Opinión
La inteligencia artificial ya ha tocado techo: ahora toca redistribuir el saber que la hizo posible

Durante años hemos escuchado que la inteligencia artificial es una revolución imparable, una fuerza autónoma capaz de transformar la economía, la cultura y hasta la propia idea de conocimiento. Pero conviene detenerse un momento y observar con calma qué hay realmente detrás de esa narrativa. Porque la IA generativa, la que escribe, resume, programa, traduce, dibuja, ya ha alcanzado su pico como “saber”. No porque sea perfecta, sino porque no puede ir más allá del conocimiento humano que ya exprimió.

Los modelos actuales no inventan nada. Recombinan. Mezclan, reorganizan, imitan. Su aparente creatividad es una ilusión estadística construida sobre millones de textos, imágenes, líneas de código y artículos escritos por personas reales. La IA no aprende del mundo: aprende de nosotras. Y lo hace con la misma lógica que una fotocopiadora: cada copia es más rápida, sí, pero también más pobre que el original. Pierde matices, contexto, intención, experiencia. Pierde humanidad.

 Los gobiernos están destinando miles de millones a financiar “modelos más grandes, más entrenados, más potentes”. Pero ese camino es un río seco

La industria lo sabe. Por eso la carrera ya no va de “inteligencia”, sino de explotación: más datos, más modelos, más infraestructura para seguir ordeñando el mismo saber colectivo. La curva de conocimiento no crece; lo que crece es la capacidad para empaquetarlo y venderlo.

Y aquí aparece el problema político. Los gobiernos están destinando miles de millones a financiar “modelos más grandes, más entrenados, más potentes”. Pero ese camino es un río seco. No hay nuevo saber que extraer. Lo que hay es una maquinaria cada vez más costosa que sólo beneficia a unas pocas macroempresas que ya han capturado el conocimiento de todos y ahora aspiran a capturar también las infraestructuras públicas.

La pregunta es evidente: ¿por qué seguimos financiando a los intermediarios y no a las creadoras y creadores del saber?

Porque el saber que alimenta la IA no nació en laboratorios privados. Nació en universidades, en comunidades abiertas, voluntarias, sostenidas durante décadas por millones de personas que nunca cobraron nada por ello. Hablamos de los editoras y editores de Wikipedia, los programadoras y programadores que responden en StackOverflow, las desarrolladoras que comparten código en GitHub, las investigadoras que publican en arXiv, los millones de usuarias y usuarios que explican, debaten y documentan en Reddit. Hablamos también de periodistas, artistas, docentes, divulgadoras, técnicas, activistas. Todas esas personas han construido la base de datos más grande de conocimiento humano jamás creada. Y todas ellas han sido expropiadas sin compensación.

Un ejemplo basta para entenderlo: Hoy cualquiera puede generar unas ‘nuevas flores de Van Gogh’: un cuadro que nunca existió, que imita su pincelada y su luz, pero que jamás será un Van Gogh. La IA sólo puede producir algo así porque antes existió el trabajo del pintor, su técnica y su sensibilidad. Sin ese saber previo, nada de lo que hoy llamamos inteligencia artificial sería posible.

Pero la metáfora es más profunda.

Van Gogh murió pobre, ignorado, precarizado. Su obra, nacida de la fragilidad, la pobreza y la obsesión por la luz, fue apropiada después por el mercado, convertida en mercancía, en inversión, en símbolo de prestigio económico. Lo que era sensibilidad popular se transformó en patrimonio privado.

La IA generativa es, en realidad, el mayor proyecto de extracción cognitiva de la historia. Y si no se regula, será también el mayor proyecto de concentración de poder.

Hoy ocurre algo aún más radical: nuestro trabajo, nuestro saber, nuestra forma de mirar el mundo, ya no es apropiada por marchantes o coleccionistas, sino por modelos de IA entrenados con nuestro conocimiento sin compensación.

La IA generativa es, en realidad, el mayor proyecto de extracción cognitiva de la historia. Y si no se regula, será también el mayor proyecto de concentración de poder. Por eso urge un cambio de rumbo: la administración pública debe dejar de financiar la ampliación de modelos y empezar a legislar sobre la redistribución de beneficios.

Redistribuir significa reconocer que el conocimiento es un bien común y que quienes lo generaron deben participar de los frutos económicos que ahora produce. Significa proteger las infraestructuras digitales abiertas como patrimonio público. Significa garantizar que la IA no sea una máquina de desigualdad, sino una herramienta de justicia cognitiva.

Redistribuir también implica políticas concretas: Impuestos a los modelos entrenados con datos públicos, igual que se grava la explotación de recursos naturales. Fondos de compensación para comunidades de conocimiento. Soberanía tecnológica europea: modelos públicos, infraestructuras digitales abiertas como bienes comunes.

Y aquí me detengo para explicar algo que rara vez se menciona, pero que es crucial para cualquier proyecto democrático de soberanía tecnológica: cuando una administración pública licita un contrato para desarrollar software, el código que se produce con dinero público debería ser patrimonio público. Sin embargo, hoy puede quedar en manos de la empresa adjudicataria, que decide cómo se usa, cómo se modifica y quién puede acceder a él. Es una forma silenciosa de privatización del saber común: el Estado paga, pero no controla. El software financiado por la ciudadanía debe ser código abierto, auditable y reutilizable por cualquier administración. De lo contrario, la dependencia tecnológica se convierte en una nueva vía de desposesión, igual que ocurre con los datos y con el conocimiento que alimenta la IA.

A esto se suma otro fenómeno que cualquiera que haya trabajado en tecnología conoce bien: el “efecto wow”. Una demostración brillante, una simulación llamativa o un prototipo que parece mágico puede convencer a una dirección de que la IA es imprescindible, aunque detrás no haya ni estabilidad, ni mantenimiento, ni capacidad real de integración. Ese “wow” funciona porque muestra algo espectacular en un entorno controlado, pero oculta lo más importante: quién va a sostener ese sistema cuando deje de ser una demo.

Y esto nos lleva a otro problema que apenas se discute: la deuda técnica que la IA está generando dentro del sector público. Cuando las programadoras y los programadores empiezan a delegar partes del desarrollo en herramientas automáticas que no pueden auditar, el control del software deja de estar en manos de quienes lo construyen y pasa a manos de quien controla la herramienta.

Si el Estado no sabe cómo funciona el software que paga y tampoco sabe cómo funciona la IA que adopta, dependerá para siempre de quien la haya construido

Para explicarlo sin tecnicismos: la deuda técnica aparece cuando un sistema se desarrolla sin tiempo, sin documentación o sin que quienes lo mantienen entiendan bien cómo funciona. Es como heredar una casa sin planos: mientras todo va bien, nadie se preocupa; pero cuando hay que arreglar algo, descubres que sólo quien la construyó sabe dónde están las tuberías.

Con la IA, este problema se multiplica. Si las programadoras y los programadores dejan de comprender partes del código porque las ha generado un modelo opaco, el sistema se vuelve más difícil de mantener, más caro de actualizar y más dependiente de la empresa que proporciona la IA. La deuda técnica ya no es sólo un problema informático: es una pérdida de soberanía.

En términos sencillos: si el Estado no sabe cómo funciona el software que paga y tampoco sabe cómo funciona la IA que adopta, dependerá para siempre de quien la haya construido.

La batalla por la IA no es técnica: es democrática. Y como toda batalla democrática, exige elegir entre concentración de poder o justicia. No se trata de máquinas: se trata de quién controla el futuro del conocimiento humano.