La inteligencia artificial no es una máquina única con un único propósito. Abarca sistemas para tareas diversas, con métodos y grados de autonomía distintos. Conviene empezar por qué hace un sistema, cómo se evaluó y quién responde de su despliegue.
La IA tiene historia, no un solo cumpleaños
La propuesta de investigación de Dartmouth está fechada en 1955 y planteaba un proyecto de verano para 1956. Ya utilizaba «inteligencia artificial» y exploraba aprendizaje, lenguaje y resolución de problemas. El documento corrige la simplificación de que el término apareció por primera vez durante la reunión. Registra una agenda ambiciosa, no la llegada de una inteligencia plenamente humana.
Empleo: ni sustitución total ni protección garantizada
El estudio de exposición ocupacional de la OIT de 2025 distingue las tareas que podría afectar la IA generativa de los empleos que desaparecerán realmente. Cada ocupación reúne actividades diversas, y cuentan adopción, organización laboral y formación. Resulta engañoso tanto anunciar la sustitución de todos como insistir en que la IA solo puede complementar trabajadores. Exposición no equivale a previsión de desempleo, y la tecnología no determina sola el resultado.
Aprender de datos adopta distintas formas
El aprendizaje supervisado utiliza ejemplos con respuestas objetivo; el no supervisado busca estructura sin esas etiquetas; el aprendizaje por refuerzo utiliza información sobre las acciones. El aprendizaje curricular trata del orden de ejemplos o tareas, no de una categoría independiente equivalente. El entrenamiento modifica un modelo según un objetivo. No significa que todo sistema desplegado aprenda continuamente de cada conversación.
Capacidad no equivale a consciencia
Producir lenguaje fluido o resolver una prueba no establece por sí solo comprensión humana, sentimientos ni experiencia subjetiva. Quienes estudian una posible consciencia artificial examinan indicadores derivados de teorías, no solo conversaciones convincentes. Sus evaluaciones son provisionales y dependen de esas teorías. Ni una demostración impresionante ni una consigna rotunda resuelve todas las preguntas sobre la mente.
Los límites no se reducen a los datos
Importa la calidad de datos, pero también diseño, objetivos, evaluación y condiciones de uso. Un sistema puede funcionar bien en una prueba y fallar si cambia el entorno. Entender sarcasmo o aplicar sentido común debe comprobarse en situaciones concretas, no presentarse como capacidad universal o imposibilidad permanente.
La «neutralidad» no elimina responsabilidades
El NIST describe la IA como sociotécnica: las decisiones técnicas interactúan con personas e instituciones. Sesgos, riesgos de privacidad y daños pueden surgir del diseño y uso, no solo de intenciones maliciosas. Desarrolladores y organizaciones que implantan sistemas siguen respondiendo de evaluación adecuada, supervisión y mecanismos para corregir fallos. Llamarla neutral no sustituye el examen de consecuencias.
La portada muestra un robot ficticio, no un sistema concreto de IA ni una prueba de consciencia artificial.
Fuentes: Bengio et al. (2009); Dartmouth proposal (1955); ILO & NASK (2025); Google Machine Learning; Butlin et al.; NIST AI RMF.




Comentarios