Cómo la IA está transformando los descubrimientos en matemáticas y física... La inteligencia artificial no está reemplazando la intuición humana en estos campos, pero está reimaginando cómo se plantean, exploran y comprenden las preguntas... Puede buscar sistemáticamente contraejemplos — comprobar si una conjetura es realmente cierta o falla inesperadamente. Y puede proponer pasos intermedios en el razonamiento que ayuden a cerrar la brecha entre lo que se sabe y lo que aún está por demostrar... En el campo experimental, los prototipos realizados por “científicos de IA” están comenzando a automatizar partes del ciclo de descubrimiento, pero siguen limitados por las demandas del mundo físico: mezclar reactivos, hacer crecer células... Las matemáticas y la física teórica enfrentan muchos menos obstáculos. “Los experimentos” son baratos, rápidos y digitales, y los datos matemáticos —desde números primos hasta las propiedades de estructuras abstractas como variedades— son limpios y abundantes... Axiom Math, una startup de Palo Alto, anunció que su herramienta de inteligencia artificial ha encontrado soluciones a muchos problemas avanzados que los matemáticos profesionales aún no habían resuelto... los sistemas de IA podrían primero mapear el cuerpo existente de conocimiento matemático para identificar cuellos de botella, brechas y paralelos inesperados, y luego generar conjeturas para llenarlos... Por ahora, los saltos creativos decisivos todavía los dan los humanos. La verdadera promesa reside en la colaboración... La IA puede explorar vastos espacios y descubrir regularidades inesperadas; los humanos aportan juicio, gusto y la capacidad de inventar nuevas formas de pensar. Esta colaboración ya está produciendo nuevos resultados (Mikhail Burtsev)

"Cómo la IA está transformando los descubrimientos en matemáticas y física.

 La inteligencia artificial no está reemplazando la intuición humana en estos campos, pero está reimaginando cómo se plantean, exploran y comprenden las preguntas.

Entre matemáticos y físicos teóricos, la inteligencia artificial provoca una serie de reacciones. Algunos lo consideran irrelevante para su trabajo; otros temen que pueda invadir los aspectos más creativos e intelectualmente gratificantes de sus disciplinas. Sin embargo, la verdad que surge del trabajo que nuestro equipo está realizando en el Instituto de Ciencias Matemáticas de Londres y en otros lugares es más compleja.

En lugar de reemplazar la creatividad humana en las ciencias matemáticas, la IA la está mejorando. El software ahora puede verificar pruebas línea por línea y detectar errores que antes habrían requerido meses de cuidadosa revisión humana.

Puede buscar sistemáticamente contraejemplos — comprobar si una conjetura es realmente cierta o falla inesperadamente. Y puede proponer pasos intermedios en el razonamiento, sugiriendo resultados auxiliares útiles que ayuden a cerrar la brecha entre lo que se sabe y lo que aún está por demostrar.

En el campo experimental, los prototipos realizados por “científicos de IA” están comenzando a automatizar partes del ciclo de descubrimiento, pero siguen limitados por las demandas del mundo físico: mezclar reactivos, hacer crecer células, esperar reacciones y lidiar con el ruido en los datos.

Las matemáticas y la física teórica enfrentan muchos menos obstáculos. “Los experimentos” son baratos, rápidos y digitales, y los datos matemáticos —desde números primos hasta las propiedades de estructuras abstractas como variedades— son limpios y abundantes¹.

Las empresas que desarrollan sistemas de inteligencia artificial diseñados específicamente para el razonamiento matemático han informado de un progreso constante durante el año pasado. Aristóteles, un sistema de la empresa de software Harmonic, con sede en Palo Alto, California, ayudó a resolver varios problemas planteados por el prolífico matemático Paul Erdős — preguntas que eran fáciles de plantear pero notoriamente difíciles de resolver.

Axiom Math, una startup de Palo Alto, anunció que su herramienta de inteligencia artificial ha encontrado soluciones a muchos problemas avanzados que los matemáticos profesionales aún no habían resuelto.

Mientras tanto, los modelos de las empresas tecnológicas OpenAI en San Francisco, California, y Google DeepMind en Londres han resuelto varios desafíos del First Proof Project, un conjunto de desafiantes problemas matemáticos que prueban si los sistemas de IA pueden generar resultados novedosos y verificables.

Aquí proporcionamos ejemplos del progreso logrado en los últimos años en esta área en rápida evolución, describimos las oportunidades que la IA ofrece a los científicos y matemáticos en dominios teóricos— e invitamos a los investigadores a utilizar la IA en su trabajo.

El ciclo de investigación

En física teórica y matemáticas, los investigadores entrelazan la intuición creativa y el rigor lógico para hacer descubrimientos—, pero este proceso sólo se comprende parcialmente y no existe una explicación única de cómo ocurren los descubrimientos.

Para mayor claridad —sin proponer un modelo definitivo—, dividimos el proceso en varias fases superpuestas: establecimiento de agenda, formalización de ideas, propuesta de conjeturas, resolución y verificación de resultados.

Este marco es imperfecto, pero proporciona una forma útil de evaluar dónde ya contribuye la IA, dónde residen los desafíos y cómo podrían abordarse.

Establecimiento de agenda. Uno de los actos más claramente humanos en la investigación es decidir qué preguntas vale la pena plantearse. Estos pueden surgir desde fuera del campo —a través de problemas del mundo real o contactos con disciplinas vecinas— o desde dentro, a medida que las teorías evolucionan de acuerdo con su propia lógica interna y estándares estéticos²,³.

Estas fuentes están entrelazadas: los problemas concretos pueden generar nuevos conceptos y la teoría abstracta puede remodelar y profundizar la cuestión original.

Los sistemas de IA actuales sólo tienen acceso limitado a este contexto más amplio. Como resultado, carecen de perspicacia y “gusto”: una idea de dónde vienen las preguntas, qué las hace relevantes y cómo encajan en la estructura cambiante de un campo.

Por ejemplo, el físico Albert Einstein desarrolló su teoría de la relatividad especial después de notar una contradicción en la forma en que se trataban las ondas de luz en la mecánica clásica y las ecuaciones de Maxwell, que describen la interacción entre la electricidad y el magnetismo.

Una dirección prometedora pero poco explorada es construir sistemas de IA que ayuden a clasificar y priorizar problemas potenciales utilizando criterios seleccionados por los investigadores. Por ejemplo, la IA podría seguir dichos criterios al escanear grandes bases de datos matemáticas, como la Enciclopedia en línea de secuencias enteras, o repositorios de preimpresión, incluido arXiv, para identificar conexiones pasadas por alto y paralelos estructurales entre campos.

Utilizada de esta manera, la IA podría agudizar nuestra comprensión de cómo los científicos señalan direcciones fértiles para el descubrimiento.

Formalización de ideas. Muchas ideas importantes toman forma antes de que puedan definirse con precisión. Un ejemplo clásico es la integral de trayectoria, introducida por el físico teórico Richard Feynman, que describe los sistemas cuánticos imaginando todas las formas en que algo podría suceder y combinándolas.

Aunque esta idea nunca se ha enmarcado completamente en un sentido matemático riguroso, ha dado forma a la física moderna e inspirado nuevas herramientas en matemáticas⁴ —por ejemplo, formas de distinguir diferentes tipos de nudos y métodos para contar formas en geometrías complejas.

Transformar un tema discursivo de estilo informal en una forma que una computadora pueda procesar a menudo requiere un esfuerzo considerable: reconstruir pasajes omitidos, llenar vacíos aparentemente obvios y hacer explícitas suposiciones tácitas.

Pero este proceso puede profundizar la comprensión y revelar errores. Por ejemplo, cuando el matemático Terence Tao de la Universidad de California en Los Ángeles envió un tema de uno de sus artículos a un asistente de prueba (Lean4) para probarlo, identificó una brecha sutil en la lógica. Un pasaje que parecía claro no estaba estrictamente justificado.

Incluso los matemáticos más experimentados pueden beneficiarse de un sistema que requiere que cada inferencia sea explícita. Reducir el trabajo humano involucrado en la formalización conduciría a cuerpos más grandes de matemáticas verificadas de mayor calidad, que a su vez podrían usarse para entrenar mejores modelos de IA. Automatizar completamente la formalización es el objetivo a largo plazo.

Los avances han sido sustanciales⁵, pero aún se necesita la contribución humana. Por ejemplo, el proyecto Xena, dirigido por el matemático Kevin Buzzard en el Imperial College de Londres, movilizó a estudiantes universitarios para digitalizar sistemáticamente todas las pruebas del plan de estudios de matemáticas para la licenciatura.

La IA está empezando a ayudar a escalar este tipo de tareas. El informático y matemático Josef Urban de la Universidad Tecnológica Chalmers en Gotemburgo, Suecia, utilizó un modelo de lenguaje a gran escala para formalizar teoremas de topología — el estudio de las propiedades de las formas cuando se estiran o tuercen.

Propuesta de conjeturas. Una conjetura es una respuesta plausible a un problema bien planteado — es decir, una hipótesis razonada que parece probable que sea cierta, pero que aún no ha sido probada. La IA ahora puede generar conjeturas, pero su papel sigue siendo experimental y está estrechamente vinculado a la supervisión humana.

Ésta no es un área nueva para los enfoques computacionales. Los primeros programas informáticos especializados —como Graffiti⁶ y la máquina Ramanujan⁷— demostraron que los algoritmos pueden sugerir nuevas ideas matemáticas, no sólo verificar las existentes.

Los graffitis, por ejemplo, encontraron patrones inesperados en redes —diagramas simples de puntos conectados— que luego resultaron útiles en química, donde las moléculas pueden entenderse en términos de cómo están unidos sus átomos.

La máquina Ramanujan propuso fórmulas sorprendentemente simples para constantes matemáticas fundamentales. Actualmente se están aplicando enfoques similares en física teórica, lo que ayuda a los investigadores a descubrir patrones ocultos y fórmulas exactas.⁸⁻¹⁰

En la práctica, sin embargo, la IA genera muchas conjeturas, la mayoría de las cuales son triviales, resultados ya conocidos o falsas. Siguen siendo los expertos humanos quienes deciden cuáles vale la pena perseguir. Por ejemplo, en 2021, la IA ayudó a limitar una hipótesis amplia sobre la estructura algebraica y geométrica de las matemáticas “nudos” a una única conjetura rigurosamente definida, que luego fue demostrada por los humanos¹¹.

En 2022, los investigadores que utilizaron IA para analizar grandes conjuntos de datos de curvas elípticas —objetos matemáticos importantes en la teoría de números, concretamente el estudio de números enteros— notaron un patrón inesperado en la forma en que varían algunas propiedades clave. Cuando trazaron los datos en un gráfico, vieron que no estaban distribuidos aleatoriamente sino que formaban bandas onduladas que recordaban el comportamiento de bandada de los estorninos, conocidas como murmullos¹².

Descubrir tales patrones podría resultar transformador en muchos campos de las matemáticas.⁹ El siguiente paso podría ser conectar la generación de conjeturas mejorada por IA con el establecimiento de una agenda.

En lugar de operar ciegamente en un dominio fijo, los sistemas de IA podrían primero mapear el cuerpo existente de conocimiento matemático para identificar cuellos de botella, brechas y paralelos inesperados, y luego generar conjeturas para llenarlos.

Resolución y verificación de resultados. En 2025, DeepMind lanzó AlphaEvolve¹³, un agente de programación que puede proponer, probar y perfeccionar soluciones algorítmicas a problemas abiertos. Poco después, los expertos lo probaron en 67 desafíos; en la mayoría de los casos, redescubrió las soluciones más conocidas y, en varios casos, las mejoró.¹⁴

AlphaEvolve integra el razonamiento generativo del modelo Gemini de Google con sistemas automatizados que evalúan soluciones candidatas, utilizando una estrategia “de búsqueda evolutiva” para desarrollar iterativamente las más prometedoras.

Ha demostrado la capacidad de avanzar en el conocimiento matemático, por ejemplo descubriendo algoritmos mejorados de multiplicación de matrices (utilizados en diversas áreas de la física, la ciencia de datos y la informática). Mientras tanto, en mayo, OpenAI anunció que había utilizado un gran modelo de lenguaje para refutar el problema de la distancia unitaria, una conjetura geométrica propuesta por primera vez por Erdős en 1946 — quizás el primer resultado matemático importante producido por una máquina.

Estos éxitos son notables y, si bien el estado general de la técnica sigue siendo limitado, sugieren que el ritmo del progreso se está acelerando.

El uso de IA para comprobar —o verificar— pruebas es una aplicación más desarrollada. Los asistentes de prueba ya pueden verificar argumentos complejos línea por línea, y sus bibliotecas en crecimiento proporcionan una base estructurada para el razonamiento asistido por IA. Las pruebas formales de teoremas complejos muestran que estas herramientas se están acercando al uso rutinario en la frontera de la investigación¹⁵.

En lugar de un único y multipropósito “matemático de IA”, es probable que el progreso provenga de ecosistemas de agentes especializados — generadores, refutadores, exploradores, educadores — cuya interacción produce conocimiento confiable. Las futuras herramientas de IA podrían ir más allá, experimentando cómo abordar un problema y juzgando qué estrategias conducen a demostraciones más rápidas y limpias.

Perspectivas futuras

Los sistemas de inteligencia artificial que sugieren pasos de prueba, descubren patrones ocultos y resuelven problemas de nivel competitivo ahora ayudan a los matemáticos de maneras que eran inimaginables hace apenas cinco años.

Sin embargo, los avances más profundos en matemáticas y física a menudo requieren conceptos o paradigmas radicalmente nuevos, y ningún sistema de IA ha sido capaz aún de inventarlos. Por ahora, los saltos creativos decisivos todavía los dan los humanos. La verdadera promesa reside en la colaboración.

La IA puede explorar vastos espacios y descubrir regularidades inesperadas; los humanos aportan juicio, gusto y la capacidad de inventar nuevas formas de pensar. Esta colaboración ya está produciendo nuevos resultados.

La teoría no es una cadena de montaje de problemas resueltos; es un mapa en expansión de la comprensión humana. Las herramientas anteriores, como las calculadoras y los sistemas de álgebra computacional, no han disminuido el campo de las matemáticas — lo han elevado.

La IA puede hacer lo mismo, ampliando nuestro alcance cognitivo tal como el telescopio una vez amplió nuestra visión. Los sistemas futuros necesitarán explicar sus conocimientos, guiar a los investigadores que ingresan a nuevas áreas y ayudar a organizar cuerpos de conocimiento en crecimiento.

La tarea ahora es construir estos sistemas con cuidado y ambición. Si pueden hacer que la frontera sea más navegable —y más profundamente interconectada—, acelerarán el descubrimiento, no reemplazarán a los descubridores.

* Artículo publicado en Nature, vol. 654
Los autores:
Mikhail Burtsev es investigador de IA en el Instituto de Ciencias Matemáticas de Londres, en Londres, Reino Unido. Yang-Hui Es miembro del Instituto de Ciencias Matemáticas de Londres en Londres, Reino Unido. Evgeny Sobko es miembro del Instituto de Ciencias Matemáticas de Londres en Londres, Reino Unido. Ananyo Bhattacharya es escritor científico jefe del Instituto de Ciencias Matemáticas de Londres en Londres, Reino Unido. Thore Graepel es científico investigador en Google DeepMind, Londres, Reino Unido.

correo electrónico: ab@lims.ac.uk

Notas:

1. Fink, T. Nature 629, 505 (2024).
2. Hilbert, D. Bull. Am. Math. Soc. 8, 437–439 ​​​​(1900).
3. von Neumann, J. en Obras de la mente Vol. I 180–196 (Univ. Chicago Press, 1947).
4. Atiyah, M., Dijkgraaf, R. y Hitchin, N. Phil. Trans. At Math. Phys. Eng. Sci. 368, 913–926 (2010).
5. Weng, K. et al. Preimpresión en arXiv https://doi.org/10.48550/ arXiv.2505.23486 (2025).
6. Fajtlowicz, S. en Annals of Discrete Mathematics Vol. 38 (eds Akiyama, J., Egawa, Y. y Enomoto, H.) 113–118 (Elsevier, 1988).
7. Raayoni, G. et al. Naturaleza 590, 67–73 (2021).
8. He, Y.-H. El paisaje de Calabi-Yau (Springer, 2021).
9. Douglas, M. R. Nature Rev. Phys. 4, 145–46 (2022).
10. He, Y.-H. Nature Rev. Phys. 6, 546–553 (2024).
11. Davies, A. et al. Nature 600, 70–74 (2021).
12. He, Y.-H., Lee, K.-H., Oliver, T. y Pozdnyakov, A. Exp. Math. 34, 528–540 (2025).
13. Novikov, A. et al. Preimpresión en arXiv https://doi.org/10.48550/arXiv.2506.13131 (2025).
14. Georgiev, B., Gómez-Serrano, J., Tao, T. & Wagner, A. Z. Preimpresión en arXiv https://doi.org/10.48550/ arXiv.2511.02864 (2025).
15. Gowers, W.T., Green, B., Manners, F. y Tao, T. Ann. Math. 201, 515–549 (2025)." 

(Mikhail Burtsev - Yang-Hui He - Evgeny Sobko - Thore Graepel - Ananyo Bhattacharya, Jaque al neoliberalismo,  14/07/26, fuente Contropiano )

Cuando el Departamento de Guerra se enfrentó a Anthropic, la empresa demostró que era el poder más fuerte... el Secretario de Defensa, Pete Hegseth, amenazó con declarar a la empresa como un riesgo para la cadena de suministro como el máximo castigo que podía usar, y la empresa aún así no se alineó. De manera bastante embarazosa, el Departamento de Guerra se ha vuelto profundamente dependiente de un actor privado que no está dispuesto a cooperar en los términos del gobierno, y el gobierno no puede hacer nada al respecto... Ha habido una erosión extraordinaria de las instituciones democráticas y una rápida aceleración del retroceso democrático, ayudado por las plataformas de Silicon Valley y las tecnologías de IA... deberíamos pensar en qué visión tenemos para la sociedad, qué tipo de tecnologías de IA respaldarían esa visión y qué recursos necesitamos para hacerla realidad... En primer lugar, debemos entender la gobernanza de la IA de manera amplia. Los estudiantes, los profesores y los trabajadores de la salud también deberían estar en la mesa para ayudar a dar forma y cuestionar cómo se desarrolla e implementa la IA en la sociedad... Otro aspecto importante es financiar a investigadores y emprendedores de IA para que descifren los aspectos más técnicos de lo que se intenta construir y cómo se quiere aplicar, y que el resto de la sociedad opine; de lo contrario, solo se están replicando los problemas que tenemos en EE. UU., donde son esencialmente los tecnócratas o tecno-autoritarios quienes toman las decisiones... Ya hay objetivos comunes por los que la sociedad debería esforzarse. Hablo de los Objetivos de Desarrollo Sostenible, por ejemplo. Ese podría ser un punto de partida para descubrir cómo financiar la innovación en IA (Karen Hao)

"Derrocando el imperio de la IA.

Mientras la carrera tecno-autoritaria por desarrollar tecnologías avanzadas de Inteligencia Artificial continúa a toda máquina, la influencia de Silicon Valley sobre las agendas regulatorias ha llegado a rivalizar —e incluso superar— a la de muchos estados. Sin embargo, entre las ambiciones de las superpotencias globales y los gigantes de la IA, Europa tiene la oportunidad de buscar algo mejor. Una entrevista con la galardonada periodista y autora Karen Hao.

Alessio Giussani: Se han evocado varias metáforas para describir el modelo actual de desarrollo de la IA —un loro o un espejo, por ejemplo—. ¿Por qué elegiste la de imperio?

Karen Hao: Creo que todas esas metáforas son sumamente útiles. Yo me centro en la de imperio porque no solo observo el artefacto técnico en sí mismo y lo que sucede cuando se implementa en la sociedad, sino también la producción de esta tecnología y los actores que consolidan una cantidad extraordinaria de poder económico y político para producirla.

Hay cuatro razones principales por las que llamo imperio a este sistema. Primero, estas empresas reclaman recursos que no les pertenecen: los datos de los individuos, así como el trabajo de escritores y creadores. Segundo, explotan una cantidad extraordinaria de mano de obra, y eso incluye tanto a los trabajadores que explotan dentro del proceso de producción y la cadena de suministro de estas tecnologías, como a aquellos cuyos derechos laborales se ven erosionados cuando la tecnología se implementa.

El tercer aspecto es el control de la información. Una faceta importante de la expansión de los imperios es la capacidad de filtrar toda la producción de conocimiento e información a través del lente de su agenda imperial, y esto es precisamente lo que están haciendo las empresas de IA. Controlan y censuran la ciencia que se produce al financiar a la mayoría de los investigadores de IA, y están construyendo una tecnología de la información que buscan convertir en el portal central a través del cual todos los demás se relacionan con el mundo, incluso en la educación.

Por último, envuelven todo esto en una misión civilizadora. Dicen que realizan este trabajo porque, en última instancia, intentan traer a la humanidad una tecnología que nos elevará a un estado utópico, y que si los malos —que normalmente significa China— la desarrollan antes que nosotros, descenderemos en cambio a un estado distópico. Esta es una especie de narrativa religiosa que también era común entre los imperios de antaño.

El imperio de la IA, tal como lo describes, no se limita a una empresa; es un sistema, una lógica. ¿Qué hay detrás de tu enfoque en OpenAI y en la figura de su CEO, Sam Altman?

Una respuesta es que la gente necesita historias que ayuden a concretar lo que de otro modo sería una idea abstracta. Pero OpenAI también es particularmente interesante porque tomó todas las decisiones importantes que cambiaron las normas dentro de la industria, empujándola hacia la construcción de imperios. Fue OpenAI quien decidió escalar a toda costa, trabajar con grandes modelos de lenguaje y producir una interfaz tipo chatbot para ellos. Prácticamente todo lo que el público entiende hoy asociado con la IA se decidió primero dentro de los muros de OpenAI.

Al contar esa historia, se vuelve mucho más obvio que la IA no es inevitable, porque empiezas a darte cuenta de que hubo personas reales tomando esas decisiones basándose en sus valores, sus visiones del mundo, sus vendettas personales —lo que sea que realmente moldeó la trayectoria del desarrollo de la IA—. Las ideologías de Sam Altman están imbuidas en el modelo, y no solo en un sentido abstracto. A menudo se escucha el tópico de que los modelos reflejan a sus creadores, pero yo quería mostrar cómo sucede esto realmente. Se trata de las empresas, las personas y el entorno económico e ideológico del que forman parte.

A medida que estas tecnologías se vuelven más poderosas, afirmar el control sobre su implementación se está convirtiendo en una cuestión existencial. Vimos a las Grandes Tecnológicas inclinarse ante Trump en su segunda toma de posesión, pero también estamos viendo a los directores ejecutivos de IA cada vez más en desacuerdo con el gobierno. ¿Quién terminará teniendo la última palabra: el estado o las empresas privadas?

Existe una batalla en curso sobre quién tomará las decisiones. Veo la relación entre Washington y Silicon Valley como una alianza de conveniencia, pero muy tensa. Representan dos modelos diferentes de imperio, cada uno con su propia agenda imperial. Ambos intentan expandirse y, literalmente, apoderarse de más territorio de otros países, pero la administración Trump ve a las empresas de IA como herramientas en manos de las ambiciones imperiales del estado. Mientras tanto, Silicon Valley ve a la administración Trump como una herramienta de sus ambiciones imperiales, pero en realidad no están en la misma sintonía, porque cada uno quiere ser la entidad suprema que salga victoriosa.

Ha habido momentos en que el gobierno de EE. UU. ha demostrado que aún está por encima: cuando Trump y Musk chocaron, Musk fue expulsado. Sin embargo, cuando el Departamento de Guerra se enfrentó a Anthropic, la empresa demostró que era el poder más fuerte en esa instancia: el Secretario de Defensa, Pete Hegseth, evocó la opción nuclear, amenazando con declarar a la empresa como un riesgo para la cadena de suministro como el máximo castigo que podía usar para poner a Anthropic en línea, y la empresa aún así no se alineó. De manera bastante embarazosa, el Departamento de Guerra se ha vuelto profundamente dependiente de un actor privado que no está dispuesto a cooperar en los términos del gobierno, y el gobierno no puede hacer nada al respecto.

Debe haber rendición de cuentas para ambos actores imperiales, y esa rendición de cuentas no vendrá de ninguno de ellos; tiene que venir del pueblo. De la organización desde las bases, que estamos empezando a ver florecer en todo el mundo, incluso en EE. UU. Por impermeable que parezca la alianza de conveniencia, en realidad es extremadamente frágil, y hay oportunidades para acelerar su desaparición aplicando más presión en sus puntos débiles.

    En lugar de ver la IA como una carrera global entre los buenos y los malos, deberíamos pensar en qué visión tenemos para la sociedad.

El estado del desarrollo de la IA parece una carrera competitiva hacia el abismo entre empresas rivales y superpotencias globales. ¿Qué papel ha jugado la competencia geopolítica con China en llevar a la IA a su situación actual?

China es una carta que Silicon Valley ha jugado durante una década, prácticamente desde que fue expulsada de China. Pero cuando observas el historial de este argumento, ves que lo que ha sucedido es consistentemente lo contrario de lo que Silicon Valley dijo que sucedería.

Dijeron que al no regular a las empresas de Silicon Valley —y al regular a China mediante controles de exportación— la tecnología estadounidense dominaría en todo el mundo. Sin embargo, TikTok es ahora la plataforma de redes sociales más popular, y los modelos de IA de código abierto chinos se están volviendo cada vez más populares en todo el mundo, incluso en EE. UU. También prometieron que el dominio de Silicon Valley tendría un efecto liberalizador en el mundo, pero eso tampoco se ha cumplido; su efecto ha sido profundamente iliberal. Ha habido una erosión extraordinaria de las instituciones democráticas y una rápida aceleración del retroceso democrático, ayudado por las plataformas de Silicon Valley y las tecnologías de IA.

En lugar de ver la IA como una carrera global entre los buenos y los malos, deberíamos pensar en qué visión tenemos para la sociedad, qué tipo de tecnologías de IA respaldarían esa visión y qué recursos necesitamos para hacerla realidad. Deberíamos competir no en una carrera definida por Silicon Valley, sino en las ideas y valores que queremos defender. Y creo que Europa tiene aquí la oportunidad de mostrar al mundo una tercera vía, diferente a las de EE. UU. y China, que restablezca las reglas del juego.

La Comisión Europea ha adoptado recientemente un paquete de soberanía tecnológica como parte del esfuerzo de Europa por trazar su propio camino tecnológico. ¿Cómo deberíamos articular esta visión para evitar terminar con una versión europea de un modelo de negocio oligárquico basado en la vigilancia?

La estrella polar que Europa debería seguir no es la soberanía por la soberanía misma, sino el propósito de alcanzar esa soberanía. Europa, o al menos la mayor parte de ella, es uno de los últimos bastiones de la democracia en el mundo. Defiende los derechos humanos y las libertades, y necesita soberanía tecnológica para ayudar a promover estos valores. Mientras siga siendo extremadamente dependiente de sistemas que se desarrollan de una manera muy autoritaria y que buscan socavar las sociedades europeas, no podrá defender sus valores. La soberanía como concepto tiende a volverse vaga si empiezas a pensarla como un objetivo en sí mismo. Debería ser un medio para un fin.

¿A partir de qué tipo de coaliciones, grupos de interés o focos de conflicto deberíamos empezar para construir esa visión alternativa?

En primer lugar, debemos entender la gobernanza de la IA de manera amplia. Fortalecer los derechos laborales y proteger a la sociedad civil, por ejemplo, cuenta como gobernanza de la IA. Los estudiantes, los profesores y los trabajadores de la salud también deberían estar en la mesa para ayudar a dar forma y cuestionar cómo se desarrolla e implementa la IA en la sociedad. La educación es clave, tanto como sector y coalición que necesitamos incorporar, como en términos de educación pública sobre la IA.

Otro aspecto importante es financiar a investigadores y emprendedores de IA para que descifren los aspectos más técnicos de lo que se intenta construir y cómo se quiere aplicar. Pero no se les puede simplemente dar dinero sin permitir que el resto de la sociedad opine; de lo contrario, solo se están replicando los problemas que tenemos en EE. UU., donde son esencialmente los tecnócratas o tecno-autoritarios quienes toman las decisiones.

No se está partiendo de cero. Ya se ha hecho mucho trabajo para establecer los objetivos comunes por los que la sociedad debería esforzarse. Hablo de los Objetivos de Desarrollo Sostenible, por ejemplo. Ese podría ser un punto de partida para descubrir cómo financiar la innovación en IA.

Las narrativas en torno a las tecnologías actuales de IA están extremadamente polarizadas. Por un lado, están quienes dicen que no hay nada particularmente nuevo en estas tecnologías y que la burbuja está a punto de estallar. Por otro, están quienes creen que la IA transformará nuestras vidas, revolucionará las cadenas de suministro y nos hará redundantes a todos. ¿Qué opinas de estas posturas diferentes?

Es cierto, muchas personas tienden a exagerar los beneficios sin considerar los costos de estas tecnologías, o a enfatizar demasiado los costos sin ver los beneficios. Pero creo que hay un porcentaje bastante grande de personas que están de acuerdo en que queremos los beneficios de la IA, pero no a costa de nuestra propia capacidad de vivir una vida digna, con acceso a buena atención médica, oportunidades económicas, un medio ambiente sano y un planeta floreciente. Ese es el enfoque más equilibrado a adoptar.

IA es un nombre para muchos tipos diferentes de tecnologías, por lo que deberíamos pensar cuidadosamente en cuáles invertir, cuáles nuevas queremos construir, porque cada una conlleva un conjunto diferente de compromisos; algunas de ellas se alinean con el futuro que queremos construir, y otras no. Debemos elegir con sabiduría.

¿Cuál es tu propia relación con las herramientas de IA existentes?

No las uso por tres razones principales. Una, la postura ética. Dos, la postura de privacidad: estoy investigando a estas empresas, y son, en última instancia, las tecnologías de vigilancia más efectivas jamás inventadas. Tres, estas herramientas no son muy útiles para el conjunto de habilidades particular que necesito para realizar mi trabajo.

No digo que todo el mundo deba hacer lo mismo. He hablado con muchas personas que claramente obtienen algo de estas herramientas, o que están obligadas a usarlas como parte de su función profesional. Más bien, la forma de salir del problema actual es hacer lo mismo que hemos hecho con otras industrias en el pasado, como la industria de la moda. Cuando descubrimos que mucha de nuestra ropa se producía de una manera realmente horrible, no nos deshicimos simplemente de la ropa. Hubo mucha organización de consumidores y trabajadores, regulación gubernamental y una reacción pública general que frenó a la industria. Por supuesto, la industria de la moda todavía está lejos de ser perfecta, pero al menos ahora hay alternativas, y los consumidores pueden votar con su cartera sobre qué tipo de cadena de suministro y prácticas corporativas respaldan.

Necesitamos hacer lo mismo con la IA. No hay suficientes alternativas para los usuarios en este momento, y para que eso cambie, tiene que haber más organización laboral y más reacción pública. Aquellos que pueden abstenerse de estas tecnologías deberían boicotearlas absolutamente, y los gobiernos deberían intervenir para ayudar a crear nuevos mercados para las alternativas. Los consumidores tienen una palanca importante que accionar, pero no es la única. Como personas, como individuos, también usamos el sombrero del trabajador, el educador y el ciudadano, y deberíamos pensar en cómo usar todos esos roles en relación con el desarrollo de la IA para mejorarlo." 

(Karen Hao , Alessio Giussani , Green European Journal, 09/07/26, traducción Deep Seek, enlaces en el original)

La IA está revolucionando el modelo en el que nos hemos basado desde la instauración de la escolarización obligatoria. Siempre hemos evaluado el aprendizaje en función del resultado: el profesor transmite conocimientos (una fórmula, un libro) y evalúa el trabajo mediante un ensayo o un examen... Los exámenes estandarizados y los trabajos escritos en casa ya no sirven para nada. Por lo tanto, la primera consecuencia de la IA es que debemos replantearnos por completo nuestra forma de evaluar... todavía no sabemos cómo se desarrollará esta transformación en su conjunto... Desde hace siglos, la enseñanza consiste en adquirir, comprender y aplicar conocimientos. La IA lleva a cabo estas tres tareas en cuestión de segundos. Extrae los datos, proporciona el contexto y genera la explicación. Por lo tanto, «memorizar, comprender y aplicar» ya no puede constituir la totalidad del aprendizaje... Lo que importa ahora son las competencias de alto nivel... el pensamiento analítico, sistemático y crítico debe comenzar mucho antes. Las escuelas ya no pueden limitarse a transmitir conocimientos. Deben enseñar a los alumnos a cuestionar la información, a establecer vínculos entre ideas procedentes de diferentes disciplinas, a comprender sistemas complejos y a evaluar afirmaciones contradictorias, y todo ello mucho antes de llegar a la universidad. Paradójicamente, la IA es una herramienta formidable para desarrollar precisamente estas capacidades. Si se utiliza correctamente, anima a los alumnos a cuestionar sus ideas preconcebidas, a poner a prueba argumentos y a relacionar diferentes ámbitos del conocimiento. Por eso la hemos introducido, no por la tecnología en sí misma, sino para la adquisición de competencias de alto nivel... y hemos creado lo que llamamos «círculos de aprendizaje»: los profesores prueban estas herramientas en sus propias clases y, a continuación, se reúnen para debatir qué ha funcionado y qué no, así como la forma en que estas herramientas transforman la enseñanza y el aprendizaje (Ramona Bloj)

 "(...) ¿Por qué incorporar la IA en las aulas?

Porque, si seguimos enseñando, aprendiendo y evaluando como lo hemos hecho durante siglos, la próxima generación podría acabar siendo menos competente: gran parte del proceso de reflexión podría externalizarse discretamente a la máquina. Los profesores ya no serían capaces de determinar si un alumno ha aprendido realmente o si simplemente se ha apoyado en la IA.

La IA está revolucionando el modelo en el que nos hemos basado desde la instauración de la escolarización obligatoria. Siempre hemos evaluado el aprendizaje en función del resultado: el profesor transmite conocimientos (una fórmula, un libro) y evalúa el trabajo mediante un ensayo o un examen. Hoy en día, ese método ya no nos aporta nada, porque ya no podemos saber quién ha realizado ese trabajo. Los exámenes estandarizados y los trabajos escritos en casa ya no sirven para nada. Por lo tanto, la primera consecuencia de la IA es que debemos replantearnos por completo nuestra forma de evaluar.

¿Cómo se traduce esto en la práctica?

Para ser sinceros, todavía no sabemos cómo se desarrollará esta transformación en su conjunto y las universidades apenas están empezando a estudiarla. En Estonia, hemos decidido dar herramientas a los profesores, que son los que están llevando a cabo gran parte de esta adaptación. Hemos puesto en marcha una formación a gran escala sobre IA y hemos creado lo que llamamos «círculos de aprendizaje»: los profesores prueban estas herramientas en sus propias clases y, a continuación, se reúnen para debatir qué ha funcionado y qué no, así como la forma en que estas herramientas transforman la enseñanza y el aprendizaje.

¿Hay límites que no se deben traspasar? ¿Existen aspectos fundamentales de la educación que la IA nunca debería sustituir?

Desde hace siglos, la enseñanza consiste en adquirir, comprender y aplicar conocimientos. La IA lleva a cabo estas tres tareas en cuestión de segundos. Extrae los datos, proporciona el contexto y genera la explicación. Por lo tanto, «memorizar, comprender y aplicar» ya no puede constituir la totalidad del aprendizaje.

Lo que importa ahora son las competencias de alto nivel. Ya no basta con saber la fecha en que comenzó la Segunda Guerra Mundial. El verdadero reto consiste en establecer vínculos: con la historia de la propia familia, con el mundo que esta sigue moldeando, con la política actual. Antes, enseñábamos este tipo de reflexión analítica y sistemática en una etapa tardía, en el máster o el doctorado, una vez dominados los hechos. En un mundo en el que la inteligencia artificial proporciona al instante datos, contexto e incluso un primer análisis, estas capacidades pasan de la periferia de la educación a su núcleo.

Aunque la IA puede generar información al instante, esta puede contener errores, sesgos o información falsa. Se genera de una determinada manera y no siempre es posible comprender cómo ni por qué se ha generado. ¿Cómo se puede enseñar el pensamiento crítico si la IA está presente en el aula?

Tiene razón. Pero precisamente por eso el pensamiento analítico, sistemático y crítico debe comenzar mucho antes. Las escuelas ya no pueden limitarse a transmitir conocimientos. Deben enseñar a los alumnos a cuestionar la información, a establecer vínculos entre ideas procedentes de diferentes disciplinas, a comprender sistemas complejos y a evaluar afirmaciones contradictorias, y todo ello mucho antes de llegar a la universidad. Paradójicamente, la IA es una herramienta formidable para desarrollar precisamente estas capacidades. Si se utiliza correctamente, anima a los alumnos a cuestionar sus ideas preconcebidas, a poner a prueba argumentos y a relacionar diferentes ámbitos del conocimiento. Por eso la hemos introducido, no por la tecnología en sí misma, sino para la adquisición de competencias de alto nivel.

Algunos estudios sugieren que un uso intensivo de la IA podría provocar la atrofia de ciertas funciones cognitivas, al igual que ocurre con un músculo que no se entrena. ¿Le preocupa esta perspectiva en el caso de los niños?

Si un niño no cuenta con competencias en materia de pensamiento crítico, análisis o pensamiento sistémico, no está preparado para utilizar la IA. Por eso no introducimos la IA desde una edad muy temprana. En Estonia, los alumnos empiezan a los trece años, en secundaria, edad en la que ya deberían haberse sentado las bases.

El papel de la escuela primaria ya no se limita a la transmisión de conocimientos, sino que también consiste en enseñar a los niños a cuestionar la información, a evaluar su fiabilidad y a comprender su procedencia y su finalidad. Sin ello, aceptarán las respuestas de la IA sin reservas. Y esto no solo afecta a los niños: muchos adultos se enfrentan a la desinformación porque su educación nunca les enseñó a plantearse las preguntas fundamentales: «¿Quién ha elaborado esto? ¿De dónde viene? ¿Para qué sirve?»

Ha desarrollado el modelo de IA que se utiliza en el sistema educativo estonio junto con OpenAI. ¿Qué hay de la soberanía?

Nuestro enfoque estaba sujeto a una condición no negociable: los datos no debían alojarse en servidores estadounidenses. De acuerdo con el marco normativo europeo, se almacenan en Europa. También hemos negociado condiciones específicas en materia de gobernanza de los datos: todo lo que generen los alumnos o los profesores nos pertenece y no puede utilizarse para entrenar los modelos de OpenAI.

Esta colaboración funciona porque ambas partes obtienen un claro beneficio de ella. Nosotros queremos una herramienta que fomente un aprendizaje auténtico en lugar de ofrecer respuestas prefabricadas, mientras que OpenAI desea desarrollar y probar soluciones de IA eficaces para la educación. También nos pusimos en contacto con otros actores, como Mistral, pero en aquel momento no disponían de ningún producto educativo listo para satisfacer nuestras necesidades.

¿Y qué hay de la herramienta en sí?

No nos limitamos a poner a disposición de los alumnos una IA de uso general. Muchos ya utilizan ChatGPT, y sería ingenuo pretender poder impedírselo. La verdadera cuestión es saber qué tipo de IA debería ofrecer un centro educativo. Lo que hemos desarrollado con OpenAI está diseñado para la educación: fomenta la reflexión en lugar de proporcionar respuestas instantáneas. Se comporta como un tutor socrático, guiando a los alumnos en su propio razonamiento, animándolos al análisis, la reflexión y la metacognición, en lugar de limitarse a ofrecer un resultado.

En Estados Unidos existe un movimiento de rechazo hacia la IA, sobre todo entre los jóvenes titulados que están preocupados por su futuro profesional. ¿Se observa este fenómeno en Estonia?

No.

No creo que la IA vaya a destruir los puestos de trabajo de las personas, sino que los transformará. Y eso significa que las universidades también deben evolucionar.

Pensemos en la imprenta en el siglo XV. Transformó la difusión del conocimiento e hizo posibles formas de vida social y política totalmente nuevas. La IA tendrá el mismo efecto sobre el funcionamiento de nuestras sociedades y sobre el trabajo que realizan las personas. Depende de nosotros dirigir esta transformación y situar al ser humano en el centro. La educación es uno de los principales medios para lograrlo. Si fracasamos, corremos el riesgo de sufrir graves perturbaciones no solo en nuestras economías, sino también en nuestras democracias.

Hemos iniciado nuestro debate abordando los temas del derecho y la democracia. ¿No cree que esta concentración de poder sin precedentes conllevará una pérdida de autonomía frente al poder de la tecnología? ¿Es ese el mayor riesgo?

En mi opinión, el mayor riesgo no es que la IA sea cada vez más eficaz. El mayor riesgo es que el pensamiento humano no evolucione al mismo ritmo que ella. Si prohibimos la IA y seguimos enseñando como siempre lo hemos hecho, corremos el riesgo de debilitar, en lugar de reforzar, nuestra capacidad de pensar.

El peligro es que las capacidades cognitivas humanas se estanquen, mientras que la tecnología sigue avanzando. Por eso la educación debe cambiar. Si, dentro de diez años, un joven de 18 años depende por completo de la IA para informarse y formarse una opinión, nuestros sistemas educativos habrán fracasado. (...)"

(Ramona Bloj, El Grand Continent, 27/06/26)  

Cómo las pequeñas empresas pueden aprovechar la IA... Desde la contabilidad hasta el diseño, la investigación de mercado y el desarrollo de productos, se requiere una asombrosa variedad de habilidades para gestionar un negocio... Ahí es donde entra la inteligencia artificial. Los modelos actuales de IA realizan un trabajo aceptable en estas tareas. La clave para las pequeñas empresas reside en comprender cuándo la IA es suficientemente eficaz y cuándo no lo es... Estudio de caso... Sam Finnegan-Dehn trabaja en recaudación de fondos para una organización benéfica, pero ejerce como profesor particular de matemáticas y filosofía para estudiantes universitarios desde su domicilio en Londres... se ha decantado por Notion AI... permite que Notion AI grabe las reuniones con sus clientes (previo consentimiento de estos), y luego utiliza sus resúmenes automatizados para perfeccionar su estrategia de enseñanza... Notion AI también le ayuda con el establecimiento de objetivos, la redacción de apuntes de lecciones, la facturación y la generación y sincronización de publicaciones en redes sociales... Por ejemplo, para el establecimiento de metas... Comienza anotando un objetivo «estrella polar» —por ejemplo, tener un determinado número de clientes para finales de año. A continuación, pide a su IA que genere los pasos que necesita dar para llegar hasta allí, dado el perfil que ha construido en la aplicación. Después, puede reflexionar sobre los resultados y elegir qué tareas abordar primero... ha habido muchos informes sobre cómo las empresas de IA recopilan sus datos cuando les hace preguntas a sus chatbots... se puede utilizar un modelo de código abierto que haga inferencias sobre sus prompts localmente puede ser una gran opción, en lugar de ChatGPT o Claude u otros modelos propietarios (Peter Hall, MIT)

"El tutor Sam Finnegan-Dehn comparte cómo está externalizando tareas administrativas básicas a un modelo de lenguaje grande.

Este artículo forma parte de Making AI Work, el boletín de edición limitada de MIT Technology Review que examina cómo aplicar los LLM en diversas industrias. Para recibirlo en su bandeja de entrada,suscríbase aquí.

Desde la contabilidad hasta el diseño, la investigación de mercado y el desarrollo de productos, se requiere una asombrosa variedad de habilidades para gestionar un negocio. Una gran empresa puede contratar expertos para llevar a cabo estas tareas, pero las pequeñas empresas no siempre disponen de este lujo.

Ahí es donde entra la inteligencia artificial. Los modelos actuales de IA realizan un trabajo aceptable en estas tareas. La clave para las pequeñas empresas reside en comprender cuándo la IA es suficientemente eficaz y cuándo no lo es.

Un ámbito en el que una IA "suficientemente buena" ya puede ser de gran valor para los propietarios de pequeñas empresas es en la provisión de habilidades de secretaría y la gestión de asuntos administrativos básicos. Veamos cómo un profesor particular la está utilizando para mejorar su registro de datos y liberar tiempo.

Estudio de caso

Sam Finnegan-Dehn trabaja en recaudación de fondos para una organización benéfica, pero ejerce como profesor particular de matemáticas y filosofía para estudiantes universitarios desde su domicilio en Londres. A través de este negocio a tiempo parcial, puede aprovechar sus títulos en filosofía y compartir su pasión por la materia con sus clientes.

Pero las reuniones con los estudiantes son solo una fracción del trabajo que implica ser un buen tutor. También planifica las clases, busca materiales de lectura actualizados, elabora las tareas, envía las facturas y se mantiene al día con las últimas investigaciones, todo ello sumado a su empleo a tiempo completo. Dadas estas exigencias, Finnegan-Dehn no dispone de tanto tiempo como le gustaría para ampliar su cartera de alumnos de tutoría.

Así que ha recurrido a la IA en busca de ayuda para gestionar los aspectos cotidianos de su negocio. Afirma que la IA ha asumido un papel de secretariado en todos sus cuadernos digitales, donde anota recordatorios sobre el progreso de sus clientes y nuevas lecturas para mantenerse al día. Describe el uso de la IA como una especie de segunda memoria que le ayuda a conectar ideas que ha anotado en varios lugares.

Aunque ha experimentado con diferentes herramientas como Claude y ChatGPT, ahora se ha decantado por Notion AI porque se integra mejor con sus notas de tutoría, que se encuentran en las pestañas de sus cuadernos dentro de la aplicación Notion. Finnegan-Dehn no utiliza la IA para crear materiales didácticos, pero sí permite que Notion AI grabe las reuniones con sus clientes (previo consentimiento de estos), y luego utiliza sus resúmenes automatizados para perfeccionar su estrategia de enseñanza. Por ejemplo, si de un resumen de la IA observa que parece que una determinada técnica no estaba ayudando a un estudiante, puede cambiar la forma en que aborda el tema la próxima vez.

Más allá de esto, Notion AI también le ayuda con el establecimiento de objetivos, la redacción de apuntes de lecciones, la facturación y la generación y sincronización de publicaciones en redes sociales. Por ejemplo, para el establecimiento de metas, Finnegan-Dehn afirma que entiende sus objetivos a largo plazo para su negocio, pero no siempre los pasos concretos para alcanzarlos. Utiliza la IA para ayudar a rellenar estas lagunas. Comienza anotando un objetivo «estrella polar» —por ejemplo, tener un determinado número de clientes para finales de año. A continuación, pide a su IA que genere los pasos que necesita dar para llegar hasta allí, dado el perfil que ha construido en la aplicación. Después, puede reflexionar sobre los resultados y elegir qué tareas abordar primero.

La herramienta

Notion ha sido un actor destacado en el software de toma de notas durante muchos años. Su complemento de IA, lanzado a finales de 2023, cuenta ahora con herramientas que le permiten interactuar con muchas otras plataformas de productividad en línea. Dispone de un cliente de correo electrónico, integraciones de calendario y un agente de reciente lanzamiento. Y si bien este nivel de acceso ha suscitado preocupaciones sobre la privacidad, también puede convertirse en un asistente virtual bastante potente.

Muchas de las tareas a las que se dirige Notion AI son menos creativas y más rutinarias: sincronizar información entre documentos o buscar entre anotaciones antiguas, por ejemplo. Esto hace que la herramienta sea especialmente atractiva para los propietarios de pequeñas empresas, que disponen de una capacidad limitada, sobre todo para tareas de bajo valor añadido.

Otras empresas están desarrollando herramientas dirigidas a industrias específicas. Por ejemplo, Grandma’s Quilt Shop en Yuma, Arizona, utiliza Rain, que cuenta con una suite de software adaptada a empresas de artesanía, para generar descripciones de inventario y precios para su stock de diseños de tela. Los propietarios afirman que esta herramienta de IA reduce el tiempo necesario para catalogar artículos entre un 60 y un 80%.

No obstante, existen inconvenientes, ya que Finnegan-Dehn describió algunas de las idiosincrasias de Notion AI como "torpes" en ocasiones. Y el complemento de IA para Notion cuesta 20 dólares al mes. Como ocurre con todas las herramientas nuevas, los propietarios de pequeñas empresas deben evaluar cuidadosamente cómo los beneficios potenciales y los quebraderos de cabeza se comparan con el coste de hacer el trabajo ellos mismos.

Consejos para el usuario

Tenga en cuenta estos puntos al considerar si la IA podría ayudarle a gestionar un negocio o facilitar un poco cualquier aspecto de su vida laboral. 

Actúe con cautela. Dado que los LLM se nutren de los datos que usted introduce para responder a sus consultas o completar tareas, es conveniente que les proporcione la información de una manera que sea práctica para usted y para el modelo. Para muchos de estos servicios de IA basados en cuade os, esto significa, por ejemplo, utilizar su plataforma para tomar notas y así no tener que introducir o subir notas más tarde. Por ello, es una buena idea sopesar cuidadosamente sus opciones antes de comprometerse con un ecosistema impulsado por IA.

Aproveche sus puntos fuertes. Piense en las habilidades que le faltan inte amente y vea si la IA puede ayudar con la formación o asumir estas tareas por usted. Pero tenga en cuenta: la IA «alucina» y comete errores, así que piense dónde se necesita precisión y mantenga el control humano allí.

La IA no siempre es la mejor herramienta. No pasa nada por usar soluciones ya existentes cuando esa sea la mejor opción. Será más seguro, por ejemplo, utilizar plataformas de procesamiento de pagos existentes como Shopify o Square que intentar programar una de forma improvisada con IA.

Considere usar modelos locales para cualquier información confidencial. Nuestros reportajes han cubierto los riesgos que los modelos de IA en línea presentan al filtrar datos confidenciales, y ha habido muchos informes sobre cómo las empresas de IA recopilan sus datos cuando les hace preguntas a sus chatbots. Aunque su negocio no gestione información personal, puede haber ciertas cosas que preferiría no compartir públicamente. En estos casos, utilizar un modelo de código abierto que haga inferencias sobre sus prompts localmente puede ser una gran opción, en lugar de ChatGPT o Claude u otros modelos propietarios. Afortunadamente, algunos LLM pueden ejecutarse ahora en ordenadores portátiles y de sobremesa pequeños. Aquí le explicamos cómo configurar uno y empezar a usarlo." 

(Peter Hall, MIT Technology Review, 02/06/26)

Si tienes un título universitario, sobras... La fuerza laboral intelectual es un segmento de creciente importancia política, en especial en las grandes ciudades... Sin embargo, la devaluación de la formación, que adquiere ya una proporción notable, está creando bolsas de descontento social. Por las promesas rotas, pero también por la ausencia de caminos alternativos para mantenerse dentro de un nivel de vida aceptable. La división del trabajo entre los servicios manuales, en general mal pagados, y los intelectuales, cada vez peor retribuidos, arroja a buena parte de la población hacia una precariedad poco deseable... la cualificación universitaria continúa ofreciendo réditos, pero cada vez a menos personas. Esta es una época en que son las rentas las que garantizan un nivel de vida seguro, y no la formación... los trabajos mejor retribuidos suelen ir a parar a los hijos de las élites... no quedan muchas puertas abiertas para que las clases trabajadoras y medias asciendan en la escala social, pero tampoco para que tengan una vida mínimamente holgada... La IA volverá inútil el conocimiento de muchos profesionales... La formación es un problema para empleos que ya se pueden realizar por jóvenes recién titulados asistidos por la IA... los despidos ya han comenzado... cuando las empresas necesitan cubrir vacantes, contratan personas con conocimientos básicos... Las empresas estadounidenses han prescindido de un millón de puestos en este año... serán los ingenieros y los algoritmos quienes se conviertan en el centro de las nuevas soluciones. Muchas profesiones carecen de sentido... Los graduados de la Ivy League influían en la vida de Washington D.C. Este es el momento de que se aparten y dejen espacio a los tecnólogos... serán las soluciones guiadas por algoritmos las que conseguirán hacer Estados con una gestión más eficiente, las que conseguirán entornos más seguros y las que proporcionen las armas más eficaces para una posible guerra... Esa lucha entre élites, la de los expertos y los tecnólogos, la de las capas formadas de la era global y la de quienes vienen a sustituirlas, contiene buena parte de la política contemporánea. Con todas sus derivadas en el empleo, especialmente el industrial y el intelectual, que afectan negativamente a las clases medias y que cortan la posibilidad de ascenso de las trabajadoras (Esteban Hernández)

"El graduado promedio de la Ivy League que vota porZohran Mandani está molesto porque su educación ya no es tan valiosa y porque la persona que sabe cómo perforar en busca de petróleo tiene una profesión más valiosa. Eso les revienta".

Son declaraciones de Alex Karp, el director ejecutivo de Palantir, y uno de los tecnólogos más influyentes de la esfera trumpista. Fueron realizadas al hilo de las recientes elecciones a la alcaldía de Nueva York, y atribuía la victoria del candidato demócrata al apoyo que había logrado en barrios gentrificados. Los titulados universitarios, molestos por su descenso social, habían optado por refugiarse en propuestas socialistas. Esos profesionales con salarios a la baja, que estaban perdiendo estatus por la sobreproducción de graduados, y que se habían criado con las expectativas de mantenerse en la clase media, estaban descubriendo que su vida iba a ser mucho más dura. El coste de los bienes esenciales (vivienda, sanidad, educación, alimentación, energía) estaba consiguiendo que salarios aparentemente buenos dieran para poco más que para llegar a fin de mes. Estaban enfadados, y eso les echó en brazos del populista Mamdani.

Se sienten defraudados por las promesas rotas, pero también por la ausencia de caminos alternativos para mantener su nivel de vida

La fuerza laboral intelectual es un segmento de creciente importancia política, en especial en las grandes ciudades, porque se trata de personas que se sienten defraudadas después de haber hecho lo que estimaban correcto. Ya que la opción de futuro era la cualificación universitaria y el mejor seguro para la vida laboral era contar con un buen título, se habían aplicado para contar con las credenciales necesarias. Sin embargo, la devaluación de la formación, que adquiere ya una proporción notable, está creando bolsas de descontento social. Por las promesas rotas, pero también por la ausencia de caminos alternativos para mantenerse dentro de un nivel de vida aceptable. La división del trabajo entre los servicios manuales, en general mal pagados, y los intelectuales, cada vez peor retribuidos, arroja a buena parte de la población hacia una precariedad poco deseable. 

En general, la cualificación universitaria continúa ofreciendo réditos, pero cada vez a menos personas. Esta es una época en que son las rentas las que garantizan un nivel de vida seguro, y no la formación. Con un añadido: los trabajos mejor retribuidos suelen ir a parar a los hijos de las élites, justo aquellos que también cuentan con las rentas, por lo que no quedan muchas puertas abiertas para que las clases trabajadoras y medias asciendan en la escala social, pero tampoco para que tengan una vida mínimamente holgada.

La devaluación del trabajo

Estas clases sociales le parecen prescindibles a Karp. Mamdani consiguió apoyos entre ellas, pero lo votaron muchas otras personas. Sin embargo, el directivo de Palantir pone el acento en un tipo particular, el de los profesionales cualificados, porque lo considera un problema. No solo por sus preferencias políticas, sino porque son una clase sobrante en todos los sentidos.

Palantir acaba de poner en marcha una iniciativa para contratar a graduados del bachillerato. El programa Meritocracia ha ofrecido a 22 jóvenes la oportunidad de formarse en su empresa durante cuatro meses, con seminarios que incluyen lecciones de historia y trabajos prácticos en la compañía, y ser contratados después. Unos evitan el paso por la universidad, con el coste asociado, y la firma se asegura mano de obra moldeada conforme a sus requisitos y motivada. ¿De qué sirve la universidad más que para elevar el coste de entrada?

La IA volverá inútil el conocimiento de muchos profesionales. Se podrá acceder a él gracias a los instrumentos que Palantir proporciona

En cierta manera, ese desprecio por la titulación y por la experiencia ha penetrado ya en el sector empresarial. Muchos profesionales de mediana edad no han logrado alcanzar los puestos directivos, pero cuentan con los años de trabajo suficientes como para que sus salarios sean elevados. La formación es un problema para empleos que ya se pueden realizar por jóvenes recién titulados asistidos por la IA.

Las firmas contemporáneas buscan aumentar la productividad, y la manera más rápida es despedir personas, en especial si pueden ser sustituidas por mano de obra con salarios más baratos. Por eso, cuando necesitan cubrir vacantes, contratan personas con conocimientos básicos.

Ni siquiera es preciso que se despliegue todo el potencial de la IA para que las empresas se readapten: los despidos ya han comenzado

Esta es otra de las convicciones que los tecnólogos como Karp exhiben como necesarias para esta época: la IA volverá inútil el conocimiento de muchos profesionales, que será accesible mediante los instrumentos que proporcionan empresas como Palantir. Finalmente, el recién llegado con la IA podrá hacer el mismo trabajo que personas con cualificación y experiencia, con lo que ese espacio intermedio de expertos será mucho menos funcional.

De hecho, ni siquiera es preciso que se despliegue todo el potencial de la IA para que las empresas empiecen su readaptación. Los despidos ya han comenzado. Las empresas estadounidenses han prescindido de un millón de puestos en este año.

La lucha por el Estado

Lo que hace Karp no es más que poner encima de la mesa una tendencia que los tecnólogos ya han manifestado como prioritaria: la clase experta carece de validez en la época de la IA, y serán los ingenieros y los algoritmos quienes se conviertan en el centro de las nuevas soluciones. Muchas profesiones carecen de sentido.

También hay un aspecto subterráneo de lucha por los recursos. Esta semana, tras una discusión sobre la valoración real de Palantir, a raíz de la apuesta en corto contra su empresa (y Nvidia) de Michael Burry, el gestor de fondos de cobertura que se hizo popular gracias a The big short, Karp criticó vivamente a la "la clase intelectual" por no comprender el potencial de Palantir. Desde su perspectiva, quienes se mostraban escépticos respecto de su firma estaban poseídos por una "confusión delirante y autodestructiva". Karp insistía en que los analistas no tienen ni idea de cómo valorarla.

Los graduados de la Ivy League influían en la vida de Washington D.C. Este es el momento de que se aparten y dejen espacio a los tecnólogos

La pelea va más allá de Palantir, y tiene que ver con la lucha por el Estado. Karp ha publicado recientemente un libro, The technological republic, en el que describe su visión sobre EEUU, el papel que debe jugar la tecnología en el presente, y especialmente el papel que debe jugar a la hora defender de los valores occidentales. Según Karp, EEUU siempre ha sido una república tecnológica, basada en la innovación. Tiene que haber una colaboración estrecha entre la industria tecnológica y el gobierno en una era de avances guiados por la IA: "La combinación de la tecnología y los objetivos propios de una nación será lo que defienda nuestro bienestar y asegure la legitimidad del proyecto democrático".

Hasta ahora, los graduados de la Ivy League, las élites expertas estadounidenses, eran las que influían en la vida de Washington D.C. Este es el momento de que se aparten y dejen espacio a los tecnólogos: serán las soluciones guiadas por algoritmos las que conseguirán hacer Estados con una gestión más eficiente, las que conseguirán entornos más seguros y las que proporcionen las armas más eficaces para una posible guerra. Desde que Donald Trump regresó a la Casa Blanca, Palantir ha obtenido numerosos contratos en sectores como la defensa o el control migratorio, pero también ha entrado en la administración británica. El trabajo de Palantir para gobiernos representa más de la mitad de sus ingresos.

Esa lucha entre élites, la de los expertos y los tecnólogos, la de las capas formadas de la era global y la de quienes vienen a sustituirlas, contiene buena parte de la política contemporánea. Con todas sus derivadas en el empleo, especialmente el industrial y el intelectual, que afectan negativamente a las clases medias y que cortan la posibilidad de ascenso de las trabajadoras."

(Esteban Hernández, ·El Confidencial, 08/11/25) 

Hay una crisis de estudiantes haciendo trampa con la Inteligencia Artificial. Las universidades deben cambiar... Si los métodos de trabajo preferidos del alumno reducen el esfuerzo mental, tenemos que reintroducir ese esfuerzo de alguna manera... Los ensayos escritos en clase y los exámenes en viva voz convivirán con innovaciones modernas como el aprendizaje activo y la evaluación auténtica... se están recuperando una serie de viejas prácticas para evaluar el aprendizaje de los alumnos. Los profesores pueden entablar una conversación con los alumnos, mediante el diálogo socrático o simples preguntas y respuestas. Pueden hablar con los alumnos directamente o hacer que se planteen preguntas unos a otros... Los profesores pueden pedir a los alumnos que acudan a consultas presenciales, tener interacciones similares no guionizadas o pedirles que realicen tareas que solo pueden llevar a cabo si han aprendido el material de clase (lo que se denomina evaluación auténtica). Podemos pedir a los alumnos que escriban algo en clase una semana y que lo revisen en clase la siguiente... Pero la vuelta a un estilo más conversacional y extemporáneo hará que la educación superior sea más interpersonal, más improvisada y más idiosincrásica, lo que hará regresar el sentido de comunidad a nuestras instituciones (Clay Shirky, vicerrector de la Universidad de Nueva York)

 "Recuerdo el momento en el que supe que mi enfoque del uso de los estudiantes de la inteligencia artificial no estaba funcionando.

El otoño pasado, al inicio de una reunión en el campus de Abu Dabi de la Universidad de Nueva York, un profesor de filosofía, con los brazos cruzados, me dijo que había intentado una de las estrategias que mi oficina había sugerido —hablar con sus alumnos sobre las formas en que la IA podría interferir en su aprendizaje— y que no había funcionado. Sus alumnos lo habían escuchado con amabilidad, y, de todos modos, varios de ellos habían usado la IA para escribir sus trabajos. En particular, quería que supiera que “incluso los alumnos buenos”, los que venían a clase con ganas de hablar de las lecturas, utilizaban la IA para evitar las tareas hechas fuera de la clase.

Este era un tema que oía una y otra vez, en voz de profesores de distintas disciplinas al final del semestre, incluso algunos de los estudiantes a quienes evidentemente les interesaba la clase y a quienes parecían gustarles las lecciones ya no hacían el esfuerzo complejo de tratar de descifrar qué querían decir. Nuestra estrategia sobre el uso de la IA había asumido que fomentar los usos de la IA que requieren participación activa —esto es, que los alumnos podían utilizar softwares como ChatGPT para ganar práctica para desafiarse a sí mismos, explorar nuevas ideas o pedir comentarios— persuadiría a los alumnos a renunciar a los usos perezosos de esas herramientas. No fue así.

No solo debemos rediseñar las tareas para evitar el uso negligente de la IA. (Lo hemos intentado). Si les pides a los alumnos que usen la IA y también les pides que critiquen lo que esta produce, pueden hacer la crítica con IA. Si les das tutores con IA entrenados solo para orientarlos, pueden seguir utilizando herramientas que solo dan las respuestas. Y los detectores del uso de estas herramientas son demasiado propensos a falsas acusaciones de trampas y demasiado deficientes a la hora de detectar resultados ligeramente editados como para que los profesores confíen en ellos.

El aprendizaje es un cambio en la memoria a largo plazo; ese es el correlato biológico de lo que hacemos en el salón de clases. Ahora que la mayor parte del esfuerzo mental vinculado a la escritura es opcional, necesitamos nuevas formas de exigir el esfuerzo necesario para el aprendizaje. Eso significa superar las tareas y ensayos hechos en casa y pasar a pedirles que escriban ensayos en la clase, optar por exámenes orales, implementar horas de consulta obligatorias y otras evaluaciones que exijan a los alumnos demostrar sus conocimientos en tiempo real. El cambio ya se está produciendo: The Wall Street Journal informó del aumento de ventas, durante el curso escolar pasado, de los cuadernos que se usan en Estados Unidos para escribir ensayos en clase.

Tanto los estudiantes como los profesores parecen escépticos ante estos cambios. Una profesora que conozco describió su nueva dependencia del trabajo en clase como “enseñar en la secundaria”. Pero estas estrategias no son una pérdida de rigor. Son simplemente un regreso a un modelo más antiguo y relacional de educación superior.

Hablar, escuchar y leer han formado parte de la cultura académica desde sus orígenes, pero las tareas escritas —los clásicos ensayos de cinco párrafos, el trabajo de investigación, ensayos críticos de lecturas— no. En las primeras universidades, que surgieron en un puñado de ciudades europeas hace unos mil años, los libros eran escasos, no existían los tipos móviles y la educación se organizaba en torno a las lecciones orales y el examen.

Las palabras “lección” y “lector” derivan del verbo en latín “lego”, que de manera usual significa “leer”. En la universidad medieval, las conferencias consistían en que los profesores leían un libro a los alumnos, a veces el único ejemplar que tenía la institución. A veces los profesores añadían sus comentarios a la lectura; otras, no. Algunos alumnos debían escribir lo que oían, otros simplemente tenían que escuchar. A veces, la escritura se desalentaba. En 1355, la Facultad de Letras de la Universidad de París prohibió a los maestros dar clase a una velocidad parsimoniosa, que podría permitir a los alumnos transcribir sus palabras.

Todavía se pueden ver vestigios de esa antigua cultura académica en los programas de doctorado, en los que los estudiantes tienen que aprobar exámenes orales y defender su tesis en viva voce (“con la voz viva”) en conversación con sus examinadores. Cambridge y Oxford, inspiración de la mayoría de las primeras universidades estadounidenses, no adoptaron de forma significativa los exámenes escritos hasta los siglos XVIII y XIX, medio milenio después de su fundación. El cambio hacia el trabajo original y escrito de los estudiantes se debió en parte a las asignaturas en áreas cada vez más técnicas y en parte al hecho de que el trabajo escrito facilitaba la enseñanza a más estudiantes.

Incluso en Estados Unidos, nuestras primeras universidades seguían la tradición de los exámenes orales. El énfasis en que los estudiantes escribieran textos no se extendió hasta que empezamos a imitar a las universidades de investigación alemanas en la década de 1870. Freshman comp, la clase de redacción introductoria estándar en Estados Unidos, pasó a esperar de los estudiantes textos más singulares y expresivos después de la Segunda Guerra Mundial.

Todo ello equivale a decir que nuestras prácticas actuales en torno a la escritura de los alumnos no forman parte de una tradición antigua. Qué tareas son escritas y cuáles deben ser orales es algo que ha cambiado a lo largo de los años. Está cambiando de nuevo, esta vez comienza a alejarse de la escritura original del alumno hecha fuera de la clase y se acerca a algo más interactivo entre el alumno y el profesor o, al menos, entre el alumno y el asistente de estudio.

Aunque el regreso del ensayo escrito en clase es una señal de este cambio, se están recuperando una serie de viejas prácticas para evaluar el aprendizaje de los alumnos. Los profesores pueden entablar una conversación con los alumnos, mediante el diálogo socrático o simples preguntas y respuestas. Pueden hablar con los alumnos directamente o hacer que se planteen preguntas unos a otros. Esto puede requerir aulas sin dispositivos, ya que muchos profesores también han informado de que los alumnos utilizan ChatGPT en la propia clase para confeccionar respuestas a las preguntas planteadas en el aula.

Los profesores pueden pedir a los alumnos que acudan a consultas presenciales, tener interacciones similares no guionizadas o pedirles que realicen tareas que solo pueden llevar a cabo si han aprendido el material de clase (lo que se denomina evaluación auténtica). Podemos pedir a los alumnos que escriban algo en clase una semana y que lo revisen en clase la siguiente. También existen herramientas para supervisar a distancia o bloquear los navegadores para impedir que los alumnos utilicen la IA mientras trabajan, aunque no estén en clase. Algunas escuelas están construyendo aulas sin internet para hacer los exámenes. El objetivo es que los alumnos demuestren lo que han interiorizado de su trabajo.

Existe el problema de la escala. La conversación en el aula, en el caso de algunas clases magistrales con cientos de alumnos, está destinada al fracaso. Puede que tengamos que hacer más evaluaciones en secciones dirigidas por ayudantes de cátedra u organizar sesiones de escritura en persona. Ya se están publicando estudios sobre exámenes orales a gran escala.

He hablado con cientos de profesores de la Universidad de Nueva York a lo largo de los años, y a pocos les gusta esto. Parte de este malestar no es más que el fastidio que sentiría cualquiera cuando su rutina de trabajo cambia: replantearse las tareas y reelaborar los planes de estudio, además de una reestructuración considerable del tiempo de clase. Pero lo más importante es que este cambio al modelo del rendimiento extemporáneo y oral significa perder la capacidad de dar objetivos medianamente complejos a los alumnos con los que tengan que esforzarse ellos solos. La evaluación cronometrada puede beneficiar a quienes saben pensar con rapidez, pero no a quienes saben pensar con profundidad. Lo que podríamos llamar las alternativas medievales son reacciones a la aparición abrupta de la IA, un intento de insistir en que los alumnos hagan el trabajo, no solo que hagan la pantomima de hacerlo.

Los alumnos me dicen que tampoco les gustan las nuevas formas de evaluación. En parte, se trata solo del fastidio que sentiría cualquiera al que le quitan una herramienta que le ahorra trabajo. Pero algunos alumnos pueden tener dificultades con los aspectos prácticos de este nuevo sistema. Esta es una generación que nunca aprendió a escribir en cursiva; crecieron tecleando. Para muchos de ellos, escribir ensayos con tiempo límite no es el regreso a un hábito familiar, sino una modalidad nueva y desconocida. Algunos ya dependen tanto de la IA que trabajar sin ella los desorienta, incluso les molesta. La cohorte de estudiantes que entran en la universidad este otoño habrá tenido acceso a la IA generativa durante la mayor parte de sus años en la escuela. Un colega de otra universidad informó recientemente de que un alumno dijo, sobre la vuelta a los exámenes en clase y el acceso limitado a los dispositivos: “Es como si quisieran que fracasáramos”.

Nosotros, por supuesto, no queremos que nuestros alumnos fracasen, pero tampoco queremos que no aprendan. Un estudiante que corta y pega un trabajo de historia está inscrito en una clase de cortar y pegar, no en una clase de historia. Si los métodos de trabajo preferidos del alumno reducen el esfuerzo mental, tenemos que reintroducir ese esfuerzo de alguna manera.

El martes se cumplieron 1000 días desde el lanzamiento de ChatGPT. En tan poco tiempo, ya está claro que la llegada de un software que puede generar cantidades ilimitadas de texto medianamente aceptable devaluará muchos tipos de escritura. Seguirá existiendo un mercado para la calidad, igual que sigue existiendo un mercado para las películas, aunque exista TikTok, pero la producción de la escritura común y corriente requiere ahora mucha menos habilidad. A medida que la escritura en el mundo empresarial se automatice, la escritura universitaria volverá a su estado histórico, con más énfasis en que los estudiantes escriban para memorizar cosas, en lugar de para crear un artefacto escrito.

Con el tiempo, sin embargo, nos vamos a adaptar. (La adaptación incremental constante es la forma en que funcionan las escuelas de formación profesional y universidades). A pesar de las afirmaciones tan frecuentes de que la universidad está condenada al fracaso porque ahora los estudiantes pueden educarse a través de cursos gratuitos en línea, la televisión, la radio o la imprenta, esas revoluciones nunca nos abolieron. En contra de la opinión generalizada, la universidad no se dedica a la transferencia de información, sino a la formación de la identidad. Nuestro giro medieval no será una reversión total. Los ensayos escritos en clase y los exámenes en viva voz convivirán con innovaciones modernas como el aprendizaje activo y la evaluación auténtica. Pero la vuelta a un estilo más conversacional y extemporáneo hará que la educación superior sea más interpersonal, más improvisada y más idiosincrásica, lo que regresará el sentido de comunidad a nuestras instituciones." 

(Clay Shirky, vicerrector de la Universidad de Nueva York, The New York Times, 27/08/25)

Las universidades chinas quieren que los estudiantes utilicen más Inteligencia Artificial, no menos... solo el 1 % del profesorado y el alumnado universitario en China afirma no haber utilizado nunca herramientas de IA en sus estudios o en su trabajo... Mientras que muchos educadores occidentales ven la IA como una amenaza que deben gestionar, en las aulas chinas se considera una habilidad que hay que dominar... Liu Bingyu recomienda a los estudiantes que utilicen la IA generativa para escribir reseñas literarias, redactar resúmenes, generar gráficos y organizar ideas... En la Universidad de Zhejiang, una clase introductoria a la IA será obligatoria para los estudiantes universitarios a partir de 2024... muchas universidades chinas han comenzado a implementar versiones locales de DeepSeek en los servidores de sus campus para ayudar a los estudiantes. Muchas universidades de prestigio han implementado sus propias versiones de Deepseek alojadas localmente (Caiwei Chen, MIT)

 "Hace solo dos años, a Lorraine He, ahora una estudiante de Derecho de 24 años,  le dijeron que evitara utilizar la IA para sus trabajos. En aquel momento, para eludir el bloqueo nacional de ChatGPT, los estudiantes tenían que comprar una versión de un sitio espejo en un mercado de segunda mano. Su uso era habitual, pero, en el mejor de los casos, se toleraba y, a menudo, se veía con malos ojos. Ahora, sus profesores ya no advierten a los estudiantes sobre el uso de la IA. Al contrario, les animan a utilizarla, siempre y cuando sigan las buenas prácticas.

No es la única. Al igual que en Occidente, las universidades chinas están viviendo una revolución silenciosa. Según una encuesta reciente del Mycos Institute, un grupo de investigación sobre educación superior en China, el uso de la IA generativa en los campus se ha generalizado casi por completo. La misma encuesta revela que solo el 1 % del profesorado y el alumnado universitario en China afirma no haber utilizado nunca herramientas de IA en sus estudios o en su trabajo. Casi el 60 % afirmó utilizarlas con frecuencia, ya sea varias veces al día o varias veces a la semana.

Sin embargo, hay una diferencia crucial. Mientras que muchos educadores occidentales ven la IA como una amenaza que deben gestionar, en las aulas chinas se considera una habilidad que hay que dominar. De hecho, a medida que el modelo DeepSeek, desarrollado en China, gana popularidad en todo el mundo, la gente lo ve cada vez más como un motivo de orgullo nacional. El debate en las universidades chinas ha pasado gradualmente de preocuparse por las implicaciones para la integridad académica a fomentar la alfabetización, la productividad y la vanguardia tecnológica.

La brecha cultural es aún más evidente en la opinión pública. Un informe sobre las actitudes globales hacia la IA elaborado por el Instituto para la Inteligencia Artificial Centrada en el Ser Humano (HAI) de la Universidad de Stanford reveló que China lidera el mundo en entusiasmo. Alrededor del 80 % de los encuestados chinos afirmaron estar «entusiasmados» con los nuevos servicios de IA, en comparación con solo el 35 % en Estados Unidos y el 38 % en el Reino Unido.

«Esta actitud no es sorprendente», afirma Fang Kecheng, profesor de comunicaciones en la Universidad China de Hong Kong. «En China existe una larga tradición de creer en la tecnología como motor del progreso nacional, que se remonta a la década de 1980, cuando Deng Xiaoping ya afirmaba que la ciencia y la tecnología eran las principales fuerzas productivas».

De tabú a herramienta

Liu Bingyu, una de las profesoras de He en la Universidad de Ciencias Políticas y Derecho de China, afirma que la IA puede actuar como «instructora, compañera de brainstorming, secretaria y abogada del diablo». Este año, tras el impulso de la universidad para un uso «responsable y seguro» de la IA, añadió una sesión completa sobre directrices para la IA a su ciclo de conferencias.

Liu recomienda a los estudiantes que utilicen la IA generativa para escribir reseñas literarias, redactar resúmenes, generar gráficos y organizar ideas. Ha creado diapositivas en las que se muestran ejemplos detallados de buenas y malas indicaciones, junto con un principio básico: la IA no puede sustituir al juicio humano. «Solo una información de alta calidad y unas indicaciones inteligentes pueden dar buenos resultados», afirma.

«La capacidad de interactuar con las máquinas es una de las habilidades más importantes en el mundo actual», dijo Liu a sus alumnos. «Y en lugar de que los estudiantes lo hagan en privado, deberíamos hablar de ello abiertamente».

Esto refleja una tendencia creciente en todo el país. MIT Technology Review revisó las estrategias de IA de 46 de las principales universidades chinas y descubrió que casi todas ellas han añadido clases interdisciplinarias de educación general sobre IA, programas de grado relacionados con la IA y módulos de alfabetización en IA durante el último año. Tsinghua, por ejemplo, está creando una nueva facultad de educación general para formar a los estudiantes en IA junto con otra disciplina tradicional, como biología, salud, ciencias o humanidades.

Importantes instituciones como las universidades de Remin, Nanjing y Fudan han puesto en marcha cursos y programas de grado de acceso general sobre IA, abiertos a todos los estudiantes, y no reservados a los estudiantes de informática, como las clases tradicionales de aprendizaje automático. En la Universidad de Zhejiang, una clase introductoria a la IA será obligatoria para los estudiantes universitarios a partir de 2024.

Lin Shangxin, rector de la Universidad Renmin de China, declaró recientemente a los medios locales que la IA era una «oportunidad sin precedentes» para las humanidades y las ciencias sociales. «En lugar de un reto, creo que la IA potenciará los estudios de humanidades», afirmó Lin a The Paper.

La acción colectiva se hace eco de una iniciativa del Gobierno central. En abril de 2025, el Ministerio de Educación publicó unas nuevas directrices nacionales en las que se pedían reformas radicales de la «educación con IA», con el objetivo de fomentar el pensamiento crítico, la fluidez digital y las habilidades para la vida real en todos los niveles educativos. A principios de este año, el Gobierno municipal de Pekín (China) impuso la educación en IA en todas las escuelas de la ciudad, desde las universidades hasta la enseñanza primaria y secundaria.

Fang cree que una educación más formal en materia de IA ayudará a salvar la brecha emergente entre los estudiantes. «Existe una gran brecha en materia de alfabetización digital», afirma. «Algunos estudiantes dominan las herramientas de IA, mientras que otros están perdidos».

Creación de la universidad de IA

Ante la ausencia de herramientas occidentales como ChatGPT y Claude, muchas universidades chinas han comenzado a implementar versiones locales de DeepSeek en los servidores de sus campus para ayudar a los estudiantes. Muchas universidades de prestigio han implementado sus propias versiones de Deepseek alojadas localmente. Estos sistemas de IA específicos para cada campus, a menudo denominados «versión completa» de Deepseek, ofrecen ventanas de contexto más largas, rondas de diálogo ilimitadas y una funcionalidad más amplia que las versiones gratuitas disponibles al público.

Esto refleja una tendencia más amplia en Occidente, donde empresas como OpenAI y Anthropic están implantando niveles de educación en todo el campus: OpenAI ha ofrecido recientemente ChatGPT Plus de forma gratuita a todos los estudiantes universitarios de Estados Unidos y Canadá, mientras que Anthropic ha lanzado Claude for Education con socios como Northeastern y LSE. Sin embargo, en China, la iniciativa suele estar liderada por las universidades y no por las propias empresas.

El objetivo, según la Universidad de Zhejiang, es ofrecer a los estudiantes acceso completo a las herramientas de IA para que puedan mantenerse al día con la tecnología en rápida evolución. Los estudiantes pueden utilizar su identificación para acceder a los modelos de forma gratuita.

Yanyan Li y Meifang Zhuo, dos investigadoras de la Universidad de Warwick que han estudiado el uso de la IA por parte de los estudiantes en universidades del Reino Unido, creen que la educación en materia de IA se ha convertido en un factor crucial para el éxito de los estudiantes.

Junto con su colega Gunisha Aggarwal, llevaron a cabo grupos de discusión con estudiantes universitarios de diferentes orígenes y niveles para averiguar cómo se utiliza la IA en los estudios académicos. Descubrieron que los conocimientos de los estudiantes sobre cómo utilizar la IA provienen principalmente de la exploración personal. «Aunque la mayoría de los estudiantes entienden que los resultados de la IA no siempre son fiables, observamos mucha ansiedad sobre cómo utilizarla correctamente», afirma Li.

«El objetivo no debe ser impedir que los estudiantes utilicen la IA, sino guiarlos para que la aprovechen para un aprendizaje eficaz y un pensamiento de orden superior», afirma Zhuo.

Esa lección se ha aprendido poco a poco. Un estudiante de la Universidad Normal de China Central, en Wuhan, declaró a MIT Technology Review que, hace solo un año, la mayoría de sus compañeros pagaban por sitios web espejo de ChatGPT, utilizando VPN o mercados online semilegales para acceder a los modelos occidentales. «Ahora, todo el mundo utiliza DeepSeek y Doubao», afirmó. «Es más barato, funciona en chino y ya nadie se preocupa por que le marquen».

Aun así, a pesar del mayor apoyo institucional, muchos estudiantes se sienten preocupados por si están utilizando la IA correctamente o de forma ética. El uso de herramientas de detección de IA ha creado una economía sumergida informal, en la que los estudiantes pagan cientos de yuanes a autónomos que prometen que sus trabajos serán «a prueba de detección de IA», según un informe de Rest of World. Tres estudiantes declararon a MIT Technology Review que este entorno ha generado confusión, estrés y mayor ansiedad. En general, afirmaron que agradecen que sus profesores ofrezcan políticas claras y consejos prácticos, y no solo advertencias.

El estudiante de Derecho en Pekín (China), se ha unido recientemente a un grupo de desarrollo profesional para aprender más habilidades relacionadas con la IA y prepararse para el mercado laboral. Para muchos como él, comprender cómo utilizar mejor la IA no es solo un truco para estudiar, sino una habilidad necesaria en el frágil mercado laboral chino. Según un informe del medio de comunicación chino YiCai, el 80 % de las ofertas de empleo disponibles para recién graduados en 2025 incluían como requisito adicional conocimientos relacionados con la IA. En una economía en desaceleración y un mercado laboral competitivo, muchos estudiantes ven la IA como un salvavidas.

«Tenemos que replantearnos qué se considera «obra original» en la era de la IA», afirma Zhuo, «y las universidades son un lugar fundamental para ese debate»."

( Caiwei Chen , MIT, 13/08/25)