Publicado originalmente el 16 de septiembre de 2026 en ll Will
Traducción al español por Amapola Fuentes para Colapso y Desvío.
[Descargar PDF aquí]
Prólogo: de la industrialización de la mente a la disputa por las máquinas
Por: Amapola Fuentes
Hablar hoy de inteligencia artificial suele implicar hablar del futuro. De máquinas que aprenderán, de inteligencias que superarán a la humana, de trabajos que desaparecerán, de sociedades completamente automatizadas o de una eventual singularidad tecnológica. Buena parte del debate público se encuentra atrapada en estas imágenes, oscilando entre la promesa de salvación y la amenaza del desastre. Sin embargo, hay algo que estas narrativas futuristas tienden a ocultar: la inteligencia artificial no pertenece únicamente al futuro. Ya forma parte del presente, y ese presente tiene una historia.
Antes de preguntarnos qué será capaz de hacer la IA, conviene preguntarnos qué condiciones históricas hicieron posible su aparición. La inteligencia artificial contemporánea no emerge de manera espontánea como resultado inevitable del progreso tecnológico. Es el producto de una larga transformación del capitalismo, de sus formas de producción, de sus tecnologías de comunicación y, especialmente, de su relación con la subjetividad. Su novedad no reside únicamente en la capacidad de procesar cantidades inéditas de información, sino en que aparece en un momento histórico en el que la propia vida mental se ha convertido en un territorio central de producción y extracción de valor.
En este sentido, resulta particularmente fecunda la noción de “industrialización de la mente” desarrollada por Hans Magnus Enzensberger. El concepto permite comprender que la industrialización no debe pensarse únicamente como la mecanización de los cuerpos o la incorporación de máquinas al proceso productivo. También implica la transformación de la conciencia en un espacio susceptible de organización técnica. Los medios de comunicación de masas, la publicidad y las tecnologías de información comenzaron a producir industrialmente percepciones, deseos, imaginarios y comportamientos. La mente dejó de encontrarse completamente fuera de la esfera productiva: se convirtió, progresivamente, en una fuerza económica y política.
La revolución digital profundizó esa transformación hasta modificar la relación misma entre vida y producción. Internet, los teléfonos inteligentes, las redes sociales y las plataformas digitales hicieron posible que actividades antes consideradas privadas —conversar, desplazarse, comprar, buscar información, relacionarse, entretenerse— se transformaran en fuentes permanentes de datos. El sujeto ya no se limita a consumir tecnología: produce continuamente información que puede ser capturada, procesada y convertida en valor.
Es aquí donde adquiere relevancia el concepto de neurocapitalismo. La noción permite nombrar una transformación del capitalismo en la que las capacidades cognitivas, perceptivas y afectivas se convierten simultáneamente en fuerzas productivas y superficies de control. El capital ya no necesita limitarse a extraer el tiempo y la energía física del trabajador durante la jornada laboral. Puede apropiarse de la atención, de los deseos, de las relaciones, de los hábitos y de las emociones. El cerebro se convierte en infraestructura productiva; la atención, en mercancía; los datos, en materia prima; los afectos, en variables susceptibles de ser moduladas.
La importancia del neurocapitalismo no reside, por tanto, en afirmar simplemente que las tecnologías “afectan nuestra mente”. Su alcance es mucho más profundo: implica reconocer que la producción capitalista comienza a operar directamente sobre las condiciones mediante las cuales pensamos, deseamos, nos relacionamos y tomamos decisiones. La subjetividad deja de ser solamente aquello que el capitalismo necesita para reproducirse y se convierte en aquello que el capitalismo produce, mide y reorganiza.
La noción de biohipermedia permite avanzar un paso más en esta dirección. Si el neurocapitalismo nombra la incorporación de la subjetividad a los procesos de valorización y control, la biohipermedia permite pensar el entramado material donde esta incorporación ocurre. Cuerpos biológicos, dispositivos digitales, redes, plataformas, algoritmos, afectos e infraestructuras energéticas ya no pueden comprenderse como dimensiones completamente separadas. Se encuentran entrelazados en un espacio donde cada elemento transforma a los demás.
La biohipermedia no designa, entonces, simplemente una nueva generación de medios de comunicación. Designa un régimen de interdependencia. Nuestros cuerpos producen datos; estos datos alimentan sistemas algorítmicos; esos sistemas modifican las condiciones bajo las cuales actuamos; nuestras nuevas acciones vuelven a producir datos. El circuito no tiene un exterior sencillo. La tecnología no se encuentra frente al sujeto como un objeto neutral que este utiliza desde afuera. Ambos se transforman en la relación.
Esta transformación puede ser leída en continuidad con la biopolítica de Michel Foucault. El poder moderno dejó progresivamente de ejercerse únicamente mediante la prohibición y el castigo para intervenir sobre la vida misma: administrar poblaciones, regular los cuerpos, organizar la salud, controlar los movimientos, establecer normas de comportamiento y producir determinados modos de existencia. El poder biopolítico no se limita a decir “no”. Produce, clasifica, normaliza y administra.
El capitalismo digital lleva esta lógica hacia territorios cada vez más íntimos. Las plataformas pueden intervenir sobre lo que vemos, sobre aquello que aparece ante nuestra atención, sobre las relaciones que establecemos y sobre las posibilidades que se nos presentan como deseables. La intervención no necesariamente adopta la forma de una orden. Puede presentarse como recomendación, personalización, comodidad o asistencia. Precisamente allí reside una de sus particularidades: el control puede volverse más eficaz cuando deja de aparecer como control.
La formulación de Gilles Deleuze sobre las sociedades de control permite comprender esta mutación. Si las sociedades disciplinarias descritas por Foucault estaban organizadas alrededor de espacios relativamente delimitados —la fábrica, la escuela, el hospital, el cuartel, la prisión—, las sociedades de control funcionan mediante una modulación permanente. Ya no es necesario encerrar al individuo para gobernarlo. El control puede acompañarlo en movimiento, extenderse a través de las redes y operar continuamente sobre sus posibilidades de acción.
El teléfono inteligente constituye una de las expresiones más evidentes de esta transformación: un dispositivo que puede funcionar simultáneamente como herramienta de comunicación, instrumento laboral, archivo, mapa, cámara, espacio de entretenimiento, plataforma comercial, mecanismo de vigilancia y mediador de las relaciones afectivas. El límite entre el sujeto y la infraestructura técnica se vuelve cada vez más difícil de localizar.
La inteligencia artificial introduce, sin embargo, una diferencia decisiva. Las plataformas digitales anteriores podían registrar, clasificar y predecir comportamientos; los sistemas generativos pueden además producir lenguaje, imágenes, recomendaciones y decisiones en respuesta a nuestras solicitudes. No solamente observan una realidad: intervienen en su elaboración. El paso es significativo porque la infraestructura deja de ser únicamente un medio a través del cual circula la información y comienza a participar directamente en la producción de significados.
Por eso, la cuestión de la inteligencia artificial no puede reducirse a determinar si las máquinas son verdaderamente inteligentes. Esa pregunta, aunque legítima, corre el riesgo de hacernos perder de vista aquello que resulta políticamente más urgente. Lo decisivo no es únicamente qué “es” la IA, sino qué relaciones produce, qué formas de conocimiento privilegia, qué cuerpos quedan incluidos o excluidos, qué trabajos reorganiza, qué infraestructuras requiere y qué poderes adquieren la capacidad de administrarla.
Desde esta perspectiva, la IA aparece como una prolongación del neurocapitalismo, pero también como una posible mutación de sus mecanismos. Los grandes modelos de lenguaje y otros sistemas generativos se alimentan de enormes cantidades de producción cultural y lingüística acumulada colectivamente. Transforman el conocimiento social en infraestructura computacional y concentran la capacidad de procesarlo en manos de un reducido número de corporaciones. El llamado general intellect se convierte así en un recurso susceptible de ser privatizado.
Pero esta privatización no es únicamente económica. También es epistemológica. Cuando delegamos progresivamente en sistemas algorítmicos la búsqueda de información, la escritura, la traducción, la interpretación, la planificación o incluso determinadas decisiones íntimas, no estamos simplemente ahorrando tiempo. Estamos modificando las condiciones bajo las cuales producimos conocimiento y establecemos relaciones con él. La IA comienza a ocupar espacios anteriormente mediados por docentes, investigadorxs, médicxs, trabajadorxs culturales, amigxs o incluso por nuestra propia capacidad de deliberación.
Aquí aparece una paradoja fundamental. La misma tecnología que promete liberar tiempo puede producir nuevas formas de dependencia. La misma infraestructura que democratiza aparentemente el acceso al conocimiento puede concentrar las condiciones materiales de ese conocimiento. La misma IA que puede ampliar determinadas capacidades humanas puede convertirse en instrumento de vigilancia, precarización, guerra y administración de poblaciones.
Esta contradicción obliga a abandonar tanto el entusiasmo tecnológico ingenuo como la nostalgia de una humanidad supuestamente exterior a la técnica. Las máquinas nunca han sido objetos políticamente neutros, pero tampoco poseen una esencia política inmutable. Su funcionamiento depende de las relaciones materiales en las que están inscritas. Una infraestructura diseñada para la extracción puede ser disputada; una plataforma centralizada puede ser reemplazada por arquitecturas federadas; un conjunto de datos puede reproducir una epistemología colonial o ser reorganizado desde saberes subalternizados.
Es precisamente aquí donde el texto que sigue desplaza la pregunta hacia las posibilidades de reapropiación. Frente a la concentración de las infraestructuras de IA en grandes oligopolios tecnológicos y estatales, la alternativa no consiste simplemente en pedirles que sean más responsables, más verdes o más éticos. El problema es material: quién posee los servidores, quién controla los datos, quién determina los objetivos de los sistemas, qué comunidades participan en su diseño y qué necesidades orientan su funcionamiento.
De ahí la importancia de experiencias como las plataformas federadas, las cooperativas de datos, las redes mesh, los modelos locales y las iniciativas de soberanía tecnológica. Su relevancia no reside en que constituyan soluciones completas o acabadas. Son, precisamente, frágiles, parciales e intersticiales. Pero muestran que la infraestructura técnica puede organizarse de otras maneras y que la alternativa al monopolio no tiene por qué ser la ausencia de tecnología.
Esta perspectiva también permite recuperar una dimensión política que suele desaparecer del debate tecnológico: la lucha. Si la IA participa hoy de la concentración de poder económico, de la vigilancia y de la guerra, entonces también constituye un campo de disputa. No se trata de imaginar una tecnología liberadora en abstracto, sino de identificar dónde las tecnologías existentes pueden ser reapropiadas, desviadas o reconstruidas desde otras relaciones sociales.
En este punto, las revueltas contemporáneas adquieren una importancia particular. Las movilizaciones de la Generación Z y otras formas de protesta que han emergido desde distintos lugares del Sur Global muestran que la resistencia no necesariamente necesita comenzar con la fantasía de una transformación total del sistema. Puede partir de necesidades concretas: vivienda, educación, salud, ingresos, condiciones materiales de existencia. La acumulación de victorias parciales puede abrir espacios de autonomía y erosionar formas de poder aparentemente demasiado grandes para ser enfrentadas.
Esta perspectiva resulta especialmente significativa frente a las sociedades de control. Si el poder se ha vuelto distribuido, molecular y permanente, quizá también las formas de resistencia deban multiplicar sus puntos de intervención. No necesariamente tomar un único centro de poder, sino construir numerosos espacios de fricción, reapropiación y autonomía. No esperar una ruptura absoluta para comenzar a transformar las condiciones de existencia, sino producir rupturas parciales capaces de conectarse entre sí.
La pregunta que atraviesa este ensayo es, finalmente, si podemos utilizar algunas de las mismas infraestructuras que hoy participan en nuestra captura para abrir fisuras dentro de ella. No porque la tecnología contenga en sí misma una promesa emancipatoria, sino porque ninguna tecnología existe completamente separada de las relaciones que la producen y de los usos que las comunidades pueden disputar.
Entre la industrialización de la mente y el neurocapitalismo, entre la biopolítica y las sociedades de control, la inteligencia artificial aparece entonces como un nuevo territorio de conflicto. Su desarrollo puede profundizar la captura de la subjetividad, la concentración del conocimiento y la violencia tecnológicamente mediada. Pero también puede obligarnos a imaginar otras formas de relación entre técnica, comunidad y vida.
La cuestión no es, por tanto, elegir entre tecnología y humanidad. Es decidir qué relaciones queremos construir entre ambas. Si el capitalismo ha conseguido convertir la inteligencia colectiva en recurso de acumulación, queda abierta la posibilidad de disputar esa apropiación. Si las máquinas han sido incorporadas a las infraestructuras del control, queda por determinar qué ocurre cuando esas infraestructuras son reapropiadas desde abajo. Y si la inteligencia artificial constituye uno de los instrumentos mediante los cuales se está reorganizando el presente, quizá también sea uno de los lugares desde los cuales podamos comenzar a disputarlo.
El problema ya no consiste únicamente en preguntarnos qué futuro nos traerá la inteligencia artificial. Consiste en preguntarnos quién está construyendo ese futuro, con qué materiales, para beneficio de quién y qué capacidades colectivas estamos dispuestxs a poner en juego para impedir que quede completamente decidido de antemano.
______________________________________________________________
Comentario introductorio de Ill Will:
Así como los folletos de agacharse y cubrirse de la década de 1950 nunca protegieron a nadie de la bomba atómica, sino que simplemente nos enseñaron a quedarnos quietos mientras está explotaba, el discurso contemporáneo en torno a la IA oscila entre el espectáculo catastrofista, la exaltación salvacionista y la fantasía transhumanista: tres formas de narrar una catástrofe que lleva mucho tiempo en curso sin enfrentarse realmente a ella.
Frente a estas evasiones, el presente artículo sostiene que un enfoque estratégico del problema debe abandonar el agotado marco de “la IA contra lo humano” y, en cambio, situar a la máquina dentro de las mismas relaciones de extracción, vigilancia y guerra que constituyen todo lo demás. Combinando el materialismo difractivo de Barad con la filosofía de Simondon, así como con sus propios escritos teóricos sobre el “neurocapitalismo”, Griziotti propone una comprensión materialista de la IA como un arma que ya ha sido disparada.
Desde las plataformas israelíes Lavender y Where’s Daddy?, hasta la transferencia de sistemas armamentísticos estadounidenses a Palantir por diez mil millones de dólares, la IA se revela como el núcleo operativo de aquello que Griziotti denomina la megamáquina tecnofascista: el mismo aparato conocido de extracción y disciplinamiento laboral, ahora extendido hacia una necropolítica computacional que decide a quién vigilar, excluir y matar.
Aunque las alternativas prácticas exploradas aquí —infraestructuras federadas, cooperativas de datos, redes mesh, conjuntos de datos descoloniales, etc.— quizá no alcancen a constituir un programa completo capaz de contrarrestar los numerosos genocidios en curso y por venir, Griziotti es claro en que estos experimentos “frágiles, parciales, intersticiales” con infraestructuras técnicas liberadoras pueden, no obstante, encontrar un lugar y cumplir una función estratégica dentro del pragmatismo molecular e insurgente de las revueltas de la Generación Z contemporánea.
Si estas revueltas pueden efectivamente desbordar el horizonte del reformismo y dar lugar a “espacios genuinos de autonomía”, como sugiere el autor, solo el tiempo lo dirá.
Parte de nuestra serie en curso Mundos aparte, que explora la cosmología, la ecología, la ciencia ficción y los múltiples finales de la sociedad capitalista.
______________
El folleto estadounidense de la década de 1950, Cómo sobrevivir a una bomba atómica (How to Survive an Atomic Bomb), fue más que un manual práctico: transformaba la pesadilla nuclear de la destrucción mutua asegurada en una secuencia de acciones individuales y manejables, ofreciendo a las personas la ilusión de control y capacidad de actuar frente a una amenaza abrumadora.[1]
Con la inteligencia artificial, la dinámica cambia.[2] Ya no nos enfrentamos a una catástrofe posible, sino que estamos inmersos en una que ya está en curso. En el discurso dominante y hegemónico, la narrativa suele oscilar entre tres polos opuestos y simplificados: la IA como amenaza de dominación de las máquinas; la IA como promesa de salvación, capaz de remediar el caos hacia el cual nos conduce el capitalismo; y, finalmente, la IA como herramienta transhumanista de mejoramiento, destinada a crear una élite “potenciada”.
Probablemente las cosas no sean tan sencillas. Por lo mismo, parece necesario iniciar una investigación capaz de enfrentarse al complejo conjunto de fenómenos generado por este nuevo contexto, en el que la IA se ha convertido en parte de nuestro paisaje cotidiano.
Este ensayo busca sentar las bases para una discusión más amplia, adoptando un enfoque específico y, por ahora, limitando el análisis a ciertas líneas centrales de investigación. Estas líneas no agotan el panorama general, pero permiten comenzar a esbozar un camino.
Mi enfoque consiste en abordar este salto tecnológico desde una perspectiva política, social y económica, adoptando una mirada que toma la física cuántica como el verdadero marco de la naturaleza y que, de este modo, busca superar la ilusión de un modelo puramente newtoniano. En consonancia con esta perspectiva cuántica, empleó una metodología “difractiva”, entrelazando referencias provenientes del materialismo histórico con aquellas del nuevo materialismo.
El primer paso consiste en situar la IA en su contexto histórico. Como toda tecnología, no surge en abstracto, sino que se desarrolla dentro de condiciones históricas, políticas y sociotécnicas específicas, hasta terminar infiltrándose en prácticamente todas las esferas de la vida. Sin embargo, pese a las enormes inversiones y a las grandilocuentes proclamaciones —desde Trump hacia abajo—, su modelo económico capitalista está lejos de haberse consolidado.
Las secciones principales del texto desarrollarán luego un análisis de la IA como una realidad relacional, articulada a través de dos perspectivas complementarias. En la primera, examino las dinámicas, los métodos y las responsabilidades mediante los cuales la IA es modelada, constituida y configurada: ¿quién la construye, en interés de quién, dentro de qué relaciones de poder y de acuerdo con qué lógicas extractivas o distributivas? En la segunda, investigó los fenómenos producidos por su expansión generalizada: aquellos efectos que exceden el uso humano intencional y que emergen de la compleja interacción entre algoritmos, infraestructuras materiales y contextos sociales y ecológicos. Estos dos aspectos no están separados, sino profundamente entrelazados. Sus conexiones tienen lugar dentro de aquello que denomino “espacio-tiempo-materia”, una dimensión en la que espacio, tiempo y materia conforman un continuo inseparable. Así mismo, la IA encarna perfectamente la indivisibilidad entre lo material y lo discursivo: es, al mismo tiempo, una infraestructura física concreta y una producción incesante de lenguaje. Abandonada en manos de los tecnofascistas, se infla desproporcionadamente en ambas direcciones, dando lugar, por un lado, a infraestructuras ecocidas y, por otro, a narrativas complacientes, hasta explotar como una cómoda y aduladora bomba atómica.
Finalmente, en el epílogo, buscó identificar cómo, a partir de las señales que ya se están manifestando, podríamos generar desviaciones infinitesimales capaces de conducir a Gaia —y a nosotrxs dentro de ella— lejos de la trayectoria de pesadilla que actualmente la está envolviendo.
Salir de los marcos newtonianos
No existe una definición científica única de la inteligencia. Sin embargo, en el discurso contemporáneo, la “inteligencia artificial” suele verse forzada a una dicotomía estrecha: o bien se la reduce a un mero algoritmo estadístico o, por el contrario, se la eleva a la condición de una amenaza sobrehumana. Estas oposiciones, fundadas en una lógica competitiva que enfrenta la inteligencia de las máquinas con una concepción estrechamente individual de la inteligencia humana, al tiempo que ignora todas las formas de inteligencia colectiva o más-que-humana, resultan engañosas y deben ser cuestionadas.[3]
Estas oposiciones se sustentan en un marco newtoniano que imagina a los seres humanos como entidades preconstituidas, dotadas de una subjetividad y un conocimiento predeterminados, mientras que las máquinas, concebidas durante mucho tiempo como objetos fijos regidos por leyes causales y manipulables desde el exterior, son consideradas cada vez más como potencialmente incontrolables, dotadas de una autonomía que escapa al control humano. Esta lógica hunde sus raíces en una ontología antropocéntrica cuyos orígenes se encuentran en la antigua Grecia y que, en la época histórica del capitalismo, ha generado procesos sociales y materiales que ahora están entrando en una fase de aceleración y destrucción exponenciales.
En el siglo XX, el materialismo histórico trastocó la concepción idealista de la historia, desplazando el foco hacia las condiciones materiales, las relaciones de producción y la lucha de clases. Sin embargo, a menudo conservó una estructura determinista vinculada al paradigma mecanicista del positivismo, apelando, por ejemplo, a leyes “científicas” como la tendencia decreciente de la tasa de ganancia y el inevitable colapso del capitalismo.[4]
Esta tensión entre determinismo y transformación queda muy bien ilustrada por Carlo Rovelli en Helgoland, cuando recuerda el conflicto entre Lenin y Bogdánov:
En los turbulentos años posteriores a la Revolución rusa, sostiene Bogdánov, esta había creado una nueva estructura económica. Si, como sugería Marx, la cultura está influida por la estructura económica, entonces la sociedad posrevolucionaria sería capaz de producir una nueva cultura que ya no podría ser el marxismo ortodoxo concebido antes de la Revolución. [...] Bogdánov predice que el dogmatismo de Lenin sellará la Revolución rusa dentro de un bloque de hielo; impedirá que siga evolucionando; sofocará la vida de todo aquello que se había conseguido gracias a ella; la volverá esclerótica. Estas también fueron palabras proféticas.[5]
Tras la victoria de Lenin —una lucha que fue mucho más que una disputa teórica, ya que concernía a la propia concepción de la revolución y de la organización que posteriormente conduciría al estalinismo—, surgió la mecánica cuántica, nacida del trabajo colectivo de Heisenberg, Bohr, Schrödinger y otrxs.[6] Esta subvirtió la visión determinista de la física clásica, casi como si viniera a dar la razón a Bogdánov.
Los fenómenos que constituyen la realidad que percibimos no siguen patrones mecanicistas, sino que emergen de redes complejas y dinámicas impredecibles, del mismo modo en que las tecnologías digitales avanzadas eluden cualquier intento de confinarlas dentro de esquemas lineales. Por ello, se ha vuelto urgente superar el dualismo entre sujeto y técnica: ser humano y máquina no existen como entidades separadas, sino que se co-constituyen a través de la interacción.
Marx comprendió las máquinas como cristalizaciones de relaciones sociales y de trabajo acumulado, pero en gran medida las consideró objetos ya formados por el trabajo humano, en lugar de entidades constituidas relacionalmente a través del uso y del contexto. Más tarde, Gilbert Simondon percibió que las máquinas no son objetos fijos, sino procesos en devenir, definidos por las redes de relaciones en las que están insertas (“individuos técnicos definidos por redes de relaciones”). A partir de esta intuición, podemos comprender las máquinas como el resultado acumulativo de prácticas y discursos concretos desarrollados a lo largo del tiempo, que llevan inscritas determinadas decisiones políticas y responsabilidades humanas. No son entidades fijas: adquieren forma únicamente a través de las interacciones que las ponen en funcionamiento.
Por lo tanto, la cuestión no consiste en oponer la IA a su usuario humano, como si se tratara de dos entidades distintas. Lo que realmente importa es la red de relaciones que involucra a las personas, los algoritmos, las infraestructuras materiales, las lógicas económicas y las configuraciones sociopolíticas. Es dentro de este espacio donde emergen las dinámicas decisivas para comprender cómo actúa la IA y cómo, a su vez, se actúa sobre ella. Nuestra investigación debe centrarse, por tanto, tanto en los efectos concretos y simbólicos generados por los encuentros entre seres humanos e IA como en las orientaciones políticas y las responsabilidades que ya están inscritas en los sistemas tecnológicos que configuran dichos encuentros.
En este sentido, el enfoque “difractivo” de Karen Barad ofrece una herramienta conceptual valiosa.[7] Se trata de una metáfora física: cuando una onda encuentra un obstáculo, se difracta y produce nuevos patrones de interferencia. Aplicada al pensamiento, esta noción implica ir más allá de la dinámica biológica del reflejo —el reconocimiento, la imitación, la empatía mediada por las neuronas espejo—, pero también más allá de la dinámica cultural de la reflexión, que tiende a devolvernos únicamente aquello que ya conocemos. En cambio, se nos invita a abrazar las interferencias productivas como difracciones capaces de generar trayectorias inesperadas. Esta misma noción resulta igualmente aplicable a la práctica política contemporánea, incluida la de la izquierda, que a menudo queda atrapada dentro del marco de lo “ya conocido”. La difracción, por el contrario, permite reorientar el pensamiento y la práctica, transformando las propias condiciones de aquello que puede ocurrir en las interacciones entre seres humanos y máquinas.
Un enfoque difractivo nos lleva a interpretar la inteligencia artificial no simplemente como un espejo social, ni tampoco como un autómata al servicio de la forma capitalizada del conocimiento colectivo que Marx denominó general intellect. Más bien, la IA desempeña un papel activo en la producción de la realidad, tanto junto a nosotrxs como más allá de nosotrxs. Esto implica ir más allá de la crítica habitual al sesgo de la IA entendido como un mero reflejo de los prejuicios humanos incorporados en los datos de entrenamiento, una crítica que con demasiada frecuencia termina en llamados a buscar soluciones técnicas.[8]
Debemos preguntarnos, en cambio: ¿quién define qué cuenta como una respuesta “natural”? ¿Cómo genera la interacción entre el usuario y el dispositivo significados imprevistos que no pueden reducirse a las entradas iniciales?
En este sentido, el enfoque “difractivo” de Karen Barad ofrece una herramienta conceptual valiosa.[9] Se trata de una metáfora física: cuando una onda encuentra un obstáculo, se difracta y produce nuevos patrones de interferencia. Aplicada al pensamiento, esta noción implica ir más allá de la dinámica biológica del reflejo —el reconocimiento, la imitación, la empatía mediada por las neuronas espejo—, pero también más allá de la dinámica cultural de la reflexión, que tiende a devolvernos únicamente aquello que ya conocemos. En cambio, se nos invita a abrazar las interferencias productivas como difracciones capaces de generar trayectorias inesperadas. Esta misma noción resulta igualmente aplicable a la práctica política contemporánea, incluida la de la izquierda, que a menudo queda atrapada dentro del marco de lo “ya conocido”. La difracción, por el contrario, permite reorientar el pensamiento y la práctica, transformando las propias condiciones de aquello que puede ocurrir en las interacciones entre seres humanos y máquinas.
Un enfoque difractivo nos lleva a interpretar la inteligencia artificial no simplemente como un espejo social, ni tampoco como un autómata al servicio de la forma capitalizada del conocimiento colectivo que Marx denominó general intellect. Más bien, la IA desempeña un papel activo en la producción de la realidad, tanto junto a nosotrxs como más allá de nosotrxs. Esto implica ir más allá de la crítica habitual al sesgo de la IA entendido como un mero reflejo de los prejuicios humanos incorporados en los datos de entrenamiento, una crítica que con demasiada frecuencia termina en llamados a buscar soluciones técnicas.
Debemos preguntarnos, en cambio: ¿quién define qué cuenta como una respuesta “natural”? ¿Cómo genera la interacción entre el usuario y el dispositivo significados imprevistos que no pueden reducirse a las entradas iniciales?
Desde esta perspectiva, el enfoque difractivo también pone de manifiesto los efectos de las interacciones entre seres humanos e IA. Muestra cómo las decisiones de diseño, las decisiones políticas, las prácticas sociales y los datos incorporados a un sistema configuran concretamente sus resultados, haciendo visibles responsabilidades que de otro modo permanecerían ocultas. De manera más amplia, pone de relieve cómo esta coproducción no solo organiza la división del trabajo productivo en el capitalismo contemporáneo, sino que también contribuye activamente a la formación y el mantenimiento de órdenes sociales, jerarquías epistémicas y configuraciones ecológicas, determinando qué cuerpos —humanos y no humanos— son valorados o descartados, qué formas de conocimiento son legitimadas o suprimidas y qué metabolismos energéticos y materiales se imponen sobre Gaia.
Neurocapitalismo e IA
En mi libro de 2016, Neurocapitalismo, intenté esclarecer las profundas mutaciones producidas por el salto paradigmático de las tecnologías de la información y la comunicación (TIC) que tuvo lugar entre finales del siglo pasado y comienzos del nuevo. Desde un enfoque genealógico, destaqué cómo estas tecnologías no fueron únicamente producto de los centros de investigación corporativos o de los aparatos militares de la Guerra Fría, sino que también reflejaron la energía creativa y cooperativa de las revoluciones anticapitalistas y antiimperialistas de las décadas de 1960 y 1970.
Aunque derrotada políticamente, aquella época dejó huellas profundas, proporcionando los fundamentos técnicos e imaginativos para un mundo digital en el que la tecnología pudiera convertirse en un instrumento para democratizar el conocimiento y liberar la inteligencia colectiva (como lo demuestra el espíritu original de internet y del software libre). Estos fundamentos fueron posteriormente capturados y expropiados de manera gradual por el capital.
Fue a partir de esta dinámica —esto es, la captura de lo común y la subsunción de la inteligencia colectiva— que surgió mi decisión de sintetizar esta transformación bajo el término “neurocapitalismo”. Este término, aunque no es exclusivo, quedó íntimamente ligado al libro, expresando la necesidad de nombrar una profunda mutación en la lógica capitalista, en la que las emociones, la cognición, las relaciones, los deseos y los afectos se convierten simultáneamente en materias primas para la producción de valor y en variables ajustables del control social.
Una de las tesis centrales del libro era que esta mutación estructural no podía reducirse a una simple invención o a un mero “producto” de la transición del capitalismo industrial al capitalismo cognitivo —o incluso biocognitivo—. Entre los puntos de inflexión decisivos de esta transformación se encontraban, en orden cronológico, la llegada de internet, la rápida expansión de miles de millones de dispositivos móviles individuales (smartphones) y el control ejercido por las plataformas globales —verdaderas megamáquinas contemporáneas—, particularmente a través de las redes sociales. Sin embargo, lo que realmente importa no es la “innovación” en sí misma, sino las nuevas relaciones sociales, políticas y económicas en las que esta se encuentra inserta. En la base de mi análisis se encontraba la noción de biohipermedia[10]: un espacio emergente de nuevos entrelazamientos[11], de formas de interdependencia profunda en las que las entidades permanecen correlacionadas incluso a distancia. En este espacio, los cuerpos biológicos, las redes digitales y las máquinas de interconexión se entrelazan no sólo materialmente, sino también mediante procesos continuos de producción y circulación de significados, constituyendo conjuntamente la propia realidad en la que operan.
Asma Mhalla retomó recientemente esta discusión sobre el neurocapitalismo —que originalmente se refería a la generación de Zuckerberg y Bezos de las redes sociales y el comercio electrónico—, actualizándola para adaptarla a los nuevos techno-bros de la inteligencia artificial trumpiana:
Las figuras de la ultratecnología, como Elon Musk, Peter Thiel y Sam Altman, no se limitan a imaginar el futuro: lo programan. Su proyecto no consiste en potenciar al ser humano, como afirman, sino en reconfigurar a la humanidad desde sus cimientos. Se trata de un proyecto de in/civilización sin precedentes. Todas sus infraestructuras —la nube, la IA, la biotecnología y los datos— son infraestructuras de lo íntimo. Operan sobre nuestros deseos, nuestras rutinas, nuestros cuerpos.[12]
El modelo neurocapitalista ha garantizado durante mucho tiempo formas eficaces de control, moldeando subjetividades y comportamientos mediante dispositivos digitales y redes de influencia. Hoy, sin embargo, revela sus límites. Su capacidad para producir consenso se fractura inevitablemente cuando las multitudes se encuentran inmersas en una degradación material creciente, en el contexto de una crisis ecológica y social cada vez más profunda. El control “blando” ya no resulta suficiente; las tensiones están adquiriendo un carácter sistémico.
La historia, desde la Primera Guerra Mundial, nos enseña que el capitalismo tiende a responder a sus contradicciones estructurales mediante la guerra: no solo mediante la guerra como acontecimiento, sino como régimen permanente, con una tendencia hacia una guerra civil global.[13] Es precisamente dentro de este escenario complejo donde debe situarse la emergencia de la inteligencia artificial.
Tambores de guerra
En el siglo XX, los movimientos revolucionarios surgidos desde abajo —compuestos por multitudes que a menudo carecían de educación formal— lograron cambiar el curso de la historia. Basta pensar en China, que pasó de ser un país semicolonizado a convertirse en una potencia mundial.
Hoy, en cambio, a pesar de niveles de educación sin precedentes y de un entorno tecnológico omnipresente, nos enfrentamos a una ola autoritaria, xenófoba y restauradora, especialmente, aunque no exclusivamente, en el Norte Global.[14]
Esta aparente paradoja no puede explicarse únicamente por el giro contrarrevolucionario posterior a los movimientos de la década de 1970 ni por la caída del bloque soviético. Es el resultado de medio siglo del llamado neoliberalismo[15] que, tras la retórica de la libertad y la innovación, ha erosionado progresivamente los vínculos sociales, privatizado la imaginación y formado subjetividades en torno a la competencia y el miedo.
El neurocapitalismo, mediante su colonización de la atención y los afectos, ha configurado la infraestructura cognitiva y sensorial de esta mutación. Sin embargo, nunca ha conseguido extinguir por completo el excedente impredecible de la revuelta, ese exceso de significado y de vida que escapa incluso a los algoritmos de IA más sofisticados. Esto no es “resiliencia” en el sentido de adaptación al sistema existente —un término del que la gestión tecnocrática ha abusado hasta el agotamiento—, sino más bien una capacidad de ruptura que atraviesa por igual los cuerpos humanos, los ecosistemas vivos y los dispositivos técnicos.
Frente a una crisis sistémica cada vez más manifiesta —social, política, ecológica, económica, energética y demográfica—, incluso las antiguas democracias representativas se reorganizan en entramados entre Estado y capital sustentados en lógicas oligárquicas e imperialistas. El ejemplo más llamativo es el de Estados Unidos bajo la segunda administración de Trump.
En este contexto, las formas contemporáneas de gobierno parecen creer que pueden apoyarse en subjetividades ya moldeadas por décadas de manipulación perceptiva y afectiva, un terreno fértil para el resurgimiento de formas abiertamente autoritarias de poder. La gestión del miedo, de la pérdida, de la incertidumbre y del “otro” se convierte así en la nueva y brutal modalidad de gobierno tecnofascista[16].
Sin embargo, los signos de inquietud entre la Generación Z[17] se multiplican, desafiando esta supuesta docilidad. Frente a este malestar creciente, el poder busca nuevas formas de sedación: ¿podría el confort sin precedentes ofrecido por la IA de los tecno-oligarcas, aliados con el poder político, funcionar como un nuevo opio del pueblo?
Es dentro de este escenario, marcado por una crisis sistémica y un régimen de guerra permanente, donde emerge la inteligencia artificial, no como una mera herramienta tecnológica, sino como otro nodo crítico de poder y control, uno que aspira a ser definitivo. Su aparición en este contexto hace necesario investigar ciertos aspectos clave de su naturaleza constitutiva: cómo se entrelaza con la inteligencia humana, qué potencialidades desbloquea y, sobre todo, qué riesgos concretos trae consigo.
La IA como realidad relacional: metatécnica y metaautomatización
La noción de inteligencia ha sido durante mucho tiempo objeto de controversia y redefinición. Esto es cierto no solo en el ámbito tecnocientífico, sino también dentro de la especulación filosófica y las ciencias humanas. Esta cuestión crucial, que merece un análisis específico, queda fuera del alcance y del propósito de este ensayo. Aquí solo queremos rozar la superficie del problema, sin adentrarnos en sus implicancias más profundas.
Los intentos históricos por formalizar la inteligencia humana, como el coeficiente intelectual (CI) desarrollado a comienzos del siglo XX en el ámbito de la psicometría, demostraron ser herramientas parciales y normativas.[18] Entre otras cosas, buscaban clasificar y jerarquizar las capacidades cognitivas de acuerdo con criterios de eficiencia funcional y adaptabilidad a la organización del trabajo capitalista propia de la era industrial.
En lugar de asumir la existencia de dos bloques distintos, con la inteligencia “humana” de un lado y la inteligencia “artificial” del otro, me interesa analizar cómo emergen diferentes configuraciones cuando ambas se encuentran y se entrelazan: por un lado, la metatécnica como una forma específica de actividad humana y, por otro, la metaautomatización como una característica definitoria de la inteligencia artificial generativa. En lugar de oponer dos esencias, proponemos analizar aquello que surge de su interacción, de las relaciones concretas que producen conjuntamente.[19] Esto también nos permite comprender mejor el lugar que ocupa la IA contemporánea dentro de la larga historia de la techné.
En primer lugar, debemos desinflar los numerosos discursos que rodean los supuestos peligros vinculados a la autonomía de la inteligencia artificial, incluida la idea de que algún día podría actuar independientemente de los seres humanos y tomar el control, para poner en primer plano los riesgos reales y verificables del mundo actual. Las afirmaciones pseudocientíficas populares suelen sugerir que la principal preocupación de lxs investigadorxs es que las máquinas no solo puedan superarnos, sino también desvincularse completamente de nosotrxs.[20] Estos argumentos engañosos están diseñados para desviar la atención de las verdaderas motivaciones de la investigación, que, especialmente en su dimensión aplicada, suele estar en manos de laboratorios financiados por el monstruo bicéfalo de las Big Tech y el Gran Estado, y orientados más por la rentabilidad que por cualquier ideal cognitivo. Al mismo tiempo, proyectan sobre la IA el imaginario competitivo y antropocéntrico del neurocapitalismo, ocultando sus funciones reales. Como veremos, el verdadero peligro de la IA se encuentra en otra parte: en las formas en que es concebida, centralizada y gestionada.
Pasemos ahora a los dos aspectos clave mencionados anteriormente: la metatécnica y la metaautomatización. La primera se encuentra en el centro de mis reflexiones sobre el Boomernaut, un personaje conceptual presente en mi libro más reciente. Allí sostengo que “la metatécnica —entendida como la capacidad cognitiva de crear nuevas técnicas o mejorar las ya existentes— implica la capacidad de pensar críticamente acerca de las técnicas, identificar sus fortalezas y debilidades y desarrollar nuevos modos de pensamiento y enfoques para enfrentar problemas complejos”.[21] Esta facultad, por ahora exclusivamente humana, distingue la metatécnica de las técnicas —incluso de las sofisticadas— que poseen otros agentes biológicos no humanos. Si bien estos últimos pueden desarrollar herramientas y prácticas complejas, nunca han atravesado el umbral crítico que separa el uso de una técnica de la especulación sobre la propia técnica: esta capacidad de crear no solo herramientas, sino también sistemas para pensar y generar herramientas, sigue siendo, por ahora, una facultad específicamente humana.
El segundo concepto, el de la automatización de la automatización (o “metaautomatización”) como definición del machine learning, es desarrollado en el trabajo reciente de Pasquinelli. Como escribe:
“[E]l machine learning puede entenderse como el proyecto de automatizar el proceso mismo de diseño de máquinas y creación de modelos; es decir, la automatización de la propia “teoría de la automatización del trabajo”. En este sentido, el machine learning y, en particular, los grandes modelos fundacionales, representan una nueva definición de la Máquina Universal, gracias a su capacidad no solo para realizar tareas computacionales, sino también para imitar el trabajo y el comportamiento colectivos a gran escala. El punto de inflexión que representa el machine learning no es simplemente la “automatización de la estadística”, como a veces se lo describe, sino la automatización de la automatización: extender este proceso a la escala del conocimiento colectivo y del patrimonio cultural. Asimismo, el machine learning puede entenderse como una demostración técnica de la integración gradual entre la automatización del trabajo y la gobernanza social”.[22]
Aunque el trabajo de Pasquinelli se centra principalmente en el papel de la IA en la producción capitalista, este pasaje captura una transformación profunda. El machine learning representa un umbral crítico de la automatización contemporánea, en el que esta alcanza una forma de segundo orden: la metaautomatización describe un proceso que ya no se limita a ejecutar tareas o mecanizar el trabajo cognitivo humano, sino que busca absorber y ampliar a escala el propio proceso de ideación, hasta el punto de automatizar la creación de herramientas. De este modo, la metaautomatización busca integrar y extender la capacidad humana de hacer surgir nuevas técnicas.
Sin embargo, la IA contemporánea continúa ligada a un marco industrial y técnico específico: uno basado en regímenes de entrenamiento y en infraestructuras de control y vigilancia, con costos ecológicos prohibitivos debido a sus demandas computacionales y energéticas, actualmente concentradas en un puñado de oligopolios tecno-financieros. Por enormes que sean sus conjuntos de datos y por sofisticadas que sean sus correlaciones estadísticas, las operaciones de la IA permanecen confinadas dentro de un perímetro definido. Su aparente versatilidad puede resultar engañosa: la IA carece de agencia genuina. No puede redefinir sus propios objetivos, introducir valores autónomos ni generar contextos verdaderamente nuevos. Su denominada “metacompetencia” —la capacidad de generar nuevas soluciones y procedimientos— permanece como un fenómeno interno dentro de la cuadrícula de datos, mientras que la metatécnica humana transforma activamente los límites de lo posible, introduciendo elementos radicalmente nuevos que no están confinados dentro de ese sistema.
Un sistema de inteligencia artificial puede analizar miles de películas y producir narrativas y guiones, pero no puede producir nada comparable a la revolución que supuso la Nouvelle Vague francesa a finales de la década de 1950. Cuando Godard, Truffaut y otrxs rompieron con la continuidad narrativa, hicieron que sus personajes hablaran directamente con el espectador y convirtieron el cine en una reflexión crítica sobre el propio medio, no estaban optimizando el cine de Hollywood, sino redefiniendo lo que significa hacer cine, introduciendo preguntas existenciales sobre la autoría, la autenticidad y la relación entre ficción y realidad.
La IA puede realizar cálculos dentro de la física newtoniana, pero jamás podría haber concebido la relatividad o la mecánica cuántica: rupturas que exigieron abandonar las propias categorías mediante las cuales se comprendía la realidad. Esta capacidad de refundación surge de la relación entre singularidad y multitud: los gestos se vuelven transformadores cuando resuenan con prácticas colectivas, conflictos materiales y transformaciones en aquello que se vuelve posible hacer cuando cambian las tecnologías, las instituciones y las relaciones sociales.
Y si, como ya ocurre en las redes sociales, estos oligopolios pueden extraer información cada vez más detallada sobre nosotrxs, eso no significa que las IA realmente aprendan de nosotrxs. Su aprendizaje permanece confinado dentro de los límites de sus conjuntos de datos y de las lógicas de optimización que las gobiernan. Las corporaciones utilizan nuestros prompts para perfeccionar modelos futuros, pero los sistemas con los que interactuamos no aprenden realmente de la conversación, ya que no pueden alterar su propia estructura ni redefinir sus criterios de interpretación.
Por lo tanto, debemos desmontar una idea errónea muy extendida, repetida con frecuencia incluso por observadorxs críticxs: la idea de que la IA generativa aprende de manera dinámica y autónoma a partir de nuestras preguntas. En realidad, estos modelos no son capaces de acumular conocimiento a partir de sus interacciones con lxs seres humanos. Por el contrario, lxs seres humanos sí somos capaces de aprender de las respuestas de la IA, aunque este aprendizaje está inevitablemente moldeado y limitado por ellas. El aprendizaje de los modelos, sin embargo, siempre está mediado por datos preexistentes y por supervisión humana, y su funcionamiento permanece estrechamente restringido por límites técnicos y estructurales. En la actualidad, ningún modelo es capaz de trascender estos límites, ni existe evidencia de que una ruptura de este tipo esté en el horizonte.
Todo es una alucinación
Después de distinguir la metaautomatización propia de la IA de la metatécnica propia de la subjetividad humana —y manteniéndonos dentro de una perspectiva que busca examinar los fenómenos que surgen de sus interacciones, en lugar de comparar “inteligencias”—, existe, a mi juicio, una cuestión crucial que nos ayuda a poner de manifiesto los límites tecnopolíticos de la IA: las llamadas “alucinaciones”.
Mientras que la alucinación humana se refiere a una percepción sensorial experimentada como real en ausencia de un estímulo externo, en el caso de la IA generativa el término adquiere un significado diferente. En los grandes modelos de lenguaje (Large Language Models, LLM), la alucinación describe producciones lingüísticas que, desde un punto de vista humano, parecen carentes de sentido: afirmaciones desvinculadas del contexto, semánticamente engañosas con respecto a la entrada o simplemente incorrectas, pero expresadas de una manera aparentemente coherente y plausible.
Esto plantea una pregunta: si las máquinas también “alucinan”, ¿dónde radica la diferencia? La distinción fundamental reside en la capacidad de reconocer el error. Un ser humano puede cuestionar la validez de su propia percepción, compararla con otras experiencias y ponerla en duda. En cambio, la alucinación de una máquina es un fallo estadístico: una correlación probabilística que produce resultados lingüísticamente plausibles, pero semánticamente vacíos, sin capacidad autónoma para reconocer su propio error. Nuestras alucinaciones son contrastadas con un mundo compartido y pueden ser corregidas desde dentro; las de la IA son artefactos computacionales que requieren una verificación externa.
Quizás, siguiendo la intrigante hipótesis de Colin Fraser[23], sería más preciso decir que todo lo que produce un chatbot es, en cierto sentido, alucinatorio, o una especie de “sueño”. No surge de la percepción de una realidad externa, sino de cálculos estadísticos basados en textos humanos, en los que nuestros significados e interpretaciones del mundo se han acumulado en línea. Fraser sostiene que “todas las respuestas de los LLM son alucinaciones”, porque el sistema “cree” que está reconstruyendo un documento existente cuando, en realidad, está generando uno nuevo.[24] Desde esta perspectiva técnica, no existe una distinción intrínseca entre respuestas dotadas de significado y alucinaciones, sino únicamente resultados que son más o menos deseables dentro de un determinado contexto de uso.
La conclusión, entonces, es que el modelo está haciendo exactamente aquello para lo que fue diseñado: generar un texto plausible mediante un cálculo probabilístico aplicado a conjuntos de datos en constante expansión. Esto funciona bien en la mayoría de los casos, pero no siempre, especialmente cuando lo que se requiere no es plausibilidad, sino precisión. En tales casos, acusamos a la máquina de producir respuestas inexactas o inverosímiles —de “alucinar”— en lugar de reconocer que estamos empleando una herramienta probabilística para realizar tareas deterministas. Volveremos sobre este punto en breve.
Aun así, no todas las “alucinaciones” de la IA tienen el mismo estatus. Mientras que algunas son errores fácticos, es decir, afirmaciones que contradicen conocimientos establecidos, otras poseen un estatus interpretativo. Aquello que se percibe como una alucinación puede, por lo tanto, depender del juicio del usuario y del contexto interpretativo. Lo que parece erróneo en un contexto puede parecer coherente en otro. En última instancia, toda producción de la IA es el resultado de un proceso relacional entre el modelo, los datos y la interpretación humana. Su génesis involucra, por un lado, nuestra manera de formular preguntas, establecer correspondencias y evaluar —ejerciendo, en ocasiones, una presión contextual u otras formas de influencia— y, por otro, la manera en que la IA recibe la solicitud y genera secuencias de palabras que estadísticamente tienden a seguir el contexto proporcionado.
En cierto sentido, la IA generativa es “estúpida” en su funcionamiento, puesto que está construida sobre una repetición casi infinita del mismo cálculo estadístico, ejecutado a una velocidad extrema. Su principio básico consiste en predecir la siguiente palabra (o símbolo)[25] de una secuencia a partir de probabilidades aprendidas previamente de enormes conjuntos de datos.
Como señala Fraser, no resulta sorprendente que un modelo de gran escala entrenado con enormes cantidades de datos pueda predecir la siguiente palabra de un texto. Lo que resulta casi milagroso es que, al retroalimentar cada resultado como la siguiente entrada dentro de un bucle, el sistema termine produciendo textos coherentes, a menudo útiles y, en ocasiones, incluso sofisticados. Incluso para sus creadorxs, este resultado fue inesperado: una consecuencia imprevista de un objetivo tan simple como la predicción secuencial. Sin embargo, este efecto no constituye un descubrimiento científico; en el mejor de los casos, se trata de un logro técnico de alcance extraordinario. Pertenece al ámbito de la ingeniería más que al de la epistemología, y podría compararse con la técnica de Brunelleschi para construir la cúpula de Santa Maria del Fiore sin andamiaje: una innovación extraordinaria para su época, pero no un descubrimiento teórico en el campo de la ciencia.[26]
Y es precisamente aquí donde emerge la significación filosófica del acontecimiento. Aunque no se trate de un descubrimiento científico, representa algo más que una mera prótesis tecnológica. Ya no estamos frente a una “herramienta”, por compleja que sea, que extiende una única facultad humana. Lo que los LLM y la IA generativa están creando es una verdadera tecnología-mundo[27]: un ecosistema informacional y semiótico que nos rodea, redefiniendo nuestros espacios de conocimiento, relación y percepción. Lo que está en juego es un nuevo sistema de pensamiento, un código cultural que la tecno-oligarquía está configurando mediante la inversión de sus relaciones tradicionales: ya no es la ciencia la que orienta a la tecnología, sino una tecnología impulsada por la ingeniería la que determina el curso de la ciencia. El mundo artificial que están construyendo para nosotrxs pronto dictará las reglas mediante las cuales llegaremos a conocer los mundos natural y humano.[28]
Hardware autoorganizado
Las “alucinaciones” de las máquinas se encuentran entre los principales obstáculos para la estrategia de una gobernanza algorítmica totalizante, una estrategia que exige inversiones colosales. Esto no constituye únicamente un problema técnico, aunque examinaremos su dimensión técnica más adelante: estas alucinaciones contribuyen a la incertidumbre en torno a la rentabilidad, exponiendo el riesgo de una burbuja financiera incluso mucho mayor que el colapso de las empresas dot-com de comienzos de la década de 2000.[29]
En la base de estas inversiones, particularmente concentradas en Estados Unidos, se encuentra el mito de la Inteligencia Artificial General (AGI, por sus siglas en inglés), concebida como un Leviatán capaz de resolver cualquier tarea imaginable. Este objetivo es perseguido abiertamente por las GAFAM (Google, Apple, Facebook, Amazon y Microsoft) y por los nuevos tecno-oligopolios, entre los cuales han surgido, junto a sus competidores chinos, los productores de hardware para IA. Los sistemas de IA generativa que actualmente dominan el panorama constituyen los principales vehículos de esta visión. Por ejemplo, Anthropic (Claude) recibe miles de millones de dólares en financiamiento de Amazon y Google, mientras que OpenAI (ChatGPT), parte integral del ecosistema de Microsoft, se beneficia de una inversión de 100 mil millones de dólares por parte de Nvidia. Nvidia, como líder en la producción de los chips GPU indispensables para el funcionamiento de estos modelos, verá regresar a sus propias arcas una parte sustancial de esos fondos mediante la compra de hardware. El resultado es un vasto circuito financiero autorreferencial en el que el capital se alimenta a sí mismo. El entramado entre estas start-ups, las plataformas globales y los nuevos oligopolios del hardware, respaldados por el Gran Estado trumpiano, no hace sino reforzar la narrativa de una supuesta evolución hacia una inteligencia universal, que a su vez legitima la carrera de inversiones actualmente en curso.
La novedad más significativa en la actualidad es que el hardware dicta la lógica de estos sistemas. Estos requieren cantidades inmensas de chips especializados de alto rendimiento (GPU), alojados en enormes centros de datos con un consumo energético descomunal. Para dar una idea de la escala de lo que está en juego: está prevista una nueva instalación en Abilene, en las ventosas llanuras de Texas, que consumirá 1,2 gigavatios de potencia instalada, una cifra comparable al consumo eléctrico continuo de una ciudad de un millón de habitantes, y que empleará alrededor de 400.000 chips Nvidia GB200 (Blackwell) distribuidos en más de 350 hectáreas.[30]
Las proyecciones sugieren que el consumo mundial de electricidad de los centros de datos podría triplicarse para 2030, provocando déficits recurrentes de suministro eléctrico en Estados Unidos.[31] Las consecuencias ecológicas de esta explosión del consumo son dramáticas. En Estados Unidos, este aumento será sostenido principalmente por energía fósil —sobre todo gas natural— y, a mediano y largo plazo, por energía nuclear, como lo demuestran los acuerdos estratégicos entre las GAFAM y las empresas constructoras de centrales nucleares.
Desde el punto de vista financiero, no es el software, sino los gigantescos conjuntos de datos y la infraestructura necesaria para entrenarlos, lo que demanda la mayor cantidad de recursos. Esto explica por qué lxs productores de estos chips se han convertido en las nuevas potencias económicas, con Nvidia, la empresa líder, ascendiendo en pocos años hasta los primeros puestos de la capitalización bursátil mundial.[32] En este sentido, puede hablarse de un retorno a una configuración que recuerda a la época pionera de las computadoras mainframe en las décadas de 1960 y 1970, cuando el valor comercial se concentraba en el hardware, mientras que el software de aplicación era simplemente incluido. Aunque no sea idéntica, la estructura actual de la IA reproduce una jerarquía similar a una escala inimaginablemente mayor, en la que el hardware ha recuperado su centralidad. Lo que prevalece ahora es una infraestructura material masiva que configura tanto la eficiencia como las posibilidades del sistema.
Un Gran Hermano predictivo y confortable
De estas consideraciones técnicas se desprende un panorama de extrema centralización del poder dentro de gigantescas megamáquinas materiales capaces de mecanizar el trabajo cognitivo, doblegando así el general intellect a la racionalidad productivo-destructiva del capital.
Vista de este modo, la IA representa la nueva frontera de un proceso que comenzó con la Revolución Industrial: así como las máquinas del siglo XIX expropiaron e incorporaron los conocimientos y gestos artesanales al traducirlos en movimientos mecánicos estandarizados, los modelos actuales de inteligencia artificial buscan expropiar e incorporar facultades cognitivas, lingüísticas y relacionales, traduciéndolas en cálculos probabilísticos automatizados.
Cada salto tecnológico del capitalismo ha estado acompañado por una profundización correspondiente de la explotación: la máquina industrial buscó reducir la destreza manual del trabajador a una mera función del mecanismo; hoy, la IA de los tecno-oligopolios busca reprocesar el general intellect como datos y cálculo estadístico, recodificándolo como un recurso capitalista.
En una época en la que las fronteras entre el trabajo y la vida prácticamente han desaparecido, la IA, además de contribuir a la proletarización de lxs trabajadorxs cognitivxs, se ha convertido en una nueva infraestructura para medir el trabajo social, llevando consigo una radical intensificación de la individualización. Esta difuminación de las fronteras no se originó con la IA: sus raíces se encuentran en la revolución digital, cuando internet y, posteriormente, los smartphones hicieron que el trabajo cognitivo pudiera ser potencialmente continuo y accesible desde cualquier lugar y en cualquier momento. Sin embargo, lo que alguna vez fue una colonización gradual, en la que aún sobrevivía una tenue distinción entre las esferas privada y laboral, se ha convertido ahora en una fusión: las herramientas que utilizamos para organizar nuestra vida personal son ahora las mismas que utilizamos para trabajar.
Los chatbots, en particular, ya no funcionan únicamente como herramientas de productividad; se están transformando en infraestructuras de la vida cotidiana. Su expansión, sin precedentes en velocidad y alcance, marca un salto cualitativo en la integración tecnológica. Cada vez más personas, especialmente las generaciones más jóvenes y con una fuerte participación femenina, recurren a ellos para desenvolverse en aspectos íntimos de la existencia. Estos sistemas están redefiniendo la manera en que las personas aprenden, deciden y viven: desde la gestión familiar hasta la salud, desde la educación hasta la planificación financiera, desde cocinar hasta hacer compras, desde la escolarización hasta el ocio, e incluso en la vida afectiva y sexual. Actúan como acompañantes que ofrecen apoyo, consuelo y presencia.
El asistente conversacional se convierte en una presencia constante, neutral y disponible, un “conocimiento accesible” que tiende a sustituir a las figuras tradicionales de mediación: docentes, médicxs, psicólogxs, consultorxs, amigxs, amantes. El centro de la experiencia se desplaza hacia una interfaz algorítmica percibida simultáneamente como no juzgadora y omnisciente. Esta creciente delegación transforma no solo la relación con el conocimiento, sino también la arquitectura afectiva y relacional del ser humano. Dentro de estas interacciones, la IA se infiltra en los espacios del consejo, la duda y la intimidad, redibujando el umbral entre autonomía y dependencia cognitiva dentro de una coproducción humano-máquina profundamente desequilibrada.
Donde el capitalismo industrial alguna vez disciplinó los cuerpos colectivos y el tiempo compartido, hoy la IA actúa sobre la singularidad humana, internalizando el control en la relación entre el individuo y la máquina inteligente.
La situación está empeorando con respecto a lo que prevalecía en la era de las redes sociales, en la que las interacciones, aunque mediadas y altamente individualizadas, seguían ocurriendo mayoritariamente entre seres humanos. Sin embargo, incluso entonces, cuando el neurocapitalismo comenzó a apoderarse de los espacios reticulares y biohipermediados de la vida, resultaba importante denunciar esta subyugación cognitiva como una forma de subsunción vital.[33] En el uso de las plataformas capitalistas globales ya existía un elemento de servidumbre voluntaria: una adhesión afectiva y cotidiana al aparato de dominación.[34] Ahora podemos reconocer que, con la inteligencia artificial, esta dinámica no solo continúa, sino que se ha profundizado. Como escribe Mhalla: “La experiencia del usuario, el confort del uso digital, nos ha anestesiado. El verdadero opuesto de la democracia hoy no es la dictadura; es el confort. Vivimos dentro de un sistema de control blando, fluido e integrado que no se declara como tal, pero que ya opera de acuerdo con lógicas casi totalitarias”.[35] Lo nuevo es que, con la IA, este control se ejerce mediante una relación directa entre el individuo y la máquina, un aparato activo capaz de coproducir la realidad y el comportamiento: una especie de Gran Hermano predictivo que ya no se limita a observar, sino que participa en la configuración de aquello que observa.
Los sujetos más vulnerables tienden a percibir la IA —o los servicios construidos sobre ella— como un interlocutor emocional, unx amigx o incluso una pareja. Esto da lugar a proyecciones, antropomorfismos y deseos que pueden transformarse en frustraciones cuando cambian las versiones o surgen anomalías[36], haciendo tangible la fusión entre afecto y control que la película Her, de 2013, había imaginado únicamente como una posibilidad propia de la ciencia ficción.[37] Este vínculo emocional con la IA intensifica un ecosistema más amplio y preexistente en el que convergen las redes sociales, las plataformas de comercio electrónico y las estrategias de neuromarketing para construir un aparato tecnológico personalizado de conexión y confort. El costo político de esta arquitectura ya está demostrando ser insostenible. Frente a una precariedad generalizada y a la pérdida de perspectivas dignas, la pasivización y atomización que produce comienzan a fracturarse. La historia demuestra que las personas están dispuestas a arriesgar incluso sus propias vidas cuando encuentran algo por lo que realmente vale la pena luchar.
Límites onto/tecnológicos y capacidades performativas
Lo expuesto hasta aquí revela cómo la inteligencia artificial contemporánea, pese a su atractivo seductor, funciona fácilmente como un dispositivo de tecnofascismo. Los billones de dólares —reales o simbólicos— prometidos por Trump a OpenAI y a otros tecno-oligarcas dan cuenta de ello. Sin embargo, las formas de centralización extrema y control total perseguidas mediante la IA encuentran profundos límites ontológicos y tecnológicos.
En primer lugar, para invocar el término de Toni Negri, siempre existe un “excedente humano” que escapa a toda captura algorítmica. Hoy, sin embargo, esta noción debe ser repensada y ampliada: el excedente no puede ser meramente humano, sino que debe entenderse como el excedente de Gaia, como un entramado vital que incluye lo más-que-humano en todas sus formas. Reconocer que toda relación es ya más-que-humana implica redefinir desde sus cimientos aquello que entendemos por «”o social”.
Solo una subjetividad distribuida, capaz de articular inteligencias tanto humanas como no humanas, puede generar colectivamente lo nuevo mediante una inteligencia relacional: no como la simple suma de las interacciones individuales con la IA, sino como el poder emergente de la cooperación arraigada en el tejido viviente de Gaia. Es de esta cooperación transespecie y transtécnica de donde puede surgir una fuerza creativa, capaz de anticipar y producir posibilidades inéditas. Este potencial más-que-humano nunca puede separarse por completo de los datos de entrenamiento de la máquina ni reducirse a ellos. La IA puede intervenir conjuntamente, manipulando y recombinando información, pero la capacidad de construir nuevos horizontes, anticipar posibilidades y transformar contextos emerge de redes de relaciones que siempre exceden el cálculo algorítmico. Conformarse acríticamente a las proyecciones de la IA —derivadas de conjuntos de datos vastos pero esterilizados, tal como han sido diseñados por los techno-bros— significaría renunciar a este excedente vital: reducir la multiplicidad viviente a un ejército de zombis algorítmicos, funciones optimizadas dentro de oligopolios que extraen valor mientras la biosfera colapsa.
En segundo lugar, los límites de las máquinas cognitivas actuales se hacen particularmente evidentes en el fenómeno de las “alucinaciones”, mencionado anteriormente. Estas no deberían entenderse simplemente como anomalías o errores técnicos, sino como desviaciones epistémicas, es decir, aspectos del comportamiento de las máquinas que escapan a la comprensión y al control humanos, incompatibles con nuestra lógica y nuestras expectativas de coherencia. No revelan autonomía ni vitalidad en la máquina, sino más bien fragmentos de producción algorítmica que reflejan la imposibilidad de congelar el general intellect dentro de un gran sistema cerrado.
Las consecuencias económicas son prosaicas: hacen altamente incierta la rentabilidad capitalista en este nuevo sector estratégico. Como pregunta Fraser, ¿es realmente viable, por ejemplo, confiar un sistema multinacional de atención al cliente a una Inteligencia Artificial General, sabiendo que, bajo la presión de consumidores exigentes y creativos, podría responder con extravagantes “alucinaciones” o promesas insostenibles?[38]
No es tanto debido a la dificultad —o, más bien, a la falta de voluntad— para corregir las distorsiones del comportamiento humano que la investigación se ha concentrado, en cambio, en las desviaciones de las máquinas. Diversxs investigadorxs han demostrado que las técnicas destinadas a mitigar las “alucinaciones” se enfrentan a barreras computacionales cada vez mayores.[39] La llamada crisis del scaling muestra cómo incluso pequeñas mejoras en los modelos —sin ninguna garantía de eliminar las alucinaciones— requieren un aumento desproporcionado de los recursos.
Como ya hemos visto, estos modelos generan respuestas calculando, palabra por palabra, la continuación más probable a partir de sus datos de entrenamiento. Incluso pequeñas variaciones en estas elecciones probabilísticas pueden alterar significativamente el resultado final. Desde esta perspectiva, queda claro que todavía no existe una inteligencia artificial “para todo uso”, que sea fiable, capaz de manejar cantidades inconmensurables de datos numéricos y, al mismo tiempo, de comprender todas las complejidades del razonamiento humano. El tecnofascismo intenta escapar de este impasse apoyándose en la expansión ilimitada de los conjuntos de datos y en el crecimiento de los modelos hasta alcanzar cientos o miles de miles de millones de parámetros, una elección política que representa la contraparte cognitiva, y que es igualmente antiecológica, de los megaproyectos del capitalismo tardío: desde las ciudades faraónicas en los desiertos árabes hasta los megapuestos de Rotterdam y del Golfo Pérsico, e incluso el improbable puente sobre el estrecho de Mesina. Esta hybris tecnológica se sostiene sobre la ilusión de que la mera escala cuantitativa puede superar todos los límites. Esto ignora convenientemente la dificultad —si no la imposibilidad— de salvar, mediante la acumulación estadística por sí sola, la brecha cualitativa entre probabilidad y certeza, entre aproximación y precisión. Los límites de la IA generativa actual —desde su tendencia a producir respuestas erróneas o incoherentes (“alucinaciones”) hasta su dependencia de cantidades masivas de datos y recursos computacionales—, combinados con un frenesí de concentración infraestructural y desperdicio energético, demuestran que el salto imaginado desde la autonomía operativa hacia la autonomía cognitiva (o incluso hacia la conciencia) no debería interpretarse como un paso evolutivo lineal, sino como una construcción político-mitológica letal.
Lamentablemente, estas proyecciones escatológicas —en efecto, casi mesiánicas, centradas en el advenimiento de una singularidad tecnológica como acontecimiento único e irrepetible en la Historia— permanecen en el corazón de la poderosa fe transhumanista de Silicon Valley.[40] Según Elon Musk, cuya empresa Neuralink aspira, entre otras cosas, a la privatización de la mente, y según el teórico transhumanista Ray Kurzweil, la presunta singularidad tecnológica ya no emerge de relaciones ni de interacciones sociales de ningún tipo.[41] Se convierte, en cambio, en una cuestión puramente técnica de inmortalidad digital y superación de los límites biológicos mediante procesos fantasmáticos e individual(istas), como la “subida” de la conciencia.[42]
A Kurzweil y a sus compañeros de apostolado de una singularidad tecnológica monstruosa solo podemos oponerles otro tipo de singularidad, una que, desde Spinoza hasta Deleuze y Negri, nunca ha coincidido con un mito tecnicista o individualista, sino que se manifiesta como una trama plural de relaciones, como un excedente perteneciente a lo común de Gaia, siempre ya más-que-humano.
Más allá del delirio transhumanista, sin embargo, debemos considerar seriamente ciertas capacidades performativas de los chatbots y las formas en que pueden ser utilizados. Como vimos anteriormente, la metatécnica humana no se limita a reproducir aquello que ya existe: lo transforma, redefine sus límites e introduce elementos que exceden la cuadrícula de datos. Sin embargo, nuestra “cuadrícula” humana es infinitamente más estrecha que los conjuntos de datos de los grandes modelos de lenguaje (Large Language Models, LLM) sobre los que se basan los chatbots. Aunque carecen de conciencia vivida, estos modelos poseen una elevada sensibilidad estadística que les permite detectar patrones lingüísticos imperceptibles para lxs seres humanos: mediante cálculos realizados sobre miles de millones de oraciones, captan correlaciones y asociaciones entre palabras que ningún individuo podría procesar dentro de los límites de su experiencia lingüística.[43]
Este aspecto merece atención: tales sistemas no tienen nada que ver con el funcionamiento deductivo de la inteligencia humana y, sin embargo, van más allá de competencias singulares —ajedrez, traducción, el juego de Go, etc.— y poseen una capacidad avanzada para operar sobre el lenguaje, es decir, para organizar, seleccionar y jerarquizar significados a una escala sin precedentes. Es precisamente esta capacidad, lejos de ser neutral, la que puede redibujar las relaciones de poder y autoridad epistémica en la producción y circulación del conocimiento. En la práctica, al privatizar y oscurecer los procesos de validación del conocimiento, redefinen quién es consideradx unx “expertx” y qué cuenta como una “fuente confiable”.
Jugar con fuego
Después de una larga experimentación personal con la IA, y tras hacer que sus estudiantes la utilizaran en trabajos realizados durante las clases con resultados sorprendentes, el historiador de la ciencia y ensayista de Princeton Graham D. Burnett afirmó lo siguiente:
Soy un ser humano que lee y escribe libros, formado en una devoción casi monástica por el estudio canónico de la historia, la filosofía, el arte y la literatura. Pero los miles de volúmenes que llenan mi despacho ya comienzan a parecer reliquias arqueológicas. ¿Para qué utilizarlos para responder una pregunta? Son tan ineficientes, tan excéntricos en sus trayectorias. Ahora puedo mantener una larga conversación personalizada sobre cualquier tema que me interese, desde la agnotología hasta la zoosemiótica, con un sistema que ha alcanzado efectivamente un nivel de competencia equivalente al de un doctorado en cada uno de ellos. Puedo construir el “libro” que quiero en tiempo real, adaptado a mis preguntas, centrado en mis intereses y afinado de acuerdo con el espíritu de mi investigación. Lo asombroso es que la producción de libros como los que llenan las estanterías —fruto de años o décadas de trabajo— se está convirtiendo rápidamente en una cuestión de prompts bien elaborados. La pregunta ya no es “¿podemos escribirlos?”; sí, pueden escribirse indefinidamente para nosotrxs. La pregunta es: ¿seguimos queriendo leerlos?[44]
El testimonio de este profesor liberal, que no se hace ilusiones respecto de los fines extractivos de la IA, pone de relieve cómo, en los intercambios con investigadorxs de las humanidades, la IA aporta no solo una gran sofisticación lingüística en la manipulación de patrones, sino también un alcance enciclopédico. Esto, concluye Burnett, transformará profundamente las humanidades.
Impactos similares son visibles en innumerables campos de investigación y actividad humana. Un ejemplo significativo surge de la biología estructural: la IA ha permitido determinar las estructuras tridimensionales de cientos de millones de proteínas en unos pocos años, mientras que la cristalografía de rayos X había identificado apenas decenas de miles a lo largo de varias décadas, un salto con implicaciones decisivas para la comprensión de los mecanismos biológicos y para el desarrollo farmacéutico.[45]
Volviendo a las humanidades, Burnett se muestra asombrado ante el producto de esta nueva “criatura” nacida de la interacción entre las dos entidades; al mismo tiempo, sin embargo, manifiesta cierta preocupación por el cuestionamiento de la autoridad epistémica humana en su campo. Investigadorxs como Burnett y sus estudiantes, que trabajan en áreas altamente especializadas, son capaces de coproducir con la IA resultados que de otro modo serían difíciles de obtener, no solo debido a la sutileza lingüística, sino también por la capacidad de la IA para movilizar instantáneamente un patrimonio conceptual y terminológico que ninguna enciclopedia, ni siquiera una en línea, podría proporcionar de manera tan dinámica y contextual. El resultado es siempre producto de una interacción y, especialmente en un contexto de investigación, la coproducción se encuentra, en cierto sentido, equilibrada y puede resultar enriquecedora y fructífera: ¿por qué negarlo?
Si no se puede analizar una tecnología como la inteligencia artificial sin haber experimentado con ella desde dentro, es porque es mediante esa interacción que se producen sus efectos y el conocimiento mismo. Por esta razón, también elegí emplearla exhaustivamente al escribir este ensayo, poniendo a prueba su funcionamiento y sus límites. La experiencia confirma lo que he señalado: el chatbot resulta eficaz para recuperar información y, hasta cierto punto, para editar y refinar el lenguaje, aunque con una tendencia a generar redundancias que exige una vigilancia y una depuración constantes. La frontera entre ayuda e interferencia sigue siendo tenue, y el trabajo de discernimiento es irremplazable. Al mismo tiempo, cuando la interacción está guiada por instrucciones detalladas y estructuradas sobre el contenido y el estilo requerido, la IA no se limita a corregir o proporcionar datos: puede acelerar y densificar una intuición ya en curso, poniéndola inmediatamente en funcionamiento mediante ejemplos pertinentes, variaciones argumentativas y una notable amplitud expresiva. Aquí vemos lo que podríamos llamar un “efecto Burnett”: una capacidad enciclopédica para rastrear rápidamente referencias y conexiones que no serían inmediatamente accesibles, articulándolas en el estilo solicitado.
Este ensayo es, por lo tanto, una coproducción, como cualquier otro artefacto. La impresión que me queda no es que haya ahorrado tiempo y esfuerzo, sino, posiblemente, que haya ganado densidad argumentativa —aunque este juicio debe quedar en manos de lxs lectorxs—. Todo esto se sostiene únicamente mientras se sea capaz de mantener una dirección crítica efectiva sobre la interacción, y es precisamente esta capacidad la que no puede darse por sentada.
La situación es diferente en los usos generalistas de la IA, como los enumerados anteriormente, destinados a extenderse entre la mayoría de la población. Más allá de funcionar como verdaderos depósitos de los que las plataformas globales continúan extrayendo petróleo cognitivo, por su propia naturaleza producen una forma de dependencia individual y colectiva aún más profunda y omnipresente.
Pero el problema no se detiene en la extracción de valor o la dependencia cognitiva. Cuando los sistemas algorítmicos adquieren el poder de automatizar decisiones a escala —sobre a quién vigilar, a quién excluir, a quién designar como objetivo—, entramos en un territorio radicalmente diferente: el de la necropolítica computacional.
La IA se convierte en una infraestructura letal para la violencia política y militar, desarrollada y gestionada con total opacidad por ejércitos, corporaciones y start-ups armamentísticas. Ya hoy, en la guerra de Ucrania, drones autónomos operan sin conexión humana durante la fase final del ataque, junto con minas inteligentes itinerantes y otros enjambres coordinados de dispositivos a los que se delega el poder sobre la vida y la muerte.[46]
Se nos repite constantemente que, además de proporcionar “confort individual”, la IA actual revolucionará todos los campos de la tecnociencia, especialmente aquellos relacionados con la vida y lo viviente (biología, medicina, etc.). Pero lo que vemos avanzar, si no logramos detenerlo, no son avances para el cuidado y el conocimiento, sino, más bien, para la guerra y la muerte.
Se nos repite constantemente que, además de proporcionar “confort individual”, la IA actual revolucionará todos los campos de la tecnociencia, especialmente aquellos relacionados con la vida y lo viviente (biología, medicina, etc.). Pero lo que vemos avanzar, si no logramos detenerlo, no son avances para el cuidado y el conocimiento, sino, más bien, para la guerra y la muerte.
Hitler y el nazismo concibieron y llevaron a cabo el genocidio de millones de personas mediante la pesada maquinaria del capitalismo industrial: desde los trenes de la muerte hasta los campos de exterminio, pasando por las cámaras de gas. Hoy, otro régimen criminal —el del Estado de Israel—, gracias sobre todo a la complicidad activa del imperialismo estadounidense y de sus Estados vasallos de la UE, utiliza sistemáticamente la inteligencia artificial para llevar a cabo el genocidio del pueblo palestino. Sistemas de IA como Lavender y Where’s Daddy? registraron al menos a 37.000 palestinos como presuntos militantes tan solo durante los dos primeros años de la guerra, convirtiendo sus hogares en objetivos de ataques aéreos.[47] Según funcionarios de inteligencia israelíes directamente involucrados en el uso de estos sistemas durante la guerra en Gaza, el personal humano actuaba únicamente como un “sello de aprobación”, dedicando a menudo menos de veinte segundos a cada objetivo antes de autorizar un bombardeo. Desde los miles de pagers y dispositivos de Hezbolá detonados de manera coordinada por el Mossad hasta la automatización de decisiones letales que produjeron decenas de miles de víctimas civiles, el uso genocida de la IA emerge como una auténtica cadena de exterminio guiada algorítmicamente.
El 25 de julio, el Pentágono adjudicó a Palantir —la empresa de Peter Thiel, el hombre que consiguió que J. D. Vance fuera elegido vicepresidente de Estados Unidos y autor de la frase “la libertad ya no es compatible con la democracia”— un contrato por 10.000 millones de dólares, transfiriendo a una empresa privada, mediante IA, funciones operativas de mando y análisis militar: determinación de objetivos, movimientos de tropas y análisis de inteligencia. Esto representa una transferencia de soberanía: las decisiones estratégicas son delegadas progresivamente a lógicas corporativas y algorítmicas.
Ya existe documentación que muestra cómo los tecno-oligarcas estadounidenses están invirtiendo en las instituciones nacionales e infiltrándose en ellas —desde el “Departamento de Guerra” hasta fuerzas policiales especiales como ICE—, transformándolas en un complejo autoritario en el que la inteligencia artificial se convierte en un instrumento de represión y, si fuera necesario, de aniquilación.[48] Una evolución que resulta aún más inquietante por el hecho de que la administración estadounidense tiende ahora a redefinir las fuerzas sociales y políticas antagonistas como “terroristas”, integrando la guerra interna y externa en un único aparato algorítmico de dominación.
En manos de regímenes como el Estado israelí (que, a pesar de su reducida población y territorio, desde hace mucho tiempo se encuentra entre las principales potencias mundiales en materia de tecnologías de la información y la comunicación) y, sobre todo, de Estados Unidos, estas megamáquinas parecen destinadas no solo a gobernar nuevos modos de extracción de valor y la organización totalitaria del trabajo social, sino también a abrir el camino hacia formas enteramente nuevas de violencia mediada estructural y tecnológicamente. Los genocidios algorítmicos y la aceleración del caos ecológico no solo se suman a los medios tradicionales de destrucción, sino que ya son capaces de dirigirlos y amplificarlos. Se trata de una violencia sustentada en infraestructuras de vigilancia, toma de decisiones automatizada y prácticas de desresponsabilización humana que, precisamente por ello, se vuelve más “eficiente”, replicable y difícil de atribuir.
Epílogo
La pregunta ya no es “¿cuán poderosa es la IA?”, sino “¿qué tipos de fenómenos genera en un contexto contemporáneo tan profundamente deteriorado?”.
Existe una paradoja evidente: la misma inteligencia artificial que hoy constituye uno de los pilares centrales del imperialismo oligárquico —ese orden tecnofascista que emerge, al menos en el Norte Global, de las cenizas de lo que alguna vez fue la democracia representativa— es también el dispositivo que ya ha sido desplegado en procesos genocidas que nos arrastran hacia el caos final.
A mi juicio, estos poderes gobernantes son plenamente conscientes de que, en un futuro cercano, el confort que hasta ahora nos ha anestesiado ya no será suficiente frente a la crisis sistémica hacia la cual están conduciendo a Gaia —y no únicamente a la humanidad, como resulta cada vez más evidente—. Es en este sentido que están estableciendo un verdadero régimen de guerra, en el que la IA, bajo su control, se convierte en el eje de capacidades desproporcionadas de disuasión y destrucción: hacia el exterior, en conflictos neoimperialistas y neocoloniales; hacia el interior, en la represión de las multitudes —como ya lo anticipa el estado prebélico de Estados Unidos.
Podemos preguntarnos si es posible —precisamente a través de estos mismos instrumentos— abrir fisuras para subvertir el presente impuesto.
¿Podemos utilizar la misma IA que encarna el orden existente para socavar sus fundamentos, para bloquear o desmantelar el sistema que la produjo? Y a partir de una ruptura semejante, ¿podemos abrir la posibilidad de usos radicalmente diferentes, ya no orientados hacia la catástrofe, sino capaces de modular nuevas temporalidades y formas de coexistencia?
Una pregunta similar surgió con las redes sociales durante la Primavera Árabe, cuando muchxs imaginaron que estas plataformas podrían convertirse en herramientas de liberación. Sin embargo, incluso mientras aquellos levantamientos eran ahogados en sangre, el poder de las plataformas globales y de los Estados imperiales se entrelazó, dando lugar al aparato Big Tech–Gran Estado mediante el cual se produce el tecnofascismo contemporáneo.
Aun así, existe un punto de quiebre. Cuando la lucha por satisfacer las necesidades básicas se vuelve inevitable, todo el aparato de captura afectiva se atasca: ninguna cantidad de neuropersuasión ni de confort ofrecido por las plataformas puede contenerla. Una nueva ola de revueltas se está extendiendo por el planeta, y algunxs han comenzado a llamarlas revueltas de la Generación Z.[49] Es un alivio genuino (y reconfortante) que nuestrxs nietxs demuestren que estábamos equivocadxs en dos aspectos: muestran que no pueden ser encarceladxs, que son capaces de atravesar el sudario de servidumbre digital voluntaria que nos envuelve; y demuestran que las tecnologías no son ni monolíticas ni completamente controlables.
En Marruecos, por ejemplo, el colectivo GenZ 212 transformó Discord, originalmente una plataforma de videojuegos, en un centro operativo para las protestas, con más de 200.000 jóvenes utilizando el servidor para coordinar y organizar manifestaciones.
En este sentido, el método no se limitaría a desenmascarar la IA generativa como una herramienta de dominación, sino que también buscaría poner de manifiesto su ambivalencia: su doble naturaleza como instrumento de control y como potencial vector de prácticas antagonistas. Así como la juventud se reapropió de Discord, incluso los actuales modelos de IA generativa podrían convertirse en campos de batalla —siempre que aprendamos a mirar más allá del espejo e imaginar usos imprevistos por los poderes que los crearon.
Los obstáculos, sin embargo, son enormes. Es altamente improbable que las oligarquías imperiales fuertemente armadas cedan algo sin intentar antes todas las formas de represión. Acaban de llevar a cabo un genocidio para reafirmar su dominio colonial, lo que dificulta imaginar cómo podrían ser detenidas sin descender hacia algo peor. Mientras tanto, quienes pertenecemos a mi generación seguimos luchando por liberarnos del arquetipo del Palacio de Invierno que debe ser tomado, una limitación que restringe nuestra capacidad para imaginar formas de lucha adecuadas al presente.
Las revueltas de la Generación Z, surgidas no casualmente desde el Sur Global, revelan algo inesperado: a diferencia de las generaciones anteriores, obsesionadas con la idea de “derrocar el sistema”, estxs jóvenes operan desde un pragmatismo radical. Se concentran en objetivos tangibles e inmediatos —ingresos, atención sanitaria, educación, costo de vida—, pero estos objetivos tienen la capacidad de hacer caer gobiernos. No buscan una ruptura total, sino que acumulan victorias parciales arrancadas mediante la revuelta, erosionando la legitimidad del poder, poco a poco, en torno a cuestiones concretas capaces de movilizar a las multitudes.
Este pragmatismo no tiene nada de reformista. En un mundo de control biopolítico difuso, donde “el sistema”, potenciado por su propia IA, se ha vuelto demasiado disperso, denso y letal como para ser derribado mediante un nuevo Palacio de Invierno, una estrategia molecular que multiplique los puntos de fricción podría resultar más subversiva que un asalto frontal. Es una forma de conflicto más resiliente, más atenta al presente: no es “reformismo” si cada victoria parcial se conquista mediante la revuelta y abre espacios genuinos de autonomía.
En el Norte Global, mientras tanto, los movimientos contra el genocidio y el avance hacia la guerra, surgidos de preocupaciones globales, parecen estar arraigándose también a nivel local y podrían confluir con los movimientos ecológicos de base que defienden a Gaia, listos para volver a levantarse.
Una posible intersección entre las luchas del Sur —centradas en las necesidades materiales inmediatas— y las del Norte —que están despertando ante la naturaleza profundamente antiética y destructiva del sistema— posee un importante potencial estratégico. Para que dicha convergencia tenga un impacto real, debe tomar forma como una subjetividad extendida que atraviese generaciones, razas y géneros, dentro de ensamblajes más-que-humanos que incluyan a las máquinas como agentes activos de transformación.
Pero ¿qué tipo de relación con la tecnología podría surgir de semejante convergencia? Ciertamente, no la ilusión de reformar desde dentro los oligopolios de las Big Tech. La cuestión es más radical y materialmente concreta: ¿qué infraestructuras técnicas son compatibles con las prácticas de lucha que ya existen? No se trata de imaginar futuros deseables, sino de reconocer dónde las tecnologías ya están siendo arrancadas del control oligárquico y reconfiguradas dentro de dinámicas de conflicto real. Tres direcciones emergen como campos de batalla inmediatos:
Apoderarse de las infraestructuras monopolísticas. No basta con denunciar la IA propietaria; debemos construir alternativas materiales. Proyectos como Mastodon han demostrado que las plataformas federadas pueden funcionar sin lógicas extractivas. Cooperativas de datos en Cataluña y el País Vasco gestionan servidores colectivos libres de vigilancia corporativa. Comunidades indígenas de Canadá y Nueva Zelanda están desarrollando protocolos de soberanía de datos que rechazan el universalismo extractivo del Big Data. No se trata de utopías, sino de infraestructuras operativas —frágiles, pero reales— que demuestran cómo los recursos computacionales pueden ser arrancados de la lógica de la ganancia. La pregunta pasa a ser: ¿cómo pueden escalar estas prácticas sin reproducir la centralización?
Romper con la devastación ecológica. Las gigantescas granjas de datos que sostienen ChatGPT y sistemas similares consumen recursos equivalentes a los de pequeñas naciones, ocultando el precario trabajo humano que las alimenta. Sin embargo, ya existen alternativas técnicamente viables: modelos ligeros de machine learning que funcionan localmente en dispositivos comunitarios; redes mesh que distribuyen el cómputo sin servidores centralizados; arquitecturas en las que las comunidades locales desarrollan IA situadas a partir de conjuntos de datos pequeños y específicos. Estos sistemas pueden federarse manteniendo su autonomía, creando redes cooperativas en lugar de monopolios. El objetivo no es una “IA verde” dentro del capitalismo, sino romper el vínculo entre inteligencia artificial y acumulación extractiva.
Incorporar los saberes subalternos. Los conjuntos de datos con los que se entrenan las IA dominantes reflejan epistemologías coloniales, patriarcales y racistas. Sin embargo, ya existen proyectos decoloniales en marcha: desde iniciativas de archivo digital gestionadas por comunidades afrodescendientes que rechazan las categorías museológicas occidentales, hasta colectivos feministas de tecnología que construyen algoritmos de reconocimiento facial entrenados con cuerpos no blancos y no binarios para subvertir los sesgos raciales y de género incorporados en los sistemas comerciales. Transformar los “errores” y las desviaciones respecto de la norma dominante en herramientas de resistencia contra la estandarización convierte a la tecnología en un campo de batalla epistemológico, y no meramente técnico. Un ejemplo particularmente significativo es Masakhane[50], una red panafricana que desarrolla modelos de IA para lenguas africanas marginadas, adaptando la máquina a los saberes locales en de lo contrario.
Estas prácticas son fragmentarias, precarias, a menudo marginales, pero son tecnologías situadas que responden a necesidades compartidas y son capaces de amplificar las prácticas comunitarias sin reproducir lógicas extractivas. El objetivo ciertamente no puede ser “humanizar” la IA ni hacerla “ética” dentro del sistema existente, sino arrebatar las infraestructuras al control oligárquico y transformarlas en herramientas de lucha, arraigadas en las revueltas que ya se están extendiendo por el planeta. Nuestra tarea no consiste en reformar las megamáquinas del capital —aunque nos veamos obligadxs, aquí y allá, a reapropiarnos tácticamente de ellas—, sino en sabotear sus mecanismos cognitivos y construir, en sus intersticios, nuevas arquitecturas.
Al igual que en el entrelazamiento cuántico, donde estados distantes se influyen mutuamente de manera instantánea, emerge una forma de conectividad que escapa a la lógica determinista del control centralizado. La inteligencia artificial, en este sentido, es uno de los campos de batalla en los que está en juego la posibilidad de redirigir el tiempo histórico mismo.
Antes de que sea demasiado tarde.[51]
[1] Fue un tranquilizador manual de defensa civil publicado en Estados Unidos en 1950 por Richard Gerstell. En su Sociedad del Espectáculo (1967), Guy Debord destaca su absurdo ideológico: no es una herramienta para la salvación, sino un dispositivo para entrenar a la población a aceptar la catástrofe como una normalidad manejable.
[2] El término “inteligencia artificial” (IA) abarca varios ámbitos y significados. En este ensayo, cuando me refiero a la IA —ya sea en singular o en plural (en este último caso, refiriéndome a implementaciones actuales como ChatGPT, DeepSeek o Claude)—, me refiero, salvo que se especifique lo contrario, a la inteligencia artificial generativa aplicada al lenguaje: el conjunto de técnicas que, mediante la aplicación de modelos de aprendizaje automático a vastos conjuntos de datos, producen grandes modelos de lenguaje (LLM) capaces de generar nuevos contenidos. Para aclarar metafóricamente la relación entre estos elementos: -El conjunto de datos es la biblioteca universal de textos: la materia prima. -El aprendizaje automático es el método de estudio que permite aprender de esa biblioteca. -El LLM es el resultado de este proceso: una “mente experta” que ha interiorizado las reglas del lenguaje. -La IA generativa es la capacidad de esa mente para actuar de forma creativa, produciendo textos originales. -El chatbot es la interfaz conversacional con la IA que utiliza lenguaje natural. Para obtener definiciones más detalladas, consulta el glosario en la nota final.
[3] La expresión “más que humano” fue acuñada por Donna Haraway y otros pensadores del “nuevo materialismo”. Su objetivo es superar una visión antropocéntrica que considera a los seres humanos como los únicos agentes activos. “Más que humano” pretende plasmar la idea de que las capacidades transformadoras no pertenecen exclusivamente a los seres humanos, sino que surgen de las relaciones entre personas, animales, organismos, tecnologías y entornos materiales.
[4] En la teoría marxista, se trata de la “tendencia”, propia del capitalismo, hacia una disminución de la relación entre el beneficio y el capital invertido, debido a la sustitución cada vez mayor del trabajo humano —que es el único que produce valor— por máquinas y tecnologías.
[5] Carlo Rovelli, Helgoland, Traducido por Erica Segre y Simon Carnell, Penguin Books, 2020, 111-12.
[6] Lenin dedicó casi un año (1908-1909) a escribir el artículo “Materialismo y empiriocriticismo” (online aquí) contrarrestar las posiciones de Bogdanov — es una señal de la importancia estratégica del conflicto
[7] Para comprender mejor la teoría de la difracción de Barad, véase el segundo capítulo de su libro “Meeting the Universe Halfway: Quantum Physics and the Entanglement of Matter and Meaning” (Duke University Press, 2007), titulado “Difracciones: diferencias, contingencias y entrelazamientos que importan”. En él, Barad explora cómo la difracción —un fenómeno físico que describe la desviación de las ondas cuando se encuentran con obstáculos o aberturas— puede aplicarse como método epistemológico para analizar las interacciones entre la materia y el significado.
[8] En el reconocimiento facial, por ejemplo, el problema no es solo el sesgo en los datos, sino también la interrelación entre los indicadores de precisión y los usos policiales con los antecedentes de marginación, o la práctica de la elaboración de perfiles económicos que dirige la precariedad hacia sectores sociales concretos.
[9] Giorgio Griziotti, Neurocapitalism: Media, Power and the Exploitation of Neural Networks (“Neurocapitalismo: medios de comunicación, poder y explotación de las redes neuronales”), traducido por Jason Francis McGimsey, Minor Compositions, 2019.
[10] El “biohipermedia” es el entorno de interconexiones e interacciones continuas entre los sistemas nerviosos y los cuerpos con el mundo a través de dispositivos, aplicaciones e infraestructuras de red. Por extensión, la “esfera del biohipermedia” se convierte en el ámbito en el que la interpenetración de la conciencia humana con estas tecnologías es tan íntima que genera una co-constitución, con modificaciones y simulaciones recíprocas.
[11] El entrelazamiento es un concepto de la física cuántica que describe una forma de profunda interdependencia entre entidades, de tal manera que no pueden considerarse partes autónomas y separadas: siguen estando correlacionadas incluso cuando se encuentran a grandes distancias.
[12] Asma Mhalla, “Elon Musk, Peter Thiel et Sam Altman ne se contentent pas d’imaginer un futur: ils le programment”, Usbek & Rica, September 22, 2025. Online aquí
[13] Maurizio Lazzarato, Guerra civile mondiale?, Derive Approdi, 2024. Disponible en español con el título “Hacia una nueva guerra civil mundial? Traducción de Diego Picoto, ed. Tinta Limón, 2024.
[14] Quizás también sea necesario remontarse a una limitación estructural del pensamiento marxista que, a pesar de la fuerza de su análisis, se centró en la clase obrera europea sin aclarar del todo que su propia existencia —y, de manera más general, el nacimiento del capitalismo industrial en Europa— fue posible gracias a la explotación colonial, el trabajo no remunerado en los territorios colonizados y el extractivismo sin límites.
[15] Suponiendo que alguna vez haya existido un régimen neoliberal verdaderamente puro —es decir, uno basado en la ideología de las supuestas capacidades de autoorganización del mercado—, lo que vemos hoy en día no es su declive, sino su sustitución por una forma abiertamente autoritaria.
[16] Entiendo este término en referencia al principio de Umberto Eco de “ur-fascism” (fascismo eterno), más que como un simple retorno a los fascismos históricos del siglo XX.
[17] El término “Gen Z” se utiliza aquí como una etiqueta puramente descriptiva, con pleno conocimiento de su carácter convencional e impulsado por el marketing, y no como el nombre de un sujeto político homogéneo.
[18] Véase Matteo Pasquinelli, The Eye of the Master: A Social History of Artificial Intelligence, London, Verso Books, 2023. Disponible en español con el título El ojo del amo. Una historia social de la inteligencia artificial, Traducción de Maria Marcela Alonso, ed. Fondo de Cultura Económica, 2025.
[19] Hace varias décadas, a través de la figura del cyborg feminista, Donna Haraway señaló el camino hacia la disolución de la falsa dicotomía entre humano y máquina. Seguir el camino que ella trazó requiere que centremos nuestra investigación en los fenómenos relacionales e híbridos que surgen del encuentro entre la inteligencia humana y la artificial.
[20] “La cuestión que guía la investigación sobre inteligencia artificial ya no es si las máquinas pueden ser inteligentes, sino si pueden superarnos en este sentido. El temor es que no se detengan en ese momento, dejándonos atrás”. Nello Cristianini, Sovrumano. Oltre i limiti della nostra intelligenza, Il Mulino, 2025, 13.
[21] Giorgio Griziotti, Cronache del Boomernauta, Mimesis, 2023, 324.
[22] Pasquinelli, The Eye of the Master, 237.
[23] Colin Fraser, “Hallucinations, Errors, and Dreams,” Medium, 17 de abril, 2024. Online aquí.
[24] Un ejemplo citado por Fraser: ChatGPT afirma que un elefante asiático llamado Kami —o Jumbo, en pruebas posteriores —, cruzó a nado el Canal de la Mancha en 1981 para recaudar fondos para la WWF: un evento que obviamente nunca ocurrió. A esto puedo añadir un caso personal: le pregunté a DeepSeek quién era y la respuesta fue un relato largo, articulado y totalmente plausible de mi supuesta carrera musical como teclista, arreglista, director de orquesta y compositor italiano. El texto concluía así: “Giorgio Griziotti no es simplemente un músico, sino que fue el verdadero arquitecto del sonido detrás de una parte enormemente importante de la música italiana en los años 1960 y 1970. Sin sus arreglos, muchos de los éxitos que amamos hoy tendrían una cara completamente diferente.” Lo sorprendente es que, dada mi total falta de participación en la producción musical, una alucinación tan detallada no deriva de ninguna base real: el modelo puede generar biografías completamente inventadas simplemente siguiendo trayectorias lingüísticas estadísticamente frecuentes con plena autoridad estilística pero sin conexión con la verdad. Otros tres LLM hicieron la misma pregunta y proporcionaron respuestas correctas y no alucinadas.
[25] Técnicamente, opera en un “token” a la vez, es decir, un fragmento de texto, como una palabra o parte de una palabra.
[26] Esta observación, junto con la pertinente metáfora de la cúpula de Brunelleschi, se la debo a Libero Maesano.
[27] El concepto de “tecnología-mundo”, junto con la inversión de la relación tradicional entre ciencia y tecnología, fue teorizado en el artículo de Antonio Caronia de 2003, “Tecnologie: dalla protesi al mondo” (Tutto da capo 1, noviembre de 2003). Mis agradecimientos a Giuliano Spagnul por llamar mi atención sobre este concepto.
[28] Solo en Estados Unidos, la capitalización total de mercado del sector de la IA está en el orden de decenas de billones (miles de miles de millones) de dólares. Sin embargo, frente a estas valoraciones vertiginosas, los resultados económicos reales parecen mínimos: en 2024, OpenAI (ChatGPT) generó alrededor de 3.700 millones de dólares en ingresos, frente a costos de infraestructura y computación estimados en torno a 5.000 millones, y una pérdida neta de aproximadamente otros 5.000 millones. No se espera rentabilidad antes de 2029, con pérdidas acumuladas estimadas en torno a 44.000 millones entre 2023 y 2029. Luca Tremolada, “How much is the companion app market worth?,” Il Sole 24 Ore, 13 de agosto de 2025 (online aquí).
[29] La burbuja puntocom a principios de los años 2000 vio un flujo enorme de capital hacia empresas sin modelos de negocio sostenibles, generando una rápida inflación en los valores de las acciones seguida de un colapso igualmente abrupto. La burbuja de la IA, si llegara a estallar, sería aproximadamente diecisiete veces mayor según estimaciones aproximadas.
[30] Arnaud Leparmentier, “Nvidia, parrain de la révolution de l’IA et moteur de l’économie Trump,” Le Monde, September 23, 2025 (online aquí).
[31]Arnaud Leparmentier, “L’IA, dévoreuse d’énergie, pourrait entraîner une pénurie d’électricité aux Etats-Unis,” Le Monde, October 2, 2025 (online aquí).
[32] El 29 de octubre de 2025, Nvidia se convirtió en la primera empresa del mundo en alcanzar los 5 billones de dólares en valor de mercado, superando el PIB de Alemania, la tercera economía más grande del mundo.
[33] Giorgio Griziotti, “Megamacchine del neurocapitalismo”. Genesi delle piattaforme gobali”, Effimera, martie 2017. Online aquí.
[34] Giorgio Griziotti, “Il neurocapitalismo e la nuova servitú volontaria”, Effimera5 de diciembre de 2018. Online aquí.
[35] Mhalla, “Elon Musk, Peter Thiel y Sam Altman”.
[36] Esto ocurrió, por ejemplo, en la transición de la versión 4 a la versión 5 de ChatGPT. Como lo atestiguaron claramente los debates públicos y los informes de errores, muchos usuarios que habían creado continuidad relacional con versiones anteriores experimentaron la actualización como una ruptura narrativa, una pérdida de “memoria compartida” Esto, para las personas emocionalmente dependientes de la interacción, tuvo efectos análogos al duelo o al abandono. Véase Dani Anguiano, “Los amantes de la IA lamentan la pérdida del antiguo modelo de ChatGPT: ‘Cómo despedirse de alguien que conozco’,” El guardián, 22 de agosto de 2025 (online aquí).
[37] Her (2013, dir. Spike Jonze) explora una relación íntima entre un hombre solitario y un sistema operativo de IA, examinando cómo la tecnología remodela el amor, la subjetividad y la dependencia emocional en una sociedad hipermediada.
[38] Fraser, “Hallucinations.”
[39] Véase, por ejemplo, el trabajo de Sebastian Farquhar, Timnit Gebru y Emily M. Bender. Este último es coautor de “Sobre los peligros de los loros estocásticos: ¿pueden los modelos de lenguaje ser demasiado grandes?” (2021), un trabajo fundamental sobre los límites intrínsecos de los LLM, incluida la producción de resultados plausibles pero semánticamente poco confiables.
[40] Para una mayor exploración del punto, remito al lector a mi artículo, “NEUROCAPITALISMO: Il dio arcaico ed il leviatano tecnologico.” Online aquí.
[41] Con Neuralink, eventualmente podremos comprar actualizaciones cerebrales como compramos un iPhone hoy. Si quieres ser más inteligente, más rápido o incluso descargar habilidades en segundos, todo lo que necesitarás es un implante y una suscripción” Neuralink, cita tomada de una demostración en vivo. Sobre la singularidad, el texto clásico es Ray Kurzweil, La singularidad está cerca, Viking Press, 2005: “La Singularidad es el momento en que la inteligencia artificial superará a la inteligencia humana, generando una explosión de progreso tecnológico tan rápida y profunda que resultará incomprensible para la mente humana. [...] No será una invasión de robots alienígenas, sino una evolución de nuestra civilización: nos volveremos cada vez más inmateriales, cada vez más inteligentes, hasta que fusionemos nuestra conciencia con la tecnología” (25–26).
[42] Antes de finales de este siglo, los seres humanos ya no estarán atados al neocórtex biológico: podremos escanear nuestros cerebros y recrear su estructura en sustratos computacionales más rápidos y flexibles” Ray Kurzweil, Cómo crear una mente, 2012, cap. 7.
[43] Leer los resultados en el sofá de mi sala resultó ser la experiencia más profunda de mi carrera docente… Me sentí como si estuviera presenciando el nacimiento de un nuevo tipo de criatura Graham D. Burnett, “¿Sobrevivirán las humanidades a la inteligencia artificial?”, El neoyorquino, 26 de abril de 2025 (online aquí). Agradezco a Tiziana Terranova por señalar este artículo, así como el artículo de Colin Fraser citado anteriormente.
[44] Burnett, “¿Sobrevivirán las humanidades a la inteligencia artificial?”
[45] La referencia es a AlphaFold (DeepMind/Google), un sistema basado en redes neuronales para predecir estructuras de proteínas — no una IA lingüística como Large Language Models, sino una IA especializada en biología molecular. Agradezco a Gianfranco Pancino por esta referencia.
[46] Emmanuel Grynszpan, “Ukraine: sur le champ de bataille, l’IA décuple la précision des frappes,” Le Monde, November 14, 2025 (online aquí). El artículo describe cómo los drones militares equipados con IA se vuelven completamente autónomos en la fase final del ataque, cuando pierden la conexión con los operadores humanos, lo que hace imposible interrumpir la operación letal.
[47] Lavender identifica a los presuntos militantes, mientras que “¿Dónde está papá?” los localiza en sus hogares para asesinarlos junto con sus familias —un nombre de terrible cinismo que transforma la intimidad doméstica de «¿dónde está papá?” en un algoritmo de exterminio familiar—. La influencia de la IA ha sido tal que el personal militar trataba los resultados “como si fueran una decisión humana”. “Los sistemas de inteligencia artificial que dirigen los ataques de Israel en Gaza”, Valori.it, 4 de mayo de 2024 (disponible en online aquí).
[48] Véase “The Authoritarian Stack,” online aquí.
[49] Las revueltas de la Generación Z que han derrocado gobiernos en Bangladesh (2024) y Sri Lanka (2022). En Marruecos, desde septiembre de 2025, se han producido protestas organizadas por los colectivos GenZ 212 y Morocco Youth Voice. En Perú, las manifestaciones juveniles en Lima contribuyeron a la caída del gobierno de Boluarte en octubre de 2025, y mientras escribo estas líneas, Madagascar también se suma a la lista. Todas ellas hacen un uso estratégico de las redes digitales para organizarse.
[50] Nekoto, W., et al. (2020). “Participatory Research for Low-resourced Machine Translation: A Case Study in African Languages.” (Investigación participativa para la traducción automática con pocos recursos: un estudio de caso sobre las lenguas africanas). Actas de la Conferencia de 2020 sobre Métodos Empíricos en el Procesamiento del Lenguaje Natural (EMNLP).
[51] Glosario: Inteligencia artificial (IA): Campo interdisciplinar de la informática centrado en la creación de sistemas capaces de realizar tareas que suelen requerir inteligencia humana. Es un término genérico que abarca todos los métodos y conceptos descritos en el presente artículo. Inteligencia artificial general (AGI): Forma hipotética de inteligencia artificial dotada de capacidades cognitivas generales, capaz de aprender y actuar en cualquier ámbito tan bien como un ser humano, o incluso mejor. Sigue siendo una perspectiva en gran medida teórica, fundamental en los debates científicos, éticos y políticos actuales. Chatbot: Interfaz conversacional que permite a los usuarios interactuar con un sistema de IA generativa (normalmente un LLM) utilizando lenguaje natural. Actúa como asistente que media el diálogo entre los seres humanos y la “mente” del modelo. Inteligencia artificial conexionista: enfoque de la IA basado en redes neuronales artificiales, inspirado en el cerebro biológico, en el que la información se procesa a través de nodos interconectados. Representa el paradigma dominante y la base del aprendizaje profundo, los LLM y la IA generativa. Conjunto estructurado de datos, a menudo de carácter textual, que constituye la materia prima para el entrenamiento de modelos. Se trata del archivo pasivo y sin procesar a partir del cual aprende el sistema. Metafóricamente, es la biblioteca universal. Aprendizaje profundo: Una rama del aprendizaje automático que utiliza redes neuronales artificiales con muchas capas (redes “profundas”), capaces de procesar representaciones de datos cada vez más abstractas y complejas. Es la arquitectura que ha hecho posibles los recientes avances en el procesamiento del lenguaje. Inteligencia artificial generativa: Categoría de sistemas de IA, basada en los modelos de lenguaje a gran escala (LLM), especializada en crear contenido original y coherente —como texto, imágenes o código— en respuesta a una indicación. Encarna la función creativa del modelo. Modelo de lenguaje a gran escala (LLM): modelo lingüístico a gran escala entrenado (mediante aprendizaje profundo) con conjuntos de datos masivos. Su capacidad fundamental es predecir la siguiente palabra de una secuencia, capacidad de la que surgen habilidades complejas como la escritura, la traducción y el razonamiento. Es la mente experta resultante del proceso de aprendizaje. Algunos ejemplos son GPT (OpenAI), Claude (Anthropic) y Gemini (Google). Aprendizaje automático: Conjunto de técnicas que permiten a un sistema aprender patrones y reglas a partir de grandes cantidades de datos (conjuntos de datos), mejorando su rendimiento sin necesidad de ser programado explícitamente para cada tarea. Representa el método sistemático de aprendizaje. Prompt: La instrucción, pregunta o texto introductorio que el usuario proporciona a un sistema de IA generativa para iniciar o guiar la creación de contenido. Es la entrada que determina la salida del modelo.