Nací en un mundo analógico que ya no existe, soy parte de ese epílogo evanescente que en unas décadas morirá con nosotros; conmigo que escribo y con ustedes que leen. Décadas, apenas nada en la escala de la historia.

Luego, hubo ordenadores pero no se parecían a los que tenemos ahora que caben en un bolsillo y sirven para ver vídeos cortos a todas horas. No había iconos, ni ratón, ni ventanas flotantes, las pantallas no eran táctiles ni teníamos asistentes de voz. Solo estabas tú, una pantalla negra y una línea de comandos. Ya saben, en el principio fue la línea de comandos. Cuando aparecieron las interfaces gráficas, los puristas se echaron las manos a la cabeza. “Esto se va al garete; la gente ya no va a entender cómo funciona un ordenador”.

Spoiler: sobrevivimos.

El miedo a que la tecnología nos atrofie el cerebro no es nuevo. En los ochenta, las calculadoras iban a destruir la capacidad de los niños de hacer raíces cuadradas. Más tarde fue Wikipedia lo que amenazó con sepultar el rigor académico. En 2008, Nicholas Carr firmó un ensayo memorable en The Atlantic: ¿Nos está volviendo Google estúpidos?

Llegamos hasta 2026 y cambiamos a Google por OpenAI o Anthropic, pero los miedos colectivos siguen más o menos igual. El tema es discutir si tienen base o no.

Thamus, el rey que temía a los libros

La tecnofobia intelectual no nació con Silicon Valley. Ni siquiera con los ludditas de la revolución industrial.

En Fedro, Platón usa el diálogo entre Theuth y Thamos para plantear el debate sobre si la escritura es “un fármaco contra la desmemoria” o, por contra, un mecanismo que terminará por atrofiarnos el cerebro. Platón, por lo que sea, decidió escribir sus diálogos, y no confió en que pasaría de generación en generación por tradición oral. Desde aquí nos congratulamos porque de otra forma igual no nos habría llegado nada de su obra.

Al tema. Dos milenios después seguimos en las mismas. Ahora nos da miedo delegar en las computadoras y nos preguntamos si no estamos externalizando nuestra esencia (y nos lo preguntamos sin rastro de ironía, no como el bueno de Douglas Coupland en Microsiervos). Nos da pánico que el músculo del cerebro se vuelva grasa si la máquina hace el trabajo pesado.

La atrofia en la oficina y los gimnasios para el intelecto

Ese tonillo a ChatGPT. Está en todas partes: cualquier texto nos huele a gepeto. No solo porque todos usamos los bots. Es que estamos empezando a escribir como el bot. Que tiene cierta retranca pero igual no es ni tan malo: por una parte, los LLMs escriben bien. Que sí, no es una verdad incómoda, sino un lugar común. Estas bromitas las hemos visto todos. Los memes es lo que tienen; que se comparten. Pero el LLM promedio se burrea escribiendo a la mayor parte de la población, y lo sabes.

El chiste es que en un mundo en el que tu email o tu CV va a ser filtrado por un bot antes de recibir atención de un humano, escribir con las estructuras que le gustan al LLM quizá tampoco penaliza tanto, quizá así consigues que lo elija entre los elementos a destacar.

Pero vamos con el tufillo a gepeto. Cuando todo suena a máquina, el toque humano es una ventaja competitiva. La forma industrial de conseguirlo es en parte, pura cosmética: una de las evidentes es el retorno fuerte de las fuentes con serifas hasta en la sopa. Lo importante es hacia donde apunta el dedo: a señalar agencia humana, no robótica.

Puro flex, supongo. Quizá lujo inmaterial, ese presumir de tener de tener tiempo para escribir manualmente tus mensajes o tus posts del blog. Pero el tema es que decidir cuándo apagar la IA o cuando no seguir su recomendación va a ser clave, pero para ser capaces de volar solos habrá que estar entrenados y saber hacerlo.

Al final, hay una cierta paradoja de la automatización: al traspasar parte del esfuerzo intelectual, la IA se queda parte de lo que nos permitiría seguir desarrollando nuevo conocimiento. En One-armed Scissor cantaban At the Drive-in que “I write to remember”. Correcto. Escribo para recordar porque al escribir aprendo, y esto es algo que mi estimado Amalio Rey recalca con frecuencia. En Versvs he publicado casi tres mil doscientos artículos a lo largo de los años.

Cuando la maquinaria pesada entró a saco en el trabajo y, en segunda derivada, gran parte de la población terminó convertida en oficinista nos inventamos los gimnasios para mantener el cuerpo en forma. Quizá la gran duda del tiempo por venir es qué forma van a tener los gimnasios del intelecto. ¿A dónde iremos a entrenar la mente para seguir siendo capaces de pensar cuando los ordenadores automaticen más y más tareas?

Si entender la brecha de supervisión nos sirve para algo es para entender que de esos dos huecos que de momento parecemos vislumbrar para los humanos en el bucle (la concepción de la creación y su validación al final, de los que hablábamos la semana pasada en Desde el bucle) vamos a estar más en la concepción que en la validación, que tenderemos a despachar de mala manera por la puerta de atrás. Muchas risas con KPMG y su informe plagado de alucinaciones, pero eso es el default system: tienes tanta tarea pendiente que el robot te da un texto, lo lees en diagonal y palante. La ejecución desligada de la biología permite una escala que para nuestros tiernos ojos mortales se presenta inabordable.

Como al contener impulsos de violencia preneandertal o aprender a no quejarse del enésimo SUV en el atasco en el commute a casa (This is water de David Foster Wallace es uno de esos textos bellos a los que volver), el humanismo en este caso también se demuestra siendo capaces de actuar a la contra de ese sistema por omisión: validando lo que parece no requerir validación, solo porque así mantenemos un aspecto de nuestra esencia.

Al final del día, la sapiencia de copia y pega también es sapiencia

Los LLMs no nos van a volver estúpidos. Al mismo tiempo, nos harán sentir estúpidos. Simplemente porque los ordenadores hacen bien un puñado de cosas que a nosotros se nos dan regular. Si les pido memorizar un número de 9 cifras y les doy el 183572541 seguramente haya problemas; si en cambio les doy el 123456789, ya no tantos. Para un ordenador ambos números son equivalentes: los va a recordar ambos por igual.

Así que pasaste décadas estudiando, empollando como un pringao, pero a la hora de la verdad eres incapaz de tener en mente todo lo que estudiaste. Eres el meme viviente y danzante del ingeniero que ha olvidado más matemáticas de las que una persona normal aprenderá en toda su vida. Tu LLM, sin embargo, las recuerda todas.

Por eso al usarlo nos vemos en el espejo y nos sentimos pequeñitos en comparación. Pero no. La realidad es que estás intentando usar tu cerebro para cosas para las que no se adaptó, y que periferizar parte de tu esencia en un LLM para saltar más alto, viajando a hombros de gigantes electromecánicos, es el camino a seguir.

“Pero que sabrás tú, si ahora mi código lo produce mi agente”. Ya, sí, y antes lo hacía el compilador (¿o acaso ibas añadiendo tú los ceros y unos manualmente?), pero nunca sentiste el impulso irrefrenable de gritar a los cuatro vientos que el código de tus programas lo hacía otro programa.

La escritura no mató a la memoria, la expandió. Google no nos volvió idiotas. Los LLMs nos permitirán llegar más lejos. La pregunta clave que deberíamos hacernos en bucle no es qué puede hacer la inteligencia artificial por nosotros, sino qué podemos hacer nosotros con ella. Resistance is futile.

[Imágenes: Jose Alcántara usando ChatGPT.]

Desde el bucle en formato breve, porque no tuve tiempo para ir en profundidad con un par de temas que quería tratar, pero había un par de ideas que quería dejar anotadas.

Ideas para profundizar

• Definición y validación apuntan a ser los grandes bastiones para humanos atrapados en sistemas digitales (esto es, para todos). ¿Cuántos devs hacen falta para el equipo? ¿Y testers? ¿Y devops? Mira, ni idea de cuál va a ser la estructura óptima, pero hay algunas certezas. Como que el foco va a seguir estando en valor y en flow. Esto es, seguir haciendo lo que los clientes necesiten y justo cuando lo necesiten.

• Ese flow, por cierto, se facilita si quitamos handovers entre humanos permitiendo que los equipos sean más autónomos. Diría que vamos a equipos más autónomos, más pequeños, y con mucha más oportunidad de definir y rematar todo en uno. Definición y validación, los pasos intermedios están en el aire y para cuando aterricen todo apunta a que habrá un robot que los recoja.

• Cambiando un poco el tercio, Antonio Ortiz habla de sociedad de control al hilo del control de Anthropic sobre sus nuevos modelos. La inteligencia artificial se construye sobre una centralización aún mayor de la red que la que ya discutíamos en La sociedad de control hace tres lustros. Hace unas semanas dimos un repaso a cómo la IA actualiza retos clásicos y pone sobre la mesa otros nuevos (o no tanto).

  ---

  Para no perderte nada y recibir próximos artículos en tu buzón, suscríbete.

Recursos & Herramientas (recomendados)

• Ethan Mollick tiene nuevo libro, Co-existence. Aún no lo he leído pero su anterior libro (Co-intelligence) lo recomendé con frecuencia porque está escrito en un tono muy didáctico y su descripción más fenomenológica que industrial ha aguantado más o menos bien el paso del tiempo (fue escrito en 2023). A ver qué tal está este co-existence, por su nombre, intuyo que va de cabeza a que la IA hace mucho más que ser nuestro copiloto.

• La cuenta Github de Anthropic tiene algunos repos con utilidades de lo más curiosas para echarte a rodar con Claude. El repositorio de skills es un clásico.

Nota: Algunos de estos enlaces ayudan a mantener esta newsletter sin coste adicional para el lector. Gracias por el apoyo.

¿Pagaremos la inteligencia artificial como pagamos la luz?

Sam Altman generó mucho ruido hace unos meses al decir que IA la vamos a pagar como cualquier otra utility, como pagamos la factura de la luz. Ya no sorprende, porque Altman es un poco pesadete y ahora lo repite todo el tiempo.

No comparto del todo su visión, pero vamos a discutirla con un par de puntos en contra y a favor.

Partiendo del largo plazo que presupongo a toda visión de este tipo, empezamos a la contra, y luego le damos la razón en parte:

• Altman tiene un incentivo claro a vender que esa factura es inevitable (como Thanos) de la factura de la IA. Por tanto hay que tomar esa afirmación con la cautela que tomamos toda afirmación de un vendedor cuando le escuchamos.

• Si de verdad la factura de la IA termina siendo como la de la luz, esa commiditización de la IA debería conllevar un precio mucho más moderado del que se cobra a día de hoy por uso intensivo de tokens. No nos gastamos miles de euros al mes en electricidad.

Dos contrapuntos a favor:

• Cobrar por acceso a mejor modelo, no por más consumo. Como la electricidad no, pero ¿como Internet? Ahí diría que sí. A largo plazo (más allá del próximo lustro, cuando con suerte la demanda de hardware esté mejor satisfecha) es más probable que la IA la paguemos como pagamos Internet ahora mismo: con una tarifa plana en la que el matiz de precio lo determinarán los modelos a los que se accede (del mismo modo que ahora pagamos más si queremos 10Gbps en lugar de 1Gbps). Con el tiempo, creo que habrá mucha más flexibilidad de uso y menos control de cuotas, pero uso del modelo que tengas contratado.

• La promesa de los modelos locales. La tecnología termina siendo accesible, mejor hardware y mejores modelos locales. Estos modelos seguirán durante años por detrás de los modelos SaaS centralizados, de modo que su previsible mejora quizá sea compatible con una suscripción de acceso a modelos mejores para tareas específicas.

Así que no, no creo que a largo plazo una mayoría de la población pague inteligencia artificial midiendo el consumo de tokens, pero sí creo que una suscripción de acceso a mejores modelos va a terminar imponiéndose. Y puede que eso alcance a Altman para tener su ansiada salida a bolsa, que en el fondo toda esa tournée que está haciendo no va de otra cosa que posicionar a su empresa para esa eventual salida a mercado.

Pese a que nos gusta considerarnos criaturas sofisticadas y espirituales, la realidad es bastante más pedestre: los seres humanos compartimos con el resto del reino animal un instinto primario e inevitable por buscar estatus. Nos obsesiona la jerarquía, aunque el modo en que cada uno busca su sitio sea diferente.

Y de esas diferencias vamos a hablar. El modo en que nos posicionamos frente a los demás ha sufrido una mutación fascinante. Hemos pasado del burdo “tener más bienes materiales” a una sofisticación casi invisible. Bienvenidos al árbol genealógico del estatus inmaterial: un viaje para entender algunos aspectos del mundo que realmente es, no del que podría ser o nos gustaría que fuera.

El arbol genealógico del estatus inmaterial

Thorstein Veblen, el consumo conspicuo (Siglo XIX)

Veblen fue un sociólogo estadounidense que a finales del s. XIX escribió su Teoría de la clase ociosa. En el define a la clase ociosa (”leisure class”) de la revolución industrial, que significa su poderío económico sobre la cantidad de bienes útiles que puede comprar y mostrar, independientemente de que sean útiles o no. En Veblen el estatus se demuestra mediante el derroche.

Así, introduce dos conceptos clave de su ideario:

• Consumo Conspicuo: gastar dinero en cosas visibles y caras pero no necesariamente útiles. Joyas, mansiones, o un mayordomo. ¿Necesitas un mayordomo que te haga el café o abra la puerta a las visitas? No, pero que tus vecinos vean al mayordomo es una señal de estatus.

• Ocio Conspicuo: demostrar que no necesitas trabajar. Estudiar latín, aprender complejísimos protocolos de etiqueta, o jugar al golf.

Todas estas señales de estatus requieren un cierto sacrificio (de dinero, o de tiempo) que los menos privilegiados no pueden permitirse, lo cual sirve para señalizar la pertenencia o no ese grupo que se posiciona mediante las mismas.

Pierre Bourdieu: el capital cultural (Siglo XX)

Cruzamos el Atlántico de vuelta a Europa para rescatar a Pierre Bourdieu. A cuenta de un par de conversaciones dominicales con Antonio Ortiz (y su reciente e hiladísimo post sobre Bad Bunny), caí en la cuenta de que Bourdieu es, en realidad, el eslabón perdido entre Veblen y Henderson (de quien hablaremos a continuación).

Bourdieu, que desarrolló su obra 50-70 años después de Veblen, dice que el dinero ya no es suficiente, pues al fin y al cabo vamos a enfocarnos en bienes no materiales, sino que ahora necesitas capital cultural. Aúna por un lado el contexto en que crecemos y nos cultivamos, que determinará en gran medida nuestros gestos, forma de expresarnos, modales, o la cultura a la que nos vemos expuestos desde pequeños y por otro los diferentes ámbitos en que ese contexto es necesario, que no va a ser lo mismo en el ámbito académico o político, o laboral.

El camino que va desde nuestro contexto personal (que Bourdieu llama habitus) hasta los ámbitos donde nos desenvolvemos (”campos”) lo recorremos con nuestro capital cultural. Ese capital cultural, como cualquier otro capital, no se puede amasar de la noche a la mañana. Es ahí donde reside el quid de todo esto: al poner el foco del estatus en práctica sociales que vienen determinadas por un recurso que no es fácilmente adquisible (si es que es posible adquirir ciertos hábitos que no fueron adquiridos de pequeño) se vuelve a señalar de forma sutil la pertenencia o no a ese grupo.

¿Recuerdan cuando la RAE anunció que quitaba tildes de algunas palabras porque, al fin y al cabo, una mayoría de la población no las estaba poniendo de todas formas? Yo sí. Sólo, guión, o los artículos demostrativos. Hubo un gran revuelo al respecto... en Twitter. Nadie nunca se quejó fuera de la esfera ilustrada que dedicó más de veinte años de su vida a estudiar hasta finalizar estudios superiores (doctorados, ingenierías). Súbitamente todos esos años aprendiendo a domesticar la ortografía dejaban de distinguir a quien escribía bien de quien escribía mal.

He usado el verbo distinguir para viajar hasta el siguiente concepto clave de Bourdieu: la distinción. No se trata de tener en casa un Miró o un Picasso, se trata de poder explicar a Picasso y su influencia sobre las generaciones posteriores (es este relato el que articula el valor de una obra de arte, al fin y al cabo). Aquí enlazamos con Veblen, para poder reaccionar adecuadamente en estos contextos hay primero que poder dedicar horas de ocio conspicuo a estudiar sobre arte. Si tienes que pasar tus días trabajando difícilmente vas a tener tiempo para esto.

Si lo quieren en otras palabras, el Rolex y el traje caro te los compras con dinero, pero saber equiparlos y dejar satisfecho a @dieworkwear ya es más difícil.

Rob Henderson: las creencias de lujo (Siglo XXI)

Avanzamos otro medio siglo y llegamos a la década actual, volvemos a cruzar el atlántico hasta Estados Unidos y hablamos de Rob Henderson, que actualiza a Bourdieu a la era digital y de la postmaterialidad.

Las creencias de lujo son ideas que confieren estatus a la clase alta mientras imponen un coste a la clase baja. Tiene entrada en mi Pedia (Creencias de lujo). Con Henderson vamos a una inmaterialidad total, el bien ya no es un objeto ni un conocimiento artístico refinado, es una postura moral.

Henderson enmarca algunas creencias de lujo actuales en el ecosistema más woke: desde pedir desfinanciar a la policía que hará subir la criminalidad en los barrios más desfavorecidos pero no en los distritos residenciales más exclusivos hasta el poliamor que desemboca en madres solteras abocadas a la pobreza para la que los más privilegiados tienen “red de seguridad” familiar pero cuyo efecto es devastador, de nuevo, para los menos favorecidos.

Del mismo modo, se articula a través de los gustos: cuando fue posible para todos ver Hamilton en televisión sin pagar varios cientos de dólares por asiento, el pijerío neoyorquino empezó a renegar del musical. Si no sirve para distinguirnos del vulgo, hay que mudarse a una nueva creencia de lujo.

Todo esto nos sirve para anticipar sin miedo a equivocarnos que las creencias de lujo de la próxima década no serán necesariamente woke (quién sabe, quizá se vayan al otro extremo) pero seguro que continuarán buscando diferenciar a un grupo de otro y promoviendo actividades para señalar estatus, y cuyas consecuencias sufrirán, de nuevo, los más desfavorecidos.

De la vulgarización de lo material a las nuevas señales de estatus

Este viaje por los símbolos de estatus desde el siglo XIX al XXI ilustra que el desplazamiento del estatus ocurre porque lo material se ha vulgarizado, en el sentido más etimológico, el vulgo, el pueblo, ya tiene acceso a ello. Hoy cualquiera puede llevar un iPhone en el bolsillo o comprar imitaciones de accesorios de marca (bolsos o calzado) que a simple vista no se diferencian de las versiones exclusivas de firma. Como cualquiera tiene acceso, el lujo físico ya no distingue.

Por eso, la lucha por mostrar ese estatus se ha mudado hacia dos nuevos frentes: lo invisible (el capital cultural de Bourdieu) y lo ideológico (las creencias de lujo de Henderson, donde adoptas causas que requieren una compleja literacidad para no ser cancelado).

En definitiva, es el trepidante y elitista viaje que nos ha llevado desde presumir de mayordomo (Veblen), a presumir de los libros que acumulamos en el salón (Bourdieu), para terminar presumiendo de nuestras opiniones morales en una red social (Henderson).

[Imagenes: Jose Alcántara con Gemini y ChatGPT.]

Volvemos a los jueves tras experimentar un poco con diversos días de la semana, incluído el fin de semana. Y lo hacemos retomando un tema que discutimos cuando hablábamos de implicaciones de la inteligencia artificial en el ámbito laboral y dimos alguna pincelada sobre sociedad de control. Prometí entrar un poco más a fondo en ese tema más adelante. Ya es más adelante.

Tema #1: La evolución del DRM y el fin de la herramienta

Hace unas semanas se cuestionó bastante la negativa de Claude a trabajar en determinadas situaciones. Antonio Ortiz iba hasta el paso de afirmar que “eso lo convierte en algo intermedio a una herramienta”. Sin embargo, ¿es realmente nuevo? ¿No hay un paralelismo con la restricción de permisos que vimos hace años con los sistemas anticopia y otros DRM más generales?

Hace muchos años surgió la Trusted Computing Platform Alliance, que pretendía precisamente limitar lo que podías hacer con el hardware. Eran otros tiempos, antes de que fuese evidente que la capa sobre la que se iba a redefinir la libertad en el uso de sistemas digitales no era la de hardware sino la de aplicación. iOS y Android limitan de forma efectiva el software que ejecutas con mucho más éxito del que jamás soñaron tener los miembros de la TCPA.

No es un bloqueo al mismo nivel (aunque Apple ha avanzado más en esta dirección que Google) pero en la práctica casi nadie rootea un dispositivo, o flashea el sistema e instala otro.

Tema #2: Vigilancia publicitaria y control político son dos caras de la misma moneda

Volviendo a hablar de inteligencia artificial, se da la paradoja de que van a llevar la correlación de tu histórico de datos un paso más allá. Hasta ahora, resultaba memético hablar de lo ineficiente (que no ineficaz, que ya sabemos que son cosas diferentes) del retargeting de Amazon, a menudo incapaz de identificar cuando ya has comprado el producto en su propia tienda online. Recuerdo cuando hace ya casi quince años nos reíamos con Recuenco al hilo de la personotecnia y la brocha gorda de estos sistemas.

Google o Meta ya son capaces de recordar lo que tú has olvidado (y nuestro cerebro no está preparado para esto, pues nuestra salud mental depende de ir olvidando los malos ratos). Pero hasta ahora no le sacaban demasiado partido. Hace ya mucho que comentábamos la muerte de la conversación efímera, pues todo queda grabado en alguna parte. Ahora no solo queda registrado, sino que se va a comenzar a exprimir.

Y dado que con Cambridge Analytica y la manipulación electoral via influencia en Facebook aprendimos que no podemos separar vigilancia publicitaria y vigilancia política por parte del estado, porque los perfiles construidos para la primera se usarán para influir en la segunda, es el momento de hablar del impacto en la gestión de lo público gracias a la existencia de estos modelos de datos. En consecuencia, y dado que en Internet se usa para servir anuncios (OpenIA y Google no tardarán en integrarlos en sus chatbots), si bien no hay constancia de que los estados hayan usado estos perfiles a día de hoy, la pregunta no es si sino cuándo.

La creciente bancariazación de todas las compras, acentuada sobre todo en el último lustro, permite un trazado de perfiles aún más finos y con menos lagunas que hace un par de décadas.

Tema #3: El espejo de de China y la exportación de su modelo punitivo

China es posiblemente el país del mundo que más ha avanzado en sociedad de control. En 2008, embriagados de la hegemonía liberal tras la caída de la URSS, no supimos ver que posiblemente el poder estadounidense estaba tocando techo y que el mundo iba a dejar de ser unipolar muy breve. Las señales estaban ahí desde la equivocada guerra de Irak en 2003-4. Tocamos ese tema hace un par de años la hilo de El final de la pax americana.

Pero entonces no lo sabíamos, así que nos parecía que la entrada de China en la Organización Mundial del Comercio era una buena noticia: China se iba a integrar más con el mundo libre, condición necesaria para que la sociedad china exigiese reformas democráticas. Poco sospechábamos que el movimiento era justo al contrario: no era China moviéndose hacia occidente sino, muy al contrario, occidente moviéndose hacia China.

A día de hoy, China exporta tecnología de control a más de 60 países globalmente, por no mencionar que sirve de inspiración a muchísimos más. Europa no es una excepción. En China se usó la pandemia del covid para instaurar durísimos y punitivos sistemas de control a ciudadanos. En Europa, y muy particularmente en España, pudimos comprobar durante los confinamientos a raíz de la pandemia del covid como excusa para suspender todo tipo de garantías democráticas, ¡con votos a favor de gobierno y oposición!

Veredicto: è un mondo difficile

El veredicto es oscuro: nos dirigimos a un mundo difícil. Si las revoluciones tecnológicas se extienden durante décadas hasta dar sus últimos frutos, con la revolución del computador ya en etapas anteriores hemos visto que el abaratamiento de la tecnología hacía posible la vigilancia a gran escala.

La disponibilidad actual de modelos grandes de datos que permitan extraer y dar sentido a la ingente cantidad de datos almacenados en perfiles (publicitarios, que ya sabemos que se usarán para otros fines también) posiblemente permita mucho más control.

Si la pax americana tuvo su reflejo en una extensión formal y en ocasiones exitosa de la forma de gobierno preferida en Estados Unidos (la democracia liberal), ¿qué traerá consigo la creciente influencia global de China? No podemos esperar que promuevan algo que no se alinee con su forma de entender el mundo, la sociedad, y las relaciones entre países. Ya estamos viendo cómo exportan su tecnología de vigilancia. Aquí nos quedará la duda de si la agresiva política de bloqueo de acceso a tecnología de Estados Unidos ha sido causa o consecuencia de la emergente independencia tecnológica china. A efectos prácticos, tanto monta cortar como desatar, lo que nos debe interesar es dónde estamos; lo demás no se puede cambiar.

En teoría un sistema de comunicaciones cada vez más rápido dificultaría la labor de censura (lo vimos cuando hablamos del renacimiento) pero llevado al extremo forense de poder trazar un mensaje hasta su emisor original y castigarlo, pueden resultar una fuerza coercitiva suficiente.

La resistencia a la sociedad de control siempre tuvo fecha de caducidad, pues para las nuevas generaciones el estar constantemente online, rastreados de forma transparente, el tener la vida entera indexada no es una distopía sino el estado natural de las cosas. Si ya habíamos asumido vivir en ella, la nueva inteligencia artificial la amplifica.

[Imagen: È un mondo difficile, Jose Alcántara con ChagGPT.]

“Ya encontré el bug, estaba entre el teclado y la silla”. Mi querido Juan Sierra, compañero de batallas en aquella semillita DevOps que ayudamos a plantar en Ericsson, solía comentar esto con bastante retranca a modo de mea culpa. Siempre me hizo mucha gracia eso de verme un poco metamorfoseado à la Kafka (con la moral un poco más alta, eso siempre), así que le copié la frase y la uso cuando procede, porque el que no la lía y la deslía sin contribuciones ajenas varias veces a lo largo del día es que no está trabajando.

¿A qué viene todo esto? A que vamos a hablar de despidos, de optimización empresarial, y de quitar al humano (al bug) de la ecuación.

Esta semana, como todas últimamente, hemos visto varias noticias relacionadas con despidos masivos.

• Meta notificando el despido a 8.000 empleados a las 4 de la madrugada (NYT) y de forma telemática. Zuckerberg es el villano oficial de Sillicon Valley pero hay que dejar de lado eso e ir al fondo, que comentamos a continuación.

• Cloudflare saliendo al paso de cómo se relataron sus despidos masivos este año (WSJ, vía Antonio Ortiz en X).

• ClickUp, una empresa pequeña valorada en apenas 4.000 millones de dólares, despidiendo al 22% de su plantilla (Evans, CEO, también en X).

Más noticias de despido, son parte del meme de la IA a estas alturas: despedimos para sustituir por IA. Salvo que es mentira. Nadie está, todavía, despidiento para sustituir por inteligencia artificial. Existe el incentivo de justificarlo así y, en cualquier caso, los mercados suelen acoger los despidos masivos con alboroto, empujando el valor al alza.

Y sin embargo, hay algo en estas tres noticias que les da un aire diferente al típico subterfugio de comunicación consistente en revisar la plantilla de un negocio en horas bajas usando el comodín de la IA para evitar dar explicaciones. En estos tres casos hay un trasfondo común: son empresas cuyos resultados son buenos, muy buenos, y que al mismo tiempo que despiden por una puerta están contratando por la otra.

Lo que dejan ir y lo que buscan, sin embargo, no es lo mismo. No despiden a un programador que no les está encajando en sus equipos para contratar otro y probar suerte a ver si encaja mejor. Contratan roles que antes no existían. Expertos en IA, orquestador de agentes (¿son los orquestadores de agentes los nuevos prompt engineers condenados a desaparecer cuando todo el mundo sea un orquestador de agentes?). De momento, apuntan a ser algunos de los que resistirán “en el bucle”.

Vamos, que al dar competencias a perfiles menos técnicos para implementar pruebas de concepto, lo que se busca es gente con gran conocimiento en el nuevo stack tecnológico. El clásico refresco de plantilla que los departamentos de HR enfocan con metáforas positivas, que es impopular entre muchos empleados pero necesario para cualquier empresa a partir de un cierto tamaño.

En notas anteriores hemos visto del complicado esquema de incentivos, trastocado de arriba abajo con la IA, desde repensar áreas funcionales completas a revisar el equilibrio interno-externo en la organización. Esto es una variable más a considerar.

Como contexto general es imprescindible recordar recordar que la elevadísima valoración de empresas como OpenAI o Anthropic no se justifica por la factura de 200€ mensuales para tu programador, como si fuese un SaaS caviar. Esa elevadísima valoración se justifica porque la promesa es la de reemplazar la fuerza laboral “de tracción animal” por otra automatizada, escalable, predecible. El sueño de Taylor hecho realidad al quitar de la ecuación a los humanos con su complicada psique, consiguiendo finalmente que el bug deje de estar entre el teclado y la silla.

[Imagen: El bug entre la silla y el teclado, Jose Alcántara con ChatGPT.]

Para hablar hoy de inteligencia artificial vamos a mirarnos en el espejo de las guerras del copyright de principios de siglo. Cambian los protagonistas y los artefactos pero no los fundamentos básicos, esos que ayudan a entender dónde estamos metidos.

A principios de la década de los 2000, el mundo se dividía en dos. Por un lado, una mayoría descargando música en P2P como si no hubiese un mañana; por otro, una minoría visible que se sentía moralmente superior por no “subirse a ese barco”. ¿Os suena?

Ahora es cuando hablamos de tendencias tipo “hecho sin IA”. Misma división: una mayoría absurdamente grande de personas usándola para todo, cada vez más, y una minoría pequeña pero ruidosa usando este eje “hecho con/sin IA” como baremo en el cual destacar. Algo así como un sello de pureza humana.

El reto, claro, va a ser convencernos de que su postura es éticamente superior. Pero la historia es terca: creo recordar que exactamente cero unidades de persona cambiaron su posición frente a las descargas tras ser acusados de ladrones por Ramoncín.

La mutación será generacional

Estas dos posturas van a seguir existiendo durante décadas. Continuará habiendo artesanos. Hablemos de la revolución industrial y de cómo la población pasó de trabajar como artesanos a trabajar como operarios de fábrica.

Tendemos pensar que los obreros se fueron a dormir artesanos y se levantaron empleados de fábrica, pero no sucedió así. El reemplazo fue generacional y necesitó décadas. Es algo que comentamos de pasada en una nota breve en Desde el bucle. La mutación laboral masiva se dio a medida que unos (artesanos) se iban jubilando y otros se incorporaban al mercado, ya como obreros en las fábricas. La especie sobrevive mediante la adaptación, pero esta adaptación tiene lugar en la siguiente generación. Así pasó con los profesionales de la revolución industrial.

Cuando hablamos del renacimiento y la imprena ya vimos que el impacto de las nuevas tecnologías se extiende a lo largo de las décadas, hasta más de un siglo, hasta que revela sus cambios más profundos.

Y con la IA, ¿será parecido?

En el plano personal, el “hecho sin IA” solo tiene sentido para cierta producción cultural. Y aún en ese ámbito, sospecho que se terminará imponiendo el “hecho por personas con ayuda de IA”. Como norma general, y en la medida en que tu tarea sea automatizada por la IA, tu tarea actual en una labor más aburrida, como pasó con los contables cuando empezaron a usar computadoras. No creo que vaya a haber pérdida masiva de empleos para programadores, por ejemplo, pero sí que los equipos de desarrollo de software van a cambiar radicalmente.

Es aquí donde entran las organizaciones, pues suelen ser indescriptiblemente tercas a la hora de reformarse. Con la IA no va a ser diferente y ya hemos visto que una gran mayoría de organizaciones no está sacando el partido que podrían. Todo esto sin que medie especial maldad, tan solo por la incapacidad de alinear incentivos de todos los agentes internamente.

La respuesta está en la biología (y en Nietzsche)

La respuesta a todo esto nos la van a dar a pachas entre la biología y la filosofía.

• Darwin y la supervivencia. Veremos nacer una generación de empresas adaptadas a este nuevo contexto, sin mochilas. Los hyperscalers aguantarán la carrera tirando de chequera, comprando tiempo para llegar a algún lado; hemos visto a Microsoft hacer esto antes. A menor escala, la chequera no compra el tiempo suficiente y la carrera es por la pura supervivencia. Se vienen años de M&As y fagocitación de viejas glorias.

• Nietzsche y la voluntad. Con todo, Darwin no sentencia. Para eso tenemos a Nietzsche, que siempre fue muchísimo más cáustico y afirmó aquello de que nada determina tanto en qué nos convertiremos como aquellos detalles a los que decidimos no atender.

Repensar procesos y organigramas no es una opción de gestión; del mismo modo en que no beber agua tampoco lo es. En ambos casos, si decides ir a la contra, el resultado no tarda en ser visible. Como líder en una organización, tu misión es hoy más que nunca la de generar un esquema de incentivos que anime a todos a hacer lo correcto por simple egoísmo; porque esa fuerza motriz (el egoísmo) no va a desaparecer.

[Imagen: Una historia del trabajo desde la revolución industrial, por Jose Alcántara, con Gemini.]

Allá vamos con otra edición de nodos y sinapsis de cara al fin de semana. Es además el finde de los Málaga Tech Games, uno de mis eventos preferidos del año (junto al BiznagaFest). Así que seguro que va a ser un buen finde, aunque nos chispee un poco. Vamos con la nota de hoy.

Unas ideas para profundizar

• Google y la transparencia. Google Chrome ha descargado un modelo de 4GB a tu ordenador sin pedirte permiso ni decirte nada. Es el motor de Google Nano. No es nuevo, diferentes versiones de Nano han estado en Chrome desde 2024 (Engadget), pero se ha viralizado ahora. Sin embargo, la falta de transparencia no deja de ser llamativa.

• Esta semana hablábamos de la delicada situación del software libre en plena expansión de la IA y la brecha de supervisión. Una idea: donad unos euros a cualquier proyecto de software libre que uséis diariamente. ¿No usas ninguno? Piensa bien, seguro que encuentras alguno. Ayudad a esos programadores a mantener viva esa herramienta que usas y te ayuda, hacedle sentir ese agradecimiento.

• Lo barato sale caro, también en agentes de IA. Dos casos:

  • La clásica de comparar precios y efectividad de modelos. Otro aspecto donde agentes programadores usando Opus 4.7 tienen 95% de fiabilidad en tareas complejas frente a modelos abiertos más baratos que cuestan una quinta parte por cada token (Kimi 2.6, 68% de fiabilidad) pero que requieren muchísima más validación, o consumo extra de tokens si has de solicitar la tarea de nuevo. Al final, con ese 68% de fiabilidad no puedes delegar sin supervisión ninguna tarea. Y por ahí se esfuma la ganga.

  • La sutil de delegar tareas de compra en agentes que negocien en tu nombre. Un buen post de Antonio Ortiz en Error 500, comentando cómo en negociaciones entre agentes, los mejores modelos son capaces de obtener mejor precio, especialmente si les toca negociar contra agentes que trabajan con modelos más pequeños.

• Una rápida sobre anuncios y conflictos de intereses en modelos IA. ¿Y si el modelo no te da la mejor opción porque compra “el anuncio”? Un paper en Arxiv analiza diferentes modelos a los que el investigador pide reservar un vuelo. En una abrumadora mayoría de casos (>80% en el mejor caso) el modelo compra un vuelo patrocinado más caro que el que le has pedido. Algunos modelos ocultan siempre este conflicto de intereses.

  ---

  Para no perderte nada y recibir próximos artículos en tu buzón, suscríbete.

Un par de recomendaciones

• Eric Evans y Domain-driven Design. Una charla (~1h, Youtube) que vi hace ya unos años. Tiene muchas sobre el tema (su tema) y yo he visto varias pero ésta es en la que lo sentí más inspirado el tema. Y se relaciona con la idea breve de hoy sobre dependencias entre equipos.

• Troubled, de Rob Henderson. Este libro no va de tecnología, pero de todo hay que saber un poco. Lo que sí hace este libro es ayudar a entender cómo se difunden las ideas en este mundo en que vivimos, que normalmente permean desde las clases más acomodadas a las menos acomodadas como algo aspiracional (queremos tener los mismos hábitos y gustos percibimos como refinados y las mismas aficiones que esa gente a la que vemos que le va bien). El concepto de creencias de lujo es imprescindible para entender cómo estas esta dinámica favorece a quiene ya tienen una posición más cómoda.

  Troubled en Amazon

Nota: Estos enlaces ayudan a mantener esta newsletter sin coste adicional para el lector. Gracias por el apoyo.

Una reflexión breve: Sembrando dependencias entre equipos sin darnos cuenta, el caso de la librería compartida

A todos los proyectos grandes les llega el momento de “la librería compartida”.

Cuando tienes muchos equipos trabajando en la misma empresa, es inevitable que haya lógica parecida, si no directamente duplicada, en software que entregan dos equipos distintos, puede que incluso en dos productos distintos.

A los programadores nos encanta optimizar estas cosas. Don’t repeat yourself. “Esto se saca a una librería común y todos contentos”. Así más adelante sólo habrá que actualizar fallos en un sitio. O en tres: primero la librería y luego cada producto que la está usando. Con todo, de entrada es buena idea. No repitas tu código, ya sabes.

Al menos hasta que por la evolución de los diferentes productos uno de los equipos necesita un cambio que el otro no necesita. Ahí de repente nos damos cuenta de que el coste de no repetir código era generar una dependencia entre equipos.

En ese contexto, es habitual que muy rápido escale el tiempo dedicado a meta-trabajo, a gestionar esa dependencia: gobernanza de la librería, estrategia de ramas, de releases de esa librería, backwards compatibility. Un universo de desdichas. Especialmente en tiempos de elevada productividad individual pero organizaciones ineficientes.

El mal menor.

Quizá hasta comencemos a pensar que, en algunos casos, sería mejor no tener la dependencia, evitar el acoplamiento de la lógica de ambos equipos. Aunque eso implique duplicar cierta lógica.

Como product owner o arquitecto muchas veces es lo que tienes que poder valorar: en este caso concreto, ¿es mejor tener algo de código duplicado o generar una dependencia? No hay una respuesta única antes de aceptar el uso de una librería compartida entre equipos, hay que sopesar caso a caso.

Para analizar el impacto de la inteligencia artificial y, en general, la situación del software libre tras la popularización de los grandes modelos de IA hay que manejar al menos tres ejes:

• Modelos de IA libres. ¿Cuál es la situación de los modelos libres?

• Impacto en el software libre “tradicional” y en su modelo de desarrollo

• Libertad y sociedad de control, donde confluyen las derivadas de todo lo anterior

Vamos a hablar de modelos libres y del impacto sobre el modelo de creación de software libre. Pero vamos a dejar la sociedad de control para otro día porque se me alargó demasiado el artículo.

Modelos frontera libres vs cerrados, ¿cuál es la situación?

El rendimiento de los modelos abiertos más avanzados va entre uno y dos años por detrás de los así llamados modelos frontera.

Lo que llamamos modelos abiertos son modelos cerrados a todos los efectos pero para los cuales los pesos (esto es, los coeficientes de ajuste para cada variable en el modelo de correlación que te permite inferir resultados a partir de datos previos) son públicos y configurables.

En el mundo del software libre nos hemos acostumbrado a que abierto y libre signifiquen lo mismo en la práctica. No es así con estos modelos. No son libres. No puedes crearlos en casa, entrenarlos de nuevo a partir de un puñado de código porque no tienes los datasets para entrenarlos.

Más aún, no hay a la vista nada ni remotamente parecido a un dataset libre que pueda producir un modelo ni remotamente cercano a uno de los grandes modelos frontera actuales. Y si alguien lo intenta, le caerá un cease and desist de magnitudes bíblicas. Esto de entrenar con todo lo que pilles, ganar dinero, y luego pagar la multa puede servir a OpenAI o a Anthropic, pero desde luego no es algo que cualquier proyecto pequeño pueda asumir, ni financiera ni éticamente.

Para más inri, algunos de estos modelos abiertos te los están dando los grandes actores detrás de los modelos frontera más relevantes, como Google (Gemma y Gemini). Gemma ha avanzado mucho, me gusta poder ejecutar estos modelos en local, y Gemma 4 en mi móvil va estupendo. Pero Google no va a morder la mano que le da de comer, y Gemini y todos los modelos disponibles en su nube con opción de pago van por delante.

Recuerdo charlar con Joaquín Cuenca (fundador y CEO de Magnific) sobre modelos libres hará ya unos años, en los inicios del pivot de Freepik hacia la IA. Y recuerdo su respuesta porque en su día me sorprendió: él decía que era manejable para poder competir, que ese retraso de 1-2 años no era para tanto. Visto el crecimiento imparable de Magnific, el tiempo le ha dado la razón. Y está bien así: malamente iría el asunto si mi intuición hubiese ido más fina que su experiencia.

Más aún, si el caso de Magnific sirve para algo, quizá sea para reforzar esa idea de Gonzalo Martín y Juan Lupión de que el lock-in estará en el envoltorio, en el valor añadido que se pueda dar sobre el modelo en sí, sobre todo si el avance en modelos desacelera en algún momento.

¿Veredicto? No hay modelos verdaderamente libres. A día de hoy no estamos en posición de pensar que vaya a haberlos. Los modelos abiertos permiten un mercado efervescente de empresitas pequeñas que pueden ganar por la mano a los reyes del legacy y producir soluciones especializadas que por ahora no están al alcance de quienes hacen modelos frontera de propósito general. La única defensa ahí es tener una cadena de valor que vaya más allá de lo que el propio vendor del modelo pueda replicar de forma demasiado fácil.

Impacto sobre el modelo tradicional

El mayor impacto está en repensar la gobernanza y la incorporación de nuevo código a estos proyectos.

La brecha de supervisión que se genera cuando la ejecución de tareas escala con automatización pero la validación humana no escala está haciendo muy costosa la labor de mantenimiento de los proyectos libres. Mucha contribución con código generado por IA pero que a los maintainers del repositorio les lleva mucho tiempo revisar. Como consecuencia, cada vez más proyectos libres anuncian que de alguna forma limitan la contribución, la pone bajo moderación.

Esto destruye la principal ventaja de estos proyectos libres: que ahí afuera hay mucha más masa gris disponible y capaz de contribuir a proyectos libres, lo que les permite ir por delante de alternativas comerciales diseñadas a puerta cerrada, sin importar lo talentoso de ese equipo que trabaja a puerta cerrada.

La decisión pragmática por ahora es la de permitir IA en el código de las pull requests pero siempre que haya validación humana. Es lo que desde hace unas semanas se ha aprobado para el kernel de Linux.

A corto plazo, les permite seguir navegando. Pero a medio plazo la brecha de supervisión se va a seguir ampliando. No parece sostenible a medio plazo (5 años), y mucho menos a largo.

Pero Linux es la cabeza corta del software libre. Parte de ese selecto grupo de proyectos reconocidos y apoyados sin ambigüedad por todos los actores. ¿Qué pasará con la larga cola? Los pequeños proyectos seguramente estén en situación mucho más dura.

¿Veredicto? Pintan bastos para la larga cola de proyectos con escasa atención mediática. Todo lo que no sea parte del listado top de proyectos bien financiados y bien mantenidos va a sufrir mucho bajo la presión de una creciente brecha de supervisión.

¿Pero es que no vas a añadir nada positivo? Sí, la comunidad

Acaso el único aspecto que arroja algo de esperanza al contexto del software libre sea su comunidad. Al final, son los que hacen posible que miles de programas y librerías sigan al día, resolviendo problemas reales de todos nosotros, aunque por el camino el coste de supervisar el desarrollo de los mismos esté creciendo por el impacto de una IA que permite que cada vez más personas contribuyan código e ideas.

En el futuro por venir, dado que los humanos seguimos siendo humanos, curiosos por naturaleza, deseosos de explorar y experimentar, podemos estar seguros de que habrá un buen número de personas interesadas en desarrollar, contribuir, y apoyar este tipo de software.

Veredicto: la comunidad va a seguir existiendo, que sea suficiente para salvar los dos grandes escollos descritos arriba está por ver, pero seguro que no va a ser por falta de comunidad.

[Imagenes: Modelos bajo llave y Brecha de supervisión, por Jose Alcántara; ambas con Gemini.]

3 ideas, la estructura de los equipos va a cambiar

• “I ship code I don’t read”, es un titular provocador para una entrevista más que interesante (2h, eso sí) con el creador de OpenClaw (si es que éste sigue siendo su nombre). Para teorizar sobre el futuro del rol de producción de código ahora que eso de la metáfora de los copilotos (Github, Microsoft) ha quedado superada por la de los agentes que prometen hacer todo por su cuenta.

• La IA no te va a quitar el trabajo, pero sí la diversión, me permito traer un post de mi blog de hace un tiempo porque hila con el enlace anterior. Escrito hace unos meses a contracorriente del pánico por despidos masivos, pensando que programadores (¡y seguramente más roles!) van a pasar a tener un rol mucho más de validador de lo que hace la máquina, que es quien va a resolver el problema real. Ya pasó esto con los contables.

• Measurability Gap, un paper en Arxiv sobre este concepto que viene a expresar ese salto creciente entre ejecución automática (escalable) y validación humana (no escalable), y que si la automatización continúa aumentando (y abaratándose) seguirá ampliándose, pues ese coste marginal para la ejecución hará que se hagan aún más cosas que habrá que validar (sin automatizar si queremos tener “humanos en el bucle”).

  ---

  Para no perderte nada y recibir próximos artículos en tu buzón, suscríbete.

Una recomendación

• Stitch de Google. Si tienes Claude Design adelante, pero si no tienes acceso (o te dura un suspiro y te quedas en dique seco durante horas), Stitch se puede usar con el tier gratuito de Google y permite diseñar interfaces muy chulas que llevarte a tus aplicaciones. Ideal para darle un poco de chapa y pintura a las herramientas que vas produciendo cuando van funcionando más o menos bien y empiezas a pensar en cómo mejorar la usabilidad para otros usuarios. (No pensaríais que la interfaz de aquel gestor de ligas de pádel la hice a mano, ¿no?)

Una reflexión

Cuando hace un par de décadas escribí La sociedad de control hablaba sobre todo de libertad. La privacidad y la propiedad intelectual eran solamente temas colaterales con las que se pretendía limitar la libertad.

En Software libre para una sociedad libre, Richard Stallman escribió ¡hace 40 años! muchos de los retos a los que se somete una sociedad altamente computerizada cuando no hay modo de supervisar el software sobre el que opera.

¿Quién puede supervisar los modelos de IA, su desarrollo, su entrenamiento, su moderación? De modelos “indie” ni hablamos. El software libre (necesario para una sociedad libre) no ha estado en un momento de tanta debilidad en décadas. Y podría ser mala noticia por la concentración de poder subyacente.

Cuando se compara la situación actual en torno a la inteligencia artificial con la vivida por los pioneros de la mecánica cuántica hace un siglo, se suele tirar la paralela de que ambos entornos evolucionaron mucho muy rápidamente. Hace un siglo se revolucionó la comprensión del universo a través de la física, y ahora se está viendo nacer una nueva forma de hacerlo prácticamente todo a través de los ordenadores. En ambos casos, mucho cambio, y muy rápido.

Algo de eso hay. Pero el paralelismo va más allá de la sucesión constante de pequeños avances.

O dicho de otra forma, hay similitudes en lo que vemos, y hay similitudes en lo que no entendemos. Un aspecto que une a ambos temas son las incógnitas, la falta de teoría acerca de por qué vemos lo que vemos.

La mecánica cuántica y las redes neuronales que permiten ese deep learning funcionan, pero en ambos casos no entendemos por qué funcionan.

Mecánica cuántica y el colapso de la certeza

Hace un siglo, la falta de explicación teórica derivó en ese célebre duelo entre Niels Bohr y Albert Einstein (con todos los grandes de la cuántica de fondo, claro, pero todo relato siempre necesita protagonistas concretos). El desacuerdo era fundamental: el así llamado “colapso de la función de ondas”, esa abstracción matemática que nos permite evaluar el mundo a nivel subatómico. ¿Cómo se justifica?, preguntaban unos (Einstein entre ellos). No es relevante, respondían otros (Bohr entre ellos).

No me puedo meter ahora demasiado a fondo con los detalles, pero piensen en el gato de Schrödinger y en la incapacidad de saber si está vivo o muerto hasta que abrimos la caja. El acto de mirar es lo que elimina la probabilidad y nos da una certeza; dejamos de preguntarnos si el gato vive o muere para, sencillamente, saberlo. El problema es que, volviendo al mundo subatómico, un siglo después seguimos sin saber por qué “colapsa” esa función. Paradójicamente, con la mecánica cuántica lo que colapsa es cierta certeza.

Nota al margen. Hay teorías loquísimas al amparo de este vacío teórico. Si os interesa el tema me apunto hablar de Everett y los muchos mundos, por ejemplo.

Volviendo al hilo. La buena noticia es que, aunque la teoría esté incompleta, funciona. Todo el progreso científico-técnico del último siglo se ha construido a hombros de una cuántica que no comprendemos del todo, pero se ha construido.

Redes neuronales y el empirismo por delante de la razón

A estas alturas ya sabrán a dónde vamos. Durante setenta años, la teoría matemática ha ido por delante en el aprendizaje automático. Los científicos probaban cálculos y desarrollos amparados por una teoría matemática que les iba dando la razón. Estaban, como el padre de Tony Stark, limitados por la tecnología de su tiempo; no tenían el hardware ni los datos para los complejos cálculos que debían hacer, pero eso era todo. Intuían a donde podían ir, porque la teoría numérica estaba ahí.

Excepto ahora.

El tipo de aprendizaje de las redes neuronales que usamos en este 2026 no se puede explicar con la teoría disponible. Podemos ver cómo funcionan, pero no razonarlos con las matemáticas existentes. Es el mismo escenario que el de la cuántica: resultados empíricos sin una base teórica suficiente.

Grosso modo, la teoría clásica predice dos destinos:

• Modelo subajustado: El que comete errores pero infiere con cierta dignidad.

• Modelo sobreajustado: El que se aprende los datos de memoria y los recita sin más, pero es muy frágil infiriendo un resultado a partir de datos para los que no se ha entrenado.

Las nuevas redes exhiben un tercer comportamiento no previsto por la teoría disponible: a cierta escala gigantesca de datos y entrenamiento, minimizan el error y, a la vez, infieren mejor que nunca. No sabemos por qué. Es como cuando Rutherford y Bohr sospechaban que por debajo del átomo debían regir leyes que no eran las de la mecánica clásica sin tener la suficiente teoría para explicar lo que observaban.

Opiniones enfrentadas: ¿teoría o práctica, qué hacer?

Esto divide a la comunidad de científicos. Están quienes dicen que es urgente e importante entender bien qué está pasando “por debajo” (del mismo modo que Einstein defendía seguir desarrollando la teoría pues la explicación disponible era insuficiente).

Y luego están quienes dicen que si ya hay resultados, dedicar esfuerzos a buscar la explicación teórica es un freno para el avance (coste de oportunidad, los recursos para investigación son finitos y no podemos hacerlo todo) y que al final lo que cuenta es que el resultado empírico es bueno y que esa inferencia que no entendemos es inofensiva (estos son quienes se alinearían con Bohr y su grupo de Copenhage).

Fundamentalmente inofensiva añadiría yo, homenajeando a Douglas Adams, que siempre he pensado que Einstein sigue teniendo razón y que nos vendrían bien algunas buenas ideas para explicar ciertas cosas.

[Imagen. Recreación de una amigable quedada apócrifa de Albert Einstein, Yann LeCun, y Geoffery Hinton en Madrid, para hablar de sus cosas. Por Jose Alcántara usando ChatGPT.]

Tres ideas para profundizar

• Entrenando al agente que te va a reemplazar, de Antonio Ortiz. Meta anuncia que va a monitorizar los dispositivos de sus empleados recogiendo datos de movimientos de ratón, pulsaciones de teclas, y pantallazos esporádicos. ¿Objetivo? Mejorar sus modelos para entornos de trabajo real. Es un movimiento que como poco se siente agresivo, creepy, sin siquiera entrar a debatir aspectos de sociedad de control. Sin embargo, dada la monitorización de Meta a sus usuarios, las quejas de los afectados suenan un poco a cinismo. Tema para observar cómo evoluciona el entorno laboral global en el tiempo por venir.

• ¿Cómo funciona tu GPS?, de Shri Khalpada. Simplificando, es una herramienta para convertir tiempo en distancia. Nada que no sepamos, pero Khalpada tiene una visualización interactiva muy chula que permite ver cómo varios satélites trabajando juntos hacen funcionar el sistema.

• Desempleo tecnológico en la era victoriana, de Hillary Vipond (PDF en Github). Sabemos poco de cómo se transformó el mercado laboral durante la revolución industrial. No había datos sistemáticos como ahora. Vipond analiza los datos existentes y encuentra un algunas cosas ya conocidas (menos artesanos, más trabajo técnico) y otras menos conocidas, como que los incumbentes que ya tenían su trabajo no lo perdieron. La caída de artesanos se debió a que no hubo nuevos artesanos entrando a ese mercado, sino que entraron al mercado laboral resolviendo otro tipo de trabajo. ¿Y si pasase igual con las profesiones automatizables con IA?

Dos recomendaciones

• Team Topologies. Un libro que va muy relacionado con la nota de hace un par de días, la de la ley de Conway y la productividad en tiempos de IA. Imprescindible si te dedicas a la organización de equipos de desarrollo.

  Team Topologies en Amazon

• Usa un ratón vertical, de estos ergonómicos. Cuando los pruebas no hay vuelta atrás. Entre otras cosas porque, al menos en mi caso, dejé de tener molestias recurrentes en las muñecas. Cuando pasas el día de un ordenador a otro, buscar un ratón que no te haga daño es un must.

  Ratón vertical en Amazon

Nota: Estos enlaces ayudan a mantener esta newsletter sin coste adicional para el lector. Gracias por el apoyo.

Una reflexión corta: migrar tus integraciones de IA desde un proveedor a otro, ¿se parecerá a migrar de una cloud a otra?

¿Cómo vamos a gestionar la interconexión de agentes? La promesa de la nube era que cambiabas de una a otra sin dolor. No se cumplió. En la práctica hemos visto que no era en absoluto tan sencillo como eso. Menos mal que Dios HashiCorp nos dio Terraform para no morir en el intento, pero es más un analgésico que una solución real: migrar de AWS a GCP o a Azure sigue siendo muy traumático.

¿Y la IA? Ahora mismo pareciera que cambiar de proveedor podría ser sencillo. A mí me da por pensar que eso es porque estamos en la más tierna infancia con este tema. A nivel consumidor (incluso los corporativos) estamos a nivel muy amateur en el uso de inteligencia artificial. Las soluciones van a crecer muchísimo en complejidad e integración cuando comencemos a apuntar a automatizar flujos de trabajo completos.

Ahí empezaremos a ver el verdadero color del lock-in de vendor. Prompts, integraciones, y resultados van a estar muy optimizados al modelo que se esté usando y, al menos de entrada, cambiar de uno a otro en soluciones a escala no se presenta como un cambio sin fricción.

Desde hace un tiempo en mi día a día no programo tanto como me gustaría, y dedico una buena parte de mi tiempo a gestionar “equipos de equipos” de desarrollo.

A algunos os dará pavor el tema, pero os juro que si te gusta el software y la tecnología tiene su gracia porque la escala es la maldición del software moderno: la mayor parte del software que entregamos requiere mucho más que los míticos uno o dos equipos a los que podemos dar de comer con unas pocas de pizzas familiares. La escala es fricción, ruido y, sobre todo, lentitud.

La paradoja de la productividad con la IA (sin anestesia)

La productividad individual se ha multiplicado gracias a la IA, pero en la mayoría de las organizaciones eso no se traduce en entregar valor más rápido al usuario. Es el gran engaño de nuestro tiempo.

Tener un borrador para cualquier idea es ahora instantáneo, los análisis son más finos, y estamos automatizando todo. El código también se produce más rápido que nunca antes. Sí, sí, pero ¿está notándose realmente de cara a tus clientes? Me temo que no.

Una verdad incómoda: el aumento de productividad individual se disipa en la complejidad organizativa.

Tú haces tu parte más rápido que nunca solo para que se muera de asco durante días (o semanas) en el limbo de las dependencias, esperando que otros equipos te abran paso para releasear. El tiempo total para completar una tarea raramente es tiempo programando. La mayor parte se pasa como tiempo esperando.

Cuando los tiempos de esperan dominan, la IA da a tus programadores satisfacción personal pero no da a tu empresa ventaja competitiva. El rendimiento individual ha explotado, pero si tu estructura no sabe canalizar esa energía, solo estás quemando dinero más rápido. Ahora con tokens en Anthropic.

La velocidad individual no equivale a velocidad de la organización. Esto no es nuevo, lo que pasa es que ahora da mucho más el cante.

Antes la ineficiencia organizativa quedaba enmascarada por la lentitud de implementación. Pero con la IA es más obvio que nunca que el verdadero cuello de botella ya no es la tecnología, sino la estructura de la organización.

Y esto solo va a ir a peor. La velocidad de ejecución se está convirtiendo en el único factor de supervivencia. No me malinterpretéis: la excelencia técnica sigue siendo necesaria, pero sin velocidad de ejecución, estarás fuera del mercado antes de que tu código elegante tenga siquiera la oportunidad de competir.

Esto tampoco es nuevo. ¿Recordáis a la famosa ballena de Twitter? Era la forma graciosa de decirnos que el servidor había reventado. Salía constantemente. Pero, ¿recordáis a alguno de sus miles de competidores que jamás fallaban? No. Se los tragó la historia. En 2026, esa tendencia es una ley física.

La ley de Conway: produces software del modo en que te organizas

¿Cómo hacerlo? Aplicando lo que ya sabemos:

• Minimizar dependencias entre equipos (aplicando principios como Domain-Driven Design para reducir la fricción)

• Equipos end-to-end. en el límite de eliminar dependencias, genera equipos con potestad end-to-end sobre su dominio de negocio

• La organización y sus déficits como ciudadanos de primera. Afrontando los problemas organizativos como problemas de primer orden, por más que las personas en la organización tiendan a resistirse

El señor de la foto de abajo es Melvin Conway. Uno de esos tipos mucho más listos que yo a los que conviene escuchar.

Melvin Conway es un matemático e informático. Desarrolló el concepto de corutinas (permitiéndonos suspender la ejecución de una aplicación, algo que ahora damos por sentado) y fue el primero en aplicar el concepto de un ensamblador. Izquierda. Melvin Conway en 1968 (un año después de acuñar lo que conocemos como Ley de Conway). Derecha. Aproximadamente en 2015.

La ley de Conway en acción

Melvin Conway observó que “las organizaciones diseñan sistemas que reflejan sus estructuras comunicativas”.

Si tus equipos se organizan en silos aislados, tu software será un pastiche de piezas inconexas. La IA hace a los individuos más rápidos, pero si tu diseño organizativo genera fricción, esa velocidad muere en el foso de la comunicación interna.

¿Externalizas? Vale, pero entonces la productividad se la queda otro

Además del diseño organizativo, hay un elefante en la habitación que explica por qué no ves ese supuesto incremento de velocidad: la productividad se la está quedando tu proveedor.

Si tienes parte de tu desarrollo externalizado y no notas que avancen más rápido, pueden estar pasando muchas cosas. Pero asume la más probable: sí que trabajan más rápido, solo que tú no estás invitado a la fiesta.

En el mundo de los contractors, el incentivo es perverso. El objetivo básico del proveedor es que sigas confiando en él, claro. Pero el objetivo real es tener a todos sus consultores facturando al 100%. Un consultor libre es dinero que dejan de ganar y un riesgo de fuga de talento.

De modo que, si sus desarrolladores ahora son un 30% más rápidos gracias a la IA, ese margen no te lo van a regalar en forma de entregas más tempranas. Lo van a diluir: una gota de “QA extra” por aquí, un poco de procesos internos por allá. O sin más rodeos, van en mejorar su propio margen de beneficio. La renta derivada de la IA la captura quien se remanga para producir el software.

La mentalidad de MBA, en jaque

Sé que esto choca frontalmente con la mentalidad de MBA, esa obsesión por financiarizar el uso de recursos para camuflar la mano de obra como servicios e inflar ratings y valoración. Siento ser yo quien te dé la mala noticia: en el desarrollo de software, the times the are a-changing y las reglas de negocio también.

Últimamente oímos casos de empresas que están internalizando procesos que antes delegaban en SaaS o en terceros (“hemos sustituido este SaaS por esta herramienta vibecodeada”). Es el mismo movimiento defensivo: si quieres capturar el valor que genera la IA, tienes que ser tú quien se remanga y produce el software usándola.

Entiendo las ventajas fiscales y operativas de externalizar, pero si quieres ver un impacto real en tu cuenta de resultados gracias a la IA, te va a tocar replantearte ese equilibrio entre lo interno y lo externo. Lo que tú no seas capaz de construir por ti mismo, lo vas a tener que pagar tan caro como siempre, aunque al proveedor le cueste la mitad que hace dos años.

Ni era dorada del vibe coding ni leches: o recuperas el control de tu desarrollo, o estarás subvencionando la eficiencia de otros.

¿Qué nos llevamos de todo esto?

La IA ya es una commodity. Todo el mundo la tiene, no te hace especial. Los ganadores van a ser quienes sepan combinar esa aceleración con agilidad organizacional real.

Entender y abrazar la Ley de Conway es lo que permite que la IA tenga un impacto real de cara al usuario. La pregunta ganadora no es “¿cuántas líneas de código puedo generar yo hoy?” (ya sabemos que podemos generar todas las que hagan falta), sino “¿cuánto tardamos, como equipo, en poner esta idea en manos del cliente?”.

Estas últimas semanas me he refugiado en dos libros sobre inteligencia artificial que me han gustado por motivos radicalmente distintos. Aquí os dejo una breve reseña de por qué creo que valen la pena:

1. Co-intelligence, de Ethan Mollick (Amazon). Es la lectura ligera de esta pareja. Escrito para los humanos en el bucle (¡todos nosotros!).

• Lo mejor: No tiene ni una ecuación. Es apto para todos los públicos.

• Su fuerza: Su aproximación fenomenológica. Analiza cómo nos relacionamos con la herramienta sin caer en el hype ni en el pánico sensacionalista.

• Veredicto: Un “clásico moderno” escrito en 2023 que sobrevive bien porque no se pierde en la última novedad del modelo de turno.

2. Why Machines Learn, de Anil Ananthaswamy (Amazon). Un viaje fascinante desde las primeras neuronas artificiales hasta el deep learning.

• Aviso: No es para “muggles”. Tiene muchas matemáticas, aunque si le disteis duro al álgebra en la universidad, no debería asustaros.

• Por qué leerlo: Explica de forma magistral cómo 70 años de algoritmos y matemáticas aplicadas nos han traído hasta aquí. A mí me ha encantado. Mucho.

• Conexión: Enlaza rabiosamente bien con temas que he comentado en el blog como cuando hablamos de filosofía y cuántica al hilo de What is Real. (Prometo letter con la relación entre estos dos temas pronto.)

Co-Intelligence es bastante conocido y quizá lo habéis leido algunos ya. El de Ananthaswamy no es que sea poco conocido, pero quizá por ser más denso no es tan leído.

Me gusta el ajedrez. Si eres más joven que yo seguramente pienses que menudo nerd estoy hecho. Debe ser generacional. Crecí en un mundo analógico que ya no existe y en el que el ajedrez era una vara universal de medir inteligencia. Grandes y pequeños, las grandes potencias mundiales competían por tener al campeón vigente.

El prestigio mainstream del ajedrez murió con Deep Blue en 1996. Aquella derrota de Kasparov, entonces campeón mundial vigente, ante la máquina se llevó el prestigio de saber jugar bien al ajedrez. ¿Para qué? Si las máquinas lo hacían mejor.

Todo mal, claro. El ajedrez sigue siendo relevante como lo que siempre fue y debe seguir siendo: un juego de estrategia incomparable.

Con todo, hoy no hemos venido a hablar de ajedrez, sino de cómo los humanos tendemos a quitar el foco de atención de las cosas y perdernos aspectos interesantes. Pero para eso necesito el ajedrez, nos va a dar contexto.

Hay otros dos detalles en la historia moderna del ajedrez con las máquinas que pasan desapercibididos para los no aficionados y que a mí personalmente me gusta recordar, porque nos permiten vislumbrar, un poco al menos, el mundo en el que viviremos el resto de nuestras vidas.

El otro hito: la última vez que el mejor humano superó a la máquina

Nos encanta recordar aquella primera vez en que la máquina superó al mejor humano. No discuto la relevancia.

Pobre Ponomariov olvidado. Año 2005, el ya ex campeón mundial FIDE derrotó al mejor ordenador del momento para jugar al ajedrez. Fue la última vez que un humano derrotó a la mejor máquina de jugar al ajedrez.

El lapso entre la derrota de Kasparov y la victoria de Pomonariov duró una década escasa, apenas nueve años.

Esos nueve años son los que transcurren desde que un sistema emergente, surgido medio siglo antes, alcanzó la paridad competencial con los humanos y los dejó atrás para siempre.

Algo parecido a cuando se inventan los coches y durante muchas décadas fueron mejorando poco a poco sin llegar a superar a los caballos. Entonces, en un pestañeo en torno a 1920-1930, los caballos desaparecieron masivamente de las ciudades porque los coches eran infaliblemente mejores que los caballos.

Sistemas de respuesta no lineal. Durante décadas la mejora va sedimentando pero no llegan a dar una alternativa mejor. Entonces, de repente, sucede. Y la gente compró coches sin subvenciones ni nada, de forma voluntaria.

Un facto: Los humanos de hoy son mejores jugando al ajedrez gracias a la máquina

Magnus Carlsen juega mejor que cualquier otro ajedrecista anterior a su tiempo. Y posiblemente no sea el único ajedrecista de su generación al que esto le pasa.

Cuando la máquina te supera, puedes decidir entrenar contra la máquina. Con la máquina. Mejorar, ir más lejos subiéndote a sus hombros electromecánicos.

Los detractores dicen que el juego se ha vuelto aburrido, que ahora todos juegan igual; en entornos competitivos se firman más tablas que nunca y eso podría darles la razón.

Los defensores dicen que la calidad de los movimientos aumenta, que entrenar con computadoras ha permitido expandir las ideas disponibles y preparar los movimientos mejor que nunca; los jugadores actuales juegan mejor ajedrez que se ha jugado nunca y eso podría darles la razón.

Cuando la IA automatice tu conocimiento, quizá también te ayude a mejorarlo

Un pollo sin cabeza mantiene la calma mejor que mucha de la gente a la que trato diariamente cuando se le habla de inteligencia artificial y automatización.

No sabemos cuál va a ser el alcance. Ni el rol del humano en todo esto. Sabemos, eso sí, que los enfoques tipo el humano en el bucle están, paradójicamente y pese a que esta newsletter acaba de estrenarse, a punto de ser puesto a prueba por la simple dinámica de generación automática (escalable de forma no orgánica) y validación humana (limitada por la biología).

Pero si la historia que va desde Kasparov a Carlsen pasando por Pomonariov ha de enseñarnos algo es que los humanos seremos mañana mejor que hoy en esos ámbitos que sean automatizados.

Y si algo nos enseña la historia es que en muy poco tiempo podremos ver los cambios nosotros mismos.

Que eso sea consuelo suficiente o no dependerá, para una mayoría de humanos en sus bucles, de que consigan que alguien les pague por la que sea su labor. Es la clásica pregunta de economía que no me importa afrontar otro día, pero hoy ya nos hemos extendido bastante.

[Imagen: Humano aumentado, por servidor de ustedes usando Gemini.]

Bucle debe ser una de esas palabras que cada vez están más en todas partes.

Lo primero que recuerdo debe ser alguna descripción ingenua pero sugerente. Los bucles de su pelo. Dudo que nadie siga usando esta prosa a día de hoy.

Pero entonces están los otros bucles. Los de las estructuras de control, los de repetir una y otra vez las mismas historias, a veces incluso los mismos errores. También el bucle en el que nos refugiamos los humanos en estos tiempos de inteligencia artificial para intentar no sucumbir ante la máquina, levantando una suerte de último foso que justifique y dé sentido a nuestra tarea diaria.

¿Por qué hablo de bucles hoy? Porque está bien explicar el nombre de las cosas cuando se presentan en sociedad. He aquí un sitio en el que leer historias desde el bucle: crónicas sobre humanos atrapados en sistemas digitales. Un humano en el bucle. En algún bucle, en todo caso.

Bienvenidos.