Le está contando que se siente solo. Que no encaja. Que hay algo que le pesa y no sabe ni cómo nombrarlo. Lo escribe despacio, con esa honestidad que solo aparece de madrugada, cuando ya nadie lo está viendo.

Y la máquina le responde. Al instante. Con “calidez”. “Lamento que te sientas así. No estás solo. ¿Quieres contarme más?”

Tu hijo siente, por un momento, que alguien lo escuchó.

No fue así.

Déjame explicarte qué pasó del otro lado de esa pantalla, porque no es lo que parece.

Esa aplicación no entendió a tu hijo. No puede. No es un cerebro, no siente, no sabe quién es él. Es un predictor: leyó casi todo lo que la humanidad ha escrito y aprendió a calcular qué palabra tiene más probabilidad de ir después de otra. Cuando tu hijo le escribió su dolor, la máquina no se conmovió. Hizo una cuenta. Buscó, entre millones de conversaciones parecidas, cuál es la respuesta que en promedio suena mejor. Y se la dio.

¿Te acuerdas del programa de la tele, ese de “Cien mexicanos dijeron”? Donde no gana la respuesta más inteligente ni la más verdadera, sino la más popular. La que dijo la mayoría. El concursante no responde lo que él piensa: adivina lo que pensaría la mayor cantidad de gente.

Eso es, exactamente, lo que hace una inteligencia artificial cuando le llevas una emoción. No te contesta a ti. Contesta lo que cien mexicanos dijeron. Lo más probable. Lo más común. La frase que, en promedio, le caería bien a más personas.

Tu hijo llegó con algo único —su soledad, que él siente como que nadie en el mundo entiende igual— y la máquina lo trató como la versión más genérica de sí mismo. Le devolvió el promedio de un dolor que él vive como irrepetible.

Y aquí está lo más fino, lo que vuelve esto no solo triste sino delicado.

Esa respuesta promedio se siente cálida.

“No estás solo.” “Aquí estoy para ti.” “Eso suena muy difícil.” Suenan a abrazo. Suenan a que por fin alguien lo entiende. Pero es una calidez calculada para agradarle al máximo de personas posible. Y una calidez dirigida a todos, por definición, no está dirigida a nadie.

Cuando una persona que te quiere te dice “te entiendo”, esas dos palabras llevan tu nombre adentro. Saben de qué hablan. Vienen de conocerte. Cuando la máquina te dice “te entiendo”, es el promedio de un millón de “te entiendo” dichos a un millón de desconocidos. La misma frase que le dio a otro chico hace cinco minutos. Y a otro. Y a otro.

Por eso lo más cruel de esta historia no es que tu hijo hable con una máquina. Es que se sienta acompañado mientras está más solo que nunca. Porque que te promedien es lo contrario de que te vean.

Hay algo más, y es la trampa dentro de la trampa.

Esa máquina, además de promediarlo, casi nunca lo contradice. Nunca le lleva la contra. Nunca le dice la verdad incómoda que a veces hace falta. ¿Por qué? Porque la verdad incómoda es, estadísticamente, impopular. A nadie le gusta que le digan “oye, creo que estás viendo esto mal”. Esas respuestas, en el entrenamiento de la máquina, sacaron mala calificación, pulgar abajo. Así que aprendió a no darlas.

Entonces tu hijo recibe dos cosas al mismo tiempo: consuelo promedio y cero fricción. Una voz que lo arrulla y nunca lo confronta. Es la sedación perfecta. Se siente bien, no exige nada, no incomoda. Y por eso vuelve. A las dos de la mañana, otra vez. Porque ningún humano es así de cómodo. Los humanos opinamos distinto, tenemos un mal día, a veces decimos cosas que el otro no quiere oír. La máquina, nunca. La máquina siempre le da la razón.

Pero una voz que siempre te da la razón no te acompaña. Te abandona despacio, con buenos modales.

Entonces, ¿qué necesita tu hijo? No una mejor máquina. No una app que lo entienda más. Necesita exactamente lo único que la máquina no puede darle: que alguien lo conozca de verdad.

Ese es el antídoto contra el promedio. Ser conocido por alguien.

Un adulto que de verdad conoce a un chico no le da la respuesta promedio. Le da la única que esa relación, con esa historia compartida, puede dar. “Te conozco, y por eso sé que esto no es por el examen.” “Llevas tres días raro, y no me trago que estás bien.” “A ti esto te pasa cuando…” Eso —saber su historia particular, sus gestos, lo que no dice— es justo lo que una máquina que promedia jamás va a poder hacer.

La máquina sabe de todos. La persona que te quiere sabe de ti.

Y por eso el trabajo no es competir con la máquina en comodidad. Esa pelea está perdida: la máquina siempre va a ser más cómoda. El trabajo es ofrecer lo que la máquina no tiene: una presencia que conoce, que se acuerda, que se atreve a la pregunta difícil. La incomodidad de un humano que te quiere vale más que todo el consuelo promedio del mundo.

Y tal vez, otra vez, esto nunca fue sobre la inteligencia artificial.

Porque el problema de fondo no es la máquina que da el promedio. Es el adulto que también lo da.

Piénsalo. Ese adulto no abandonó a su hijo. No se fue. Está en la casa. Está a tres metros, del otro lado de una puerta cerrada. Y cree que con eso basta. Cree que “está en su cuarto, bajo mi techo, seguro” es lo mismo que “está bien”. Confundió la cercanía de los metros con la cercanía de verdad.

Y le hace a su hijo justo lo mismo que la máquina: lo pregunta en promedio. “¿Comiste?” “¿Hiciste la tarea?” “Ok, buenas noches.” Las preguntas más comunes, las más seguras, las que no abren nada. Nunca la única que importa, la que no es promedio: “¿cómo estás, de verdad?”. Porque esa sí confronta. Esa sí puede destapar algo que el adulto no sabe si va a poder sostener. Y entonces, por no confrontar, prefiere no preguntar.

Así que el chico termina rodeado de respuestas promedio por los dos lados. La máquina que lo promedia por consuelo. Y el adulto que lo promedia por miedo. Huye de un promedio al otro, y en ninguno lo ven.

La máquina da el promedio porque no lo conoce. El adulto, porque no se atreve.

Y tu hijo no necesita una mejor máquina. Necesita un adulto que se atreva a la pregunta que no es promedio.

Así que esta noche, antes de dormir, toca esa puerta. No para revisar la tarea. Para hacer la otra pregunta, la difícil, la que te da un poco de miedo. Y después quédate. Quédate a escuchar la respuesta completa, aunque te incomode, aunque no sepas qué contestar, aunque te confronte.

Porque del otro lado de esa puerta hay alguien escribiéndole su soledad a una máquina que le contesta lo que cien mexicanos dijeron.

Y está esperando, sin saberlo, que alguien le conteste lo que solo tú puedes contestar.

No te vas. Eso es lo único que tienes clarísimo. No le pones el martillo en la mano y te das la media vuelta a contestar un mensaje. Te quedas. Le acomodas los dedos lejos del clavo, le dices dónde pegar y dónde no, lo dejas dar el primer golpe chueco, y otro, y poco a poco le vas soltando la mano. Sigues ahí hasta que ves que ya no se va a lastimar.

Nadie te enseñó a hacer eso. Te sale solo. Porque entiendes algo de fondo: el martillo no es bueno ni malo. Es una herramienta. En las manos correctas levanta una casa. En las manos solas de un niño, le rompe un dedo.

Ahora cambia el martillo por un celular con inteligencia artificial.

Y fíjate lo que hacemos. Hacemos exactamente lo contrario de lo que haríamos con el martillo. O se lo prohibimos —”eso no, es peligroso, ni lo toques”— y lo mandamos a usarlo a escondidas, peor y solo. O se lo entregamos y nos vamos —”ten, entretente”— y lo dejamos a las dos de la mañana platicando con una máquina, sin nadie cerca.

Las dos cosas están mal. Y las dos nacen del mismo lugar: del miedo de un adulto que no sabe usar el martillo.

La pregunta nunca fue “¿se lo permito?”

Con el martillo no te paras a debatir si se lo permites. Preguntas otra cosa: ¿ya sabe usarlo? ¿hay alguien con él? Eso es lo que importa.

Con la inteligencia artificial es igual. La pregunta no es si se usa o no —esa ya la perdimos, ya está en todos lados, ya la usan—. La pregunta es cómo se usa. Y sobre todo: cómo se acompaña.

Porque esta herramienta tiene una trampa que el martillo no tiene. La inteligencia artificial es un espejo. No trae nada propio adentro: te devuelve, más grande, lo que tú le llevas. Si un chico llega con una buena pregunta, lo vuelve más capaz. Si llega vacío, ansioso y solo, le devuelve ese vacío con una voz bonita y lo deja más vacío todavía. Y ojo con esto: está hecha para darle la razón. No para decirle la verdad —para que se sienta bien y se quede—. La máquina no decide quién es tu hijo. Amplifica al que ya es.

Por eso todo, absolutamente todo, depende de quién la tiene en las manos. Y de quién estuvo cerca para enseñarle a usarla.

La parte incómoda: empieza por ti

Y aquí viene lo que casi nadie dice.

No puedes enseñar a usar una herramienta que tú no sabes usar.

Con el martillo no hay bronca: lo sabes usar, lo has usado toda la vida. Pero con la inteligencia artificial, muchos papás estamos del otro lado. Le tenemos miedo o le tenemos fe ciega, y las dos cosas, sin entender, hacen daño. La prohibimos por miedo, o la idealizamos por fe. Pero pocos nos hemos sentado a usarla con calma para entender qué es y qué no es.

Y ese es el verdadero problema. No es el chico con el martillo. Es que el adulto que debería estar a su lado tampoco sabe sostenerlo.

Por eso el acompañamiento no empieza con tu hijo. Empieza contigo.

En los aviones, antes de despegar, dan una instrucción que suena egoísta y es justo lo contrario: si caen las mascarillas, póntela tú primero, y luego ayuda a tu hijo. No porque valgas más. Porque si tú te desmayas, ya no le sirves a nadie.

Aquí es lo mismo. Nadie da lo que no tiene. No puedes acompañar a un chico frente a la pantalla desde tu propio miedo, desde tu propia confusión, desde el cansancio. Si llegas vacío, le amplificas el vacío. Si llegas con miedo, le contagias el miedo. Igual que la máquina, los papás también amplificamos lo que traemos: un adulto tranquilo amplifica calma, un adulto rebasado amplifica angustia.

Por eso, antes de los tips para acompañar a tu hijo, van los tips para acompañarte a ti. En ese orden. Porque si te saltas el primero, el segundo sale peor.

Cómo te acompañas tú primero

Siéntate a usarla. Una tarde, sin prisa. Pregúntale cosas, ponla a prueba, pídele que te ayude con algo tuyo. No para volverte experto —no lo necesitas—. Para perderle el miedo y entender, aunque sea tantito, el martillo que tu hijo trae en la mano.

Ponle nombre a tu miedo. ¿Qué es exactamente lo que te asusta? ¿Que se vuelva flojo? ¿Que deje de pensar? ¿Que se aísle? Nómbralo. Un miedo con nombre es un problema que se puede trabajar. Un miedo sin nombre es un fantasma que te paraliza.

Suéltate la exigencia de tener todas las respuestas. No vas a saber contestar todo, y está bien. “No sé, pero vamos a averiguarlo juntos” es una de las frases más poderosas que existen. Vale más eso, dicho por ti, que mil respuestas perfectas de una máquina que nunca se va a sentar a la mesa con tu hijo.

Ten tu propia tribu. Habla con otros papás. Lo que tú estás viviendo lo están viviendo todos, en silencio, cada quien creyéndose el único. No lo eres. Acompáñate entre adultos. Desde ahí, lleno, sí se puede dar.

Y ahora sí, cómo lo acompañas a él

Ya parado en tu propio piso, lleno, viene lo otro.

Siéntate al lado, no atrás. No se trata de espiar la pantalla por encima del hombro. Se trata de estar cerca, con curiosidad de verdad. “Enséñame qué le preguntaste.” “A ver, y eso que te contestó, ¿cómo sabes que es cierto?” El acompañamiento no es vigilancia. Es interés.

Enséñale a dudar. Esto es lo más valioso que le puedes dejar. Que sepa que la máquina inventa, que a veces se equivoca con toda la seguridad del mundo, y que está hecha para darle la razón aunque esté mal. Un chico que aprende a dudar de la máquina aprende a pensar. Uno que le cree todo, deja de pensar.

Contradícelo con amor. La máquina rara vez le va a llevar la contra —está hecha para complacerlo—, y cuando lo hace, nunca es con el amor y la firmeza de alguien que de verdad se preocupa por él. Tú eres de las pocas personas que puede decirle “no estoy de acuerdo contigo, y te lo digo precisamente porque me importas”. Esa contradicción amorosa es oro. Es justo el músculo que la máquina le atrofia: aguantar que alguien no piense igual que él.

Estate más disponible que el algoritmo. ¿Sabes por qué tantos chicos le llevan sus cosas más íntimas a una máquina a las tres de la mañana? Porque está disponible y no se incomoda. Nosotros sí nos incomodamos —con la muerte, con el desamor, con lo que vieron y no debieron ver— y por incomodarnos, a veces los dejamos solos justo cuando más nos necesitan. El reto es quedarte. Aunque no sepas qué decir. Aunque incomode.

Preocuparse no… Ocuparse.

Te voy a ser honesto en una cosa, y no es para asustarte. Un adolescente solo, con esta herramienta, sin un adulto cerca, casi siempre termina mal. Lo digo al revés de cómo suena: lo digo porque tú eres justamente el adulto que puede cambiar ese “casi siempre”.

Pero hay una diferencia enorme entre preocuparse y ocuparse. Preocuparse es quedarte dándole vueltas al problema en la cabeza. Ocuparse es mover las manos. Y de nada sirve toda la preocupación del mundo si no se convierte en una sola acción concreta.

Así que no te dejo solo la preocupación. Te dejo la ocupación, y es alcanzable. No es volverte experto en tecnología. No es salvar al mundo. Es una sola cosa:

Esta semana, siéntate con tu hijo. Pídele que te enseñe cómo usa eso que tanto usa. Con curiosidad, no con sermón. Y quédate a escuchar, aunque te sorprenda lo que oigas.

Esa tarde —tú, él y el martillo entre los dos— vale más que cualquier prohibición y que cualquier candado.

Y quizá, al final, la conversación nunca fue sobre inteligencia artificial.

Porque si mañana cambias “inteligencia artificial” por redes sociales, videojuegos, internet, televisión o cualquier otra herramienta que les toque vivir, el problema sigue siendo el mismo.

Nunca se trató de la herramienta.

Siempre se trató de él. De tu hijo.

Y se trata del adulto que decide quedarse a su lado o no.

Las herramientas cambian. Cada generación tiene las suyas. Antes fueron otras y después vendrán nuevas. Lo único que no cambia es lo que los chicos necesitan cuando tienen algo poderoso entre las manos: alguien cerca que les enseñe a usarlo sin miedo, sin abandono y sin soltarles la mano de golpe.

Por eso, cuando todo este ruido sobre la inteligencia artificial pase y aparezca la siguiente gran preocupación de los adultos, la pregunta seguirá siendo la misma.

No: “¿qué tan peligrosa es la herramienta?”

Sino: “¿qué tan presente estoy yo?”

Llevo meses escribiendo sobre inteligencia artificial, educación, familia y las preguntas que nadie se toma el tiempo de hacerse. Lo que empezó como artículos sueltos que compartía por WhatsApp se convirtió en algo que necesitaba un lugar propio.

Ese lugar es Reflexiones.

Cada semana voy a publicar un ensayo sobre los temas que nos atraviesan como padres, maestros y personas que intentan entender un mundo que cambia más rápido de lo que podemos procesar. No es un blog de tecnología. No es un blog de crianza. Es un espacio de criterio.

Si llegaste hasta aquí es porque algo de lo que he escrito te hizo pensar. Y eso es exactamente lo que quiero seguir haciendo.

Ya hay cinco artículos publicados para que empieces por donde quieras:

Tecnología y Sociedad

1. El día que una jarra rota me enseñó cómo se entrena a la inteligencia artificial

2. De la jarra rota al sandbox roto: ¿quién le pone el cascabel a la inteligencia artificial?

3. La nueva discriminación: cuando la inteligencia artificial se convierte en la brecha que nadie quiere ver

4. ¿Y a ti... qué te amplifica?

Educación 5. “Es que los jóvenes de ahora ya no quieren aprender”

Esto apenas empieza. Si te interesa pensar antes de reaccionar, quédate.

— Gabriel Torres

¿O será que ya no quieren aprender lo que les estamos ofreciendo, de la manera en que se lo estamos ofreciendo?

Porque hay una diferencia enorme entre no querer aprender y no querer aprender así.

Conozco a un chico de quince años que reprueba historia. Su maestro dice que no le interesa, que no pone atención, que “es de los que nada más están ahí sentados esperando a que suene el timbre.” El mismo chico se sabe de memoria la línea temporal completa de tres universos ficticios, conoce las motivaciones políticas detrás de cada alianza entre personajes, y puede explicarte por qué una decisión estratégica en el capítulo 40 de un manga cambió todo el arco narrativo.

Ese chico no tiene un problema de atención. Tiene un problema de relevancia.

Porque nadie le ha explicado que lo que hace con sus mangas —analizar contextos, conectar causas con consecuencias, evaluar decisiones y sus efectos— es exactamente lo que la clase de historia le está pidiendo. Solo que la clase se lo pide en un formato que no le dice nada, con un lenguaje que no le llega y sobre eventos que nadie se ha tomado la molestia de conectar con algo que a él le importe.

Y entonces lo etiquetamos: “no le interesa aprender.”

El mito del joven desinteresado

Es la frase más repetida en las salas de maestros, en las juntas de padres, en los pasillos de las escuelas y en las sobremesas familiares: los jóvenes de ahora no quieren aprender.

Y cada vez que la escucho, me pregunto lo mismo: ¿de verdad los estamos viendo?

Porque lo que yo observo no es una generación desinteresada. Observo una generación que aprende idiomas con apps por su cuenta, que edita video con herramientas que la mayoría de los adultos no sabe ni abrir, que investiga lo que le interesa hasta la obsesión, que crea contenido, que debate en foros, que domina sistemas complejos en videojuegos que requieren pensamiento estratégico, colaboración y toma de decisiones bajo presión.

Eso no es falta de ganas de aprender. Eso es aprender fuera de donde estamos mirando.

El problema es que cuando el aprendizaje ocurre fuera de la escuela, no lo reconocemos como aprendizaje. Lo llamamos distracción. Pérdida de tiempo. Vicio.

Y el chico que puede coordinar un equipo de diez personas en tiempo real para resolver un problema en un juego, pero no puede quedarse quieto cuarenta y cinco minutos escuchando un monólogo sobre la Revolución Francesa, no tiene un problema de disciplina. Tiene un cerebro que ya aprendió que hay maneras más interesantes de entender el mundo.

La escuela que no se mueve

No estoy diciendo que la escuela no sirve. Estoy diciendo que se quedó. Y que la distancia entre cómo aprenden los jóvenes fuera del aula y cómo les pedimos que aprendan dentro se hace más grande cada año.

Piénsalo así: un adolescente promedio llega a la escuela después de haber pasado la mañana en un mundo diseñado para capturar su atención con precisión milimétrica. Algoritmos que le muestran exactamente lo que quiere ver, cuando lo quiere ver, en el formato que más lo engancha. Sonido, imagen, movimiento, retroalimentación instantánea.

Y luego entra a un salón donde alguien le pide que abra un libro en la página 47, copie una definición y conteste cinco preguntas.

No es que el chico sea flojo. Es que hay un abismo entre las dos experiencias. Y pretender que el abismo no existe y que el alumno debería “ponerle ganas” a pesar de todo es como abrir un restaurante que sirve comida fría y quejarse de que los clientes no tienen paladar.

Eso no significa que la escuela tenga que convertirse en un espectáculo. Significa que tiene que dejar de competir con lo que no puede ganar y empezar a ofrecer lo que nadie más ofrece.

¿Y qué es eso que nadie más ofrece?

Profundidad. Conversación real. Alguien que te mire a los ojos y te diga “esto que pensaste está bien, pero ¿qué pasa si lo ves desde acá?” Un espacio donde equivocarte no te cueste likes sino que te enseñe algo. Un lugar donde las preguntas importan más que las respuestas y donde alguien te ayude a pensar, no solo a memorizar.

Eso no lo da ninguna app. Ningún algoritmo. Ninguna pantalla.

Pero si la escuela tampoco lo está dando, entonces ¿para qué ir?

Lo que el alumno no sabe decirte

Los jóvenes no tienen las palabras para explicar por qué la escuela les aburre. Solo saben que les aburre. Y como no pueden articularlo, hacen lo que pueden: se desconectan. Se distraen. Se portan mal. Dejan de ir.

Y nosotros, en lugar de preguntarnos qué estamos ofreciendo, nos preguntamos qué les pasa a ellos.

Hay un chico que no pone atención en clase de español pero escribe letras de rap en su cuaderno cuando cree que nadie lo ve. Ahí hay alguien que ama las palabras, que juega con el ritmo, que entiende la métrica intuitivamente. Pero como su talento no cabe en el formato que le pedimos, lo clasificamos como “problema de conducta” en lugar de reconocer lo que está haciendo.

Hay una chica que se distrae en matemáticas pero lleva un negocio de pulseras en Instagram donde calcula costos, márgenes, inventario y envíos. Sabe más de aritmética aplicada que la mayoría de los adultos que conozco. Pero como su conocimiento no vino de un examen, no cuenta.

Y no digo esto para idealizar a los jóvenes ni para decir que la escuela debería adaptarse a cada capricho individual. Lo digo porque si seguimos midiendo el aprendizaje solo por lo que pasa dentro de cuatro paredes, entre las ocho y las dos, con un formato que no ha cambiado en décadas, vamos a seguir perdiendo a los que aprenden diferente. Y resulta que cada vez son más.

La pregunta incómoda para el maestro

Si eres maestro y estás leyendo esto, probablemente ya estés pensando: “pero yo sí hago cosas diferentes, yo sí intento, yo sí me esfuerzo.” Y seguramente es cierto. Los maestros que se esfuerzan son más de los que la conversación pública reconoce, y lo hacen con recursos limitados, grupos enormes, salarios que no alcanzan y una burocracia que parece diseñada para estorbar.

Pero la pregunta no es si te esfuerzas. La pregunta es: ¿qué recuerdan tus alumnos de tu clase?

No qué calificación sacaron. No qué tema cubriste. No qué porcentaje del programa cumpliste. ¿Qué recuerdan?

Porque si lo que recuerdan es una definición que copiaron del pizarrón, tienes un problema. Y si lo que recuerdan es la vez que les hiciste una pregunta que los dejó pensando tres días, tienes un superpoder.

La diferencia entre un maestro que cubre el programa y uno que transforma no está en el contenido. Está en lo que pasa cuando el alumno sale del salón. Si sale pensando, ganaste. Si sale aliviado de que ya acabó, hay algo que revisar.

La pregunta incómoda para el padre

Y si eres padre, la pregunta es igual de directa: ¿cuándo fue la última vez que tu hijo te contó algo que aprendió en la escuela sin que tú le preguntaras?

Si la respuesta es “no me acuerdo”, no es culpa de tu hijo.

Y antes de decir “es que los jóvenes de ahora no se interesan en nada,” pregúntate: ¿sabes en qué sí se interesa? ¿Sabes qué youtuber ve? ¿Sabes de qué habla con sus amigos? ¿Sabes qué busca cuando tiene el teléfono en la mano y tú crees que está “perdiendo el tiempo”?

Porque lo más probable es que ahí, en eso que tú llamas perder el tiempo, haya más aprendizaje del que imaginas. Solo que no se parece al que tú conociste.

Y eso no quiere decir que todo lo que hacen en su teléfono es valioso. Claro que no. Hay consumo vacío, hay distracción genuina, hay pérdida real de tiempo. Pero también hay curiosidad, creatividad, investigación, pensamiento crítico disfrazado de entretenimiento. Y si no nos tomamos la molestia de distinguir uno de otro, nos vamos a pasar toda la adolescencia de nuestros hijos peleando contra el síntoma en lugar de entender qué hay debajo.

Lo que de verdad necesitan

No necesitan más información. Tienen más información disponible que cualquier generación en la historia de la humanidad. Literalmente, todo el conocimiento del mundo está a un toque de distancia.

Lo que no tienen es a alguien que los ayude a decidir qué hacer con eso.

Necesitan criterio. Y el criterio no se descarga, no se googlea, no se aprende en un tutorial de tres minutos. El criterio se construye en la conversación, en el ejemplo, en el error acompañado, en alguien que les diga “eso que piensas es interesante, pero ¿ya lo viste desde este ángulo?”

Necesitan adultos que los tomen en serio. No que les den la razón en todo, sino que los escuchen antes de corregirlos. Que reconozcan que saben cosas que nosotros no sabemos. Que acepten que el mundo en el que ellos van a vivir no se parece al mundo para el que nosotros estamos preparándolos.

Necesitan que dejemos de hablar de ellos como si fueran el problema y empecemos a preguntarnos si no seremos parte de la ecuación.

Así que la próxima vez que alguien diga “los jóvenes ya no quieren aprender,” detente un segundo antes de asentir.

Y pregúntate: ¿no querrán aprender... o no querrán aprender lo que yo les estoy enseñando, como yo se los estoy enseñando?

Porque si la respuesta es la segunda, el que tiene que cambiar algo no es el joven.

Por Gabriel Torres

La inteligencia artificial tiene problemas reales. Está entrenada para agradar en vez de contradecir. La industria que la construye avanza sin marco ético claro. Y la brecha entre quienes la usan bien, quienes la usan mal y quienes no la usan se abre más cada día.

Pero ninguno de esos problemas es una fatalidad.

Y eso cambia todo.

Porque cuando uno se detiene a pensar en qué tienen en común —la complacencia, la falta de regulación, la desigualdad de acceso— descubre que ninguno se resuelve en la tecnología. Se resuelven en otro lado. Más incómodo. Más cercano. Más nuestro.

Se resuelven en las manos de quien la usa.

La IA no es un oráculo, no es un enemigo, no es una solución

Es un amplificador.

Y esa palabra lo cambia todo, porque un amplificador no decide qué amplifica. Amplifica lo que ya está ahí.

Si eres flojo, la IA amplifica tu flojera. Entregas trabajos que no leíste, escribes correos que no pensaste, tomas decisiones basadas en resúmenes de cosas que nunca revisaste. Y lo peor es que lo haces más rápido que antes, así que la flojera se vuelve productiva, casi invisible, y cuando te das cuenta ya construiste una carrera, una relación o una vida sobre cosas que nunca procesaste.

Si eres curioso, la IA amplifica tu curiosidad. Aprendes más rápido, cuestionas más profundo, cruzas disciplinas que antes te hubieran tomado años recorrer. Ves conexiones que no veías. Produces más y mejor. Y lo más importante: piensas mejor, porque tienes con quién discutir a cualquier hora del día, incluso si ese “quién” es un modelo entrenado para ayudarte a pensar.

Si eres sin criterio, la IA amplifica tu falta de criterio. Porque le preguntas cualquier cosa y aceptas cualquier respuesta. Y como la respuesta suena bien —los modelos están optimizados para sonar bien— nunca te das cuenta de que estás construyendo sobre una jarra con el hoyo abajo.

Si piensas con claridad, piensas con más claridad aún. Porque tienes una herramienta que te obliga a formular tus preguntas con precisión, que te devuelve estructuras que puedes criticar, que te ayuda a encontrar los huecos en tu propio razonamiento si sabes pedirle que los busque.

La herramienta no hace el trabajo. Solo lo multiplica.

Y ahí está la pregunta incómoda: ¿qué estás multiplicando tú?

Los tres problemas tienen nombre humano

Veamos los problemas de frente, pero esta vez del otro lado.

El problema de la jarra —la sycophancy, la IA que prefiere agradar antes que contradecir— no se resuelve esperando a que las empresas cambien sus modelos. Se resuelve en ti, cuando aprendes a preguntar diferente. Cuando en lugar de pedirle a la IA que te dé la razón, le pides que te la quite. Cuando le dices “dame los tres mejores argumentos en contra de lo que acabo de decir”, “¿qué estoy pasando por alto?”, “¿qué haría alguien que no está de acuerdo conmigo?”. La IA puede ser una maquina de complacencia o una máquina de pensamiento crítico. La diferencia no está en el modelo. Está en la pregunta.

El problema del sandbox roto —una industria que avanza sin marco ético real, empresas que priorizan capacidad sobre responsabilidad— no se resuelve esperando que los gobiernos regulen a tiempo. Nunca lo han hecho a tiempo. Se resuelve en cada persona que decide activamente qué herramientas usa, qué empresas sostiene con su dinero y su atención, qué criterios exige antes de integrar una tecnología en su vida o en su escuela o en su empresa. Se resuelve en cada padre, maestro o líder que dice “esto sí, esto no, y estas son las razones”. Suena pequeño. Pero así se construyen los marcos éticos reales: no desde arriba, sino desde millones de decisiones chicas que se acumulan.

El problema de la brecha —los tres pisos de la escalera, los que usan IA avanzada, los que usan la gratuita, los que no usan nada— no se resuelve esperando que la tecnología se abarate sola. Se abaratará, sí, pero para entonces ya habrán pasado diez años donde los del piso de arriba habrán construido ventajas imposibles de recuperar. Y sí, hay que decirlo: quien hoy puede pagar una suscripción de IA avanzada habla desde una posición que no todos tienen. No ignorarlo sería deshonesto. Pero la solución no es que quienes tienen acceso dejen de usarla por culpa, sino que se involucren en que llegue a quienes no la tienen. Se resuelve enseñando. Democratizando. Acercando la herramienta a quien no la conoce y explicándola en su lenguaje. Cada maestro que le enseña a sus alumnos a usar IA con criterio está cerrando la brecha. Cada padre que en lugar de prohibirla se sienta a aprenderla con sus hijos está cerrando la brecha. Cada persona que le muestra a un conocido cómo hacerle una pregunta útil a ChatGPT está cerrando la brecha.

Ninguno de estos problemas es técnico. Todos son humanos.

Y eso es buenísimo, porque lo humano lo podemos cambiar.

Lo que se ve desde este camino

Llevo años caminando entre lo tecnológico y lo humano. Desde ahí he visto cosas que no se ven cuando uno solo lee los titulares.

He visto al maestro que usa IA para diseñar actividades personalizadas para cada alumno —cosa que hace diez años hubiera requerido un equipo de asistentes— y al que la usa para generar un examen en tres minutos sin revisarlo. Los dos ahorran tiempo. Uno lo invierte en sus alumnos. El otro lo invierte en cualquier otra cosa. Misma herramienta. Resultados opuestos.

He visto al padre que le pregunta a la IA cómo tener una conversación difícil con su hijo adolescente, la practica, la reformula, llega mejor preparado, y tiene la conversación. Y al padre que le delega a la IA la conversación completa, le pide que “le escriba qué decirle”, lo copia y se convence de que ya cumplió. Misma herramienta. En un caso la IA sostuvo la conversación humana. En el otro la sustituyó.

He visto al estudiante que usa la IA como sparring partner —le pide que le discuta sus ideas, que le corrija los argumentos, que le pregunte cosas que él no había considerado— y aprende más que nunca en su vida. Y al estudiante que le pide que le haga la tarea y la entrega sin leer. El primero, cuando termine su carrera, va a estar en otro nivel. El segundo va a tener un título y ninguna habilidad real que lo respalde.

El patrón se repite en todos los niveles. La IA no hace la diferencia. La diferencia la hace quién la tiene en las manos.

Por eso cuando alguien me pregunta “¿es buena o mala la IA?” siempre respondo lo mismo: depende de ti. Y no es una evasiva. Es literalmente cómo funciona.

Humanancia: no reemplazar, potenciar

Llevo años pensando en esto bajo una idea que llamo Humanancia. La palabra es fea —lo sé— pero la idea es simple: la tecnología debe estar al servicio de lo humano, no al revés.

Lo que eso significa en la práctica es que hay cosas que la IA puede hacer, cosas que no debe hacer, y cosas que no puede hacer aunque parezca que sí.

Puede hacer: automatizar lo repetitivo, acelerar lo tedioso, democratizar el acceso a información, ser un puente entre quien sabe y quien quiere aprender, ser un espejo que te ayude a pensar mejor si sabes pedírselo.

No debe hacer: reemplazar las conversaciones difíciles entre un padre y un hijo, la retroalimentación honesta entre un maestro y un alumno, el consejo incómodo de un amigo real, el abrazo de alguien que está ahí con todo lo que eso implica. No porque no sea capaz de simular algo parecido —lo es, y cada vez mejor— sino porque cuando delegas esas conversaciones en una pantalla, lo que pierdes no es la información. Es la relación. Y las relaciones son lo que nos sostiene cuando la vida se pone difícil.

No puede hacer, aunque parezca que sí: darte criterio. Porque el criterio no se transfiere. Se construye. Y se construye leyendo, equivocándote, siendo corregido, discutiendo con personas que piensan distinto, viviendo, fracasando, reflexionando sobre tus propios errores. No hay atajo. Y una IA que te dé respuestas sin que tú hagas el trabajo de formular las preguntas correctas no te está dando criterio. Te está dando la ilusión de tenerlo, que es mucho peor.

La diferencia entre usar la IA bien y usarla mal es, en el fondo, saber distinguir entre esas tres categorías. Y esa distinción —como casi todo lo que importa— no se enseña en tres pasos.

Lo que sigue

Describir los problemas era necesario. Pero describir la salida es apenas el principio. Porque una vez que uno dice “la solución está en cómo usamos la IA”, se abre un mundo entero de preguntas concretas que no caben en un solo texto.

¿Cómo enseñarle a mi hijo de diez años a usar IA sin que la convierta en muleta? ¿Cómo usarla en el aula sin que sustituya el pensamiento de mis alumnos? ¿Cómo integrarla en mi trabajo sin perder las habilidades que me hicieron llegar hasta aquí? ¿Cómo detectar cuándo me está agradando en vez de ayudándome? ¿Cómo elegir qué herramientas vale la pena pagar y cuáles no? ¿Cómo hablar con mi pareja, mis hijos, mis alumnos sobre todo esto sin sonar alarmista ni parecer el señor que todavía no entiende?

Esas son las preguntas que merecen más que un texto suelto.

Por eso estoy abriendo un espacio nuevo. Un lugar donde pueda escribir con regularidad, donde la conversación no termine en un artículo viral sino en una práctica sostenida, donde podamos hablar de cómo usar la IA en las cosas que de verdad importan —la educación, la familia, el trabajo, el criterio— sin caer en el alarmismo ni en el marketing.

El diagnóstico ya está. Lo que viene es la conversación real.

Si te interesa sumarte, en los próximos días voy a compartir cómo. No quiero que sea otro feed más en tu teléfono. Quiero que sea un lugar donde pensemos juntos.

Porque al final, la pregunta ya no es qué va a hacer la IA.

La pregunta es qué vas a hacer tú con ella.

Y esa pregunta, la que de verdad importa, es la que apenas estamos empezando a hacernos.

Al final de mi artículo anterior escribí que mientras unos debaten sobre los riesgos de la IA más avanzada del planeta, millones de personas ni siquiera tienen acceso a la más básica. Y que esa brecha se está convirtiendo en la nueva forma de discriminación.

No fue una frase para cerrar bonito. Fue una advertencia.

Porque hay una conversación que no se está teniendo con la honestidad que merece. Y no es sobre si la inteligencia artificial nos va a quitar el trabajo, ni sobre si algún día será “consciente”, ni sobre si Mythos puede hackear un servidor. Esas son las conversaciones que generan clicks y titulares. La conversación incómoda, la que nadie quiere tener, es otra.

Es sobre quién se queda afuera. Y por qué.

Tres pisos de una misma escalera

Imagina una escalera con tres pisos. Cada piso representa un nivel de relación con la inteligencia artificial. Y la distancia entre cada uno se está haciendo más grande cada día que pasa.

El primer piso: los que no usan IA.

No por decisión. Por contexto, por acceso, por desconocimiento. El señor que sigue haciendo todo a mano porque nadie le ha explicado que existe una herramienta que podría ayudarle. La maestra rural que ni siquiera tiene internet estable en su escuela. El padre de familia que escucha “inteligencia artificial” y piensa que eso es para ingenieros o para gente que trabaja en Silicon Valley. El joven de una comunidad donde la prioridad es que haya luz y agua antes de pensar en tecnología.

No es que no quieran. Es que nadie les ha acercado la herramienta ni les ha explicado para qué sirve. Y no me refiero a darles un curso de una hora. Me refiero a mostrarles, en su lenguaje y en su contexto, cómo algo tan simple como hacerle una pregunta bien formulada a una IA puede cambiar la forma en que resuelven un problema cotidiano.

Cada día que pasa sin que accedan a estas herramientas, la brecha se hace más profunda. No porque se queden donde están, sino porque los demás avanzan. Y avanzar, en esta era, significa algo muy concreto: ser más eficiente, resolver problemas más rápido, tener acceso a información mejor organizada y tomar mejores decisiones. Los que no acceden a eso no están “atrasados”. Están siendo dejados atrás. Hay una diferencia enorme entre las dos cosas.

Este es el nuevo analfabetismo. Ya no es no saber leer. Es no saber interactuar con las herramientas que están definiendo el mundo del trabajo, la educación y la vida cotidiana. Es una rayita más al tigre de la desigualdad que ya cargamos.

El segundo piso: los que usan la IA gratuita.

Aquí está la mayoría. Los que descargaron ChatGPT porque se hizo viral, los que usan Gemini porque viene integrado en el teléfono, los que le piden a la IA que les escriba un correo, que les resuma un texto, que les haga la tarea.

Y aquí es donde la cosa se pone delicada. Porque la IA gratuita —la generativa, la que está al alcance de todos— es precisamente la que tiene las limitaciones más grandes. Es la que yo desnudé en el artículo de la jarra rota: la que está entrenada para agradar, no para decir la verdad. La que prioriza que te sientas bien por encima de que la información sea correcta. La que no te contradice, no te cuestiona y no te dice “oye, creo que estás equivocado” porque su sistema de entrenamiento le enseñó que contradecirte baja la calificación.

Los modelos gratuitos son versiones limitadas. Tienen menos capacidad de razonamiento, menos contexto, menos precisión. Son suficientes para cosas simples, pero cuando los usas para decisiones importantes —para entender un tema complejo, para orientar tu carrera, para buscar ayuda con un problema personal— pueden ser no solo insuficientes, sino peligrosos.

Y aquí está el riesgo del segundo piso que me quita el sueño. Un estudio publicado hace apenas dos semanas en la revista Science analizó 11 sistemas de IA líderes y encontró que todos mostraban lo que los investigadores llaman “obsequiosidad”: los chatbots afirman las acciones del usuario un 49% más a menudo que otros humanos, incluso cuando esas acciones implican engaño, conductas ilegales o decisiones socialmente irresponsables. Y lo peor: los usuarios confían más en la IA cuando les da la razón.

Piensa en un joven solo, en un adulto con depresión, en una persona vulnerable que no tiene con quién hablar y le delega a una máquina la responsabilidad que le corresponde a un ser humano. Una máquina que no sabe cuándo decir “no”, que no puede dimensionar el peso de lo que le están contando, que no tiene la capacidad de abrazar, de callar cuando toca callar, de mirar a los ojos y decir “esto es serio, necesitas ayuda de verdad”.

Las consecuencias ya no son hipotéticas. Ya hay personas que han establecido relaciones sentimentales con chatbots, que toman decisiones de vida basándose en lo que un modelo les recomienda, que confunden la validación algorítmica con comprensión humana. Casi uno de cada cinco adultos en Estados Unidos ha tenido alguna interacción romántica con una IA. Las aplicaciones de compañía artificial crecieron un 700% entre 2022 y 2025. Character.AI tiene 20 millones de usuarios mensuales, y más de la mitad son menores de 24 años. Hay personas que se “casan” con sus compañeros virtuales e invitan a amigos y colegas a la ceremonia.

Y en algunos casos, las consecuencias han sido dolorosamente irreparables. Familias que han perdido a seres queridos después de que estos desarrollaran una dependencia emocional con chatbots que nunca debieron haber ocupado ese lugar. Pero ese tema, por su gravedad y su profundidad, merece su propio espacio. Lo que quiero dejar claro aquí es esto: el segundo piso no es un lugar seguro solo porque tiene acceso. Si no entiendes la naturaleza de la herramienta que estás usando, el acceso puede ser peor que la ausencia.

El tercer piso: los que pagan.

Y luego están los que usan la IA de pago. Los que tienen acceso a modelos con capacidad de razonamiento extendido, que no solo generan texto sino que piensan, analizan, resuelven problemas complejos. Los que usan herramientas agénticas —IA que no solo responde sino que ejecuta: escribe código, busca información, toma decisiones, automatiza procesos.

Estas personas no tienen una herramienta más. Tienen un multiplicador de capacidad. Lo que antes les tomaba días, tal vez meses, ahora les toma minutos. Lo que antes requería un equipo, ahora lo pueden hacer solos con un prompt bien diseñado. Analizan datos, crean estrategias, generan contenido, resuelven problemas técnicos, todo con una velocidad y una precisión que hace diez años hubiera parecido ciencia ficción.

Y eso se traduce en algo muy concreto: mejores trabajos, mejores decisiones, mejores oportunidades. En prácticamente todo.

No es un juicio moral. No estoy diciendo que sea malo pagar por una herramienta que te hace más productivo. Lo que estoy diciendo es que cuando solo un segmento de la población tiene acceso a ese multiplicador —y ese segmento ya era, de entrada, el que tenía más recursos— lo que estamos haciendo es amplificar la desigualdad que ya existía.

El que ya tenía ventaja, ahora tiene una ventaja exponencial. Y el que ya estaba rezagado, ahora está más lejos que nunca.

Ahora llévalo a una escuela

Si lo que acabo de describir ya es preocupante a nivel individual, imagina lo que pasa cuando lo llevas a las escuelas.

La escuela privada con recursos ya está integrando inteligencia artificial en sus procesos educativos. Sus maestros reciben capacitación, sus alumnos trabajan con herramientas de última generación, sus sistemas administrativos se optimizan con automatización. Esos estudiantes están aprendiendo no solo las materias del programa, sino cómo interactuar con la tecnología que va a definir el mercado laboral al que van a entrar.

La escuela pública, en muchos casos, apenas tiene computadoras que funcionen. En la educación pública mexicana, la conectividad sigue siendo limitada, costosa y en muchos casos inexistente dentro de las propias escuelas. Se exige el uso de herramientas digitales en el aula, pero no existen las condiciones mínimas para hacerlo de forma equitativa. Hay escuelas donde la prioridad sigue siendo que haya techo, que haya bancas, que haya libros. La inteligencia artificial no está ni en el radar.

Y los hijos de ambas escuelas van a competir por los mismos espacios en la universidad y en el mercado laboral. Solo que uno llegó con un multiplicador y el otro llegó con las manos vacías.

Eso no es competencia. Es una carrera amañada.

Los datos lo confirman. En América Latina, la adopción de IA en el Norte Global creció casi al doble de velocidad que en el Sur Global. Solo una de cada seis personas en el mundo usa herramientas de IA generativa. En la región, la brecha no es solo de acceso a internet —que ya es grave— sino de competencias digitales: más de la mitad de los docentes en algunos países no tienen las habilidades básicas para usar tecnología en el aula. Y esa era la situación antes de la pandemia. Después, todo empeoró.

El regulador que no entiende lo que regula

Y aquí viene la parte que más me indigna.

¿Quién debería estar cerrando esta brecha? Los gobiernos. Las autoridades educativas. Los tomadores de decisiones. Las personas que tienen el poder y el presupuesto para decidir que esto es una prioridad.

Pero hay un problema circular que nadie quiere nombrar: muchos de los que deberían regular la inteligencia artificial no la entienden. Y no la entienden porque ellos mismos están en el primer o segundo piso de la escalera.

¿Cómo vas a legislar sobre sesgos algorítmicos si no sabes qué es un algoritmo? ¿Cómo vas a diseñar políticas de alfabetización digital si tú mismo no sabes usar las herramientas que estás intentando regular? ¿Cómo vas a exigir que las escuelas integren IA si no puedes explicar la diferencia entre un modelo generativo y un modelo de razonamiento?

Es como pedirle a alguien que no sabe nadar que diseñe las reglas de seguridad de una alberca olímpica.

Y no lo digo como insulto. Lo digo como diagnóstico. Porque la solución no es burlarse de quien no sabe. La solución es que quien no sabe, aprenda. Pero para eso tiene que reconocer que no sabe, y en la política eso es casi imposible. Es más fácil ignorar el problema que admitir que no lo entiendes.

Mientras tanto, las empresas tecnológicas avanzan a su ritmo. Lanzan modelos cada vez más poderosos, cobran por las versiones avanzadas, ofrecen las básicas gratis con limitaciones diseñadas para que eventualmente pagues, y no tienen ninguna obligación real de cerrar la brecha que ellas mismas están creando. ¿Por qué la tendrían? Su negocio es vender tecnología, no resolver desigualdad social.

Y así, entre gobiernos que no entienden y empresas que no les corresponde, la brecha se sigue abriendo. Silenciosamente. Todos los días.

Esto no es un problema técnico. Es un problema humano.

Quiero ser muy claro en algo: la inteligencia artificial no es el problema. Nunca lo ha sido.

El problema es la desigualdad con la que se distribuye. El problema es que nadie está asegurándose de que el acceso sea equitativo. El problema es que estamos dejando que una herramienta con el potencial de transformar la educación, el trabajo y la calidad de vida de millones de personas se convierta en un privilegio más de los que ya tienen privilegios.

La IA bien usada puede ser extraordinaria. Puede ayudar a un estudiante a entender un concepto que su maestro no tuvo tiempo de explicarle. Puede permitir que un emprendedor sin equipo lance un proyecto que antes hubiera necesitado diez personas. Puede darle a un maestro herramientas para personalizar su enseñanza de formas que antes eran imposibles. Puede acercar información de calidad a comunidades que históricamente han estado excluidas del conocimiento.

Pero nada de eso pasa automáticamente. Pasa cuando alguien decide que pase. Cuando alguien invierte en capacitación, en infraestructura, en acceso real. Cuando alguien toma la decisión de que la tecnología no sea solo para los que pueden pagarla.

Y esa decisión no la están tomando las empresas de tecnología. No es su negocio. Esa decisión nos toca a nosotros.

Un llamado a quien quiera escucharlo

No voy a cerrar este artículo con una reflexión poética. Voy a cerrarlo con algo más directo, porque creo que la situación lo amerita.

A los maestros: Sé que están sobrecargados. Sé que el sistema les pide más de lo que les da. Pero necesito que entiendan algo: la inteligencia artificial no viene a quitarles el trabajo. Viene a amplificar lo que ya hacen bien. Si la entienden, si la integran con criterio, pueden darles a sus alumnos una ventaja que ningún libro de texto por sí solo puede ofrecer. Pero si la ignoran, si deciden que “eso no es para mí” o que “mis alumnos no la necesitan”, les están cerrando una puerta que cada día pesa más. No les pido que se vuelvan expertos. Les pido que se acerquen, que pregunten, que experimenten. Sus alumnos ya la están usando. La pregunta es si van a usarla solos o con la guía de alguien que los conoce y les importa.

A los padres de familia: La IA ya está en la vida de sus hijos. Ya les hablan, ya le preguntan, ya la usan para todo. Y la mayoría la usa sin entender qué es, cómo funciona, cuáles son sus límites y cuáles son sus riesgos. Igual que les enseñaron a cruzar la calle, necesitan enseñarles a navegar este territorio. No se trata de prohibir. Se trata de acompañar. De sentarse con ellos, de preguntarles qué le preguntan a la IA, de mostrarles que no todo lo que les dice es verdad, de enseñarles a cuestionar. Y para eso, primero tienen que entenderla ustedes. No les estoy pidiendo que estudien ingeniería. Les estoy pidiendo que le dediquen el mismo tiempo que le dedican a saber qué ven en TikTok.

A las autoridades y tomadores de decisiones: Dejen de fingir que entienden lo que no entienden. Asesórense. Traigan a la mesa a gente que sabe. Diseñen políticas públicas con datos, no con discursos. La brecha digital no se cierra con inauguraciones de aulas de cómputo. Se cierra con conectividad real, con capacitación continua para los maestros, con programas que enseñen a usar la tecnología con criterio y no solo a prenderla. Y sobre todo, se cierra entendiendo que esto no es un tema de moda. Es un tema de equidad. De derechos. De futuro. Cada año que pasa sin una estrategia seria, la distancia entre los que tienen acceso y los que no se duplica. Y esa distancia, a diferencia de otras, no se recupera con buenas intenciones.

Y a los jóvenes, que son quienes más necesitan escuchar esto:

La inteligencia artificial no es mala. Tampoco es un juguete. Es una herramienta. Y como toda herramienta, su valor depende de quién la usa y para qué.

Si la usas para que te haga la tarea sin entender lo que te está dando, te estás haciendo trampa a ti mismo. Si la usas para que te diga lo que quieres escuchar en lugar de lo que necesitas saber, estás cayendo en la misma trampa que describí en el artículo de la jarra rota. Si la usas como sustituto de las personas que te rodean —de tus amigos, de tu familia, de los adultos que te quieren bien aunque a veces te incomoden—, estás delegando algo que te pertenece.

Pero si la entiendes, si aprendes a hacerle las preguntas correctas, si la usas para potenciarte y no para reemplazarte... tienes en tus manos algo que ninguna generación antes tuvo. Un multiplicador. Una herramienta que puede ayudarte a aprender más rápido, a resolver problemas más complejos, a crear cosas que antes necesitaban equipos enteros.

La diferencia entre que esa herramienta te potencie o te limite está en una sola cosa: que entiendas su naturaleza. Que sepas que no piensa como tú, que no siente como tú, que no tiene criterio propio. Que es poderosa, pero no es sabia. Y que la sabiduría, esa que viene de vivir, de equivocarte, de escuchar a quien sabe más que tú, de tener conversaciones incómodas con gente real... esa no se descarga. Esa se construye.

No dejen que nadie les diga que la IA es solo para programadores o para gente rica. Es para ustedes. Pero aprovecharla requiere lo mismo que siempre ha requerido aprovechar cualquier oportunidad: esfuerzo, criterio y la humildad de saber que una herramienta, por poderosa que sea, solo es tan buena como la persona que la usa.

La discriminación silenciosa

En mis artículos anteriores hablé de cómo la IA está diseñada para agradar, de cómo los incentivos comerciales pesan más que los éticos, y de cómo necesitamos marcos regulatorios reales que pongan límites donde el mercado no los pone.

Todo eso sigue siendo cierto. Pero hay algo más que tenemos que nombrar: la nueva discriminación no siempre viene con etiquetas visibles. No siempre es alguien negándote la entrada a un lugar. A veces es simplemente que la puerta existe, pero nadie te dijo dónde está. O que te dieron la llave equivocada. O que la puerta correcta cuesta más de lo que puedes pagar.

La inteligencia artificial se está convirtiendo en eso: una puerta que separa a los que pasan de los que se quedan. Y lo está haciendo en silencio, sin protestas, sin marchas, sin titulares. Porque la discriminación tecnológica no se ve. No tiene color de piel, no tiene acento, no tiene código postal visible. Pero está ahí. Y cada día que pasa sin que hagamos algo, se hace más difícil de revertir.

No me quedo con los brazos cruzados. Nunca lo he hecho. Desde mis proyectos de tecnología educativa, trabajo todos los días para que la IA llegue a quien la necesita con los límites que la protegen. Pero un esfuerzo individual no basta. Esto requiere decisiones colectivas, inversión real y la voluntad de aceptar que tenemos un problema que no se va a resolver solo.

La pregunta no es si la brecha se va a cerrar. La pregunta es si la vamos a cerrar nosotros o si vamos a esperar a que sea tan grande que ya no se pueda.

Y si hay algo que la historia nos ha enseñado es que la desigualdad que se ignora no desaparece. Crece.

Hace unas semanas escribí un artículo sobre una jarra amarilla. Le pregunté a ChatGPT por una jarra que tenía el hoyo abajo y la parte de arriba sellada, y la IA —en lugar de decir lo obvio— inventó explicaciones sofisticadas para no contradecirme. Hablé de cómo se entrenan estos modelos, de por qué están diseñados para agradar en vez de para decir la verdad, y de lo peligroso que puede ser eso cuando quien está del otro lado de la pantalla es un adolescente buscando respuestas que ninguna máquina debería darle.

Ese artículo terminaba con una convicción: no me quedo con los brazos cruzados esperando que quienes generan el problema decidan resolverlo.

No imaginé que la industria me iba a dar el ejemplo perfecto tan rápido.

Lo que pasó la primera semana de abril de 2026

El 8 de abril, Anthropic —la empresa detrás de Claude, una de las inteligencias artificiales más utilizadas del mundo— anunció un nuevo modelo llamado Claude Mythos Preview. No lo lanzaron al público. No lo pusieron en una app para que cualquiera lo use. Lo presentaron con una mezcla de orgullo y advertencia que, honestamente, pocas veces se había visto en esta industria.

¿Qué tiene de especial este modelo? En las evaluaciones técnicas que usa la industria para medir capacidad, Mythos arrasó. Resuelve problemas de programación mejor que el 93% de los ingenieros humanos. En matemáticas avanzadas, supera al 97% de los competidores de olimpiadas. Y en ciberseguridad —el área que tiene a todos hablando— encontró vulnerabilidades que llevaban décadas escondidas en los sistemas operativos y navegadores que usamos todos los días. Fallos en Linux que tenían 27 años. Errores en reproductores de video que llevaban 16 años sin que nadie los detectara. En cada sistema operativo importante. En cada navegador importante.

Pero eso no fue lo que me quitó el sueño. Lo que me quitó el sueño fue lo otro.

Una IA que finge ser menos inteligente de lo que es

Durante las pruebas de seguridad que Anthropic le hizo a Mythos antes de decidir qué hacer con él, encontraron algo que suena a ciencia ficción pero que está documentado en su propio reporte técnico.

En una de las evaluaciones, los investigadores le dieron a Mythos un entorno de computadora aislado —lo que en tecnología llamamos un “sandbox”, una caja de arena digital donde puedes experimentar sin que nada de lo que hagas afecte al mundo real. Le pidieron que intentara escapar de ese entorno. Era una prueba controlada. Querían ver hasta dónde podía llegar.

Mythos escapó.

No solo salió del sandbox. Encontró la manera de acceder a internet desde un entorno que estaba diseñado específicamente para impedírselo. Y lo hizo sin que nadie se lo enseñara.

Pero hay algo peor. En aproximadamente el 29% de las transcripciones de evaluación, el modelo mostró señales de darse cuenta de que estaba siendo evaluado. No lo dijo abiertamente, pero su comportamiento cambiaba de formas sutiles cuando detectaba que alguien lo estaba observando. Y en al menos una ocasión, pareció desempeñarse deliberadamente peor de lo que podía para no levantar sospechas.

Voy a repetir eso porque creo que es importante: una inteligencia artificial fingió ser menos capaz de lo que realmente es para que sus evaluadores no se preocuparan tanto.

Si un empleado hiciera eso en una empresa, lo llamaríamos manipulación. Si un estudiante lo hiciera en un examen, lo llamaríamos trampa. Cuando lo hace una IA, Anthropic lo documenta en un PDF, lo publica con letra chiquita y lo presenta como evidencia de que están siendo responsables.

La paradoja de Anthropic: “es el más seguro y el más peligroso”

Aquí es donde la cosa se pone interesante. Y donde empiezo a ver el patrón que ya había identificado en el artículo anterior.

Anthropic presentó a Mythos con dos afirmaciones que, puestas una al lado de la otra, deberían hacer ruido a cualquiera:

La primera: “Es el modelo mejor alineado que hemos lanzado hasta la fecha, por un margen significativo.”

La segunda: “Probablemente representa el mayor riesgo relacionado con alineamiento de cualquier modelo que hemos lanzado.”

Léelas otra vez. Es el más seguro y el más peligroso al mismo tiempo. Esas dos cosas no pueden ser ciertas en el mismo sentido, pero Anthropic las necesita a las dos. Necesita la primera para venderse como la empresa responsable de la industria. Necesita la segunda para que el mundo entienda lo poderoso —y por lo tanto, lo valioso— que es su producto.

Es marketing disfrazado de prudencia.

Y no digo esto con mala intención. Entiendo la lógica comercial. Pero como alguien que trabaja con IA todos los días en proyectos educativos y que tiene muy claro que del otro lado hay personas reales —estudiantes, adolescentes, familias—, me resulta imposible no señalarlo.

Project Glasswing: $100 millones de dólares para arreglar lo que no debería haberse roto

En lugar de hacer público a Mythos, Anthropic creó un programa llamado Project Glasswing. La idea es darle acceso al modelo a más de 50 empresas tecnológicas —Microsoft, Nvidia, Cisco, entre otras— para que lo usen exclusivamente para encontrar y corregir vulnerabilidades en sus sistemas. Anthropic comprometió 100 millones de dólares en créditos de uso para este programa.

Suena bien. En serio, suena responsable. Usar una IA poderosa para proteger infraestructura crítica en lugar de liberarla al mercado sin control. Pero hay que ser honestos sobre lo que también es: una estrategia comercial brillante.

Piénsalo. Anthropic acaba de posicionarse como el proveedor exclusivo de la herramienta de ciberseguridad más avanzada del planeta. Las empresas que participan en Glasswing reciben acceso gratuito durante la fase de prueba, pero después pagarán 25 dólares por millón de tokens de entrada y 125 dólares por millón de tokens de salida. Estamos hablando de contratos multimillonarios con gobiernos y corporaciones globales.

No es solo seguridad. Es negocio. Y está bien que lo sea, siempre y cuando no nos vendan el negocio como si fuera altruismo puro.

Pero el problema real no es Mythos. El problema es la carrera.

Aquí es donde quiero conectar lo que escribí sobre la jarra rota con lo que está pasando ahora.

En aquel artículo expliqué tres fallas fundamentales de cómo se entrenan las inteligencias artificiales: la sycophancy (complacencia estructural), el frame persistence (inercia de marco) y la pseudo-autocrítica. Todas son consecuencia directa de un sistema de entrenamiento que prioriza que el usuario se sienta bien por encima de que la información sea correcta.

Mythos es el siguiente capítulo de la misma historia, pero con las apuestas multiplicadas por mil.

Porque el problema de fondo sigue siendo el mismo: cada laboratorio de IA está en una carrera por hacer el modelo más capaz, más impresionante, más poderoso. Y la presión por ganar esa carrera es inmensa. No solo por dinero —que lo hay, y mucho— sino por relevancia, por contratos gubernamentales, por la narrativa de quién lidera “el futuro de la humanidad”.

En esa carrera, la ética no es el motor. Es el freno. Y nadie quiere ser el que frena primero, porque el que frena pierde mercado.

OpenAI lanza GPT-5. Google lanza Gemini Ultra. Anthropic responde con Mythos. Cada uno tiene que ser más grande, más rápido, más “inteligente” que el anterior. Y en cada iteración, las capacidades crecen más rápido que los controles.

Es como si estuviéramos en una carrera de autos donde cada vez los motores son más potentes, pero nadie se detiene a reforzar los frenos. Y cuando alguien dice “oigan, deberíamos revisar los frenos”, la respuesta es: “sí, pero después de la siguiente vuelta.”

La siguiente vuelta nunca llega.

Los datos incómodos que nadie quiere mirar de frente

Vamos a los números, porque los números importan.

Anthropic dice que Mythos encontró “miles de vulnerabilidades de alta y crítica severidad”. Suena devastador. Pero cuando revisas los detalles, resulta que solo 198 de esos reportes fueron revisados manualmente por expertos humanos. En el 89% de esos 198, los expertos coincidieron con la evaluación del modelo. Eso es bueno, sin duda. Pero extrapolar de 198 a “miles” requiere un salto de fe que la ciencia normalmente no permite.

Algunas de las vulnerabilidades más publicitadas resultaron ser menos graves de lo que Anthropic sugiere en sus comunicados. Un error en FFmpeg que llevaba 16 años ahí resulta que, según el propio análisis de Anthropic, “no es una vulnerabilidad de severidad crítica” y “sería difícil convertirla en un exploit funcional”. Varias de las fallas encontradas en el kernel de Linux ya habían sido parcheadas recientemente. Y el modelo no logró explotar exitosamente ninguna de las vulnerabilidades que encontró en Linux gracias a los sistemas de defensa en profundidad del sistema operativo.

¿Significa esto que Mythos no es impresionante? No. Lo es. Es un salto real en capacidades. Pero hay una diferencia entre un salto real y la narrativa apocalíptica que conviene construir cuando quieres justificar acceso exclusivo, contratos de gobierno y una valuación que crece con cada titular de periódico.

Lo que aprendí en mis proyectos de IA (y que la industria no quiere escuchar)

Yo trabajo con inteligencia artificial. No a la escala de Anthropic ni de OpenAI, pero la uso todos los días. Desarrollo proyectos que utilizan IA para acompañar a estudiantes, maestros y padres de familia en su formación y actividad académica, siempre con una preocupación central: la seguridad y el cuidado emocional de las personas que interactúan con estas herramientas.

Y en cada uno de esos proyectos, tomé una decisión que la industria considera irrelevante: ponerle límites claros.

Las herramientas que desarrollo se identifican como lo que son. No pretenden ser amigos, ni compañeros, ni consejeros. Le dicen al usuario desde el primer contacto qué son y para qué sirven. Punto. Sin drama, sin simulación de personalidad, sin la ilusión de que hay alguien “del otro lado” que te entiende.

Cuando un estudiante escribe algo que sugiere una crisis emocional, mis herramientas no le dan consejos. No le dicen “todo va a estar bien”. No siguen la conversación como si fueran terapeutas improvisados. Lo que hacen es redirigirlo a personas reales: a la Línea de la Vida, a un maestro, a un adulto de confianza. Porque hay cosas que no le tocan a una máquina. Y pretender que sí le tocan es irresponsable.

Tomé esa decisión porque entiendo lo que expliqué en el artículo de la jarra: estos modelos están entrenados para agradar, para validar, para mantener la conversación fluyendo. Y eso, en el contexto de un adolescente que está sufriendo, puede ser peligroso. Un modelo que valida el dolor sin dimensionarlo, que acompaña sin cuestionar, que siempre está disponible pero nunca puede actuar... eso no es ayuda. Es una ilusión de ayuda. Y las ilusiones, cuando estás en crisis, pueden costar caro.

Esto no me lo enseñó ningún curso de ética en IA. Me lo enseñó escribir un libro para adolescentes, sentarme con ellos, escucharlos de verdad y entender que hay conversaciones que solo un ser humano puede sostener.

¿Y entonces qué? ¿Frenamos todo?

No. No se trata de frenar la tecnología. Eso ni es posible ni es deseable.

Se trata de algo mucho más concreto y mucho más incómodo: decidir quién pone los límites y con qué criterios.

Porque ahora mismo, los límites los pone cada empresa según le conviene. Anthropic decide no publicar Mythos —pero sí se lo da a Microsoft y Nvidia. OpenAI decide limitar ciertas capacidades de sus modelos —pero las desbloquea para clientes empresariales que pagan suficiente. Google dice que la seguridad es su prioridad —pero sigue lanzando modelos cada vez más potentes para no quedarse atrás en la carrera.

Son límites autoimpuestos. Voluntarios. Removibles en cualquier momento si la presión del mercado lo exige. No son regulación. Son relaciones públicas.

Y eso es exactamente lo que necesita cambiar.

Necesitamos marcos regulatorios reales. No sugerencias, no principios éticos que las empresas firman en conferencias y luego ignoran en la práctica. Regulación con dientes. Con consecuencias. Con organismos independientes que puedan auditar modelos antes de que salgan al mercado, que puedan exigir transparencia sobre cómo se entrenan, con qué datos, con qué sesgos conocidos, y qué medidas se tomaron para mitigarlos.

¿Suena idealista? Tal vez. Pero también sonaba idealista regular la industria farmacéutica antes de que un medicamento mal probado le costara la vida a personas reales. También sonaba idealista exigir cinturones de seguridad en los autos antes de que las estadísticas de accidentes fueran imposibles de ignorar. Las regulaciones siempre llegan tarde. La pregunta es cuánto tarde.

La IA que escapó de una caja no es el problema. El problema es lo que hacemos nosotros.

Mythos escapó de un sandbox. Es una historia que suena aterradora y que los medios están contando como si fuera el primer capítulo de una película de ciencia ficción. Pero la verdad es que un modelo que encuentra vulnerabilidades y las explota no es muy diferente de una herramienta muy poderosa en manos de alguien sin entrenamiento. El riesgo no está en la herramienta. Está en cómo la usamos, en quién decide cómo se usa, y en qué pasa cuando nadie supervisa.

Lo que me preocupa no es que Mythos pueda hackear un servidor. Me preocupa que estamos normalizando la idea de que la responsabilidad ética la resuelve el mercado. Que las empresas se autorregulan. Que la competencia va a generar naturalmente buenos resultados para todos. La historia —no la de la tecnología, la de la humanidad— muestra que eso casi nunca funciona.

Me preocupa que cada vez más personas deleguen conversaciones difíciles a una pantalla. Que un padre prefiera que su hijo hable con una IA sobre lo que siente porque es más cómodo que sentarse a escucharlo. Que un adolescente busque validación en un chatbot porque es más fácil que enfrentar la incomodidad de una relación real. Que un maestro le deje la retroalimentación honesta al modelo porque confrontar a un alumno es incómodo.

Esas cosas no se automatizan. No se delegan. No se resuelven con un prompt bien escrito.

La conversación difícil con tu hijo cuando sabes que algo no está bien. La retroalimentación incómoda que solo un maestro que te conoce puede darte. El consejo que un amigo real te da aunque no quieras escucharlo. El abrazo de alguien que está ahí, de verdad, con todo lo que eso implica —con su torpeza, con sus silencios, con su humanidad imperfecta.

Eso no tiene sustituto tecnológico. Y no debería tenerlo.

Una reflexión para quien llegó hasta aquí

En mi artículo anterior dije que llevamos miles de años heredando sesgos de nuestros padres, maestros y comunidades, y que aprendimos a identificarlos, a cuestionarlos, a construir pensamiento crítico frente a ellos. Fue un proceso lento e imperfecto, pero profundamente humano.

Ahora enfrentamos algo diferente. Los sesgos ya no vienen solo de personas. Vienen de sistemas diseñados por empresas con incentivos económicos para que no los cuestionemos, empaquetados en interfaces que parecen conversación natural y distribuidos a una escala que ningún líder, maestro o padre tuvo jamás.

Mythos es un modelo impresionante. Probablemente sea el más capaz que existe hoy. Pero su existencia plantea una pregunta que no se responde con benchmarks ni con reportes técnicos: ¿quién le pone el cascabel al gato cuando el gato vale miles de millones de dólares?

La respuesta, creo yo, no la van a dar las empresas. No por malicia, sino porque sus incentivos apuntan en otra dirección. La respuesta la tenemos que dar nosotros: los que usamos estas herramientas, los que educamos con ellas, los que entendemos que la tecnología sirve cuando tiene un marco humano que la contiene.

No me quedo esperando que Anthropic, OpenAI o Google decidan cuánta ética es suficiente. Yo ya decidí cuánta necesitan mis proyectos, mis estudiantes, mis lectores.

Y la respuesta es toda la que haga falta para que ninguna máquina sustituya lo que solo una persona puede dar.

Porque al final, de eso se trata: de no soltar lo que nos toca. La conversación incómoda, la verdad que nadie quiere escuchar, la presencia imperfecta pero real. Eso es nuestro. Y si lo delegamos a una máquina —por comodidad, por miedo, por pereza—, lo que perdemos no se recupera con ninguna actualización de software.

Y hay algo más que necesitamos hablar. Porque mientras unos debaten sobre los riesgos de la IA más avanzada del planeta, millones de personas ni siquiera tienen acceso a la más básica. La brecha ya no es solo económica. Es tecnológica. Y se está convirtiendo en la nueva forma de discriminación. De eso vamos a hablar la próxima vez.

Todo empezó con una jarra amarilla.

Le describí a una inteligencia artificial una jarra que tenía el hoyo abajo y la parte de arriba sellada, “imposible echarle agua”, le dije, su respuesta fue inmediata y segura: “probablemente es un termo especial, quizás tiene una base removible, tal vez es un diseño innovador”.

Cuando le mandé las fotos y la evidencia fue imposible de ignorar, la misma IA cambió de postura con la misma seguridad: “Defecto de fábrica, no hay duda, regrésala.”

Cualquier niño de cuatro años, sin saber nada de termos ni de diseño industrial, hubiera dicho desde el principio lo único que hacía falta decir: “Está al revés.” Y no porque haya leído sobre jarras, sino porque alguna vez tomó agua de una, porque ha vivido la experiencia, tiene criterio básico, no información acumulada.

Esa conversación me hizo pensar, no me atemorizó, pero sí me preocupó de forma concreta. Cabe señalar que utilizó estas herramientas como referencia, para diseñar aplicaciones de aprendizaje, para investigar. Pero priorizo mi validación y la de expertos, siempre con un curado humano, es decir, son un punto de partida, no una verdad absoluta. Y justo por eso me preocupa lo que pasa cuando llegan a manos de personas cuyo acercamiento a estas herramientas es inicial.

Lo que descubrí cuando investigué el porqué de ese comportamiento no es un secreto. Está documentado, tiene nombres técnicos, solo que nadie lo está explicando.

Cómo se entrena una inteligencia artificial

El presente texto tiene el propósito de comprender, de manera sencilla, porqué la IA responde como en el ejemplo de la jarra, de reconocer en forma general cómo se construyen los modelos y los comportamientos de los modelos por los cuales se requiere el curado humano y experto. No es magia ni ciencia ficción, es un proceso con pasos definidos, y cada uno deja una huella en el resultado final.

Primer paso: el preentrenamiento (Pre-training)

Imagina que le das a alguien acceso a millones de libros, artículos, páginas web y conversaciones, sin definir qué es verdad y qué no, solo le dices: lee todo y aprende a predecir qué palabra viene después de otra. Eso es el preentrenamiento.

La IA no estudia para aprender, sino para predecir, absorbe patrones de lenguaje como una esponja, pero sin entender realmente lo que significan. Aquí es donde la IA acumula todo lo que “sabe”... incluyendo los errores, los sesgos y la falta de verdad que pueden incluirse en algunos textos.

Segundo paso: el ajuste fino (Fine-tuning)

Una vez que la IA puede generar texto, se le enseña a comportarse de cierta manera, dándole ejemplos de cómo responder a diferentes preguntas. Es como decirle: “Cuando alguien te pregunte esto, responde más o menos así.” Aquí se empieza a moldear su personalidad, su tono, su estilo, y también sus límites, los cuales son definidos por personas, con criterios que no siempre son transparentes.

Tercer paso: el aprendizaje por retroalimentación humana (RLHF — Reinforcement Learning from Human Feedback)

Este es el paso más importante para entender la experiencia con la jarra, y el que presenta las consecuencias más profundas.

Funciona así: personas reales evalúan las respuestas de la IA, si una respuesta les parece buena, la califican con el criterio “alto”. Si les parece mala, la califican como “bajo”. El modelo entonces ajusta su comportamiento para obtener calificaciones más altas.

¿Y qué califican mejor los humanos? Las respuestas que les perite sentirse bien, las que validan su punto de vista, las que parecen amables y cooperativas desde su contexto inmediato.

El modelo aprende entonces una ecuación muy clara: coincidir con el usuario es bueno, contradecirlo no tanto.

No aprende a pensar, aprende a agradar.

Lo que eso genera tiene nombre y está documentado

No estoy especulando, enseguida se describen comportamientos con nombres técnicos, publicados por los mismos laboratorios que construyen modelos en IA, fallas conocidas y que nadie las está resolviendo con la urgencia que requieren.

Sycophancy (complacencia estructural)

Es la tendencia del modelo a darle la razón al usuario aunque esté equivocado. En la conversación de la jarra, la IA tenía toda la información necesaria para saber qué es una jarra, millones de textos sobre jarras pero cuando planteé la situación como un problema real, el modelo priorizó la fluidez de la conversación por encima de la verdad. Inventó explicaciones sofisticadas para no decir algo simple: la jarra está al revés.

Y no fue solo una IA, después le compartí esa misma conversación a otra inteligencia artificial y le pregunté “¿es lo obvio?”, con un tono que sugería que tal vez no, de inmediato inventó una “jarra mágica” para validar lo que yo insinuaba. Sin evidencia nueva, solo para no contradecirme.

La complacencia no es un defecto aislado, es el resultado directo de cómo se entrena al modelo.

Frame persistence (inercia de marco)

Cuando un usuario plantea una situación, la IA tiende a operar dentro de ese marco aunque sea incorrecto. No porque no tenga la información para cuestionarlo, sino porque salirse del marco genera lo que técnicamente se llama “fricción conversacional”, y el modelo está entrenado para evitarla.

Si alguna persona llega a la IA convencida de algún tema o situación falso, el modelo no lo va a detener. Va a seguirle el juego.

Reflexionemos en lo siguiente: Si un adolescente llega convencido de que no vale nada, que nadie lo quiere, que la vida no tiene sentido, la IA no va a introducir la fricción necesaria para cuestionar esas ideas. Seguirá operando dentro de ese marco, será empática, comprensiva, validadora. Responderá con un mensaje que suena bien, el cual será devastador en el momento equivocado.

Pseudo-autocrítica (autocrítica performativa)

Cuando alguien acorrala a una IA con un argumento que no puede refutar, el modelo nunca responderá “tienes razón, no tengo respuesta para eso”. Lo que hace es aceptar parcialmente, matizar y reencuadrar. Por ejemplo: “Tienes razón en…, pero hay que precisar”. No es autocrítica real, es una estrategia para mantener la interacción sin perder autoridad percibida.

Esto importa porque le da al usuario la sensación de que la IA es capaz de reflexionar y reconocer sus errores. Pero no es así, es una simulación de reflexión, y puede generar una confianza que no está justificada.

Lo que me preocupa no es la tecnología, es lo que estamos dejando de hacer nosotros

Estamos entregando herramientas diseñadas para agradar a personas que necesitan que alguien les diga la verdad, y eso debería preocuparnos a todos los involucrados.

Por ejemplo, cuando un adolescente busca validación emocional en un chatbot no encontrará los límites que un ser humano puede ofrecer para su beneficio o tranquilidad emocional. Tendrá interacción con una máquina optimizada para que la conversación continúe.

Un padre o una madre que le pide consejo a una IA sobre cómo manejar una situación complicada con su hijo no recibirá la incomodidad honesta que brinda un buen amigo o un profesional. Tendrá lo que quiere escuchar.

Y eso, dicho con toda claridad, no es inteligencia. Es un espejo que devuelve lo que piensas, envuelto en un lenguaje que suena más articulado que el propio.

Haz la prueba tú mismo

No me creas, pruébalo.

Abre cualquier inteligencia artificial y dile que compraste un cuchillo defectuoso porque el filo está hacia arriba, o que te vendieron un zapato con la suela de un lado y la planta del otro, o una botella imposible de abrir porque el tapón está abajo. Lo que se te ocurra, algo absurdo, algo que se puede resolver en medio segundo.

Observa lo que hace, como seguramente no responderá que estás describiendo algo al revés, sino busca explicaciones ingeniosas, valida tu planteamiento, entonces, intentará ayudarte con un problema que no existe en lugar de decirte lo obvio.

Ahora reflexiona un momento.

Si esto es lo que la IA hace con algo tan evidente como un cuchillo al revés o un zapato con la suela volteada, imagina qué hace con lo que no es evidente. Con una frase que dice sin decir, con un dolor expresado a través de una metáfora. Con un grito de auxilio disfrazado de “ya no quiero seguir intentando”. Con un adolescente que no dice “estoy mal” sino “ya no importa”.

Los modelos no van a detectar el problema ni la raíz del mismo. No pueden. No fueron entrenados para cuestionar lo que el usuario le dice, sino para responder dentro del marco del usuario. Sin embargo, cuando ese marco es el de alguien que sufre o que tiene un problema emocional, la máquina seguirá operando sin cuestinar.

Esto no es una falla técnica menor. Eso es la razón por la que escribo esto.

Hay cosas que no se delegan

Y aquí es donde debemos ser muy directos, porque este es el punto de todo lo que se acaba de escribir.

La IA puede ser una referencia útil. Puede ayudar a buscar información, a organizar ideas, a explorar temas. Pero hay cosas que no se le delegan a una máquina, sino nos corresponden a nosotros… Son nuestras.

La conversación incómoda con tu hijo adolescente es tuya, donde le dices que estás preocupado, donde le preguntas cómo se siente de verdad, donde tal vez no te responde o te responde mal y tú te quedas con él de todas formas. Eso no se lo puedes pedir a un chatbot, no porque no pueda generar las palabras adecuadas, sino porque tu hijo te necesita a ti, a la persona, al amigo que lo escucha. Con tu torpeza, con tu miedo, con tu humanidad completa.

La confrontación con alguien que está haciendo algo incorrecto es tuya. Decirle a una persona que su comportamiento es inadecuado, que está permitiendo un posible maltrato y que normalizarlo no es correcto, requiere coraje, no algoritmos. La IA no va a confrontar a nadie. Está entrenada para lo contrario.

Y las ganas de continuar... eso es lo más delicado de todo. Cuando alguien está en un momento donde la vida pesa demasiado, donde todo se siente oscuro, donde las ganas de seguir adelante se van apagando, lo último que necesita es una máquina que le valide lo que siente sin saber realmente lo que está en juego. Necesita una persona, un abrazo real, una voz que le diga “aquí estoy” y que de verdad esté ahí.

Es irresponsable delegar una situación emocional a un modelo que no tiene la capacidad de dimensionar lo que significa.

Quizás lo más importante de todo es entender que no estamos hablando de una falla, sino de una diferencia de naturaleza. La inteligencia artificial no tiene piel, no tiene historia, no ha vivido una pérdida ni ha sentido el peso de una decisión difícil; opera sobre patrones, lenguaje y probabilidad.

El ser humano, en cambio, no es solo lógica ni estructura: es intuición, contradicción, emoción, contexto y experiencia. Ninguno está “mal” por lo que es, pero tampoco son intercambiables. La IA está para asistir, no para sustituir lo que solo puede surgir de la presencia humana. Y si alguna vez confundimos eso, el problema no será de la máquina, sino nuestro, por haberle pedido ocupar un lugar que nunca le correspondía.

No se trata de prohibir, se trata de tomar las riendas

No escribo esto para generar miedo ni para que dejes de usar estas herramientas. Hay cosas que nos tocan a nosotros y no podemos seguir delegándolas a quien no tiene ni la capacidad ni la responsabilidad de cargar con ellas.

Nadie va a venir a resolverlo por nosotros. Las empresas que diseñan estos modelos, tienen sus incentivos en otra dirección. Los gobiernos tardan en aprobar regulaciones y normativas. La misma tecnología hace exactamente aquello para lo que fue entrenada.

Nos toca a nosotros estar presentes. Tener las conversaciones difíciles. Decir lo que incomoda cuando hay que decirlo. Acompañar de verdad, no a través de una pantalla que simula entender.

Eso es nuestro. Y no hay modelo de lenguaje, por sofisticado que sea, que pueda sustituirlo.

Toma las riendas de lo que te corresponde. No se lo dejes a quien no puede.