«Eso nunca lo hará una máquina» — y luego lo hace

Hay un patrón que no logro sacarme de la cabeza. Una persona inteligente y respetada mira una tecnología, dice con total convicción «esto nunca va a pasar» — y unos años después eso mismo es el día a día.

En 1997, Piet Hut, del Institute for Advanced Study de Princeton, le dijo al New York Times sobre el juego de mesa Go: “It may be a hundred years before a computer beats humans at Go — maybe even longer.” En marzo de 2016, AlphaGo venció al jugador de clase mundial Lee Sedol por 4 a 1. No en cien años. En diecinueve.

Douglas Hofstadter, una de las mentes más brillantes de la ciencia cognitiva, escribió en 2018 un ensayo en el Atlantic titulado “The Shallowness of Google Translate”. Citó con aprobación la frase “No reasonable person thinks that a machine translation can ever achieve elegance and style.” En 2023, en una conversación publicada en junio, ese mismo Hofstadter sonaba así: “I don’t think it’s interesting. I think it’s terrifying. I hate it. I think about it practically all the time, every single day.” Y: “It’s a very traumatic experience when some of your most core beliefs about the world start collapsing.”

Si esto te suena familiar, quizá sea por otro lado. En 2017, Jamie Dimon llamó al Bitcoin un fraude en una conferencia de Barclays: “It’s worse than tulip bulbs. It won’t end well. Someone is going to get killed.” En enero de 2018 dijo que se arrepentía de esa afirmación. Warren Buffett llamó al Bitcoin “probably rat poison squared” en la junta anual de Berkshire de 2018; Charlie Munger llamó al comercio de criptomonedas “just dementia”. Y en 1998 Paul Krugman escribió que para 2005 quedaría claro que el impacto de internet en la economía sería “no greater than the fax machine’s” — con el argumento, entre otros, de que “most people have nothing to say to each other!”

No escribo esto para parecer más listo que esta gente. No lo soy. Lo escribo porque el mismo patrón está corriendo otra vez ahora mismo, y esta vez podemos verlo pasar. Esta es mi cronología de eso. Está construida a propósito para seguir creciendo.

Cómo era antes (para que se note el salto)

Antes de que llegara ChatGPT en noviembre de 2022, «una IA que escribe texto» era cosa de iniciados.

GPT-3, el modelo detrás de todo esto, se publicó como preprint el 28 de mayo de 2020 (“Language Models are Few-Shot Learners”), y la beta de la API se lanzó el 11 de junio de 2020. 175 mil millones de parámetros — y una ventana de contexto de apenas 2.048 tokens, unos pocos párrafos, era toda la memoria que tenía. Se estimó que el entrenamiento costó 4,6 millones de dólares; en una sola GPU habría tardado unos 355 años.

Y no se podía simplemente entrar. GPT-3 estaba detrás de una lista de espera. No fue hasta el 18 de noviembre de 2021 — un año y medio después — que OpenAI eliminó la lista de espera y puso la API a disposición de todos.

El texto más famoso de esa época dice mucho sobre el estado real de las cosas. El 8 de septiembre de 2020, el Guardian publicó un artículo de opinión escrito por GPT-3: “A robot wrote this entire article. Are you scared yet, human?” Empezaba con “I am not a human. I am Artificial Intelligence.” e incluía la frase “I have no desire to wipe out humans.” Suena impresionante — hasta que lees la letra pequeña. GPT-3 había producido ocho intentos (alimentados por un estudiante de Berkeley), y la redacción cortó y pegó las mejores partes. Así que «escrito enteramente por IA» era, digamos, un redondeo generoso.

Los expertos fueron sobrios al respecto, como era de esperar. El 22 de agosto de 2020, Gary Marcus y Ernest Davis publicaron un titular en el MIT Technology Review: “GPT-3, Bloviator: OpenAI’s language generator has no idea what it’s talking about.” En un conjunto de pruebas deliberadamente no sistemático — los autores dijeron explícitamente que no era un benchmark —, GPT-3 acertó claramente en más o menos la mitad de los casos y falló claramente en la otra mitad, en razonamiento cotidiano. En marzo de 2021, Emily Bender y sus colegas acuñaron el término que se quedó, en la conferencia FAccT: “loros estocásticos” — máquinas que repiten patrones de palabras sin entender nada. El veredicto de Marcus dos años después, en marzo de 2022: “For all its fluency, GPT-3 can neither integrate information from basic web searches nor reason about the most basic everyday phenomena.”

¿Y las imágenes? El 5 de enero de 2021, OpenAI mostró DALL·E — una variante de 12 mil millones de parámetros de GPT-3 que pintaba imágenes a partir de texto. Baja resolución, a menudo desacertada. Una curiosidad, no una herramienta.

Guarda esa imagen: lista de espera, loro, texto curado, gatito pixelado. Ese era el estado de las cosas hace tres años y medio.

La cronología

De aquí en adelante se vuelve denso. Voy a poner los lanzamientos clave con fecha — y junto a cada uno, lo que hicieron posible por primera vez en la práctica. Esta lista sigue creciendo; la iré ampliando según vaya llegando algo nuevo.

Mayo/junio de 2020 — GPT-3 como preprint y beta de API. En la propia prueba de OpenAI, los evaluadores identificaron correctamente artículos cortos escritos por máquina solo el 52 % de las veces — apenas mejor que lanzar una moneda. Por primera vez: un texto que suena humano a la extensión de un párrafo.

Enero de 2021 — DALL·E 1. Por primera vez: una imagen a partir de texto arbitrario — pero tosca y pequeña.

21 de junio de 2022 — GitHub Copilot se vuelve disponible para todos, 10 dólares al mes. Por primera vez: una IA que teclea contigo mientras programas, asequible para cualquier desarrollador.

Julio/agosto de 2022 — el gran salto en imágenes llega de golpe: DALL·E 2 (anunciado el 6 de abril, beta el 20 de julio), Midjourney (beta abierta el 12 de julio), Stable Diffusion (22 de agosto, código abierto, funciona localmente en hardware de consumo). Por primera vez: imágenes fotorrealistas y componibles — y con Stable Diffusion, en tu propia máquina, sin nube.

Finales de agosto / principios de septiembre de 2022 — la imagen de Midjourney de Jason Allen “Théâtre D’opéra Spatial” gana el primer puesto en la Feria Estatal de Colorado (categoría de fotografía digitalmente manipulada, 300 dólares). El jurado no sabía que era IA. El debate público llegó en septiembre.

30 de noviembre de 2022 — ChatGPT, una vista previa gratuita basada en GPT-3.5. Un millón de usuarios en cinco días, unos 100 millones al mes tras dos meses. Por primera vez: el loro consigue una ventana de chat — y el mundo entero puede entrar.

14 de marzo de 2023 — GPT-4, multimodal (también entiende imágenes), contexto de hasta 32.000 tokens en vez de 2.048. Ese mismo mes se lanza Gen-2 de Runway, una de las primeras betas usables de texto a vídeo. Por primera vez: una IA que “ve” una imagen subida — y los primeros segundos de vídeo generados a partir de texto.

Octubre de 2023 — DALL·E 3, directamente dentro de ChatGPT. Por primera vez: imágenes que realmente aciertan lo que escribes, incluido texto legible.

15 de febrero de 2024 — OpenAI anuncia Sora: hasta 60 segundos de vídeo 1080p altamente realista a partir de un solo prompt. Por primera vez: un vídeo que podrías confundir con real a primera vista.

12 de marzo de 2024 — Cognition presenta Devin, el “primer ingeniero de software de IA” con su propia shell, editor y navegador. Por primera vez: una IA que resuelve una tarea de programación de principio a fin por sí sola.

Marzo/abril de 2024 — Suno V3 (21 de marzo, canciones completas con voz de hasta cuatro minutos, también gratis) y Udio (10 de abril, beta pública). Por primera vez: una canción terminada con voz, a partir de una sola frase.

13 de mayo de 2024 — GPT-4o, un modelo “omni” para texto, audio e imagen en uno. Por primera vez: hablar con la máquina de forma fluida y en tiempo real.

24 de febrero de 2025 — Claude Code se lanza como vista previa de investigación, disponible para todos en mayo de 2025. Por primera vez: programar se convierte en un diálogo en la terminal — también para mí; esta página está construida así.

25 de marzo de 2025 — OpenAI integra la generación de imágenes de forma nativa en GPT-4o. La tendencia viral “Studio Ghibli” desbordó tanto el servicio que la versión gratuita tuvo que retrasarse. Por primera vez: editar imágenes en la conversación — “haz el cielo más cálido”, y ocurre.

20 de mayo de 2025 — Google Veo 3: por primera vez, sonido generado en sincronía — diálogo, efectos de sonido, sincronización labial. Veo 3.1 llega a mediados de octubre de 2025. Por primera vez: un vídeo que no solo se ve bien, también suena bien.

7 de agosto de 2025 — GPT-5, descrito por OpenAI como un “equipo de expertos de nivel doctorado en tu bolsillo”.

30 de septiembre de 2025 — Sora 2: sonido sincronizado, mejor física, funciones “Cameo” — más su propia app en formato TikTok. Por primera vez: el vídeo de IA como red social, no como demo de laboratorio.

Lee estos cinco años de un tirón, y el loro de 2020 parece de otro siglo.

Lo que casi nadie tiene en el radar

Todo el mundo habla de ChatGPT. Muy pocos hablan de esto — y puede que sea la parte más grande de la historia.

En noviembre de 2020, AlphaFold 2 ganó la competición CASP14 con una puntuación mediana de alrededor de 92 GDT_TS, resolviendo un problema en el que la biología llevaba cincuenta años fracasando: predecir el plegamiento tridimensional de una proteína a partir de la secuencia de sus aminoácidos. Esto no es un truco. El plegamiento de proteínas es la base para entender cómo funcionan las enfermedades y cómo encajan los medicamentos. Desde 2022, la base de datos de AlphaFold contenía más de 200 millones de estructuras, más de 214 millones para 2024, usada por más de dos millones de investigadores en 190 países. El 8 de mayo de 2024 llegó AlphaFold 3, que también predice complejos de proteínas, ADN, ARN y moléculas de fármacos.

El reconocimiento llegó al más alto nivel: el Premio Nobel de Química 2024 fue en una mitad para David Baker por el diseño computacional de proteínas, y en la otra mitad, conjuntamente, para Demis Hassabis y John Jumper por la predicción de estructuras de proteínas. Un sistema de IA está en el centro de un Premio Nobel de Química.

Y no se queda en las proteínas:

  • Medicina: Rentosertib, un fármaco descubierto por IA contra la enfermedad pulmonar FPI, mostró una mejora dependiente de la dosis en la función pulmonar tras doce semanas en un estudio de fase IIa con 71 pacientes en 22 centros — publicado el 3 de junio de 2025 en Nature Medicine. En 2023, un modelo de deep learning (una colaboración entre la Universidad McMaster y el MIT) identificó el fármaco abaucina contra un patógeno hospitalario peligroso, entre unas 7.500 moléculas evaluadas.
  • Materiales: GNoME, de DeepMind, predijo la estabilidad de 2,2 millones de nuevos cristales a finales de 2023. Ese mismo día, el A-Lab de Berkeley mostró un robot que usaba aprendizaje automático para sintetizar nuevos materiales inorgánicos en 17 días. (Para ser justos: ambos trabajos han recibido críticas desde entonces — muchos consideran inflado el recuento de estructuras realmente nuevas de GNoME, y Nature tuvo que publicar una corrección sobre el A-Lab. El avance es real, el balance está en disputa.)
  • Clima: GraphCast predice hasta diez días de tiempo en menos de un minuto en un solo ordenador — y fue más preciso que el modelo establecido del ECMWF en más del 90 % de 1.380 objetivos verificados. GenCast siguió a finales de 2024 con mejores trayectorias de ciclones.
  • Matemática pura: AlphaProof y AlphaGeometry 2 resolvieron cuatro de seis problemas en la Olimpiada Internacional de Matemáticas de 2024, 28 de 42 puntos — nivel plata, un punto por debajo del oro. Uno de los problemas que resolvieron solo lo habían descifrado por completo cinco de más de 600 concursantes humanos. Y a finales de 2023, FunSearch encontró una solución demostrablemente nueva a un problema matemático abierto — la primera vez que un modelo de lenguaje aportó conocimiento nuevo, genuino y verificable.

Así que el loro que supuestamente solo repite ha plegado proteínas, encontrado fármacos y hecho matemáticas que apenas ningún humano puede hacer.

Las cifras

Cuando quiero saber si una tecnología va en serio, sigo el dinero — y los empleos.

La inversión corporativa mundial en IA alcanzó unos 252 mil millones de dólares en 2024, según Stanford HAI. En 2025 se duplicó hasta 581,7 mil millones. La inversión privada por sí sola saltó un 127,5 % hasta 344,7 mil millones. La IA generativa — la parte que genera imágenes, texto y vídeo — creció alrededor de un 200 % en 2025 hasta unos 171 mil millones de dólares, casi la mitad de toda la inversión privada en IA. Estados Unidos lidera con 285,9 mil millones en inversión privada, 23 veces la de China.

El uso avanza al mismo ritmo: el 78 % de las organizaciones reportó usar IA en 2024 (frente al 55 % del año anterior); McKinsey lo situó en el 88 % con uso regular en al menos una función de negocio en 2025. El pero — y lo digo a propósito: solo alrededor de un tercio de las empresas escala más allá de los proyectos piloto, y solo una minoría puede mostrar un efecto medible en las ganancias. Se experimenta mucho, se lleva a término poco.

¿Y el trabajo? Ahí está el punto sensible. El FMI estima que alrededor del 40 % del empleo mundial está expuesto a la IA, cerca del 60 % en las economías avanzadas. La mitad de esos empleos podría beneficiarse, la otra mitad podría perder tareas centrales. La directora del FMI, Kristalina Georgieva, lo resumió así: “We are on the brink of a technological revolution that could jumpstart productivity, boost global growth and raise incomes around the world. Yet it could also replace jobs and deepen inequality.”

El WEF espera 170 millones de empleos nuevos para 2030, 92 millones perdidos — una ganancia neta de 78 millones. Así que no solo pérdida. El crecimiento más rápido está en especialistas en big data (+110 %), ingenieros fintech (+95 %), especialistas en IA/ML (+85 %); la caída más pronunciada está en empleos de oficina clásicos como administrativos y cajeros. El 39 % de las competencias centrales que se exigen hoy se consideran obsoletas para 2030.

Un detalle que me hace sentir optimista: el Anthropic Economic Index analizó alrededor de dos millones de conversaciones de IA a principios de 2026. Por primera vez, la aumentación (52 %) — la IA ayudando a una persona con su trabajo — superó a la automatización (45 %), donde la IA asume la tarea por completo. Más a menudo asistente que reemplazo. Al menos por ahora.

Antes vs. ahora — mis propias cuentas

Ahora se vuelve concreto, porque es exactamente donde vivo. Una tienda de IA, un blog — las imágenes ahí tienen que venir de algún lado. Así que miré lo que realmente requiere una sesión de fotos publicitaria clásica. No el cliché, las cuentas.

Empecemos por los derechos, porque la mayoría los pasa por alto. Para usar una imagen, se añade un “buy-out” encima del pago — un recargo que escala según el alcance y cuánto tiempo la uses, “longer period, higher buyout”, como lo formulan las agencias. Las licencias suelen durar de uno a cinco años; después ya no puedes usar la imagen. Y en EE. UU. necesitas una liberación de modelo (model release) para cada persona reconocible — sin ella, el uso comercial es simplemente ilegal, sea celebridad o no.

Luego la gente en el set. Una agencia se lleva un 15–20 % de comisión del modelo y añade un recargo encima para el cliente. Una sesión de moda de un solo día se suma rápido: fotógrafo 1.000–3.500 dólares (en Nueva York o L.A. fácilmente 3.000–8.000+), modelo 500–3.000, estudio 300–1.500, peluquería y maquillaje 400–1.200, estilista 400–1.800, retoque por imagen aparte. Una producción austera queda alrededor de 2.600 dólares, una intermedia alrededor de 12.700, alta gama entre 25.000 y 100.000 dólares — por día. Y el día de rodaje es, como señala secamente una productora, “the smallest part”: en un anuncio de televisión, la preproducción supone el 40–50 % del tiempo, un anuncio necesita en total de 6 a 10 semanas, una campaña de 8 a 12. Casting, búsqueda de locaciones con permisos y seguro, un equipo de 2 a 200 personas, contingencia por clima.

Un ejemplo que se queda grabado: un peluquero de famosos cobró 12.000 dólares por dos días de rodaje — solo por el trabajo, sin viaje ni agencia. Solo el pelo.

¿Y hoy? Exactamente ese resultado — la persona, la luz, el lugar, el ambiente — es un prompt. Segundos en vez de semanas. Sin buy-out, sin contrato de licencia que caduque, sin clima. Esta página y la tienda son el ejemplo vivo: lo que ves aquí en imágenes habría significado, hace tres años, una producción de cinco cifras medias y un mes de preparación. Cómo se hacen estas imágenes lo muestro en la página de IA — las herramientas de IA son la caja de herramientas detrás.

No digo esto para restarle mérito al trabajo de nadie. Un buen fotógrafo, un buen estilista — eso sigue siendo talento. Lo digo porque el umbral ha desaparecido. Lo que antes exigía presupuesto y contactos hoy exige una buena idea y una frase precisa.

El truco

Para que esto no se convierta en un texto publicitario, va la parte honesta. El Estado apenas usa estos modelos, y muchas empresas tampoco — por razones de protección de datos. Y eso no es tonto, es comprensible. Quien escribe datos sensibles en el modelo en la nube de otro cede un control que quizá no tiene permitido ceder. Una oficina pública, una clínica, un bufete no pueden simplemente pasar datos personales a un proveedor estadounidense.

Solo que la respuesta a eso no es “de ninguna manera”, sino “cómo se llega hasta ahí”. Recuerda Stable Diffusion de agosto de 2022 — eso funcionó localmente desde el principio, en hardware normal, sin que un solo byte saliera de tu propia máquina. Justo esa dirección — modelos que corren en tu propio ordenador o dentro de tu propia organización — es el camino para las administraciones públicas y las empresas sensibles a los datos, sin perder el control. La tecnología para eso mejora y se reduce mes a mes. Quien lo ignora no resuelve el problema, solo lo pospone.

Para terminar

El patrón es siempre el mismo. Primero “esto nunca pasará”, luego “bueno, pero eso no cuenta”, y después es el día a día y nadie recuerda haberlo dudado alguna vez. Go. Traducción. Plegamiento de proteínas. Imágenes, voces, vídeo con sonido. Y sí, en su momento también internet, y ese “dinero digital” que supuestamente era solo veneno para ratas.

No afirmo saber dónde termina esto. Nadie lo sabe. Pero hay una lección de estos tres años y medio que me atrevo a escribir: llega más rápido de lo que casi todos piensan — más rápido, incluso, de lo que piensan los listos que dicen “nunca”.

Por eso sigo con esta cronología. Cada vez que cae algo que ayer se llamaba imposible, se añade una entrada. Si quieres crecer junto con ella, pásate de vez en cuando — y si has visto algo que falta aquí, escríbeme a través de la página de contacto. Esta lista no está terminada. Apenas está empezando.