Cuanto más se afila la cuchilla, más crece el abismo entre el maestro y el principiante. Lo mismo ocurre con la IA: a unos fortalece, a otros les arrebata hasta el último residuo de pensamiento.
En 2026 parece que no queda nadie sin usar inteligencia artificial. Las empresas la venden, los medios la cubren, en las redes sociales todos cuentan lo que hacen con IA. Un abogado le dicta su demanda a la IA, un estudiante le encarga su tarea, un publicista le genera el texto de su campaña. Todos la usan. Pero, ¿la usan de verdad?
Una analogía. A finales de los noventa, internet llegó a todos los hogares. Todo el mundo empezó a decir "me conecto a internet". Pero ¿qué significaba conectarse en aquella época? Para la mayoría esto: abrir el navegador, escribir algo en el buscador, hacer clic en el primer resultado, leerlo, cerrar. ¿Era eso "usar internet"? Técnicamente, sí. Pero quienes realmente usaban internet — investigadores, programadores, periodistas — hacían algo muy distinto. Leían el código fuente, accedían a bases de datos, cruzaban múltiples fuentes, cuestionaban el origen de la información.
¿Cuál era la diferencia? Ambos usaban la misma herramienta. La diferencia no estaba en la herramienta. La diferencia estaba en la cabeza de quien la usaba.
Hay un abismo entre abrir una herramienta y usarla. Escribir una pregunta en ChatGPT no es usar inteligencia artificial, del mismo modo que escribir una palabra en Google no es investigar.
Eso es exactamente lo que ocurre hoy con la inteligencia artificial. Hay un abismo entre abrir ChatGPT y pedirle "escríbeme esto" y usar realmente la IA. Pero nadie ve ese abismo. Porque quienes están de este lado no saben siquiera que el otro lado existe. Y nadie se lo dice, porque decirlo no es rentable.
Parece una paradoja: cuanto más potente es la herramienta, mayor es la diferencia entre quienes la usan. Lo intuitivo sería lo contrario: una herramienta potente debería elevar a todos, nivelar. Pero no es así. Nunca lo fue.
En el momento en que la herramienta deja de ser el límite, la capacidad de quien la usa se vuelve decisiva.
En la época en que todos usaban cuchillos de piedra, la diferencia entre las personas era pequeña. La herramienta limitaba a todos por igual: por muy talentoso que fueras, lo que podías hacer con piedra tenía un techo. Cuando llegó el cuchillo de acero, ese techo desapareció. Y de pronto, la brecha entre el carnicero y el aficionado se disparó. Porque la herramienta ya no limitaba: la herramienta reflejaba la capacidad de quien la usaba.
El mismo patrón se repitió con cada herramienta poderosa:
La razón por la que parece una paradoja: la gente asume que una herramienta potente elevará a todos. Pero una herramienta potente no eleva a todos: levanta el techo. Cuando el techo desaparece, quien estaba cerca del suelo se queda cerca del suelo; quien podía subir, sube aún más alto.
La IA no es una fuerza igualadora. La IA es una lupa. Lo que hay, lo amplifica: en quien tiene capacidad de pensar amplifica la capacidad; en quien no la tiene, amplifica la ausencia.
En los primeros años de Google había una esperanza: ahora todos accederían a la información en igualdad de condiciones, se acabaría el monopolio del conocimiento, la humanidad se informaría. Esa esperanza no se cumplió. Hoy escriba cualquier cosa en Google. Casi toda la primera página es: enlace patrocinado, sitio manipulado con SEO, un artículo compilado por una IA a partir de otra IA. La herramienta misma se pudrió.
Pero hay un problema mayor que la degradación de la herramienta: la degradación de quien la usa. Porque Google enseñó a la gente, durante años, un hábito muy peligroso: escribe algo, mira el primer resultado, di "listo, ya aprendí". Ese hábito caló tan hondo que la gente ya no distingue entre saber y creer que sabe.
Pregunta superficial → respuesta fluida → satisfacción → deja de buscar → permanece en la superficialidad → otra pregunta superficial. El ciclo se cierra sobre sí mismo.
Ahora ese mismo hábito se ha trasladado a ChatGPT. Alguien escribe una pregunta, recibe un párrafo fluido y dice "investigué y aprendí". No investigó ni aprendió. Leyó la salida estadística de un modelo de lenguaje y la confundió con su propio pensamiento.
Este ciclo se cierra sobre sí mismo, y su aspecto más despiadado es este: para romper el ciclo hay que estar fuera de él. Para notar la superficialidad, necesitas saber qué es la profundidad. Pero quien es superficial desconoce la existencia misma de la profundidad, porque en la superficialidad la sensación de "ya lo encontré" resulta satisfactoria. Saber que no sabes es una competencia; no saber que no sabes es una ceguera que se alimenta a sí misma.
Y la herramienta más potente que alimenta esa ceguera es, hoy, la inteligencia artificial. Porque la salida de Google al menos parecía seca y técnica: uno podía decir "no lo entendí del todo". La salida de ChatGPT es fluida, pulida, segura de sí misma. Aunque la respuesta sea mala, parece buena. Es mucho más fácil caer en la ilusión de "ya entendí".
En los noventa la gente veía las noticias de la noche y decía "ya entiendo de política". El presentador contaba, el espectador escuchaba, y creía haberse informado. ¿Qué había pasado en realidad? Había consumido pasivamente información enmarcada, seleccionada e interpretada por otra persona. Pero al menos existía una conciencia: quien tenía enfrente era otro. Presentador y espectador eran distintos. El límite estaba claro.
Con ChatGPT ese límite se desdibujó. Alguien hace una pregunta. La IA responde. Al leer la respuesta, el cerebro la codifica así: "Yo pregunté, me respondió, luego esto es mi investigación." Pero ni preguntó realmente (formuló la pregunta de otro), ni investigó (pulsó un botón), ni evaluó (aceptó la respuesta tal cual). Sin embargo, como el proceso tiene formato de "pregunta-respuesta", el cerebro lo registra como "esfuerzo propio".
Esto es más peligroso que el presentador de televisión. Porque con la televisión al menos sabías que eras pasivo. Con ChatGPT crees que eres activo. Hacer una pregunta se siente como una acción, pero hacer una pregunta superficial puede ser peor que no preguntar nada. Porque quien no pregunta al menos sabe que no sabe. Quien se satisface con una pregunta superficial cree que sabe.
Y la parte más amarga: quienes permanecen en esa ilusión jamás verán lo que la inteligencia artificial realmente puede hacer. Porque lo que ven son las respuestas fluidas a sus preguntas superficiales. Y esas respuestas los satisfacen. Quien está satisfecho deja de buscar. Quien deja de buscar no descubre. Quien no descubre ni siquiera sabe que hay algo por descubrir.
Hagamos una pregunta: las empresas que producen inteligencia artificial — OpenAI, Anthropic, Google DeepMind — ¿qué dicen sobre los cursos fraudulentos, los títulos inflados, los instructores incompetentes del mercado?
Cero. Ni una sola entrada de blog. Ni una sola advertencia. Ni una sola frase que diga "en el mercado os están estafando, tened cuidado".
Mientras tanto, ¿qué hacen esas mismas empresas? Publican sus propios materiales educativos gratuitos. Anthropic Academy: completamente gratis, incluso el certificado. El curso conjunto de OpenAI con DeepLearning.AI: gratis. La guía de prompts de Google: gratis. Es decir, mientras alguien vende un curso de ChatGPT por miles de dólares o euros, la empresa que fabrica la herramienta ofrece la misma información de forma gratuita. Pero no dice "tened cuidado".
Primero, esos cursos les traen clientes. Aunque el curso sea malo, al final hace que la gente use ChatGPT. Cada curso que enseña ChatGPT registra suscriptores para ChatGPT. ¿Por qué cortaría OpenAI ese canal? Incluso el graduado de un curso fraudulento es un cliente potencial.
Segundo, estrategia de expansión de mercado. El objetivo primario de estas empresas es hacer crecer su base de usuarios. Transmiten el mensaje "la IA no da miedo, cualquiera puede aprenderla". Quien enseñe, donde se aprenda, da igual: quien aprende se convierte en cliente. Hacer control de calidad frenaría ese crecimiento. Para ellos, la mala formación es más rentable que la ausencia de formación.
Tercero, la concepción de responsabilidad de Silicon Valley. La posición estándar en esa cultura es: "Nosotros fabricamos la herramienta; cómo la usáis es vuestro problema." Uber no se ocupó de las condiciones laborales de los conductores. Airbnb no se ocupó de la calidad de los anfitriones. Meta no se ocupó de la salud mental de los usuarios. La misma lógica: "Proporcionamos la plataforma; lo que ocurra alrededor no nos concierne."
Estas empresas publican informes de seguridad, proclaman principios éticos, redactan manifiestos de "IA responsable", pero no abren la boca cuando estafan a los usuarios de sus propios productos. Porque los estafados son los usuarios finales, y quienes estafan son, indirectamente, un canal que les trae clientes.
Imaginad una farmacéutica: fabrica el medicamento, redacta el prospecto, pero no dice nada cuando falsos "asesores de salud" venden ese medicamento con la dosis equivocada y la información errónea. Porque al final el medicamento se vende. La receta puede estar mal, la dosis puede estar mal, el asesor puede ser incompetente, pero mientras el medicamento se venda, la farmacéutica gana.
Eso es exactamente lo que ocurre en el mercado de la inteligencia artificial.
El CEO de OpenAI, Sam Altman, dijo el 13 de septiembre de 2022 — dos meses y medio antes del lanzamiento de ChatGPT:
I don't think we'll still be doing prompt engineering in five years. And this'll be integrated everywhere. Either with text or voice, depending on the context, you will just interface in language and get the computer to do whatever you want.
¿Qué quiso decir Altman? Que los modelos serían tan inteligentes que la gente no necesitaría fórmulas especiales, plantillas ni trucos técnicos. Los primeros modelos de IA eran realmente frágiles: para obtener una salida correcta había que usar fórmulas mágicas. Si no escribías "piensa paso a paso", no podía pensar paso a paso. Si no decías "eres un experto", daba respuestas superficiales. Esos trucos técnicos — sí, realmente están muriendo. En 2026, los modelos de IA comprenden en gran medida el lenguaje natural de las personas.
En eso Altman tenía razón. La revista Fortune lo confirmó en mayo de 2025: "La ingeniería de prompts, vendida como una profesión de 200.000 dólares de salario que no requiere programación, ya es obsoleta." El pico de búsquedas de empleo de "prompt engineer" fue en abril de 2023, y desde entonces no ha dejado de caer.
Pero bajo lo que dijo Altman hay una suposición muy peligrosa: si la herramienta es lo bastante buena, la diferencia entre quienes la usan se cierra. Esa suposición es falsa. Lo fue en cada época de la historia y lo sigue siendo ahora.
Porque Altman definió "prompt engineering" de forma muy estrecha: encontrar la secuencia de palabras correcta, dirigir el comportamiento del modelo con fórmulas. Pero usar realmente la inteligencia artificial no se limita a eso. Usar realmente la inteligencia artificial significa:
Saber qué preguntas — hacer la pregunta correcta es mucho más difícil que escribir con la sintaxis correcta. A medida que la IA se vuelve más inteligente, esto se hace más crítico, no menos.
Enmarcar bien la pregunta — cuando el modelo es más inteligente, el coste de una mala pregunta aumenta. Porque un modelo inteligente también da respuestas fluidas a malas preguntas, y esa fluidez te engaña.
Poder evaluar la respuesta — la IA a veces miente. Detectarlo nunca se automatizará. Para detectarlo necesitas conocer el tema de antemano o saber cómo verificar.
Conocer los límites del modelo — cada modelo tiene áreas en las que es fuerte y áreas en las que es débil. Sin saber esto, no puedes asignar la herramienta correcta a la tarea correcta.
Orquestar múltiples modelos — depender de una sola IA es como informarse de una sola fuente. La verificación cruzada, la combinación de las fortalezas distintas de modelos distintos: esto no va de trucos técnicos, sino de forma de pensar.
Y aquí está la contradicción: Altman dijo en 2022 que "morirá". Pero en 2026, OpenAI tiene su propia plataforma educativa, publica guías de prompts, ofrece cursos en colaboración. Si realmente murió, ¿por qué sigues enseñando? Porque lo que murió fue la fórmula técnica, pero en su lugar surgió una competencia mucho más profunda: ser capaz de pensar con el modelo. Y esa competencia no se puede comprar.
Esto no es un problema de un solo país. En todo el mundo, el mercado de formación en IA se ha hinchado como una burbuja. En Estados Unidos, las ofertas de empleo de "prompt engineer" alcanzaron su máximo en 2023 y después se desplomaron. Pero los cursos siguen vendiéndose. La cantidad de perfiles en LinkedIn que dicen "AI expert" se ha multiplicado desde 2022. En plataformas como Udemy, Coursera y Skillshare hay miles de "cursos de inteligencia artificial", y lo único que hace la mayoría es mostrar la interfaz web de ChatGPT grabando la pantalla.
El patrón es el mismo en todas partes: formaciones de cientos o miles de dólares o euros, y el contenido es solo ChatGPT. Nada de Claude, nada de Gemini, nada de DeepSeek, nada de Llama: se enseña una sola herramienta del universo de la IA, y con el uso más superficial posible. Al final del curso dan un certificado. Ese certificado se enmarca. Y la gente dice "ya sé de inteligencia artificial".
En las plataformas de trabajo freelance hay cientos, miles de personas registradas como "expertos en IA" en todo el mundo. Miras sus perfiles: "experto en machine learning", "experto en deep learning", "prompt engineer". Acreditación: generalmente un certificado obtenido en una plataforma online. Es decir, personas que vieron unas horas de vídeo y recibieron un certificado se venden como expertos en inteligencia artificial.
En el ámbito corporativo la situación es todavía más curiosa: "seminarios de transformación con IA" de media jornada vendidos a empresas. Unas pocas horas, unos miles de dólares o euros. Contenido: cómo hacer preguntas a ChatGPT, más una herramienta de automatización y unas plantillas prediseñadas. Se paga con el presupuesto de formación; nadie cuestiona el contenido.
Miles de dólares o euros por un seminario de unas horas. Lo que se enseña a cambio de ese dinero: escribir preguntas en una interfaz web. Eso lo puede descubrir cualquier niño de 12 años en 5 minutos por su cuenta.
Pero la verdadera pregunta no es el precio. La verdadera pregunta es: ¿las personas que imparten esta formación tienen la competencia necesaria para impartirla?
En todo el mundo, las universidades compiten por abrir programas de máster con la etiqueta "inteligencia artificial". En Estados Unidos, en Europa, en todas partes: la misma tendencia. Pero la mayoría de estos programas comparten un problema: se abrieron por motivación comercial.
El mecanismo funciona así: la palabra "inteligencia artificial" genera demanda. Donde hay demanda se abre un programa. Para que el programa se llene, los estándares de admisión se mantienen bajos: en algunos no hay examen de ingreso, no hay requisito de idioma, cualquier título de grado es suficiente. El programa puede llamarse "Informática" o "Ciencias de la Computación", pero en la promoción se destaca la etiqueta "inteligencia artificial". Porque entre escribir "máster en informática" y "máster en inteligencia artificial", la diferencia en número de solicitudes es abismal.
Etiqueta: "Inteligencia Artificial" o "Ciencia de Datos", pero el programa subyacente suele ser Informática clásica.
Requisitos de admisión: En las modalidades sin tesis, abundan modelos sin examen ni requisito de idioma. La puerta está abierta de par en par: el objetivo es llenar las plazas.
LLM / transformer / IA generativa en el plan de estudios: En la mayoría, ausentes. Planes de estudios anteriores a 2022 sin actualizar. Si existen, son optativas: es posible graduarse sin cursarlas.
Plantilla docente: Los académicos son competentes en sus propios campos, pero la especialidad de la mayoría no tiene relación con lo que hoy la gente entiende cuando dice "inteligencia artificial".
Piensen en las plantillas académicas de estos programas. Profesores de electrónica de potencia, especialistas en procesamiento de señales, investigadores en procesamiento de imágenes, ingenieros de sistemas de control. Personas serias en sus propios campos. Pero ninguno de esos campos tiene que ver con cómo funciona un modelo de lenguaje, cómo se dirige, cuáles son sus límites. Todos están bajo el paraguas de "inteligencia artificial", pero lo único que comparten el control de lógica difusa de una lavadora y el principio de funcionamiento de ChatGPT es la expresión "inteligencia artificial".
Es como si un traumatólogo dijera "soy médico" y operara el cerebro. Ambos terminaron la carrera de medicina, ambos son médicos. Pero uno opera rodillas y el otro opera cerebros. Decir "ambos son médicos" no explica nada.
"Inteligencia artificial" es exactamente un término paraguas de ese tipo. Debajo hay docenas de campos distintos: procesamiento de imágenes, procesamiento de lenguaje natural, robótica, sistemas de control, sistemas de recomendación, aprendizaje por refuerzo, modelos generativos... Todos son "inteligencia artificial", pero son disciplinas completamente diferentes entre sí.
Hay ciertos conceptos en los planes de estudio de estos programas que, vistos desde fuera, parecen muy impresionantes, pero cuya relación con los modelos de lenguaje es nula:
| Concepto | ¿Qué es en realidad? | Relación con modelos de lenguaje |
|---|---|---|
| Minería Web | Extracción de información de páginas web mediante métodos estadísticos. Popular a principios de los 2000, hoy una técnica de generación anterior. | CERO |
| Computación en la Nube | Alquiler de servidores a través de internet. Configuración de máquinas virtuales, gestión de contenedores. Es una cuestión de infraestructura, no de inteligencia artificial. | CERO |
| Optimización Inteligente | Resolución de problemas matemáticos con algoritmos inspirados en la naturaleza. Colonia de hormigas, enjambre de abejas, algoritmo genético. Existía mucho antes de la moda de la IA. | CERO |
| Procesamiento de Imágenes | Eliminación de ruido en fotos y vídeos, reconocimiento de objetos, análisis médico. Una rama distinta de la IA: no es un modelo de lenguaje. | RAMA DISTINTA |
| Lógica Difusa | Técnica de toma de decisiones bajo incertidumbre desarrollada en 1965. Presente en todo, desde lavadoras hasta ascensores. Ingeniería de control clásica. | CERO |
Todos estos conceptos son campos legítimos y valiosos de la informática. El problema no está en los campos en sí. El problema está en que se presentan bajo el paraguas de "inteligencia artificial", como si implicaran competencia en modelos de lenguaje. Y detrás de esa presentación hay una fuerza impulsora comercial: atraer estudiantes al programa, llenar las plazas, cobrar la matrícula. Lo que se vende no es la calidad de la formación, sino el atractivo de la etiqueta.
Todo el mundo habla del daño de la inteligencia artificial. "Nos quitará el trabajo", "destruirá a la humanidad", "dominará el mundo". Guiones de Hollywood, noticias apocalípticas, teorías conspirativas. Todo eso es ruido. El daño real es mucho más silencioso, mucho más sigiloso, y ya ha comenzado.
La inteligencia artificial fortalece a quien tiene capacidad de pensar. A quien no la tiene, le arrebata hasta el último residuo de pensamiento.
La frase parece dura, pero piensen en el mecanismo:
La misma herramienta, dos resultados distintos. La diferencia no está en la herramienta, sino en la capacidad de pensar de quien la usa.
Quien tiene capacidad de pensar usa la inteligencia artificial como herramienta. Pregunta, evalúa, verifica, redirige, contrasta con múltiples fuentes. En cada uso aprende un poco más, su capacidad crece. La IA lo fortalece.
Quien no tiene capacidad de pensar usa la inteligencia artificial como autoridad. Pregunta, acepta lo que llegue, dice "ya aprendí", deja de pensar. En cada uso se vuelve un poco más perezoso, su capacidad disminuye. La IA lo debilita.
Y la brecha entre estos dos grupos se abre cada día más. Porque el primer grupo se fortalece con cada uso de la IA y el segundo se debilita con cada uso. La misma herramienta, resultados opuestos. Igual que la cuchilla afilada fortalece al maestro y le corta la mano al principiante.
Y la mayoría de esa pirámide — el 85% de arriba — cree que "usa" inteligencia artificial. Los cursos de miles de dólares se venden a esa mayoría. Lo que ofrece el curso es hacer que permanecer en la capa superior se sienta más seguro. Un certificado de "ya yo también uso inteligencia artificial". Lo que realmente ocurre es esto: comprar la versión certificada del uso superficial.
Este texto no es un ataque. Es una advertencia.
La inteligencia artificial es realmente una herramienta poderosa. Posiblemente la herramienta de conocimiento más potente desde la imprenta. Pero como toda herramienta potente, en manos de alguien sin capacidad para usarla es perjudicial. Y la forma más insidiosa de ese perjuicio es que la persona no se da cuenta de que lo sufre.
Lanzarse de cabeza a la inteligencia artificial es peligroso. Decir "todos la usan, yo también" es como decir "todos toman este medicamento, yo también". Tomar un medicamento sin saber qué es, qué hace, cuáles son sus efectos secundarios, cuál es la dosis, no es tratamiento: es jugar a la ruleta.
Aprender realmente inteligencia artificial no significa aprender a escribir preguntas en una interfaz web. Aprender realmente inteligencia artificial significa:
Saber qué preguntas. Porque una pregunta superficial trae una respuesta fluida pero vacía, y no puedes distinguirlo.
Poder evaluar la respuesta. Porque la IA a veces miente, y lo hace de forma muy convincente.
No depender de una sola herramienta. Porque cada modelo tiene fortalezas y debilidades distintas.
No delegar la responsabilidad de pensar. Porque la IA no puede pensar por ti: solo puede acelerar aquello que tú piensas.
Poder decir "no sé". Porque saber que no sabes es mil veces más valioso que creer que sabes.
Un curso de miles de dólares no enseña esto. Un certificado no lo otorga. Un diploma de máster no lo garantiza. Porque esto no es una habilidad para manejar una herramienta: es una forma de pensar.
Y esa forma de pensar no se puede comprar. Solo se puede construir.
La inteligencia artificial no es perjudicial. Usar la inteligencia artificial sin pensar es perjudicial. Y lo que enseñará la diferencia entre ambas cosas no es un curso, ni un certificado, ni un diploma universitario. Lo único que enseñará esa diferencia es asumir la responsabilidad de pensar por uno mismo.
El texto original está en turco. Hemos buscado una versión lo más orgánica posible en español. Si nota algún error o puede sugerir una mejor formulación, escríbanos a [email protected] — enriquecerá nuestra traducción.