Hace unas semanas escribí sobre cómo Google estaba empezando a considerar como «consejo experto» lo que, en realidad, no es más que gente opinando en internet. Me refería a Reddit, una plataforma con una valoración absurdamente inflada en bolsa porque resulta que se ha convertido progresivamente en una de las fuentes favoritas tanto para Google como para todos los modelos de inteligencia artificial . Ahora empezamos a ver las consecuencias previsibles de esa decisión.

La señal de alarma ha llegado desde algunos de los propios moderadores de Reddit. En comunidades relacionadas con temas especialmente sensibles, como la salud, los suplementos o los tratamientos hormonales, están denunciando un aumento significativo de intentos de manipulación por parte de empresas interesadas en influir en las conversaciones. No hablamos del spam tradicional, ese que todos sabemos identificar a simple vista, sino de algo bastante más sofisticado: cuentas aparentemente legítimas, conversaciones diseñadas para parecer espontáneas y recomendaciones de productos o servicios integradas de manera aparentemente natural en los debates.

¿La razón? Muy sencilla: Reddit ya no es simplemente Reddit. Durante años, aparecer en los primeros resultados de Google justificó la creación de una gigantesca industria dedicada a manipular algoritmos de búsqueda. El SEO acabó convirtiendo buena parte de la web en una inmensa colección de páginas escritas para máquinas más que para personas. Google intentó combatir ese problema buscando señales más auténticas, más humanas y más difíciles de falsificar. Y encontró Reddit.

Pero al hacerlo, ha creado exactamente el mismo incentivo que intentaba evitar: si las respuestas generadas por Google utilizan Reddit como fuente, si ChatGPT, Claude, Gemini o cualquier otro sistema conversacional consideran las conversaciones de Reddit una señal relevante, y si millones de usuarios empiezan a tomar decisiones basándose en respuestas construidas parcialmente a partir de esos contenidos, entonces influir en Reddit pasa a tener un valor económico enorme. Y cuando algo adquiere valor económico, alguien encuentra la manera de manipularlo.

La paradoja es fascinante. Google recurrió a Reddit porque la web se había llenado de contenido optimizado para Google. Pero al convertir Reddit en una fuente privilegiada para sus sistemas de inteligencia artificial, ha puesto en marcha el nacimiento de una nueva industria dedicada a optimizar Reddit para Google y para la inteligencia artificial. La diferencia es que ahora ya no se manipulan páginas web. Se manipulan conversaciones. Y si tienes responsabilidades corporativas relacionadas con ese área, lo sabrás ya, porque ya te lo estará ofreciendo tu agencia de toda la vida.

Además, el problema es mucho más complejo de detectar. Una página creada para posicionar una palabra clave suele dejar rastros evidentes, pero una conversación aparentemente auténtica entre usuarios resulta mucho más difícil de distinguir de una interacción genuina. Los modelos de lenguaje tampoco ayudan demasiado: son extraordinariamente buenos encontrando patrones, pero mucho menos eficaces distinguiendo entre experiencia real y teatro cuidadosamente diseñado para parecer experiencia real. Y a medida que más y más personas empiezan a utilizarlos para encontrar lo que necesitan, los niveles de manipulación de sus respuestas mediante técnicas cada vez más depuradas van creciendo.

Todo esto debería llevarnos a replantearnos algunas ideas sobre la supuesta autenticidad de las comunidades online. Reddit sigue siendo uno de los espacios más interesantes de internet precisamente porque alberga conversaciones reales, experiencias personales y conocimiento práctico acumulado durante años. Pero cuanto más importante se vuelve una fuente directa para buscadores e inteligencias artificiales, más atractiva resulta para quienes quieren influir en esas mismas herramientas.

Es una dinámica que hemos visto repetirse una y otra vez. Cada vez que una plataforma se convierte en un intermediario relevante para la atención, la visibilidad o la influencia, aparece una industria dedicada a explotar sus mecanismos. Ocurrió con los buscadores. Ocurrió con las redes sociales. Ocurrió con los sistemas de recomendación. Y está ocurriendo ahora con las fuentes utilizadas por la inteligencia artificial generativa.

La cuestión, por tanto, no es si Reddit contiene información valiosa. Por supuesto que puede contenerla, aunque mezclada con muchas otras cosas. La cuestión es cuánto tiempo seguirá siendo razonable asumir que las opiniones que encontramos allí reflejan de manera espontánea la experiencia colectiva de una comunidad. La decadencia de Reddit es algo que se podía predecir desde hace mucho tiempo.

Porque el problema de Reddit no es Reddit. El problema son los incentivos. Cuando una conversación aparentemente humana puede terminar influyendo en las respuestas que reciben cientos de millones de personas, esos incentivos son enormes. Tan enormes que resulta ingenuo pensar que no van a ser explotados de forma sistemática.

Google creyó haber encontrado una vía de escape frente a una web contaminada por un SEO que ella misma había creado. Lo que quizá no anticipó es que, con sus elecciones, estaba creando las condiciones perfectas para industrializar algo mucho más valioso: la autenticidad.

María José Pérez-Barco, del ABC, me escribió para enviarme unas preguntas para un artículo que estaba preparando sobre la muchas veces comentada posibilidad de aplicar impuestos a los robots o a la inteligencia artificial, y el pasado lunes publicó su artículo titulado «¿Llegará la IA a pagar impuestos?» (pdf).

Mi opinión sigue siendo la misma que cuando se empezaron a comentar estos temas allá por 2017 a raíz de unas declaraciones de Bill Gates, más calificables como «ocurrencias» que como ideas realmente pensadas y maduras. Y es que la cuestión, aunque parezca muy sencilla y casi intuitiva por eso de que «un robot se parece a una persona» (que no siempre), la realidad es que no es en absoluto tan sencillo, y que el planteamiento es prácticamente populista.

En primer lugar, porque es absurdo gravar las cosas dos veces: si un empresario aplica tecnología, sea en forma de robots o de otro tipo, lógicamente, pasará a ganar más dinero (si no, no lo haría) y, por tanto, pasará a pagar más impuestos. Aplicar además un gravamen adicional «por ser un robot» o «por usar tecnología» es desincentivar la innovación, y carece completamente de sentido.

En segundo, ¿qué es un robot? ¿Un programa de software es un robot? ¿Un procesador de textos es un robot? ¿Un GPS? ¿Una calculadora? ¿Un brazo mecánico es un robot, o solo es un trozo de uno, porque falta el resto del cuerpo? Como vemos, a todo el razonamiento le falta un hervor: parece sencillo, pero se queda en idea no madurada. Y si pretendemos escudarnos en el fenómeno de la sustitución, el problema se complica todavía más: ¿dónde empezamos a contar? ¿En qué generación tecnológica? Sustituimos a una persona si trabaja con determinadas herramientas, pero seguramente a tres si trabajan solo con su cerebro… ¿nos inventamos una unidad, el «cro-magnon», y planteamos «cuántos cro-magnones harían falta para llevar a cabo una tarea determinada? En el mejor de los casos, pintoresco. Y sobre todo, arbitrario.

Estoy completamente a favor de plantear cualquier idea que pretenda distribuir la riqueza, incluyendo posibilidades que van desde gravar la acumulación de riqueza hasta el universal basic capital mencionado recientemente por Gavin Newson, pero pretender aplicar impuestos a los robots no es una forma adecuada ni lógica de hacerlo, y quien lo afirme es simplemente que no se lo ha planteado con todas sus consecuencias.

A continuación, el listado completo de preguntas y respuestas que intercambié con María José:

• ¿Será necesario gravar la automatización, sistemas de IA y robots? ¿Por qué?

No lo creo. La idea de “poner impuestos a los robots”  parte de una visión profundamente equivocada de la innovación tecnológica. Históricamente, cada avance importante ha destruido determinados empleos y creado otros nuevos, normalmente más productivos. Pretender penalizar la automatización es como haber querido gravar el tractor para proteger a los agricultores que trabajaban con mulas. La tecnología aumenta la productividad, y esa productividad genera beneficios, crecimiento y, por tanto, más recaudación fiscal por las vías tradicionales: impuesto de sociedades, IVA, rentas del trabajo derivadas de nuevas actividades, etc. Si una empresa gana más dinero gracias a la automatización, ya pagará más impuestos. Crear un impuesto específico contra la tecnología sería castigar precisamente aquello que mejora la competitividad y la eficiencia.

• ¿Cómo cuantificar el trabajo que realizan estas tecnologías? ¿Cómo mides el trabajo de sistemas que no tienen nómina y no están sujetos a una regulación laboral? ¿Cómo gravar a un software?

Ahí aparece otro problema enorme: la arbitrariedad. ¿Qué es exactamente un “robot”? ¿Un brazo mecánico en una fábrica? ¿Un chatbot? ¿Una hoja de cálculo que automatiza tareas? ¿Excel sustituyó empleos administrativos? Sin duda. ¿Deberíamos haberlo gravado? El concepto se vuelve absurdo en cuanto intentas definirlo. La tecnología siempre ha sustituido tareas humanas: una calculadora reemplaza operaciones manuales, un GPS sustituye parte del trabajo de orientación, un software contable automatiza procesos administrativos. ¿Dónde trazas la línea? Además, la IA no “trabaja” como un empleado: es una herramienta que multiplica capacidades humanas. Gravar software sería abrir un melón regulatorio prácticamente imposible de cerrar.

• ¿Qué fórmulas se están planteando para gravar estas tecnologías?

Se han propuesto varias ideas, desde impuestos directos a robots industriales hasta tasas asociadas al ahorro de costes laborales derivado de la automatización. También se habla de aumentar cotizaciones empresariales cuando una compañía reduce plantilla mediante automatización o incluso de crear figuras fiscales específicas para sistemas de IA. El problema es que todas esas propuestas parten de una lógica defensiva y reaccionaria: intentar frenar el cambio en lugar de adaptarse a él. En muchos casos, además, serían muy fáciles de esquivar trasladando operaciones a otros países o redefiniendo tecnológicamente los procesos.

• Gravar la IA y avanzadas tecnologías con impuestos y cotizaciones, ¿podría desalentar la innovación?

Claramente sí. La innovación necesita incentivos, no castigos. Si desarrollar o implementar IA implica automáticamente una penalización fiscal, muchas empresas retrasarán su adopción o simplemente decidirán innovar en otros mercados con regulaciones más racionales. Europa ya tiene un problema serio de competitividad tecnológica frente a Estados Unidos y China. Añadir más capas fiscales a las tecnologías emergentes sería otra manera de autoimponernos irrelevancia. La historia demuestra que las economías que prosperan son las que abrazan la innovación, no las que intentan ponerle barreras para proteger estructuras productivas obsoletas.

• ¿Qué impacto tendría en las empresas?

Dependería mucho del sector, pero en general supondría un desincentivo claro a la modernización. Las grandes multinacionales probablemente podrían absorber esos costes o mover determinadas operaciones a otras jurisdicciones. Las más perjudicadas serían las pymes, que necesitan precisamente automatizar procesos para ganar eficiencia y competir. En muchos casos, la IA no sustituye trabajadores, sino que permite que pequeñas empresas hagan más con menos recursos. Penalizar eso sería reducir su capacidad de supervivencia y crecimiento.

• ¿Podría restar competitividad al tejido empresarial frente a grandes como Estados Unidos y China?

Sin ninguna duda. Mientras Estados Unidos y China compiten por liderar el desarrollo de IA y atraer talento e inversión, Europa parece obsesionada con regular antes incluso de entender completamente la tecnología. Si además añadimos impuestos específicos, el mensaje es devastador: “innovar aquí sale caro”. El resultado sería previsible: menos inversión, menos startups tecnológicas, menos desarrollo propio y mayor dependencia tecnológica externa. Es difícil imaginar una estrategia más contraproducente.

• ¿Qué tareas, empleos y puestos de trabajo está ya sustituyendo la IA? ¿Y qué previsiones hay a futuro?

La IA ya está automatizando tareas rutinarias cognitivas: atención al cliente básica, generación de textos simples, traducciones estándar, análisis documental, programación repetitiva, diseño básico, gestión administrativa o procesamiento de datos. Pero hablar de “sustitución de empleos” suele simplificar demasiado. Lo que desaparecen son tareas concretas dentro de muchos empleos. La mayoría de los trabajos cambiarán antes de desaparecer completamente. Lo mismo ocurrió con internet, con los ordenadores o con la automatización industrial. Habrá profesiones que se reduzcan mucho y otras nuevas que ni siquiera imaginamos todavía. La clave no es intentar impedir ese cambio, sino preparar a la sociedad para adaptarse: educación, formación continua y capacidad de reinventarse profesionalmente. Penalizar la tecnología nunca ha sido una solución inteligente.

Using this link, you can access the article in English on Medium bypassing the paywall, «Why taxing robots and AI is the wrong answer«

Mi columna de esta semana en Invertia se titula «Te limpian la casa gratis. Y eso debería preocuparte…» (pdf), y trata sobre una de esas historias que, a primera vista, parecen una simple curiosidad empresarial, pero que en realidad dicen mucho sobre la evolución de toda una industria.

La protagonista es Shift, una startup que ha comenzado a ofrecer limpiezas gratuitas de apartamentos en Nueva York. En una ciudad en la que una sesión de limpieza puede costar fácilmente varios cientos de dólares, la propuesta parece desafiar cualquier lógica económica. Sin embargo, la empresa no está realmente en el negocio de la limpieza: está en el negocio de la recopilación de datos.

Los trabajadores realizan sus tareas equipados con cámaras que registran sus movimientos y la forma en la que interactúan con el entorno doméstico. Posteriormente, esas grabaciones son procesadas y utilizadas para entrenar sistemas de inteligencia artificial y, especialmente, robots capaces de desenvolverse en entornos reales. Lo que la compañía obtiene no es una vivienda limpia, sino algo mucho más valioso: datos de entrenamiento para máquinas que deberán aprender a desenvolverse en un mundo físico complejo e impredecible.

La historia resulta especialmente interesante porque pone de manifiesto hasta qué punto los datos se han convertido en uno de los recursos estratégicos más importantes de la economía de la inteligencia artificial. Mientras los modelos generativos pudieron alimentarse durante años de enormes cantidades de texto extraídas de internet, los sistemas robóticos necesitan observar cómo los seres humanos realizan tareas cotidianas: limpiar una cocina, recoger objetos dispersos, vaciar un lavavajillas o desenvolverse en espacios desordenados. Actividades aparentemente triviales para una persona, pero extraordinariamente difíciles para una máquina.

Además, el caso recuerda inevitablemente a los modelos de negocio que caracterizaron la era de la burbuja puntocom. Durante aquellos años vimos compañías que regalaban acceso a internet, almacenamiento, transporte o servicios financieros con la esperanza de construir posiciones dominantes que pudiesen monetizar más adelante. Hoy empezamos a ver algo parecido, pero con una diferencia fundamental: el activo que se intenta acumular ya no son usuarios o cuota de mercado, sino datos para entrenar sistemas de inteligencia artificial.

La pregunta, como ocurrió entonces, es cuánto de ese valor futuro es real y cuánto responde a expectativas todavía especulativas. Nadie sabe con certeza qué empresas dominarán la futura economía robótica ni qué modelos de negocio terminarán imponiéndose. Lo que sí parece claro es que existe una carrera frenética por acumular activos considerados estratégicos, y que los datos del mundo físico se han convertido en uno de los más codiciados.

Un fenómeno que, más allá de la anécdota de una limpieza gratuita en Manhattan, ofrece una ventana muy interesante para entender cómo está evolucionando la economía de la inteligencia artificial y hasta qué punto algunas de las dinámicas que definieron el auge de internet podrían estar repitiéndose hoy bajo nuevas formas.

Read this article in English on Medium with no paywall using this link, «How some AI companies are looking to clean up, literally»

Una compañía ha recibido, de acuerdo con un consultor que ha comentado el tema con Axios, una descomunal factura de quinientos millones de dólares de Anthropic, en concepto de tokens de Claude. Como comenta alguien, eso son cinco jets privados, dos superyates o una isla, vaporizados en la nada y convertidos en simples tokens. O como dice otro usuario, «me gustaría estar en la reunión con el responsable«…

La reacción inmediata supongo que sería pensar que alguien ha cometido un error, que algún empleado se ha vuelto loco con los prompts, que algún departamento ha perdido el control o que la inteligencia artificial es muchísimo más cara de lo que parecía. Pero aparentemente, y con todas las reservas que precisa una noticia así, venida de un simple comentario casual, alguien ofreció licencias de Claude a todos los usuarios de la compañía y no fijó ningún tipo de límites. En pleno contexto de tokenmaxxing, en el que el consumo de tokens es supuestamente algún tipo de prueba de tu valía, las cosas se acumulan rápidamente, hasta terminar con semejante factura demencial.

Después de algunos meses de entusiasmo, muchas compañías están comenzando a analizar con más detalle sus costes reales de inteligencia artificial y, sobre todo, su retorno. No porque hayan dejado de creer en la tecnología, sino porque empiezan a tratarla como cualquier otra inversión empresarial y a poner un mínimo de sentido común en las cosas. Microsoft, por ejemplo, ha empezado a cancelar licencias de Claude Code a miles de sus trabajadores y a pedirles que utilicen las de su GitHub Copilot CLI, y no simplemente por apostar por un producto propio, sino porque la idea original de ofrecer Claude Code a todos sus trabajadores, independientemente de su experiencia en desarrollo de software, tenía una muy difícil justificación. Incluso una compañía que ha apostado miles de millones por la inteligencia artificial empieza a evaluar con más rigor qué herramientas utiliza, cuánto cuestan y qué valor aportan realmente.

La inteligencia artificial generativa tiene un problema curioso: parece barata. La interfaz es una simple caja de texto y formular una pregunta resulta tan sencillo que cuesta percibir toda la infraestructura y recursos que existen detrás. Pero cada interacción consume recursos computacionales, almacenamiento, contexto, herramientas externas y modelos cada vez más complejos. Durante mucho tiempo, ese coste permaneció relativamente oculto. Ahora empieza a aparecer en las cuentas de resultados.

Las compañías que obtendrán verdadero valor de la inteligencia artificial no serán necesariamente las que más la utilicen, sino las que sean capaces de integrarla en procesos concretos, medir resultados y eliminar todo aquello que genere consumo sin aportar impacto. En la práctica, la pregunta está cambiando. Ya no es si estamos usando inteligencia artificial, sino si realmente merece la pena usar inteligencia artificial para una tarea determinada.

Puede parecer una diferencia menor, pero en realidad marca el final de la fase de entusiasmo y el comienzo de la fase de gestión. Y eso suele ser una buena noticia. Porque las tecnologías verdaderamente importantes sobreviven precisamente a ese momento: cuando dejan de venderse mediante promesas y empiezan a justificarse mediante resultados.

Las facturas de quinientos millones de dólares no demuestran que la inteligencia artificial esté fracasando: demuestra que, por primera vez, alguien está empezando a contar.

Read this article in English on Medium with no paywall using this link, «What a $500 million Claude bill means: the AI accountants have taken over«

Cada vez que un europeo paga un café, compra un billete de tren o contrata una suscripción online, es muy probable que la transacción viaje a través de infraestructuras controladas por compañías estadounidenses. Visa, Mastercard, American Express, PayPal, Apple Pay o Google Pay se han convertido en elementos tan cotidianos que rara vez pensamos en ellos. Pero la pregunta es importante: ¿tiene sentido que una economía del tamaño de la Unión Europea dependa de sistemas de pago que no controla?

La cuestión resulta especialmente llamativa porque Europa lleva años hablando de soberanía digital. Discutimos sobre inteligencia artificial, cloud computing, semiconductores o ciberseguridad, mientras ignoramos una de las capas más críticas de cualquier economía moderna: los pagos. En la práctica, hemos construido un mercado único, una moneda común y un complejo entramado regulatorio, pero seguimos dejando que una parte esencial de nuestra infraestructura financiera dependa de empresas sometidas a otra jurisdicción.

Los datos del Banco Central Europeo son reveladores. Los esquemas internacionales siguen representando alrededor del 61% de los pagos con tarjeta en la eurozona, y trece países europeos carecen por completo de una alternativa doméstica relevante. En muchos casos, cada pago realizado por ciudadanos y empresas europeas termina pasando por redes estadounidenses.

Es precisamente en ese contexto donde aparece Wero, impulsado por la European Payments Initiative (EPI), un consorcio respaldado por algunos de los principales bancos europeos. Durante su primer año de funcionamiento, la plataforma ha alcanzado 48.5 millones de usuarios registrados y ha procesado más de 7,500 millones de euros en transacciones. Son cifras todavía modestas frente al gigantesco volumen de Visa o Mastercard, pero suficientes para demostrar que existe una demanda real de alternativas europeas.

Sin embargo, el verdadero valor de Wero no está en sus cifras actuales. Está en lo que representa: durante demasiado tiempo hemos interpretado la competencia en los sistemas de pago como una cuestión de cuota de mercado. Pero la cuestión relevante no es si Wero consigue sustituir a Visa o Mastercard. Lo importante es que exista. Que haya una alternativa funcional, interoperable y europea. Que comerciantes, consumidores, reguladores y gobiernos sepan que disponen de otra opción.

Porque la existencia de una alternativa cambia radicalmente la dinámica competitiva. Hoy, Visa y Mastercard pueden imponer condiciones desde una posición extraordinariamente cómoda. Los comercios aceptan sus costes porque prácticamente no tienen otra opción. Pero si Europa consigue desplegar una infraestructura propia capaz de operar pagos entre particulares, comercio electrónico y pagos en punto de venta, la conversación cambia por completo. Ya no se trata de expulsar a nadie del mercado, sino de impedir que unos pocos actores tengan capacidad para dictar unilateralmente sus reglas. Si añadimos además que esos actores están sometidos a la voluntad de un gobierno norteamericano completamente impredecible que puede exigir los datos que estime oportuno en cualquier momento, el problema parece evidente.

La iniciativa resulta aún más interesante porque no pretende partir de cero. El objetivo es conectar y coordinar sistemas nacionales ya consolidados como Bizum en España, Bancomat en Italia, MB Way en Portugal, iDEAL en los Países Bajos o MobilePay en los países nórdicos. En lugar de crear una nueva fragmentación, la idea consiste en construir una verdadera red paneuropea que permita pagos instantáneos entre ciudadanos y empresas de distintos países sin depender de infraestructuras externas.

Obviamente, el camino no será sencillo. Los hábitos de pago son difíciles de cambiar. Apple Pay y Google Pay ofrecen una experiencia excelente. Visa y Mastercard poseen décadas de ventaja, aceptación universal y enormes economías de escala. Incluso en Alemania, uno de los primeros mercados donde se desplegó Wero, la adopción sigue siendo relativamente limitada.

Pero reducir la discusión a una simple batalla comercial sería un error. Los sistemas de pago son también instrumentos geopolíticos. Cuando Visa y Mastercard tomaron la decisión de suspender sus operaciones en Rusia tras la invasión de Ucrania, demostraron algo evidente: quien controla las infraestructuras financieras dispone de una poderosa herramienta de presión política. En aquel caso concreto, muchos consideraron la medida justificada. Pero la lección sigue siendo válida. La dependencia tecnológica siempre implica vulnerabilidad.

Por eso resulta significativo que el BCE lleve años insistiendo en la necesidad de reforzar la autonomía europea en materia de pagos, o que el debate sobre el euro digital avance en paralelo. No son iniciativas idénticas, pero responden a una preocupación común: la necesidad de garantizar que Europa conserve capacidad de decisión sobre infraestructuras fundamentales para su economía.

La cuestión, además, trasciende el ámbito financiero. Los pagos generan datos, relaciones comerciales, poder de negociación e innovación. Determinan quién captura valor y quién establece los estándares. En una economía cada vez más digitalizada, controlar esas infraestructuras equivale a controlar una parte importante del futuro.

Europa ha cometido demasiados errores en la construcción de plataformas digitales. Llegó tarde a las redes sociales, al cloud, a los sistemas operativos móviles y a muchas otras áreas estratégicas. Pero en pagos todavía existe una oportunidad real. No porque Visa y Mastercard vayan a desaparecer, sino porque la competencia puede volver a existir.

Y ese debería ser el verdadero objetivo. No construir una alternativa europea por patriotismo económico ni por nostalgia industrial, sino porque ningún mercado funciona adecuadamente cuando depende de un número tan reducido de actores. La soberanía no consiste en cerrar fronteras ni en expulsar competidores: consiste en tener opciones.

Porque, al final, la pregunta no es si Wero derrotará a Visa o Mastercard. La pregunta es mucho más sencilla: ¿queremos que la infraestructura que mueve nuestro dinero dependa exclusivamente de decisiones tomadas fuera de Europa? Si la respuesta es no, entonces iniciativas como Wero dejan de parecer experimentos financieros caprichosos para convertirse en algo mucho más importante: una pieza esencial de la autonomía estratégica europea.

Read this article in English on Medium with no paywall using this link, «Could Wero wean Europe off dependence on Visa and Mastercard?»

El pasado 15 de mayo, el papa León XIV firmó Magnifica Humanitas, su primera encíclica, dedicada íntegramente a la inteligencia artificial y a sus consecuencias para la humanidad. El documento fue presentado públicamente el 25 de mayo, coincidiendo con el 135 aniversario de la Rerum Novarum de León XIII sobre el capital y el trabajo, y conviene decirlo desde el principio: me parece un texto serio, mucho más profundo que la inmensa mayoría de declaraciones corporativas sobre ética de la inteligencia artificial, y bastante más honesto que muchos libros blancos gubernamentales escritos con una mano en el teclado y con la otra pendiente de no molestar demasiado a las empresas que realmente mandan.

La encíclica acierta en lo esencial: la inteligencia artificial no es simplemente una tecnología más, ni una herramienta neutral que podamos evaluar únicamente por su eficiencia, su precisión o su capacidad para reducir costes. Es una infraestructura de poder. Decide qué vemos, qué leemos, qué trabajos desaparecen, qué decisiones se automatizan, qué formas de vigilancia se normalizan y qué partes de la realidad compartida terminan convertidas en ruido, polarización o espectáculo. Como resume Wired, el Papa entiende la inteligencia artificial como una capa invisible que ya atraviesa el trabajo, la información y las decisiones colectivas. Hasta aquí, muy bien.

El problema es que, en el momento en que el análisis debería convertirse en acusación, el texto se queda sin nombres propios. Habla de concentración de poder, pero no menciona a quienes lo concentran. Habla de plataformas, pero evita señalar a las plataformas. Habla de lógicas de mercado, pero no identifica a las compañías que han convertido esas lógicas en una forma de gobierno privado sobre nuestras vidas. Y eso no es un problema teológico, ni una limitación de estilo vaticano, ni una concesión diplomática inevitable: es una decisión política. Una encíclica que pretende hablar con todos termina, precisamente por eso, sin incomodar de verdad a casi nadie.

Porque la realidad no es abstracta. Mientras el Papa advierte contra la cultura de la potencia y pide incluso, en su discurso de presentación, «desarmar» la inteligencia artificial, el Departamento de Justicia de los Estados Unidos documenta cómo Google ha usado su posición dominante para congelar el mercado de la búsqueda durante más de una década, hasta el punto de que los remedios judiciales aprobados afectan no solo a Search, Chrome o Assistant, sino también a Gemini y a la próxima capa de intermediación algorítmica de la red. No estamos hablando de una «tendencia preocupante», sino de un monopolio declarado por los tribunales, de contratos de exclusividad, de datos, de distribución, de la arquitectura misma del acceso a la información. El documento pontificio ve el edificio. Simplemente evita leer el cartel de la puerta.

Lo mismo ocurre con Meta. Cuando Wired recoge la protesta de trabajadores subcontratados en Dublín que moderaban contenido y etiquetaban datos para entrenar productos de inteligencia artificial de Meta, y que ahora denuncian que se quedan con las migajas mientras la compañía captura el valor de ese trabajo, no estamos ante un ejemplo anecdótico de mala gestión laboral. Estamos ante la forma concreta que adopta la inteligencia artificial cuando se despliega dentro de las cadenas de valor reales: trabajo invisible, externalizado, psicológicamente costoso, presentado como si fuese magia tecnológica, y finalmente desechado cuando deja de ser conveniente. ¿Dónde está ahí la dignidad del trabajo? ¿En qué parte exacta de la cadena queda la «centralidad de la persona humana»?

La parte más interesante de la encíclica es, sin duda, la que dedica al ecosistema informativo. Ahí el Papa acierta de lleno: el problema no es únicamente la desinformación, ni los bulos, ni la posibilidad de que una imagen generada por inteligencia artificial engañe a unos cuantos incautos durante unas horas. El problema es mucho más profundo: es la reconstrucción algorítmica del imaginario colectivo. Un sistema que optimiza para engagement, indignación, permanencia y reacción emocional no solo distribuye contenidos: define lo que una sociedad considera visible, discutible o posible. Un estudio publicado en PNAS Nexus mostró que los algoritmos de ranking basados en engagement amplifican contenido emocionalmente cargado y hostil hacia el adversario político; otro trabajo recogido por El País señalaba que el orden en que se muestran los mensajes políticos afecta a la polarización afectiva. En la práctica, la arquitectura de la conversación pública ya no la diseñan parlamentos, editores o ciudadanos, sino modelos de optimización opacos que convierten nuestras pulsiones más primarias en inventario publicitario.

Y aquí la encíclica es valiosa porque entiende algo que muchos reguladores aún no han entendido: el fact-checking no arregla un sistema construido para premiar lo contrario de la deliberación. Comprobar datos puede ser necesario, pero es desesperadamente insuficiente cuando toda la infraestructura está diseñada para que lo emocional derrote a lo relevante, lo tribal derrote a lo complejo y lo viral derrote a lo verdadero. La democracia no se destruye únicamente cuando alguien publica una mentira, sino cuando el espacio común en el que deberíamos distinguir entre verdad, mentira, interés y manipulación ha sido rediseñado por empresas privadas que responden ante anunciantes, accionistas y métricas internas, no ante ciudadanos.

Donde el documento se queda más corto es en el trabajo. Defiende la dignidad laboral con convicción, pero desde una concepción del empleo que suena cada vez más histórica. La gran pregunta ya no es si la inteligencia artificial destruirá puestos de trabajo, sino quién captura el valor de esa destrucción, de esa sustitución o de esa reorganización. Cuando una empresa automatiza un proceso, reduce plantilla, aumenta productividad y mejora márgenes, ¿a dónde va ese valor? ¿A los trabajadores? ¿A sus comunidades? ¿A impuestos capaces de financiar transición, formación o renta? En absoluto: va, en la mayoría de los casos, a los accionistas y a quienes controlan el capital. McKinsey lo formula desde el lenguaje de la estrategia empresarial: la inteligencia artificial no es simplemente una revolución de productividad, sino un «competitive reset», una reconfiguración de modelos de negocio, estructuras de mercado y profit pools. Dicho de otra manera: no basta con preguntar cuánta riqueza crea la inteligencia artificial. Hay que preguntar quién se la queda.

Por eso resulta tan interesante la propuesta discutida en Corea del Sur de un dividendo ciudadano asociado a los beneficios extraordinarios de la inteligencia artificial. Podrá ser imperfecta, discutible o prematura, pero al menos coloca la pregunta en el lugar correcto: si los sistemas de inteligencia artificial se entrenan con datos, trabajo, infraestructuras, conocimiento colectivo y mercados construidos socialmente, ¿por qué el retorno debe concentrarse casi exclusivamente en unas pocas compañías y sus accionistas? ¿Por qué aceptamos sin pestañear que la automatización sea presentada como progreso cuando sus beneficios se privatizan y sus costes se socializan?

La Iglesia, paradójicamente, tiene tradición suficiente para ir mucho más lejos. La Rerum Novarum no se limitó a lamentar de manera genérica «los excesos de la industrialización». Señaló abusos, habló de salarios, propiedad, patronos, obreros, asociaciones y condiciones concretas. Fue incómoda porque entendió que la doctrina social no podía quedarse en una apelación piadosa al bien común mientras las fábricas, los terratenientes y el capitalismo industrial redefinían la vida de millones de personas. Magnifica Humanitas quiere ser la Rerum Novarum de la inteligencia artificial, y en muchos aspectos lo consigue: entiende el cambio de época, reconoce la magnitud del desafío y se niega a caer en la ingenuidad tecnófila. Pero justo cuando debería transformar el diagnóstico en una crítica institucional concreta, se refugia en la abstracción.

Obviamente, no se trata de pedir al Papa que escriba una lista negra de empresas tecnológicas, ni que convierta una encíclica en una demanda antimonopolio. Las encíclicas están pensadas para poderse leer durante décadas o siglos y que sigan teniendo sentido, por lo que mencionar concretamente a compañías no tendría sentido Pero sí hay que entender que en 2026 hablar de inteligencia artificial sin nombrar a Google, Microsoft, Meta, Amazon, OpenAI, Nvidia, Apple o Anthropic es como hablar de la Revolución Industrial sin mencionar fábricas, minas, ferrocarriles, patronos o sindicatos. La tecnología no cae del cielo. La tecnología tiene propietarios, incentivos, contratos, cadenas de suministro, modelos de negocio y estrategias de captura regulatoria, y se pueden señalar perfectamente quiénes son los buenos y quiénes son los malos sin necesidad de mencionarlos por el nombre. Cuando todo eso desaparece del lenguaje, también desaparece la posibilidad de actuar sobre ello.

Nada de esto disminuye la importancia del documento. En un mundo en el que la ética de la inteligencia artificial está siendo, en demasiadas ocasiones, producida por las mismas empresas que se benefician de su ausencia, que una institución con autoridad moral global diga que la tecnología debe servir a la persona humana y no al revés es relevante. Que insista en que la cuestión central no es la capacidad técnica, sino el poder, también lo es. Y que hable de comunicación, educación, trabajo, guerra, democracia y dignidad en un mismo marco resulta bastante más sofisticado que la habitual letanía de “principios éticos” diseñados para adornar presentaciones corporativas.

Pero no es suficiente. La próxima carta, la próxima encíclica o el próximo documento sinodal tendrá que hacer lo que este evita: señalar estructuras, identificar actores y proponer mecanismos concretos. No una apelación genérica al multilateralismo en un mundo en el que el multilateralismo llega tarde, mal y con demasiados lobbies sentados a la mesa. No otra invocación solemne a la responsabilidad compartida mientras la captura de valor sigue siendo brutalmente asimétrica. No otro texto impecable en el diagnóstico y tímido en la acusación.

El Papa ha entendido muy bien cuál es el problema. Ha comprendido que la inteligencia artificial no es una herramienta, sino una nueva arquitectura de poder. Ha visto que afecta a la verdad, al trabajo, a la democracia, a la guerra y a la libertad. Ha encontrado incluso una formulación poderosa: desarmar la inteligencia artificial. Pero desarmar algo exige saber quién tiene las armas, quién las fabrica, quién las vende, quién se beneficia de ellas y quién paga las consecuencias.

Y ahí, precisamente ahí, Magnifica Humanitas se detiene. Diagnostica con lucidez, habla con altura moral, recupera una tradición social valiosa y formula preguntas necesarias. Pero cuando llega el momento de señalar con el dedo, baja la mano.

El Papa diagnostica bien. Lo que le falta, todavía, es valor para nombrar.

Read this article in English on Medium with no paywall using this link, «Pope Leo XIV understands AI as power. He’s right. Now he must name the companies who wield it»

Durante un tiempo, a muchas empresas les pareció una buena idea medir la adopción de la inteligencia artificial contando tokens. Cuántos tokens consumía cada empleado, cuántas llamadas hacía, cuántas veces invocaba un agente, cuánto contexto movía por sus sistemas. Cómodo, cuantificable, fácil de poner en un dashboard y, sobre todo, producía esa tranquilizadora ilusión de control que tanto gusta en las organizaciones cuando aparece una tecnología nueva.

El problema es que, como casi siempre, la tranquilidad era falsa. El caso de Amazon, que acaba de eliminar un ranking interno de uso de inteligencia artificial después de que algunos empleados empezasen a inflar artificialmente su consumo de tokens para subir posiciones, es casi demasiado perfecto para ser real. Según detalla el Financial Times en «Amazon scraps AI leaderboard to stop workers chasing usage scores«, el sistema, llamado Kirorank, puntuaba a los usuarios de la plataforma Kiro en función de su actividad con inteligencia artificial, hasta que algunos trabajadores empezaron a asignar tareas innecesarias a agentes autónomos para así generar más consumo. La propia compañía terminó pidiendo a sus empleados algo que debería haber sido obvio desde el principio: no uséis inteligencia artificial simplemente por usar inteligencia artificial.

Es difícil encontrar una ilustración más limpia de la ley de Goodhart: cuando una métrica se convierte en objetivo, deja de ser una buena métrica. Pero en este caso hay que ir un paso más allá: el consumo de tokens no dejó de ser una buena métrica cuando se convirtió en objetivo, porque en realidad, nunca fue una buena métrica. Era, como mucho, un proxy perezoso de actividad. Y la actividad, en una empresa, no es valor.

Este es el error de fondo: confundir el movimiento con el progreso. Un empleado que consume muchos tokens no está necesariamente trabajando mejor. Puede estar formulando mal sus preguntas, enviando contexto innecesario como si no hubiera un mañana, utilizando agentes para tareas triviales, iterando sin criterio, aceptando respuestas mediocres o delegando en la máquina procesos que habría resuelto más rápido con una conversación, una búsqueda o cinco minutos de concentración. Puede, simplemente, estar quemando dinero de la empresa para parecer moderno.

La industria de la inteligencia artificial tiene todos los incentivos del mundo para alimentar esa confusión. Si facturas por tokens, más tokens significan más ingresos. Si vendes infraestructura, más inferencia significa más demanda. Si vendes la narrativa de la automatización agéntica, más bucles, más llamadas a herramientas, más memoria y más contexto parecen síntomas de sofisticación. Pero para la empresa que paga la factura, el análisis debería ser exactamente el contrario: más consumo no significa más inteligencia. Muchas veces significa peor arquitectura.

La empresa inteligente no debería celebrar que sus sistemas consuman cada vez más, sino preguntarse por qué lo necesitan. La propia Anthropic, en su guía sobre context engineering, lo formula con bastante claridad: el objetivo es encontrar el conjunto más pequeño posible de tokens de alta señal que maximice la probabilidad de obtener el resultado deseado. No el conjunto más grande. No el prompt más largo. No la conversación más aparatosa. El conjunto más pequeño y más relevante.

Esa frase debería estar enmarcada en todos los comités de dirección que hoy se preguntan cómo medir la adopción de inteligencia artificial. Porque medir tokens es fácil. Medir competencia es mucho más difícil. Un buen profesional puede usar pocos tokens porque sabe exactamente qué pedir, qué contexto aportar, qué modelo elegir, cuándo detenerse, e incluso cuándo no utilizar inteligencia artificial. Uno malo, en cambio, puede usar millones porque no sabe pensar el problema, no sabe estructurar información, no sabe evaluar la respuesta o ha aprendido que el dashboard premia el ruido. En ese escenario, el ranking no identifica a los mejores usuarios: identifica a los más caros.

La paradoja es incómoda: el empleado realmente competente puede parecer menos «adoptador» que el que convierte cada tarea en una innecesaria liturgia agéntica de veinte pasos. El primero hace ingeniería. El segundo hace teatro. Y el teatro, cuando se mide, se expande.

No es un fenómeno nuevo. Las organizaciones llevan décadas destruyendo buenas intenciones mediante indicadores mal escogidos: llamadas atendidas, líneas de código, horas facturables, número de reuniones, tickets cerrados, publicaciones, citas, leads, visitas, clics. Siempre ocurre lo mismo. Primero se elige una métrica porque parece correlacionar con algo importante. Después se convierte en objetivo. Finalmente, la organización aprende a producir la métrica aunque el objetivo original desaparezca. La empresa quería productividad y obtiene actividad. Quería aprendizaje y obtiene cumplimiento. Quería adopción y obtiene tokenmaxxing.

Con la inteligencia artificial, el problema es aún más peligroso porque el coste marginal de fingir actividad puede ser muy alto. Un agente puede ejecutar bucles, llamar herramientas, reintentar, resumir, consultar documentos, generar código, descartarlo y volver a empezar. Desde fuera, todo parece trabajo. Desde dentro, puede ser una máquina de transformar presupuesto en vapor.

Por eso son tan importantes las señales contrarias. El estudio de METR sobre desarrolladores experimentados, por ejemplo, encontró que el uso de herramientas de inteligencia artificial les hizo tardar un 19% más en completar tareas sobre repositorios que conocían bien, aunque ellos mismos creían estar siendo más rápidos. El resultado no demuestra que la inteligencia artificial no funcione, demuestra algo más interesante: que la percepción subjetiva de productividad puede ser profundamente engañosa. Y si la percepción engaña, un contador de tokens engaña todavía más.

También por eso tienen sentido técnicas como el prompt caching de OpenAI, que puede reducir latencia y costes en prompts repetidos, o las recomendaciones de Microsoft sobre chunking en sistemas RAG, que insisten en enviar información relevante y eliminar lo irrelevante. Todas esas prácticas parten de la misma idea: el token no es una medalla, es un recurso. Y como todo recurso, debe administrarse.

La adopción real de inteligencia artificial no debería medirse por cuánto se consume, sino por cuánto mejora el trabajo. Menos tiempo hasta una decisión correcta. Menos errores. Menos repeticiones improductivas. Mejor documentación. Mejor código mantenible. Mejor atención al cliente. Mejor aprendizaje organizativo. Mejor capacidad para abordar problemas que antes no se podían abordar. Y, sobre todo, mejor relación entre resultado obtenido y coste incurrido.

Claramente, el numerador importa, pero el denominador también: una empresa que solo mira tokens está midiendo el denominador y fingiendo que eso le dice algo sobre el numerador. Es como evaluar a un conductor por los litros de gasolina consumidos, a un investigador por el número de PDFs abiertos o a un profesor por los megabytes descargados para preparar una clase. Puede haber alguna correlación débil en ciertos contextos, pero sería absurdo convertirlo en criterio de rendimiento. La pregunta relevante no es quién usa más inteligencia artificial. La pregunta relevante es quién obtiene mejores resultados porque sabe cuándo, cómo y para qué usarla.

Esto nos lleva a una distinción fundamental: el acceso a capacidad de inferencia puede convertirse en una parte muy relevante de la propuesta de valor para determinados profesionales, como planteaba al hablar de los tokens como forma de retribución o de capacidad de acción. Pero una cosa es equipar bien a una persona para que pueda trabajar mejor, y otra muy distinta es premiarla por agotar el presupuesto. Dar acceso a modelos potentes puede ser una inversión. Incentivar su consumo indiscriminado es una estupidez contable.

La madurez empresarial en inteligencia artificial no consistirá en presumir de los millones de tokens procesados: consistirá en diseñar sistemas que necesiten menos tokens para conseguir mejores resultados. Menos fuerza bruta y más contexto bien seleccionado. Menos rankings y más criterio. Menos gamificación infantil y más responsabilidad económica. Menos «mira cuánto uso la inteligencia artificial» y más «mira qué problema he resuelto».

El episodio de Amazon debería ser una advertencia temprana. No porque Amazon haya hecho algo especialmente exótico, sino precisamente porque hizo algo muy normal: intentar acelerar una adopción tecnológica mediante una métrica visible, comparable y aparentemente objetiva. El problema es que las personas no obedecen a los objetivos abstractos de la dirección: obedecen a los incentivos reales del sistema. Y si el sistema premia tokens, producirán tokens.

La inteligencia artificial necesita métricas, por supuesto, pero no cualquier métrica. Necesita métricas que capturen valor, calidad, aprendizaje, fiabilidad, seguridad, coste total y mejora real de procesos. Necesita auditorías, comparativas, experimentos controlados y disciplina. Necesita, en definitiva, gestión. Lo que no necesita es otro marcador luminoso que premie al que más ruido hace.

Porque cuando el consumo de tokens se convierte en objetivo, deja de medir adopción. Y cuando una empresa cree que el consumo de tokens mide inteligencia, lo que realmente está midiendo es su propia ingenuidad.

Read this article in English on Medium with no paywall using this link, «Tokenmaxxing and the failure of simplistic AI metrics»

Durante los dos últimos años, las empresas han estado haciéndose la pregunta equivocada: ¿cómo usamos la inteligencia artificial en nuestros procesos?

Al principio tenía sentido. Cuando aparecieron los grandes modelos de lenguaje, el instinto era natural: tomar lo que ya existía, como workflows, funciones, cadenas de decisión, etc. e intentar acelerarlo. Añadir copilots. Añadir asistentes. Añadir capas de automatización. Mejorar la productividad.

Pero, como hemos visto, ese enfoque no escala. Como argumenté en mis artículos anteriores, la inteligencia artificial empresarial no ha fracasado porque la tecnología no funcione. Ha fracasado porque intentamos colocarla en la capa equivocada. Los grandes modelos de lenguaje nunca fueron diseñados para dirigir una empresa, y encajarlos dentro de procesos existentes no cambia ese desajuste estructural.

Ahora que el entusiasmo inicial ha chocado con la realidad, empieza a emerger otra pregunta, silenciosamente pero de forma inequívoca: ¿y si el problema no es cómo usar inteligencia artificial en nuestros procesos, sino que nuestros procesos nunca fueron diseñados para la inteligencia artificial?

El regreso de una vieja idea (pero esta vez de verdad)

En los años noventa, la reingeniería de procesos de negocio (Business Process Reengineering, o BPR) prometía algo radical: rediseñar las empresas alrededor de sistemas de información en lugar de limitarse a superponer tecnología sobre workflows existentes. La idea era potente, pero la ejecución fue desigual. Muchas iniciativas acabaron siendo reorganizaciones costosas con poco impacto duradero, en parte porque los sistemas subyacentes seguían siendo rígidos, fragmentados e incapaces de adaptarse en tiempo real.

Esta vez es diferente.

Entonces, los sistemas eran pasivos. Almacenaban información, aplicaban reglas y apoyaban decisiones tomadas por humanos. Hoy, los sistemas empiezan a ser activos: pueden generar, evaluar, coordinar y, cada vez más, actuar. Ese cambio altera completamente la ecuación. Significa que ya no estamos simplemente digitalizando procesos: estamos redefiniendo qué es un proceso.

La investigación más reciente de McKinsey sobre adopción de inteligencia artificial refuerza exactamente este punto: aunque el uso es masivo, el impacto real se correlaciona fuertemente con el rediseño de workflows, no simplemente con desplegar herramientas. Las organizaciones que replantean cómo se redefine el trabajo, y no solo con que tecnología se lleva a cabo, son las pocas que están viendo mejoras medibles.

En otras palabras, la promesa original del BPR está reapareciendo, pero ahora la tecnología sí puede sostenerla.

Por qué la mayoría de los procesos son incompatibles con la inteligencia artificial

La verdad incómoda es que la mayoría de los procesos empresariales actuales no son solo ineficientes. Son estructuralmente incompatibles con el tipo de sistemas en que la inteligencia artificial se está convirtiendo.

Son:

• Fragmentados: repartidos entre herramientas, equipos y silos de datos.
• Secuenciales: construidos alrededor de traspasos y retrasos.
• Pobres en contexto: dependen de individuos para reconstruir el estado.
• Latentes en la toma de decisiones: optimizados para revisión, no para acción.
• Diseñados para humanos: asumen que la cognición, la memoria y la coordinación son escasas.

Estas características tenían sentido en un mundo donde el factor limitante eran las personas. No lo tienen en un mundo donde los sistemas pueden mantener contexto, aplicar restricciones y operar de forma continua.

Deloitte resume bien esta tensión en su análisis reciente sobre inteligencia artificial agéntica: muchas organizaciones están intentando automatizar procesos diseñados para humanos en lugar de replantear el propio trabajo. El resultado es previsible: aumenta la complejidad, pero los resultados no mejoran proporcionalmente.

No es un problema de herramientas. Es un problema de diseño.

La inteligencia artificial no optimiza procesos: los deja al descubierto

Uno de los patrones más consistentes en las iniciativas de inteligencia artificial empresarial es este: cuanto más intentas aplicar inteligencia artificial a un proceso existente, más visibles se vuelven las limitaciones de ese proceso.

Lo que antes estaba oculto detrás del esfuerzo humano pasa a hacerse explícito:

• datos ausentes
• reglas inconsistentes
• propiedad difusa
• trabajo duplicado
• bucles de retroalimentación lentos

En ese sentido, la inteligencia artificial se comporta menos como una capa de optimización y más como una herramienta de diagnóstico. Revela la distancia entre cómo una empresa cree operar y cómo opera realmente.

Por eso tantos pilotos se atascan. No porque falle el modelo, sino porque el proceso en el que se inserta no puede absorber lo que el modelo produce. Como ha señalado el MIT, el desafío no consiste simplemente en adoptar inteligencia artificial, sino en rediseñar las organizaciones para que realmente puedan utilizarla eficazmente.

Y eso lleva a una conclusión mucho más incómoda: el factor limitante ya no es la tecnología. Es la empresa.

De procesos a sistemas

Si la fase anterior de la inteligencia artificial empresarial consistía en añadir inteligencia a tareas, la siguiente consistirá en rediseñar sistemas para que la inteligencia esté integrada desde el principio.

Ese cambio lo altera todo. En lugar de preguntar “¿cómo automatizamos este paso?”, las empresas tendrán que preguntarse:

«¿Por qué existe este paso?»
«¿Cómo sería este proceso si estuviera diseñado alrededor de contexto continuo?»
«¿Dónde deberían producirse realmente las decisiones?»
«¿Qué restricciones deberían aplicarse automáticamente?»

No son mejoras incrementales. Son preguntas estructurales.

Y apuntan hacia un tipo diferente de organización: una donde los procesos dejan de ser secuencias estáticas de acciones y pasan a ser sistemas dinámicos que mantienen estado, integran datos, operan bajo restricciones y se adaptan continuamente a partir de resultados. Exactamente las mismas características que definían los sistemas descritos en mi artículo anterior.

Las empresas que se muevan primero serán muy diferentes

Aquí es donde el cambio empieza a hacerse visible. Las empresas que logren rediseñar con éxito sus procesos alrededor de estos principios no serán simplemente más rápidas o más eficientes. Operarán de otra manera:

• las decisiones ocurrirán más cerca de los datos
• la coordinación requerirá menos traspasos
• los bucles de retroalimentación se acortarán drásticamente
• la ejecución se volverá más continua
• los roles evolucionarán alrededor de sistemas, no de tareas

El Work Trend Index de Microsoft ya apunta hacia esta transición, describiendo organizaciones que evolucionan hacia estructuras más dinámicas y orientadas a resultados, donde humanos e inteligencia artificial colaboran alrededor de objetivos y no de funciones.

Desde fuera, estas empresas quizá no parezcan muy distintas al principio. Pero internamente, su lógica operativa habrá cambiado. Y ese cambio se acumula.

Esto no es opcional

Es tentador pensar en todo esto como una oportunidad. Y lo es. Pero también es otra cosa: una restricción.

Porque una vez que algunas empresas empiecen a operar así, las demás ya no competirán contra mejores herramientas. Competirán contra un tipo distinto de sistema.

Un sistema que:

• aprende más rápido
• se adapta continuamente
• coordina con mayor eficiencia
• ejecuta con menos retrasos

Eso no es algo que puedas igualar añadiendo otro copilot o desplegando otro modelo. Requiere rediseño.

La próxima fase de la inteligencia artificial empresarial será organizativa

Si la primera fase de la inteligencia artificial en la empresa fue la experimentación, y la segunda la toma de conciencia, la siguiente será la transformación.

No una transformación impulsada por modelos, sino por estructura. No estamos pasando de una «inteligencia artificial peor» a una «inteligencia artificial mejor». Estamos pasando de empresas construidas para humanos a empresas que deben operar con máquinas como parte de su lógica central.

Y eso exige algo que muchas organizaciones han evitado durante décadas: reconstruir la forma en que realmente trabajan.

La verdadera pregunta

Así que la pregunta ya no es «¿cómo usamos inteligencia artificial?» La pregunta es: «¿Estamos dispuestos a rediseñar nuestra empresa para que la inteligencia artificial pueda funcionar de verdad?»

Porque si la respuesta es no, el resultado ya está claro: la inteligencia artificial no fracasará. Pero tus procesos, sí.

(This article was previously published on Fast Company)

California acaba de hacer algo que, por obvio, resulta casi revolucionario: dejar de tratar la inteligencia artificial como una simple cuestión de innovación tecnológica y empezar a tratarla como lo que realmente es, una cuestión de política económica, de distribución de riqueza y de poder. La nueva orden ejecutiva de Gavin Newsom no parte del entusiasmo infantil de «preparemos a todos para los empleos del futuro», sino de una premisa mucho más incómoda: habrá disrupción, habrá sectores muy afectados, habrá muchos trabajadores desplazados, y si el estado no mide, anticipa y regula ese proceso, la factura volverá a caer sobre los mismos de siempre.

Lo interesante no es que California hable de formación, reciclaje profesional o alfabetización en inteligencia artificial. Eso ya lo había hecho antes, incluso asociándose con Google, Microsoft, IBM y Adobe para llevar certificaciones, prácticas y programas de inteligencia artificial generativa a institutos y universidades públicas. Lo verdaderamente importante es el cambio de tono: la IA deja de ser presentada únicamente como una herramienta para aumentar la productividad y pasa a aparecer como un fenómeno que puede requerir seguros de desempleo, estándares de indemnización, participación en capital, modelos de propiedad de los trabajadores, cambios en la ley WARN, paneles públicos de seguimiento sectorial e incluso mecanismos para que una parte del valor generado por las compañías de inteligencia artificial se destine a usos de interés público.

Ese giro es fundamental. Durante los primeros años de la inteligencia artificial generativa, la interpretación dominante fue una mezcla de evangelismo tecnológico, determinismo histórico y consultoría barata: «la inteligencia artificial no te quitará el trabajo, te lo quitará alguien que sepa usar inteligencia artificial mejor que tú». Era una frase perfecta para conferencias, cursos y titulares, pero pésima como diagnóstico social. California parece empezar a entender que el problema no es si cada trabajador aprende a escribir prompts, sino qué ocurre cuando las empresas descubren que pueden reorganizar procesos completos, reducir capas enteras de trabajo cualificado y concentrar aún más los beneficios de la automatización en accionistas, directivos y propietarios de infraestructura computacional.

La orden ejecutiva tiene un importante valor simbólico porque llega desde el territorio que más se ha beneficiado de esa concentración. California presume, con razón, de ser el mayor ecosistema de innovación del mundo y de alojar 33 de las 50 principales compañías privadas de inteligencia artificial. Pero precisamente por eso su movimiento resulta especialmente revelador: cuando el lugar que produce la disrupción empieza a prepararse para protegerse de ella, el resto del mundo debería dejar de mirar la inteligencia artificial como una promesa abstracta y empezar a verla como una política industrial de primer orden.

No hablamos de una reacción aislada. El AI Index 2026 de Stanford muestra un fenómeno con dos frentes claros: inversión privada disparada, adopción organizativa creciente y capacidades técnicas en rápida expansión, pero también efectos laborales desiguales, especialmente en los trabajadores más jóvenes de ocupaciones expuestas. Según Stanford, el empleo de desarrolladores de software de 22 a 25 años ha caído cerca de un 20% desde 2024, y una parte significativa de las empresas espera reducir plantilla en el próximo año. La misma Stanford destaca además que los estadounidenses son particularmente escépticos: solamente un 33% cree que la inteligencia artificial mejorará su trabajo, y la confianza en la capacidad del gobierno para regularla es muy baja.

Ese es el contexto real: no una revolución tranquila, sino una tensión creciente entre quienes diseñan la tecnología, quienes la financian y quienes la sufren. Los expertos tienden a ver posibilidades; el público ve riesgo, opacidad y pérdida de control. Una tecnología que avanza más deprisa que la capacidad social para comprenderla, gobernarla o confiar en ella. Y esa frase debería estar enmarcada en todos los despachos públicos: una tecnología que avanza más rápido que la gobernanza no es progreso, es simplemente poder sin contrapesos.

Por supuesto, la orden de Newsom no satisface a todos. La Federación Laboral de California la ha recibido con una mezcla de reconocimiento y crítica: está bien que el gobernador admita el daño potencial de la inteligencia artificial sobre los trabajadores, pero estudiar no basta, y la pérdida masiva de empleo no debe tratarse como una fatalidad inevitable, sino como una decisión política. Esa objeción es muy relevante, porque señala la diferencia entre gobernar la transición y limitarse a documentarla. Un dashboard sobre el impacto de la inteligencia artificial puede ser útil; pero si solo sirve para certificar el deterioro una vez producido, será otra forma elegante de llegar tarde.

La parte más sugerente de la orden es, precisamente, la que rompe con el lenguaje habitual de la «empleabilidad». Hablar de «universal basic capital«, de propiedad de los trabajadores o de participación en el valor generado por la productividad equivale a reconocer que la inteligencia artificial no es solo una cuestión de salarios, sino de propiedad. Si la productividad ya no procede únicamente del trabajo humano, sino de modelos entrenados con datos colectivos, infraestructura masiva y una concentración extraordinaria de capital, entonces la pregunta deja de ser «¿qué curso debe hacer el trabajador desplazado?» y pasa a ser «¿quién va a capturar (o está capturando ya) la renta de la automatización?». Esa es la pregunta incómoda. Y es exactamente la que la mayoría de gobiernos siguen evitando.

California será representativa para el resto del mundo en un sentido muy preciso: no porque sus soluciones sean exportables sin más, sino porque allí aparecerán antes las contradicciones. Silicon Valley ha sido durante décadas el laboratorio donde primero se veían las promesas de la tecnología; ahora puede convertirse en el laboratorio donde primero se vean sus costes sociales. Los países que hoy miran la inteligencia artificial como una carrera por atraer centros de datos, startups y talento deberían fijarse más en esta orden que en cualquier keynote de una gran tecnológica. La verdadera madurez no consiste en aplaudir cada nuevo modelo, sino en preguntarse qué instituciones serán necesarias cuando esos modelos empiecen a reorganizar mercados laborales enteros.

También hay una diferencia importante con las primeras interpretaciones de la inteligencia artificial generativa. Al principio se habló mucho de creatividad aumentada, productividad individual, asistentes personales y democratización del conocimiento. Todo eso existe, y sería absurdo negarlo. Pero la fase actual es distinta: las empresas ya no están experimentando con chatbots, sino rediseñando estructuras de costes. La inteligencia artificial ha pasado de ser una herramienta en manos del trabajador a ser un argumento en manos del consejo de administración. Ese desplazamiento semántico es crucial: cuando una tecnología entra en Excel, ya no se discute en términos de fascinación, sino de márgenes, plantilla y retorno sobre el capital.

Por eso California importa. No porque Newsom haya encontrado alguna fórmula mágica, sino porque ha puesto sobre la mesa un marco más adulto: innovación sí, pero con señales tempranas. Adopción sí, pero con negociación colectiva. Productividad sí, pero con reparto. Formación sí, pero no como coartada para abandonar a quienes sean desplazados. Colaboración con las grandes tecnológicas sí, pero sin confundir el interés público con el folleto comercial de quienes venden la tecnología.

La pregunta para Europa, para España y para cualquier economía que aspire a algo más que consumir herramientas diseñadas en otro sitio es evidente: ¿vamos a esperar a que la disrupción llegue convertida en estadísticas de desempleo, o vamos a diseñar antes los mecanismos de reparto, protección y gobernanza? Porque la inteligencia artificial no es inevitable en sus consecuencias. Lo inevitable, si no hacemos nada, es que siga el patrón habitual: socialización de costes, privatización de beneficios y una narrativa optimista cuidadosamente empaquetada para que parezca modernidad lo que en realidad es una transferencia masiva de poder.

California acaba de admitir que la inteligencia artificial no se gobierna con entusiasmo. Se gobierna con datos, con derechos, con negociación, con fiscalidad, con propiedad y con una pregunta que muchos preferirían no escuchar: si las máquinas van a producir más riqueza que nunca, ¿por qué deberíamos aceptar que esa riqueza pertenezca a menos gente que nunca?

Read this article in English on Medium with no paywall using this link, «How Gavin Newsom’s AI Executive Order raises the age-old question of who owns the means of production»

Mi columna de esta semana en Invertia se titula «Europa descubre el botón de apagado» (pdf), y trata sobre cómo Europa ha empezado, por fin, a comprender que su dependencia tecnológica de las grandes compañías estadounidenses no era simplemente una cuestión de comodidad o eficiencia, sino un problema estratégico de primer orden.

El detonante de esa toma de conciencia lo analiza muy bien un reciente artículo en Wired, «The EU Is going through a Trump-fueled breakup with Big Tech«, que explica cómo el retorno de Donald Trump y el uso crecientemente agresivo del poder político estadounidense han acelerado en Europa un debate que llevaba años latente: el de la soberanía digital.

La idea de que un gobierno europeo pueda depender de herramientas, infraestructuras o servicios sometidos a jurisdicciones extranjeras empieza a resultar cada vez más inquietante cuando la política exterior de ese país se vuelve imprevisible, injustificable o abiertamente hostil. La decisión francesa de sustituir progresivamente herramientas como Microsoft Teams, Zoom o Webex por soluciones propias para sus millones de funcionarios no responde únicamente a un impulso proteccionista o nacionalista, sino a la constatación de que la dependencia tecnológica tiene implicaciones geopolíticas muy reales.

El episodio que actuó como catalizador fue especialmente significativo: las sanciones de la administración Trump al fiscal de la Corte Penal Internacional Karim Khan, que provocaron restricciones de acceso a servicios tecnológicos esenciales. De repente, algo que muchos consideraban una discusión académica pasó a verse como una amenaza tangible: si un proveedor extranjero te puede cortar el acceso a herramientas críticas por motivos políticos, entonces la autonomía institucional queda claramente comprometida.

La administración francesa ya habla explícitamente de «reducir dependencias extraeuropeas», y ha pedido a todos sus ministerios planes concretos para abandonar tecnologías estratégicas controladas desde fuera de la Unión Europea, según explica el propio gobierno francés. Y Francia no está sola: el debate se extiende cada vez más por toda Europa, mientras medios como TechCrunch o The Next Web empiezan a tratar estas iniciativas como algo estructural, y no simplemente anecdótico.

El problema, desde mi punto de vista, es que Europa llega muy tarde. Durante décadas ha permitido que prácticamente todas las capas críticas de su ecosistema digital quedasen dominadas por empresas estadounidenses: sistemas operativos, servicios de cloud computing, plataformas de productividad, inteligencia artificial, redes sociales o herramientas de colaboración. Un informe reciente del Parlamento Europeo reconoce precisamente esa vulnerabilidad y plantea la necesidad de desarrollar capacidades propias, interoperables y abiertas.

La Comisión Europea también ha comenzado a mover ficha con iniciativas como el Digital Commons EDIC, orientado a promover infraestructuras digitales abiertas y reutilizables. Pero el desafío es enorme: construir soberanía digital no significa simplemente cambiar una aplicación por otra con bandera europea, sino desarrollar un ecosistema basado en estándares abiertos, interoperabilidad y capacidad real de elección. Porque si la alternativa europea termina siendo simplemente software peor financiado y menos competitivo protegido artificialmente por razones políticas, el remedio podría acabar siendo peor que la enfermedad.

Como advierte un interesante análisis del Atlantic Council, el verdadero riesgo es confundir soberanía con aislamiento. Europa necesita autonomía tecnológica, pero no una especie de «internet nacional» burocrática y cerrada. Necesita capacidad de decisión, no autarquía digital.

En realidad, lo más llamativo es que Donald Trump haya terminado haciendo más por la soberanía digital europea que años enteros de debates regulatorios, informes y declaraciones institucionales. La amenaza política ha convertido una cuestión aparentemente técnica en algo inmediato y perfectamente comprensible: quien controla tu infraestructura digital tiene, potencialmente, capacidad para condicionar tus decisiones. Y eso, para cualquier proyecto político que aspire a tener autonomía real, es sencillamente inaceptable.

You can read this article in English on Medium with no paywall using this link, «Europe discovers the off switch»