El futuro también se gasta

Siempre hemos imaginado el futuro como un lugar al que todavía no hemos llegado. Quizá sea un error.

Una parte del futuro puede consumirse antes de que exista.

Lo hacemos cuando contraemos una deuda que pagará nuestro trabajo de mañana. Cuando agotamos un recurso que necesitarán quienes todavía no han nacido. Cuando aplazamos una reparación cuyo deterioro heredará el siguiente presupuesto.

Pero estamos empezando a hacerlo de una manera mucho más íntima: gastando anticipadamente nuestras propias capacidades.

La inteligencia artificial permite obtener hoy resultados que antes exigían aprender, recordar, comparar, equivocarse y volver a intentar. Eso constituye una extraordinaria ampliación de nuestras posibilidades. El problema comienza cuando confundimos anticipar capacidad con sustituir su construcción.

No es lo mismo.

Una calculadora puede liberar al matemático del cálculo rutinario porque detrás permanece la comprensión. Pero si una inteligencia externa formula, relaciona, interpreta, decide y finalmente explica por nosotros, puede ocurrir algo paradójico: producir cada vez más mientras sabemos hacer cada vez menos.

Entonces aparece una nueva forma de endeudamiento.

La deuda cognitiva.

Cada vez que evitamos un esfuerzo intelectual necesario obtenemos un pequeño beneficio presente. Ahorramos tiempo, incomodidad, incertidumbre. Pero algunas de esas dificultades eran precisamente el entrenamiento que construía nuestra capacidad futura.

El interés de esa deuda no se paga con dinero.

Se paga con dependencia.

Y puede tener interés compuesto: cuanto más delegamos, menos ejercitamos determinadas capacidades; cuanto menos capaces somos, más rentable parece volver a delegarlas.

Hasta que llega un momento inquietante en el que ya no utilizamos la herramienta porque podemos.

La utilizamos porque sin ella podemos menos.

Quizá necesitemos entonces distinguir dos formas radicalmente diferentes de progreso.

Anticipar el futuro significa utilizar la tecnología para ampliar las capacidades que tendremos mañana.

Consumir el futuro por adelantado significa utilizarla para obtener hoy resultados a cambio de debilitar esas capacidades futuras.

La diferencia puede ser invisible porque ambas producen exactamente lo mismo en el presente:

resultados.

Solo el tiempo revela cuál de ellas estábamos comprando.

Y cuál estábamos hipotecando.

El futuro que estamos gastando antes de construirlo

Durante mucho tiempo asociamos el progreso con disponer de más: más educación, más crédito, más tecnología, más capacidad de cálculo. La inteligencia artificial empieza a revelar algo menos cómodo: tener acceso a una capacidad no significa estar preparado para absorberla.

Un país puede saltarse generaciones tecnológicas gracias a la IA, pero no puede saltarse las instituciones que permiten convertirla en productividad. Una sociedad puede democratizar la universidad, pero no fabricar automáticamente los empleos capaces de utilizar tantos conocimientos. Y una persona puede acceder a una inteligencia extraordinaria sin haber desarrollado necesariamente la capacidad de dirigirla.

Quizá ahí esté naciendo la verdadera brecha.

No entre quienes tienen IA y quienes carecen de ella, sino entre quienes pueden integrarla en su pensamiento, su trabajo y sus instituciones y quienes únicamente pueden consumir sus respuestas.

La paradoja aparece también en otros lugares.

Cuando el crédito financia inversión, adelantamos futuro. Cuando nuevo crédito sirve para sostener deuda anterior, hacemos exactamente lo contrario: utilizamos el futuro para impedir que se derrumbe el presente.

Con la inteligencia artificial puede ocurrir algo semejante.

Delegar esfuerzo cognitivo proporciona una ganancia inmediata. Pero, si esa delegación sustituye sistemáticamente al razonamiento, podemos estar contrayendo una forma silenciosa de deuda: ahorrar pensamiento hoy a costa de disponer de menos capacidad para pensar mañana.

Y entonces aparece el círculo peligroso: delegamos porque podemos; perdemos capacidad porque delegamos; y acabamos necesitando delegar porque hemos perdido capacidad.

La cuestión, por tanto, quizá no sea cuánto trabajo sustituirá la IA. La evidencia apunta todavía más hacia una transformación que hacia una desaparición completa. Lo verdaderamente profundo es que cambiará qué entendemos por trabajo valioso.

Si las máquinas investigan, redactan, calculan y resuelven, la escasez humana comienza a desplazarse hacia otro lugar: formular buenas preguntas, elegir qué problemas importan, verificar respuestas, asumir responsabilidades y decidir qué merece ser hecho.

La IA puede democratizar enormes capacidades.

Pero democratizar la capacidad nunca ha garantizado democratizar su aprovechamiento.

Tal vez el gran desafío del futuro no sea conseguir máquinas capaces de pensar.

Será evitar que, mientras ellas aprenden a hacerlo, nosotros olvidemos por qué pensábamos. 

La ilusión de saber

Nunca habíamos tenido tanto conocimiento a nuestro alcance y, sin embargo, disponer de él no significa necesariamente haberlo aprendido. Esta diferencia, aparentemente sencilla, se vuelve especialmente importante en un momento en que la inteligencia artificial puede explicarnos casi cualquier cosa de manera inmediata, clara y convincente.

Nuestro cerebro contribuye a crear cierta ilusión. Cuando leemos una información que ya hemos visto anteriormente, la reconocemos y experimentamos una sensación de familiaridad. Creemos saberla porque nos resulta conocida. Sin embargo, reconocer una idea no significa necesariamente comprenderla en profundidad ni ser capaces de explicarla, relacionarla con otras o recuperarla cuando la necesitamos.

Por eso conviene distinguir entre conservar, reconstruir y reaprender. Conservar significa mantener un conocimiento disponible en la memoria. Reconstruir supone algo más complejo: recuperarlo, relacionarlo y volver a darle forma sin depender completamente de la fuente original. Reaprender, en cambio, consiste en regresar a algo aparentemente olvidado y reconstruirlo a partir de los rastros que permanecen. Son procesos diferentes que solemos reunir bajo una misma expresión: «lo sé».

La inteligencia artificial hace todavía más difusa esta frontera. Puede ayudarnos extraordinariamente a comprender conceptos difíciles, establecer relaciones o acceder rápidamente a explicaciones adaptadas a nuestras necesidades. Pero esa facilidad también contiene un riesgo: confundir la claridad de la respuesta con la profundidad de nuestro aprendizaje. Podemos comprender perfectamente algo mientras lo estamos leyendo y descubrir, poco después, que somos incapaces de reconstruirlo por nosotros mismos.

Tal vez estemos entrando en una época en la que será necesario distinguir entre conocimiento accesible y conocimiento adquirido. El primero puede permanecer fuera de nosotros, disponible en cualquier momento. El segundo exige algún tipo de transformación interior: algo debe quedar, relacionarse con lo que ya sabemos y modificar nuestra manera de pensar.

La inteligencia artificial puede ampliar enormemente aquello que somos capaces de conocer. Pero precisamente por eso plantea una pregunta que merece acompañarnos:

¿Estamos aprendiendo más o simplemente estamos accediendo mejor al conocimiento?

La geografía invisible del talento

La inteligencia artificial suele contemplarse como una tecnología destinada a hacer mejor, más rápido o más barato aquello que ya sabemos hacer. Quizá esa sea solo su consecuencia más visible.

Existe otra mucho más profunda: permitirnos hacer aquello que no sabíamos que éramos capaces de hacer.

Durante siglos hemos confundido aptitud con habilidad. Si alguien no sabía dibujar, difícilmente podía descubrir hasta dónde llegaba su imaginación visual. Si no dominaba la escritura, parte de su capacidad narrativa permanecía encerrada. Si desconocía programación, sus intuiciones lógicas difícilmente podían convertirse en herramientas.

La técnica actuaba como puerta de entrada al talento.

La IA empieza a modificar esa relación. Puede convertirse en una interfaz entre una capacidad interior y su expresión exterior. Al reducir determinadas barreras técnicas, permite que algunas aptitudes desconocidas, intuidas o bloqueadas lleguen a manifestarse.

La persona puede incluso descubrir su capacidad después de ejercerla.

Aquí aparece algo diferente de la productividad aumentada: el potencial humano activado.

Y quizá sus consecuencias desborden al individuo.

La Revolución Industrial redistribuyó riqueza, poder y capacidades entre territorios. Los países que reunieron capital, energía, conocimiento, infraestructuras e instituciones adquirieron enormes ventajas sobre los demás.

La IA podría provocar otra redistribución, pero con una geografía diferente.

Sus nuevos territorios pueden ser humanos.

Personas dispersas por Barcelona, Nairobi, Seúl o Buenos Aires pueden compartir determinadas aptitudes —creatividad, abstracción, criterio, curiosidad, capacidad narrativa, científica o empresarial— y descubrir que la IA las multiplica. Sin conocerse, formarían parte de un mismo colectivo: seres humanos con capacidades amplificadas.

Sobre el mapa político podría estar apareciendo silenciosamente otro mapa: una geografía mundial de capacidades cuyas fronteras no coinciden necesariamente con las de los Estados.

Esto amplía también el significado del tiempo liberado por la IA. Ahorrar una hora no significa únicamente disponer de sesenta minutos adicionales. Ese tiempo puede utilizarse para explorar, experimentar y descubrir capacidades hasta entonces desconocidas.

IA → tiempo liberado → exploración → aptitud descubierta → capacidad amplificada → nuevo valor.

La Revolución Industrial transformó el mundo multiplicando nuestra fuerza.

Quizá la revolución de la inteligencia artificial termine siendo más extraña: no solo multiplicará determinadas capacidades humanas.

Puede revelarnos capacidades que ignorábamos poseer.

Y entonces la gran pregunta ya no será únicamente qué puede hacer la IA por nosotros, sino qué parte desconocida de nosotros mismos puede hacer visible la IA.

Cuando el conocimiento tenía forma

Estamos acostumbrados a pensar que el conocimiento se conserva mediante palabras: libros, documentos, archivos, bases de datos. Pero quizá esta sea una perspectiva demasiado condicionada por nuestra propia civilización.

Durante milenios, gran parte del conocimiento humano no estuvo escrito. Vivía en personas, técnicas, rituales, objetos y construcciones. Cuando desaparecieron quienes podían transmitirlo, se rompió la cadena. A veces sobrevivió el objeto, pero perdimos el código necesario para comprender todo lo que contenía.

Esto invita a mirar de otra manera algunas grandes construcciones antiguas.

Una pirámide puede interpretarse como tumba, monumento religioso, símbolo político o demostración de poder. Nada obliga a negar esas explicaciones. Pero podemos añadir otra pregunta: ¿y si su propia forma fuese también una manera de materializar conocimiento?

Orientación, geometría, proporciones, elección del terreno, comportamiento de los materiales, extracción, transporte, ensamblaje y organización colectiva están incorporados físicamente en la construcción. Aunque ignoremos el procedimiento exacto que la produjo, sabemos que ese conocimiento tuvo que existir.

No afirmamos que las pirámides escondan mensajes desconocidos ni tecnologías misteriosas. La propuesta es mucho más sencilla: considerar la forma como posible soporte del conocimiento.

Esto permite introducir un binomio diferente del habitual materia/energía: materia/forma.

La materia permanece; la forma conserva las relaciones entre sus componentes. Y esas relaciones pueden ser consecuencia de un conocimiento desaparecido.

Paradójicamente, nuestros rascacielos contienen muchísimo conocimiento, pero buena parte está fuera de ellos: planos digitales, software, cálculos, normas, redes industriales y especialistas. Desaparecido ese ecosistema, quizá sus ruinas dijeran menos de nosotros que algunas construcciones antiguas dicen —o podrían llegar a decir— de quienes las levantaron.

No sabemos cuánto conocimiento antiguo seguimos contemplando sin reconocerlo.

Quizá porque hemos aprendido a buscarlo escrito y hemos olvidado que el conocimiento también puede tener forma.

El destino del tiempo ganado

La inteligencia artificial promete ahorrarnos tiempo. Pero ahorrar tiempo y disponer de él no son necesariamente lo mismo.

Cuando una tarea que antes requería tres horas puede resolverse en una, aparecen dos horas nuevas. La cuestión verdaderamente interesante comienza entonces: ¿adónde van esas dos horas?

Podemos distinguir tres destinos.

El primero es el tiempo cedido. La productividad aumenta y el tiempo liberado es inmediatamente ocupado por nuevas tareas. La empresa, la organización o incluso nosotros mismos elevamos las expectativas. Hacemos más en el mismo tiempo. La IA nos ha ahorrado horas, pero no nos pertenecen.

El segundo es el tiempo reutilizado. Las horas recuperadas se destinan conscientemente a otra cosa: producir, aprender, crear, pensar, descansar o relacionarnos. Aquí existe una verdadera transferencia del beneficio tecnológico hacia nuestra capacidad de elegir.

Pero existe una tercera posibilidad, menos visible: el tiempo ocultado. Ahorramos minutos y horas que terminan fragmentados entre correcciones, mensajes, consultas, redes, nuevas posibilidades y pequeñas tareas. Objetivamente hemos ganado tiempo; subjetivamente, nunca llegamos a encontrarlo.

Esta distinción puede resultar fundamental para comprender el verdadero impacto de la IA. Una sociedad podría duplicar su productividad sin que sus ciudadanos sintieran que disponen de más tiempo.

Quizá, por tanto, estamos formulando mal la pregunta. No basta con calcular cuántas horas de trabajo puede ahorrarnos la inteligencia artificial.

Habrá que observar qué ocurre después con ellas.

Porque la gran transformación no dependerá únicamente de cuánto tiempo libere la IA, sino de quién consigue apropiarse de ese tiempo y decidir qué hacer con él.