Menos show, más capacidad: la IA exige instituciones, no slogans

Desde hace más de siete décadas, Scientific American ha hablado de inteligencia artificial, mucho antes de que el término se volviera parte del lenguaje cotidiano. Ya en los años cincuenta, la revista publicaba artículos sobre máquinas que podían razonar, aprender o jugar ajedrez, firmados por pioneros como Alan Turing, John McCarthy o Marvin Minsky. A lo largo de las décadas, Scientific American ha acompañado cada ola de la IA - desde los sistemas simbólicos y los primeros perceptrones, pasando por los inviernos de la IA, hasta el auge del aprendizaje profundo- siempre con una mirada crítica, científica y contextualizada. Por eso este número especial reciente[1] es importante: no es hype ni divulgación superficial, sino un punto de inflexión editorial que reconoce que la IA ha dejado de ser un tema de laboratorio para convertirse en una infraestructura científica, económica y social, con implicaciones profundas en trabajo, conocimiento, creatividad y poder. Que Scientific American dedique un número completo a la IA es, en sí mismo, una señal histórica de madurez del campo.

Me tardé casi dos semanas en leerlo y resumirlo, no porque sea particularmente largo, sino porque es denso, provocador y, sobre todo, incómodo. Es de esos números que no se pueden leer en modo “scroll rápido”: obliga a detenerse, contrastar ideas y, en mi caso, a pensar constantemente cómo todo lo que ahí se discute aterriza - o no- en el contexto mexicano y latinoamericano.

La revista deja claro algo fundamental: la inteligencia artificial ya no es una promesa futura ni una moda pasajera. No estamos ante una tecnología “emergente”, sino frente a una infraestructura en pleno despliegue, comparable - por su impacto sistémico- a la electricidad, Internet o los sistemas financieros globales. La IA ya está reescribiendo la manera en que hacemos ciencia, tomamos decisiones económicas, diseñamos políticas públicas y producimos conocimiento. Está alterando los tiempos de la investigación, los incentivos de la innovación y las asimetrías de poder entre países, empresas e instituciones. El problema es que esta aceleración convive con una enorme opacidad: ni siquiera quienes desarrollan los modelos entienden del todo cómo “razonan”, cómo emergen ciertas capacidades o por qué fallan de formas tan poco intuitivas. Aun así, los estamos integrando a procesos críticos. Para países como México, donde históricamente adoptamos tecnología cuando ya viene empaquetada desde fuera, sin control sobre su diseño ni su gobernanza, esta caja negra no es solo un riesgo técnico, sino un riesgo político y económico.

Uno de los grandes debates que atraviesa el número gira alrededor de la llamada inteligencia artificial general. Scientific American es deliberadamente prudente: no compra la narrativa triunfalista que promete máquinas casi humanas en el corto plazo, pero tampoco descarta que ciertos avances están empujando los límites de lo que entendemos por inteligencia. Lo relevante, subraya la revista, no es si la AGI llegará mañana o en veinte años, sino que el lenguaje con el que hablamos de ella ya está influyendo hoy en decisiones de inversión, regulación, concentración de poder y control del conocimiento. En América Latina corremos un riesgo conocido: repetir el patrón de discutir la épica tecnológica - el relato grandilocuente del “salto al futuro”- sin haber resuelto antes la alfabetización técnica básica, la infraestructura computacional, la capacidad regulatoria y la gobernanza institucional necesarias para participar en serio. Hablar de AGI en países que aún luchan por cerrar brechas digitales elementales puede ser una distracción peligrosa.

El número especial también insiste en algo que rara vez aparece en el debate público local: la inteligencia artificial no es solo software ni algoritmos. Es energía, es agua, son centros de datos, cadenas de suministro, residuos electrónicos y presión ambiental creciente. Cada consulta, cada modelo entrenado, cada sistema desplegado tiene un costo físico tangible. En una región que ya enfrenta estrés hídrico, sistemas eléctricos frágiles y una planeación urbana deficiente, pensar en IA sin hablar de energía y agua no es ingenuidad, es irresponsabilidad. No es casual que los países líderes estén discutiendo abiertamente reactores nucleares, nuevas arquitecturas de hardware, eficiencia energética extrema y rediseños completos de su infraestructura crítica. La IA no se sostiene con discursos: se sostiene con kilowatts, litros de agua y decisiones industriales de largo plazo.

Otro punto especialmente inquietante es el impacto de la IA en la ciencia y la educación. El número documenta cómo la inteligencia artificial generativa ya infiltró la publicación científica, desde usos legítimos como apoyo a la redacción o al análisis de datos, hasta fraudes abiertos, fabricación de resultados y referencias inexistentes. Para sistemas académicos como los nuestros, que ya enfrentan problemas estructurales de evaluación, simulación de productividad y desigualdad en el acceso a recursos, esta tecnología puede amplificar vicios existentes. Sin reglas claras, sin formación ética sólida y sin capacidades técnicas para revisar críticamente el uso de IA, el riesgo no es solo el plagio, sino la erosión progresiva de la confianza en el conocimiento producido localmente.

Quizá la lección más importante del número es que la inteligencia artificial no es inherentemente buena ni mala. No tiene moral propia ni intención. Es una herramienta extremadamente poderosa que amplifica lo que ya somos como sociedades. En contextos con instituciones fuertes, marcos regulatorios claros y capacidades técnicas sólidas, puede acelerar descubrimientos, productividad y bienestar. En contextos frágiles, puede profundizar desigualdades, dependencia tecnológica, concentración de poder y decisiones mal informadas. México y América Latina no pueden darse el lujo de observar este proceso como espectadores fascinados ni como consumidores pasivos de soluciones importadas.

Mientras leía en paralelo el mencionado número especial de Scientific American me encontré con este comentario reciente en Nature [2]: “Why academics should do more consulting - and how to make it work”. La coincidencia no es casual. Ambos textos, desde ángulos distintos, apuntan al mismo elefante en la habitación: el expertise real en IA no existe fuera de la academia si no se construye a partir de ella, y pretender lo contrario es una forma sofisticada de autoengaño.

La inteligencia artificial no es un “skill” que se improvise con un par de cursos rápidos, dashboards bonitos o presentaciones comerciales. Es un campo acumulativo, técnico y conceptual, que se desarrolla durante años de investigación, errores, revisión por pares y contacto directo con los límites reales de la tecnología. Hoy, nos guste o no, los únicos especialistas profundos en IA siguen estando mayoritariamente en las universidades. Todo lo demás - consultorías generalistas, gurús de moda, vendors- vive aguas abajo de ese conocimiento.

El artículo de Nature pone el dedo en la llaga al señalar algo que muchos sistemas universitarios siguen tratando como secundario: la consultoría académica es uno de los canales más rápidos y efectivos para que el conocimiento fluya de la academia hacia la sociedad. No son suficientes spin-offs, patentes, papers - sino conversaciones directas, asesoría concreta, decisiones informadas. Y, sin embargo, ese canal está subutilizado, burocratizado y, en muchos casos, castigado culturalmente.

Los datos que citan son reveladores. Menos del 10 % del personal académico participa en consultoría. En el Reino Unido, el volumen de contratos cayó cerca de 38 % en una década. El mercado total de consultoría académica representa apenas una fracción - alrededor del 0.6 %- del mercado de consultoría profesional. No porque no haya demanda, sino porque las universidades hacen que sea difícil, lento y poco atractivo. Proyectos pequeños se descartan, aprobaciones que tardan meses, las reglas cambian según la institución y los incentivos están mal alineados.

Esto es especialmente grave en IA. Cuando una empresa, un hospital, una agencia pública o una ONG necesita tomar decisiones informadas sobre algoritmos, datos, sesgos, riesgos o viabilidad técnica, no necesita más hype: necesita criterio experto. Y ese criterio no se compra en slides ni en slogans ni mucho menos con cursitos sexys. Se compra - o debería comprarse- directamente a quienes entienden el campo desde sus fundamentos teóricos y prácticos.

El mensaje de fondo es incómodo pero claro: si queremos que la IA se use bien, debemos empoderar a los profesores como consultores, no tratarlos como excepciones toleradas o como riesgos administrativos. La consultoría no es “trabajo extra”; es impacto directo. Debería contarse junto a publicaciones, docencia, licenciamiento y transferencia e innovación tecnológica. Debería ser ágil, transparente y permitir que el valor generado regrese a la investigación y a los estudiantes.

Mientras Scientific American documenta la madurez histórica de la IA como disciplina científica, Nature nos recuerda algo más pragmático: el conocimiento que no circula se atrofia. Y en un momento donde la IA está influyendo en políticas públicas, mercados y vidas cotidianas, bloquear a los verdaderos expertos detrás de muros burocráticos no es neutral: es irresponsable. No se trata de convertir a los académicos en consultores de tiempo completo. Se trata de aceptar una realidad básica: la IA no se improvisa, y quienes realmente la entienden deben estar sentados en la mesa donde se toman decisiones. Todo lo demás es ruido.

Por eso me pareció importante compartir estas ideas. No para sumarnos al coro del miedo ni al del hype, sino para insistir en algo básico: la discusión sobre inteligencia artificial en la región tiene que salir del terreno del espectáculo y entrar al de la estrategia. Menos promesas vacías, más comprensión técnica; menos discursos grandilocuentes, más capacidad institucional; menos fascinación acrítica, más pensamiento de largo plazo. La IA ya está aquí. La pregunta no es si va a transformar nuestras economías y nuestras sociedades, sino si vamos a entenderla lo suficiente para que, esta vez, juegue a nuestro favor.

[1] Scientific American. Special Issue: Artificial Intelligence. Scientific American, 2024–2025.

[2] Slater, L. J., Struwe, W. B., Vogel, C. R., Walker, E., & Lee, R. (2025).

Why academics should do more consulting - and how to make it work. Nature, Comment, 29 December 2025.