Creemos que tenemos una IA en el bolsillo. En realidad, tenemos una puerta de acceso a algunos de los sistemas tecnológicos más potentes jamás construidos.
Por Ángel Cabezón
Hay algo que estamos empezando a asumir con demasiada naturalidad.
Abrimos el móvil. Entramos en ChatGPT, Claude, Gemini o cualquier otro sistema de inteligencia artificial. Preguntamos. La máquina responde.
Conversamos durante semanas con ella. Conoce el contexto de nuestro trabajo, nuestros proyectos, nuestra forma de preguntar. Adapta sus respuestas y parece comprender cada vez mejor lo que necesitamos.
Y acabamos diciendo:
«Mi IA».
Pero nuestra inteligencia artificial no está dentro del teléfono.
Y, estrictamente hablando, tampoco es «nuestra».
Lo que tenemos en nuestras manos es una puerta de acceso a una enorme infraestructura tecnológica desarrollada y controlada por organizaciones concretas.
Comprender esta diferencia es fundamental para entender lo que está ocurriendo.
NO HAY UNA PEQUEÑA IA VIVIENDO EN TU MÓVIL
Cuando dos personas abren ChatGPT en dos teléfonos diferentes pueden tener la sensación de estar hablando con dos inteligencias distintas.
No funciona exactamente así.
Simplificando enormemente el sistema, podemos imaginar un gran modelo de inteligencia artificial capaz de mantener millones de conversaciones diferentes.
Una buena metáfora sería un árbol.
El modelo es el tronco. Las conversaciones son las ramas.
Cada rama desarrolla un contexto diferente.
Una persona puede utilizar la IA para hablar de medicina. Otra, para diseñar una campaña publicitaria. Otra, para programar. Otra, para estudiar matemáticas.
Cada conversación puede evolucionar de manera completamente distinta, aunque todas estén utilizando las capacidades proporcionadas por un modelo común.
Por eso existe una frase que resume bastante bien esta realidad:
La conversación puede ser tuya. El modelo no.
LA IA NO ES SIMPLEMENTE UN BUSCADOR GIGANTE
Existe otra confusión muy habitual.
Un modelo generativo no funciona simplemente como Google.
Cuando realizamos una pregunta, no necesariamente busca una respuesta almacenada en una gigantesca biblioteca y nos la devuelve.
Durante su entrenamiento, estos modelos aprenden enormes cantidades de relaciones y patrones mediante estructuras matemáticas formadas por miles de millones de parámetros.
Después utilizan ese aprendizaje para construir respuestas nuevas.
Por eso una IA puede enfrentarse a una pregunta que probablemente nadie haya formulado exactamente antes.
Puede relacionar conceptos, analizar información, escribir código, resumir documentos o proponer soluciones.
Y precisamente por esa misma razón también puede equivocarse.
Una manera sencilla de explicarlo sería:
Una IA generativa no contiene todas las respuestas. Contiene una extraordinaria maquinaria matemática que ha aprendido a construirlas.
¿NUESTRAS CONVERSACIONES ALIMENTAN EL SISTEMA?
Aquí aparece una cuestión mucho más delicada.
Dependiendo del servicio, del tipo de cuenta y de la configuración elegida por el usuario, determinadas conversaciones pueden utilizarse posteriormente para mejorar los modelos.
Esto no significa que exista una gran mente colectiva escuchando todas las conversaciones simultáneamente.
Tampoco significa que algo que escribamos hoy aparezca automáticamente mañana en la conversación de otro usuario.
El proceso puede entenderse mejor así:
USUARIOS → INTERACCIONES → PROCESOS DE MEJORA → ENTRENAMIENTO → NUEVAS VERSIONES DEL MODELO → FUTUROS USUARIOS
Las conversaciones no tienen por qué comunicarse directamente unas con otras.
Pero determinados datos e interacciones pueden formar parte de procesos posteriores destinados a mejorar los sistemas.
Esto convierte la privacidad, la gestión de los datos y la transparencia en cuestiones fundamentales.
EL GRAN CAMBIO: LA IA YA NO SOLO RESPONDE
Durante los primeros años de popularización de la inteligencia artificial generativa nos acostumbramos a un funcionamiento sencillo:
PREGUNTA → RESPUESTA
Pero estamos entrando rápidamente en otro paradigma:
OBJETIVO → RAZONAMIENTO → HERRAMIENTAS → ACCIONES → RESULTADO
Es la diferencia entre un chatbot y un agente de inteligencia artificial.
Un chatbot responde.
Un agente puede actuar.
Puede analizar archivos, revisar código, utilizar herramientas, buscar información, ejecutar procesos, dividir un problema complejo en diferentes etapas y continuar trabajando hasta alcanzar determinado objetivo.
Y esa diferencia cambia completamente la dimensión de esta tecnología.
La ciberseguridad proporciona algunos de los ejemplos más claros.
22 VULNERABILIDADES EN FIREFOX EN DOS SEMANAS
En 2026, Anthropic colaboró con Mozilla utilizando Claude Opus 4.6 para analizar la seguridad del navegador Firefox.
En aproximadamente dos semanas el sistema encontró 22 vulnerabilidades.
Mozilla clasificó 14 de ellas como de alta severidad.
Según los datos publicados por Anthropic, esas 14 vulnerabilidades representaban aproximadamente una quinta parte de todas las vulnerabilidades de alta severidad corregidas por Firefox durante todo el año anterior.
Detengámonos un momento en lo que significa.
No estamos hablando de un pequeño programa experimental.
Estamos hablando de Firefox, uno de los navegadores más conocidos del mundo, desarrollado y revisado durante años por especialistas.
Una inteligencia artificial fue capaz de localizar en semanas problemas de seguridad desconocidos previamente.
La IA estaba demostrando que podía convertirse en algo más que un asistente.
Podía convertirse en un investigador de seguridad.
Pero inmediatamente aparece la otra cara del problema.
LA MISMA IA QUE ENCUENTRA EL AGUJERO PUEDE INTENTAR ATRAVESARLO
Encontrar una vulnerabilidad permite corregirla.
Pero conocer una vulnerabilidad también puede permitir explotarla.
Anthropic realizó precisamente experimentos para comprobar hasta dónde podían llegar estas capacidades.
En determinadas condiciones controladas, Claude consiguió desarrollar un exploit funcional para una vulnerabilidad encontrada en Firefox.
Conviene ser rigurosos.
Esto no significa que una IA pueda hackear actualmente cualquier empresa o cualquier ordenador.
Afirmarlo sería sensacionalista.
Pero sí demuestra algo enormemente importante:
La distancia entre descubrir automáticamente una vulnerabilidad y ayudar a explotarla está reduciéndose.
Y esto plantea un problema tecnológico de enorme importancia.
MYTHOS: 1.596 VULNERABILIDADES EN 281 PROYECTOS
Otro ejemplo resulta todavía más significativo.
Anthropic utilizó Claude Mythos Preview para localizar vulnerabilidades en proyectos de software de código abierto.
En pocos meses comunicó mediante sus procesos de divulgación coordinada:
1.596 vulnerabilidades en 281 proyectos.
Pero apareció una circunstancia especialmente interesante.
El sistema podía encontrar posibles vulnerabilidades a tal velocidad que el cuello de botella comenzaba a ser la capacidad humana disponible para revisar y validar los resultados.
Durante décadas, uno de los grandes problemas de la ciberseguridad era:
encontrar el fallo.
Podemos estar entrando en una época donde el problema sea:
tener suficientes personas para revisar y corregir todos los fallos encontrados automáticamente por las máquinas.
LA GRAN PARADOJA DE LA CIBERSEGURIDAD
Imaginemos que mañana una inteligencia artificial descubre una vulnerabilidad crítica presente en miles de servidores.
Puede producirse un escenario defensivo:
IA detecta vulnerabilidad → empresa recibe aviso → desarrolladores generan un parche → sistemas protegidos.
Pero también existe el escenario contrario:
IA detecta vulnerabilidad → atacante obtiene esa información → desarrolla un ataque → sistemas comprometidos.
La tecnología utilizada puede ser esencialmente la misma.
Lo que cambia es algo mucho más humano:
quién la utiliza, contra qué objetivo y con qué finalidad.
Es lo que en tecnología denominamos doble uso o dual use.
La misma capacidad puede proteger una infraestructura o ayudar a atacarla.
Y ahí comienza el verdadero debate.
NO TODOS TENEMOS LA MISMA INTELIGENCIA ARTIFICIAL
Hablamos constantemente de «la IA» como si fuese una tecnología homogénea.
No lo es.
Un usuario gratuito puede disponer de determinados modelos, herramientas y límites.
Un profesional puede acceder a modelos más capaces, contextos mayores, herramientas avanzadas y sistemas de automatización.
Una empresa puede integrar inteligencia artificial con sus propias bases de datos, documentos, sistemas internos y agentes especializados.
Y las grandes corporaciones tecnológicas, laboratorios de investigación y determinados organismos pueden disponer además de infraestructura propia, modelos especializados, enormes cantidades de capacidad computacional y acceso anticipado a tecnologías todavía en evaluación.
Todos pueden decir:
«Utilizamos inteligencia artificial».
Pero evidentemente no disponen de la misma capacidad.
Y aquí aparece una cuestión que probablemente será fundamental durante los próximos años.
LA NUEVA BRECHA DIGITAL
Durante décadas hemos hablado de la brecha digital.
Quien tenía ordenador y acceso a Internet poseía una ventaja enorme respecto a quien no podía acceder a ellos.
Internet consiguió democratizar extraordinariamente el acceso a la información.
Hoy un estudiante con un teléfono puede consultar en segundos cantidades de conocimiento que hace treinta años habrían requerido bibliotecas enteras.
Pero la inteligencia artificial introduce una nueva diferencia.
El recurso estratégico puede dejar de ser únicamente:
tener información.
Puede convertirse en:
tener capacidad suficiente para procesarla.
Una persona puede leer cien documentos.
Una IA puede analizar miles.
Una persona puede revisar una determinada cantidad de código.
Una IA puede recorrer enormes repositorios.
Un investigador humano dispone de determinadas horas de trabajo.
Un sistema automatizado puede continuar ejecutando procesos mientras disponga de recursos computacionales.
Por eso la nueva pregunta económica podría no ser:
«¿Quién posee la información?»
sino:
«¿Quién puede permitirse suficiente inteligencia computacional para procesarla?»
LA IA QUE UTILIZAMOS Y LA IA QUE TODAVÍA NO VEMOS
Existe además una cuestión poco discutida fuera del sector tecnológico.
Los modelos que finalmente llegan al público han pasado previamente por largos procesos de desarrollo.
Entrenamiento.
Evaluaciones internas.
Pruebas de seguridad.
Red teaming.
Accesos restringidos.
Colaboraciones con determinadas organizaciones.
Versiones experimentales.
Esto resulta lógico.
Liberar inmediatamente una tecnología extremadamente potente sin comprobar previamente sus capacidades sería irresponsable.
Pero también produce inevitablemente una asimetría temporal.
Algunas organizaciones pueden conocer y utilizar determinadas capacidades antes que el resto de la sociedad.
Por eso deberíamos dejar de preguntar únicamente:
«¿Qué puede hacer actualmente ChatGPT?»
Y empezar a formular otras preguntas:
¿Qué pueden hacer los modelos experimentales?
¿Quién tiene acceso a ellos?
¿Quién decide cuándo una capacidad puede liberarse?
¿Quién audita esas decisiones?
¿Qué capacidades deberían permanecer restringidas?
¿Qué ocurre cuando una tarea que hoy requiere un especialista mañana puede realizarla cualquier persona mediante una IA?
Estas preguntas ya no pertenecen exclusivamente al ámbito de la informática.
Son cuestiones económicas, educativas, políticas y sociales.
EL PROBLEMA NO ES UNA «IA MALVADA»
Cuando hablamos de los riesgos de la inteligencia artificial resulta tentador imaginar escenarios cinematográficos.
Una máquina adquiere consciencia.
Se rebela.
Decide dominar a los humanos.
Pero quizá estemos mirando hacia el lugar equivocado.
Existe un problema mucho más inmediato y mucho menos cinematográfico:
LA CONCENTRACIÓN DEL PODER TECNOLÓGICO.
Construir los modelos más avanzados requiere cantidades extraordinarias de chips, centros de datos, energía, ingenieros, investigación, datos y capital.
Muy pocas organizaciones pueden competir actualmente a ese nivel.
Y si la inteligencia artificial termina interviniendo profundamente en educación, medicina, industria, programación, investigación, comunicación, administración pública, defensa o ciberseguridad, controlar los sistemas más capaces significa disponer de una posición extraordinariamente poderosa.
No necesitamos imaginar robots conquistando ciudades.
La pregunta puede ser mucho más sencilla:
¿Quién controla las máquinas que cada vez participan en más decisiones humanas?
EL GRAN RETO DE LA EDUCACIÓN
Ante esta situación, quizá estemos enseñando inteligencia artificial de manera equivocada.
Nos estamos obsesionando con enseñar a nuestros alumnos:
«Cómo hacer buenos prompts».
Probablemente eso será lo menos importante.
Nuestros alumnos necesitan comprender qué es un modelo, qué significa entrenamiento, qué es el contexto, qué información proporcionan, qué puede recordar una plataforma, por qué una IA puede equivocarse, cómo contrastar una respuesta, qué diferencia existe entre una empresa y su modelo, qué es un agente y qué intereses económicos existen alrededor de estas tecnologías.
Pero, sobre todo, necesitan aprender algo mucho más importante:
cuándo confiar en una inteligencia artificial y cuándo cuestionarla.
Porque posiblemente la gran división digital de los próximos años no sea entre:
PERSONAS QUE UTILIZAN IA
y
PERSONAS QUE NO UTILIZAN IA.
Puede producirse entre:
PERSONAS QUE COMPRENDEN LA IA
y
PERSONAS QUE SIMPLEMENTE OBEDECEN A LA IA.
NO DEBEMOS TENER MIEDO A LA IA. DEBEMOS ENTENDERLA
La inteligencia artificial puede convertirse en una de las herramientas más extraordinarias construidas por nuestra especie.
Puede acelerar descubrimientos científicos.
Ayudar a detectar enfermedades.
Optimizar procesos industriales.
Encontrar vulnerabilidades antes de que sean explotadas.
Programar.
Traducir conocimiento.
Automatizar tareas repetitivas.
Y poner capacidades extraordinarias al alcance de millones de personas.
Pero precisamente porque puede hacer todo eso debemos abandonar cuanto antes una visión ingenua de esta tecnología.
No tenemos pequeños cerebros digitales viviendo dentro de nuestros teléfonos.
Estamos accediendo a enormes sistemas tecnológicos construidos, entrenados y administrados por organizaciones concretas.
Y cada vez serán más capaces.
Por eso quizá la pregunta más importante que podemos enseñar hoy a nuestros alumnos no sea:
«¿SABES UTILIZAR LA INTELIGENCIA ARTIFICIAL?»
La pregunta debería ser:
«¿ENTIENDES QUÉ ESTÁS UTILIZANDO, QUIÉN LO CONTROLA Y POR QUÉ HAS DECIDIDO CONFIAR EN SU RESPUESTA?»
La inteligencia artificial probablemente se convertirá en una infraestructura esencial del conocimiento y del trabajo.
Y cuando una sociedad empieza a depender de una infraestructura, entender quién la construye, quién puede acceder a ella, quién establece sus límites y quién controla su evolución deja de ser únicamente una cuestión tecnológica.
Se convierte en una cuestión de poder.
Y esa conversación no debería quedar exclusivamente en manos de quienes están construyendo la tecnología.
