Separar lo que la inteligencia artificial propone de lo que los humanos verifican y deciden no es una preferencia filosófica: es una condición operativa para que el conocimiento generado por máquinas sea confiable y útil. Ese es el argumento central de una reflexión que concluye con una pregunta práctica: ¿cómo se gobierna un entorno cognitivo donde dos formas radicalmente distintas de inteligencia coexisten?
Un episodio reciente ilustra la urgencia del problema. OpenAI publicó 722 manuscritos que supuestamente presentaban avances en 372 problemas matemáticos abiertos. Al día siguiente, tres debieron retirarse por errores. El matemático Alex Townsend, de la Universidad de Cornell, propuso una solución estructural: publicar únicamente los resultados que puedan verificarse formalmente en Lean, un lenguaje de verificación automática. La lógica es la misma que inspiró el lema de la Royal Society en 1660 —Nullius in verba, "en la palabra de nadie"— aplicada ahora a los algoritmos.
El modelo que emerge de este debate tiene tres capas: la IA explora y propone; un procedimiento verificable, diseñado y supervisado por personas, decide qué se acepta como conocimiento; y el juicio humano determina su significado y utilidad. No es una competencia entre inteligencias, sino una nueva división del esfuerzo cognitivo. A eso se le denomina una civilización multiinteligente.
Dos formas de conocimiento que deben reintegrarse
Por primera vez en la historia del universo conocido, dos formas de conocimiento se han separado con claridad. Una es fenomenológica y consciente: comprende qué importa, a quién afecta y qué responsabilidad conlleva. La otra es estructural y escalar: la IA la amplía a dimensiones inalcanzables para la mente humana.
La pregunta no es cuál prevalece, sino si seremos capaces de reintegrarlas, no solo en un único cerebro, sino en instituciones, infraestructura y cultura. Hay evidencia de que es posible. Biólogos de todo el mundo utilizan las estructuras de proteínas predichas por AlphaFold para diseñar fármacos y enzimas: la IA proporciona la forma, el científico decide qué preguntar y cómo proceder. El matemático Terence Tao describe a la IA como una colaboradora que sugiere caminos que él evalúa. En ambos casos, el conocimiento de la máquina amplía la comprensión humana en lugar de reemplazarla.
Esa convergencia, sin embargo, no ocurrirá de manera automática. Requiere regulación, instituciones y prioridades deliberadas.
Seis frentes para gobernar la inteligencia artificial
El primero es reconocer la alineación epistémica como una categoría propia de la gobernanza. Así como existen normas para la seguridad de medicamentos o aeronaves, se necesitan estándares compartidos sobre cómo se verifica, documenta y comunica el conocimiento producido por la IA, incluidas sus incertidumbres. Ningún resultado generado algorítmicamente debería orientar decisiones públicas sin haber pasado por ese filtro.
El segundo frente es exigir transparencia estructural a los sistemas desplegados en ámbitos de alto riesgo: justicia, salud, crédito, seguridad. No se trata de interpretabilidad total —hoy imposible en los modelos más avanzados— sino de divulgar con qué datos se entrenaron, qué objetivos persiguen y qué limitaciones se les conocen. La advertencia es concreta: la complejidad de los instrumentos financieros generados por IA podría superar la capacidad de supervisión, tal como ocurrió en la crisis de 2008.
Ambos frentes apuntan a la misma conclusión: la utilidad estratégica de la inteligencia artificial depende menos de su potencia computacional que de la calidad de las instituciones humanas que la encuadran. Las organizaciones que construyan esos marcos de verificación y gobernanza antes que sus competidores no solo reducirán riesgos; acumularán una ventaja estructural difícil de replicar.
