Cuando se pregunta a distintas personas qué entienden por inteligencia artificial, la respuesta más frecuente es un solo nombre: el de un asistente conversacional. Esa simplificación oculta una realidad mucho más heterogénea y, desde una perspectiva estratégica, más difícil de gestionar.

En 2024, el Premio Nobel de Química fue otorgado a los creadores de AlphaFold, un sistema que predice el plegamiento de proteínas y que nunca ha redactado una frase. Al mismo tiempo, flotas de vehículos autónomos interpretan el tráfico en tiempo real en ciudades de Estados Unidos y China, mientras cientos de millones de usuarios utilizan asistentes que redactan, traducen y generan código. Todas estas aplicaciones se agrupan bajo el mismo término, aunque sus fundamentos técnicos sean radicalmente distintos.

Una constelación, no una sola tecnología

Tratar la IA como una entidad única lleva a formular las preguntas equivocadas. La realidad es que abarca modelos de lenguaje, sistemas de visión por computadora, robótica, agentes autónomos y aplicaciones en campos tan dispares como la medicina, las finanzas, la logística y la defensa. Lo que aplica a un modelo de lenguaje no es necesariamente relevante para un dron militar, y lo que funciona para diagnóstico clínico no es transferible a un algoritmo de evaluación crediticia.

Este ecosistema opera además como un sistema que se retroalimenta: cada avance genera nuevas aplicaciones; cada aplicación produce datos que alimentan modelos adicionales. El ciclo se acelera, lo que complica tanto su regulación mediante una sola legislación como su comprensión a través de una sola imagen conceptual.

La distinción clásica entre IA "débil" —especializada en tareas concretas— e IA general —capaz de realizar de forma autónoma casi cualquier tarea cognitiva— se ha vuelto borrosa. Los modelos actuales no son completamente generales, pero tampoco están totalmente especializados: un mismo sistema puede sostener una conversación, programar, resumir documentos jurídicos, proponer hipótesis científicas y resolver problemas matemáticos complejos. Este territorio intermedio era difícil de anticipar, y las categorías regulatorias y estratégicas aún no logran abarcarlo con precisión.

El problema del control, no solo de la capacidad

La incertidumbre sobre el futuro de la IA es estructural, no coyuntural. No existe consenso sobre cuándo —ni siquiera si— surgirá una inteligencia artificial general. Los expertos están profundamente divididos: algunos sitúan ese umbral a pocos años, otros a décadas, y algunos dudan de que se materialice. Esa divergencia queda documentada en los principales informes especializados en seguridad de IA.

La división alcanza incluso a quienes desarrollan estos sistemas. Algunos investigadores consideran seriamente la posibilidad de que los modelos más avanzados posean algún grado de conciencia o merezcan consideración moral. Otros argumentan que puede existir inteligencia sin conciencia. Pero más allá del debate filosófico, el desafío práctico es compartido.

Como ha señalado el investigador Stuart Russell, el problema central de la IA no es su capacidad cognitiva, sino el control: cómo garantizar que sistemas cada vez más potentes persigan los fines y valores que sus usuarios definen, y que siempre sea posible corregirlos o desactivarlos. Si ni siquiera sus propios creadores logran ponerse de acuerdo sobre lo que están construyendo, diseñar marcos de gobernanza efectivos se vuelve una tarea de orden superior.

Para cualquier organización que esté integrando IA en sus operaciones, esa ambigüedad no es un detalle técnico: es una variable de riesgo que debe incorporarse explícitamente en la estrategia de adopción y en los mecanismos de supervisión interna.