inventar maneras completamente nuevas y extrañas de describir cosas normales. La restricción genera creatividad.

Alicia
Y eso es exactamente lo que pasó con el compositor. La IA no compuso la música. La IA actuó como una restricción productiva al forzar al compositor a igualar las matemáticas de la curva de luminosidad. Destrozó sus maneras habituales y cómodas de escribir música. Tuvo que inventar nuevos enfoques para alcanzar esos puntos emocionales específicos sin ver las imágenes.

Beto
La IA rompió su memoria muscular. Eso es fascinante.

Y el experimento final reúne todo esto visualmente. El autor utilizó una plataforma de generación de imágenes llamada iDiogram. Le diste una instrucción muy escasa, abstracta, minimalista: "acuarela, esperanza por el planeta".

Alicia
Y la IA generó una imagen basada en eso. Pero la plataforma tiene una función donde puedes introducir una imagen de vuelta como semilla ("seed"). Y la IA intentará expandir tu instrucción de texto original en una instrucción mágica muy detallada.

Beto
Así que introduce la primera imagen de nuevo y la IA añade inesperadamente una frase completamente nueva a la instrucción mágica. Los salpicaduras inspiradas en Jackson Pollock.

Alicia
La IA simplemente lo tiró ahí matemáticamente. Pero el autor actuando como sujeto evaluador miró esas salpicaduras caóticas, sintió esa chispa de serendipia y dijo: sí, amo la energía que trae. Siguió el liderazgo de la IA, iterando de un lado a otro, lo que resultó en una dinámica y hermosa sucesión de imágenes.

Beto
¿Así que básicamente estaban haciendo referencias cruzadas?

Alicia
Exacto.

El autor llama a esto "coevolución creativa". En una verdadera colaboración humana-IA, tu intención no está rígidamente fijada desde el principio. Evoluciona en un diálogo con los resultados de la máquina. Pero esto requiere un conjunto de habilidades completamente nuevo que todos necesitamos desarrollar, lo que él llama "alfabetización en prompts" ("prompt literacy").

Beto
Alfabetización en prompts. Significa que no se trata solo de escribir un buen comando. Se trata de leer la salida de manera inteligente.

Alicia
Sí. Es la capacidad de leer la interpretación de la IA, reconocer la brecha entre tu intención y el resultado, y permanecer abierto a descubrimientos inesperados dentro de esa brecha.

Beto
Pero aquí está la conclusión más crucial de todo ese experimento visual de arte:

A través de toda esa iteración de ida y vuelta, el artista humano aprende. El artista humano crece. El artista humano desarrolla un ojo estético más agudo y descubre un nuevo estilo.

La máquina no aprende nada. En el momento en que cierra la pestaña del navegador, la máquina se restablece a cero para el siguiente usuario.

Alicia
Por eso hay una enorme etiqueta de advertencia adjunta a todo este proceso colaborativo. Hablamos antes sobre la atracción gravitacional hacia el promedio estadístico. Si no tienes cuidado, esta herramienta arrastrará tu trabajo hacia el peligro de la mediocridad.

Beto
Entonces, ¿cómo evitamos eso? ¿Cómo usamos la herramienta sin convertirnos en genéricos?

Alicia
Debes tener experiencia humana genuina en tu dominio. No puedes abdicar tu juicio a la máquina. Debes usar los resultados de la IA como una provocación, un contrapunto ("foil"), un punto de partida para reaccionar en contra. Nunca puede ser el destino final.

Beto
Lo veo de esta manera. Usar la IA para crear, sin tener tu propia experiencia en el dominio, es como dejar que el corrector automático de tu teléfono escriba una novela por ti. Todo estará escrito perfectamente. La gramática será impecable, pero será completamente y totalmente sin alma. Simplemente será una cadena matemáticamente predecible de las palabras más probables siguientes.

Alicia
Ese es el resumen perfecto de la realidad estructural. El locus de la creatividad, el verdadero centro de gravedad en cualquier empresa artística o innovadora, permanece totalmente al 100% contigo. Eres el sujeto evaluador que asigna valor. Eres la conciencia que cultiva la disposición para reconocer accidentes felices. Y eres el único capaz de dar el salto para romper las reglas y transformar un espacio conceptual.

Beto
Así que hemos desempacado el truco de magia. La IA no es el mago. Es el humo. Son los espejos. Es la capa llamativa. Tú eres el mago.

Alicia
Pero quiero dejarles una última reflexión provocadora para meditar, basándome en el marco de Magrin-Chagnolleau.

Beto
Te escuchamos.

Alicia
Si los sistemas de IA continúan inundando nuestras vidas diarias, nuestras redes sociales y nuestras bandejas de entrada con contenido combinatorio estadísticamente promedio, ¿qué pasará con la creatividad humana a largo plazo?

Beto
Oh, vaya. Si solo estamos consumiendo el promedio matemático, ¿nuestros cerebros humanos simplemente se adaptarán al promedio? ¿Perderemos nuestro gusto por lo extraño?

Alicia
Ese es el miedo. ¿Se volverá la verdadera creatividad transformacional aún más rara? Porque los datos de entrenamiento de nuestras propias vidas humanas se están volviendo completamente homogeneizados. O, por el contrario, ¿se convertirá este mar interminable y abrumador de contenido de IA seguro, aburrido y promedio en la restricción productiva definitiva?

Beto
Como el movimiento Oulipo. Pero para toda la humanidad.

Alicia
Exacto. ¿Forzará el puro aburrimiento de lo estadísticamente probable a los artistas, escritores e ingenieros humanos a entrar en una nueva era de rebeldía transformacional de arte solo para sentir algo diferente? El meteorólogo Marshall McLuhan dijo famosamente: "moldeamos nuestras herramientas y después nuestras herramientas nos moldean a nosotros".

Hemos construido el motor de probabilidad definitivo. Ahora tenemos que decidir si vamos a dejar que dicte nuestras probabilidades o si vamos a usarlo para lanzarnos hacia lo profundamente inesperado.

Beto
El truco es real. Pero tú eres quien tira de las cuerdas.

Gracias por acompañarnos en este análisis profundo en los límites de la IA y el poder perdurable de la imaginación humana. Sigan empujando los límites, busquen los accidentes felices y los veremos la próxima vez.