Skynet tendrá que esperar unas cuantas décadas.

La IA no reemplazará tu trabajo: solo hace de secretario eficiente​

Un titular recorre los mentideros tecnológicos desde hace meses: la IA es imparable y va a arrasar el empleo. Pero cuando se rasca la superficie, aparece otra cosa. Un usuario lo resume con una imagen que se ha repetido en el sector: lo que han construido los grandes modelos de lenguaje es, de momento, «un secretario muy eficiente», no un sustituto de cualquier oficio que produzca algo tangible. La frase, que arrancó el debate, ha ido ganando matices conforme llegaban los ejemplos prácticos.

El patrón se repite en cada sector. En diseño gráfico, un profesional lo describe sin paños calientes: la herramienta es incapaz de trazar una línea recta y sirve para encargos de baja calidad, no para un cliente final. En programación, otro reconoce que le ha permitido sacar adelante un programa en Python con vistas 3D y cálculos matemáticos sin tener formación previa, pero matiza que el mérito es de quien sabe pedirle las cosas. La conclusión que se impone: la IA acelera a quien ya sabe, no sustituye a quien no sabe.

El problema de los errores que se inventa​

El punto donde más coinciden los análisis es el de la fiabilidad. Un usuario con experiencia directa lo cuenta así: al principio parece la hostia, pero a la mínima que rascas ves que es un buscador con conversación que se inventa datos y acaba diciéndote lo que quieres oír. Otro añade que, cuando le señalas el error, se disculpa y rehace el texto, pero el problema de fondo no desaparece: el sistema no distingue entre lo que sabe y lo que inventa.

Esa es la razón por la que el lenguaje natural no sustituye al lenguaje de programación. Un lenguaje específico sirve para especificar exactamente tareas algorítmicas; el lenguaje humano es ambiguo e indeterminado por naturaleza. Traducir una instrucción vaga a código ejecutable es precisamente donde el modelo falla más.

Por qué el Transformer tiene un techo​

La discusión técnica más interesante del debate tiene que ver con la arquitectura. Los modelos actuales se basan en redes feed-forward: procesan la secuencia completa de una vez, sin capacidad de volver atrás sobre un paso intermedio. Un participante lo explica con claridad: cuando detectan un error, rehacen todo desde la primera línea, no son capaces de modificar solo la parte afectada. El cerebro humano, en cambio, corrige sobre la marcha con un coste mínimo.

De ahí que algunos apunten a las capas recurrentes o a los modelos jerárquicos como posible salto cualitativo. Un usuario cita un artículo científico sobre una propuesta de red neuronal que opera a distintas frecuencias, y avisa: si eso llega a funcionar, volveremos a vivir algo parecido a la fiebre actual, con un final incierto. Otro responde con escepticismo: los HRM que se han presentado hasta ahora son vaporware, entrenados para resolver sudokus y sin pruebas reales de planificación compleja.

El negocio que sostiene la burbuja​

Más allá de la técnica, hay una lectura económica que recorre el debate de principio a fin. Un participante sostiene que el boom está inducido por la política monetaria: las empresas se lanzan a gastar millonadas en proyectos que no aportan nada al cliente, y cuando el ciclo de expansión crediticia se cierre, quedará la oportunidad para los que hayan aguantado. En su propia empresa, dice, se han cancelado proyectos importantes para el cliente final porque la dirección está obsesionada con meter IA hasta en la sopa.

Otros apuntan a que la infraestructura no está limitada a los LLM: los centros de datos pueden actualizarse con los algoritmos que convengan, y la investigación teórica avanza en paralelo. La duda no es si la tecnología mejorará, sino cuándo y a qué coste. El anuncio de Nvidia de invertir hasta 100.000 millones de dólares en OpenAI y desplegar 10 GW de sistemas da la medida del envite: el primer gigavatio estaría operativo en la segunda mitad de 2026.

Los sectores que ya notan el golpe​

No todo es escepticismo. Hay quien sostiene que la IA ya se está comiendo sectores enteros y que en un par de años llegará al resto. Diseñadores gráficos, editores de vídeo, fotógrafos y traductores serían los primeros en notarlo. La conducción autónoma, añaden, ya funciona de forma fiable en algunos mercados y su generalización se llevaría dos dígitos del PIB mundial. La cuestión, apuntan, no es tecnológica sino política: si los gobiernos serán capaces de reciclar a los desplazados o preferirán defender votos.

Frente a eso, la respuesta más repetida es que la automatización no elimina el trabajo, lo transforma. Un usuario lo resume con crudeza: la mayoría de trabajos son de pinta y colorea para tener entretenida a la gente, y la IA los hará igual de bien con supervisión humana. Otro recuerda que el país que reduzca impuestos y canalice esos trabajos hacia áreas productivas sacará ventaja; el que no lo haga, se convertirá en tercer mundo por comparación.

---

¿Y si la pregunta correcta no es cuándo llegará la AGI, sino quién está pagando la fiesta mientras llega?