La IA: ¿Mito o Fábula?

Cuando converso sobre inteligencia artificial, no es raro que alguien me pregunte si todo esto no será humo: una burbuja, un globo que cualquier día se desinfla. La duda es legítima y conviene tomarla en serio, porque hay teorías respetables que anuncian una corrección brusca del entusiasmo y de la inversión. Pero antes de darle la razón a la sospecha, consideremos lo que ocurrió en apenas unos días de junio de 2026. Primero, uno de los laboratorios que está en la frontera entregó al público su modelo más reciente y lo llamó Fable —Fábula—: una versión deliberadamente provista de frenos de un modelo aún más capaz al que había bautizado Mythos —Mito— y que decidió no abrir, por temor a lo que podría hacer en las manos equivocadas. Días después, el Gobierno de Estados Unidos, invocando la seguridad nacional, ordenó suspender el acceso a ambos mediante una directiva de control de exportaciones, el mismo instrumento con que se regulan las armas y la tecnología nuclear. La empresa acató la orden, pero discrepó en público.

Detengámonos en la rareza del momento. Mientras unos discuten si la inteligencia artificial es un mito, una fábula o puro humo —es decir, si es menos de lo que dice ser—, su propio creador la nombra como algo demasiado poderoso para liberarlo, y un Estado la trata como tecnología estratégica restringible. El humo no se retira por seguridad nacional. Una burbuja financiera no se somete a control de exportaciones. Que una empresa se autolimite por capacidad y que un gobierno intervenga por sus alcances son, los dos, el reverso exacto de la idea de que aquí no hay nada. La pregunta de este capítulo nace de esa distancia, y no es la que parece.

Quien habita una universidad —y digo «habita» a conciencia, porque quien ocupa un espacio es un visitante o un cliente, mientras que quien lo habita es un ciudadano de ese ecosistema, lo hace propio, lo cuida y deja su huella en él— ha leído seguramente que aquí o allá se cierran carreras, que las matrículas caen, que algunas instituciones se fusionan. Esa lectura de los hechos sueltos es comprensible, es cómoda, y es insuficiente. Sostengo que por debajo de ellos opera una transformación de fondo, y que el modo en que la universidad la lea —como humo o como realidad, desde la versión gratuita o desde el conocimiento directo— decidirá si la escribe o si la escriben. Empecemos por los hechos.

1.1La reestructuración empezó sin pedir permiso

En 2025, una de las universidades más prestigiosas de China para la formación creativa, la Communication University of China, suspendió dieciséis carreras de grado —entre ellas traducción, fotografía, cómic y diseño de comunicación visual— y lo explicó sin ambages: sostener una carrera de cuatro años en traducción se había vuelto, en palabras del secretario de su comité, «un enorme desperdicio de recursos nacionales», porque llega la era de la «colaboración hombre-máquina». No fue un caso aislado: semanas antes, la Universidad de Jilin había suspendido diecinueve programas, seis de ellos en artes. Y no se trata de gestos locales: siguiendo la directriz del Ministerio de Educación de optimizar cerca del veinte por ciento de las especialidades de grado, el país registró en un solo año más de mil cuatrocientas carreras abolidas y más de dos mil con admisiones suspendidas, con los recursos redirigidos hacia campos como la ciencia de datos y la ingeniería audiovisual inteligente.

En Estados Unidos, donde la causa no se decreta sino que la dicta el mercado, las matrículas en ciencias de la computación cayeron un ocho coma uno por ciento en el curso 2025-2026 —la caída más pronunciada de cualquier campo de estudio—, porque los estudiantes temen que la inteligencia artificial absorba la programación de nivel inicial. Y ese cálculo ya no es minoritario: la proporción de estudiantes que considera seriamente cambiar de carrera por causa de la IA pasó del cuarenta y dos al cincuenta y seis por ciento en un año, y los que ya la cambiaron treparon del trece al diecinueve por ciento. En el Reino Unido, en fin, la presión financiera ha forzado fusiones que parecían impensables, como la que unió en 2025 a las universidades de Kent y Greenwich en la primera «superuniversidad» regional del país.

La causa inmediata varía de un país a otro: un decreto en China, un cálculo de los estudiantes en Estados Unidos, un balance en rojo en el Reino Unido. Pero por debajo de esas causas opera un mismo factor estructural, y es la tesis que recorre este libro: los programas construidos sobre habilidades que la inteligencia artificial generativa de frontera ejecuta hoy con calidad profesional verificable son los primeros en perder demanda, viabilidad o sentido institucional. No afirmo que la IA sea la única causa de cada cierre; afirmo que es el factor que, sobre terrenos ya frágiles por razones demográficas o financieras, decide cuáles programas no se recuperan. Y lo decisivo, lo que vuelve estructural a esta transformación, es que no toca una sola de las funciones de la universidad —la docencia, la investigación, la administración, la extensión, la articulación con el medio—, sino todas a la vez. Las transformaciones anteriores afectaron una función y dejaron tiempo para reorganizar las demás. Esta las toca todas, y por eso convierte la respuesta en un problema de modelo, no de iniciativas dispersas.

1.2Lo que la IA ya hace (y la sala de profesores no ve)

Antes de preguntarnos qué hacer con la inteligencia artificial conviene mirar de frente lo que ya hace, porque buena parte de las decisiones institucionales se toman sin esa mirada. La velocidad de la transformación se aprecia en una sola cifra y su trayectoria. En 2022, los modelos de lenguaje obtenían alrededor del cuarenta y nueve por ciento de acierto en pruebas estandarizadas de razonamiento técnico. En abril de 2026, uno de los modelos de frontera alcanzó el noventa y tres coma nueve por ciento en una prueba de ingeniería de software profesional y el noventa y siete coma seis por ciento en la Olimpiada Matemática de Estados Unidos. En cuatro años el desempeño se duplicó y pasó a superar al estudiante universitario promedio en disciplinas que durante décadas operaron como filtros académicos selectivos.

Pero las pruebas estandarizadas son apenas el indicio más medible. El reconocimiento más alto de la ciencia ya consagró lo que estas herramientas permiten. En 2024, el Premio Nobel de Física distinguió a John Hopfield y Geoffrey Hinton por los descubrimientos que hicieron posible el aprendizaje automático con redes neuronales artificiales. Y el de Química reconoció a Demis Hassabis y John Jumper por AlphaFold, un sistema que predijo la estructura de casi la totalidad de las doscientas millones de proteínas conocidas —en minutos lo que la cristalografía tardaba años— y que se ofreció en acceso libre a más de dos millones de científicos, junto a David Baker por el diseño de proteínas que no existían en la naturaleza. Un enigma que la bioquímica arrastraba durante más de cincuenta años quedó resuelto por una máquina que aprende.

Y no es un dominio aislado. La misma clase de modelos clasifica con alta precisión decenas de millones de mutaciones genéticas para orientar la medicina de precisión; descubre antibióticos eficaces contra bacterias resistentes; predice la estabilidad de nuevos materiales para baterías y energía limpia; pronostica el clima global en segundos donde antes hacían falta superordenadores; procesa los mil ochocientos millones de estrellas que cataloga una misión espacial contemporánea. Importa subrayar que la inteligencia artificial no solo transforma las ciencias llamadas duras: también potencia las ciencias sociales y las humanidades. Plataformas de reconocimiento de escritura manuscrita descifran hoy manuscritos tenidos por ilegibles —un investigador entrenó un modelo con cien páginas para transcribir de forma fiable las dos mil quinientas restantes de un diario en griego antiguo cursivo—, y archivos nacionales enteros vuelcan a texto editable millones de documentos históricos. La pregunta, entonces, se vuelve incómoda para cualquier institución: si esto es lo que la herramienta hace en la cima de la ciencia, ¿con qué autoridad se la llama humo, y con qué prudencia se la ignora o se pelea con ella?

1.3La brecha entre el uso y el potencial

Aquí aparece la paradoja que da título a este capítulo. La adopción de la inteligencia artificial generativa se ha universalizado en lo formal: para finales de 2025 alcanzaba ya a cerca del dieciséis por ciento de la población mundial, y las principales plataformas suman cientos de millones de usuarios. Pero el aprovechamiento real cuenta otra historia. En el ecosistema occidental, alrededor del noventa y cinco por ciento de los usuarios de la plataforma más extendida opera con la versión gratuita, y solo entre el cinco y el seis por ciento paga la suscripción que abre las capacidades decisivas: el razonamiento avanzado, el contexto extenso capaz de analizar libros o bases de código completas, y los agentes que ejecutan tareas de varios pasos por sí mismos.

Y aun quienes pagan rara vez explotan lo que tienen. El uso cotidiano se concentra en tareas de baja complejidad: más de la mitad de la actividad en las plataformas de chat son consultas e investigación general, y casi la mitad de los usuarios recurre a la IA para planear viajes. Según datos de la propia industria, el sesenta por ciento la emplea para «aumentar» tareas que ya sabe hacer —resumir un informe, redactar un correo— y solo el cuarenta por ciento para «automatizar» flujos completos. El usuario medio sigue atrapado en la conversación paso a paso e ignora las arquitecturas de agentes, la ejecución de código en bucle o el control de interfaz que las herramientas avanzadas ya permiten. Dicho sin rodeos: la herramienta que contribuyó a ganar un Premio Nobel se usa, en su inmensa mayoría, para escribir correos y reservar hoteles.

Esa distancia entre lo que la inteligencia artificial puede hacer y lo que efectivamente le pedimos es la brecha de la que trata este libro. No es una brecha de la tecnología: es una brecha de apropiación. Y tiene una consecuencia que rara vez se nombra y que conviene examinar de frente, porque toca directamente a quienes deciden.

1.4El riesgo de decidir desde la versión gratuita

Formulo la pregunta sin rodeos, porque me parece central y casi nunca se hace. Quienes diseñan las políticas institucionales de inteligencia artificial, quienes elaboran los diagnósticos, quienes impulsan iniciativas y comisiones —personas con inquietudes y necesidades legítimas, que merecen todo el respeto—, ¿desde dónde conocen aquello que pretenden gobernar? Si su contacto con la IA se reduce a la versión gratuita y al uso superficial que describí en el apartado anterior, entonces proyectan reglas, temores y expectativas sobre un objeto que no conocen de primera mano. Y se produce una situación delicada: se legisla, se restringe o se promueve sobre la base de una herramienta cuyo verdadero alcance no se ha experimentado.

No estoy diciendo que haya que desconfiar de los expertos. Apoyarse en la literatura académica y en quienes estudian el campo es no solo válido sino necesario. Lo que sostengo es que la inteligencia artificial tiene una propiedad singular que cambia la ecuación: vuelve experto a quien la conoce. Las investigaciones rigurosas sobre productividad lo muestran con nitidez. Cuando trabajadores reales incorporan un asistente de IA, la ganancia promedio ronda el catorce por ciento; pero entre los menos experimentados o de menor calificación alcanza el treinta y cuatro por ciento, mientras que para los más expertos la mejora es marginal. La herramienta no premia a quien ya sabía: acorta la distancia de quien sabía menos. Es, en el sentido más literal, un ecualizador de pericia.

La consecuencia para la universidad es directa. Una institución que toma sus decisiones sobre la inteligencia artificial desde el uso gratuito y ocasional opina sobre un objeto que apenas ha rozado; una institución cuyos cuadros han iterado con la herramienta en profundidad —de manera informada, con acceso directo a sus capacidades plenas— decide sobre lo que conoce. La diferencia no es de opinión, sino de fundamento. Y prefigura una de las piezas que este libro propondrá más adelante: un dispositivo institucional de inteligencia artificial que dé a la comunidad universitaria ese acceso informado y gobernado, en lugar de dejar a cada quien con la versión gratuita y el desconocimiento por compañía.

1.5Pensar la IA desde la filosofía

Sería un error reducir todo esto a un asunto de ciencia y tecnología. La inteligencia artificial reconfigura también el mundo del trabajo, las ciencias sociales y, en el fondo, el modo en que una sociedad entiende el conocimiento y la justicia; y esas son preguntas que la universidad no puede delegar. Sobre el empleo, las visiones de los propios líderes del sector divergen: hay quien anticipa que cerca de la mitad de los puestos de oficina de nivel inicial se verán alterados en pocos años, quien insiste en que se automatizan tareas y no puestos completos, y quien sostiene que un profesional más productivo debería multiplicar la producción en lugar de reducir la plantilla. Lo que los datos ya muestran sin ambigüedad es que la puerta de entrada se está estrechando: la contratación de programadores jóvenes cayó alrededor de un veinte por ciento desde sus máximos, mientras la de perfiles experimentados siguió creciendo.

Y la transformación alcanza a las propias humanidades y ciencias sociales, en una paradoja que merece atención filosófica. Las tareas más expuestas a la automatización son precisamente las de síntesis documental y redacción analítica —el oficio cotidiano de filósofos, historiadores y politólogos—; y sin embargo, la competencia que el mundo laboral declara más demandada es el pensamiento analítico, seguido de la resiliencia, la creatividad y la curiosidad. Lo que la máquina absorbe es la ejecución; lo que el mundo sigue necesitando es el criterio, que solo se forma ejerciéndolo. Conviene además recordar que uno de los padres del campo, el mismo Geoffrey Hinton que recibió el Nobel, ha advertido con franqueza sobre el riesgo de perder el control de sistemas que superen la inteligencia humana. Cuando el creador duda, la pregunta deja de ser técnica y se vuelve filosófica; y el lugar histórico de esa pregunta es la universidad.

Esa mirada de fondo se traduce, en la vida concreta de las instituciones, en cinco preocupaciones que la universidad ya nombra cuando se escucha a sí misma, aunque rara vez las articule como sistema. La primera es la obsolescencia del dispositivo tradicional de evaluación: el ensayo en casa, el reporte sin defensa, expuestos a una asimetría que la detección no cierra, pues los principales sistemas comerciales no se detectan en más del noventa por ciento de los casos y, cuando aciertan, penalizan con sesgo a quienes escriben en una segunda lengua. La segunda es la sobredependencia cognitiva: la atrofia, por desuso, de las competencias que se forman justamente asumiendo los esfuerzos que la IA puede hacer en lugar del estudiante. La tercera es la desarticulación entre lo que la universidad forma y lo que el mundo profesional requiere, agravada por un plan de estudios que tarda años en actualizarse frente a modelos que cambian cada pocos meses.

La cuarta toca a la justicia, y aquí reaparece la brecha de este capítulo: quienes pueden pagar acceden a modelos avanzados con todas sus capacidades, mientras los demás operan con versiones gratuitas limitadas, de modo que «acceso para todos» sin formación de la competencia para iterar reproduce, con una pátina de inclusión, la desigualdad de origen. La quinta es la más silenciosa: la contradicción institucional. La misma universidad que restringe la IA a sus estudiantes la incorpora con entusiasmo en su administración. El caso más nítido lo ofreció un gran sistema universitario que anunciaba una alianza de diecisiete millones de dólares para llevar la IA a toda su comunidad mientras proponía recortes por trescientos setenta y cinco millones que eliminaban plazas docentes y programas enteros: invertir en la herramienta a costa de la estructura humana que le da sentido. Vistas por separado, estas cinco preocupaciones piden remedios técnicos distintos. Vistas en conjunto, piden algo más exigente: piden un modelo. Son, con honestidad, el primer borrador del modelo que la universidad aún no ha formulado.

1.6No pelear con ella: conocerla y articularla

Hay un precedente histórico que ilumina lo que está en juego. ARPANET conectó cuatro universidades estadounidenses en 1969; la red se extendió al sistema universitario completo en 1986; e internet se abrió comercialmente en 1995. Cuando eso ocurrió, las universidades que ya llevaban dos décadas operando en red habían construido algo que no figuraba en ningún balance: infraestructura humana, vocabulario técnico compartido, comunidades de práctica y una ventaja que ninguna institución podía recuperar entrando tarde. Que Stanford, el MIT, Berkeley o Carnegie Mellon encabecen hoy la jerarquía mundial no es casualidad: la ventaja temprana del internet académico se acumuló de manera irreversible. No se distribuyó parejo con el tiempo; se concentró donde había empezado antes.

La lección para 2026 es directa, y es la razón por la que insisto en el «ahora» y no en el «después». Cada año que una universidad demora la formulación de su propio modelo produce cuatro pérdidas concretas y articuladas entre sí: pierde capital humano interno, porque sus docentes aprenden a iterar de forma invisible y tarde o temprano migran con esa competencia; pierde posición frente a sus egresados, que certifican fuera lo que no aprendieron dentro; pierde articulación con el medio externo, que busca socios formativos donde sí los encuentra; y pierde, en fin, la capacidad de definir sus propias directrices, porque cuando una institución no formula su marco, la regulación de otros y las condiciones de uso de los proveedores —aceptadas sin leer— se convierten en su marco efectivo. A esa erosión la llamo, y el libro la desarrollará, pérdida de soberanía algorítmica.

Frente a este horizonte hay dos caminos, y conviene elegir con los ojos abiertos. Uno es el de la reacción defensiva: prohibir, recortar, esperar a que pase. El otro lo ilustra el modelo finlandés, que en lugar de cerrar departamentos asumió la alfabetización en inteligencia artificial como un derecho y una competencia transversal de todos los títulos —su curso abierto sobre los fundamentos de la IA superó los cuatrocientos mil participantes— bajo un principio sobrio: la IA debe ser asistente del aprendizaje, nunca su líder, y la evaluación se rediseña hacia defensas orales y bitácoras reflexivas. La diferencia entre un camino y otro no es de recursos, sino de actitud. La universidad no necesita pelear con la inteligencia artificial: necesita conocer sus alcances y su potencial, y articularla a su favor.

1.7Lo que este libro propone

El campo de la incorporación universitaria de la inteligencia artificial está dominado por cinco respuestas que el próximo capítulo examinará una por una: prohibir, regular, capacitar, comprar herramientas y pilotear. Cada una resuelve algo y deja sin resolver lo principal; ninguna constituye, por sí sola, un modelo institucional articulado. SinergIA ofrece algo de otra naturaleza: un modelo organizado por la iteracción como principio transversal —escrita con doble c, para distinguir los ciclos sucesivos de revisión, ajuste y reconstrucción con un modelo de la simple interacción de un intercambio puntual—.

Tres piezas sostienen esa articulación. La primera es un operador institucional con la posición y la composición necesarias para gobernar la incorporación de la IA: el Área Institucional de Uso y Apropiación Tecnológica. La segunda es el dispositivo donde esa incorporación se materializa, un artefacto que la propia universidad construye sobre los modelos de frontera y gobierna con sus reglas: el Artefacto Iteractivo de IA institucional, que da a la comunidad ese acceso informado y directo del que hablé antes. La tercera es la iteracción misma. Sobre ellas, el modelo opera con cinco dimensiones de alcance y tres dimensiones transversales —soberanía algorítmica, pedagógica y psicosocial, y ética—. Importa decir con claridad lo que el modelo no es: no es una metodología, porque no entrega pasos; no es un plan, porque no fija acciones ni fechas; no es una arquitectura tecnológica, porque no especifica herramientas; no es una política normativa, porque no prescribe lo permitido y lo prohibido. Es un modelo: una categoría que organiza el pensamiento institucional y permite a cada universidad formular por sí misma su metodología, su plan, su arquitectura y su política con coherencia entre ellas.

¿Mito, fábula o humo? Escriba su propia historia

Volvamos a la pregunta del comienzo. ¿Es la inteligencia artificial un mito, una fábula, humo que se disipará? Sospecho que la respuesta depende, más que de la tecnología, del lugar desde el cual se la mira. Quien la observa desde la versión gratuita, usándola para resumir correos, verá con razón poca cosa y hablará de humo. Quien ha iterado con ella en profundidad —y ha visto a un modelo plegar proteínas, descifrar un manuscrito ilegible o elevar a un trabajador novato hasta el rendimiento de un experto— sabe que no está ante un cuento. El riesgo, entonces, no es que la inteligencia artificial sea un mito. El riesgo es escribir la historia con visión corta: tomar decisiones de fondo sobre algo cuyo potencial no se conoce de primera mano, confundir la propia desinformación con la medida de la cosa.

Conviene, pues, invertir la consigna defensiva. Frente al impulso de usar menos la inteligencia artificial para conjurar sus riesgos, sostengo lo contrario: hay que usarla más para gobernarla mejor. Y conviene precisar de inmediato qué significa ese «más», porque no es una licencia para delegar el juicio. Usarla más quiere decir conocerla más: iterar con ella hasta comprender de qué es capaz y dónde falla, porque solo se gobierna bien aquello que se conoce de cerca. No es lo mismo usarla para que piense en nuestro lugar —el camino de la sobredependencia, cuya frontera trazará el capítulo tres— que usarla para aprender a dirigirla. La universidad que la usa más, y mejor, para gobernarla es la que deja de temerle sin por ello rendirse a ella.

Por eso prefiero darle la vuelta a la pregunta y entregársela a usted, lector. No le propongo que crea ni que dude, sino que conozca; no que pelee con la inteligencia artificial ni que se rinda a ella, sino que la gobierne. Lo invito a escribir su propia historia de una inteligencia artificial gobernada, en su aula, en su programa, en su institución. Porque la pregunta ya no es si su universidad cambiará, dado que está cambiando mientras usted la observa. La pregunta es si lo hará con un modelo propio o con el de otros.

Queda, sin embargo, una sombra en el episodio con que abrí estas páginas. Si la inteligencia artificial es tan real que un Estado la suspende invocando la seguridad nacional, cabe preguntarse si esa es la forma sabia de gobernarla o el reflejo antiguo de proteger el presente de un futuro que llegará de todos modos. El próximo capítulo examina esa pregunta —y explica por qué casi todas las respuestas que hoy se ensayan, por bienintencionadas que sean, están condenadas a fracasar— a la luz de una ley de 1865 que conviene no haber olvidado.

Para continuar: el Libro Espejo

Escribir su propia historia no es una metáfora, y leer este libro tampoco tiene por qué ser igual para todos. Existe una edición viva de estas páginas —el Libro Espejo— que le permite leer este mismo libro, pero con el contexto de su institución. El gesto habitual de la lectura se invierte: mientras usted lee el modelo, el libro «lee» su universidad y se la devuelve situada. A partir de unas pocas respuestas sobre su contexto, recibe una lectura propia —en qué estadio se encuentra, qué preocupaciones la definen, por dónde podría empezar—, con el texto del autor intacto y una capa generada para su perfil, claramente distinguida de él. Es, casi literalmente, verse en el espejo mientras se lee: el libro deja de hablar de «la universidad» en general para hablar de la suya. Y es, en pequeño, lo que este capítulo propone: pasar del uso superficial al conocimiento directo, y de lo general a su caso concreto.

Acceda a su edición situada —este mismo libro, leído desde su institución— en esgenial.io.