Jordi Benítez ha publicado un articulo en El Debate sobre Nvidia, «El imparable éxito de Nvidia, la empresa tecnológica que vale más en bolsa que cualquier país, excepto EE.UU. y China«, en el que cita varias de las opiniones que le envié. La historia de Nvidia es una de esas que suelen contarse mal porque resulta demasiado tentador reducirla a una caricatura: una empresa de tarjetas gráficas para videojuegos que, de repente, se encontró sentada sobre la mina de oro de la inteligencia artificial. Pero esa lectura es profundamente equivocada. Nvidia no se limitó simplemente a estar en el lugar adecuado en el momento preciso, como escribí en mayo de 2023: llevaba muchos años construyendo ese lugar.

El verdadero acierto de Jensen Huang no fue prever ChatGPT, ni anticipar con precisión el boom de la inteligencia artificial generativa. Nadie lo hizo. Su acierto fue mucho más interesante: apostar durante décadas por una arquitectura de computación paralela que parecía una rareza, una excentricidad propia de gráficos, simulación, videojuegos o supercomputación, y convertirla en una plataforma. CUDA, presentada en 2006 como una arquitectura para utilizar GPUs en computación de propósito general, fue durante años una apuesta incomprendida. Hoy es el foso competitivo más importante de Nvidia: no solo un software, sino una acumulación de librerías, herramientas, documentación, ingenieros formados, código heredado, hábitos y costes de cambio.

Cuando AlexNet ganó ImageNet en 2012 utilizando GPUs, quedó claro que el aprendizaje profundo necesitaba precisamente aquello que Nvidia llevaba años desarrollando: capacidad masiva de cálculo paralelo. Desde entonces, la empresa no ha vendido simplemente chips: ha vendido una forma de trabajar. Por eso AMD puede tener productos competitivos, Intel puede intentarlo una y otra vez, Google puede presumir de sus TPU como Ironwood, Amazon de Trainium e Inferentia, Microsoft de Maia, o incluso OpenAI puede explorar sus propios chips con TSMC. Pero competir con Nvidia no es simplemente fabricar un acelerador: es convencer a toda una industria de que abandone una plataforma que funciona.

Ese es el punto que muchos análisis financieros pasan por alto. Nvidia no es valiosa solo porque sus chips sean muy buenos, sino porque se ha convertido en la capa de infraestructura sobre la que se está construyendo una parte creciente de la economía digital. En febrero de 2024, cuando superó los dos billones de dólares de capitalización, la pregunta era si aquello tenía sentido o era una exageración. En junio de 2024, la cuestión era si aún había recorrido. Hoy, tras unos resultados en los que la compañía declaró ingresos trimestrales récord de 81,600 millones de dólares, un 85% más interanual, y 75,200 millones procedentes de data center, un 92% más, según su propia nota de resultados del primer trimestre fiscal de 2027, la respuesta parece evidente: lo que parecía una anomalía era, en realidad, una reconfiguración de la industria.

Lo interesante, sin embargo, no es solo que Nvidia haya crecido. Lo interesante es lo que su crecimiento revela. Como escribí en julio de 2024, Nvidia no es la causa del cambio de era, sino una de sus consecuencias más visibles. Durante décadas, la computación estuvo dominada por la lógica de la CPU: propósito general, secuencialidad, eficiencia incremental, Ley de Moore. La inteligencia artificial ha cambiado el centro de gravedad hacia otro tipo de máquina: paralela, especializada, distribuida, hambrienta de datos y de energía. En ese mundo, Nvidia representa mucho más que una empresa exitosa: representa el paso de una industria centrada en el ordenador a otra centrada en la infraestructura de aprendizaje.

Ese cambio explica también el carácter simbólico del relevo con Intel, que comenté en noviembre de 2024: Intel fue la compañía que definió la era del PC. Nvidia define, por ahora, la era de la inteligencia artificial. Es la compañía que vende los picos y los tamices en esta fiebre del oro que es la inteligencia artificial. Intel vendía el cerebro del ordenador personal, Nvidia vende las herramientas y las fábricas de inteligencia artificial. La diferencia no es menor. Una fábrica de inteligencia artificial no es un data center convencional con más potencia: es una nueva unidad productiva, una instalación industrial capaz de transformar datos, energía y modelos en capacidades cognitivas automatizadas.

Pero precisamente ahí empiezan los problemas. Nvidia es extraordinaria, sí, pero no invulnerable. Su primera vulnerabilidad es la dependencia de TSMC y, por tanto, de Taiwán. La industria mundial de la IA se ha construido sobre una cadena de suministro con cuellos de botella geopolíticos muy evidentes. La segunda es China. En abril de 2025, Nvidia comunicó a la SEC que el gobierno estadounidense exigía licencia para exportar sus chips H20 a China, Hong Kong y Macao, lo que convirtió una decisión geopolítica en una restricción directa sobre ingresos, inventario y márgenes. La tercera vulnerabilidad es quizá la más interesante: sus mejores clientes tienen incentivos muy fuertes para dejar de depender tanto de ella.

Microsoft, Google, Amazon, Meta y otros hyperscalers no quieren necesariamente matar a Nvidia. Quieren tener alternativas. Quieren reducir costes, negociar mejor, controlar sus cargas de trabajo y evitar que toda su estrategia de IA dependa de los márgenes de un proveedor externo. Eso no significa que vayan a sustituir a Nvidia mañana, pero sí que el mercado tenderá a fragmentarse. Entrenar grandes modelos fundacionales seguirá siendo un terreno natural para Nvidia, pero la inferencia, el edge, los modelos especializados, la robótica, los agentes, los world models y los dispositivos locales abrirán espacios para arquitecturas distintas.

Nvidia lo sabe perfectamente. Por eso no se comporta como una empresa de chips, sino como una empresa de plataformas. Project Digits, que comenté en enero de 2025, no era simplemente un producto curioso para poner inteligencia artificial potente sobre una mesa: era una señal estratégica. Nvidia quiere estar en el data center, en el escritorio, en el edge, en el coche, en el robot, en la fábrica y en la nube. Quiere que la inteligencia artificial se ejecute sobre su pila tecnológica allí donde se produzca. Esa ambición es exactamente la que explica su valoración, pero también la que aumenta las expectativas hasta niveles peligrosos.

¿Puede seguir subiendo en bolsa? Sí. ¿Puede hacerlo indefinidamente por pura narrativa? No. Esa etapa probablemente ha terminado. Nvidia no es una burbuja en el sentido clásico: tiene ingresos reales, márgenes reales, demanda real y una posición competitiva formidable. Pero cotizar como infraestructura imprescindible del futuro implica no fallar. Implica que cada trimestre debe confirmar no solo crecimiento, sino dominio. Implica que cualquier señal de desaceleración, presión en márgenes, retraso en una generación de chips, tensión con China, cuello de botella en TSMC o éxito visible de chips alternativos puede tener un impacto desproporcionado.

La paradoja de Nvidia es que cuanto más imprescindible parece, más incentivos genera para que todos intenten depender menos de ella. Esa es la historia habitual de las grandes plataformas tecnológicas: primero se convierten en estándar, después en peaje, y finalmente en problema estratégico para sus clientes. Microsoft lo fue en el PC, Google en la web, Apple y Google en el móvil, Amazon en la nube y Nvidia lo es ahora en la inteligencia artificial. La diferencia es que Nvidia opera en una capa todavía más material: no en el interfaz, sino en el silicio, la energía, la refrigeración, el suministro, la geopolítica y la capacidad física de fabricar futuro.

Por eso la pregunta relevante no es si Nvidia tuvo suerte. Claro que tuvo suerte: toda gran empresa necesita que el mundo termine moviéndose en la dirección que favorece sus apuestas. La pregunta interesante es por qué fue Nvidia, y no otra, la que estaba preparada cuando esa suerte llegó. Y la respuesta es incómoda para quienes creen que la estrategia consiste en optimizar el trimestre siguiente: Nvidia acertó porque sostuvo durante años una visión que parecía prematura, cara y discutible.

El futuro de Nvidia dependerá de si consigue convertir su actual dominio en una posición todavía más amplia, menos dependiente de un único tipo de carga de trabajo y menos vulnerable a sus propios clientes. Si lo logra, seguirá siendo una de las compañías que definen esta década. Si no, seguirá siendo enorme, pero dejará de parecer inevitable. Y en bolsa, pocas cosas son tan peligrosas como una empresa extraordinaria que ha sido valorada como si fuese inevitable.

Compraste un coche. Crees que es tuyo. Pero desde el momento en que arrancas el motor, ya sea de combustión o eléctrico, el coche empieza a trabajar para otros. Registra dónde vas, a qué velocidad, cómo frenas, si llevas el cinturón puesto, con quién hablas por teléfono, qué música escuchas, dónde aparcas.

Los modelos más modernos añaden además cámaras interiores capaces de analizar tu expresión facial, detectar si estás somnoliento o distraído, o identificarte biométricamente. La pregunta ya no es si tu coche recopila datos sobre ti: todos los coches conectados lo hacen. La pregunta es quién los recibe, qué hace con ellos, a quién los vende, y si en algún momento te pidieron realmente permiso para ello.

La Fundación Mozilla lleva años evaluando productos tecnológicos desde el punto de vista de la privacidad, y en 2023 publicó un análisis de 25 grandes marcas de automóviles que resultó demoledor: todas, sin excepción, recibieron su etiqueta de advertencia. Ninguna otra categoría de producto había suspendido nunca tan rotundamente. Ni los altavoces inteligentes, ni los wearables, ni las aplicaciones de citas, ya conocidas por su total opacidad en el manejo de datos personales. Los coches ganaron ese dudoso honor con claridad, y el informe detalla por qué: recopilan más datos de los necesarios, los comparten con terceros de forma casi sistemática, los retienen durante periodos prolongados y ofrecen a los usuarios un control real sobre todo esto que oscila entre lo mínimo y lo inexistente. Si quieres comprobar cómo está valorada específicamente tu marca, Mozilla mantiene actualizado el catálogo completo por fabricante.

El destino de esos datos es, en muchos casos, más perturbador que su propia recopilación. Durante años, General Motors vendió a través de su sistema OnStar datos precisos sobre el comportamiento de conducción de millones de clientes a intermediarios especializados que trabajan principalmente con el sector asegurador. Las compañías de seguros utilizaban después esa información para ajustar las primas, a veces al alza, de conductores que no tenían ni idea de que sus frenadas bruscas o sus aceleraciones nocturnas estaban siendo contabilizadas y vendidas. Por no variar, los propietarios habían dado su consentimiento, técnicamente, en algún párrafo enterrado en un contrato de servicio que nadie lee. GM suspendió el programa en 2024 tras la presión mediática, pero la Comisión Federal de Comercio estadounidense consideró que eso no era suficiente: a principios de 2026, la FTC prohibió formalmente a GM vender o compartir esos datos durante cinco años y le impuso obligaciones de transparencia que deberían haber sido evidentes desde el principio. TechCrunch señalaba, sin demasiado optimismo, que la prohibición es temporal y que el modelo de negocio que lo hizo posible sigue perfectamente intacto en el resto de la industria.

Esto es lo que convierte el asunto en algo más que una preocupación abstracta sobre privacidad: tiene consecuencias económicas directas y medibles. Si tu seguro sube sin que hayas tenido ningún accidente, si tu perfil de riesgo empeora sin que sepas por qué, puede que la explicación esté en el ordenador de a bordo de tu propio coche. El capitalismo de vigilancia, que durante años operó principalmente en el espacio de las redes sociales y el comercio electrónico, ha encontrado en el automóvil conectado un nuevo territorio enormemente rentable, porque combina datos de localización precisos, comportamiento físico, hábitos cotidianos y, en muchos casos, datos de salud derivados de sensores biométricos. Es una mina de información personal que el usuario no ve, no controla y raramente percibe.

El marco regulatorio europeo ofrece, al menos en teoría, más protecciones que el estadounidense. La GDPR establece que los datos de localización y comportamiento son datos personales y requieren base legal para su tratamiento. El Comité Europeo de Protección de Datos publicó en 2021 unas directrices específicas sobre vehículos conectados que deberían servir de referencia para los fabricantes que operan en Europa, estableciendo con claridad que el tratamiento de datos de conducción exige una base jurídica sólida y que el consentimiento obtenido a través de condiciones generales inaccesibles no cumple los estándares del reglamento.

El Data Act de 2023 añade además derechos de portabilidad: el usuario debería poder acceder a los datos que genera su propio vehículo y transferirlos a terceros de su elección. Pero entre el texto de los reglamentos y su aplicación efectiva hay una distancia considerable, y los fabricantes han demostrado ser muy creativos a la hora de diseñar mecanismos de consentimiento que cumplen al pie de la letra la ley, mientras la vacían de contenido real.

Lo que puedes hacer mientras tanto es limitado, pero no nulo. La mayoría de los coches conectados tienen configuraciones de privacidad que sus propietarios nunca han explorado: merece la pena buscarlas y activarlas. Privacy4Cars es una herramienta que permite consultar qué datos recopila específicamente tu modelo y gestionar, en la medida de lo posible, las opciones de exclusión disponibles. Cuando conectas el móvil al sistema de infoentretenimiento, ese dispositivo comparte con el coche información que puede incluir contactos, historial de llamadas y datos de aplicaciones: desconectarlo cuando no es necesario reduce la superficie de exposición. Y si estás pensando en comprar un coche nuevo, consultar primero el catálogo de Mozilla puede ahorrarte sorpresas desagradables.

El coche era, hasta hace relativamente poco, uno de los últimos espacios genuinamente privados. Podías tener una conversación sin que quedara registrada, desplazarte sin dejar un rastro digitalizado, existir durante una hora sin ser monetizado. Eso ya no existe, no porque alguien tomara una decisión explícita de eliminarlo, sino porque la misma lógica que convirtió las redes sociales en máquinas de extracción de datos se ha trasladado al transporte. El coche no ha cambiado en lo esencial: lo que ha cambiado es el modelo de negocio de quienes lo fabrican, y nuestra incapacidad colectiva de distinguir entre un producto que compramos y un servicio de vigilancia al que nos suscribimos sin saberlo.

This article is openly available in English on my Medium page via this link, «Fast and curious: why the car is no longer a private space»

Durante veinticinco años, Google nos entrenó para pensar en forma de palabras clave. Hoy empieza a entrenarnos para pensar en forma de encargos. Y eso va a tener muchas, muchísimas consecuencias.

La caja de búsqueda deja de ser una ranura donde introducir términos y se convierte en una interfaz expandible, multimodal, conversacional y, sobre todo, agéntica: texto, imágenes, vídeos, archivos, pestañas abiertas, contexto personal y preguntas sucesivas que ya no pretenden llevarnos necesariamente a una página, sino resolver algo dentro de Google. La compañía lo presenta como «la mayor actualización de la caja de búsqueda en más de 25 años«, basada en Gemini 3.5 Flash y desplegada allí donde AI Mode está disponible.

El cambio era inevitable. La búsqueda clásica llevaba años degradándose bajo el peso del SEO, la publicidad, las granjas de contenido, los comparadores sin valor añadido y una web cada vez más escrita para algoritmos en vez de para personas. En ese contexto, pedir a una inteligencia artificial que lea, contraste, sintetice y permita repreguntar es una mejora evidente. El usuario no quiere diez enlaces azules: quiere entender, decidir, comparar, monitorizar, comprar, reservar, programar, aprender o actuar. Google no está «añadiendo inteligencia artificial» a la búsqueda: está reconociendo que la búsqueda, tal como la conocíamos, ha dejado de ser suficiente.

Pero esa mejora tiene un precio enorme. Cuando Google afirma que sus agentes podrán operar 24/7, monitorizar blogs, noticias, redes sociales, finanzas, compras o deportes, y avisarnos cuando algo encaje con nuestros criterios, está redefiniendo su papel: ya no es el intermediario que distribuye atención hacia la web, sino el entorno donde esa atención se captura, se procesa y se monetiza. La web deja de ser destino y pasa a ser materia prima. Un usuario, en muchas ocasiones, no quiere una búsqueda puntual, sino un agente que le avise cuando surja algo relacionado con ella. Y eso, aunque nos pareciese que estaba rudimentariamente disponible, requiere una infraestructura completamente diferente.

Para Google, la jugada es defensiva y ofensiva a la vez. Defensiva, porque ChatGPT, Perplexity, Claude y otros le han demostrado que la interfaz de búsqueda podía ser desplazada por una conversación. Ofensiva, porque nadie tiene más distribución, más datos, más contexto, más infraestructura y más incentivos para convertir esa conversación en el nuevo sistema operativo de la información. Gemini 3.5 Flash no se presenta solo como un modelo más rápido, sino como uno diseñado para tareas largas, agentes, programación y flujos de trabajo complejos, disponible en AI Mode, Gemini, APIs y productos empresariales.

El problema es que el ecosistema que alimentó a Google durante dos décadas no fue diseñado para esto. Editores, medios, blogs, foros, creadores, bases de datos, páginas especializadas y expertos aceptaron el pacto implícito de la web: Google indexaba, ordenaba y enviaba tráfico; los productores de información recibían visitas, reputación, suscripciones, publicidad o clientes. Ese pacto se rompe cuando Google sintetiza la respuesta y reduce el incentivo para visitar la fuente. Un estudio de Pew Research mostró que, cuando aparece un resumen de inteligencia artificial, los usuarios hacen clic en resultados tradicionales en el 8% de las visitas, frente al 15% cuando no aparece, y solo en el 1% de los casos hacen clic en los enlaces del propio resumen.

Esto no es una anécdota: es una redistribución estructural del valor. El Reuters Institute estima que los editores esperan que el tráfico procedente de buscadores caiga un 43% en los próximos tres años, y cita datos de Chartbeat que muestran una caída global del 33% del tráfico orgánico de Google hacia más de 2,500 sitios entre noviembre de 2024 y noviembre de 2025. Axios, también con datos de Chartbeat, señala que los pequeños editores son los más vulnerables: los sitios con entre 1,000 y 10,000 páginas vistas diarias han visto caer el tráfico de búsqueda un 60% en dos años, frente al 22% de los grandes editores.

La consecuencia es clara: sobrevivirán mejor quienes tengan marca, comunidad, newsletters, aplicaciones, suscripción, eventos, reputación directa o una relación fuerte con sus lectores. Los demás, los que dependían de «estar bien posicionados», descubrirán que posicionarse ya no significa recibir tráfico. Significa ser absorbido por una respuesta, citado quizá, utilizado probablemente, remunerado raramente. Es el paso de la economía del clic a la economía de la extracción.

Y aquí aparece la gran cuestión política. Google no es una startup experimentando con una interfaz. Es una compañía declarada monopolista en búsqueda por un tribunal estadounidense, y las medidas correctoras del Departamento de Justicia ya incluyen límites a contratos exclusivos y obligaciones de compartir ciertos datos, además de extenderse explícitamente a Gemini y productos de inteligencia artificial generativa para evitar que las mismas tácticas se trasladen al nuevo mercado. Brookings lo plantea perfectamente: la política de competencia debe actualizarse para una era en la que la inteligencia artificial puede reforzar, no diluir, el poder acumulado por las plataformas dominantes.

En Europa, el conflicto será todavía más intenso. El European Publishers Council ya ha presentado una denuncia antimonopolio contra Google por AI Overviews y AI Mode, alegando uso de contenido periodístico sin autorización, sin mecanismos efectivos de exclusión y sin remuneración justa, además de una sustitución directa del contenido original dentro de la propia interfaz de búsqueda. La discusión no es simplemente copyright: es dependencia. Si un editor no puede impedir que su contenido sea usado por la inteligencia artificial sin desaparecer también del buscador, no estamos ante una relación comercial libre, sino ante una forma de coerción de mercado.

Socialmente, el cambio es todavía más profundo. La búsqueda clásica, con todos sus defectos, obligaba a contrastar fuentes. El usuario veía procedencias, sesgos, marcas, fechas, estilos, contradicciones. La búsqueda agéntica tiende a ocultar ese proceso bajo una respuesta pulida, plausible y cómoda. Eso puede reducir fricción, pero también puede reducir alfabetización informacional. Una sociedad que delega la búsqueda delega también parte de su criterio. Y cuando esa delegación se concentra en una sola compañía, el riesgo no es solo tecnológico: es epistemológico.

La pregunta, por tanto, no es si la búsqueda debe cambiar. Debe hacerlo. La pregunta es bajo qué reglas. Una búsqueda para la era de la inteligencia artificial debería ser capaz de sintetizar, conversar, personalizar y actuar, pero también de atribuir, remunerar, permitir exclusiones reales, auditar sesgos, mostrar fuentes de manera significativa y preservar una web económicamente viable. Sin eso, la inteligencia artificial no será una capa de acceso al conocimiento, sino una máquina de desintermediación que convierte a quienes producen conocimiento en proveedores invisibles de entrenamiento, contexto y verificación.

Google tiene razón en una cosa: la caja de búsqueda necesitaba ser reinventada. Pero reinventarla no puede significar apropiarse del ecosistema que la hizo útil. La web no fue importante porque Google supiera encontrarla, fue al revés: Google fue importante porque la web existía. Si la nueva búsqueda destruye los incentivos para publicar, investigar, escribir, documentar y compartir, acabará devorando su propio índice. Y entonces la paradoja será cruel: habremos construido la mejor máquina de respuestas justo cuando hayamos empezado a empobrecer sistemáticamente el mundo del que esas respuestas proceden.

This article is openly available in English on my Medium page via this link, «Google has found the AI answer. The web will pay for it»

Mi columna en Invertia de esta semana se titula «El programador que sobrevive no es el que programa más: es el que entiende mejor» (pdf), y trata sobre una de las paradojas más interesantes y más inquietantes del mercado laboral actual: mientras algunas empresas despiden a miles de desarrolladores, otras (o las mismas) están pagando salarios completamente desorbitados a otros perfiles técnicos. No se trata de una contradicción, sino de una transformación acelerada de lo que significa «saber programar» en la era de la inteligencia artificial.

La lógica industrial clásica del desarrollo de software se está rompiendo. Durante décadas, escribir código era una habilidad escasa y relativamente homogénea: quien sabía programar tenía prácticamente asegurada una carrera razonablemente estable. Pero la llegada de herramientas de inteligencia artificial generativa capaces de producir código funcional en segundos ha cambiado radicalmente el equilibrio. El código empieza a parecerse cada vez más a una commodity. Lo que se paga ahora no es la capacidad de escribir líneas de código, sino la de entender sistemas complejos, tomar decisiones técnicas con criterio, integrar modelos de inteligencia artificial de manera fiable y traducir necesidades ambiguas de negocio en soluciones reales.

Para escribir el artículo utilicé, además de los enlaces incluidos en mi publicación anterior sobre «el programador que dejó de programar«, una serie de artículos y estudios recientes que reflejan perfectamente esa transición. Algunos muestran cómo las empresas están reduciendo posiciones de entrada mientras incrementan la contratación de perfiles especializados en inteligencia artificial, otros analizan qué competencias empiezan a diferenciar a los trabajadores que prosperan de los que quedan atrapados en tareas fácilmente automatizables.

Especialmente ilustrativo resulta el caso de General Motors, que despedía cientos de empleados de IT mientras declaraba abiertamente que seguía contratando perfiles capaces de construir sistemas de inteligencia artificial. La diferencia entre «usar inteligencia artificial» y «desarrollar con inteligencia artificial» se está convirtiendo en una frontera laboral decisiva. También resultaron muy útiles varios análisis sobre el llamado «AI skills gap«, la creciente brecha entre quienes integran la inteligencia artificial de forma efectiva en su trabajo y quienes siguen utilizándola de manera superficial o directamente la ignoran.

Otro elemento importante del artículo es la idea de que las habilidades verdaderamente valiosas están desplazándose hacia ámbitos más humanos: juicio, comunicación, pensamiento crítico, capacidad de adaptación, visión estratégica o comprensión contextual. Algunos de los textos utilizados desarrollan precisamente esa tesis: cuando la inteligencia artificial puede automatizar una parte creciente de las tareas cognitivas rutinarias, el diferencial humano deja de estar en la ejecución mecánica y pasa a estar en la capacidad de interpretar, decidir, coordinar y asumir responsabilidad.

También me parecieron especialmente interesantes los artículos que analizan cómo está cambiando incluso el proceso de contratación. La inteligencia artificial ya filtra currículums, redacta ofertas de empleo, entrevista candidatos e incluso participa en procesos de onboarding. En ese contexto, los profesionales empiezan a necesitar no solo habilidades técnicas, sino también la capacidad de demostrar públicamente proyectos reales, procesos de trabajo, criterios de evaluación y experiencia práctica. El currículum tradicional pierde valor frente a evidencias tangibles: repositorios públicos, side projects, automatizaciones funcionales o capacidad demostrable de resolver problemas reales utilizando inteligencia artificial.

La tesis central del artículo es que la inteligencia artificial no elimina automáticamente profesiones enteras, pero sí destruye aquellas partes del trabajo que pueden describirse de forma suficientemente precisa como para ser automatizadas. Eso obliga a una redefinición profunda del valor profesional. Los perfiles más vulnerables son los centrados en tareas repetitivas, fragmentadas y fácilmente sustituibles. Los más demandados son quienes entienden sistemas, generan confianza, conectan disciplinas y saben utilizar la inteligencia artificial como amplificador en lugar de competir contra ella.

Y, por supuesto, la reflexión no se limita a los desarrolladores. Lo que está ocurriendo en programación empieza a extenderse rápidamente a abogados, consultores, periodistas, analistas financieros, diseñadores, profesores y prácticamente cualquier profesión basada en procesamiento de información. La automatización ya no afecta solo al trabajo manual o industrial: entra de lleno en las profesiones cognitivas. Y lo hace separando cada vez más brutalmente a quienes aportan criterio y contexto de quienes simplemente ejecutan tareas rutinarias.

This article is also openly available in English on my Medium page if you use this link, «Code Is becoming cheap. Judgment is becoming expensive»

La vieja industria petrolera podría terminar encontrando su redención no en extraer más hidrocarburos, sino en aprovechar los agujeros que dejó atrás.

El petróleo, por definición, estaba bajo tierra. Pero el verdadero valor que podría esconder el subsuelo no sería ya el crudo, sino el calor geotérmico accesible gracias a los millones de pozos perforados (y en muchos casos, abandonados) por la industria fósil. Mi título intenta provocar precisamente esa inversión conceptual: después de décadas excavando para extraer carbono, descubrimos que lo verdaderamente útil quizá era otra cosa. Además, tiene un matiz irónico: la industria petrolera llevaba décadas buscando riqueza bajo tierra, pero podría haber pasado por alto que la oportunidad más sostenible no era el petróleo en sí, sino la infraestructura creada para acceder al subsuelo.

El pasado octubre escribí sobre la idea de que las renovables están, literalmente, por todas partes: sobre nuestras cabezas, en el viento, en las mareas, en las baterías, y también bajo nuestros pies, en forma de una energía geotérmica que hasta hace poco parecía condenada a ser una curiosidad limitada a lugares muy concretos. La cuestión, como planteaba entonces, no es si tenemos energía disponible, sino por qué seguimos empeñados en quemar cosas para obtenerla cuando existen alternativas más limpias, más baratas y tecnológicamente cada vez más evidentes.

La novedad interesante es que una parte de esa oportunidad podría estar precisamente en el legado físico de la industria que más ha contribuido a retrasar la transición energética: millones de pozos de petróleo y gas, muchos de ellos abandonados, improductivos o sin propietario responsable, que hoy son un problema ambiental, económico y regulatorio. Un interesante artículo de Wired, «Old oil and gas wells could find second life producing clean energy«, plantea una idea tan simple como provocadora: reutilizar parte de esos pozos para producir energía geotérmica, calefacción limpia o incluso almacenamiento energético subterráneo. No se trata de ciencia ficción, sino de proyectos piloto, cambios regulatorios y estudios técnicos ya en marcha en estados como Oklahoma, New México, Alabama, North Dakota, Pennsylvania o Colorado.

La lógica es poderosa: si ya hemos perforado el subsuelo, si ya conocemos buena parte de su geología, si ya existen datos, trabajadores, equipos, permisos e infraestructuras, ¿por qué no intentar convertir una parte de ese pasivo en un activo? La geotermia no tiene la espectacularidad fotogénica de los paneles solares ni la iconografía de los aerogeneradores, pero posee una característica enormemente valiosa: puede generar energía o calor de forma continua, sin depender de que sople el viento o brille el sol. El World Resources Institute la describe como una fuente capaz de aportar electricidad limpia 24/7 y servicios esenciales para una red descarbonizada, precisamente porque no está sujeta a las mismas restricciones meteorológicas que la solar o la eólica.

La Agencia Internacional de la Energía va más lejos: sostiene que la industria del petróleo y el gas posee una parte muy significativa de las capacidades necesarias para escalar la geotermia de nueva generación, desde la perforación y la ingeniería de yacimientos hasta la monitorización, la gestión de proyectos y las cadenas de suministro. Según la IEA, hasta un 80% de la inversión necesaria en un proyecto geotérmico tiene relación con capacidades ya existentes en esa industria. En otras palabras: la transición no exige necesariamente tirar por la borda todo el conocimiento acumulado por el sector fósil, sino dejar de utilizarlo para seguir agravando el problema.

La idea tiene además una dimensión casi irónica. Durante décadas, el petróleo y el gas perforaron la corteza terrestre para extraer carbono enterrado y liberarlo a la atmósfera. Ahora, esas mismas técnicas de perforación horizontal, sensores, modelización geológica y gestión de fluidos pueden servir para hacer circular agua por formaciones calientes y extraer calor sin combustión. En mi artículo anterior mencionaba el caso de Fervo Energy y los sistemas geotérmicos mejorados, que toman técnicas procedentes del fracking y las redirigen hacia un fin completamente distinto: no fracturar para obtener hidrocarburos, sino para acceder a calor renovable. Esa inversión conceptual es, probablemente, una de las más interesantes de la transición energética.

Pero conviene evitar el entusiasmo ingenuo: no todos los pozos abandonados sirven. Muchos no son suficientemente profundos, otros no alcanzan temperaturas adecuadas, otros presentan problemas de integridad, corrosión o contaminación, y en muchos casos los caudales no bastan para producir electricidad de forma rentable. Wired lo subraya claramente: la oportunidad existe, pero está todavía lejos de ser una solución masiva y estandarizada. Probablemente su primer campo de aplicación no sea tanto la generación eléctrica a gran escala como el uso directo del calor: escuelas, viviendas, invernaderos, campus universitarios, procesos industriales o redes de calefacción local.

El ejemplo de Tuttle, en Oklahoma, resulta particularmente sugerente: el programa Wells of Opportunity del Departamento de Energía de los Estados Unidos trabaja precisamente en reutilizar pozos de hidrocarburos para suministrar calor a escuelas públicas y viviendas cercanas. No es una megaplanta ni una promesa grandilocuente: es algo mucho más interesante, una solución local, distribuida, que convierte infraestructura muerta en utilidad pública.

Ahí está, a mi juicio, la parte más provocadora del asunto. Durante años hemos tratado los pozos abandonados como un coste inevitable, como un agujero (nunca mejor dicho) que alguien tendrá que sellar con dinero público cuando la empresa responsable ya no exista, haya quebrado o haya desaparecido tras sucesivas ventas de activos. El Departamento del Interior estadounidense reconoce que estos pozos suponen riesgos para la seguridad pública y el medio ambiente, y la IEA incluye ya los pozos y minas abandonados dentro de su contabilidad global de emisiones de metano.

La pregunta, por tanto, no es solo energética: es institucional. ¿Vamos a seguir permitiendo que la industria fósil socialice sus costes de cierre mientras privatiza sus beneficios de extracción? ¿O vamos a exigir que parte de ese legado se convierta, cuando sea técnicamente posible, en infraestructura útil para la transición? La geotermia en pozos abandonados no va a resolver por sí sola el problema energético mundial, pero puede hacer algo quizá igual de importante: cambiar la narrativa. Convertir un símbolo de extracción, contaminación y abandono en uno de reparación, reutilización y generación limpia.

La transición energética no será una sustitución limpia y ordenada de unas tecnologías por otras. Será, en muchos casos, una batalla por reinterpretar infraestructuras existentes. Redes eléctricas, tejados, aparcamientos, minas, embalses, baterías de vehículos, centros de datos, pozos petroleros: todo puede convertirse en parte de un sistema energético distinto si dejamos de pensar con las categorías del siglo XX. La geotermia aplicada a antiguos pozos de petróleo y gas es precisamente eso: una forma de mirar un residuo industrial y preguntarse si, en lugar de enterrarlo o ignorarlo, puede convertirse en una pieza de la solución.

No deberíamos caer en el error de venderlo como una panacea. Reutilizar pozos exigirá mapas geológicos rigurosos, estándares de seguridad, regulación específica, monitorización, transparencia, financiación y una evaluación caso por caso. También exigirá evitar que la palabra «geotermia» se convierta en una coartada reputacional para empresas que siguen ampliando su negocio fósil. Pero sería absurdo no explorar una oportunidad que combina energía limpia, reutilización de activos, reducción de pasivos ambientales, empleo para trabajadores del petróleo y gas, y generación distribuida.

Lo verdaderamente intrigante es que la industria que durante décadas excavó el problema podría tener bajo sus pies parte de la solución. No porque haya que absolverla, ni porque de repente debamos creer en su reconversión milagrosa, sino porque la transición energética será mucho más rápida si aprovechamos todo aquello que pueda ser reaprovechado. Incluso los agujeros.

This article is also openly available in English on my Medium page if you use this link, «A geothermal redemption: could the oil industry transform orphaned wells into sources of renewable energy?»

La tasa de natalidad lleva tiempo desplomándose en prácticamente todo el mundo, y ya no podemos seguir explicándolo únicamente con el precio de la vivienda, la precariedad, el retraso de la emancipación o el cambio en las expectativas profesionales de las mujeres. Todo eso importa, por supuesto. Pero empieza a ser muy difícil ignorar una coincidencia demasiado persistente, bien analizada por el Financial Times en «Why birth rates are falling everywhere all at once«: allí donde el smartphone y las redes sociales se convirtieron en el entorno por defecto de socialización, la formación de parejas, la vida en común y la natalidad empezaron a resentirse de manera acelerada.

Durante años hemos hablado de las redes sociales como máquinas de polarización. Lo eran, y lo son. Sus algoritmos aprendieron que la indignación retenía más que la calma, que el conflicto generaba más clics que el matiz, y que encerrar a cada usuario en una cámara de eco era mucho más rentable que exponerlo a una realidad plural. No fue un accidente: fue diseño. La Royal Society ya advertía que el problema de la desinformación no se resolvía simplemente eliminando contenidos, sino atacando los mecanismos de amplificación que los convertían en virales. En otras palabras: el problema no era solo la mentira, sino la arquitectura que la premiaba.

Ahora empezamos a ver que esa arquitectura no solo deforma la conversación pública. También deforma la vida privada. Un trabajo reciente de Nathan Hudson y Hernan Moscoso-Boedo, de la Universidad de Cincinnati, «The collapse of teen fertility in the digital era«, vincula la expansión de smartphones, banda ancha móvil y 4G con una caída abrupta de la fertilidad adolescente, acompañada por una reducción muy fuerte de la socialización presencial y un desplazamiento hacia el ocio digital. La cuestión no es moralizar sobre los teléfonos, sino entender algo mucho más incómodo: cuando una tecnología captura el tiempo social de una generación, también captura las condiciones en las que se forman las relaciones.

Las redes sociales nos prometieron conexión y nos entregaron sustitutos de la conexión. Nos dieron likes, seguidores, notificaciones, mensajes, stories y reels, pero redujeron los espacios donde las personas se encuentran sin guión, sin filtro, sin comparación permanente y sin estar compitiendo contra una versión optimizada de todos los demás. Para encontrar pareja hay que exponerse a la imperfección, a la conversación torpe, a la presencia física, al aburrimiento compartido, a la vulnerabilidad. Las plataformas, en cambio, han convertido la vida social en un escaparate infinito en el que todo el mundo parece más atractivo, más interesante, más exitoso o más feliz de lo que realmente es.

Eso tiene consecuencias. Si las expectativas sentimentales se forman mirando Instagram o TikTok, se forman contra una realidad trucada. Si el tiempo libre se consume en scrolls infinitos, desaparece el tiempo necesario para conocer a otros. Si el vínculo social se transforma en comparación permanente, la relación real parece siempre insuficiente. Y si el algoritmo aprende que la inseguridad, la ansiedad, el deseo y la indignación retienen al usuario durante más tiempo para que destile más información y se le puedan poner más anuncios, entonces la compañía tiene un incentivo directo para fabricar entornos psicológicamente tóxicos. El problema no es que los jóvenes no quieran tener hijos: es que cada vez hay más jóvenes que ni siquiera llegan a construir las relaciones estables desde las que esa posibilidad podría plantearse.

La evidencia demográfica apunta en esa dirección. The Lancet ya documentó en 2024 la caída global de la fertilidad y sus enormes implicaciones sociales, económicas y geopolíticas Y el artículo del Financial Times va un paso más allá: en muchos países, el problema ya no es que las parejas tengan menos hijos, sino que hay menos parejas. Esa es una diferencia fundamental. Las políticas públicas tradicionales como cheques bebé, permisos parentales, guarderías y beneficios fiscales pueden ayudar a quienes ya tienen un proyecto familiar, pero sirven de poco si una parte creciente de la población vive aislada, frustrada, atrapada en dinámicas de comparación, precariedad emocional y relaciones cada vez más difíciles de iniciar y sostener.

La soledad ya no es un asunto anecdótico. Las autoridades sanitarias de los Estados Unidos la calificaron como una epidemia con efectos profundos sobre la salud y el bienestar. El mismo organismo ha advertido que no podemos concluir que las redes sociales sean suficientemente seguras para niños y adolescentes, y que existen indicios importantes de riesgo para su salud mental. De nuevo, no estamos hablando de tecnofobia, sino de responsabilidad. Ninguna industria debería poder desplegar productos adictivos sobre menores y jóvenes, optimizados mediante experimentación masiva, sin demostrar antes que no destruyen los fundamentos psicológicos y sociales de quienes los utilizan.

Durante mucho tiempo, las plataformas se refugiaron en una coartada cómoda: «solo damos a la gente lo que quiere». Es falso. No nos dan lo que queremos, nos dan lo que maximiza la permanencia. No optimizan para bienestar, conocimiento, amistad, amor o vida comunitaria. Optimizan para tiempo de uso, recurrencia, reacción y monetización publicitaria. Si para conseguirlo tienen que radicalizar, radicalizan. Si tienen que angustiar, angustian. Si tienen que convertir la autoestima en un mecanismo de dependencia, lo hacen. Y si el resultado agregado es una sociedad más sola, más enfadada, más desconfiada y con menos parejas, lo llaman externalidades.

Ahí está la irresponsabilidad central: diseñaron sistemas que intervenían sobre la conducta humana a escala planetaria sin asumir ninguna responsabilidad por sus efectos. Primero rompieron la conversación pública. Después rompieron la confianza. Ahora empezamos a sospechar que también están erosionando las condiciones básicas de la reproducción social. No porque Facebook, Instagram, TikTok o YouTube «causen» por sí solos la caída de la natalidad, sino porque amplifican, aceleran y consolidan todos los factores que la hacen más probable: aislamiento, inseguridad, expectativas irreales, polarización entre hombres y mujeres, ansiedad, deterioro de la salud mental y sustitución de la interacción presencial por consumo algorítmico.

No se trata de pedir a la gente que tenga hijos: esa decisión pertenece a cada persona y a cada pareja. Se trata de algo que va mucho antes: de preguntarnos qué tipo de entorno social estamos construyendo cuando la infraestructura dominante de relación entre personas está diseñada por compañías que ganan más cuanto más tiempo permanecemos mirando una pantalla. Una sociedad en la que la conversación se deteriora, la confianza se erosiona, la intimidad se aplaza y la pareja se vuelve estadísticamente menos probable es una sociedad que ha delegado demasiado en algoritmos que nunca fueron diseñados para cuidarla.

La solución no pasa por prohibir internet ni por idealizar un pasado que tampoco existió: pasa por prohibir la publicidad hipersegmentada, regular los sistemas de recomendación, limitar los patrones adictivos, exigir transparencia real, impedir la explotación conductual de menores, desactivar la amplificación automática de contenidos dañinos y reconstruir espacios de socialización presencial. Pasa también por dejar de aceptar la idea absurda de que la innovación consiste en lanzar productos al mundo y ya si eso estudiar después los daños. La innovación sin responsabilidad no es progreso: es extracción.

Llevo años diciendo que las redes sociales estaban rompiendo la democracia. Luego vimos que estaban rompiendo la verdad compartida. Ahora empezamos a entender que quizá también estén rompiendo algo más profundo: la capacidad de una generación para encontrarse, vincularse, confiar y proyectar una vida en común. Y cuando una tecnología empieza a afectar no solo a lo que pensamos, sino a cómo vivimos, amamos y nos reproducimos, seguir hablando de «engagement» resulta prácticamente obsceno.

This article is also openly available in English on my Medium page if you use this link, «The algorithmic loneliness behind falling birth rates»

OpenAI acaba de cruzar una frontera enormemente interesante: permitir que ChatGPT se conecte a cuentas bancarias, tarjetas, inversiones, deudas y pagos recurrentes para ofrecer análisis financiero personal. La propuesta, por ahora en vista previa para usuarios Pro en Estados Unidos, se apoya en Plaid, una conocida compañía de servicios financieros norteamericana, y promete conexión con más de 12,000 instituciones financieras y asegura que el chatbot no puede ver números completos de cuenta ni mover dinero, sólo interpretar balances, transacciones, inversiones y pasivos.

La utilidad es evidente. Un asistente que conoce nuestros gastos reales puede detectar suscripciones olvidadas, patrones de consumo absurdos, desviaciones de presupuesto, riesgos de iliquidez o incoherencias entre objetivos y comportamiento. La banca lleva décadas ofreciéndonos interfaces mediocres, informes incomprensibles y «recomendaciones» que suelen ser ventas disfrazadas. Que una inteligencia artificial sea capaz de convertir todo eso en conversación, contexto y planificación podría ser, para muchos usuarios, muchísimo más útil que la app de su banco.

Pero precisamente por eso el movimiento es inquietante. La información financiera no es «otro dato» más. Es una radiografía de la vida: dónde comes, dónde duermes, a quién pagas, qué medicamentos compras, qué causas apoyas, qué deudas tienes, cuánto margen real de libertad posees. OpenAI dice que las conversaciones con cuentas conectadas siguen los mismos controles de entrenamiento que el resto de ChatGPT, que los datos sincronizados se borran en un plazo de 30 días al desconectar una cuenta, y que las «memorias financieras» pueden verse y borrarse. Bien. Pero la pregunta relevante no es solo qué promete hoy la compañía, sino qué incentivos tendrá mañana.

Y ahí aparece el elefante de siempre en la habitación: la publicidad. OpenAI ya está probando anuncios en ChatGPT, inicialmente en planes Free y Go, y asegura que estarán separados de las respuestas, que los anunciantes no verán conversaciones y que no habrá anuncios junto a temas sensibles o regulados. Pero también reconoce que los anuncios pueden seleccionarse teniendo en cuenta el tema de la conversación, chats pasados y memoria. En un asistente financiero, esa frontera deja de ser una cuestión técnica y se convierte en una cuestión existencial: ¿puede una compañía recomendarte una tarjeta, una hipoteca, un seguro o una inversión sin que sospeches que hay una lógica comercial detrás?

El problema no es que OpenAI vaya a comportarse necesariamente mal. El problema es que estamos construyendo sistemas cuya utilidad aumenta cuanto más íntimos son los datos que les damos, y cuyo valor económico aumenta cuanto mejor pueden inferir nuestras intenciones. La personalización financiera puede ser extraordinariamente beneficiosa, pero también puede convertirse en la forma más sofisticada de segmentación comercial jamás inventada. Un buscador sabía lo que querías encontrar. Una red social sabía lo que te hacía reaccionar. Un asistente financiero sabrá lo que puedes pagar.

Tampoco podemos idealizar a los intermediarios. Plaid es una infraestructura muy extendida en fintech, pero su historia no está libre de controversia: en 2021 aceptó un acuerdo de 58 millones de dólares en una demanda colectiva relacionada con privacidad, minimización de datos y transparencia, aunque el acuerdo no implicaba admisión de culpa. Hoy Plaid ofrece servicios para gestionar conexiones y borrar datos, pero el precedente recuerda algo básico: en finanzas, la confianza no se declara, se audita.

La dimensión regulatoria también importa. La norma estadounidense de open banking del CFPB buscaba precisamente dar a los usuarios más control sobre sus datos financieros, facilitar la portabilidad y evitar usos secundarios no deseados, incluido el uso de datos financieros para publicidad dirigida sin relación con el servicio solicitado. Esa es la dirección correcta: que el usuario pueda mover sus datos, sí, pero bajo restricciones claras de finalidad, retención, seguridad y responsabilidad.

¿Se atreverá la gente? Muchos seguramente sí. La historia de internet demuestra que, cuando el beneficio percibido es inmediato, la privacidad suele negociarse muy barato. Millones de personas conectaron su correo, sus fotos, su ubicación, su salud, sus contactos y sus hogares inteligentes a servicios privados a cambio de comodidad. El dinero será más delicado, pero no necesariamente una línea roja. Si ChatGPT consigue decirle a una persona «puedes ahorrar 400 dólares al mes sin cambiar radicalmente tu vida, muchos pulsarán «conectar cuenta» antes de terminar de leer la política de privacidad.

¿Lo probaría yo? Posiblemente para poder hablar mejor de ello como hago habitualmente, pero decididamente, no con confianza ciega. Lo probaría con una cuenta limitada, sin acceso a toda mi información, con el entrenamiento desactivado, revisando permisos, sin memorias innecesarias y desconectando después de obtener valor. No lo usaría como asesor financiero autónomo ni permitiría que se convirtiera en una caja negra que decide por mí. La paradoja es esa: una herramienta así puede ser muy útil precisamente si no olvidamos que es potencialmente peligrosa.

El futuro de la banca personal no será una app con gráficos de colores, sino seguramente algo más parecido a una conversación, algo de lo que las instituciones financieras deberían ir tomando nota. Pero la cuestión fundamental ahora es quién va a poder escuchar esa conversación, qué va a poder recordar, con qué finalidad, durante cuánto tiempo y bajo qué modelo de negocio, es decir, a quién va a poder vender esa información. Porque cuando el prompt es tu cuenta corriente, la privacidad deja de ser una preferencia y se convierte en una condición imprescindible para la libertad.

This article is also openly available in English on my Medium page if you use this link, «ChatGPT for personal finance: digital banking meets surveillance capitalism?»

Hay empresas que no caen cuando dejan de ganar dinero, sino cuando dejan de poder explicarse moralmente.

Meta parece estar entrando en esa fase. No porque sus beneficios hayan desaparecido, sino precisamente porque siguen ahí: una compañía con beneficios récord y una moral interna por los suelos, preparando nuevos despidos, con empleados que hablan de miedo, hartazgo, desigualdades salariales demenciales, vigilancia y una sensación creciente de haber perdido toda conexión con la supuesta «misión».

La pregunta incómoda no es si Meta está implosionando financieramente. Obviamente no, o al menos, no todavía. La pregunta interesante es si está implosionando culturalmente. Si sus empleados empiezan a entender que trabajan en una organización que durante años optimizó la adicción, la polarización, la vigilancia, la manipulación emocional y la degradación del discurso público, y que ahora pretende rematar la jugada entrenando sistemas de inteligencia artificial con todo lo que encuentra, incluidos datos de sus propios trabajadores. Debe ser duro saber que trabajas para una organización tan perjudicial para la humanidad.

Durante mucho tiempo, trabajar en Meta fue una forma de comprar indulgencias: salarios altísimos, stock options, campus agradable, prestigio, currículum, impacto. Pero el impacto, cuando se evalúa con un mínimo de objetividad, no era precisamente benigno. Amnistía Internacional demostró que Facebook contribuyó a amplificar el odio genocida contra los rohinya en Myanmar. La FTC impuso a Facebook una multa histórica de 5,000 millones de dólares por violaciones de privacidad. The Wall Street Journal reveló documentos internos sobre los efectos de Instagram en adolescentes, particularmente sobre las chicas jóvenes. Y ahora, los grandes editores y el escritor Scott Turow acusan a Meta y a Zuckerberg de usar obras pirateadas para entrenar Llama, después de despreciar abiertamente las posibles vías de licencia.

No, no es el juicio de Nuremberg: no conviene banalizar la historia. Pero sí hay una idea de Nuremberg que sigue siendo válida: el «seguía órdenes» no es una coartada moral cuando uno sabe lo que está haciendo. Y en Meta lo sabían. Lo sabían cuando diseñaban sistemas para maximizar el engagement aunque degradaran la conversación pública. Lo sabían cuando convertían la privacidad en una variable explotable. Lo sabían cuando Instagram afectaba a adolescentes. Lo sabían cuando la plataforma se convertía en infraestructura de propaganda, odio y manipulación. Y lo sabían porque muchos de esos daños estaban documentados, denunciados y discutidos dentro y fuera de la empresa.

La novedad es que ahora la maquinaria empieza a aplicarse hacia dentro. El trabajador de Meta que durante años contribuyó a vigilar, perfilar y explotar a miles de millones de usuarios descubre que también él puede ser vigilado, medido y convertido en dato de entrenamiento. Fast Company lo resume con claridad: la vigilancia laboral plantea un problema ético evidente cuando los empleados no tienen una opción real y sus puestos están en juego.

Ahí aparece la grieta. No es un arrepentimiento puro, ni una conversión ética repentina. Es algo más humano y más incómodo: la comprensión tardía de que el sistema que ayudaste a construir no tenía límites, simplemente todavía no había llegado a ti. Que la cultura de «move fast and break things» nunca fue innovación, sino irresponsabilidad con buen marketing. Que la obsesión por escalar no era neutral. Que «conectar el mundo» acabó significando extraer atención, datos, emociones y creatividad hasta dejarlo todo convertido en maldito inventario publicitario, al precio que fuese.

Julia Angwin ha escrito que Meta ha entrado en su «era zombie»: una compañía que puede seguir viva, rentable y enorme, pero culturalmente muerta, convertida en una versión grotesca de sí misma. Futurism lleva esa idea más lejos y habla directamente de «death spiral»: feeds llenos de basura generada por inteligencia artificial, anuncios, desinformación y decadencia de producto.

Ese es el verdadero problema de Meta: no que vaya a desaparecer mañana, sino que quizá ya ha desaparecido todo aquello que pretendía legitimarla. Facebook dejó de ser una red social para convertirse en una infraestructura de extracción. Instagram dejó de ser una aplicación para compartir imágenes y se convirtió en una máquina de comparación social y frustración. WhatsApp funciona casi como rehén dentro del conglomerado y, frente a la teoría de que las conversaciones están cifradas, somete también a sus incautos usuarios a un espionaje permanente. Y la inteligencia artificial aparece ahora no como una oportunidad de redención, sino como una nueva huida hacia delante, para lograr ser más eficiente haciendo el mal. Las redes sociales han muerto, se han convertido en una basura asquerosa y pringosa. Que aquellos que viven de ellas y se convierten en sus cómplices vayan empezando a enterarse.

¿Cómo puede un empleado enfrentarse a eso? Primero, dejando de mentirse. No trabaja «en tecnología»: trabaja en una asquerosa arquitectura de poder. No «optimiza producto», optimiza comportamiento humano para depredarlo. No «mejora modelos», alimenta sistemas que sustituyen consentimiento por captura, por robo. La primera responsabilidad moral es llamar a las cosas por su nombre.

Después, actuando. Filtrar, protestar, sindicarse, negarse, marcharse, documentar, testificar, ayudar a reguladores, tirar de la manta, apoyar demandas, construir alternativas. No todo el mundo puede permitirse dimitir mañana. Pero seguir cobrando mucho dinero no convierte el silencio en neutralidad: lo convierte en complicidad bien pagada.

Meta no está implosionando porque pierda dinero. Está implosionando porque cada vez resulta más asqueroso y más difícil trabajar allí y seguir creyéndose o pretendiendo ser una buena persona. Y ese, para una compañía que durante años vivió de vender una supuesta narrativa heroica sobre sí misma que jamás fue real, puede ser un problema mucho más grave que un trimestre malo. Cuanto antes muera Meta, mucho mejor para todos.

This article is also openly available in English on my Medium page if you use this link, «Meta’s workforce has finally realized that what goes around comes around«

La propuesta surcoreana de repartir entre todos los ciudadanos una parte de los beneficios extraordinarios generados por la inteligencia artificial tiene algo de provocación, pero también de diagnóstico certero: si la nueva riqueza se genera usando infraestructuras, educación, datos, energía, estabilidad institucional y décadas de inversión pública, ¿por qué debería capturarla casi en exclusiva un puñado de compañías y accionistas?

En Corea del Sur, la discusión ha surgido alrededor de Samsung y SK Hynix, justo cuando el auge de los chips para inteligencia artificial amenaza con concentrar beneficios en empresas, ingenieros clave y propietarios de capital, mientras gran parte de la clase media apenas recibe efectos indirectos.

La idea se parece, inevitablemente, a una renta básica universal, aunque con una diferencia importante: no se financiaría como gasto social clásico, sino como dividendo de una riqueza creada colectivamente. Es más el estilo de Alaska que un subsidio: un fondo permanente que convierte una renta extraordinaria (allí el petróleo, aquí la inteligencia artificial) en pagos recurrentes a los ciudadanos. El Alaska Permanent Fund sigue siendo el ejemplo más claro de un recurso común convertido en dividendo ciudadano.

Lo interesante en el caso de Corea es que allí el debate no aparece únicamente como política social, sino como política industrial. Corea sabe perfectamente que la inteligencia artificial puede producir una concentración brutal de riqueza en muy pocas compañías, especialmente porque el país tiene un ecosistema extremadamente concentrado alrededor de los chaebols. Cuando el boom de la inteligencia artificial dispara el valor de fabricantes de memoria, centros de datos y plataformas, la pregunta sobre quién captura ese valor deja de ser teórica.

Lo que estamos viendo en Corea del Sur no es todavía una «huelga contra la inteligencia artificial», pero sí algo posiblemente mucho más relevante: las primeras tensiones laborales directamente vinculadas al reparto de la riqueza que genera. Los trabajadores de Samsung llevan meses protestando y convocando huelgas mientras observan cómo el boom mundial de los chips para inteligencia artificial dispara los beneficios de la compañía y las cotizaciones bursátiles, pero no se traduce proporcionalmente en salarios, bonus o participación en esa nueva riqueza. Y eso cambia la naturaleza del conflicto: ya no se trata únicamente de proteger empleos frente a la automatización, sino de cuestionar quién captura el valor creado por ella. Corea del Sur, con sus gigantescos chaebols dominando sectores estratégicos y una de las economías más intensamente tecnificadas del planeta, podría estar convirtiéndose en el laboratorio adelantado de las tensiones sociales de la era de la inteligencia artificial: una economía capaz de generar una productividad extraordinaria… mientras el peso relativo del trabajo humano se reduce progresivamente.

Pero hay alternativas. Una sería gravar los beneficios extraordinarios de la inteligencia artificial, como ha sugerido el FMI, no para castigar la innovación, sino para evitar que una tecnología que reduce empleo y concentra capital destruya la base fiscal sobre la que se construyó el estado del bienestar. Otra sería desplazar parte de la presión fiscal desde el trabajo hacia el capital, los dividendos, las plusvalías y las rentas monopolísticas. Si una empresa sustituye trabajadores por modelos, servidores y algoritmos, seguir financiando la sociedad casi exclusivamente mediante salarios empieza a ser una idea absurda.

Otra alternativa, más interesante todavía, es hablar no solo de renta básica, sino de activos básicos universales: acceso garantizado a educación, sanidad, conectividad, vivienda, energía, datos, capacidad computacional y herramientas de inteligencia artificial. No basta con dar dinero si después el acceso real a la productividad queda encerrado tras suscripciones, plataformas propietarias y monopolios de infraestructura. En la economía de la inteligencia artificial, la desigualdad no será solo de ingresos: será de acceso a capacidades.

También cabe pensar en un «dividendo de datos». Si los modelos se entrenan con producción humana acumulada (textos, imágenes, conversaciones, código, conocimiento público, etc.), la idea de que todo ese valor pueda ser privatizado sin retorno social resulta cada vez más difícil de defender. La inteligencia artificial no nace de la nada: nace de una gigantesca expropiación estadística de la cultura, el trabajo y la información. Pretender que sus beneficios pertenecen únicamente a quien posee los centros de datos es una forma sofisticada de feudalismo digital.

Korinek y Stiglitz ya plantearon en el NBER que la inteligencia artificial puede generar mejoras enormes, pero también redistribuciones muy negativas si no existen mecanismos fiscales capaces de compensar a quienes pierdan con el cambio tecnológico. El problema no es la tecnología: es permitir que sus beneficios se privaticen mientras sus costes se socializan.

La propuesta surcoreana no es obviamente perfecta. Entre otras cosas porque puede asustar a los mercados, puede diseñarse mal, puede derivar en populismo fiscal… o todo ello al mismo tiempo. Pero tiene una virtud inmensa: nos obliga a formularnos la pregunta correcta. Si la inteligencia artificial parece estar sustituyendo progresivamente trabajo humano o al menos por ahora, amenazando con ello, ¿qué hacemos con una sociedad construida alrededor del empleo como fuente de renta, identidad, derechos y fiscalidad?

La respuesta no puede ser «que cada cual se recicle como pueda» mientras cuatro compañías acumulan la infraestructura, los datos, los modelos, el talento y los beneficios. Eso no es innovación: es captura. La inteligencia artificial puede ser una extraordinaria herramienta de prosperidad compartida, pero solo si diseñamos instituciones que lo hagan posible. De lo contrario, habremos inventado una máquina maravillosa para producir abundancia… y la habremos puesto al servicio de la escasez artificial.

ACTUALIZACIÓN (23/05/2026): Los trabajadores de la planta de chips de Samsung recibirán una bonificación promedio de 340,000 dólares cada uno gracias al auge de las ganancias en inteligencia artificial. El fabricante de chips surcoreano llegó a un acuerdo de última hora con los sindicatos para evitar una huelga de 18 días, lo que le permitió acceder a un fondo de compensación de 26,600 millones de dólares. Ahora los mosqueados son los trabajadores de otras divisiones…

This article is also openly available in English on my Medium page if you use this link, «South Korea’s citizens’ dividend proposal forces us to face the uncomfortable question of who benefits from AI’s vast profits«

Mi columna de esta semana en Invertia se titula «La ciberdefensa europea no puede depender del permiso de Washington» (pdf), y trata sobre un cambio de paradigma que apenas empieza a vislumbrarse, pero que tiene implicaciones profundas tanto para la seguridad como para la geopolítica tecnológica: la industrialización del hacking gracias a la inteligencia artificial.

El detonante de la reflexión es la aparición de herramientas como Mythos, desarrolladas en el contexto de proyectos como el anunciado por Anthropic en su iniciativa «Project Glasswing«, capaces de identificar vulnerabilidades de día cero de forma automatizada y a una escala sin precedentes. Como ya advertí en dos entradas anteriores en esta misma página, el verdadero problema no es tanto la herramienta en sí como el cambio estructural que introduce: convertir una actividad tradicionalmente artesanal en un proceso escalable y con paciencia infinita.

Cuando el hacking se industrializa, el equilibrio entre atacantes y defensores se rompe aún más. Esa es precisamente la preocupación que subyace en artículos recientes como el publicado en Harvard Business Review, «Cyber defense has to move at the speed of AI«, que insiste en la necesidad de que las capacidades defensivas evolucionen al mismo ritmo que las ofensivas en un entorno dominado por la inteligencia artificial. El problema, como suele ocurrir, es que esa evolución no se produce de manera homogénea.

En este contexto, la negativa de Estados Unidos a facilitar el acceso a herramientas como Mythos a empresas e instituciones europeas introduce una dimensión geopolítica particularmente incómoda. Tal y como recoge The Next Web en «Europe’s finance chiefs want Mythos access to defend their banks. Washington has so far said no«, responsables europeos del ámbito financiero han solicitado acceso a estas capacidades para poder proteger sus sistemas, encontrándose con una respuesta negativa que revela hasta qué punto la supuesta alianza transatlántica tiene límites muy claros cuando se trata de tecnologías críticas.

Otros medios como Bloomberg («Euro finance chiefs want Mythos access to prepare defenses«), o The Business Times («ECB is studying defences against Mythos-powered attacks, Lagarde says«) han incidido en la misma idea: las instituciones europeas son conscientes del riesgo, pero carecen de herramientas equivalentes para afrontarlo en igualdad de condiciones.

La paradoja es evidente. Para defenderse de un tipo de ataque, es necesario poder simularlo, entenderlo y anticiparlo. Sin acceso a herramientas de este tipo, las organizaciones europeas quedan en una posición estructuralmente inferior. No se trata de una cuestión de conveniencia, sino de capacidad real de defensa. Como apunta Bruce Schneier en su análisis sobre Mythos, estamos entrando en una fase en la que la automatización de la búsqueda de vulnerabilidades redefine completamente el campo de juego de la ciberseguridad.

Incluso actores como Mozilla han empezado a experimentar con este tipo de herramientas para mejorar la seguridad de sus productos. Si quienes desarrollan software de código abierto consideran necesario apoyarse en estas capacidades para reforzar su seguridad, resulta difícil justificar que empresas o instituciones europeas deban prescindir de ellas.

La cuestión, en última instancia, no es simplemente tecnológica, sino política. ¿Qué significa ser aliado cuando el acceso a herramientas críticas se restringe unilateralmente? ¿Hasta qué punto puede hablarse de soberanía tecnológica cuando la defensa de infraestructuras clave depende de decisiones tomadas fuera del propio ámbito europeo? La discusión sobre Mythos no es un episodio aislado, sino un síntoma más de una relación asimétrica que Europa lleva demasiado tiempo aceptando sin cuestionar de manera efectiva.

Mi columna intenta precisamente poner el foco en esa incomodidad, en esa contradicción entre discurso y realidad. Porque en un entorno en el que la inteligencia artificial acelera todos los procesos, desde la innovación hasta el conflicto, quedarse atrás no es simplemente perder competitividad. Es asumir un riesgo estructural que afecta a la estabilidad económica, institucional y social. Y en ese contexto, depender del permiso de otro para defenderse deja de ser una opción razonable para convertirse en un problema urgente. Si Estados Unidos es nuestro aliado, no quiero saber cómo serán los enemigos…

This article is also openly available in English on my Medium page if you use this link, «Why Mythos spells the end of Europe’s cybersecurity illusions»