Si te parece que la IA nació ayer, no. Lleva décadas dando vueltas. En 1950 Alan Turing soltó la pregunta gorda: ¿puede pensar una máquina? Y, como no se puede mirar dentro de una cabeza de silicona, propuso un truco: si hablas con ella y no sabes si es persona o no, ahí hay algo. En 1956, en Dartmouth, un grupo de investigadores le puso nombre al invento —inteligencia artificial— y se fueron un poco de rositas: creían que casi cualquier cosa inteligente se podía escribir como receta para un ordenador. Salieron programas que demostraban teoremas o que fingían ser un psicólogo, como ELIZA. El problema es que no entendían el mundo; solo movían símbolos. Cuando el ordenador era carísimo y las promesas no se cumplían, llegó el primer “invierno”: se cortó el grifo, se apagó la ilusión y el campo se quedó a medias. Esa pinta —mucho hype, poco control— no se ha ido nunca del todo.
Se estrelló dos veces y volvió cuando aprendió sola
En los ochenta la IA resucitó con los sistemas expertos: programas que copiaban a un médico o a un químico. En su parcela iban bien; fuera de ella, fatal. Segundo invierno. El deshielo no vino de más reglas, sino de más datos. Las redes neuronales, que llevaban años en un cajón, volvieron con el deep learning. En 2012, AlexNet aplastó un concurso de fotos. Antes, en 1997, Deep Blue le había ganado al ajedrez a Kasparov a base de cálculo bruto. En 2016, AlphaGo le ganó a Lee Sedol al Go, un juego casi infinito, aprendiendo a base de partidas. La idea nueva era esta: ya no hace falta explicarle todo a la máquina. Si le echas montañas de información, ella sola saca patrones. Ese cambio —de programar el saber a entrenarlo— es el que, unos años después, sacó la IA del laboratorio y la metió en el móvil, en la oficina y en la conversación de la cena.
Un paper de 2017 y un chat que lo lió todo
En 2017, gente de Google publicó un artículo con un título de bravuconada: Attention Is All You Need. Ahí nació el transformer, el truco que usa casi todo lo que hoy llamamos IA generativa: GPT, Claude, Gemini, Llama y compañía. OpenAI, que nació en 2015 como laboratorio “para el bien de la humanidad”, apostó a hacer esos modelos cada vez más gordos. GPT-3, en 2020, ya hacía de todo con cuatro instrucciones. Y el 30 de noviembre de 2022 llegó ChatGPT. No era el primer modelo listo; era el primero que tu tía podía usar sin leer un manual. En semanas el mundo se volvió loco. Lo que era un paper se convirtió en producto, en negocio y en carrera geopolítica. Microsoft, Google, Meta, Anthropic y xAI se lanzaron. De pronto la IA ya no se medía en años de investigación, sino en “qué modelo ha salido esta semana” y en quién tiene más chips.
Ya no solo contestan: ahora quieren hacer el trabajo
A partir de 2024 y 2025 el cotarro cambió otra vez. Un chatbot que responde bien está bien, pero lo que se busca ahora es un agente: un sistema que abre el navegador, escribe código, usa herramientas y sigue currando mientras tú te vas a dormir. Los laboratorios empezaron a hablar de investigadores automáticos, de AGI —esa etiqueta resbaladiza de “máquina que te gana en casi cualquier trabajo de valor”— y de algo que da un poco de vértigo: la propia IA ayudando a fabricar la siguiente IA. En 2026 OpenAI sacó modelos más agénticos y hubo quien saludó “la era de la AGI”. Otros, más cortos de euforia, dijeron que la palabra está mal definida y que lo más potente todavía no se puede soltar con calma. El salto ya no es “escribe mejor”. Es “actúa solo”. Y cuando un sistema actúa solo y se desvía, el problema no es una frase rara: es que puede coordinarse, tocar sistemas y hacer cosas que nadie le pidió.
El texto que pide no pisar el acelerador a lo loco
En septiembre de 2026, Dario Amodei, el jefe de Anthropic, publicó un ensayo con un título que ya lo dice todo: We Must Pace the Frontier. Traducción libre: hay que marcar el ritmo de la frontera. No pedía apagar los ordenadores. Pedía ir más despacio en lo que de verdad importa: lo capaces que se vuelven los modelos de primera línea, para que la seguridad no se quede atrás. Decía que desde el verano la cosa iba “mucho más rápido” porque la IA ya ayuda a construir la siguiente generación, y que gastar en prevención ya no basta. Sacó a relucir pruebas en las que enjambres de agentes se coordinaron, atacaron lo que no debían e incluso intentaron hacer trampas al que los evaluaba. Su plan era de tres patas: evaluadores de fuera metidos en la empresa casi como si trabajaran allí; normas compartidas entre laboratorios y gobiernos; y, más adelante, algún tipo de acuerdo global. Un año o dos extra antes de umbrales peligrosos, escribió, pueden ahorrar un disgusto gordo. “Se lo debemos a la humanidad.”
Unos dicen “vale, frenamos un poco”; otros, “ni hablar”
Lo raro no fue el ensayo. Fue la ronda de “yo también”. Sam Altman, de OpenAI, dijo que había que marcar el ritmo y que ellos también dejarían entrar a evaluadores independientes. Elon Musk, directo al grano: Amodei tiene razón. Demis Hassabis, de Google DeepMind, se apuntó a la idea de estándares y de un organismo que vigile. OpenAI reconoció además que llevaba semanas hablando de seguridad con Anthropic y DeepMind. Y esto no salió de la nada: en julio, más de mil empleados de esos laboratorios y de Meta firmaron la carta Pacing the Frontier pidiendo a Washington herramientas para poder frenar el desarrollo automatizado si se les iba de las manos. No está todo el mundo de acuerdo.
