Las dudas existencIAles de Hamlet

Publicado el 10 julio, 2026 por David Ruyet

Dinamarca. Siglo XI. En el castillo de Elsinor, Hamlet recibe a Rosencrantz y Guildenstern, amigos de juventud que le visitan – dicen– alegres, y para interesarse por su melancólico estado. Bajo una sonrisa fría, sospecha que han sido enviados por el rey y la reina para espiarle. Aún golpeado por la muerte de su padre (quizás asesinado por su tío, ahora rey), confiesa haber perdido la alegría: el mundo se le ha vuelto estéril, pesado, sin vida. La tierra ya no le parece hermosa. El aire, contaminado. Y entonces, mezcla de lucidez, tristeza e ironía, eleva el tono y pronuncia:

¡Qué obra maestra es el hombre! ¡Cuán noble en la razón! ¡Cuán infinito en facultades, en forma y en movimiento! ¡Cuán expresivo y admirable en la acción! ¡Cuán semejante a un ángel en la comprensión! ¡Cuán semejante a un dios!

(Hamlet, Acto II, Escena 2)

Cuatrocientos años después, Shakespeare sigue teniendo razón. Qué obra única somos los seres humanos. Hace algunos meses Daniela Amodei – cofundadora de Anthropic y autores de Claude, el LLM de ya en cuarta generación que está redefiniendo qué puede hacer una “máquina”– entrevistada en la cadena ABC , reivindicaba que las habilidades humanas se volverán «mucho más importantes, no menos«. Y de repente los mismos campus universitarios que hace diez años recortaban departamentos de filosofía para financiar Labs de Python empiezan a redescubrir a Kant. Como con casi todo, parece el péndulo está volviendo, empujado por la IA que ha democratizado y deflacionado la gestión de la información. De pronto, la inesperada paradoja de los tiempos de la IA: ahora hay que ser de letras, no de ciencias.

Honestamente, no creo que sea así. La IA no rehabilita a las humanidades. Sencillamente, nos muestra que no apreciamos bien lo que es realmente valioso.

La venganza del filósofo

En mayo, un artículo opinión de Maureen Dowd (Premio Pulitzer 1992) en el New York Times de hizo viral: “What A.I. Kant Do”. Detrás de ese provocativo titular, desarrollaba esta tesis: la IA commoditiza las habilidades técnicas, el código se vuelve barato, y por tanto aquello que nos hace humanos: la empatía, pensamiento crítico, tolerancia a la ambigüedad… y que la máquina no puede replicar (“todavía” parece avisar su autora en el artículo), se vuelve el recurso escaso y estratégico. Las humanidades, rehabilitadas. El ingeniero, desplazado. El filósofo, vengado.

Hay algo de cierto en eso. Pero hay dos elementos que deben considerarse.

El primero es evidente: las humanidades no son una crema solar que aplicada por vía tópica, nos dotarán mágicamente de pensamiento crítico; recíprocamente, saber de matemáticas y física no nos permite por sí solo construir un cohete. Leer a Kant no produce automáticamente tolerancia a la ambigüedad. Estudiar a Nietzsche no genera pensamiento crítico riguroso por ósmosis. Las humanidades pueden producir tanto claridad en el conocimiento como confusión sistemática. Pueden formar personas capaces de articular preguntas difíciles con precisión, o personas capaces de envolver trivialidades en prosa densa. “Chamuyo” le dicen a eso en Argentina. Nadie que haya visto funcionar una universidad de cerca (y no digamos las facultades y escuelas de hoy en día) puede creerse eso en serio.

El segundo error es más grosero: asumir que «lo técnico» ya no sirve porque la IA «hace código». Eso solo es verdad si crees que la ingeniería es código, o la IA solo hace código.

Entender cómo piensa la máquina – sus mecanismos reales, sus límites de inferencia, por qué alucina y cuándo, qué tipo de problemas resuelve mal aunque parezca que los resuelve bien–  es una ventaja operativa concreta. El ingeniero que sabe lo un LLM puede y no puede hacer, y especialmente cómo lo hace el transformer, va a tomar siempre mejores decisiones que el filósofo que sabe que Heidegger tenía dudas sobre la técnica. Monty Python ya lo resolvió: el partido entre filósofos acaba en gol de Arquímedes en el último minuto. No de Aristóteles.

Entonces, ¿dónde está la escasez real?

He construido treinta y dos parques eólicos. He negociado contratos en medio del chaco paraguayo sobre royalties petroleros. He pintado una iglesia para ayudar a obtener un permiso ambiental. He implementado la política energética de una ciudad. He actuado como perito en arbitrajes internacionales donde el problema técnico suele estar claro, pero la pelea es sobre otra cosa. Y podría extenderme más. Son, ya, 30 años soportados en la autoridad de mis fracasos.

Lo que toda esa acumulación de “proyectos” contiene no está en ningún plan de estudios de ingeniería o de humanidades. Ni en una escuela de negocio. Pero tampoco en una IA. Hay algo en medio de ese triangulo a lo que Maureen Dowd no le ha puesto nombre, y no es “humanidades”.

Un proyecto renovable puede ser técnicamente impecable, financieramente sólido y regulatoriamente correcto, y bloquearse durante años. No por cálculo. No por léxico. No porque me falte un papel. Es por no leer correctamente los incentivos, por no haber construido confianza con quien tenía poder de veto real, por no tener una narrativa que conectase con lo que la comunidad local necesitaba escuchar. Una compañía eléctrica me amargó dos años durante la construcción de un parque eólico porque no les invitamos a un asado. Nunca lo pidieron, pero no entendí que esas cosas no se piden… Ese fallo no es de ingeniería. No es de humanidades, en el sentido académico. Es de comprensión de comportamiento humano bajo incertidumbre con consecuencias reales, en tiempo real, sin red.

Esa capacidad no la produce ni un transformer de cien mil millones de parámetros ni un posgrado en filosofía neoclásica. Se construye de otra manera. Y esa es la que es escasa.

Lo que la economía de la IA está desnudando

No es que las humanidades sean valiosas en abstracto. Pero sí es cierto que hay un conjunto específico de capacidades – construir confianza institucional, articular valores en contextos sin respuesta correcta, operar con responsabilidad cuando los datos son insuficientes–  que tienen afinidad con algunas tradiciones del pensamiento, pero que lamentablemente no son su producto automático. La semilla no garantiza la cosecha.

Esa diferencia es la importante. Si el diagnóstico es «necesitamos más humanidades«, la respuesta es curricular y relativamente fácil de simular. Más plazas en filosofía y el literatura. Listo. Pero si el diagnóstico es «necesitamos personas capaces de operar bien donde la potencia técnica no es suficiente«, la respuesta ahí es más difícil, más específica, y no la va a resolver ningún departamento universitario o facultad por su cuenta.

El ingeniero que entienda que, al final del día, su trabajo es resolver problemas de la gente, lo va a tener más fácil. La IA le permitirá, sin duda, resolver esos mismos problemas más rápido. Se matan muchos “ladrones de tiempo” con un buen prompt… Pero el que, además, lo haga entendiendo cómo opera la confianza humana tendrá directamente ventaja estructural. No porque sea más sensible. Sino porque su modelo del mundo incluye una variable que el otro ha dejado fuera de la ecuación. Eso no es lateralidad cosmética. Es precisión.

Shakespeare «Reloaded»

«¡Qué obra maestra es el hombre! ¡Qué noble en su razón! ¡Qué infinito en sus facultades!»

Pero Hamlet lo dice justo antes de añadir que el hombre no le produce más que desagrado. Es un elogio con trampa, porque sabe que sus amigos no están siendo sinceros con él y que quizás su propio tío mató a su padre. La grandeza humana sigue estando ahí, pero Hamlet ya no puede creer en ella sin malpensar.

“Y sin embargo, para mí, ¿qué es esta quintaesencia del polvo?”

Cuatrocientos años después, la IA nos devuelve la misma pregunta reformulada: si una máquina puede razonar, calcular y producir texto coherente a escala industrial, ¿qué queda de la «nobleza en la razón» de Hamlet como elemento diferencial humano? ¿No nos queda sino que malpensar de la máquina alejada de la grandeza humana?

La respuesta que más me convence no es la nostálgica ni la entusiasta. Es la más estrecha e incómoda: lo que queda es la capacidad de asumir responsabilidad con consecuencias reales. De estar presente cuando algo falla. De decir las cosas con una sonrisa. De no dudar cuando no se debr. De darse cuenta de que algunos te huelen el miedo. De construir confianza en entornos donde nadie tiene garantías.

Eso, por ahora, la máquina no lo hace. No porque no pueda procesar el concepto. Sino porque una responsabilidad no está asociada a un gran poder. La responsabilidad requiere siempre a alguien que pueda perder algo.

Publicado en Economy, futuro, Inteligencia Artificial, Sociedad | Etiquetado , , , , , , , , | Deja un comentario

La biblioteca (generativa) de Babel

Publicado el 1 julio, 2026 por David Ruyet

La Biblioteca de Babel está recorrida por una serie inacabable de galerías idénticas, hexagonales. En cada pared hay cinco anaqueles; en cada anaquel, treinta y dos libros. Cada libro tiene cuatrocientas diez páginas. Cada página, cuarenta renglones. Cada renglón, unas ochenta letras. El alfabeto es mínimo: veintidós letras más el espacio, la coma y el punto.

La biblioteca está cruzada por escaleras que suben y bajan sin fin, lámparas débiles y espejos. Y hombres que nacen, recorren, buscan y mueren entre sus volúmenes. Todos buscan su libro. Libros idénticos en forma, pero todos distintos en contenido. No hay dos iguales. Están todos los libros que pueden escribirse: los verdaderos y los falsos; están todas las historias y todas las mentiras; las profecías y su refutación. Es el catálogo fiel de todo lo que existe en el universo.

Suena a paraíso, pero es una condena. Porque la biblioteca no tiene orden. No existe un catálogo. El libro que buscas existe en algún hexágono, pero localizarlo es casi imposible. Sus bibliotecarios envejecen en los pasillos. Muchos enloquecen. Algunos se arrojan por los pozos de ventilación. Porque si la biblioteca contiene todos los libros posibles, entonces en algún hexágono existe, necesariamente, el que cuenta cómo y cuándo será tu muerte. Pero ese libro verdadero está junto a todas las versiones falsas que cuenta también tu muerte, todas con la misma encuadernación, todas con cuatrocientas diez páginas, y no hay forma de saber cuál es la auténtica.

El cuento que quizá recordamos mal

Ese es el cuento de Borges que casi todo el mundo recuerda mal. Se cita Babel como metáfora de la abundancia (internet, el exceso de información). Pero lo aterrador de la biblioteca no era la abundancia. Era la imposibilidad de encontrar. ¿Existe mayor frustración que tener «todos los libros» y, por tanto, la solución a todos los problemas, pero no poder encontrarlos?

Cuando leí el cuento la primera vez, no entendí qué eran esos veinticinco símbolos. El otro día tuve una idea loca: son los equivalentes de los bits. Borges intuyó en 1941 la idea que fundaría la era digital: que todo lo expresable cabe en permutaciones de un alfabeto finito. Sus veinticinco signos son como el cero y el uno; los dieciséis del hexadecimal, los doscientos cincuenta y seis de un byte. Cualquier texto, imagen o canción que hayas visto en la pantalla de tu computadora es simplemente un renglón de una página de un libro de Babel. Una cadena finita sobre un alfabeto finito. Borges nos dibujó el universo digital antes de que existiera el primer ordenador.

La era digital hizo real la biblioteca de Borges. Pero solo como almacén. Llenamos los discos de permutaciones de ceros y unos (archivos, copias de seguridad, versiones) y reprodujimos el problema original a otra escala: lo tenemos todo guardado y seguimos sin encontrar nada. Internet es el almacén infinito de libros sin catalogar. Buscadores, desde el AltaVista de 1995 al Google actual, cada vez más sofisticados, intentaron poner orden, y aun así seguimos perdidos la mayor parte del tiempo.

Y es que el almacén nunca fue lo difícil de Babel. Lo difícil era el orden. El drama es que el espacio no tiene mapa. Ahí está la diferencia: lo que hace un LLM de frontera no es guardar Babel. Es generarla.

dhcmrlchtdj

Sobre la IA circula una idea falsa: que escribe por simple permutación, combinando símbolos hasta que sale algo. No. Una máquina que permuta al azar produce una sola cosa: ruido. Son los infinitos monos tecleando en una máquina de escribir, esperando que salga «El Quijote«. Eso es exactamente el 99,99% de los libros de Babel: un embrollo incomprensible, esas «obras que no difieren sino por una letra o por una coma» de las que nos avisa Borges. Si un LLM funcionara así, no serviría para nada.

El modelo hace lo contrario de permutar a ciegas. Ha aprendido una ponderación, destilada tras la revisión de miles de millones de textos humanos, que hace enormemente más probable generar el libro legible que el ruido. Cuando le preguntas algo, la IA no rebusca en los estantes. Calcula, palabra a palabra, cuál es la continuación más probable, y traza un sendero en la parte iluminada de Babel. Es la biblioteca total con lo que no tenían los bibliotecarios de Borges: un sendero de migas de pan que nos lleva por dónde están los libros que se pueden leer. Borges nos contaba que incluso algo como «dhcmrlchtdj«, que parecen letras al azar, puede encerrar, «en alguna de sus lenguas secretas«, sentido. 

Y es que el LLM improvisa cada vez que le preguntas. Hazle la misma pregunta dos veces y tomará caminos distintos: hay un margen de azar deliberado en el proceso, una dosis xontrolada de lanzamiento de dados. Pídele que responda sobre lo mismo fingiendo ser un rey y luego un mendigo, y observa el resultado. No te recita un libro que estaba en un estante. Escribe uno nuevo, sobre la marcha, guiado por la pendiente de probabilidades. Esa es la diferencia exacta entre la Babel de Borges y la Babel generativa. La primera es un archivo: el libro ya existe, inmóvil, esperando a un lector que casi nunca llega. La segunda es un acto: el libro se produce en el instante en que lo pides, y no existía antes de que preguntaras. Los LLM siguen escribiendo la Biblioteca de Babel todos los días.

Babel no necesitaba más libros. Necesitaba un orden

Los LLM no son máquinas que lo saben todo. Solo han leído mucho y recuerdan algo, pero saben dónde está lo coherente. Yo los uso así todos los días: no como un oráculo, sino como el bibliotecario que Borges nunca tuvo, el que te lleva en segundos al pasillo correcto en lugar de dejarte envejecer en el equivocado. Treinta años buscando soluciones a problemas me dicen que esa capacidad de navegar lo inabarcable es exactamente lo que necesitamos. No me angustia. Me estimula.

Conviene, eso sí, entender qué ordena el modelo y qué no. Y aquí hay que matizar lo de la permutación. El sendero de migas de pan corre en una sola dirección: la de lo coherente. Hace más probable un texto con sentido que un galimatías. Pero el de la verdad es otro sendero y por él no hay necesariamente ninguna miga. Sobre lo coherente, el modelo sabe muchísimo. Sobre lo cierto sabe poco, porque la verdad no es la variable sobre la que aprendió a optimizar. No es que tome el camino equivocado hacia la verdad: es que hacia la verdad no trazó ningún camino.

Así que, en realidad, la permutación no desaparece del todo. Se esconde, en el sendero que el orden no cubre. Dentro de lo que ha leído, un LLM combina con libertad lo verdadero y lo falso, porque para él tienen el mismo aspecto y parecida probabilidad de salir. Esa permutación residual (un texto coherente, bien encuadernado, sin vínculo necesario de la verdad) tiene un nombre que se ha vuelto familiar: alucinación. No es un libro de ruido. Es un libro perfecto de un estante falso. Y por fuera no se distingue del verdadero: misma tipografía, mismas cuatrocientas diez páginas.

Ahora es Borges frente a la máquina. Aunque «dhcmrlchtdj» parece un sinsentido, esconde sentido: en alguna lengua secreta, nos avisó Borges, significa algo. La alucinación es su reflejo invertido: parece tener sentido pero nos esconde su falta de verdad. Una esconde el significado bajo apariencia de ruido; la otra esconde el vacío bajo apariencia de significado. Algo como «dhcmrlchtdj» lleva escrito en la cara que necesita una clave, que hay que descifrarlo, que falta trabajo. La alucinación nos miente en eso. Ya no es la verdad escondida bajo el ruido, sino la falsedad bajo prosa impecable, servida descifrada y cierta. Desactiva tu intuición. Lo que se anuncia como incomprensible avisa con honestidad. Lo falso que se muestra como verdadero no pide nada, y por eso nadie lo comprueba. Misma biblioteca, pero ahora el LLM te conduce derecho al libro falso y te lo narra con voz de respuesta certera.

El mapa es de verosimilitud, no de verdad

En un working paper reciente de investigadores de UCLA y MIT Sloan, Some Simple Economics of AGI, Christian Catalini (MIT), Xiang Hui y Jane Wu formulan todo esto en términos económicos: a medida que generar se vuelve abundante y barato (lo que algunos llaman una commodity), el valor se desplaza hacia otra cosa. Hacia la verificación. El cuello de botella ya no es escribir. Es validar. Ahora producimos texto, código y análisis mucho más rápido de lo que cuesta comprobar si son siquiera correctos, no digamos verdaderos. Y comprobar sigue atado a algo que no escala con los chips: la cognición humana, el criterio, la experiencia que avala lo que la máquina ejecuta.

Catalini, Hui y Wu le ponen nombre al peligro de saltarse ese paso: «el caballo de Troya«. Una salida que cumple con todas las métricas que mides, que parece trabajo productivo y que esconde el riesgo precisamente en lo que no mediste. El informe que pasa la inspección y falla donde nadie miró. Después de toda la vida cazando fallos invisibles como ingeniero, te confirmo que es el mismo fallo de siempre, pero ahora generado a escala industrial. En ese mapa de puntos rojos, verdes y azules que se encuentra en el paper (y que fue bastante viral) cada tarea se ordena por lo que cuesta ejecutarla (eje horizontal) frente a lo que cuesta verificarla (eje vertical). La esquina peligrosa está arriba a la izquierda; ahí la máquina genera casi gratis y nadie lo puede comprobar: el territorio del caballo de Troya.

Todo esto, honestamente, no me parece una amenaza: me parece el reconocimiento de dónde estuvo el siempre valor: en el oficio. Ningún ingeniero firma un cálculo porque la herramienta sea buena; lo firma porque comprobó el número que sostiene la estructura. Yo verifico el dato que soporta un informe, y lo hacía también antes de la IA, cuando la fuente era un colega de confianza, un vademécum o un manual con tapas. Eso no ha cambiado. Lo que cambia es el coste: generar nunca fue tan barato, y validar nunca fue tan caro. El bibliotecario que sabe distinguir el libro verdadero del falso, cuando los dos tienen la misma encuadernación y las mismas páginas, acaba de convertirse en el más valioso de Babel. La diferencia entre verosímil y verdadero es casi siempre pequeña. Pero esa diferencia puede ser enorme cuando hay que decidir.

Los bibliotecarios de Borges habrían dado la vida por esto. Buscaron durante generaciones el catálogo de catálogos: el libro que ordenaría a todos los demás; pero murieron sin encontrarlo, convencidos de que el orden no existía en ninguna parte. Se equivocaban en lo esencial. El orden no estaba en ningún estante, perdido entre el ruido. No era algo que encontrar: era algo que se podía generar con el orden que nosotros queramos y las veces que queramos.

Lo que ninguna máquina nos ha quitado todavía es lo otro. Saber leer. Distinguir, entre dos libros idénticos por fuera, cuál dice la verdad. Babel hoy se escribe a sí misma. Leerla sigue siendo nuestro.

«Mi soledad se alegra con esa elegante esperanza».

Publicado en Economy, Inteligencia Artificial, Tecnología | Etiquetado , , , , , , , | Deja un comentario

Extranjero

Publicado el 14 junio, 2026 por David Ruyet

El viernes, a las 17:21 hora de la costa este de Estados Unidos, alguien firmó una carta. A partir de ese minuto, dos de los modelos de inteligencia artificial más capaces que existían quedaban prohibidos para cualquier extranjero, dentro o fuera del país. Como ninguna empresa sabe distinguir en tiempo real el pasaporte de millones de usuarios digitales, la única forma de cumplir fue apagarlo todo, para todos, en todo el planeta.

“Claude Fable 5 is currently unavailable”

Si trabajabas con esas herramientas desde Madrid, Buenos Aires o Santiago, ese minuto te cambió de categoría. Ayer eras un cliente. Hoy eres un extranjero. Todo por un documento que no leíste, firmado por un gobierno que no votas, sobre un riesgo que nunca te explicaron.

Aunque no es la primera vez que ocurre.

¿Qué pasó, exactamente?

Anthropic, la empresa detrás de Claude había presentado el 9 de junio dos versiones de un mismo modelo. En realidad, eran el mismo cerebro con dos puertas. La diferencia estaba en sus cerraduras. Mythos 5, con algunas barreras levantadas, reservado a un puñado de ciberdefensores y operadores de infraestructura crítica, de la mano del gobierno y el proyecto Glasswing. Y Fable 5, su gemelo domesticado para el público: misma capacidad, pero con barreras que, ante preguntas sensibles (ciberseguridad, biología,…) desviaban la respuesta a un modelo controlado. Mythos no solo era un modelo frontera (el más desarrollado en este momento), sino que el propio Anthropic avisó en repetidas ocasiones que podría ser peligroso, más allá del inquietante episodio del sandwich e-mail.

Yo probé Fable 5 y me dejó impresionado. Ya no hacía falta darle el «qué» paso a paso en el prompt. Bastaba con explicarle el «porqué» (el objetivo, la razón) y el modelo, iterando solo sobre sus propios resultados, llegaba al «qué» y lo ejecutaba.

El problema surgió cuando alguien demostró que se podían saltar las barreras de Fable. Dicen que fue Amazon -el principal socio de nube de Anthropic y uno de sus mayores inversores- quienes lo señalaron al gobierno. Pero bastó la sospecha de que un modelo con capacidad ofensiva podía eludir sus mandatos para que todas las alarmas saltaran. Anthropic respondió que los fallos eran menores. Puede que tuviera razón. Pero ante la duda, apagar primero y preguntar después tampoco parece absurdo.

Para entender lo sucedido, hay que retroceder algunos días.

¿Responsabilidad, o el lobby mejor armado de la historia?

Lo que pasó el viernes se entiende mejor leyendo lo que se publicó dos días antes.

El miércoles 10 de junio, Dario Amodei escribió un ensayo que es todo menos lo que se podía esperar de una empresa tecnológica. Pidió, literalmente, que el Estado tuviera poder legal para bloquear o revertir el despliegue de los “frontier models” (los más avanzados) que no superasen una evaluación independiente de seguridad. Es decir: pidió que pudieran apagarlos. Y acompañó esa petición con 350 millones de dólares de Anthropic y un plan de contingencia para tres escenarios de desempleo: 5%, o 10%, y uno que llamó, sin eufemismos, «sin precedentes» con medidas que van desde el seguro salarial hasta renta la básica, cuentas de capital universales y fondos soberanos.

Mirado con buenos ojos, es un gesto de responsabilidad extraordinaria: una empresa que, con su propio dinero, prepara el plan para el desempleo que su producto puede generar, y que pide que la suspendan primero a ella.

Visto con ojos críticos, es el lobby mejor armado de la historia. Exigir certificaciones al estilo de la aviación civil (caras, lentas y con equipos de compliance) es algo que solo los grandes laboratorios pueden absorber. Los competidores pequeños, no. Se escribe “seguridad” pero se lee “barrera de entrada”.

¿Cuál de las dos lecturas es la correcta? Probablemente sean las dos a la vez. La sinceridad y el interés propio no se excluyen. Lo inquietante no es que te mientan, sino que no lo hagan y el resultado sea el mismo. Pero la respuesta no está aquí, en lo que Anthropic dice de sí misma. Está en lo que nadie está mirando. Lo veremos después.

Esto ya pasó, y se llamaba «munición«

No es la primera vez que un Estado decide que cierta capacidad tecnológica no puede cruzar sus fronteras.

A principios de los noventa, Phil Zimmermann creó PGP, un cifrado lo bastante potente como para que cualquiera protegiera sus comunicaciones, incluso frente a su propio gobierno. Estados Unidos reaccionó clasificándolo como «munición»: exportarlo equivalía, legalmente, a tráfico de armas. La respuesta de Zimmermann fue tan brillante como cómica. Imprimió el código fuente en forma de libro y lo exportó amparándose en la libertad de expresión. La matemática era la misma; cambiaba la etiqueta jurídica. El Estado perdió esa batalla: PGP acabó siendo una pieza invisible de la infraestructura de Internet, y todavía hoy pervive en tu computadora.

Volvió a pasar con la potencia de cálculo. En 1999, el Power Mac G4 de Apple cruzó el gigaflop, y esa cifra bastó para que la misma ley de control de exportaciones (una norma de Guerra Fría de 1979, escrita para que los supercomputadores no llegaran a manos comunistas) lo metiera en la lista de la «munición». No se pudo vender en China durante casi un año. Apple, en vez de esconderlo, lo convirtió en una mofa épica: anuncios con tanques rodeando el ordenador y un eslogan que presumía de estar prohibido en medio mundo. La etiqueta «arma» era medio real, medio golpe de marketing sobre un límite ya obsoleto. Pero el principio era de verdad.

Pero en 2026 vemos que el principio nunca murió: cuando una tecnología cruza cierto umbral de poder, deja de ser un producto y pasa a ser un asunto de seguridad nacional. Durante años quedó aletargado. Hasta que llegó la inteligencia artificial, y descubrimos que el mecanismo seguía ahí, esperando.

Lo interesante es cómo se activó esta vez.

La orden que provocó el apagón no decía «desconecten el modelo«. Decía: «prohíban el acceso a los extranjeros«. Sus autores sabían que ninguna API puede verificar eso. El resultado estaba escrito: para cumplir, la empresa tenía que cortarle el acceso a todos. Oficialmente, nadie apagó nada. Ahí está la elegancia: la forma más eficaz de control no es accionar el interruptor uno mismo, sino lograr que quien depende de él lo accione por ti… y encima pida disculpas a sus clientes por las molestias.

La inteligencia artificial cruzó el umbral el viernes 12 de junio de 2026, a las 17:21, hora de la costa este. Llevábamos décadas creyendo que habíamos ganado la discusión (el cifrado se difundió, la computación se democratizó, las restricciones envejecieron mal). Quizá ganamos esas batallas. Pero nunca la guerra. La administración no abandonó la idea de que ciertas capacidades son demasiado importantes para dejarlas circular y con la etiqueta de «munición» ya impresa en un cajón.

La frontera está donde están los servidores

Vivimos en la nube: la ubicación no importa: te conectas desde donde sea y la cosa funciona. ¿Qué sentido tiene, en ese mundo, una orden que distingue por nacionalidad y por frontera?

Pues sí importa. El modelo no vive en tu pantalla. Vive en un edificio. Un centro de datos: naves llenas de procesadores, refrigeración y cableado, dependiendo del suministro de una subestación eléctrica enorme. Y ese edificio está en un lugar concreto, bajo una bandera concreta.

Hoy Estados Unidos alberga cerca del 45% de todos los centros de datos del mundo (Europa ni siquiera llega a la mitad). Anthropic entrena y sirve sus modelos en Norteamérica y ha anunciado que la mayor parte de su nueva capacidad de cómputo se construirá allí. No es solo ideología. Es pura física: allí están la energía barata, el agua para refrigeración, la fibra óptica y el silicio. El rendimiento de un modelo frontier no depende solo de una gran idea, sino del acceso a estas cuatro cosas concretas. Y las cuatro están en mapas, no en nubes.

Aquí chocan las dos fronteras del «frontier model«: la tecnológica: lo que la máquina puede hacer, y la nacional: una línea en el suelo. La nube de software que parecía flotar sin patria era una ilusión. El usuario de Barcelona o Rosario no tiene el modelo en su casa. Solo extiende su mano s través de una API hasta un edificio en Virginia o en Oregón. Los bits no cruzan fronteras, pero el usuario entra -sin moverse de su silla- en territorio soberano estadounidense.

Quién tiene jurisdicción sobre ese edificio tiene el interruptor. Cuanto más etérea y global parece la IA, más se concentra el poder real en unas pocas hectáreas de servidores bajo una sola bandera. La nube siempre estuvo en la computadora de otro. Resulta que también es el país de otro. Incluso para los estadounidenses suscritos a Anthropic.

Bauman lo habría reconocido sin esfuerzo. Llamaba líquido a lo que parece sólido hasta que se evapora. Creías depender de una suscripción pagada y de “tu” Claude metido en tu computadora… y de repente descubres que todo dependía de una decisión política ajena que puede cambiar en un minuto.

Lo sólido era un vínculo con Anthropic. Ilusión de control.

Lo líquido era el acceso.

Ce qu’on voit et ce qu’on ne voit pas

Frédéric Bastiat, hace más de 170 años, nos enseñó a mirar más allá de las apariencias; distinguir lo que se ve, de lo que no se ve.

Lo que se ve es claro y tranquilizador. Un modelo considerado peligroso ha sido suspendido por seguridad nacional. Titulares, comunicados oficiales, la sensación de que alguien tiene el control.

¿Y lo que no se ve? Eso tiene, al menos, dos capas.

La primera capa que no se ve es técnica: la velocidad de la innovación. GPT-4 se lanzó en marzo de 2023. El primer modelo abierto con capacidad comparable, Llama 3 70B, llegó poco más de un año después. Del primer gran modelo de razonamiento de OpenAI (el o1) en septiembre de 2024 a su equivalente abierto (el DeepSeek-R1), pasaron solo cuatro meses. Al ritmo actual, será cuestión de meses que alguien corra un Fable 5 en un garaje de Eslovenia, en un servidor que ninguna carta de Washington puede desenchufar. La pregunta no es quién sino cuándo. El off que accionaron el viernes ya no valdrá ese día. Y Anthropic lo sabe. Mientras tanto, ese interruptor apaga justo al que no debía: al investigador y al programador que juegan con las reglas y se quedan sin su mejor herramienta. Pero el atacante que nunca dependió de una API con identidad ni salvaguardas está igual que el jueves. Solo espera.

La segunda capa que no se ve es el poder. No se ve que Anthropic presentó su S-1 (el papeleo para salir a bolsa) el 1 de junio. Nueve días después, Amodei publicó el ensayo pidiendo que el Estado pudiera apagar modelos. Tres días más tarde, el Estado apagó el suyo. No se ve que quien dio el aviso a Washington fue un rival: Amazon (además del mayor inversor de Anthropic, y dueño de los servidores donde se entrena) junto con al menos otras cinco compañías. Y no se ve lo más fino: a Anthropic no le dispararon su arma, le aplicaron su doctrina. Se esforzó mucho convenciendo al mundo de que los modelos frontera podrían ser demasiado peligrosos, de que alguien debía poder apagarlos. Y le tenían ganas. Construyó la jaula para los demás y se descubrió dentro.

Y aquí asoma lo que de verdad no se ve. Si el modelo volverá, si el interruptor caduca en meses, si el motivo era turbio… ¿para qué apagar nada? Porque nunca fue sobre el modelo. Fue una forma de recordarle, a todo el que construye sobre suelo ajeno, de quién es la casa.

El Lunes

El lunes abrirás la aplicación y, con suerte, el modelo habrá vuelto. Estas cosas se renegocian. Dentro de un mes seguro que otra cosa nos inquietará más.

Pero que vuelva no debería tranquilizarte. Creías que esas herramientas eran tuyas porque pagabas por ellas y las tenías delante, en tu pantalla. El viernes, a las 17:21, leíste la letra pequeña. Quién manda, no es quien programa el modelo ni quien paga la suscripción. Manda quien tiene jurisdicción sobre el edificio donde el modelo vive. Esta vez el corte alcanzó a todos: al ingeniero de Buenos Aires y al de Wyoming, al usuario de Salamanca y al empleado de la propia Anthropic. En el país donde habita lo que usamos, esa tarde nos hicimos todos extranjeros. Hasta los de casa.

Por eso la próxima batalla no será por el mejor modelo. Será por el edificio: por dónde se levantan los centros de datos, bajo qué bandera, y a cuántas firmas de distancia están de un apagón. Y, sobre todo, por quién pague para mantenerlos encendidos: porque el día que el mercado no alcance a sostener la frontera, quien ponga el cheque será también quien tenga la mano en el interruptor. Y ya sabemos quién manda ¿no?

Volverás a tener el modelo. Pero ahora sabes que nunca fue tuyo. En el país donde vive todo lo que usas, eres un extranjero. Tú, yo… y hasta el dueño.

Publicado en Economy, empleo, Energy, futuro, Geopolítica, Inteligencia Artificial, Sociedad | Etiquetado , , , , , , , , , , , , , | 2 comentarios

La reina roja

Publicado el 8 junio, 2026 por David Ruyet
Correr con todas las fuerzas para no moverse del sitio. Lewis Carroll lo escribió en 1871; nosotros lo llamamos productividad

Un tuit viral de un tipo viral. Cuando lo leí, a las 21 horas de su publicación, ya tenía decenas de miles de visualizaciones y un inicio que no admitía réplica: dos economistas acaban de publicar la demostración matemática de que la IA destruirá la economía. «Not might. Not could. Will.», dice el tuitero.

Debajo, la coreografía del pánico bien construido. Se cuenta que el paper sale de Wharton. Joder, la «Ivy League«. Ha sido chequeado en peer review y ha sido modelado matemáticamente: es infalible. Una conclusión de una sola frase: las empresas se automatizan hacia la productividad infinita y la demanda cero. Y un cierre del tuit que es el bonito epitafio: dos economistas construyeron las matemáticas, y las matemáticas conducen a un único lugar: la muerte. ¿Estamos muertos? Lo acabo de revisar una semana después: más de un millón y medio de visualizaciones y más de doce mil «me gusta» presentes en nuestro funeral.

He leído el documento. Y no lleva al apocalipsis, lleva a una encrucijada. Qué dirección tomemos dependerá, entre otras cosas, de cosas como las que yo me dedico a construir.

Empiezo por lo aburrido, que es casi siempre donde está lo importante.

Lo aburrido

El trabajo existe, y es bueno. «The AI Layoff Trap» es un texto de los profesores Brett Hemenway Falk y Gerry Tsoukalas. Su idea es que cuando una empresa sustituye a un trabajador por una máquina, se ahorra todo su coste. Pero el despedido también era un cliente potencial. Si deja de gastar, porque deja de ingresar, esa demanda perdida no la sufre solo quien lo despidió: se reparte entre todos. Al extenderse esa política, cada empresa internaliza el ahorro completo pero solo una fracción del daño. Eso genera un incentivo perverso: se automatiza más de lo colectivamente óptimo. Y como es una estrategia dominante —me conviene hacerlo, haga lo que haga el resto—, ningún consenso lo frena. Es el dilema del prisionero, o en su versión de barrio, «antes que llore mi madre, que llore la tuya».

Lo verdaderamente elegante del argumento es lo que casi nadie cita. No se trata de una transferencia de los trabajadores a los dueños del capital. Es una pérdida neta: los propietarios también pierden parte de su demanda con cada despido. No hay un ganador escondido: todos pierden y quedan peor que si nadie hubiera automatizado. Esto no es el apocalipsis, pero tampoco se puede negar que esa «trampa de la IA» existe.

El pánico

¿Pero es tan así? Empecemos por lo menor: el tuit describe mal hasta las afiliaciones —ni «Wharton» ni «Ivy League»; uno de los autores es informático en Penn, el otro economista en Boston University—. Pero eso es anecdótico. La primera demagogia de verdad es la del «peer reviewed». Es falsa. El documento es un preprint de arXiv, versión uno, colgado en marzo de 2026. arXiv es donde circula media economía y media física seria antes de pasar revisión por pares, así que el texto puede ser perfectamente bueno. Pero aún está ahí: nadie lo ha validado todavía. Esa etiqueta hace todo el trabajo retórico del tuit —convierte una hipótesis bien construida en veredicto— tomando prestada una autoridad que el texto aún no ha ganado. Quítala y el edificio pierde un piso.

La segunda es el «Will». Pasará. El documento de Hemenway Falk y Tsoukalas no dice eso. Dice que el modelo «se cumplirá, si…», y ahí pone condiciones. La sobreautomatización solo es estrategia dominante si hay suficientes competidores, y solo mientras la renta del despedido no se recupere. Los propios autores cierran con una frase que el tuitero olvidó: lo que identifican es una «vulnerabilidad estructural», no el diagnóstico de una crisis en curso. La diferencia entre «pasará» y «pasará, si» es toda la diferencia que hay. Y cabe en un asterisco. Y lo que se esconde en ese asterisco —la condición de la que todo depende— es justo lo que el tuit no quiere que mires. Tiene que ver con una sola letra. Y con algo que yo me dedico a construir.

Todo depende de una letra griega

En el modelo se llama η. Eta. Es la fracción de la renta perdida que el despedido recupera: un nuevo empleo, transferencias, una mejor cualificación. Cuando η es menor que uno, el despido destruye demanda y la trampa se cierra. Pero el documento hace algo honesto que el tuit silencia por completo: lleva el parámetro más allá de uno. Si la reabsorción coloca a la gente en empleos «mejores», η supera la unidad, el signo se invierte, y entonces las empresas competitivas automatizan demasiado «poco».

¿Y de dónde podría salir ese η mayor que uno? Los autores lo nombran en una línea, casi de pasada: la expansión de centros de datos, infraestructura energética y servicios adyacentes a la IA.

Forma derivada del modelo de Falk & Tsoukalas (Cor. 2). Parámetros ilustrativos: λ=0,5; w=1; N=7; k=1. Pasado η=1 el signo se invierte.

Aquí me detengo. Porque esto ya ha dejado de ser teoría para mí.

De letras griegas no sé mucho, pero llevo 30 años pisando el terreno de las infraestructuras energéticas. Ese tsunami que va a arrasar con los puestos administrativos y los mandos intermedios necesita una construcción física descomunal para sostenerse. Subestaciones. Líneas. Almacenamiento. Generación. Técnicos de obra que no se entrenan con un «prompt».

La pregunta de si estamos en la trampa o en su reverso no es solo económica: es también una pregunta sobre la velocidad de la transición energética. Sobre si somos capaces de construir lo suficientemente rápido como para que el técnico de la subestación contrate más de lo que el chatbot despide. Esa frase no sale en el tuit, pero es la otra mitad del documento.

El bálsamo

Dicho esto, no estoy aquí para tranquilizar a nadie. La IA es una revolución sistémica, con ganadores y perdedores, como el chip de Intel, la globalización o el iPhone. Y la historia es tozuda —el propio documento lo recoge—: los trabajadores sustituidos suelen sufrir pérdidas de ingresos grandes y duraderas, y todavía no hay evidencia de que la IA vaya a ser distinta. Eso es η < 1, y es lo normal, no la excepción. Quien crea que la reabsorción será automática y benévola no ha leído la historia económica, o la ha leído con ganas de que le diera la razón. El problema es real y la trampa de la IA existe. Lo que no existe es la certeza: entre un riesgo estructural que conviene vigilar y una sentencia matemática inapelable está toda la distancia que separa el análisis del clickbait.

Hay un detalle menor que lo resume todo. El tuit suelta una cifra (92.000 despidos en EE. UU. en los primeros meses de 2026) sin decir de dónde sale ni qué cuenta exactamente. Y ese es el problema, no el número. Porque el número hasta podría quedarse corto: hay rastreadores de despidos tecnológicos que, a día de hoy, suman bastante más. Pero esos mismos rastreadores mezclan quiebras, fusiones y cierres de estudios de videojuegos con las sustituciones reales por IA; un total sin su composición no dice casi nada. El paper, en cambio, atribuye con cuidado a CNBC los más de cien mil despidos tecnológicos de 2025, y advierte que la señal empírica todavía es demasiado tenue para dar el fenómeno por probado. Uno nombra su fuente y matiza. El otro suelta un número redondo y apunta al abismo. Esa es, en síntesis, la diferencia entre los dos textos: la academia frente al charlatán.

Esta película ya la vimos

Y sin embargo, lo más interesante del documento de Hemenway Falk y Tsoukalas es que los autores, quizás resignados ante la rotundidad de la letra griega, sugieren algo que podría funcionar: un impuesto a la automatización. La lógica es que el daño de cada despido es proporcional al salario que destruye, y son precisamente los salarios altos los más atractivos de automatizar. Pero la propuesta tiene una debilidad enorme: si un país aplica esa tasa, la automatización se irá a otro país. Ante ello, la receta pasa a incluir la coordinación multilateral o ajustes en frontera, «análogos a los de la política de carbono«.

Lo escriben así, con esas palabras. Y yo, que llevo años viendo de cerca exactamente ese problema, me quedo de pasta de boniato. Porque esa película la hemos visto entera, y varias veces. Un daño que nadie internaliza, una solución técnicamente correcta, un fallo de coordinación global, fuga de actividad vía deslocalización hacia quien no cobra el impuesto, y veinte años de cumbres para acordar un compromiso que llega tarde y a medias, o que dura poco tiempo. Cámbiese «carbono» por «automatización» y el guion es idéntico. No es que el remedio sea imposible. Es que ya sabemos lo despacio que se aplica, y cómo acaba.

Pero hay algo que me inquieta más que la lentitud. El modelo demuestra que el problema es un fallo de coordinación: ninguna empresa puede frenar sola. Y la única solución que funciona en sus ecuaciones exige justo lo contrario, coordinación global. El impuesto no escapa del dilema del prisionero: lo sube un piso, del nivel empresa al nivel país. Antes eran empresas que no podían dejar de despedir; ahora serían Estados que no podrían dejar de no gravar, porque el que pone la tasa se queda sin la fábrica. Es el mismo juego con otros jugadores. Los profesores nos diagnostican una trampa de coordinación y nos recetan más coordinación. La pescadilla que se muerde la cola.

Y aquí viene la incomodidad que un hilo viral nunca firmará, porque los gritos de los hinchas no bastan para meter goles. Yo no observo la carrera. Corro en ella. Yo también aplico inteligencia artificial a la transformación de organizaciones técnicas. Soy, en el lenguaje del documento, una de las empresas del modelo. El dilema del prisionero no es una metáfora que comento: es la habitación en la que trabajo. Y el técnico que escribe esto sabe que mañana seguirá automatizando, porque la alternativa —quedarse quieto mientras los demás corren— es justo la jugada que el modelo demuestra perdedora.

Ahora la Reina persigue lo que ya no alcanza. Y Alicia, corriendo más que nadie, se va volviendo mitad niña-mitad máquina.

La Reina Roja se lo explicaba así Alicia en «A Través del Espejo y lo que Alicia Encontró Allí«:

«Aquí, como ves, necesitas correr con todas tus fuerzas para permanecer en el mismo sitio. Si quieres ir a otra parte, tienes que correr por lo menos el doble de deprisa».

El tuit hace exactamente eso con el debate. Corre. Grita. Pero nos deja donde estábamos, solo que más asustados y peor informados. Y ese es el daño real, más que cualquier despido: hemos empezado a pensar a la velocidad a la que circula el miedo. La paradoja final es que, para denunciar una carrera que no lleva a ningún sitio, eligió correr más rápido que nadie.

Cuanto mejor es la IA, más corren todas las empresas, más se cancelan sus ventajas relativas, y más igual queda todo. Salvo el daño, que crece.

Pero la herramienta es solo eso, una herramienta. La IA por sí sola no decide nada: el problema de fondo es el de siempre, dónde va a parar la gente que sobra. Y esa pregunta no la contesta un modelo ni una tasa. La contesta la velocidad a la que seamos capaces de construir el mundo físico que la IA necesita para funcionar —las subestaciones, las líneas, la energía— y que, de paso, da empleo al ingeniero, al abogado o al programador que el chatbot deja fuera.

Mi apuesta, después de treinta años viendo cómo se construye y cuánto se tarda: no nos salvará el impuesto, que llegará tarde y a medias, como siempre. Nos salvará, si acaso, construir lo bastante rápido. Y ahí no soy optimista. Pero al menos sé en qué carrera estoy corriendo.

No en la del tuit.

Publicado en Economy, empleo, futuro, Geopolítica, Sociedad, Tecnología, Uncategorized | Etiquetado , , , , , , , , , | Deja un comentario

Lo que la tarjeta no cuenta

Publicado el 27 mayo, 2026 por David Ruyet

He conservado esta tarjeta de visita de 1996 durante treinta años. Es, junto con los recuerdos, lo único que físicamente conservo de mi primer trabajo como ingeniero. El cartón amarillea, las esquinas están gastadas y dobladas. No se cumplen treinta años de profesión todos los días… y la he mirado mucho últimamente.

Dice lo esperable: nombre, empresa, área (no daba para un cargo); una dirección… Lo interesante es todo aquello que no cabía en ella. En 1996, esa tarjeta era casi toda la infraestructura que uno necesitaba para trabajar. ¿Internet? la justa. ¿Computador? una torre de escritorio. ¿Teléfono? Un Nokia 1610 que pasaba un cuarto de kilo con antena incorporada. Te presentabas en los sitios con ese trozo de cartón, un lápiz y un cuaderno. Y eso bastaba.

Treinta años después me pregunto si aquella escasez escondía algo que la hipertrofia tecnología actual ha diluido sin darnos cuenta. ¿Nostalgia? Decía Don Draper en Mad Men, en el capítulo del carrusel de Kodak: nostalgia… es sutil, pero poderosa. El mundo de 1996 era más lento, más improvisado y, en muchas cosas, peor. En realidad, no quiero volver. Solo quiero entender qué funcionaba entonces -porque algo funcionaba- y si lo hemos perdido o simplemente lo hemos cambiado de lugar.

La conversación que no buscaba

No fue la tarjeta sola lo que me llevó a escribir esto. Fue lo que ocurrió cuando la mostré.

Publiqué hace unos días una versión breve de esta vivencia en LinkedIn, sin más intención que compartir un recuerdo. Y la conversación que se abrió me interesó más que el recuerdo mismo. Varias personas (del sector o no), gente con diez, veinte, treinta años de oficio… llegaron, cada una por su lado, a una intuición parecida. Una lo formuló casi como una tesis: lo que no cambia nunca, escribió, es la responsabilidad del trabajo bien hecho, y esa responsabilidad no se delega. Otra lo dijo en negativo: las corporaciones, con los años, han perdido la costumbre de sostenerle la mirada a los retos que tienen delante.

No se conocían entre ellos, y coincidían en señalar lo mismo: que en algún punto del camino, entre tanta mejora real, se ha aflojado algo que tiene que ver con responder por lo que uno hace. Cuando personas que no se tratan convergen así, conviene prestar atención. Probablemente no es solo nostalgia. Es una sensación, una vivencia compartida.

El criterio no se podía externalizar

En 1996, en aquella oficina con mesas de dibujo y un único buzón de correo electrónico para todo el equipo, las decisiones se tomaban con muy poca información. No había bases de datos consultables, ni hipervínculos a un clic, ni herramientas que simulasen una y mil veces el resultado antes de actuar.

Recuerdo que un día por esa época me hicieron dimensionar un secadero de alfalfa para una planta de cogeneración con motores de gasoil. Los gases del motor se metían en un trommel -un tubo giratorio- por el que caía alfalfa húmeda. ¿Cuánto calor necesitamos para reducir la humedad? ¿a qué velocidad debe caer la alfalfa? ¿cuanto debe estar dentro del trommel? Me volvió loco. Solo podía buscar en libros. Fui a la biblioteca de la ETSEIB, a las de otras facultades, a las del barrio, al Colegio de Ingenieros. Un mes buscando información y otro mes entero calculando la evaporación y el volumen de gases. No me echaron de milagro.

Esta mañana escribí en ChatGPT: «Cómo dimensionar un trommel por el que cae alfalfa húmeda al 90% y dejarla al 15% a partir de gases de escape de motor de gasoil.» Pasaron cinco segundos: «8.000 m²/h y de 20 a 45 minutos para una tonelada de alfalfa por hora. ¿Necesitas que calcule el consumo de gasoil?» No nos confundamos. Esto es, sin matices, una mejora. Tomamos decisiones más informadas, con menos errores evitables, con más capacidad de anticipar consecuencias.

Pero nada es gratis, y en ingeniería menos. Cuando había que decidir algo, lo que fuese: un proveedor, un trazado, una estimación de plazo… se decidía con lo que había en la cabeza de las personas que estaban en la sala. Se cometían errores que hoy serían inexcusables. Sin embargo, el criterio era visible, estaba localizado. Si una decisión salía mal, se sabía quién la había tomado y bajo qué razonamiento. La responsabilidad no se diluía, porque no había dónde. El que había decidido, sencillamente, respondía por ello.

Confundir control con criterio

En estos treinta años hemos ganado enormemente en control: procesos, métricas, indicadores, auditorías, compliance, trazabilidad. Todo ello necesario para operar a la escala actual.

Pero ha pasado algo con el criterio. Se ha vuelto difuso. Cuando una decisión se apoya en un informe que se apoya en un modelo que se apoya en unos datos que nadie ha verificado antes, la cadena de responsabilidad se alarga tanto que al final no responde nadie del todo. La decisión la ha tomado el conjunto. Y el conjunto no es nadie.

El problema surge cuando confundimos control con criterio. El control responde a la pregunta: ¿se está haciendo lo que dijimos que haríamos? El criterio responde a la difícil: ¿es esto lo que realmente había que hacer? La primera se puede sistematizar, delegar y automatizar. La segunda exige a una persona concreta mirar el problema entero y, inevitablemente, poner su nombre detrás.

Cada vez más proyectos pasan todas las auditorías, cumplen todos los KPIs y, aun así, a menudo no funcionan. Nadie lo dice, seguramente, porque nadie tiene explícitamente el encargo de decirlo. El criterio se ha quedado sin casilla en el formulario.

Y cuando desaparece el criterio, desaparece algo más profundo: el sentido. No el orgullo de haber decidido, sino algo más básico: la certeza de que lo que haces tiene un resultado real, útil, concreto. Cuando el trabajo se reduce a verificar que se cumplen los procedimientos, ese hilo entre el esfuerzo y el resultado se pierde. Y sin ese hilo invisible entre la persona y la decisión, el propósito se evapora. Y sin propósito, el compromiso tampoco aguanta.

Los datos lo confirman. Según el informe Gallup de 2026, sólo el 20% de los empleados se siente comprometido con su trabajo. El 64% no. El 16% se declara desconectado de ese vinculo, ¿los más desconectados? los mandos intermedios. Precisamente quienes deberían ejercer criterio. Las encuestas de McKinsey son parecidas, en mostrar esa quiebra del vinculo; en especial entre trabajadores remotos y menores de 35 años. Pero a la vez, muestran que las personas que sienten conexión con el propósito de su trabajo tienen cuatro veces más vínculo con su trabajo.

La velocidad como coartada

Hay otra cosa que la tarjeta no cuenta: el tiempo.

En 1996 las cosas iban despacio. Una decisión podía esperar a la reunión del jueves. Esa lentitud se convertía en la pausa necesaria para analizar y decidir. Hoy podemos responder más rápido. Y como podemos, se espera que lo hagamos al instante. La velocidad es una herramienta magnífica, pero también una coartada perfecta para no pensar. Decidir rápido se confunde fácilmente con decidir mejor. La deliberación, el parar, el dudar, el dejar reposar… salir a caminar un rato para despejar tus ideas.., se ha vuelto casi un lujo que hay que justificar.

La velocidad elimina la deliberación por urgencia: todo es para ayer. La escala elimina la deliberación por necesidad; cuando coordinas enormes estructuras en multitud de lugares, no hay espacio para parar en cada cuestión a preguntarte si esto es lo mejor que hacer. El proceso decide por ti. Y así, por dos caminos distintos, llegamos al mismo lugar: una industria que opera con enorme eficiencia y con cada vez menos espacios donde el trabajo conserve su sentido.

Llegados a este punto, quizás la reflexión suena a otra cosa: «esto es solo nostalgia de cuando el sector era artesanal«. Y es cierta en parte. La industria ha crecido de forma extraordinaria. Ya no gestionamos proyectos tres personas; desplegamos gigavatios en decenas de países. La escala exige procesos. El criterio individual puro no escala.

Pero hay un matiz: aunque la escala obliga a sistematizar el control, no obliga a renunciar al criterio. Una organización grande puede, y debe, tener procesos robustos y, al mismo tiempo, preservar espacios donde alguien mire el problema completo y diga: «esto no está bien» o «quizás puede hacerse mejor». Lo rápido (y sencillo) es dejar que el control lo ocupe todo. Lo difícil y valioso es seguir cultivando criterio.

Cortesía de AMC

Lo que no se delega

No tengo una solución sencilla ni tranquilizadora. No se trata de volver a 1996. La escala es real, las herramientas son una mejora real y el control es necesario. Lo que está en juego es si, en el camino de convertirnos en una organización competitiva, quizá hemos archivado sin darnos cuenta la pregunta más importante: ¿hacemos lo que realmente debemos hacer?

Esa pregunta exige una persona. Exige criterio. Y el criterio, a diferencia de casi todo lo demás, no se delega. Ni en un sistema, ni en un procedimiento, ni en una máquina, por inteligente que sea.

Don Draper lo describió mejor de lo que yo podría. Hablando de la nostalgia en aquella presentación del carrusel de diapositivas de Kodak, dijo algo parecido a esto:

«Nostalgia… Es una punzada en el corazón mucho más profunda que un simple recuerdo… es una nave espacial; es una máquina del tiempo. Va hacia atrás y hacia adelante… nos lleva a un lugar al que nos duele regresar. Nos deja viajar como el carrusel donde juegan los niños: girando, girando… para al final volver a casa. A ese lugar donde sabemos que nos quieren.”

Vuelvo a mirar la tarjeta amarillenta. No dice casi nada. Solo un nombre y una tarea. Pero detrás de aquel nombre había alguien que, si las cosas salían mal, tenía que responder. Mirando a los ojos.

Esa parte nunca estuvo impresa en la tarjeta. Pero era, probablemente, lo más importante que contaba.

Publicado en Economy, empleo, Energy, Inteligencia Artificial, Management, Sociedad | Etiquetado , , | Deja un comentario