En 1990 llegó mi primer PC, un Tandon 286 con MS-DOS, y con él un programa de ajedrez cuyo nombre ya no recuerdo. Ahí avancé de verdad, sin nadie al otro lado del tablero. La máquina no se cansaba, no se distraía y no tenía prisa por irse a cenar. Perdía casi siempre, y cada derrota me enseñaba algo. Nadie me explicó una apertura: las descubría a base de perder.

No lo sabía entonces, pero estaba repitiendo a pequeña escala algo que la informática llevaba haciendo casi ochenta años: usar el ajedrez para medir hasta dónde puede pensar una máquina. Tampoco sabía que esa historia empieza en Madrid.

Después jugué alguna partida con Windows 3.1 e incluso con OS/2 de IBM, pero poco a poco lo fui dejando de lado durante décadas. Hace unos dos años volví al tablero casi por casualidad. Con mi hijo Bruno jugamos a todo tipo de juegos de mesa, y un día le hablé del ajedrez, lo probamos y le encantó. Hoy tiene casi ocho años, va a clases y me gana más partidas de las que pierde. Esa vuelta me ha hecho mirar atrás, y lo que he encontrado da para varios artículos. Este es el primero.

Las claves en 20 segundos

• En 1912 Leonardo Torres Quevedo construyó en Madrid El Ajedrecista, la primera máquina que jugaba al ajedrez sin un humano escondido dentro.
• A mediados del siglo XX, Turing y Shannon convirtieron el ajedrez en el problema de referencia de la inteligencia artificial.
• Un gran maestro español, Miguel Illescas, formó parte del equipo de IBM que preparó a Deep Blue para derrotar a Kaspárov en 1997.
• En junio de 1998, en León, se jugó el primer encuentro de ajedrez avanzado: humano más máquina. Nació el centauro.

Antes de las máquinas, los trucos

La historia de las máquinas que juegan al ajedrez empieza con una trampa. En 1770, el inventor húngaro Wolfgang von Kempelen presentó en la corte de Viena el Turco: un muñeco vestido con turbante, sentado sobre un armario lleno de engranajes, que jugaba y ganaba partidas.

Durante décadas recorrió Europa y América, y se dice que jugó contra Napoleón y Benjamin Franklin. El secreto era sencillo: dentro del armario se escondía un buen jugador de carne y hueso. Edgar Allan Poe le dedicó un ensayo en 1836 para explicar por qué tenía que ser un fraude. El Turco acabó destruido en un incendio en Filadelfia en 1854.

Aquel engaño dejó una pregunta en el aire durante más de un siglo: ¿podría una máquina, de verdad, decidir una jugada por sí misma? La primera respuesta honesta llegó desde España.

Madrid, 1912: la máquina que no hacía trampa

En 1912, en su laboratorio del Ateneo de Madrid, el ingeniero cántabro Leonardo Torres Quevedo terminó El Ajedrecista. Está considerada la primera máquina de la historia capaz de tomar decisiones por sí misma, y no había nadie escondido dentro.

No jugaba una partida entera. Resolvía un final concreto: su rey y su torre contra el rey solitario de un humano. Pero lo hacía sin ayuda, desde cualquier posición inicial, y siempre daba mate. No siempre por el camino más corto, porque Torres simplificó el algoritmo, pero nunca fallaba. Si el rival hacía una jugada ilegal, la máquina lo detectaba y lo señalaba.

Se presentó en la Feria de París de 1914 y en noviembre de 1915 la revista Scientific American le dedicó un artículo. En 1920, con su hijo Gonzalo, construyó una segunda versión que movía las piezas con electroimanes bajo el tablero, como si se movieran solas. Las dos máquinas se conservan en el Museo Torres Quevedo (que podéis visitar) de la Escuela de Caminos de la Universidad Politécnica de Madrid.

Torres Quevedo no era un excéntrico con una máquina curiosa. Había inventado el Telekino, uno de los primeros mandos a distancia por radio, y el transbordador que todavía cruza sobre el remolino de las cataratas del Niágara. En 1914 publicó sus Ensayos sobre Automática, donde planteaba que una máquina podía elegir entre opciones según las circunstancias. Treinta años antes de los primeros ordenadores, alguien en Madrid ya estaba pensando en lo que hoy llamamos inteligencia artificial.

Cuando leo esto pienso en mi PC de 1990. El programa que me ganaba no era tan distinto en espíritu: reglas, posiciones y una decisión. Solo que Torres lo hizo con engranajes y relés, ocho décadas antes.

Del papel al silicio: Turing y Shannon

El siguiente salto lo dieron dos de los padres de la informática, y los dos eligieron el ajedrez.

Alan Turing escribió con David Champernowne, hacia 1948, un programa de ajedrez llamado Turochamp. Puedes probarlo en esta réplica en GitHub. No existía ningún ordenador capaz de ejecutarlo, así que en 1952 Turing lo ejecutó él mismo, a mano, con papel y lápiz, tardando del orden de media hora por jugada. Jugó contra su colega Alick Glennie y perdió. El primer programa de ajedrez de la historia funcionó antes de que hubiera una máquina para correrlo.

En 1950, Claude Shannon publicó Programming a Computer for Playing Chess, el artículo que fijó las bases de todos los motores posteriores. Calculó que el número de partidas posibles ronda 10 elevado a 120, una cifra que hoy se conoce como número de Shannon, y describió dos caminos: calcularlo todo hasta cierta profundidad por fuerza bruta, o seleccionar solo las jugadas prometedoras, como hacemos los humanos.

A partir de ahí, el ajedrez se convirtió en el banco de pruebas de la inteligencia artificial. Al matemático soviético Alexander Kronrod se le atribuye la frase de que el ajedrez era la drosófila de la IA: el organismo sencillo con el que se experimenta para entender algo mucho más grande. Durante cuarenta años, ganar al campeón del mundo fue la meta.

Un español dentro de Deep Blue

En febrero de 1996, en Filadelfia, Garri Kaspárov se enfrentó a Deep Blue, el superordenador de IBM. Perdió la primera partida, pero ganó el encuentro por 4-2. Lo que casi nadie sabía es que, para la revancha, IBM iba a reforzar su equipo con un español.

Miguel Illescas, nacido en Barcelona en 1965, era gran maestro, ocho veces campeón de España y el primer español en superar los 2.600 puntos de Elo, en 1992. Y además era informático de profesión. IBM llevó una versión beta de Deep Blue a Barcelona y le propuso jugar contra ella. Después, hablando con los ingenieros, Illescas les dijo que con Kaspárov no tenían ninguna posibilidad tal como estaba la máquina. Le ficharon.

Pasó cerca de dos años trabajando en el proyecto, y en 1997 viajó a Yorktown Heights, el centro de investigación de IBM. El equipo combinaba ingenieros y grandes maestros que ayudaban a afinar el libro de aperturas y el estilo de juego de la máquina. Firmó un acuerdo de confidencialidad de diez años que le impidió contar nada durante una década.

En mayo de 1997, en Nueva York, Deep Blue ganó la revancha por 3,5 a 2,5. Fue la primera vez que un campeón del mundo perdía un encuentro contra una máquina en condiciones de torneo. Kaspárov insinuó que había habido intervención humana, pidió otro encuentro y IBM se negó y desmontó el proyecto. La historia ha inspirado incluso una serie de televisión, Rematch.

Y un detalle que me encanta: unos años después, Illescas fue entrenador y analista de Vladímir Krámnik, que en el año 2000 le arrebató a Kaspárov el título mundial. Un español estuvo detrás de dos de las derrotas más sonadas del mejor jugador de su época.

León, 1998: el día que nació el centauro

Al perder contra Deep Blue, Kaspárov podría haberse dedicado a pelearse con las máquinas. Hizo otra cosa: se preguntó qué pasaría si, en lugar de jugar contra el ordenador, jugaba con él. La idea era sencilla. El humano aporta intuición, plan y criterio; la máquina, cálculo sin errores a una velocidad imposible.

El primer encuentro de ese ajedrez avanzado se jugó en junio de 1998 en León, dentro del Torneo Magistral Ciudad de León que organizaba Marcelino Sión. Kaspárov jugó con el programa alemán Fritz 5 y Veselin Topalov con ChessBase 7.0, con 60 minutos por jugador. Empataron 3-3 y Kaspárov se llevó el desempate.

Topalov lo recordaba años después como una revolución: la suma del ser humano y la máquina, en un momento en el que casi nadie lo imaginaba. Al jugador que combina las dos cosas se le empezó a llamar centauro, mitad humano y mitad máquina.

Lo que vino después confirmó la intuición. En los torneos abiertos de ajedrez avanzado que se celebraron en internet a mediados de los 2000, las parejas de aficionados que sabían manejar bien varios programas llegaron a superar a grandes maestros con ordenador. No ganaba el mejor jugador ni el mejor programa, sino quien mejor sabía trabajar con la máquina.

Leídas hoy, esas palabras suenan a cualquier conversación sobre programar con IA en 2026. En León se ensayó, hace veintiocho años, la relación que ahora estamos aprendiendo a tener con estas herramientas.

Lo que yo no sabía en 1990

Cuando perdía contra aquel programa de mi Tandon, no tenía ni idea de que detrás había una cadena que empezaba en un laboratorio del Ateneo de Madrid, pasaba por un Turing jugando con lápiz y papel y terminaría, siete años después, con un campeón del mundo derrotado en Nueva York con ayuda de un informático de Barcelona.

Tampoco podía imaginar lo que vendría. Hoy el motor más fuerte del mundo es gratuito, se descarga en un minuto y juega muy por encima de cualquier humano desde un portátil. Y no lo ha hecho una gran empresa. Esa es la historia de la próxima entrega.

Y hay una tercera cosa que no sabía: que treinta y tantos años después volvería al tablero de la mano de mi hijo, y que él aprendería de una forma muy distinta a como aprendí yo, con clases, con libros y con alguien enfrente. Desde entonces llevamos un ajedrez a cualquier sitio, y Bruno pregunta a quien tenga delante si juega. Aquel primer verano, en la playa, no se libró de una partida ni un amigo ni un conocido. Pero eso merece su propio artículo.

Esta es la primera entrega de una pequeña serie sobre ajedrez, informática e inteligencia artificial. Si te la ha mandado alguien, puedes suscribirte al boletín para recibir las siguientes cada martes.

Un libro para esta entrega

Si esta historia te ha picado, te recomiendo Cuentos, jaques y leyendas. Historias dentro y fuera del tablero, del periodista malagueño Manuel Azuaga (Editorial Renacimiento, 2021). Lo he leído y es totalmente recomendable, juegues o no al ajedrez.

Reúne treinta artículos publicados en Diario SUR sobre el ajedrez fuera del tablero: Duchamp dejando el arte por las sesenta y cuatro casillas, Bogart y su afición en pleno rodaje de Casablanca, Unamuno, Kubrick o Nabokov. Y dentro del tablero, historias como la de Sultan Khan, un sirviente indio que llegó a campeón, o la de Sonja Graf, que jugaba vestida de hombre para vivir con libertad.

El prólogo es de Miguel Illescas, el mismo que acabas de conocer dentro de Deep Blue. Si te quedas con ganas, Azuaga tiene dos continuaciones: Más cuentos, jaques y leyendas y Últimos cuentos, jaques y leyendas.

Preguntas frecuentes

¿Cuál fue la primera máquina que jugó al ajedrez? El Ajedrecista, construido en 1912 por Leonardo Torres Quevedo en Madrid. Jugaba el final de rey y torre contra rey y siempre daba mate. Antes hubo autómatas como el Turco, pero escondían a un jugador humano.

¿Quién programó el primer programa de ajedrez? Alan Turing y David Champernowne escribieron Turochamp hacia 1948. Como no había ordenador para ejecutarlo, Turing lo jugó a mano en 1952.

¿Qué papel tuvo un español en Deep Blue? El gran maestro e informático Miguel Illescas trabajó para IBM en la preparación de Deep Blue antes de la revancha de 1997, en la que la máquina ganó a Kaspárov por 3,5 a 2,5.

¿Qué es el ajedrez avanzado o ajedrez centauro? Una modalidad en la que cada jugador humano puede consultar un programa durante la partida. El primer encuentro se jugó en León en junio de 1998, entre Kaspárov y Topalov.

Fuentes

• El Ajedrecista, Wikipedia
• Torres y Quevedo invents El Ajedrecista, History of Information
• Autómata ajedrecista, Museo Torres Quevedo (UPM)
• The Rook Endgame Machine of Torres y Quevedo, ChessBase
• Miguel Illescas, la mente tras el ordenador que ganó a Kasparov, Radio Marca Lanzarote
• Inteligencia artificial y ajedrez. Una conversación con Miguel Illescas, Revista Mercurio
• Entrevista a Miguel Illescas, Xataka
• Miguel Illescas, ChessBase
• Deep Blue versus Kasparov, 1997, Game 6, Wikipedia
• The first Advanced Chess event, León 1998, History of Information
• Inauguración del Magistral Ciudad de León 2012, ChessBase
• Cuentos, jaques y leyendas, Marcial Pons

Los enlaces a Amazon de este artículo son enlaces de afiliado: si compras a través de ellos, recibo una pequeña comisión sin coste adicional para ti.

Las claves en 30 segundos

• El contrato del Defensor del Pueblo con Indra puede llegar a 4,4 millones de euros sin IVA hasta 2027, pero no es un buzón: el pliego tiene 295 requisitos y estima unas 71.000 horas de trabajo.
• Por hora no sale caro. Lo caro es todo lo que se decidió comprar y los 529.400 euros al año que cuesta mantenerlo encendido.
• El código es propiedad del Defensor del Pueblo, pero nadie más puede verlo, auditarlo ni reutilizarlo.
• La justicia española funciona con nueve sistemas de gestión procesal distintos y la sanidad con diecisiete historias clínicas que dialogan mal entre sí.
• Italia, Francia, Dinamarca, Estonia o Alemania ya han demostrado que un mismo software público puede instalarse muchas veces.

Lo que dicen los pliegos

El expediente es el 2021/C00009 y se licitó en febrero de 2021. El presupuesto base era de 3,22 millones de euros sin IVA, se presentaron ocho empresas y se adjudicó a Indra por 3.003.616 euros. La oferta más barata era de 2,8 millones y la más cara de 3,15. Todas en la misma franja.

Luego vinieron los cambios. En junio de 2023 un primer modificado amplió el plazo hasta septiembre de 2025 sin subir el precio. En julio de 2024 un segundo modificado añadió 336.569 euros más. Y el contrato prevé dos prórrogas de 529.400 euros cada una. Si se agotan, el total llega a 4.398.985 euros sin IVA, unos 5,3 millones con IVA, repartidos entre junio de 2021 y septiembre de 2027.

Hasta aquí, el titular de esa publicación es básicamente correcto. Lo que no cuenta es qué se compró.

No es un buzón

El sistema que se quería sustituir se llama GEX. Lo desarrolló el propio Defensor del Pueblo en 2003 y 2004 en Java, con Oracle, un gestor de flujos de Tibco que ya no tiene soporte y el gestor documental Documentum. Guarda nueve millones de documentos, 2,7 terabytes, y lo usan a diario unas 170 personas. En 2025 la institución tramitó 38.762 expedientes.

El pliego técnico pide bastante más que un formulario. Los he contado (sí, con algo de ayuda de la IA): 295 requisitos. Hay atención al ciudadano por cualquier canal, registro electrónico con acuse sellado, espacio personal para seguir la queja, expedientes colectivos, reglas de asignación a las áreas, plantillas y escritos con código seguro de verificación, cita previa, campañas, boletines de email, escucha en redes sociales, un portal para ONG y parlamentarios autonómicos, integraciones con Cl@ve, @firma o el sistema de registros de las administraciones, y una aplicación móvil que funcione sin conexión para las visitas de inspección del Mecanismo Nacional de Prevención de la Tortura a cárceles y centros de internamiento.

Eso no lo hace un chaval en dos semanas. Y el contrato incluye además licencias, infraestructura, soporte y un año de mantenimiento.

El propio pliego estima el trabajo en 23,44 personas a tiempo completo durante 19 meses, más un equipo de mantenimiento. Unas 71.000 horas. Si divides lo presupuestado en servicios profesionales entre esas horas, sale a unos 32 euros la hora. Los salarios directos, a unos 25.

Indra no cobró caro por hora. Se compró muchísimo.

Donde de verdad está el dinero

Hay tres cosas en los documentos que me parecen bastante más relevantes que la cifra total.

La primera es el calendario. El plan del pliego era poner el sistema en producción a finales de 2022. A esas alturas ya se había facturado el 60 % del contrato. En mayo de 2023 fue la propia adjudicataria quien pidió el primer modificado por unas «innovaciones de índole técnico» y propuso «un nuevo planteamiento de plataforma técnica». En 2023 no se pagó nada. En julio de 2024, la resolución del segundo modificado describe el proyecto como «muy próximo a su puesta en producción». De 31 meses previstos a 76 posibles.

La segunda es lo que cuesta tenerlo encendido. Las prórrogas ya no pagan desarrollo: solo licencias, infraestructura y servicio gestionado. 529.400 euros al año sin IVA. Con los expedientes de 2025, son unos 16,5 euros por expediente solo en plataforma.

La tercera es la que más me ha llamado la atención. El pliego obliga a usar productos concretos: el cuadro de mando «se implementa sobre Ms Power BI», la colaboración «a partir de Ms. Teams», la integración con Microsoft 365 y el acceso con el directorio activo de Microsoft. Cuando escribes el nombre del fabricante en el pliego, has decidido la mitad del proyecto antes de empezarlo.

Y el segundo modificado lo explica con una franqueza que no suele verse. Justifica no cambiar de empresa porque «el cambio de contratista no es posible por razones tanto económicas como técnicas»: un proveedor nuevo tendría que estudiar la aplicación y formarse. Es la definición exacta de dependencia de un proveedor, escrita en un documento oficial.

No hay nada ilegal en todo esto. El contrato pasó por licitación abierta y los modificados tienen informes favorables de la Asesoría Jurídica y de la Intervención. Mi crítica no va a las personas ni a la empresa. Va al modelo.

El código es nuestro, pero no lo podemos ver

Aquí está lo que de verdad me preocupa.

El pliego administrativo dice que el desarrollo lleva aparejada la cesión de la propiedad intelectual al Defensor del Pueblo. El técnico exige entregar el código fuente en su sistema de control de versiones. El código es público en el sentido de que lo hemos pagado todos y pertenece a una institución pública. Pero no lo puede ver nadie.

Nadie puede auditarlo. Nadie puede proponer una mejora ni avisar de un error. Y ninguna otra administración puede reutilizarlo, aunque la Ley 40/2015 obliga a ceder las aplicaciones a la administración que las pida, permite declararlas de fuentes abiertas y crea un directorio para compartirlas. Ese directorio, el Centro de Transferencia de Tecnología, tiene su forja pública en GitHub con unos cuarenta repositorios, casi todos de firma electrónica.

Y hay un matiz técnico importante. Si lo desarrollado vive dentro de una plataforma comercial licenciada, la cesión de la propiedad intelectual sirve de poco: puedes regalar tu código a otra institución, pero no podrá usarlo sin pagar las mismas licencias.

Mientras tanto, el Defensor del Pueblo de Navarra y el Gobierno foral firmaron en 2026 un convenio para desarrollar su propia plataforma de gestión de expedientes. Es el mismo problema, resuelto otra vez desde cero y con otro presupuesto.

Lo de poder auditar el código tampoco es teórico. El Tribunal Supremo reconoció en septiembre de 2025 el derecho de la Fundación Civio a acceder al código de BOSCO, la aplicación que decide quién recibe el bono social eléctrico. Ocho meses después seguían sin tenerlo.

¿Cuánto costaría hacerlo hoy?

En septiembre conté aquí cómo he vuelto a programar treinta años después gracias a Claude Code. Así que me he tomado el pliego en serio y lo he clasificado requisito a requisito: qué es el núcleo, qué es accesorio, qué solo puede hacerlo una administración y qué no es software sino servicio.

Mi estimación, con desarrollo asistido por agentes de IA y un perfil senior dirigiéndolo, está entre 2.000 y 4.000 horas para todo el código, frente a las 71.000 del pliego. Construirlo completo, con auditorías de seguridad y accesibilidad y la migración de datos, rondaría entre 200.000 y 400.000 euros. Y mantenerlo en una nube privada europea, con réplica entre dos centros de datos e incluso alguna copia de seguridad adicional en una tercera ubicación, entre 35.000 y 55.000 euros al año, frente a los 529.400 de la prórroga.

No son los 10.000 euros de esta publicación. Tampoco son cuatro millones.

Conviene ser honesto con lo que esa cifra no incluye. Integrarse con Cl@ve, @firma o el registro común solo puede hacerlo una administración. El Esquema Nacional de Seguridad se certifica sobre quien opera el sistema, no sobre el código. Y rediseñar los procesos con los tramitadores, que es la mitad del trabajo real en un proyecto público, no se acelera con ningún agente. Me gustaría intentar construir la primera parte y publicar las horas y el coste reales, no los estimados, aunque siendo realista no se si tendré tiempo para hacerlo.

Diecisiete veces el mismo problema

El caso del Defensor del Pueblo es pequeño. Lo interesante es lo que pasa cuando lo multiplicas.

La justicia española funciona con nueve sistemas de gestión procesal distintos. Minerva en los territorios del Ministerio, Adriano en Andalucía, Atlante en Canarias, Cicerone en la Comunidad Valenciana, el suyo propio en Madrid, en Cataluña, en el País Vasco… En 2020 el propio Ministerio planteaba el dilema en voz alta: interoperabilidad o integración en un único sistema. Se eligió la primera. En junio de 2022 se anunció que por fin los sistemas «hablaban» entre ellos. Es decir, se construyeron puentes entre nueve programas que hacen lo mismo.

Hay una excepción que merece conocerse. Avantius nació en Navarra y hoy lo comparten varias comunidades, entre ellas Navarra, Aragón y Cantabria. Ya se ha hecho aquí. Funciona.

Sanidad: diecisiete historias clínicas para un mismo paciente

En sanidad es todavía más evidente. Cada comunidad tiene su propio sistema de historia clínica, a veces uno para los centros de salud y otro distinto para los hospitales. Esta es la foto con la información pública que he podido reunir:

Sistemas principales según fuentes públicas enlazadas al final. Dentro de cada comunidad puede haber variaciones por hospital y algunos están en plena sustitución.

Diecisiete comunidades y más de veinte programas distintos para hacer lo mismo: guardar la historia de un paciente, pedir una analítica, recetar y derivar al especialista. Cada uno con su contrato, su migración, su mantenimiento y su equipo. Solo el proyecto Jara de Extremadura arrancó en 2005 con 25,5 millones de euros en cuatro años. La Rioja acaba de prorrogar el suyo por 1,7 millones mientras prepara un contrato nuevo. Multiplica.

Y luego hay que hacer que hablen entre ellos. El proyecto de historia clínica digital del Sistema Nacional de Salud empezó en 2006. Quince años después seguía sin culminar, con comunidades que compartían solo el 11 % de los documentos pactados. Un estudio para la Comisión Europea calificó la interoperabilidad entre comunidades de «muy baja». Y en agosto de este año se seguía hablando de diecisiete sistemas que no dialogan eficientemente entre sí.

Hay un dato curioso escondido en esa tabla. En 2012, según un trabajo de la Universidad de Valladolid, nueve de las diecisiete comunidades usaban el mismo programa en atención primaria, OMI-AP. El mismo software instalado nueve veces ya existía. Lo que no existía era el código abierto, un presupuesto común ni una gobernanza compartida: nueve contratos con el mismo proveedor, nueve configuraciones distintas y nueve historias clínicas que seguían sin entenderse bien entre ellas.

Un núcleo común, diecisiete marcas

Ahora imagina lo contrario. Un único software de historia clínica, abierto, desarrollado una vez y desplegado diecisiete veces.

Cada comunidad lo usaría con su marca, sus colores, su nombre si quiere seguir llamándolo Diraya u Osabide, y su configuración: sus circuitos, sus catálogos de pruebas, sus centros. Pero por debajo sería el mismo programa, con el mismo modelo de datos y los mismos estándares, como FHIR para intercambiar información clínica. Un paciente de Ciudad Real atendido en Sevilla no necesitaría ningún puente: su historia se leería igual porque la escribió el mismo software.

Interoperable desde el primer día, no después de quince años de pasarelas.

Y con un único presupuesto de desarrollo. En lugar de diecisiete comunidades pagando diecisiete veces la receta electrónica, la integración con el laboratorio o la adaptación a la próxima norma europea, un consorcio con una cuota proporcional y una hoja de ruta común. Lo que cada comunidad quiera distinto, se lo paga como módulo propio, y si es útil, vuelve al núcleo para todos.

Y con el código en un repositorio público. Ahí está lo que más me ilusiona de la idea. Muchos profesionales podríamos aportar valor: abrir una incidencia cuando algo falla, proponer una mejora con un pull request, revisar el código de otros o auditar la seguridad por nuestra cuenta. Médicos que programan, enfermeras que detectan un flujo absurdo, ingenieros de hospital, universidades, empresas que dan soporte. Al final ese código lo hemos pagado todos con nuestros impuestos. Lo lógico es que todos podamos verlo, auditarlo y mejorarlo.

Los datos de los pacientes, evidentemente, no estarían en ningún repositorio. Se abre el programa, no la información.

Y lo mismo para todo lo demás

Lo mismo para los ayuntamientos, que son más de 8.000. Para las diputaciones. Para los gobiernos regionales. Para las defensorías autonómicas. Para el registro, los expedientes, las subvenciones, el padrón o la contabilidad. No hablo de las plataformas de participación ciudadana, que las hay libres y muy buenas. Hablo del corazón del software de la administración, el que tramita, registra y decide.

Cientos de ayuntamientos con el mismo software. Toda la sanidad con el mismo software. Todas las diputaciones con el mismo software.

Lo que cambia no es solo la factura. Cambia quién puede participar. Hoy un sistema así lo mantiene una empresa porque es la única que conoce el código. Con el código abierto, cualquier empresa puede ofrecer soporte, desarrollar una mejora o adaptarlo a un ayuntamiento concreto, incluida la pyme de informática de la capital de provincia que hoy no puede ni presentarse a estos concursos. Se compite por hacer mejor el trabajo, no por ser el dueño del código. Y habrá quien aporte sin que nadie le pague: universidades, funcionarios con ganas, desarrolladores que usan el servicio y ven un error. Pasa en todos los grandes proyectos de software libre.

Y con miles de ojos mirando el mismo código, auditar deja de ser un trámite que se encarga una vez y pasa a ser algo que ocurre todos los días.

Un matiz para no vender humo: un único sistema no significa un único proveedor ni un único centro de datos. Cada organismo lo opera donde quiera y con quien quiera. Lo que se comparte es el código, los estándares y la gobernanza. Sin gobernanza, un monocultivo también es un riesgo.

Ya se hace, y no es de ningún color

Lo mejor de todo esto es que no hay que inventar nada.

Italia lo tiene por ley. Los artículos 68 y 69 de su Código de la Administración Digital obligan a evaluar primero la reutilización y el software libre antes de comprar, y a publicar con licencia abierta el software encargado por la administración, en un catálogo común: Developers Italia. Y hizo algo todavía más ambicioso con el corazón del sistema: el 18 de enero de 2022 los 7.903 municipios italianos completaron su paso a un único padrón nacional, la ANPR, con 67 millones de residentes. Casi ocho mil padrones distintos convertidos en uno.

Francia lo resolvió en 2016 con la Loi pour une République numérique: el código fuente de la administración es un documento administrativo, se publica por defecto y se puede reutilizar.

Dinamarca es el ejemplo que más se parece a lo que propongo. En 2012 cinco ayuntamientos crearon OS2 para desarrollar juntos el software que todos necesitaban. Hoy son 82 municipios, el 84 % del país, con más de 400 instalaciones de productos compartidos y código abierto.

Estonia y Finlandia crearon en 2017 una fundación común, el NIIS, para mantener juntos X-Road, la capa de intercambio de datos sobre la que funciona buena parte de sus servicios públicos. Islandia se sumó después. Dos Estados compartiendo el corazón de su administración digital.

Alemania creó una agencia pública, ZenDiS, que publicó en 2024 openDesk, una alternativa abierta a Microsoft 365. Ya la usan el Ejército alemán, el Ministerio de Sanidad y la Corte Penal Internacional. Y el estado de Schleswig-Holstein está migrando 30.000 puestos de trabajo de Microsoft a software libre porque, según su jefe de la Cancillería, el software libre «debe convertirse en el estándar» de la administración.

Y la Unión Europea lo ha convertido en marco común. El Reglamento de Interoperabilidad Europea, aplicable desde julio de 2024, obliga a los organismos públicos a compartir sus soluciones de interoperabilidad, incluido el código fuente.

Gobiernos de izquierdas, de derechas, de coalición. Países grandes y pequeños. No es ideología. Es gestión.

Lo que pediría

No hace falta una revolución. Bastarían unas pocas reglas que otros ya aplican.

1. Código abierto por defecto en todo desarrollo a medida pagado con dinero público, con excepciones motivadas y publicadas. Como en Italia o Francia. Y en un repositorio público de verdad, con incidencias y contribuciones abiertas, no en un ZIP que se entrega al final del contrato.
2. Consulta obligatoria y real a lo que ya existe antes de licitar, y justificación pública si no se reutiliza.
3. Pliegos sin marcas. Nada de «se implementa sobre» un producto concreto sin justificarlo, y el coste de salida incluido en la oferta.
4. Coste total a cinco años como criterio de adjudicación: construir, licencias y operación. No solo lo que cuesta el primer año.
5. Consorcios para lo común, como OS2: defensorías, ayuntamientos, justicia, sanidad.
6. Hitos con penalizaciones en lugar de modificados que alargan plazos.

En abril escribí que la compra pública es la palanca más potente que tenemos y la estamos desperdiciando. Esto es exactamente eso, pero en pequeño y con nombres propios. No hace falta crear un campeón europeo para dejar de pagar diecisiete veces por lo mismo. Hace falta que el código que pagamos entre todos sea de todos.

La publicación de LinkedIn se equivocaba en el precio del buzón. Acertaba en lo que de verdad importa: que algo huele raro cuando nadie puede comprobar qué hemos comprado.

Preguntas frecuentes

¿Cuánto cuesta el sistema de quejas del Defensor del Pueblo?

El contrato se adjudicó a Indra en 2021 por 3.003.616 euros sin IVA. Con un modificado de 336.569 euros y dos prórrogas de 529.400 euros, el total puede llegar a 4.398.985 euros sin IVA (unos 5,3 millones con IVA) hasta septiembre de 2027.

¿Es solo un buzón de quejas?

No. El pliego incluye 295 requisitos: atención por todos los canales, registro electrónico, tramitación de expedientes, integración con servicios de la administración, cuadro de mando, migración de nueve millones de documentos y una aplicación móvil para las inspecciones del Mecanismo Nacional de Prevención de la Tortura.

¿El código es propiedad de la administración?

Sí. El pliego cede la propiedad intelectual al Defensor del Pueblo y exige entregar el código fuente. Pero no se ha publicado, así que no puede auditarse ni reutilizarse fuera de la institución.

¿Podrían todas las comunidades usar el mismo sistema de historia clínica?

Técnicamente, sí. Cada comunidad podría desplegar el mismo software abierto con su propia marca y configuración, compartiendo modelo de datos y estándares como FHIR. Así la interoperabilidad existiría desde el inicio y el desarrollo se pagaría una sola vez a través de un consorcio. El obstáculo es de gobernanza, no tecnológico.

¿Hay países que obliguen a publicar el software público?

Sí. Italia obliga a publicar con licencia abierta el software encargado por la administración, Francia considera el código fuente un documento administrativo desde 2016, y Dinamarca, Estonia, Finlandia y Alemania comparten software público entre administraciones.

Fuentes

• Ficha del expediente 2021/C00009 en la Plataforma de Contratación del Sector Público (pliegos, anexos y resoluciones de los modificados 1 y 2)
• BOE, anuncio de licitación y anuncio de formalización
• Defensor del Pueblo, presentación del informe anual 2025
• Ley 40/2015, artículos 157 y 158 y forja del CTT en GitHub
• Civio, sentencia del Supremo sobre BOSCO y situación en mayo de 2026
• Confilegal, los sistemas de gestión procesal (2020) y su interoperabilidad (2022)
• Ministerio de Justicia, reunión con la comunidad Avantius
• ConSalud, historia clínica digital, iSanidad y El Español
• Sistemas de historia clínica por comunidad: Tandem Health, sistemas de atención primaria en España (2026), Universidad de Valladolid, TFM 2012-13, Diraya (SAS), Jara (Computing), AP Cantabria (elDiario.es), Jimena (Redacción Médica), La Rioja (ConSalud), Murcia (murciasalud), Asturias (OMI360), Orion Clinic (GVA), SESCAM, IbSalut (Redacción Médica)
• AgID, directrices de adquisición y reutilización de software y ANPR
• Loi pour une République numérique
• OS2, NIIS y X-Road, openDesk y The Document Foundation sobre Schleswig-Holstein
• Reglamento de Interoperabilidad Europea, datos.gob.es

El hombre que la dirigió desde su apertura, Jaime Martorell, es hoy el comisionado especial del PERTE Chip, el plan de 12.250 millones de euros con el que España intenta volver a fabricar semiconductores. Le ha tocado reconstruir lo que vio montar y desmontar.

Las claves de la industria española de chips en 20 segundos

• AT&T inauguró en Tres Cantos en 1987 su primera fábrica de chips fuera de Estados Unidos.
• El Estado comprometió el 60 % de la inversión. Cerró en 2001 y la nave sigue vacía.
• El empleo español en fabricación electrónica cayó de 86.400 personas en 2000 a 35.500 en 2023.
• El PERTE Chip moviliza 12.250 millones y no hay ninguna planta avanzada en marcha.

La semana pasada escribí sobre los cuatro intentos europeos de soberanía tecnológica que fracasaron, desde el Plan Calcul de 1966 hasta JESSI. España tuvo su propio capítulo en esa historia, y es bastante menos conocido de lo que debería. Aquí se fabricaron chips, ordenadores y centrales telefónicas. Y luego dejamos de hacerlo.

La fábrica de chips que pagamos entre todos

El acuerdo entre Telefónica y AT&T se cerró a finales del primer trimestre de 1986 y dio lugar a AT&T Microelectrónica de España, participada al 80 % por la americana y al 20 % por la operadora española. Los socios eligieron Tres Cantos porque era Zona de Urgente Reindustrialización, con sus ventajas fiscales.

Aquí viene el dato que cambia la lectura del caso, y que aparece en el trabajo del historiador económico Ángel Calvo: el Gobierno comprometió el 60 % de la inversión total en subvenciones y créditos blandos. No fue una implantación de mercado. Fue política industrial pagada con dinero público, exactamente el mismo instrumento que usamos ahora.

Y funcionó durante un tiempo. La planta fabricaba circuitos integrados CMOS a medida, al principio a 1,75 micras. En 1994 facturaba 185,2 millones de dólares, vendía el 95 % de su producción fuera del grupo AT&T y destinaba el 75 % a Europa. En diciembre de 1995 se anunciaron 147,5 millones de dólares para modernizarla hasta las 0,35 micras y llevarla a 5.000 obleas semanales.

El final llegó rápido. La propiedad pasó de AT&T a Lucent y de Lucent a Agere Systems, y esta última justificó el cierre diciendo que la producción había pasado del 100 % en octubre de 2000 a solo un 25 % de la capacidad a principios de 2001. En julio de ese año se anunció el acuerdo para que BP comprara terrenos, edificios y equipos, con una inversión de más de 20.000 millones de pesetas (unos 120 millones de euros al tipo fijo de conversión de 1998, sin ajustar por inflación) para fabricar células solares y 600 puestos previstos a pleno rendimiento. Aquella actividad fotovoltaica terminó en julio de 2009.

En octubre de 2023 la Asamblea de Madrid rechazó una propuesta para recuperar la fábrica. La nave sigue ahí.

Standard Eléctrica, Piher y una industria que existió de verdad

Tres Cantos no fue un caso aislado. Hay una frase del Foro Histórico de las Telecomunicaciones que conviene leer despacio: los equipos de telecomunicaciones instalados en España durante el siglo XX fueron casi en su totalidad de fabricación nacional.

Standard Eléctrica, constituida en Madrid el 21 de enero de 1926 por ITT y la Compañía Telefónica Nacional de España, llegó a emplear a unas 23.000 personas y tuvo el monopolio de suministro a Telefónica hasta principios de los setenta. Su fábrica de Villaverde, construida en 1962 e inaugurada en 1964, fabricaba centrales de conmutación y en 1989 declaraba capacidad para 1,8 millones de líneas al año. Pasó al grupo Alcatel en 1986 y su cierre se anunció en otoño de 2001. De sus cuatro plantas solo sobrevive la de Maliaño, y en manos de otra multinacional.

Piher fue la mayor empresa de componentes electrónicos de capital español. Nació en Badalona en 1949 y en 1975 tenía cinco plantas y unas 3.000 personas: Badalona, Tudela, Granollers (donde fabricaba semiconductores de silicio), Madrid y Cardedeu. Suministraba a Philips y a Grundig, y en 1974 era la empresa número 33 entre los grupos industriales españoles.

Su derrota tiene una cifra que lo explica todo sin adjetivos: la competencia del sudeste asiático vendía 500 resistencias por un dólar, y Piher vendía cien por nueve. Presentó suspensión de pagos entre enero y febrero de 1986. Tudela se salvó por la intervención de la Diputación Foral de Navarra y sigue operando hoy bajo otro nombre.

La lista completa da para un museo. Telesincro construyó en Cerdanyola el Factor-P, el primer ordenador diseñado y fabricado en España, con prototipo en 1967, y en 1972 alcanzó el 16 % de las ventas del sector y el tercer puesto del mercado español. Secoinsa, constituida en 1975 por el INI, Fujitsu, Telefónica y varios bancos, fabricó en Málaga hasta que Telefónica vendió la división informática a Fujitsu España en 1986. Investrónica, filial de El Corte Inglés, lanzó en 1986 el primer compatible IBM PC fabricado en España. Telettra hizo en 1982 las antenas de Torre España. Y Sony puso en marcha en agosto de 1991 su planta de Viladecavalls, que en 2010 anunció el cierre y acabó traspasada a Ficosa.

La cuenta exacta de lo que se fue, y cuándo

Los datos de Eurostat para la rama de fabricación de productos informáticos, electrónicos y ópticos son bastante claros:

• 1995: 61.000 ocupados
• 2000: 86.400 ocupados
• 2008: 43.900 ocupados
• 2023: 35.500 ocupados

De 2000 a 2023 desaparecieron seis de cada diez empleos del sector. Pero lo importante es el tramo intermedio: entre 2000 y 2008, antes de que estallara la crisis financiera, ya se había perdido el 49,2 %. Cuando llegó 2008, la electrónica española llevaba años haciendo las maletas hacia Asia. La crisis no vació el sector. Lo encontró medio vacío.

Hoy fabricar electrónica aporta 18 céntimos de cada 100 euros de valor añadido de la economía española. En el año 2000 eran 53. La manufactura en su conjunto ha pasado del 17,9 % del valor añadido en 2000 al 11,9 % en 2024. Y España exporta 73 euros de alta tecnología por cada 100 que importa.

La otra industria que se vendió entera: el hosting

Mientras la electrónica se iba, en España crecía otra industria tecnológica, más pequeña y más joven. Y también acabó, casi entera, en manos de fuera.

Arrakis, fundada en Sevilla en 1996 por tres personas que se habían conocido en Fidonet, llegó a 70.000 clientes y al 15 % del mercado. La compró British Telecom en 1999 por unos 1.796 millones de pesetas tras la auditoría, alrededor de 10,8 millones de euros. Servicom, el primer gran servicio en línea español, acabó en Retevisión en 1998. Arsys, nacida en Logroño en 1996, se vendió a dos fondos en 2007, que pagaron 160 millones de euros por el 79 %; seis años después la alemana United Internet se llevó el 100 % por unos 140 millones. Nexica fue a la belga Econocom en 2015.

Yo estaba dentro de esa consolidación, así que lo cuento con conocimiento de causa. Monté Ferca Network en Herencia, Ciudad Real, en 1998. Llegamos a más de 15.000 clientes y más de 1.200 servidores dedicados, en una época sin virtualización, cuando un servidor dedicado era literalmente una máquina física entera. En 2008 acens nos compró, a nosotros y a la alicantina Veloxia, en una misma operación que sumaba 30.000 dominios y cuatro millones de euros de facturación. Tres años más tarde, Telefónica compró acens.

No buscábamos vender. El mercado estaba en plena concentración y el acuerdo tenía la ventaja de no dejarnos fuera del sector, porque pasábamos a ser socios de acens. Es exactamente lo que le ocurrió al resto: el hosting español no desapareció por incompetencia, se vendió porque a partir de cierto tamaño porque la concentración era un punto a favor para seguir creciendo y compitiendo. Pero también he de decir en este punto que hay muchos históricos que siguen desde entonces sin ventas ni fusiones como mi amigo Daniel Salamanca de Comvive Servidores o la gallega DinaHosting.

Hay un detalle de aquella etapa que me sigue pareciendo la mejor metáfora de todo esto. Teníamos un panel de control propio llamado CHS, Custom Hosting System, escrito en C por mi socio David Sánchez, que competía en aquellos años con Plesk y cPanel, los dos estándares mundiales. Dejó de mantenerse el día de la venta. Y casi veinte años después sigue funcionando en algún servidor por ahí, robusto como el primer día y sin una sola línea nueva. No lo mató un fallo técnico. Lo paró una operación corporativa.

Lo que quedó: una cooperativa y unos laboratorios públicos

De toda aquella industria de semiconductores queda esencialmente una empresa. Fagor Electrónica, cooperativa del grupo Mondragón fundada en 1959, se presenta como la única fabricante de semiconductores del Estado español y una de las pocas fabricantes de diodos de Europa. Fabrica diodos, rectificadores, tiristores y carburo de silicio, y trabaja en producir por primera vez en España chips de carburo de silicio policristalino.

Lo demás sobrevivió en los laboratorios públicos, no en las fábricas. Y ahí hay una historia que merece ser más conocida: los chips que miden el viento en Marte se hicieron en España. El sensor de viento de la estación REMS del rover Curiosity es un chip de silicio de 1,5 milímetros de lado, con tres elementos de platino, fabricado en la sala blanca del grupo de Micro y Nano Tecnologías de la Universitat Politècnica de Catalunya junto al Centro de Astrobiología, EADS Astrium Crisa y el Centro Nacional de Microelectrónica. Para el rover Perseverance, el cerebro del sensor de viento lo diseñó el Instituto de Microelectrónica de Sevilla, centro mixto del CSIC y la Universidad de Sevilla.

La capacidad de fabricar silicio en España no murió del todo. Se refugió en la universidad.

Lo que intentamos ahora, y la pregunta incómoda

El PERTE Chip se anunció en 2022 con 12.250 millones de euros, y esa cifra necesita una lectura honesta. 10.750 millones son un mecanismo financiero que opera mediante préstamos y participación en capital, no subvención directa. A cierre de 2025, el director general de la sociedad pública que lo gestiona cifraba en torno a mil millones las operaciones aprobadas en semiconductores. De los 9.350 millones reservados para fabricación no se ha materializado nada: el proyecto de Broadcom, anunciado en 2023 por unos mil millones, se cayó en julio de 2025 sin explicación pública. España no tiene hoy ninguna planta comercial confirmada de lógica avanzada.

Lo que sí avanza es otra cosa, más modesta y quizá más sensata. El centro de semiconductores de Málaga, con obras adjudicadas en mayo de 2026 por 168 millones dentro de 500 comprometidos, tendrá 2.000 metros cuadrados de sala blanca y más de sesenta máquinas para obleas de 300 milímetros, y lo operará el belga imec: será su primera instalación fuera de Bélgica. SPARC construye en Vigo la primera fábrica de chips fotónicos de España, con 17,2 millones y unos 200 empleos directos previstos. Diamond Foundry levanta instalaciones en Trujillo y Zaragoza con 752 millones de participación pública sobre una inversión de 2.350 millones hasta 2029.

Ninguno de esos proyectos es una megafábrica, y precisamente por eso me parecen más creíbles que la megafábrica que no llegó.

Queda la pregunta incómoda, y es la misma que dejé abierta la semana pasada. Tres Cantos se construyó con el 60 % de dinero público y acabó vacía en catorce años. No falló por falta de inversión ni de tecnología: falló cuando su dueño decidió que le salía más barato fabricar en otro sitio. Poner dinero público sabemos hacerlo, lo hicimos en 1987. Lo que no hemos resuelto todavía es lo otro: quién compra después.

Preguntas frecuentes

¿España ha fabricado chips alguna vez?
Sí. AT&T Microelectrónica de España operó en Tres Cantos desde 1987 hasta 2001, fabricando circuitos integrados CMOS a medida y produciendo unas 6.000 obleas de silicio a la semana. Hoy Fagor Electrónica sigue fabricando semiconductores de potencia en Mondragón.

¿Cuándo se perdió la industria electrónica española?
Sobre todo entre 2000 y 2008. En ese periodo el empleo del sector cayó un 49,2 %, antes de la crisis financiera. Entre 2000 y 2023 la caída total fue del 58,9 %, según datos de Eurostat.

¿Qué es el PERTE Chip y en qué punto está?
Es el plan español de microelectrónica y semiconductores, dotado teóricamente con 12.250 millones de euros, de los que 10.750 son instrumentos financieros y no subvención directa. A cierre de 2025 había alrededor de mil millones en operaciones aprobadas y ninguna planta de fabricación avanzada en marcha.

¿Qué queda hoy de la industria de hosting española?
Muy poco de capital nacional. Arrakis fue a British Telecom, Arsys a la alemana United Internet, Nexica a la belga Econocom y acens a Telefónica. Siguen operando empresas españolas independientes, pero el grueso del sector cambió de manos entre 1999 y 2015.

Fuentes

• Ángel Calvo, «Multinacionales, Estado y empresa semipública en la industria de tecnología avanzada durante la década de 1980», Investigaciones de Historia Económica, 2017
• La deslocalización de las fábricas españolas de chips
• La fábrica de Villaverde de Standard Eléctrica
• Foro Histórico de las Telecomunicaciones, las industrias de las telecomunicaciones en España en el siglo XX
• «Piher: expansió i crisi», Carrer dels Arbres
• El Factor-P de Telesincro, primer ordenador diseñado y construido en España
• Cronología corporativa de Sony España
• Eurostat, empleo por rama de actividad (nama_10_a64_e)
• La historia de Arrakis
• Fagor Electrónica, división de semiconductores
• Científicos españoles diseñan un chip para medir el viento de Marte
• Fotografía del Telesincro Factor S, Auledas, CC BY-SA 4.0, Wikimedia Commons

La primera es que han empezado a aparecer contratos de verdad: Airbus, el Gobierno federal alemán y la Generalitat de Catalunya han firmado en los últimos meses acuerdos con requisitos de soberanía escritos en el pliego. La segunda es que me he puesto a repasar la historia, y resulta que esto que estamos haciendo ahora Europa ya lo intentó cuatro veces desde 1966. Y perdió las cuatro.

Las claves de la soberanía tecnológica europea en 30 segundos

• Francia lanzó el Plan Calcul en 1966 tras un veto estadounidense y lo cerró en 1975 sin alcanzar sus objetivos.
• Unidata, el Airbus de la informática, llegó al 13,2 % de las ventas europeas de ordenadores en 1973 y lo disolvió el propio Gobierno francés.
• Siemens y Philips cumplieron el calendario técnico del proyecto MEGA y Siemens admite hoy que no fue un éxito económico.
• De JESSI no salió la industria de memorias que se buscaba, pero sí el apoyo temprano a ASML.
• Airbus, Alemania y la Generalitat ya han firmado contratos con requisitos explícitos de soberanía.

Repasar esos cuatro intentos no es nostalgia. Ninguno falló por falta de presupuesto público ni por incapacidad técnica, y entender por qué cayó cada uno explica bastante mejor lo que nos pasa hoy que seguir comparando catálogos de servicios entre un proveedor europeo y un hiperescalar americano.

Un veto de Estados Unidos y una respuesta en dos meses

En mayo de 1966 Estados Unidos se negó a entregar dos superordenadores CDC 6600 al Commissariat à l’énergie atomique francés. Los motivos que se invocaron fueron la salida de Francia del mando integrado de la OTAN y el tratado de no proliferación. El golpe llegaba después de otro: en 1964 General Electric había tomado el control de la Compagnie des Machines Bull y había cancelado dos modelos de ordenador franceses.

De Gaulle aprobó el Plan Calcul en julio de 1966, dos meses después del veto. En diciembre nació la Compagnie Internationale pour l’Informatique, bajo tutela directa del primer ministro. Francia gastó más de 100 millones de dólares en los cinco primeros años y esperaba que la nueva compañía facturase 200 millones antes de 1975.

Y el negocio creció de verdad. La facturación pasó de 370 millones de francos en 1970 (unos 56 millones de euros al tipo fijo de conversión de 1998, sin ajustar por inflación) a 1.350 millones en 1974 (unos 206 millones), y su cuota del parque instalado francés subió del 7,5 % al 10 %. Aun así el plan se dio por terminado en 1975 y la empresa acabó fusionada con la estadounidense Honeywell. Entre 1977 y 1980 las subvenciones sumaron 812 millones de francos, unos 124 millones de euros, frente a 724 millones de beneficios acumulados, unos 110 millones. El Estado puso más de lo que la compañía ganó.

El argumento con el que Bruselas legisla en 2026 es exactamente el mismo que el de París en 1966: no depender de un proveedor extranjero para infraestructura considerada estratégica.

Unidata: el Airbus que sí se intentó, y que Francia desmontó

En abril usé la comparación con Airbus para explicar lo que Europa debería hacer con la infraestructura digital. Lo que no sabía entonces, y me parece el hallazgo más incómodo de todo este repaso, es que el Airbus de la informática se intentó de verdad, y llegó a funcionar.

Se llamaba Unidata y reunía a la francesa CII, a la alemana Siemens y a la neerlandesa Philips. El reparto de trabajo estaba claro: Philips ponía los semiconductores, Siemens los periféricos y el almacenamiento magnético, y CII la arquitectura, el software y la dirección del proyecto. El acuerdo se firmó en Ámsterdam el 4 de julio de 1973.

En 1973 el consorcio reunía el 13,2 % de las ventas europeas de ordenadores y el 9,8 % del parque instalado. Las primeras máquinas se entregaron en 1974.

Lo que lo detuvo no fue el mercado. En 1975, recién elegido, Valéry Giscard d’Estaing denunció de forma unilateral el acuerdo. Detrás de la ruptura estuvo Ambroise Roux, presidente de CGE y accionista de peso en CII, que temía que Unidata acabara compitiendo con sus intereses en telecomunicaciones. Francia prefirió entregar su participada a Honeywell y el consorcio se disolvió en diciembre de ese año.

Aquí está la diferencia que importa, y que matiza mi propio argumento de abril. Airbus voló porque las aerolíneas compraron aviones. Los Estados no podían garantizar a Unidata una cuota equivalente en un mercado informático abierto, y sin demanda asegurada el consorcio dependía de que tres accionistas con intereses distintos siguieran remando en la misma dirección. Bastó con que uno dejara de remar.

Bull, la empresa que estaba en el origen de todo aquello, fue nacionalizada en 1982, privatizada en los noventa y vendida a Atos en 2014. El 31 de marzo de 2026 el Estado francés la compró entera otra vez, por un valor de empresa de hasta 404 millones de euros. La nota oficial habla de nuevo de soberanía digital. Cuarenta y cuatro años para volver al punto de partida.

Cumplir el calendario y perder igual

El tercer intento fue industrial y tenía fecha de entrega. En julio de 1984, en Estocolmo, el presidente de Siemens, Karl Heinz Kaske, presentó el proyecto MEGA junto a Philips. Siemens comprometiía 1.400 millones de marcos (unos 716 millones de euros al tipo fijo de conversión de 1998, sin ajustar por inflación), 800 de ellos en investigación. El desarrollo conjunto se presupuestó en 1.500 millones de marcos (unos 767 millones de euros), con 700 millones de participación neerlandesa (unos 358 millones). El Gobierno alemán aportaba 300 millones de marcos (unos 153 millones de euros) y el neerlandés 200 millones de florines (unos 91 millones de euros, siempre con el cambio fijo de 1998 como indicaba antes).

El calendario declarado era concreto: memorias de 1 megabit fabricándose a partir de 1987 y de 4 megabit entre 1989 y 1990.

Y lo cumplieron. En 1987 Siemens fue, junto a Toshiba, la primera compañía occidental en producir en serie chips de 1 megabit, y los de 4 megabit llegaron en 1989. Lo llamativo es lo que la propia Siemens escribe hoy en su cronología corporativa: que aspiraba al liderazgo mundial en cinco años y que el proyecto no fue un éxito económico, aunque le permitiera acercarse a sus competidores.

Ese es el dato que hay que retener, y viene de la empresa que lo protagonizó, no de sus críticos. No falló la ingeniería ni el plazo. Falló el negocio.

Hay además un detalle que redondea la historia. La tecnología CMOS de 1 megabit llegó a Siemens mediante un acuerdo de licencias con Toshiba. El programa europeo para dejar de depender de los fabricantes japoneses licenció a un fabricante japonés la tecnología con la que pensaba conseguirlo.

Philips llegó a ser el mayor fabricante de chips de Europa y el séptimo del mundo. Los beneficios fueron decepcionantes y después vino la reorganización Operation Centurion, con 50.000 empleos suprimidos a escala global entre 1990 y 1997.

Lo que salió de JESSI no fue lo que se fue a buscar

El cuarto intento fue el más ambicioso. JESSI, la Joint European Submicron Silicon Initiative, arrancó el 1 de julio de 1989 dentro del marco EUREKA, coordinada desde Múnich, con 157 participantes de trece países. Alemania aportó 59 y Francia 53. España, tres. Un informe estadounidense de 1992 preveía una financiación de 8.000 millones de dólares, con más de 4.500 millones procedentes de gobiernos comunitarios. La ficha oficial del programa, por cierto, nunca ha publicado su presupuesto.

Bernhard Dachs, del Austrian Institute of Technology, publicó en septiembre de 2025 el análisis retrospectivo más completo que he encontrado. Su conclusión tiene tres partes y las tres se leen hoy como una advertencia. El cambio tecnológico dejó obsoletos objetivos iniciales importantes. El propósito de forjar una alianza europea chocó con las estrategias globales de las propias multinacionales participantes, que buscaban a la vez socios fuera de Europa. Y, pese a todo, el programa dejó beneficios a largo plazo que nadie había planificado, entre ellos el apoyo temprano a ASML.

Merece la pena detenerse ahí. ASML es hoy la única empresa del mundo capaz de fabricar las máquinas de litografía ultravioleta extrema con las que se producen los chips más avanzados, y cerró 2025 con 32.700 millones de euros de ventas. Europa no consiguió en 1989 lo que fue a buscar, que era una industria de memorias propia. Consiguió otra cosa, más valiosa, que no estaba en el plan.

El mismo Dachs escribía en 2023, sobre la Ley Europea de Chips, que caben dudas razonables porque varias iniciativas similares no alcanzaron sus objetivos en el pasado. Citaba JESSI como ejemplo.

Lo que ha cambiado desde abril: han empezado a firmarse contratos

Los datos de hoy no invitan al triunfalismo. El Tribunal de Cuentas Europeo concluyó en 2025 que alcanzar el 20 % de la producción mundial de chips en 2030 exigiría cuadruplicar la capacidad europea, y que no estamos cerca. La previsión de la propia Comisión es del 11,7 %. El Cloud and AI Development Act sigue siendo una propuesta en tramitación, no derecho aplicable.

Lo que sí ha cambiado es más aburrido y más eficaz que cualquier reglamento: alguien ha empezado a firmar.

Airbus seleccionó a Scaleway en julio de 2026 para alojar parte de sus aplicaciones críticas en un entorno soberano, sin abandonar el resto de su cartera cloud. En Alemania, un consorcio liderado por SVA, con Codesphere y Schwarz Digits a través de STACKIT, figura entre los adjudicatarios de la plataforma de inteligencia artificial del ministerio federal de Digitalización, un contrato marco de alrededor de 250 millones de euros. Y en España, la Generalitat de Catalunya licitó en julio una nube pública soberana por 481 millones de euros a ocho años, con certificación SEAL 3 y la exigencia de que el proveedor esté sujeto de forma exclusiva a legislación europea.

La operación catalana es la más interesante de las tres, porque convierte la soberanía en un requisito de pliego mientras el marco europeo sigue siendo un texto en discusión. Es justo lo que pedía en abril: compra pública con criterios, no declaraciones.

Lo que dicen las empresas cuando les preguntas en serio

Conviene meter aquí el contrapeso, porque si no este artículo se convierte en otro texto optimista de los que ya hay demasiados. Capgemini encuestó en abril de 2026 a 1.300 directivos de grandes organizaciones, España incluida, y publicó los resultados este mes.

El 59 % considera irrealista la soberanía digital plena. El 36 % calcula que cambiar de proveedor crítico le llevaría más de doce meses y un 10 % reconoce que no tiene alternativa viable. Solo el 14 % tiene visibilidad completa de sus dependencias tecnológicas. Y casi la mitad no está dispuesta a asumir el sobrecoste que atribuye a la soberanía, que el propio estudio estima en un 23 %.

Ese último dato es el que más me interesa, porque es el que separa el discurso de la factura. Llevo años oyendo en reuniones que la soberanía importa. Importa hasta que aparece el 23 %.

Plan Calcul, Unidata, MEGA y JESSI tuvieron presupuesto, tecnología y respaldo político. Lo que ninguno tuvo fue alguien obligado a comprar. Si esta vez sale distinto no será por el reglamento que se apruebe en Bruselas, sino por cuántas administraciones y cuántas empresas europeas hagan lo que acaban de hacer Airbus, el Gobierno alemán y la Generalitat. Y por si están dispuestas a pagar la diferencia cuando llegue la factura.

Preguntas frecuentes

¿Qué fue el Plan Calcul?
Un programa francés aprobado en julio de 1966 para crear una industria informática nacional, después de que Estados Unidos vetara la venta de dos superordenadores al programa nuclear francés. Se cerró en 1975 sin alcanzar sus objetivos de facturación.

¿Por qué fracasó Unidata si tenía cuota de mercado?
Porque su continuidad dependía de decisiones políticas y accionariales, no de sus ventas. En 1975 el Gobierno francés denunció el acuerdo de forma unilateral, presionado por intereses industriales internos, y prefirió entregar su participada a un socio estadounidense.

¿Puede la Ley Europea de Chips alcanzar el 20 % de cuota mundial en 2030?
El Tribunal de Cuentas Europeo lo considera muy improbable y calcula que exigiría cuadruplicar la capacidad de producción actual. La previsión de la propia Comisión Europea es del 11,7 %.

¿Qué diferencia hay entre los intentos anteriores y la situación actual?
Los cuatro programas históricos financiaron oferta sin asegurar demanda. En 2026 han empezado a aparecer contratos con requisitos explícitos de soberanía, firmados por clientes concretos como Airbus, el Gobierno federal alemán y la Generalitat de Catalunya.

Fuentes

• Plan Calcul y Compagnie Internationale pour l’Informatique
• Cronología de Unidata, Fédération des Équipes Bull
• El Estado francés culmina la adquisición de Bull, 31 de marzo de 2026
• Siemens y Philips se unen para desarrollar una nueva generación de microchips, El País, 13 de octubre de 1984
• Cronología histórica de Siemens
• Philips en Eindhoven y Operation Centurion (copia archivada en Wayback Machine)
• Ficha oficial del proyecto JESSI (EU127), CORDIS
• Bernhard Dachs, «Success and Failure of Industrial Policies: The Example of JESSI», 2025
• Tribunal de Cuentas Europeo, informe sobre la Ley de Chips
• Resultados de ASML en 2025
• Capgemini Research Institute, soberanía digital, septiembre de 2026
• Scaleway y el contrato de cloud de confianza con Airbus
• Adjudicación de la plataforma de IA del ministerio federal alemán
• Licitación de la nube pública soberana de la Generalitat de Catalunya
• Propuesta de Cloud and AI Development Act, Comisión Europea

Las claves de volver a programar con IA en 20 segundos

• Claude Code y otros agentes han reducido muchísimo la barrera para volver a desarrollar software después de años alejado del código diario.
• En pocos meses he creado herramientas open source, aplicaciones nativas y servicios web que utilizo personalmente.
• Generar más código no elimina la necesidad de arquitectura, pruebas, seguridad y revisión humana.
• La nueva escasez ya no es técnica: son el tiempo, la atención y saber abandonar proyectos.

Todavía recuerdo perfectamente aquella pantalla azul de Borland, hecho hace unos meses encontré la caja original de Borland Pascal con manuales y disquetes de 3,5″, una joya para conservar. Para quienes aprendimos a programar en los años ochenta y noventa, Turbo Pascal era algo más que un compilador. Editor, compilación y ejecución estaban integrados en una experiencia que entonces parecía extraordinariamente rápida.

Turbo Pascal apareció en 1983 por 49,95 dólares, un precio muy agresivo para la época. Las primeras versiones eran tan compactas que el compilador, el entorno de desarrollo y las herramientas cabían en un disquete. Los programas .COM estaban limitados a 64 KB. Visto desde 2026 parece prehistoria informática, pero entonces aquello abría un mundo.

Después llegaron Turbo C y, sobre todo, Delphi. Delphi 1.0 se presentó en febrero de 1995 y consiguió algo que me sigue pareciendo importante: acercar el desarrollo visual sin renunciar a compilar aplicaciones nativas.

Hay además una continuidad histórica que me resulta especialmente curiosa. Anders Hejlsberg estuvo detrás del compilador que dio origen a Turbo Pascal, fue arquitecto jefe de Delphi y posteriormente, ya en Microsoft, diseñó C# y TypeScript. Una parte importante del código que hoy puede generar un agente de IA utiliza lenguajes descendientes de la carrera profesional de la misma persona que estaba detrás de las herramientas con las que muchos empezamos.

Y Delphi tampoco ha muerto. A septiembre de 2026 Embarcadero mantiene RAD Studio 13.1 y prepara la versión 13.2. Incluso dispone ya de Kai, su propia plataforma de IA agéntica integrada en RAD Studio.

Treinta años después hemos acabado juntando las dos épocas.

De escribir cada línea a dirigir el desarrollo

El cambio para mí llegó con herramientas como Claude Code.

No me refiero simplemente al autocompletado que propone la siguiente función. Claude Code puede leer un proyecto, localizar ficheros, modificar código, ejecutar pruebas, utilizar herramientas de terminal y trabajar durante bastante tiempo sobre un objetivo.

Ahí cambia la relación con la programación.

Durante muchos años podía tener una idea y saber aproximadamente cómo construirla, pero el coste en horas hacía que no tuviera sentido empezar. Había que recuperar conocimientos, estudiar nuevas librerías, preparar interfaces, gestionar dependencias y dedicar fines de semana enteros a detalles que no eran precisamente la parte divertida del proyecto.

Ahora puedo concentrarme mucho más en definir qué quiero construir.

Eso no significa escribir «hazme una aplicación» y esperar.

De hecho mi experiencia está siendo casi la contraria. Cuanto más utilizo agentes de programación, más importancia doy al orden. Ficheros como CLAUDE.md, documentación de arquitectura, instrucciones concretas, tests, hooks y pequeñas especificaciones terminan marcando una diferencia enorme. De hecho me queda mucho por aprender para organizarme mucho mejor.

La propia documentación de Claude Code recomienda que las instrucciones sean específicas. «Ejecuta los tests antes de hacer commit» es mucho mejor que decir simplemente «prueba los cambios». Y Anthropic reconoce algo todavía más importante: que Claude intente seguir CLAUDE.md no garantiza su cumplimiento. Para las reglas que no pueden incumplirse existen mecanismos deterministas como los hooks.

Esa diferencia entre pedir y verificar me parece esencial.

También ha cambiado el entorno que rodea al código. El Model Context Protocol (MCP), presentado por Anthropic en noviembre de 2024, fue adoptado después por otras compañías y terminó bajo la Agentic AI Foundation de la Linux Foundation. Resulta difícil imaginar algo más distinto de los entornos bastante cerrados con los que aprendimos a programar hace tres décadas.

De las ideas a programas que realmente utilizo

La consecuencia más evidente de esta nueva forma de trabajar está en mis repositorios y en mi carpeta de aplicaciones.

Uno de los proyectos que he liberado como open source es CrawlForge, un crawler de SEO técnico escrito en Rust. Puede rastrear una web por HTTP, analizar directamente una versión generada antes de desplegarla y comparar dos crawls para detectar qué ha cambiado.

En una prueba real ha procesado 487.621 URLs de un medio con quince años de archivo y millones de imágenes. En otro ensayo comparé 1.800 valores obtenidos por CrawlForge y por una herramienta consolidada: estados HTTP, títulos, descripciones, H1, canonical e indexabilidad.

No hubo diferencias.

Bueno, sí apareció una. Era un <br> dentro de un <h1> y el error estaba en la otra herramienta.

Ese tipo de casos me ha enseñado algo importante sobre programar con IA: el modelo puede producir código, pero la responsabilidad sobre lo que ese código afirma sigue siendo mía.

Otro ejemplo es FlarePurge, una pequeña aplicación para purgar la caché de Cloudflare. Está disponible para diferentes plataformas y su código es abierto para si quieres compilar tu propia versión.

Lo interesante para mí no es todo lo que hace, sino precisamente lo que decidí que no hiciera.

FlarePurge purga caché. Nada más.

DNS, WAF, analítica y otras funciones quedan fuera deliberadamente. Los tokens se almacenan utilizando los mecanismos seguros del sistema y la recomendación es conceder únicamente el permiso necesario para purgar caché.

Poder desarrollar más rápido genera una tentación enorme de añadir funcionalidades porque «cuestan poco». Pero cada función que se añade hoy es código que habrá que entender, probar y mantener mañana.

Otro proyecto al que tengo especial cariño es mboxShell, un visor y buscador de archivos MBOX para terminal, también escrito en Rust y publicado con licencia MIT. Una idea para poder leer mis backups de correo de Google Takeout y del que podéis encontrar una versión con GUI para MacOS y Windows en Mbox Viewer pro que también cito más abajo.

Está pensado para poder trabajar con buzones enormes sin cargar todo el fichero en memoria. Un MBOX de 100 GB puede utilizar aproximadamente la misma memoria que uno de 1 GB porque el procesamiento se realiza en streaming.

Y aquí apareció uno de esos bugs que explican por qué sigo sin fiarme ciegamente del código generado.

Trabajando con una exportación de Google Groups descubrí un formato de fecha peculiar. Cuando el parser no entendía correctamente una de esas fechas, el fallback no fallaba de forma espectacular. Hacía algo bastante peor: devolvía una fecha aparentemente válida pero incorrecta.

Ese es el tipo de error peligroso.

Un programa que se cae obliga a investigar. Uno que devuelve silenciosamente un dato plausible puede permanecer equivocado durante meses.

También encontré un problema de precedencia en las búsquedas booleanas. En un buzón de 6.787 mensajes, una consulta que debía devolver 49 resultados podía terminar mostrando 2.102.

Ninguna inteligencia artificial sustituye comprobar que 49 siguen siendo 49.

Construir cosas para resolver mis propios problemas

Hay además una categoría de proyectos que probablemente explica mejor por qué he vuelto a disfrutar programando: herramientas que quería utilizar yo mismo.

Polen Madrid nació para consultar de forma sencilla los datos de polen de la Red Palinológica de la Comunidad de Madrid. Incluye mapa, histórico, calendario y alertas. Los datos proceden de 11 estaciones y cubren numerosos tipos de polen.

Una de las decisiones que más me gusta no tiene nada de técnicamente espectacular: las alertas solo se envían durante la temporada del alérgeno elegido. Además de una API en el que tenemos ya como 10 usuarios que se conectan de manera gratuita para consumir los datos del polen.

Poder mandar un correo todos los días no significa que haya que hacerlo.

meteo.es es otro proyecto en el que he trabajado para automatizar gran parte de la publicación y organización de información meteorológica. Combina fuentes como AEMET OpenData, Open-Meteo y RainViewer y tiene cientos de páginas de contenido estructurado. Incluso publica un llms.txt para facilitar que sistemas de IA entiendan el sitio.

Resulta bastante curioso haber pasado de aprender a programar cuando Internet apenas formaba parte de nuestra vida a preparar ahora una web para que también pueda ser interpretada por modelos de lenguaje.

También he construido spy on web, que cruza dominios, direcciones IP, nameservers, certificados y determinados identificadores para encontrar relaciones entre sitios web. Surgió porque necesitaba recuperar una funcionalidad que ya no encontraba de forma suficientemente fiable en las herramientas que utilizaba.

A esa lista se han ido sumando agentready.md, password.es, dns gratis, Linux gratis, online mbox viewer, face.co, bitadir.com y el comienzo de la renovación de programación en castellano un proyecto que data de 1997.

Esta última tiene algo especialmente divertido. Su viejo <title> todavía contiene una sucesión de términos de otra época: Ajax, Ruby on Rails, PHP, MySQL, ASP, Java, Perl, CGI, Linux, Windows… y Delphi.

He acabado regresando a Delphi aunque sea dentro de una etiqueta HTML.

Cuando una idea termina en la App Store

La Inteligencia Artificial también me ha permitido entrar en un terreno en el que antes probablemente no habría invertido el tiempo necesario: las aplicaciones nativas.

DocProtect (para MacOS, iOS y Android) nació para una necesidad muy concreta: poder preparar documentos que hay que enviar a terceros añadiendo marcas de agua o ocultando información sensible. El procesamiento se realiza en el dispositivo. Algo que existe, no he inventado nada, pero me apetecía crear mi propia versión gratis.

Con Files.co PDF Suite (para MacOS y Windows) he seguido una filosofía parecida. Muchas operaciones sobre PDF pueden ejecutarse localmente mediante WebAssembly, sin que los documentos tengan que viajar a un servidor para ser procesados.

Mbox Viewer Pro (para MacOS y Windows) lleva la idea de mboxShell a una aplicación gráfica para macOS y Windows. La filosofía sigue siendo bastante sencilla: trabajar offline una copia de seguridad de un mbox, en modo lectura y sin convertir un archivo privado de correo en un fichero que haya que subir a la nube.

Pero quizá el proyecto que mejor representa todo este reencuentro sea iSkitch.

Utilicé Skitch durante años. Evernote retiró en 2016 las versiones para iOS, Android y Windows, mientras que la edición de Mac continuó disponible. El problema es que su última actualización en la Mac App Store data de julio de 2020.

Así que terminé construyendo mi propia alternativa.

iSkitch es una aplicación nativa para macOS, ocupa alrededor de 1,8 MB y ofrece herramientas de anotación, flechas, texto, formas, pixelado y desenfoque.

Hace unos años probablemente habría pensado que desarrollar, traducir, empaquetar y publicar una alternativa nativa era demasiado trabajo para una necesidad tan concreta.

Ahora la ecuación ha cambiado.

Y precisamente por eso aparece un problema nuevo.

Producir más código no significa producir mejor software

Los datos disponibles sobre programación asistida por IA son bastante menos triunfalistas de lo que podría parecer viendo la velocidad a la que se están adoptando estas herramientas.

La encuesta de desarrolladores de Stack Overflow de 2025 encontró que el 84 % utilizaba o tenía previsto utilizar herramientas de IA. Sin embargo, solo un 3,1 % declaraba confiar mucho en la precisión de sus resultados y un 46 % desconfiaba activamente.

La principal frustración, citada por un 66 %, eran las soluciones que están «casi bien».

Ese «casi» me parece una descripción magnífica del problema.

Un estudio de METR publicado en 2025 añadió un resultado todavía más incómodo. Dieciséis desarrolladores experimentados trabajando sobre repositorios que conocían bien esperaban que la IA los hiciera un 24 % más rápidos. En aquel experimento terminaron tardando un 19 % más.

Lo interesante es que después seguían creyendo que habían sido aproximadamente un 20 % más rápidos.

METR ha actualizado posteriormente sus conclusiones y advierte de que esos resultados no deben generalizarse. La adopción ha cambiado rápidamente y los propios investigadores consideran probable que sus mediciones infravaloren parte del beneficio actual.

Mi caso, además, es casi el opuesto al estudiado inicialmente por METR.

No estoy intentando que un agente comprenda de repente un repositorio gigantesco en el que llevo diez años trabajando. Muchos de mis proyectos empiezan desde cero, con un objetivo muy delimitado y una arquitectura que puedo adaptar desde el primer día al trabajo con agentes.

Ahí la inteligencia artficial me está resultando extraordinariamente productiva.

Pero productividad y calidad siguen sin ser sinónimos.

DORA lo resumió muy bien en su investigación sobre desarrollo asistido por IA: la Inteligencia Artificial funciona como un amplificador. Un proceso ordenado puede hacerse mejor; uno desordenado puede producir desorden a mayor velocidad.

El código compila. Ahora hay que comprobar si es seguro

La seguridad es probablemente la parte en la que menos margen existe para dejarse llevar por la sensación de velocidad.

Veracode ha probado más de 150 modelos en tareas de programación y encontró una tasa de aprobado de seguridad del 55 %, pese a que la corrección sintáctica superaba ampliamente el 95 %.

Ese contraste debería estar pegado al monitor de cualquiera que utilice agentes.

El código sintácticamente correcto ya no es el problema. El seguro, sí.

Hay riesgos menos evidentes. Una investigación presentada en USENIX Security estudió 576.000 muestras generadas por 16 modelos y encontró más de 205.000 nombres únicos de paquetes inexistentes inventados por los modelos.

El peligro no es únicamente que una IA se invente una dependencia. Algunos nombres se repiten. Si un atacante registra uno de esos paquetes imaginarios, puede convertir una alucinación predecible en un ataque contra la cadena de suministro.

GitGuardian encontró además 28,65 millones de nuevos secretos expuestos en commits públicos de GitHub durante 2025 y miles dentro de configuraciones MCP públicas.

Por eso intento tratar al agente como lo que es: una herramienta extremadamente capaz a la que no se debe conceder confianza ilimitada.

Las dependencias se comprueban. Los secretos se escanean. Los tests se ejecutan. El código sensible se revisa. Los permisos se limitan. Y las reglas que deben cumplirse siempre no deberían depender únicamente de que el modelo recuerde una frase escrita en un fichero Markdown.

La velocidad cambia el proceso, pero no elimina la ingeniería.

El problema que no tenía hace 30 años: saber qué no construir

Hay una consecuencia de todo esto que me está resultando incluso más interesante que la propia programación.

Tengo demasiadas ideas que ahora son técnicamente posibles. Y poco tiempo en mis fines de semana para llevarlas a cabo.

Antes existía un filtro natural. Una idea podía parecer buena, pero si requería tres meses de desarrollo moría antes de empezar. Ahora ese filtro se ha debilitado muchísimo.

Y eso puede ser peligroso.

Porque crear la primera versión cuesta cada vez menos, pero mantener veinte proyectos sigue costando más que mantener cinco. Hay dominios, actualizaciones, certificados, dependencias, tiendas de aplicaciones, soporte, traducciones, documentación, seguridad y usuarios.

La Inteligencia Artificial reduce el coste de creación. No convierte la atención humana en infinita.

Lo he comprobado con genpic.com.

GenPic utilizaba inteligencia artificial para transformar fotografías en retratos con decenas de estilos. El usuario obtenía una vista previa gratuita con marca de agua y solo tenía que pagar si quería descargar el resultado final.

Funcionaba técnicamente.

El problema era el producto.

Una vista previa gratuita suficientemente buena ya podía servir para enseñársela a los amigos o compartir la broma por WhatsApp. En cierto modo GenPic competía contra su propia versión gratuita.

Así que he decidido dejar de aceptar nuevos retratos y compras (aunque seamos francos he vendido un total de 0 euros).

Hace unos años probablemente habría mantenido el proyecto durante más tiempo simplemente porque ya había invertido horas en él. Ahora intento verlo de otra manera.

El desperdicio no es lo que ya se ha gastado. El desperdicio puede ser el siguiente minuto dedicado a algo que ya no merece ese minuto.

La idea conecta con los kill criteria que Annie Duke desarrolla en Quit: definir de antemano qué condiciones justifican seguir invirtiendo tiempo y cuáles deberían obligar a parar.

Me parece una disciplina especialmente importante ahora que construir software es tan barato.

Mi experiencia con Claude Code no me ha llevado a pensar que todo el mundo pueda convertirse mágicamente en desarrollador ni que los programadores hayan dejado de ser necesarios. Más bien me ha devuelto algo que había perdido durante años: la capacidad de convertir una idea pequeña en software real sin que el coste inicial la mate.

Eso es extraordinariamente divertido.

También obliga a aprender otra habilidad.

Hace treinta años el reto era conseguir que aquello que tenía en la cabeza cupiera en memoria, compilara y funcionara. Hoy puedo levantar proyectos que entonces me habrían parecido imposibles para una sola persona.

Mi escasez ya no está en las herramientas.

Está en decidir dónde merece la pena utilizarlas.

Y quizá ese sea el aprendizaje más importante de esta vuelta al código: he pasado de preguntarme si soy capaz de construir algo a preguntarme si debería construirlo.

Preguntas frecuentes

¿Se puede volver a programar después de muchos años gracias a la Inteligencia Artificial?

Los agentes de programación reducen mucho el esfuerzo necesario para recuperar conocimientos y trabajar con lenguajes o frameworks nuevos. Aun así, entender arquitectura, datos, seguridad y lógica sigue siendo muy importante para detectar cuándo el código generado está equivocado.

¿Qué diferencia hay entre Claude Code y un autocompletado tradicional?

Claude Code puede trabajar sobre un proyecto completo: leer y modificar varios archivos, ejecutar comandos y tests y seguir instrucciones de desarrollo. Eso permite delegar tareas más amplias que completar unas líneas de código.

¿Es seguro utilizar código generado por inteligencia artificial?

No debe darse por seguro simplemente porque compile o pase pruebas funcionales. Estudios de seguridad han encontrado vulnerabilidades, dependencias inexistentes y exposición de secretos, por lo que siguen siendo necesarios revisión, análisis de seguridad y controles automáticos.

¿Cuál es el mayor problema de programar más rápido con IA?

En mi caso ya no es conseguir construir el software, sino seleccionar proyectos y mantenerlos. La reducción del coste inicial hace mucho más fácil comenzar ideas que después compiten por tiempo, mantenimiento y atención.

Fuentes:

• Dossier interno de trabajo y comprobaciones de proyectos propios, actualizado el 6 de septiembre de 2026.
• Embarcadero, documentación e historia de Turbo Pascal, Delphi y RAD Studio. A 6 de septiembre de 2026, RAD Studio 13.1 está disponible y 13.2 sigue anunciada como próxima versión.
• Anthropic, documentación oficial de Claude Code, CLAUDE.md, Agent Skills y Model Context Protocol.
• OpenAI, documentación y anuncio de Codex.
• Stack Overflow Developer Survey 2025.
• Google Cloud / DORA, State of AI-Assisted Software Development y ROI of AI-assisted Software Development.
• METR, estudio sobre productividad de desarrolladores con IA y actualización de febrero de 2026.
• Veracode, GenAI Code Security Report.
• USENIX Security, investigación sobre alucinaciones de paquetes en código generado por modelos.
• GitGuardian, State of Secrets Sprawl 2026.
• OWASP, Top 10 for LLM Applications.
• NIST, SP 800-218A.
• Annie Duke, Quit.

Las claves de la nueva regulación en 30 segundos

• Los nuevos centros de datos de 1 MW o más tendrían que cubrir con nueva generación renovable al menos el 80 % de su consumo en cada hora.
• España tiene abundante generación renovable, pero también congestiones, limitaciones de red y vertidos de energía.
• Hay 11,8 GW de nueva demanda con acceso concedido en la red de transporte que todavía no están en servicio.
• El Gobierno prevé invertir 13.590 millones de euros hasta 2030 en la red de transporte.
• La duda es si estamos intentando solucionar mediante regulación un problema que también exige mucha más infraestructura.

Lo primero es recordar que no hay todavía una norma aprobada. El proyecto de Real Decreto está en audiencia pública hasta el 04/09/2026 y, por tanto, puede modificarse. ¡Espero que lo modifiquen por el bien del sector!

Y tampoco creo que pedir sostenibilidad a los centros de datos sea el problema.

Si España va a incorporar varios gigavatios de nueva demanda eléctrica para infraestructura cloud e inteligencia artificial, me parece razonable que esa demanda contribuya a financiar nueva generación. También me parece razonable exigir eficiencia energética, controlar el consumo de agua y evitar que alguien reserve cientos de megavatios durante años para un proyecto que nunca llega a construirse.

Mi duda es otra.

¿Estamos poniendo el foco suficiente en la red eléctrica?

Tenemos renovables que algunas veces no podemos aprovechar

España ha hecho una inversión enorme en generación renovable y va a seguir haciéndola.

Pero producir electricidad y conseguir que llegue al lugar donde alguien quiere consumirla son dos problemas diferentes.

El sistema eléctrico tiene que mantener permanentemente el equilibrio entre generación y demanda. También tiene límites físicos: las líneas y subestaciones pueden transportar una determinada cantidad de electricidad y aparecen congestiones cuando la capacidad disponible no permite trasladar toda la generación hacia donde existe demanda.

El resultado es algo que a primera vista parece absurdo: puede existir energía renovable disponible y, aun así, ser necesario reducir su producción.

La Comisión Nacional de los Mercados y la Competencia (CNMC) habla expresamente de minimizar los vertidos renovables derivados de congestiones, mientras que Red Eléctrica gestiona restricciones técnicas cuando la producción prevista no puede integrarse manteniendo las condiciones de seguridad del sistema.

No significa que España esté desperdiciando permanentemente cantidades enormes de electricidad que simplemente podríamos entregar mañana a los centros de datos. El problema eléctrico es bastante más complejo.

Pero sí demuestra algo importante: añadir generación no resuelve por sí solo el problema de añadir nueva demanda.

Hace falta red.

Hace falta almacenamiento.

Hace falta capacidad de transformación.

Y hace falta que generación y consumo estén conectados geográfica y temporalmente.

Los números ayudan a entender la escala.

Red Eléctrica señalaba en febrero de este año 2026 que en la red de transporte existían permisos de acceso concedidos para unos 129 GW de generación eólica y fotovoltaica, 16 GW de almacenamiento y 19 GW de demanda.

Además desde 2022 se habían concedido 11,8 GW de nueva capacidad de acceso para demanda que todavía no había entrado en servicio.

Es decir, el cuello de botella no puede analizarse únicamente preguntando cuántos paneles solares podemos instalar.

El 80 % renovable no me preocupa tanto como el «hora a hora»

Aquí llegamos a la parte que más dudas me genera del nuevo Real Decreto.

El proyecto plantea que los nuevos centros de datos con al menos 1 MW de potencia de acceso cubran un mínimo del 80 % de su consumo mediante nueva generación renovable.

Pedir que esa nueva demanda venga acompañada de nueva generación renovable me parece razonable.

Si alguien va a incorporar 100 MW de nueva demanda durante los próximos 15 o 20 años, tiene sentido pedirle que ayude a financiar nueva capacidad de generación mediante autoconsumo o contratos de compraventa de electricidad a largo plazo, los conocidos PPA.

El salto está en exigir además correlación horaria.

No bastaría con producir durante el año tanta electricidad renovable como corresponda al consumo contratado.

Habría que demostrar que en cada hora el 80 % del consumo está respaldado por generación renovable producida durante esa misma hora.

Y esto enlaza directamente con lo que comentaba la semana pasada en Nuclear, renovables e IA: el problema no es producir energía, sino tenerla cuando hace falta.

Una planta solar puede producir muchísimo a las dos de la tarde.

A las tres de la mañana produce cero.

El centro de datos sigue funcionando. Son infraestructuras que operan 24×7 sin poder parar un segundo su operación.

Se puede combinar solar con eólica. Se puede añadir almacenamiento. Se pueden contratar diferentes instalaciones y utilizar la red para completar el suministro.

Todo eso es técnicamente posible.

Pero tiene un coste.

Y aquí creo que deberíamos preguntarnos si queremos utilizar la regulación para incentivar esa evolución o exigir desde el primer momento que cada nuevo proyecto resuelva por sí mismo buena parte de un problema estructural del sistema eléctrico.

Vamos a gastar 13.600 millones en la red porque sabemos que falta red

Hay otro dato que me parece especialmente relevante.

La propuesta de planificación eléctrica con horizonte 2030 contempla 13.600 millones de euros de inversión en la red de transporte, según el Ministerio para la Transición Ecológica y el Reto Demográfico (MITECO).

El objetivo incluye precisamente integrar más renovables, electrificar la economía, atender nueva demanda, mejorar interconexiones y reforzar la red.

Por tanto, el diagnóstico ya lo tenemos.

Necesitamos mucha más infraestructura eléctrica.

Y aquí es donde creo que los centros de datos podrían verse también como parte de la solución y no únicamente como nueva demanda que hay que controlar.

Estamos hablando de una industria dispuesta a comprometer inversiones de cientos o miles de millones durante décadas y cuyo principal recurso es precisamente la electricidad.

Quizá deberíamos estudiar mecanismos que permitan que parte de esa inversión privada contribuya también a acelerar redes, almacenamiento, subestaciones y nueva generación allí donde sea necesario.

No estoy hablando de entregar la planificación eléctrica a los operadores de centros de datos ni de que quien pague más se quede con la red.

Estoy hablando de alinear incentivos.

Si para atender varios gigavatios de nueva demanda España necesita invertir miles de millones en infraestructura eléctrica, parece razonable preguntarse cómo conseguir que quienes van a utilizar una parte importante de esa nueva capacidad participen también en hacerla posible.

Eso me parece más interesante que limitarnos a añadir otra obligación al BOE.

Podemos convertir nuestra principal ventaja en una barrera

España tiene algo que muchos países europeos querrían tener.

Sol.

Viento.

Suelo.

Conectividad internacional y Cables submarinos.

Un mercado eléctrico conectado con Europa.

Y un enorme interés por construir aquí infraestructura para cloud e inteligencia artificial.

Precisamente por eso deberíamos tener cuidado.

Los más de 12 GW de derechos concedidos a centros de datos no significan que vayan a construirse 12 GW.

Un permiso eléctrico no es un centro de datos.

El dinero puede irse.

Un operador puede construir en Madrid, Aragón, Andalucía o Castilla-La Mancha, pero también puede hacerlo en Portugal, Francia, Italia o los países nórdicos.

Y la decisión no depende únicamente del precio del megavatio hora.

Importan la disponibilidad eléctrica, los plazos, la fiscalidad, la conectividad y, sobre todo, la previsibilidad.

El borrador añade además otros requisitos exigentes: un PUE máximo provisional de 1,15, que mide la relación entre toda la electricidad que consume el centro de datos y la que utilizan directamente sus equipos informáticos, y un WUE máximo de 0,1, que mide la eficiencia en el uso del agua. A eso se suman la nueva generación renovable, la correlación horaria y las obligaciones relacionadas con soberanía digital europea.

Cuanto más se acerca el PUE a 1, menos energía se dedica a refrigeración y otros sistemas auxiliares, así que un límite de 1,15 obliga a operar con niveles de eficiencia bastante exigentes.

Por separado muchas de estas medidas pueden tener sentido.

El problema puede ser la suma.

Porque llega un momento en el que quizá no estamos seleccionando los centros de datos más eficientes.

Estamos seleccionando únicamente a quienes tienen suficiente tamaño y capacidad financiera para gestionar toda esa complejidad.

Y paradójicamente eso puede favorecer a los mayores hiperescalares, muchos de ellos empresas estadounidenses, frente a operadores europeos y nacionales más pequeños.

No bajaría las exigencias. Cambiaría cómo las aplicamos

No creo que España deba entrar en una carrera para ver quién pone menos requisitos ambientales.

Sería un error.

Seguiría exigiendo que la nueva demanda venga acompañada de nueva generación renovable.

Mantendría objetivos exigentes de PUE y WUE.

Mantendría las obligaciones de transparencia.

Y exigiría compromisos reales para evitar que alguien reserve capacidad durante años sin construir nada.

Pero estudiaría una implantación progresiva de la correlación horaria.

Por ejemplo, podría empezarse exigiendo que el consumo anual esté respaldado por nueva generación renovable mediante PPA y elevar después el porcentaje de correlación horaria conforme aumenten el almacenamiento, las redes y las posibilidades reales del mercado.

También podría convertirse en un criterio para repartir capacidad.

Si hay dos proyectos compitiendo por 100 MW y uno puede demostrar un 80 % de correlación horaria mientras el otro alcanza un 40 %, parece razonable favorecer al primero.

Eso genera un incentivo.

Convertir directamente el 80 % hora a hora en una condición de entrada genera una barrera.

Y añadiría otra variable que echo de menos en muchas discusiones sobre centros de datos: qué deja cada megavatio en España.

No todos los centros de datos son iguales.

Un proyecto que atrae empresas de inteligencia artificial, ingenieros, investigación, servicios de infraestructura cloud europeos y capacidad de computación disponible para nuestras empresas aporta algo diferente a un edificio que simplemente consume electricidad y presta la mayor parte de sus servicios fuera.

Si la capacidad eléctrica es escasa, quizá deberíamos empezar a elegir proyectos también por eso.

Porque estamos decidiendo mucho más que dónde colocar unos servidores.

El riesgo es resolver con regulación lo que también necesita infraestructura

España tiene delante una oportunidad enorme.

La inteligencia artificial está convirtiendo la electricidad, los centros de datos y la capacidad de computación en política industrial.

Al mismo tiempo necesitamos electrificar transporte, industria y hogares.

No será sencillo.

Pero precisamente por eso creo que deberíamos evitar una discusión demasiado simple donde los centros de datos aparecen únicamente como consumidores gigantes a los que hay que poner límites.

Pueden financiar renovables. Y porque no también energía nuclear, que es posible siga formando parte de nuestro futuro con seguridad.

Pueden contratar energía durante décadas.

Pueden ayudar a justificar almacenamiento.

Pueden atraer inversión hacia nuevas infraestructuras.

Y pueden convertir electricidad producida en España en servicios digitales exportados desde España.

La semana pasada terminaba hablando de la necesidad de disponer de energía cuando realmente se necesita.

Después de leer este borrador añadiría otra idea:

no basta con producir más electricidad renovable y tampoco basta con regular quién puede consumirla. Hay que construir la infraestructura necesaria para conectar ambas cosas.

España ya sabe que necesita hacerlo. Los 13.600 millones previstos para la red hasta 2030 lo demuestran.

La cuestión es si vamos suficientemente rápido.

Porque puede darse una paradoja bastante absurda.

Construimos aquí la solar.

Construimos aquí la eólica.

Tenemos momentos en los que incluso necesitamos reducir generación renovable por las limitaciones del sistema.

Y después hacemos tan complejo conectar nueva demanda que los servidores, las GPU, los ingenieros y la inversión tecnológica terminan unos cientos de kilómetros más allá de nuestra frontera.

Eso no sería una política energética especialmente inteligente.

Ni tampoco una gran política digital.

España necesita centros de datos más eficientes y necesita mucha más infraestructura eléctrica.

Quizá deberíamos dedicar algo menos de tiempo a enfrentar ambas cosas y bastante más a conseguir que crezcan juntas.

Preguntas frecuentes

¿España desperdicia actualmente energía renovable?

En determinadas situaciones puede ser necesario reducir generación renovable por congestiones, restricciones técnicas o falta de capacidad para integrarla de forma segura. Eso no significa que toda esa electricidad pudiera trasladarse automáticamente a un centro de datos: la ubicación, la hora, la red y el almacenamiento son determinantes.

¿Cuánto quiere invertir España en la red eléctrica?

La propuesta de planificación eléctrica con horizonte 2030 contempla una inversión de 13.600 millones de euros en la red de transporte, destinada entre otros objetivos a integrar renovables y atender nueva demanda.

¿Qué exige el borrador a los nuevos centros de datos?

Entre otras medidas, plantea para instalaciones de al menos 1 MW un 80 % de suministro respaldado por nueva generación renovable y correlación horaria. También establece requisitos de eficiencia energética, agua y soberanía digital.

¿Los centros de datos podrían ayudar al sistema eléctrico?

Su demanda estable y sus contratos a largo plazo pueden contribuir a financiar nueva generación, almacenamiento e infraestructura asociada. Cómo integrar esa inversión privada con la planificación de la red es una cuestión diferente que requiere regulación y coordinación pública.

Fuentes:

• MITECO, proyecto de Real Decreto sobre centros de datos sostenibles
• Red Eléctrica, capacidad de acceso concedida a la demanda
• MITECO, propuesta de inversión de 13.600 millones en la red hasta 2030
• Revistacloud, España quiere centros de datos más verdes, pero puede poner en riesgo su carrera digital.

La electricidad.

Y cuanto más crece la inteligencia artificial, menos sentido me parece que tenga plantear el debate energético como una competición entre nuclear y renovables. No creo que la pregunta sea cuál de las dos debe ganar. La pregunta importante es otra: ¿cómo vamos a garantizar toda la electricidad que necesitaremos, cuando la necesitemos y a un precio razonable?

Porque un centro de datos necesita electricidad las 24 horas, pero también un hospital, una fábrica, una vivienda, un tren, una red de telecomunicaciones o una ciudad.

La Inteligencia Artificial simplemente está haciendo mucho más visible un problema que ya estaba delante de nosotros.

Las claves de energía, nuclear e IA en 20 segundos

• Los centros de datos podrían consumir alrededor de 945 TWh anuales en 2030, más del doble que en 2024.
• Solar y eólica crecerán con fuerza, pero su producción depende de las condiciones meteorológicas.
• El mundo mantiene más de 400 reactores nucleares en funcionamiento y construye decenas más.
• España conserva siete reactores y acaba de prolongar Almaraz hasta 2030.
• El reto será combinar generación, almacenamiento y redes para garantizar electricidad disponible cuando exista demanda.

Estamos entrando en la era de la electricidad

Hay algo que va mucho más allá de ChatGPT, Claude, Mistral o de los nuevos centros de datos.

La Agencia Internacional de la Energía (AIE) espera que el consumo mundial de electricidad crezca una media del 3,6 % anual entre 2026 y 2030. En 2025 el planeta consumió aproximadamente 28.200 TWh y para 2030 podríamos alcanzar los 33.600 TWh.

Y la Inteligencia Artificial es solo una parte. La que quizás más energía podrá demandar.

Estamos electrificando vehículos, climatización, procesos industriales y otras actividades que antes dependían directamente de combustibles fósiles. Al mismo tiempo queremos fabricar más semiconductores, desarrollar nuevas industrias y construir centros de datos cada vez mayores.

La propia AIE habla ya de una nueva “era de la electricidad”.

Los centros de datos son especialmente interesantes porque concentran enormes cantidades de consumo en ubicaciones concretas. La AIE estima que su demanda mundial podría superar los 945 TWh en 2030, más del doble que actualmente. Estados Unidos y China concentrarán buena parte de ese crecimiento.

Eso cambia bastante las reglas del juego.

Se puede tener dinero para comprar 100.000 GPU y disponer del terreno para construir un centro de datos, pero si la red eléctrica no puede entregar 500 MW donde hacen falta, todo lo demás sirve de poco.

Cada vez estoy más convencido de que la próxima gran limitación de la IA puede no estar en los chips, sino en los megavatios.

Las renovables son imprescindibles, pero el sol y el viento no obedecen a la demanda

España tiene una posición privilegiada en energía renovable. Tenemos sol, viento, territorio y una industria que durante años ha adquirido experiencia construyendo grandes proyectos renovables.

Sería absurdo no aprovecharlo.

Y las cifras mundiales van precisamente en esa dirección. La AIE espera que las renovables crezcan alrededor de un 8 % anual hasta 2030. Solo la solar fotovoltaica podría añadir más de 600 TWh de generación cada año durante este periodo.

Pero existe una diferencia que a veces desaparece de la conversación: capacidad instalada no significa electricidad disponible permanentemente.

Un panel solar produce cuando existe radiación suficiente. Un aerogenerador depende del viento.

No es una crítica a esas tecnologías. Es simplemente su naturaleza.

El problema aparece cuando la demanda no coincide con la producción.

Podemos tener una enorme capacidad fotovoltaica instalada y necesitar electricidad a las diez de la noche. Podemos tener miles de aerogeneradores y atravesar varios días con una producción eólica mucho menor de lo esperado.

Y la demanda sigue ahí.

Por eso necesitamos almacenamiento, centrales hidroeléctricas, bombeo, mejores interconexiones, gestión de demanda y redes eléctricas mucho más potentes.

Pero también necesitamos generación firme.

Y ahí vuelve inevitablemente la conversación sobre la energía nuclear.

Más de 400 reactores funcionando y otros 77 en construcción

A veces en España se tiene la sensación de que la energía nuclear pertenece al pasado. Cuando se mira el mapa mundial la imagen es bastante diferente.

Los últimos datos del Organismo Internacional de Energía Atómica (OIEA) contabilizan 417 reactores nucleares en operación en 31 países, con aproximadamente 380 GW de capacidad instalada. Otros 77 reactores se encuentran en construcción.

Estados Unidos continúa siendo la mayor potencia nuclear mundial, con 94 reactores operativos. Francia operó 57 durante 2025 y obtuvo aproximadamente el 68 % de su electricidad de esta fuente. China tenía 58 reactores que produjeron electricidad durante 2025 y está protagonizando buena parte de la expansión mundial.

La AIE espera que la generación nuclear mundial siga aumentando hasta 2030, con China aportando aproximadamente el 40 % del crecimiento previsto. Japón está recuperando reactores y otros países asiáticos están construyendo nuevas centrales.

Mientras tanto, las grandes tecnológicas también han empezado a mirar hacia esta fuente.

Microsoft ha respaldado mediante un contrato eléctrico a largo plazo la recuperación de 835 MW de capacidad nuclear en Pensilvania. Google trabaja con Kairos Power para desplegar reactores avanzados y Meta ha cerrado varios acuerdos relacionados con capacidad nuclear existente y futura.

No creo que Microsoft, Google o Meta se hayan convertido repentinamente en activistas nucleares.

Necesitan electricidad. Mucha. Y necesitan saber que estará disponible.

Nuclear sí, pero con una condición que no admite discusión: seguridad

Defender que la nuclear forme parte de la combinación energética no significa ignorar sus problemas.

Una central nuclear exige niveles extraordinariamente altos de seguridad durante su diseño, construcción, funcionamiento, mantenimiento y posterior desmantelamiento.

Y así debe ser.

Chernóbil y Fukushima forman parte de la historia de esta tecnología y sería absurdo hablar de energía nuclear intentando esconder sus accidentes.

Precisamente por las consecuencias potenciales de un fallo grave, la seguridad nuclear tiene que estar por encima de las necesidades económicas, industriales o tecnológicas.

Prolongar la vida de una central tampoco debería ser una decisión política tomada simplemente porque necesitamos más electricidad. Tiene que existir una evaluación técnica independiente que determine que puede continuar funcionando con seguridad.

Una central nuclear con 40 años no tiene que cerrarse automáticamente porque haya alcanzado una fecha determinada, pero tampoco debería continuar funcionando simplemente porque resulte conveniente.

Debe hacerlo si técnicamente es seguro.

Ese matiz me parece esencial.

España decidió caminar hacia el cierre mientras otros países miraban en otra dirección

Y aquí llegamos a España.

Nuestro país mantiene siete reactores nucleares operativos, que en 2025 aportaron aproximadamente el 18,9 % de la electricidad nacional, según los datos del OIEA.

Durante los últimos años España había establecido una dirección bastante clara: cierre progresivo del parque nuclear entre 2027 y 2035.

Mientras tanto el contexto internacional ha ido cambiando.

China construye reactores. Estados Unidos intenta conservar y recuperar capacidad. Japón ha reactivado instalaciones. Francia mantiene la nuclear como una pieza central de su sistema eléctrico. Otros países están estudiando pequeños reactores modulares (SMR).

La AIE resume bastante bien el cambio: la energía nuclear está recuperando importancia estratégica en numerosas economías avanzadas, entre otras cosas mediante extensiones de vida de reactores existentes.

España parecía remar en dirección contraria.

Pero este mismo agosto hemos visto un movimiento interesante.

El Gobierno ha autorizado que Almaraz I y II continúen funcionando hasta el 8 de junio de 2030. La ampliación es de 31 meses para una unidad y 19 para la otra.

Y me parece especialmente interesante leer los argumentos utilizados por el propio Ministerio para la Transición Ecológica.

Habla de incertidumbre en los mercados energéticos internacionales, dependencia del gas, posibles picos de precios y seguridad de suministro. Al mismo tiempo insiste en continuar desplegando renovables y almacenamiento.

Es decir, estamos empezando a hablar precisamente de lo que deberíamos haber hablado desde el principio.

No de nuclear o renovables.

De nuclear y renovables, junto con almacenamiento, redes e interconexiones.

Por ahora el Gobierno mantiene 2035 como fecha para el cierre completo del parque nuclear español. Quizá sea la decisión correcta. Quizá dentro de unos años descubramos que fue demasiado pronto.

El tiempo lo dirá.

Pero creo que sería razonable que las decisiones futuras dependiesen más de la situación tecnológica, energética y de seguridad que exista entonces que de calendarios establecidos muchos años antes.

El problema tampoco son solamente los centros de datos

Hay además algo que me preocupa de cómo estamos enfocando esta discusión.

Resultaría muy sencillo convertir los centros de datos en culpables del crecimiento del consumo eléctrico.

“Estamos gastando toda la electricidad en inteligencia artificial”.

No creo que esa sea una lectura correcta.

Si Europa quiere electrificar el transporte, descarbonizar la industria, fabricar más dentro de sus fronteras, desarrollar inteligencia artificial, atraer centros de datos y reducir su dependencia energética exterior, necesitará mucha más electricidad.

La solución no debería ser impedir que aparezca nueva demanda.

Debería ser aumentar la oferta y mejorar las infraestructuras.

Y hacerlo de forma sostenible.

La propia AIE calcula que las renovables cubrirán aproximadamente la mitad del crecimiento mundial de electricidad destinada a centros de datos hasta 2035. La nuclear también aumentará su aportación y, lamentablemente desde el punto de vista de las emisiones, el gas continuará teniendo bastante peso.

En Europa la combinación puede ser especialmente interesante: la AIE estima que renovables y nuclear podrían proporcionar conjuntamente el 85 % de la electricidad consumida por los centros de datos europeos en 2030.

Quizá ahí tengamos una pista.

No necesitamos elegir una única tecnología capaz de resolver todos nuestros problemas energéticos.

Necesitamos mucha solar donde tenga sentido. Mucha eólica. Hidráulica y bombeo. Baterías. Redes eléctricas reforzadas. Mejores interconexiones europeas. Gestión inteligente de la demanda.

Y probablemente también nuclear mientras pueda operar con seguridad y resulte necesaria para garantizar el sistema.

Porque la transición energética no debería medirse solamente por cuántos GW instalamos.

También debería medirse por nuestra capacidad para encender la luz, una fábrica, un hospital o un centro de datos cualquier día del año y a cualquier hora, haga sol, llueva, sople el viento o no.

Ese es para mí el verdadero debate energético que está poniendo encima de la mesa la inteligencia artificial.

Preguntas frecuentes

¿Cuántos reactores nucleares hay actualmente en el mundo?

El OIEA contabiliza 417 reactores en operación en 31 países, con cerca de 380 GW de potencia instalada. Además, registra 77 reactores en construcción.

¿Cuántas centrales nucleares funcionan en España?

España cuenta con siete reactores nucleares operativos. En 2025 produjeron alrededor del 18,9 % de la electricidad del país.

¿España ha cancelado el cierre de sus centrales nucleares?

No. El Gobierno ha ampliado la autorización de explotación de Almaraz I y II hasta junio de 2030, pero mantiene actualmente 2035 como fecha de cierre completo del parque nuclear.

¿Las renovables pueden alimentar los centros de datos de IA?

Sí y tendrán un peso creciente. El desafío está en combinar su producción variable con almacenamiento, redes, interconexiones y fuentes de generación gestionables que permitan garantizar el suministro durante las 24 horas.

Fuentes:

• Agencia Internacional de la Energía (AIE), Energy and AI y Electricity 2026.
• Organismo Internacional de Energía Atómica (OIEA), Power Reactor Information System (PRIS).
• Ministerio para la Transición Ecológica y el Reto Demográfico, renovación de la autorización de explotación de Almaraz, 14/08/2026.
• España amplía la vida de Almaraz hasta 2030 ante la incertidumbre energética.
• Gráfico de centrales nucleares activas creado a partir de datos de OIEA.

Las claves de las marcas de agua de la IA en 30 segundos

• Anthropic ha empezado a incorporar marcas legibles por máquina en los nuevos modelos Claude para adaptarse, entre otras razones, a las obligaciones europeas de transparencia.
• La propia compañía reconoce que detectar una marca no demuestra que Claude sea el autor original del contenido.
• Una edición profunda, traducción o paráfrasis puede hacer desaparecer la señal.
• Estudios académicos ya han demostrado que algunas marcas invisibles en imágenes pueden neutralizarse regenerando parte del contenido con otra IA.
• A largo plazo puede resultar más útil acreditar procedencia y responsabilidad humana que intentar detectar todo lo artificial.

La paradoja me parece interesante porque resume bastante bien el momento tecnológico en el que estamos.

Queremos saber qué ha hecho una inteligencia artificial justo cuando las máquinas están adquiriendo la capacidad de transformar casi cualquier objeto digital conservando aquello que realmente nos importa de él.

Una fotografía puede regenerarse. Un texto puede reescribirse. Una voz puede sintetizarse de nuevo. Un vídeo puede editarse o recrearse. Un documento puede pasar por varios modelos antes de llegar a su destinatario.

La pregunta es cuánto puede sobrevivir una marca cuando el contenido que la transporta deja de ser algo estático.

Claude empieza a marcar sus textos, pero Anthropic reconoce los límites

El caso que ha vuelto a poner este debate encima de la mesa es Claude.

Anthropic ha firmado el Código de Prácticas de la Unión Europea relacionado con el artículo 50(2) del Reglamento de Inteligencia Artificial (AI Act) y ha explicado cómo pretende aplicar las obligaciones de transparencia a sus modelos.

Los modelos Claude lanzados en la Unión Europea desde el 2 de agosto de 2026 incorporan marcado legible por máquina desde su lanzamiento. La compañía también trabaja para extenderlo a modelos anteriores durante el periodo transitorio.

Hay dos tecnologías diferentes.

Para el texto, Claude introduce una marca invisible dentro de la propia generación. Anthropic asegura que no modifica el significado, la calidad ni la legibilidad y que puede acompañar al contenido cuando se copia y pega.

En determinados archivos, como PNG, JPG o SVG, utiliza además metadatos de procedencia firmados siguiendo C2PA, el estándar abierto de la Coalition for Content Provenance and Authenticity.

Hasta aquí todo parece razonable.

El problema aparece unas líneas más abajo en la propia documentación de Anthropic.

La compañía advierte de que encontrar una marca de Claude no confirma por sí mismo la procedencia completa del contenido. Claude puede haberse limitado a corregir, traducir, resumir o convertir un documento cuyo contenido original procedía de una persona.

Y también reconoce el problema contrario: no encontrar la marca tampoco demuestra que Claude no haya intervenido.

Una edición intensa, una paráfrasis, una traducción, la mezcla con otros textos o incluso disponer de un fragmento demasiado corto pueden hacer que la señal deje de ser detectable. En los archivos, convertir el formato, volver a guardarlos o realizar una captura de pantalla puede eliminar determinados metadatos.

Es decir:

marca detectada ≠ contenido creado por Inteligencia Artificial.

Y:

marca no detectada ≠ contenido creado por un humano.

No lo digo como crítica a Anthropic. De hecho, me parece positivo que sea la propia empresa quien explique claramente estas limitaciones.

El problema aparece cuando fuera del laboratorio convertimos una señal técnica en una respuesta absoluta.

Europa obliga a marcar, pero tampoco dice que la marca sea una máquina de la verdad

Hay otro matiz importante.

Anthropic no se ha levantado una mañana pensando que sería divertido dejar una firma invisible en cada respuesta de Claude. Existe detrás una nueva obligación regulatoria europea.

El artículo 50 del AI Act establece que los proveedores de sistemas que generen contenido sintético de audio, imagen, vídeo o texto deben procurar que sus resultados estén marcados en un formato legible por máquina y puedan detectarse como generados o manipulados artificialmente.

Pero la propia norma introduce algo bastante sensato: exige que esas soluciones sean efectivas, interoperables, robustas y fiables hasta donde sea técnicamente posible, teniendo en cuenta las características del contenido y el estado de la técnica. Además, el artículo contempla una excepción cuando la Inteligencia Artificial desempeña una función auxiliar de edición estándar o no altera sustancialmente los datos introducidos o su significado.

La Comisión Europea también ha aclarado recientemente que la obligación de marcado del proveedor y la obligación de informar al público no son exactamente lo mismo. En determinados casos no basta con esconder una señal técnica dentro del contenido: la información debe resultar comprensible para la persona que lo recibe.

Esto es importante porque ayuda a colocar las marcas de agua donde probablemente deben estar.

Son una herramienta de transparencia y procedencia.

No necesariamente un detector universal de inteligencia artificial.

Google lleva tiempo demostrando que marcar texto sí es técnicamente posible

Tampoco sería correcto concluir que las marcas no sirven para nada.

Google DeepMind lleva años trabajando con SynthID y en 2024 publicó en Nature los resultados de SynthID-Text, una técnica que introduce la señal modificando el propio proceso de selección de tokens del modelo.

En lugar de añadir un texto oculto al final del documento, la señal queda distribuida estadísticamente entre las decisiones que toma el modelo mientras escribe.

El experimento es relevante por su escala.

Google evaluó SynthID-Text en producción sobre casi 20 millones de respuestas de Gemini y los investigadores afirmaron que las pruebas no mostraron una pérdida apreciable de calidad. El sistema permitió detectar el marcado sin necesidad de ejecutar nuevamente el modelo que había generado el contenido.

Así que sí: técnicamente podemos marcar texto generado por una Inteligencia Artificial.

La cuestión interesante viene después.

¿Durante cuánto tiempo podemos seguir detectándolo?

Porque Internet no funciona como una vitrina en la que colocamos un documento y nadie vuelve a tocarlo.

Los contenidos viajan.

El problema es que ahora tenemos máquinas extraordinariamente buenas transformando contenido

Aquí es donde creo que cambia completamente el juego.

Hasta hace relativamente poco eliminar una marca resistente podía requerir conocer cómo estaba construida, degradar considerablemente el archivo o desarrollar un ataque específicamente diseñado contra ella.

La IA generativa introduce otra posibilidad: no hace falta borrar exactamente la marca si podemos volver a generar el contenido.

Un texto de 2.000 palabras puede convertirse en otro texto de 2.000 palabras que diga prácticamente lo mismo utilizando otras palabras, estructuras y construcciones.

Una imagen puede mantener a la persona, el objeto o la escena principal mientras cambia partes del fondo.

Una grabación puede transcribirse y sintetizarse nuevamente.

Ya no siempre atacamos la marca. A veces simplemente fabricamos otra representación del mismo contenido.

Y eso es bastante más difícil de resolver.

Un trabajo teórico publicado por investigadores de Harvard, MIT, Georgetown y otras instituciones analizó precisamente la posibilidad de construir marcas realmente resistentes para modelos generativos. Su conclusión es incómoda: bajo determinadas hipótesis razonables, una marca fuerte que no pueda eliminarse sin degradar sustancialmente la calidad resulta imposible. Los investigadores demostraron además ataques contra tres esquemas de marcas de agua para grandes modelos de lenguaje.

No significa que cualquier marca pueda eliminarse trivialmente ni que todos los sistemas actuales estén derrotados.

Significa que existe un problema de fondo.

Cuanto mejor sea una máquina reinterpretando un contenido sin destruir su utilidad, más complicado será obligar a que una determinada señal permanezca pegada a él para siempre.

Y con las imágenes ya sabemos que no es solamente teoría

La investigación con imágenes ofrece ejemplos todavía más fáciles de visualizar.

En 2023 un grupo de investigadores demostró que determinadas marcas invisibles a nivel de píxel podían atacarse mediante modelos generativos. El método introducía ruido para alterar la señal y posteriormente reconstruía la imagen utilizando modelos generativos. Los experimentos mostraron vulnerabilidades en cuatro esquemas diferentes.

Otro trabajo publicado en mayo de 2025 llevó la idea bastante más lejos.

Investigadores del International Computer Science Institute, Arizona State University, Lawrence Berkeley National Laboratory y la Universidad de California en Berkeley presentaron SemanticRegen.

El concepto me parece especialmente interesante.

SemanticRegen no intenta conservar matemáticamente todos los píxeles de una imagen. Intenta conservar lo que nosotros consideramos importante de ella.

Primero un modelo de visión describe el contenido. Después otro sistema identifica y segmenta los objetos principales. Finalmente un modelo generativo reconstruye determinadas partes del fondo manteniendo los elementos relevantes.

Los autores probaron el método con más de 1.000 prompts sobre cuatro sistemas de marcas: TreeRing, StegaStamp, StableSig y DWT/DCT. SemanticRegen logró superar el criterio de eliminación establecido para TreeRing y redujo la precisión de las otras marcas mientras mantenía una elevada similitud en las zonas visualmente importantes.

Aquí aparece para mí una de las grandes ironías de todo este asunto.

Estamos utilizando inteligencia artificial para crear contenido, tecnología para marcarlo como artificial y nuevamente inteligencia artificial para reconstruirlo sin conservar necesariamente esa marca.

No parece una batalla con un final sencillo.

Ya hemos creado herramientas para borrar rastros digitales durante décadas

Además hay algo que resulta casi cómico si uno lleva suficientes años en Internet.

Durante mucho tiempo hemos recomendado exactamente lo contrario.

Eliminar EXIF de las fotografías antes de publicarlas podía proteger información privada.

Limpiar metadatos de documentos evitaba revelar autores, rutas internas, nombres de usuario o información sobre el software utilizado.

Las plataformas sociales recomprimen fotografías.

Los gestores documentales transforman formatos.

Los editores vuelven a guardar archivos.

Los CMS procesan imágenes automáticamente.

Los sistemas de mensajería crean versiones nuevas.

Muchas de estas operaciones son perfectamente legítimas y algunas incluso deseables desde el punto de vista de la privacidad y la seguridad.

Ahora queremos que determinados metadatos sobrevivan a toda esa cadena.

No es imposible, pero existe una tensión evidente.

Ya ha aparecido incluso un proyecto abierto denominado watermarks-remover que agrupa mecanismos para limpiar distintos rastros asociados a contenidos digitales, desde caracteres Unicode y metadatos hasta técnicas de reescritura destinadas a alterar señales estadísticas. Sus propios desarrolladores advierten de que estas últimas son de mejor esfuerzo y no permiten certificar que desaparezca la marca oficial de un proveedor.

No hace falta utilizar ninguna de esas herramientas para entender la dinámica.

Cada sistema de marcado crea inmediatamente un incentivo para investigar cómo eliminarlo.

Y ahora ambas partes tienen IA.

El verdadero problema empieza cuando queremos decidir qué es humano

Aquí es donde personalmente tengo más dudas.

Supongamos que escribo este artículo desde cero y después utilizo Claude para corregir cinco erratas.

¿Es contenido humano?

Yo diría que sí.

Supongamos que le pido mejorar dos párrafos porque no terminan de convencerme.

¿Sigue siendo humano?

Probablemente.

¿Y si utilizo la Inteligencia Artificial para encontrar fuentes pero las leo y compruebo personalmente?

¿Y si genero una estructura inicial?

¿Y si escribo el 70 % y la Inteligencia Artificial completa el resto?

¿Y si ocurre al revés, la Inteligencia Artificial genera un borrador y después paso dos horas haciendo cambios personalmente?

¿En qué porcentaje exacto deja algo de ser humano?

No creo que exista una respuesta técnica satisfactoria porque quizá la pregunta esté mal planteada.

Estamos intentando dividir el mundo en dos categorías:

humano / IA.

Pero el mundo hacia el que vamos probablemente se parecerá mucho más a esto:

humano + IA + humano + otra IA + software tradicional + revisión humana + publicación.

Dentro de pocos años quizá LibreOffice, Word, Gmail/Outlook/Thunderbird, Photoshop, nuestro IDE, el navegador, el móvil y el sistema operativo incorporen agentes trabajando permanentemente alrededor de nosotros. De hecho estoy seguro que tendremos agentes con inteligencias artificiales que podrás correr 100% en local, y este será un paso clave para nuestra privacidad y no se si libertad.

Encontrar un documento profesional en el que ninguna inteligencia artificial haya intervenido podría terminar siendo más raro que encontrar uno que haya pasado por alguna.

¿Qué valor tendrá entonces detectar que «una Inteligencia Artificial tocó este archivo»?

Quizá bastante poco.

Puede que acabemos marcando a los humanos

Por eso llevo unos días dándole vueltas a la posibilidad contraria.

Igual estamos intentando marcar el lado equivocado.

Ahora queremos conseguir esto:

«Este contenido ha sido generado por una IA».

Pero quizá dentro de unos años lo valioso sea poder demostrar:

«Este contenido procede de esta persona». Con nombre y apellidos, totalmente identificable en el mundo real.

Parece una diferencia semántica, pero tecnológicamente cambia bastante el problema.

Ya no estaríamos intentando detectar estadísticamente algo desconocido.

Estaríamos verificando una identidad y una cadena de procedencia.

Una cámara podría firmar criptográficamente una fotografía en el momento de capturarla.

Un periodista podría firmar determinadas versiones de un artículo.

Una universidad podría certificar que un examen se realizó en unas condiciones determinadas.

Un investigador podría acreditar cuándo creó un documento y cómo fue evolucionando.

Una empresa podría registrar quién generó, revisó y finalmente aprobó un informe.

No demostraríamos que cualquier contenido sin esa certificación ha sido creado por inteligencia artificial.

Eso sería otro error.

Demostraríamos algo mucho más limitado, pero también mucho más sólido:

conocemos el origen de este contenido.

C2PA puede ser más interesante por esto que por detectar IA

C2PA apunta precisamente hacia esa idea de procedencia.

El estándar no está diseñado simplemente para colocar una etiqueta de «IA» sobre una fotografía. Permite almacenar afirmaciones sobre cómo se creó un activo, qué transformaciones recibió y qué actores participaron en ellas, agrupándolas en manifiestos firmados digitalmente.

Su especificación habla explícitamente de información criptográficamente verificable y de mantener un historial de procedencia a medida que el contenido se transforma.

Esto me parece bastante más interesante que la eterna pregunta de si un detector cree que un texto tiene un 83 % de probabilidades de haber sido generado por una máquina.

No pregunta:

«¿Esto parece humano?»

Pregunta:

«¿Qué sabemos realmente sobre el origen de esto?»

La diferencia es enorme.

Por supuesto tampoco resuelve mágicamente el problema.

Una persona podría firmar un contenido generado íntegramente por una Inteligencia Artificial. Una cámara podría fotografiar una pantalla. Una identidad podría verse comprometida. Una cadena de procedencia puede romperse cuando una plataforma elimina la información asociada.

La criptografía puede demostrar que determinados datos no han sido modificados desde que fueron firmados.

No puede demostrar que la persona que pulsa el botón haya tenido una idea.

Pero al menos estamos trasladando el problema desde una inferencia estadística sobre el contenido hacia una cadena verificable de hechos.

Y eso parece un terreno bastante más sólido.

Quizá la pregunta no sea quién escribió cada palabra

Hay otro cambio que creo que terminará llegando.

Probablemente dejaremos de obsesionarnos con quién escribió literalmente cada palabra y empezaremos a preguntar quién responde por lo publicado.

Esto ya ocurre en muchos ámbitos.

Un directivo no escribe necesariamente cada línea de un informe que firma.

Un investigador trabaja con colaboradores y herramientas.

Un periodista utiliza editores, correctores, bases de datos y fuentes.

Un programador no ha escrito personalmente todas las líneas de las librerías que utiliza.

La inteligencia artificial añade una herramienta extraordinariamente capaz a esa cadena, pero no elimina necesariamente la responsabilidad humana.

En un medio de comunicación importa quién verifica una información y quién asume la responsabilidad editorial.

En una empresa importa quién aprueba una decisión.

En una universidad importa qué capacidad concreta del estudiante se está evaluando.

En software importa quién revisa y despliega el código.

Eso nos lleva a una cuestión bastante más incómoda que detectar marcas de agua.

Quizá el problema real no sea saber si hubo una Inteligencia Artificial. Quizá sea saber si hubo un humano responsable.

Y eso no se detecta analizando tokens.

Podemos acabar construyendo un Internet al revés

Hay un escenario que me parece perfectamente posible.

Dentro de unos años la mayor parte del contenido digital tendrá algún grado de participación de inteligencia artificial.

Textos.

Fotografías.

Vídeos.

Código.

Presentaciones.

Correos electrónicos.

Traducciones.

Informes.

Entonces detectar «contenido que ha pasado por IA» será parecido a detectar hoy un documento que ha pasado por un procesador de textos.

No aportará demasiado.

Lo escaso será otra cosa.

Contenido con una procedencia verificable.

Una fotografía de la que podamos acreditar cuándo y con qué dispositivo fue capturada.

Un documento cuya cadena de modificaciones conozcamos.

Un vídeo firmado desde su origen.

Un artículo asociado a una identidad y a una responsabilidad editorial.

Puede que terminemos construyendo algo parecido a una prueba de humanidad, aunque seguramente no deberíamos llamarla así porque nunca será absoluta.

No certificaremos que algo no contiene IA.

Certificaremos que en determinados puntos del proceso hubo personas identificadas que participaron y asumieron responsabilidad.

Y curiosamente puede que eso sea bastante más sencillo que intentar perseguir todas las máquinas.

No creo que las marcas de agua sean inútiles

Después de todo esto sería fácil llegar a una conclusión demasiado simple: las marcas de agua no sirven.

No creo que sea así.

Pueden aportar señales útiles.

Pueden ayudar a los proveedores a cumplir obligaciones de transparencia.

Pueden servir en investigaciones.

Pueden permitir identificar determinados contenidos cuando la marca permanece intacta.

Pueden dificultar usos masivos poco sofisticados.

Y combinadas con sistemas de procedencia, firmas digitales y otras señales pueden formar parte de mecanismos bastante útiles.

El error sería pedirles algo que probablemente nunca podrán ofrecernos:

una frontera perfecta entre lo humano y lo artificial.

Esa frontera ya está desapareciendo.

Anthropic reconoce que una marca detectada no prueba que Claude sea el autor y que una marca ausente tampoco demuestra que Claude no haya intervenido. La investigación académica lleva años mostrando la dificultad de construir marcas resistentes a adversarios capaces de transformar el contenido. Y las propias herramientas generativas hacen que esas transformaciones sean cada vez más fáciles.

Quizá estamos dando algunos palos de ciego porque todavía intentamos resolver con etiquetas binarias un cambio mucho más profundo.

Durante años Internet nos enseñó a borrar nuestros rastros digitales.

Ahora queremos que las máquinas dejen rastros imposibles de borrar.

Y justo cuando empezamos a conseguirlo hemos inventado máquinas capaces de rehacer prácticamente cualquier contenido.

Puede que la solución no consista en perseguir eternamente lo artificial.

Puede que acabemos haciendo justo lo contrario: dar más valor a aquello cuyo origen podemos acreditar.

No «esto no lo hizo una IA».

Algo bastante más útil:

«Sabemos quién está detrás de esto».

Y, sobre todo:

«Sabemos quién responde por ello».

Preguntas frecuentes

¿Qué marca de agua está incorporando Anthropic a Claude?

Anthropic utiliza una marca invisible integrada en el texto generado por los modelos compatibles y metadatos de procedencia firmados para determinados archivos. La compañía indica que las marcas se aplican a nivel de modelo y que está preparando mecanismos para que terceros puedan detectarlas.

¿Una marca de Claude demuestra que el texto fue escrito por inteligencia artificial?

No. Anthropic explica expresamente que una marca indica que el contenido puede haber sido procesado por Claude, pero el original podría proceder de una persona y haberse utilizado el modelo únicamente para corregir, traducir, resumir o transformar el documento.

¿Pueden desaparecer las marcas de agua de la IA?

Depende del sistema. Anthropic reconoce que una edición profunda, paráfrasis, traducción o mezcla con otros textos puede impedir detectar su marca. La investigación académica también ha demostrado ataques contra diferentes esquemas de marcas de agua en texto e imágenes.

¿Tiene más sentido certificar contenido humano que detectar contenido de IA?

Es una posibilidad a medida que humanos e IA trabajen cada vez más mezclados. Los sistemas de procedencia como C2PA no certifican que un contenido sea «100 % humano», pero permiten registrar información verificable sobre su origen, transformaciones y participantes, que puede resultar más útil que una clasificación binaria entre humano e IA.

Fuentes:

• Anthropic, How Claude marks AI-generated content
• Comisión Europea, obligaciones de transparencia del artículo 50 del AI Act
• Noticias. AI: AI Act: las nuevas reglas que cambiarán cómo empresas y creadores usan la inteligencia artificial
• AI Act Service Desk de la Comisión Europea, artículo 50
• EUR-Lex, Reglamento (UE) 2024/1689 de Inteligencia Artificial
• C2PA, especificación de Content Credentials y procedencia digital
• Nature, Scalable watermarking for identifying large language model outputs (SynthID-Text)
• Zhang et al., Watermarks in the Sand: Impossibility of Strong Watermarking for Generative Models
• Zhao et al., Invisible Image Watermarks Are Provably Removable Using Generative AI
• Tallam et al., Removing Watermarks with Partial Regeneration using Semantic Information, 2025.

La noticia puede interpretarse como un episodio más dentro de la carrera por construir modelos de IA cada vez más potentes. Sin embargo, cuanto más pienso en ello, más convencido estoy de que estamos asistiendo al nacimiento de un problema mucho mayor. Quizá dentro de unos años recordemos este momento como el instante en que empezamos a sustituir bibliotecas por algoritmos.

No me preocupa que una inteligencia artificial aprenda de los libros. Me preocupa que, en algunos casos, esos libros puedan dejar de existir. Y que el conocimiento de estos pueda «ser moldeado» por empresas a su antojo alejándose de la realidad del mismo.

Durante siglos, preservar significaba multiplicar las copias

La historia del conocimiento siempre ha sido una lucha contra el olvido.

Las grandes bibliotecas nacieron porque una única copia nunca era suficiente. Los monasterios medievales copiaban manuscritos durante generaciones. Más tarde llegó la imprenta y permitió que una misma obra existiera en cientos o miles de ejemplares repartidos por distintos países. Si una biblioteca ardía, otra conservaba el mismo libro. Si un gobierno prohibía una obra, siempre podía sobrevivir escondida en otro lugar.

Incluso Internet reforzó esa idea. Digitalizar significaba preservar. Proyectos como Google Books, Internet Archive o las bibliotecas nacionales emprendieron campañas masivas de digitalización con un objetivo claro: evitar que el conocimiento desapareciera aunque el soporte físico terminara deteriorándose.

Pero la inteligencia artificial ha introducido un incentivo completamente distinto.

Ahora el libro no se digitaliza necesariamente para ser leído dentro de veinte o cincuenta años. Se digitaliza para alimentar un modelo estadístico. Una vez extraída la información, el objeto físico pierde prácticamente todo su valor.

Y ahí es donde empiezan mis dudas.

Porque una inteligencia artificial no conserva un libro.

Lo consume.

No todo está digitalizado. Ni mucho menos.

Existe la sensación de que cualquier libro puede encontrarse en PDF, ePub o en alguna biblioteca digital.

La realidad está muy lejos de eso.

Miles de publicaciones técnicas, manuales especializados, tesis universitarias, libros autoeditados, revistas científicas antiguas, documentos industriales o pequeñas tiradas editoriales siguen existiendo únicamente en papel. Muchos nunca han sido digitalizados. Otros apenas sobreviven en unas pocas bibliotecas o en colecciones privadas.

Ahora imaginemos un escenario que ya no parece tan improbable.

Una empresa decide recorrer librerías de segunda mano, ferias del libro antiguo, colecciones privadas o incluso bibliotecas que venden fondos duplicados. Está dispuesta a pagar bastante más que cualquier coleccionista porque el objetivo no es revender esos ejemplares, sino alimentar una inteligencia artificial propia.

Compra el libro.

Lo escanea.

Lo destruye.

Desde un punto de vista legal puede que todo sea perfectamente válido. Si la adquisición es legítima y el marco jurídico lo permite, no habría mucho que discutir.

Pero culturalmente las consecuencias son muy distintas.

Porque algunos de esos libros podrían dejar de existir físicamente para siempre.

La realidad es que ya está pasando, casos documentados de pedidos de libros antiguos o rarezas desde cualquier parte del mundo para pagar pocos euros por el ejemplar y unos portes desorbitados desde una empresa con sede en otro país, normalmente Estados Unidos de América. Por ejemplo mira esta publicación de Instagram sobre el tema.

Una Inteligencia Artificial no es una biblioteca

Aquí creo que existe una confusión importante.

Muchas personas hablan de estos procesos como si digitalizar un libro para entrenar una Inteligencia Artificial fuera equivalente a conservarlo.

No lo es.

Una biblioteca conserva el texto completo, las ilustraciones, la maquetación, las anotaciones, las distintas ediciones e incluso el contexto histórico de la obra. Permite volver a consultarla dentro de cien años exactamente igual que hoy.

Una inteligencia artificial funciona de otra manera.

No almacena el libro para que podamos recuperarlo cuando queramos. Aprende patrones estadísticos a partir de millones de textos. El contenido original desaparece dentro de un modelo matemático imposible de recorrer como si fuera una biblioteca tradicional.

Eso significa que podremos preguntarle por una idea, un concepto o un autor.

Pero quizá nunca podamos volver a leer exactamente el libro del que aprendió esa respuesta.

Y tampoco verificar si la respuesta coincide realmente con la fuente original.

El problema no es la tecnología. Es quién controla la memoria.

No soy especialmente nostálgico del papel.

Llevo décadas disfrutando de libros electrónicos (aunque el 90% lo leo en papel), documentación digital y herramientas online. Gran parte de mi trabajo gira precisamente alrededor de la transformación digital.

Pero una cosa es digitalizar el conocimiento.

Y otra muy distinta concentrarlo.

Si el conocimiento termina residiendo únicamente dentro de modelos privados propiedad de unas pocas compañías, empezamos a depender de ellas para acceder a buena parte de nuestra memoria colectiva.

No hace falta imaginar conspiraciones.

Basta con pensar en algo mucho más cotidiano.

¿Qué ocurre si una empresa decide que determinados contenidos ya no forman parte del entrenamiento de sus futuros modelos?

¿Qué sucede si un cambio legislativo obliga a eliminar determinadas obras de los conjuntos de entrenamiento?

¿Quién comprobará qué libros estaban presentes antes y cuáles han desaparecido después?

Con una biblioteca siempre existe la posibilidad de volver al original.

Con un modelo de inteligencia artificial esa posibilidad desaparece.

El valor del papel no está solo en el contenido

Hay otro aspecto que solemos olvidar.

Los libros físicos también cuentan una historia por sí mismos.

Los historiadores comparan distintas ediciones para descubrir censuras, modificaciones, errores de impresión o cambios introducidos por los propios autores. Un simple prólogo añadido años después puede modificar completamente la interpretación de una obra.

Eso forma parte del patrimonio cultural.

Una inteligencia artificial no distingue entre la primera edición, la tercera revisión o una versión censurada si todas terminan convertidas en simples datos durante el entrenamiento.

El soporte también contiene información.

Y destruirlo implica perder parte de ella.

Europa tampoco debería ignorar este debate

Hay otro elemento que me preocupa especialmente.

Mientras las grandes empresas tecnológicas concentran cada vez más conocimiento para entrenar sus modelos, en Europa avanzan regulaciones como el AI Act y propuestas como ChatControl, impulsadas con objetivos legítimos como reducir riesgos, proteger a los menores o mejorar la seguridad digital.

El problema no está necesariamente en la intención.

Está en la acumulación de poder.

Por un lado, un pequeño número de compañías controla modelos capaces de responder prácticamente cualquier pregunta. Por otro, los gobiernos incrementan progresivamente su capacidad para regular qué puede hacerse con esos sistemas y bajo qué condiciones.

No digo que estemos ante un escenario de censura, que posiblemente si que lo estemos.

Digo que deberíamos preocuparnos por evitar que llegue a ser posible. Aun no es tarde, o quizás sí.

Porque la mejor garantía para la libertad siempre ha sido que el conocimiento permanezca distribuido, verificable y accesible para cualquiera.

Quizá el verdadero debate acaba de empezar

La inteligencia artificial va a seguir aprendiendo de libros. Y probablemente sea positivo que lo haga. Sería absurdo renunciar al enorme patrimonio escrito de la humanidad para desarrollar mejores herramientas.

Lo que me cuesta aceptar es la idea de que algunos de esos libros puedan desaparecer para siempre porque su única utilidad pase a ser alimentar un modelo privado.

Durante siglos hemos luchado por conservar el conocimiento frente a incendios, guerras, censuras y el paso del tiempo.

Ahora corremos el riesgo de hacerlo desaparecer nosotros mismos, convencidos de que basta con que una inteligencia artificial lo recuerde.

Quizá dentro de veinte años podamos preguntar a una IA cualquier cosa y obtener una respuesta brillante en cuestión de segundos.

Lo que ya no tengo tan claro es si podremos comprobar de dónde salió esa respuesta.

O si el libro que la inspiró seguirá existiendo.

Porque preservar un libro no consiste únicamente en guardar la información que contiene.

También significa conservar la posibilidad de leerlo, interpretarlo, discutirlo y compararlo con otras versiones.

En el momento en que el conocimiento deja de estar repartido entre millones de libros y pasa a residir únicamente en la memoria de unas pocas inteligencias artificiales privadas, ya no estamos hablando solo de tecnología.

Estamos hablando de quién custodiará la memoria de nuestra civilización durante las próximas décadas.

Y esa, probablemente, es una conversación que aún no hemos empezado a tener.

Eso es exactamente lo que me ha ocurrido durante las últimas semanas.

Todo comenzó leyendo sobre el interés de GameStop por adquirir eBay. Al principio pensé que era una operación curiosa, poco más. Pero conforme seguía investigando aparecían más piezas del puzle. Bending Spoons seguía comprando empresas que muchos daban por acabadas. Microsoft llevaba años demostrando el valor de LinkedIn. Google hizo lo mismo con YouTube. Meta con Instagram y WhatsApp. Incluso operaciones que nunca llegaron a completarse, como Adobe con Figma o NVIDIA con ARM, apuntaban a una misma realidad: las grandes compañías ya no solo compiten por desarrollar la mejor tecnología; también compiten por adquirir activos que resultarían casi imposibles de construir desde cero.

Cuanto más pensaba en ello, menos me interesaba la noticia concreta y más el cambio de fondo que parece esconder.

Porque quizá estemos entrando en una etapa distinta de la industria tecnológica. Una etapa en la que el software ya no sea el recurso más escaso y donde el verdadero valor vuelva a estar en algo mucho más difícil de fabricar: la confianza, la marca, la comunidad y el tiempo.

No tengo la certeza de que estemos asistiendo a un cambio de ciclo. Nadie la tiene. Pero sí creo que empiezan a acumularse suficientes señales como para detenerse un momento y mirar el panorama con algo de perspectiva.

Y eso es precisamente lo que intento hacer en este artículo.

Las claves de las marcas tecnológicas en 30 segundos

• La inteligencia artificial está reduciendo el coste de desarrollar y operar software, lo que cambia la forma de valorar muchas empresas tecnológicas.
• Marcas como eBay, LinkedIn o PayPal conservan un activo muy difícil de replicar: décadas de confianza, usuarios y comunidades consolidadas.
• Empresas como Bending Spoons están apostando por plataformas maduras en lugar de perseguir únicamente startups de alto crecimiento.
• No todas las historias terminan igual. Sega logró reinventarse, Nokia transformó su negocio y Kodak demuestra que una gran marca no siempre garantiza el futuro.
• Más que una sucesión de adquisiciones, podría estar comenzando una nueva etapa en la que el activo más valioso ya no sea el software, sino todo aquello que el tiempo ha construido y la IA todavía no puede crear.

Cuando Internet parecía una carrera por inventarlo todo

Quienes llevamos varias décadas siguiendo la evolución de Internet hemos visto repetirse un patrón una y otra vez.

Cada pocos años aparecía una empresa dispuesta a cambiar las reglas del juego.

Yahoo revolucionó los directorios.

Netscape popularizó la navegación web.

Palm llevó la informática al bolsillo antes de que existieran los smartphones modernos.

BlackBerry convirtió el correo electrónico móvil en una herramienta de trabajo imprescindible.

MySpace dominó las redes sociales antes de que Facebook cambiara completamente ese mercado.

Cada generación tecnológica tenía sus propios gigantes.

Y también sus propios olvidados.

Durante mucho tiempo parecía que el mercado funcionaba con una lógica muy sencilla.

Lo nuevo desplazaba inevitablemente a lo antiguo.

Si una empresa dejaba de crecer al ritmo esperado, el mercado empezaba a tratarla como si hubiera dejado de ser relevante.

No importaba demasiado que siguiera siendo rentable.

Ni que mantuviera millones de usuarios.

Ni siquiera que continuara generando miles de millones de dólares cada año.

En tecnología parecía existir una única obsesión.

Crecer.

Y hacerlo más rápido que nadie.

El mercado confundió crecimiento con valor

Es una simplificación comprensible.

Una startup que duplica ingresos cada ejercicio suele despertar mucho más interés que una empresa consolidada cuyo crecimiento apenas alcanza unos pocos puntos porcentuales.

Los inversores buscan expectativas.

Los medios buscan historias.

Las bolsas premian el futuro.

Pero con el tiempo empecé a preguntarme si esa forma de analizar las empresas no estaba dejando escapar algo importante.

Porque hay compañías que dejan de crecer sin dejar de ser extraordinariamente valiosas.

eBay continúa moviendo miles de millones de dólares en transacciones cada trimestre.

PayPal sigue siendo una de las plataformas de pago más utilizadas del mundo.

LinkedIn mantiene una posición prácticamente imposible de replicar dentro del mercado profesional.

Incluso plataformas como Vimeo, Evernote o Meetup, que ya no ocupan titulares como hace diez años, siguen conservando millones de usuarios y una marca ampliamente reconocida.

Quizá simplemente dejamos de hablar de ellas.

Pero eso no significa que hayan dejado de importar.

La inteligencia artificial está cambiando una variable que casi nadie menciona

Cuando se habla de inteligencia artificial casi toda la atención se centra en los modelos, los chips, los centros de datos o el impacto sobre el empleo.

Tiene sentido.

Son los aspectos más visibles.

Sin embargo, hay otra consecuencia que me parece igual de interesante.

La IA está cambiando el coste de gestionar una empresa tecnológica.

Automatizar tareas que antes requerían equipos completos.

Acelerar el desarrollo de software.

Mejorar la atención al cliente.

Generar documentación.

Analizar enormes cantidades de información.

Crear contenido.

Optimizar procesos internos.

Nada de eso convierte automáticamente un mal producto en uno bueno.

Pero sí puede hacer que una empresa madura resulte mucho más rentable de lo que era hace apenas cinco años.

Y cuando cambian los costes, también cambia la valoración de determinados activos.

Lo realmente difícil ya no parece ser escribir software

Hace veinte años desarrollar una plataforma global exigía inversiones enormes.

Había que construir infraestructuras propias.

Contratar grandes equipos de ingeniería.

Mantener centros de datos.

Desarrollar herramientas específicas para casi cualquier tarea.

Hoy gran parte de esas barreras han disminuido.

El cloud ha democratizado la infraestructura.

El software de código abierto ha reducido el coste de muchas tecnologías.

Y la inteligencia artificial está acelerando parte del trabajo de desarrollo.

Nunca había sido tan accesible lanzar un producto digital.

Paradójicamente, eso hace que otras cosas sean todavía más difíciles de conseguir.

No basta con tener una buena aplicación.

Hace falta algo más.

Hace falta que alguien quiera utilizarla.

Y, sobre todo, que quiera seguir utilizándola dentro de cinco o diez años.

La confianza tarda décadas en construirse

Hay una frase que llevo tiempo repitiéndome mientras preparaba este artículo.

La IA puede escribir código. No puede fabricar treinta años de confianza.

Creo que resume bastante bien hacia dónde quiero llegar.

Porque cuando alguien entra en eBay no solo encuentra un marketplace.

Encuentra millones de valoraciones acumuladas durante décadas.

Cuando un profesional actualiza su perfil en LinkedIn no está rellenando un simple formulario.

Está alimentando una identidad profesional que probablemente lleve construyendo muchos años.

Cuando un comercio integra PayPal tampoco está incorporando únicamente un método de pago.

Está aprovechando una relación de confianza que millones de usuarios ya tienen con esa marca.

Todo eso resulta extraordinariamente difícil de copiar.

Y quizá empiece a valer más precisamente ahora, cuando crear el software necesario para competir resulta cada vez menos costoso.

¿Y si el activo más valioso fuera el tiempo?

Cuanto más analizo estas operaciones, más me convenzo de que muchas de ellas no consisten realmente en comprar tecnología.

Consisten en comprar tiempo.

Años de reputación.

Años de datos.

Años de relaciones con clientes.

Años de integración con otras plataformas.

Años de comunidad.

Y eso me lleva a una pregunta que, sinceramente, me parece mucho más interesante que cualquier adquisición concreta.

¿Estamos entrando en una etapa en la que el recurso más escaso ya no sea el software, sino el tiempo necesario para construir una marca de confianza?

No tengo una respuesta definitiva.

Pero creo que merece la pena seguir explorando esa idea.

Porque quizá explique mejor que ninguna otra por qué algunas empresas que muchos consideraban parte del pasado vuelven a despertar el interés de la industria tecnológica.

Las grandes tecnológicas llevan dos décadas comprando algo más que empresas

Si uno repasa las mayores adquisiciones de la historia de Internet resulta fácil quedarse con la cifra.

1.000 millones.

19.000 millones.

26.000 millones.

44.000 millones.

Pero creo que las cifras distraen de la verdadera historia.

La pregunta interesante nunca ha sido cuánto pagaron Google por YouTube, Meta por WhatsApp o Microsoft por LinkedIn.

La pregunta es otra.

¿Qué estaban comprando realmente?

Porque ninguno de esos gigantes necesitaba aquella tecnología.

Google podía desarrollar una plataforma de vídeo.

Meta tenía recursos de sobra para crear una aplicación de mensajería.

Microsoft disponía del talento suficiente para construir una red profesional desde cero.

Lo difícil nunca fue desarrollar el software.

Lo complicado era convencer a cientos de millones de personas para abandonar el servicio que utilizaban cada día.

Y esa diferencia lo cambia todo.

Cuando la comunidad se convierte en el producto

Hay una idea que me parece especialmente interesante.

Durante muchos años pensamos que el producto era el activo principal de una empresa tecnológica.

Creo que eso ya no es del todo cierto.

El verdadero producto acaba siendo la comunidad que se forma alrededor de él.

YouTube no triunfó únicamente porque permitiera subir vídeos.

Triunfó porque millones de personas empezaron a crear contenido, comentar, suscribirse a canales y convertir la plataforma en un hábito diario.

Instagram nunca fue solamente una aplicación para compartir fotografías.

Fue una comunidad.

WhatsApp tampoco revolucionó el mercado porque enviara mensajes.

Lo hizo porque consiguió que prácticamente todo el mundo estuviera allí.

Y cuando toda tu familia, tus amigos o tus clientes utilizan una misma plataforma, cambiar resulta mucho más complicado que instalar una aplicación nueva.

Ahí aparecen los famosos efectos de red, uno de los conceptos más importantes de la economía digital.

Cada nuevo usuario aumenta el valor de la plataforma para el resto.

Y eso crea una ventaja competitiva extraordinariamente difícil de replicar.

¿Qué compraban realmente?

Si simplificamos algunas de las operaciones más importantes de los últimos veinte años, el resultado es bastante revelador.

Visto así, la tecnología pasa casi a un segundo plano.

Lo verdaderamente difícil de construir eran las personas que ya utilizaban esas plataformas.

Hay algo que la IA todavía no sabe hacer

Cada pocas semanas aparece un nuevo modelo capaz de programar mejor, resumir documentos con mayor precisión o generar imágenes más realistas.

La velocidad a la que está avanzando la inteligencia artificial resulta impresionante.

Pero mientras preparaba este artículo me di cuenta de algo bastante curioso.

La IA puede ayudarte a crear un producto en semanas. No puede ayudarte a conseguir treinta años de reputación.

No puede fabricar una comunidad de millones de usuarios.

No puede generar décadas de relaciones comerciales.

No puede construir la confianza que un comprador deposita en eBay después de miles de transacciones.

No puede crear una red profesional como LinkedIn simplemente escribiendo más código.

Y quizá ahí esté el motivo por el que determinadas empresas vuelven a parecer interesantes.

No porque tengan mejor tecnología.

Sino porque ya poseen aquello que la inteligencia artificial todavía no sabe fabricar.

Bending Spoons y una estrategia que muchos no entendieron

Si hay una empresa que me parece especialmente interesante dentro de este nuevo escenario es Bending Spoons.

Cada vez que anunciaba una nueva adquisición aparecían las mismas preguntas.

¿Por qué comprar Evernote?

¿Por qué Vimeo?

¿Por qué Meetup?

¿Por qué WeTransfer?

¿Por qué AOL?

A simple vista parecía una colección de empresas cuyo mejor momento ya había pasado.

Sin embargo, vistas en conjunto cuentan una historia muy diferente.

Bending Spoons no estaba comprando compañías perfectas.

Estaba comprando plataformas que seguían conservando tres activos muy difíciles de reconstruir.

Una marca conocida.

Una base de usuarios.

Y un producto suficientemente sólido como para seguir teniendo utilidad.

A partir de ahí, la estrategia cambia.

Reducir costes.

Modernizar la plataforma.

Eliminar ineficiencias.

Automatizar procesos.

Centrarse en la rentabilidad.

No siempre funcionará.

Algunas operaciones saldrán mejor que otras.

Pero creo que la idea de fondo merece atención.

Durante años Silicon Valley estuvo obsesionado con crecer.

Empiezo a tener la sensación de que la siguiente etapa puede consistir en gestionar mejor.

El caso de eBay quizá sea más importante de lo que parece

Cuando trascendió el interés de GameStop por adquirir eBay, muchas personas interpretaron la noticia como una operación aislada.

A mí me hizo pensar en otra cosa.

¿Cuánto costaría hoy construir un competidor real de eBay desde cero?

No me refiero a desarrollar un marketplace.

Eso, con suficientes recursos, puede hacerse.

Me refiero a construir todo lo demás.

Millones de compradores.

Millones de vendedores.

Décadas de reputación.

Sistemas de valoración.

Protección frente al fraude.

Integraciones logísticas.

Reconocimiento mundial de marca.

Probablemente harían falta muchos años.

Y una inversión gigantesca.

Vista desde esa perspectiva, quizá el verdadero valor de eBay nunca haya sido su plataforma tecnológica.

Quizá siempre haya estado en la comunidad que lleva casi treinta años utilizándola.

Internet también tiene memoria

A veces la industria tecnológica transmite la sensación de vivir únicamente pendiente del siguiente lanzamiento.

Del siguiente modelo de IA.

Del próximo smartphone.

Del siguiente procesador.

Sin embargo, Internet también acumula memoria.

Las personas recuerdan las marcas.

Recuerdan qué servicios les funcionaron durante años.

Qué plataformas resolvieron problemas reales.

Qué empresas estuvieron ahí cuando todavía casi nadie hablaba de cloud, inteligencia artificial o smartphones.

Esa memoria colectiva tiene un valor enorme.

No aparece en un balance contable.

No puede medirse con facilidad.

Pero influye cada día en millones de decisiones.

Y quizá durante demasiado tiempo la industria la dio por sentada.

Cuatro formas muy distintas de recuperar una empresa tecnológica

Mientras preparaba este artículo terminé clasificando las estrategias que más se repiten.

Me llamó la atención comprobar que no todas buscan lo mismo.

Quizá esta tabla resume mejor que ninguna otra la idea central del artículo.

Porque demuestra que no existe una única forma de dar una segunda vida a una empresa tecnológica.

Lo que sí parece repetirse es otra cosa.

El tiempo vuelve a convertirse en un activo estratégico.

Y construir tiempo sigue siendo imposible de acelerar.

Tres empresas que demuestran que no todas las marcas envejecen igual

Mientras escribía este artículo me di cuenta de que hay tres empresas a las que siempre termino volviendo cuando intento explicar cómo envejece una compañía tecnológica.

No tienen mucho que ver entre sí.

Una fabricaba consolas.

Otra dominó el mercado de los teléfonos móviles.

La tercera llegó a ser prácticamente sinónimo de fotografía.

Sin embargo, Sega, Nokia y Kodak cuentan una historia sorprendentemente parecida.

Las tres fueron líderes.

Las tres parecían invencibles.

Las tres tuvieron que enfrentarse a un cambio tecnológico enorme.

Y las tres reaccionaron de forma completamente distinta.

Quizá ahí esté una de las mejores lecciones que deja la historia de la tecnología.

No existe una única forma de sobrevivir.

Sega: entender qué era realmente el negocio

Quienes crecimos en los años ochenta y noventa recordamos perfectamente la rivalidad entre Sega y Nintendo.

No era simplemente una guerra de consolas.

Era una forma distinta de entender los videojuegos.

Master System.

Mega Drive.

Saturn.

Dreamcast.

Cada generación representaba una apuesta tecnológica diferente.

Pero tras el fracaso comercial de Dreamcast, Sega tomó una decisión que muy pocas compañías son capaces de asumir.

Dejó de fabricar consolas.

Vista con perspectiva, probablemente fue una de las decisiones más inteligentes de su historia.

Porque Sega entendió algo muy importante.

Su verdadero negocio nunca habían sido las consolas.

Su verdadero negocio eran sus personajes.

Sus estudios.

Su creatividad.

Su propiedad intelectual.

Sonic continúa siendo uno de los personajes más reconocibles de la industria del videojuego.

Las películas funcionan.

Las licencias siguen generando ingresos.

Las franquicias mantienen un enorme valor.

El hardware desapareció.

La marca no.

Y eso demuestra que, a veces, abandonar el producto adecuado en el momento adecuado puede ser la mejor decisión posible.

Nokia: una empresa que casi todo el mundo cree conocer

Pocas compañías generan tanta confusión como Nokia.

Cuando Microsoft compró su división de teléfonos móviles en 2014, mucha gente dio por hecho que Nokia había desaparecido.

En realidad nunca fue así.

Microsoft compró el negocio de dispositivos.

No compró Nokia.

Mientras los titulares hablaban del fracaso de Windows Phone, Nokia continuó haciendo aquello en lo que llevaba décadas siendo una referencia.

Infraestructura de telecomunicaciones.

Equipamiento para operadores.

Investigación.

Patentes.

Redes móviles.

Hoy sigue siendo uno de los grandes proveedores mundiales de infraestructura para telecomunicaciones.

Simplemente dejó de fabricar el producto por el que la mayoría de nosotros la recordábamos.

Siempre me ha parecido un ejemplo fascinante.

Porque demuestra hasta qué punto solemos confundir una marca con la actividad principal de una empresa.

Kodak: la marca que llegó demasiado tarde

Si Sega representa una reinvención y Nokia una transformación, Kodak simboliza el riesgo de llegar tarde.

Resulta paradójico recordar que la propia Kodak fue pionera en fotografía digital.

Uno de sus ingenieros desarrolló una de las primeras cámaras digitales funcionales.

Sin embargo, la compañía continuó protegiendo durante demasiado tiempo un negocio extraordinariamente rentable basado en la fotografía química.

Cuando quiso acelerar la transición, el mercado ya había cambiado.

Los teléfonos móviles empezaban a incorporar cámaras.

Las fotografías dejaban de imprimirse.

Internet modificaba la forma de compartir imágenes.

Kodak terminó reorganizándose para asegurar su continuidad.

La empresa sigue existiendo.

Pero nunca recuperó el protagonismo que tuvo durante gran parte del siglo XX.

Es una lección que me parece especialmente interesante.

Una marca muy conocida puede darte una segunda oportunidad.

Pero no garantiza una tercera.

También hay operaciones que nunca llegaron a producirse

Mientras algunas empresas consiguen reinventarse, otras protagonizan adquisiciones que jamás llegan a completarse.

Y creo que también merece la pena detenerse un momento en ellas.

Adobe quería comprar Figma.

NVIDIA quería hacerse con ARM.

Microsoft intentó adquirir Yahoo.

Sobre el papel parecían operaciones perfectamente razonables.

Sin embargo, ninguna terminó como estaba prevista.

¿Por qué?

Porque la tecnología ha dejado de analizarse únicamente como un mercado.

Ahora también se considera una infraestructura estratégica.

Los reguladores ya no estudian solo el precio de una operación.

Analizan quién concentrará el conocimiento.

Quién controlará determinadas plataformas.

Qué consecuencias tendrá para la competencia.

Y eso supone un cambio enorme respecto a lo que ocurría hace apenas quince años.

Probablemente veremos cada vez más operaciones bloqueadas por motivos que hace una década apenas se discutían.

Creo que estamos mirando el sitio equivocado

Después de dar muchas vueltas a este tema, hay una idea que no consigo quitarme de la cabeza.

Llevamos años hablando de inteligencia artificial como si el gran activo del futuro fuera el modelo más potente.

No estoy tan seguro.

Empiezo a pensar que el recurso verdaderamente escaso será otro.

La confianza.

Porque cualquier empresa podrá desarrollar asistentes inteligentes.

Muchas podrán generar software con ayuda de modelos de IA.

Cada vez será más sencillo automatizar procesos.

Pero ninguna podrá fabricar treinta años de relación con sus clientes.

Ninguna podrá inventarse una comunidad consolidada de la noche a la mañana.

Ninguna podrá crear de golpe una reputación que ha necesitado décadas para construirse.

Y precisamente por eso creo que muchas empresas históricas vuelven a resultar interesantes.

No porque hayan vuelto a ser tecnológicamente superiores.

Sino porque el resto del mercado empieza a valorar de otra manera aquello que siempre tuvieron.

La IA está cambiando el coste de crear. No el tiempo necesario para confiar.

Quizá esa sea la idea que mejor resume todo el artículo.

Durante muchos años el recurso más difícil de conseguir era la tecnología.

Hoy el software puede desarrollarse más rápido que nunca.

Los modelos de inteligencia artificial ayudan a programar, documentar, traducir, resumir o automatizar tareas que hace poco requerían equipos completos.

Eso cambia profundamente los costes.

Pero no cambia el tiempo.

Y el tiempo sigue siendo el ingrediente imprescindible para construir una marca.

Para ganarse la confianza de un cliente.

Para crear una comunidad.

Para desarrollar un efecto de red.

Para convertirse en un referente.

Quizá por eso estamos viendo cómo compañías que parecían condenadas al olvido vuelven a despertar interés.

No porque hayan cambiado radicalmente.

Sino porque ha cambiado el contexto.

Reflexión final

Si alguien me hubiera preguntado hace diez años cuál sería el activo más valioso de una empresa tecnológica, probablemente habría respondido que su capacidad para innovar más rápido que la competencia.

Hoy no estoy tan seguro.

Sigo pensando que la innovación es imprescindible.

Pero creo que hemos infravalorado durante demasiado tiempo algo mucho más difícil de construir.

La confianza.

Cuando una empresa consigue mantener durante veinte o treinta años una relación sólida con millones de usuarios, ha creado un activo extraordinario.

No aparece reflejado en una línea de código.

No puede entrenarse con un modelo de inteligencia artificial.

No se compra de un día para otro.

Y precisamente por eso empieza a tener todavía más valor.

Quizá el próximo gran gigante tecnológico nazca mañana en un garaje.

Eso seguirá ocurriendo.

Pero también creo que algunos de los grandes movimientos de la próxima década podrían producirse alrededor de empresas que llevan mucho tiempo entre nosotros y que muchos dejaron de mirar hace años.

No porque pertenezcan al pasado.

Sino porque, en realidad, el tiempo ha terminado convirtiéndose en su mayor ventaja competitiva.

Preguntas frecuentes

¿Por qué las empresas tecnológicas vuelven a interesarse por marcas históricas?

Porque muchas de ellas conservan activos extremadamente difíciles de construir desde cero, como comunidades de usuarios, confianza, reconocimiento de marca o efectos de red. La inteligencia artificial reduce parte del coste operativo, pero no puede crear décadas de reputación.

¿Qué papel juega la inteligencia artificial en esta tendencia?

Más que sustituir a estas empresas, la IA puede hacerlas más rentables al automatizar procesos, acelerar el desarrollo de software y reducir determinados costes. Eso cambia la forma en que algunos inversores valoran plataformas maduras.

¿Por qué casos como Sega, Nokia y Kodak son tan diferentes?

Las tres afrontaron grandes cambios tecnológicos, pero reaccionaron de forma distinta. Sega abandonó el hardware y apostó por su propiedad intelectual; Nokia transformó su actividad hacia las redes de telecomunicaciones; Kodak mantuvo demasiado tiempo su modelo tradicional y perdió buena parte de su posición en el mercado.

¿Todas las adquisiciones tecnológicas terminan teniendo éxito?

No. Existen operaciones muy exitosas, como YouTube o LinkedIn, otras que no lograron el impacto esperado y algunas, como Adobe-Figma o NVIDIA-ARM, que ni siquiera llegaron a completarse por cuestiones regulatorias.

Fuentes:

• Comunicaciones corporativas y documentación histórica de Google, Microsoft, Meta, Salesforce, Sega Sammy Holdings, Nokia y Kodak.
• Publicación de Corti en su LinkedIN.
• GameStop, propuesta oficial para adquirir eBay por 125 dólares por acción, 03/05/2026.
• eBay, rechazo oficial de la propuesta no solicitada de GameStop, mayo de 2026.
• Comisión del Mercado de Valores de Estados Unidos, participación de GameStop en eBay, julio de 2026.
• Bending Spoons, documentación presentada para su salida a bolsa en Nasdaq.
• Microsoft, adquisiciones de LinkedIn y Skype.
• Salesforce, cierre de la adquisición de Slack.
• Google, adquisición de YouTube.
• Meta, información corporativa sobre las adquisiciones de Instagram y WhatsApp.
• Adobe, cancelación del acuerdo para adquirir Figma, 18/12/2023.
• Comisión Europea, investigación sobre la operación entre Adobe y Figma.
• NVIDIA y SoftBank, cancelación de la compra de ARM, 08/02/2022.
• Microsoft, retirada de su propuesta para adquirir Yahoo, 03/05/2008.
• Informes y documentación de organismos reguladores de competencia de Estados Unidos, Reino Unido y la Unión Europea.