Inteligencia artificial, robótica, historia y algo más.

Mostrando entradas con la etiqueta sociedad. Mostrar todas las entradas
Mostrando entradas con la etiqueta sociedad. Mostrar todas las entradas

9/3/26

Anthropic, Trump y el gran teatro de los principios en Silicon Valley

Hay un relato que circula estos días por los medios tecnológicos: Dario Amodei, CEO de Anthropic, es el héroe que sacrificó contratos millonarios con el Departamento de Defensa estadounidense por sus convicciones éticas. Frente a él, Sam Altman como el pragmático sin escrúpulos que se doblegó ante Trump. Blanco y negro. Bueno y malo. Simple y atractivo.

El problema, como siempre, es que la realidad es más incómoda.



El mártir de los principios selectivos


Empecemos por el elefante en la sala: la negativa de Anthropic al espionaje masivo se aplica, según sus propias publicaciones, específicamente a ciudadanos estadounidenses. No a cualquier persona. A ciudadanos de EE. UU.

Esto no es un detalle menor. Significa que el uso de Claude para vigilancia fuera de territorio americano no parece constituir un problema ético para Anthropic. Que los principios tengan pasaporte es, cuanto menos, una información relevante cuando alguien te presenta a esta empresa como modelo de rectitud tecnológica.

Lo mismo ocurre con las armas autónomas. Anthropic se opone actualmente al uso de Claude en sistemas que identifiquen y disparen a objetivos sin intervención humana. La palabra clave es "actualmente", y está escrito en su manifiesto. Dario Amodei ha sugerido en distintas ocasiones que el modelo simplemente no está preparado técnicamente para ese nivel de autonomía todavía. No que se opongan categóricamente a la letalidad autónoma en el futuro. Es una postura técnica disfrazada de postura ética.

Y hay más: Anthropic no es ajena al sector de defensa. Sus modelos ya han sido utilizados en operaciones militares de alto perfil (la captura de Maduro en Venezuela) como herramienta favorita del ejército estadounidense a través de Palantir. El mártir tiene historial.


Kathy Perry apoyó a Anthropic y eso llevó a cientos de memes y una campaña viral

La jugada de OpenAI: Groucho Marx en el Pentágono


Mientras Anthropic era catalogada como "riesgo para la cadena de suministro" (un castigo que recuerda al trato dado a Huawei), Sam Altman navegó la situación con una habilidad que merece análisis. La diferencia entre ambas empresas no es fundamentalmente moral. Es técnica y política.

Anthropic quería que las restricciones éticas estuvieran incrustadas directamente en el modelo, en su "constitución". Esto implica que el Departamento de Defensa no podría saltárselas aunque quisiera: las limitaciones estarían en el código, no en un contrato. Para la administración Trump, esto es inaceptable. No porque quieran espiar ciudadanos americanos necesariamente, sino porque nadie cede el control operativo de una herramienta militar a los ingenieros de una empresa privada de San Francisco.

OpenAI, en cambio, aceptó un modelo radicalmente distinto: salvaguardas por contrato, no por código. "Usad nuestros modelos, os prometemos que respetaréis las restricciones acordadas." La responsabilidad del cumplimiento recae en el Departamento de Defensa, no en la arquitectura de la IA.

Es la diferencia entre un empleado que te dice "tengo principios que no puedo saltarme" y otro que dice "tengo principios, pero confío en que tú tampoco querrás que los violemos." Trump eligió al segundo. Es comprensible.



¿Quién tiene razón?


Esta es la pregunta que los medios no suelen hacer porque no tiene respuesta limpia. El enfoque de Anthropic con restricciones en el modelo, tiene una lógica de seguridad robusta: si las limitaciones son estructurales, no dependen de la buena voluntad del cliente. En un mundo donde los contratos se reinterpretan y las administraciones cambian, esto no es un detalle menor.

Pero también tiene un problema de arrogancia institucional considerable: implica que Anthropic, una empresa privada, decide unilateralmente qué puede y qué no puede hacer el ejército de la primera potencia mundial. Esa es una posición política, no solo técnica, y tiene consecuencias políticas.

OpenAI cedió el control a cambio de relevancia. Anthropic mantuvo el control a costa de ser excluida. Ninguna de las dos posiciones es obviamente correcta.

Lo que sí es obvio es que el relato del "mártir con principios" es, como mínimo, incompleto. Y que en el tablero real de la IA militar, los principios se negocian, se gradúan por geografía y se posponen cuando la tecnología no está lista.

Bienvenidos a la ética en Silicon Valley.


Ya veremos.


Comparte:

23/2/26

Por qué Amazon y Microsoft quieren poner sus centros de datos en Aragón (y por qué no deberías preocuparte)

Algo muy gordo está pasando en Aragón y no estoy seguro de que nos hayamos enterado del todo.

Amazon va a invertir 15.700 millones de euros. Microsoft otros 6.600 millones. Blackstone ha anunciado 7.500 millones más. Box2bit, 3.400 millones. Si sumas todos los proyectos anunciados, la cifra supera los 30.000 millones de euros en inversiones comprometidas para los próximos años.

Para ponerlo en perspectiva: el PIB de Aragón ronda los 40.000 millones. Estamos hablando de que una industria va a invertir en una década casi lo que produce toda la comunidad en un año.

La pregunta obvia es: ¿por qué aquí? ¿Qué tiene Aragón que no tenga Baviera, el norte de Italia o el sur de Francia?

Y la segunda pregunta, la que preocupa a mucha gente: ¿van a secarnos los grifos?

Voy a intentar responder a las dos.



La tormenta perfecta aragonesa

Mapa de cobertura 5G 



Cuando hablas con gente del sector, te cuentan que Aragón tiene una combinación de factores que no se da en casi ningún otro sitio de Europa.

Primero, la geografía. Zaragoza está en el centro del 80% del PIB español. Madrid, Barcelona, Valencia y Bilbao quedan a unos 300 kilómetros. Para un centro de datos, la latencia (el tiempo que tarda la información en viajar) importa, y estar en el centro del mapa reduce esa latencia para la mayoría de usuarios.

Segundo, el espacio. Aragón es la cuarta comunidad autónoma más grande de España, casi 1,5 veces Bélgica, pero con apenas 1,3 millones de habitantes. Hay suelo industrial disponible a precios razonables. Solo Amazon va a ocupar 150 hectáreas. Intenta encontrar eso cerca de Múnich o Milán.

Tercero, la energía renovable. Aragón produce más energía de la que consume, y buena parte es eólica y solar. Las tecnológicas se han comprometido públicamente con objetivos de cero emisiones, y necesitan ubicaciones donde puedan decir que funcionan con renovables. Aragón les permite cumplir esa promesa.

Cuarto, la administración. El gobierno aragonés ha creado figuras como los PIGA (Proyectos de Interés General de Aragón) que agilizan trámites. Lo que en otras comunidades lleva años, aquí puede resolverse en meses. Cuando manejas inversiones de miles de millones, cada mes de retraso tiene un coste enorme.

Quinto, y esto es más geopolítico de lo que parece: Zaragoza tiene una base aérea de la OTAN. Para ciertos clientes (gobiernos, defensa, infraestructura crítica), saber que sus datos están cerca de instalaciones militares aliadas es un factor de decisión.

Todo esto explica por qué las tecnológicas quieren venir. Pero no responde a la pregunta que mucha gente se hace.



El elefante en la habitación: el agua


Vamos a hablar del agua, porque sé que es lo que preocupa.

He seguido este tema durante meses. He leído los estudios, he analizado los datos de Estados Unidos donde llevan años con esta industria. Y la conclusión a la que he llegado es que .

Pero voy a explicar por qué, porque la intuición nos dice lo contrario.


Los números que nadie cuenta

A nivel nacional en Estados Unidos, los centros de datos consumen aproximadamente el 0,2% del total de agua potable. En estados como Texas, esa cifra cae al 0,005%.

Ahora comparemos con otros usos. En Arizona, uno de los estados con más estrés hídrico del país y también con más centros de datos, la distribución es esta:

Agricultura: 86% del consumo de agua
Campos de golf: 3,8% del consumo de agua
Centros de datos: 0,12% del consumo de agua

Los campos de golf de Arizona consumen 32 veces más agua que todos los centros de datos del estado juntos. Pero nadie pide cerrar los campos de golf.

Y hay otro dato que me parece revelador: por cada litro de agua consumido, los centros de datos generan aproximadamente 50 veces más ingresos fiscales que los campos de golf. Consumen muchísimo menos y aportan muchísimo más.



Virginia: donde más centros de datos hay del mundo


Si los centros de datos subieran los precios de la electricidad (o del agua), el sitio donde deberían notarse más esas subidas es Virginia. El norte de Virginia tiene la mayor concentración de centros de datos del planeta.

¿Qué ha pasado con los precios de la electricidad en Virginia? Han subido, sí. Pero menos que la media nacional estadounidense. Un 28% frente al 35% de media.

Y si miras los 15 estados con más centros de datos de Estados Unidos, 11 de ellos han tenido subidas de precios por debajo de la media nacional. Solo 4 subieron más, y por márgenes pequeños.

Los datos simplemente no apoyan la narrativa de que los centros de datos disparan los precios.



¿Y en Aragón qué va a pasar?


España no es Estados Unidos, y Aragón no es Arizona. Pero hay algunas cosas que juegan a nuestro favor.

Primero, el Ebro. Aragón ocupa cerca del 50% del territorio de la Cuenca Hidrográfica del Ebro. Los recursos hídricos potencialmente utilizables en Aragón ascienden a 15.000 hectómetros cúbicos al año. No es el sureste peninsular ni Almería. Los embalses de la cuenca del Ebro están ahora mismo al 81% de capacidad.

Segundo, la tecnología ha cambiado. Los nuevos centros de datos que se están construyendo en España usan sistemas de refrigeración de circuito cerrado que no consumen agua (o consumen cantidades mínimas). Microsoft, Amazon y los demás saben que en Europa el escrutinio público sobre el agua es mayor, y están diseñando instalaciones con consumo muy reducido.

Tercero, la percepción importa. Las tecnológicas saben que competir por el grifo con la población en un país mediterráneo es una batalla que no pueden ganar en imagen pública. Por eso están invirtiendo en tecnologías de refrigeración por aire y en circuitos cerrados que no dependen del agua local.



Hay algo que me llama la atención en este debate: nos preocupamos mucho por el agua que van a consumir los centros de datos, pero no nos hacemos la pregunta inversa.

Nosotros pasamos, de media, el 50% de nuestro tiempo despiertos utilizando internet. Cada vez que mandas un WhatsApp, ves un vídeo en YouTube, consultas el tiempo o usas Google Maps, estás usando un centro de datos.

Que todas esas comunicaciones y servicios esenciales solo requieran el 0,2% del agua potable de un país es, técnicamente, extraordinariamente eficiente.

¿Preferirías no tener internet para ahorrar ese 0,2%?




Lo que sí debería preocuparnos (y lo que no)


No digo que haya que dar carta blanca a cualquier proyecto. Hay preguntas legítimas que hacer:

¿Los centros de datos van a usar tecnología de refrigeración sin agua?
¿Están ubicados en zonas donde el agua no está ya comprometida?
¿Los beneficios fiscales para la comunidad compensan el uso de recursos?
¿Hay transparencia sobre los consumos reales?
Y para mí la pregunta más importante y difícil, ¿está el sistema eléctrico preparado para abastecer a estos centros de datos?

Pero la idea de que los centros de datos van a secar Aragón no se sostiene con los datos disponibles. Ni en Estados Unidos, donde llevan décadas con esta industria, han visto ese efecto.

Lo que sí vamos a ver es una transformación económica de la región. Miles de empleos durante la construcción (y cientos permanentes después), ingresos fiscales que pueden financiar servicios públicos, y una industria que pone a Aragón en el mapa tecnológico europeo.

¿Es un intercambio justo? Eso es lo que tenemos que decidir como sociedad. Pero decidámoslo con datos, no con titulares que confunden sedimento en pozos con sequías causadas por la nube.

Ya veremos.




Comparte:

14/2/26

Tinder, San Valentín y los patrones oscuros: Cuando el amor es un algoritmo tragaperras

Es 14 de febrero. Millones de personas entran hoy a una aplicación con la esperanza, o quizás la desesperación, de encontrar una conexión humana. Pero detrás de la interfaz limpia y colorida de Tinder, no hay un cupido digital trabajando para que encuentres el amor y borres la aplicación. Hay un casino. Y como en cualquier casino, la casa siempre gana cuando tú te quedas jugando, no cuando te llevas el premio y te vas.

Para entender por qué nos sentimos tan agotados pero incapaces de dejar de deslizar, hay que hablar de los "patrones oscuros", sobre los cuales ya hablé profundamente en este post. Este concepto de diseño se refiere a interfaces creadas meticulosamente no para ayudar al usuario, sino para explotar sus vulnerabilidades psicológicas. En el caso de Tinder y el ecosistema de Match Group, la estrategia es la "gamificación de la soledad".

El gesto de deslizar a la derecha o a la izquierda, conocido como el swipe, no es una decisión ergonómica inocente; es la traducción digital de la palanca de una máquina tragaperras. Tinder opera bajo un esquema de refuerzo intermitente variable. Si siempre encontraras gente fea, te irías. Si siempre encontraras gente guapa que te corresponde, encontrarías pareja y te irías. La aplicación te mantiene en un limbo calculado: te ofrece perfiles atractivos que te ignoran y perfiles que no te interesan, salpicados ocasionalmente con un "It’s a Match" que libera una dosis de dopamina exacta para mantenerte enganchado. La ansiedad de no saber cuál será la siguiente carta es lo que te mantiene en la mesa de juego.

Además, Tinder monetiza activamente la frustración. Utiliza patrones oscuros de ocultación de información para venderte sus planes Gold o Platinum. Te dice que "tienes 10 likes esperando", pero desenfoca las fotos, creando una brecha de curiosidad dolorosa. Te hace sentir invisible para venderte un "Boost". La lógica es perversa: su modelo de negocio entra en conflicto directo con su promesa de marca. Si son eficientes emparejándote, pierden un cliente recurrente. Por tanto, su éxito financiero depende de su fracaso amoroso.

Hace poco, en 2024, un grupo de usuarios intentó llevar esta realidad ante los tribunales en Estados Unidos, demandando a Match Group por diseñar un algoritmo depredador que fomenta la adicción compulsiva en lugar de las citas reales. Sin embargo, el pasado 13 de diciembre de 2024, la justicia bloqueó la demanda colectiva dando la razón a Match Group. ¿El motivo? La letra pequeña. La sentencia dictaminó que, al crear la cuenta de Tinder, todos estamos firmando una cláusula de arbitraje obligatorio que nos prohíbe ir a los tribunales ordinarios. Tinder no ganó demostrando que su app sea sana; ganó demostrando que ha diseñado una trampa legal perfecta para que no podamos quejarnos de su trampa psicológica.".

Aquí es donde la historia da un giro interesante y nos lleva al caso de ByteDance y TikTok. Seguro que os suena que también su algoritmo adictivo está teniendo problemas con la justicia:

La Comisión Europea acaba de publicar sus conclusiones preliminares contra TikTok. Apunta al “diseño adictivo” y concreta los mecanismos que lo articulan: scroll infinito, autoplay, notificaciones push, recomendador hiperpersonalizado. Según Bruselas, la aplicación "recompensa constantemente" a los usuarios con nuevo contenido, alimentando la urgencia de seguir haciendo scroll y poniendo el cerebro en modo piloto automático.

Señala además que TikTok ha ignorado indicadores importantes de uso compulsivo, como el tiempo que los menores pasan en la app por la noche o la frecuencia con la que la abren. La Comisión aboga por un cambio en el diseño básico del servicio: desactivar el scroll infinito progresivamente, implementar pausas efectivas —incluidas las nocturnas— y modificar el sistema de recomendación. TikTok ha respondido que las conclusiones presentan una descripción "categóricamente falsa" de su plataforma. No estamos ante la decisión final: ahora TikTok puede defenderse. Si se confirma la infracción, la DSA permite sanciones de hasta el 6% de la facturación global y exigir esos cambios en la aplicación
. 

Casi en paralelo, en California se ha iniciado el primer juicio civil contra Meta (Instagram), Google (YouTube) y ByteDance (TikTok) por la demanda de K.G.M., una joven de 19 años que afirma que su adicción a estas plataformas desde los ocho años le provocó depresión e ideación suicida. Lo central del caso no es qué vídeos vio, sino si el diseño mismo de estas plataformas (de nuevo, el scroll infinito, la reproducción automática, las notificaciones, los algoritmos de recomendación) constituye un “producto defectuoso” que causa daño. 

(Blog Error500)


Si Tinder se ha librado, ¿por qué los titulares de las últimas semanas hablan de condenas y demandas masivas contra la empresa china por ser adictiva? ¿No hacen lo mismo?

La respuesta corta es que sí, hacen lo mismo, pero TikTok lo lleva a cabo con una "droga" más potente y, lo que es crucial, vendida a un público diferente. La justicia estadounidense ha puesto a ByteDance contra las cuerdas no solo por usar patrones oscuros, sino por aplicarlos a menores de edad. Mientras que a un adulto en Tinder se le supone responsabilidad propia, la ley considera que un niño de trece años no tiene las herramientas cognitivas para defenderse de un algoritmo diseñado por los mejores ingenieros conductuales del mundo.

Las investigaciones y los documentos internos revelados en el proceso contra TikTok han mostrado lo que los fiscales llaman la "pistola humeante": la empresa sabía que su diseño de scroll infinito impedía que el cerebro humano encontrara un punto de parada natural. Sabían que las notificaciones estaban diseñadas para interrumpir el sueño y sabían, de forma interna, que sus supuestas herramientas de "límite de tiempo" eran poco más que teatro de seguridad, ineficaces y fáciles de ignorar. A diferencia del caso de Tinder, aquí no se juzga la frustración de un usuario, sino el daño deliberado al desarrollo cerebral de una generación y la crisis de salud mental derivada de ello.

TikTok ha sido señalada porque su algoritmo de "interés" es mucho más agresivo y rápido aprendiendo vulnerabilidades que el de cualquier otra red social, actuando como una inyección directa de estímulos sin fricción. Además, no podemos ignorar el factor geopolítico; es mucho más fácil para un fiscal estadounidense atacar a una empresa china que a una local, aunque eso está cambiando.

Source


De hecho, sería un error pensar que esto es una cruzada exclusiva contra TikTok. Meta, la matriz de Instagram y Facebook, enfrenta una demanda conjunta de cuarenta y un estados que es, en esencia, idéntica a la de ByteDance. Se les acusa de haber copiado esos mismos mecanismos adictivos a sabiendas del daño que causaban a los adolescentes, priorizando el crecimiento sobre la seguridad. Por otro lado, Tinder y su matriz, tienen otros problemas bastante serios en la UE por la no-explicabilidad de su algoritmo, pero de eso hablaremos próximamente.

En este San Valentín, la lección que nos deja el panorama legal y tecnológico es clara. Tinder puede seguir jugando con tu soledad porque la ley asume que eres un adulto capaz de marcharte del casino cuando quieras, aunque psicológicamente sea una trampa. Pero cuando esa misma lógica de casino se aplica a los niños en TikTok, la sociedad ha decidido trazar una línea roja. Al final, todos somos ratones en un laberinto digital, solo que algunos laberintos tienen la puerta cerrada con llave y otros simplemente nos han convencido de que no queremos salir.




Comparte:

7/2/26

El modelo car sharing no es rentable en ninguna parte del mundo

Es 2026 y el discurso sigue siendo el mismo. No necesitarás comprar un coche. No necesitarás ni siquiera conducirlo. Una flota de vehículos autónomos estará disponible 24/7 para llevarte adonde quieras. Más barato que mantener tu propio vehículo, más eficiente que el transporte público, más relajado, más limpio que ambos. Una visión seductora. 

Ciudades sin atascos porque los algoritmos optimizan cada ruta. Aparcamientos transformados en parques porque los coches nunca duermen. Accidentes reducidos a anécdotas históricas porque los humanos imperfectos han sido relegados al asiento trasero. Espacios de ciudades reaprovechables para zonas verdes y construcción de viviendas, ya que el espacio para aparcamientos ya no será necesario: los coches estarán continuamente en movimiento.

Pero hay un detalle incómodo en esta historia: la versión simple de este futuro ya existe, y está fracasando estrepitosamente. Y es que el carsharing, o el negocio de compartir coche, no está funcionando en ninguna parte del mundo.



El mal negocio del coche compartido


Durante años, empresas como ShareNow (la fusión de los gigantes Daimler y BMW), Zity, Wible o Free2Move han inundado nuestras ciudades con coches eléctricos relucientes. Nos convencieron de que esto era el futuro. Nos dijeron que estábamos aprendiendo a dejar de comprar coches para empezar a comprar trayectos.

Pero tras estas apps bonitas y coches silenciosos, se esconde una pesadilla contable.

Y es que el carsharing no es rentable en casi ninguna parte del mundo. ShareNow tuvo que huir de Norteamérica y Reino Unido. Bolloré quebró su Autolib en París. Incluso en Madrid, la capital europea del carsharing, las cuentas de resultados se escriben con tinta roja.





Un infierno logístico 


Un coche compartido sufre un desgaste acelerado. Pero el verdadero lastre del margen de beneficio es lo que en la industria llaman redistribución de flota (fleet rebalancing). Si todos los usuarios cogen un coche en el centro de la ciudad por la mañana para ir a trabajar a las afueras, a las 10:00 AM tienes todos tus activos parados en polígonos industriales donde nadie los va a usar hasta las 18:00.

Para solucionar esto, las empresas tienen que pagar a empleados para que vayan, recojan los coches y los muevan de nuevo a zonas de alta demanda. A eso hay que añadir el coste de la limpieza, la recarga eléctrica (que requiere inmovilizar el activo), los seguros (carísimos en este sector) y el vandalismo.

El resultado es paradójico: intentamos construir el futuro de la movilidad automatizada utilizando un modelo de negocio que requiere una intervención humana masiva y costosa.



¿El carsharing como preámbulo a la movilidad del futuro?


Aquí es donde la narrativa de "el futuro será autónomo y compartido" choca con la realidad actual.

La promesa de los gurús es que el coche autónomo solucionará esto. Al eliminar al conductor (como en Uber) y eliminar a los operarios de redistribución (porque el coche se irá solo a recargar y a buscar clientes), los costes operativos caerán en picado, haciendo que el viaje sea más barato que un billete de autobús.

Pero estamos atrapados en un valle de la muerte tecnológico. La conducción autónoma total está tardando mucho más de lo que Elon Musk prometió. Y mientras tanto, las empresas de carsharing actuales no pueden sostener las pérdidas eternamente.

Si el modelo de negocio de "flotas compartidas" quiebra hoy por falta de rentabilidad, ¿quién pondrá la infraestructura para los coches autónomos de mañana?

Hay algo más: incluso si mañana resolviéramos todos los problemas técnicos de la conducción autónoma  muchos de los costes permanecen. Los vehículos autónomos no eliminan el mantenimiento; de hecho, vehículos operando 24/7 requieren más. No eliminan la limpieza, ni el vandalismo (un coche sin conductor es un objetivo más fácil). No resuelven mágicamente el problema de los picos de demanda que obliga a dimensionar flotas para el peor momento del día.

Entonces, ¿por qué siguen operando marcas como Zity, Wible o Free2Move? En primer lugar, para marcas como Kia (Wible), Renault (Zity) o Stellantis (Free2Move), tener miles de coches rodando por Madrid o París es una campaña de publicidad gigante. Además, consiguen que miles de personas prueben sus coches eléctricos. Si te gusta el coche, quizás te compres uno. Además, ayuda a los fabricantes a cumplir con las normativas de emisiones de la UE. Y por último, estos coches recopilan millones de datos sobre cómo conducimos y cómo nos movemos por las ciudades, lo cual es valioso para el desarrollo de futuros vehículos y conducción autónoma.



Conclusión: ¿El fin de la propiedad de los vehículos?


Nos están vendiendo que en el futuro no tendremos coches, pero el mercado actual nos está diciendo que gestionar una flota de coches ajenos es un negocio ruinoso.

Quizás el futuro no sea esa utopía socialista-tecnológica de flotas estatales o corporativas llevándonos a todas partes. Quizás, mientras los robots aprenden a conducir y los contables intentan cuadrar los números, seguiremos haciendo lo único que, financieramente, sigue teniendo sentido para la mayoría: tener nuestro propio coche aparcado en la puerta.

El futuro necesita hacer las cuentas. Y las cuentas no siempre son fáciles.

Ya veremos.






Comparte:

2/2/26

El alcalde de Londres y el fin de los empleos de niveles junior

Era una fría tarde de jueves a mediados de enero de 2026 cuando el alcalde de Londres, Sadiq Khan, se subió al estrado de Mansion House y lanzó una bomba retórica que silenció la sala. No habló de la crisis de la vivienda ni de las huelgas de transporte. En cambio, miró a la élite financiera de la ciudad y calificó la inteligencia artificial como un potencial «arma de destrucción masiva para el empleo».

Era el tipo de titular sensacionalista que encanta a los políticos, pero, por una vez, los datos sugieren que podría estar minimizando la situación. Khan advirtió que Londres se encuentra en el «borde más afilado» de un cambio que amenaza con acabar con la economía de cuello blanco, y anunció la creación de un «grupo de trabajo de IA» de emergencia para intentar detener la hemorragia. Pero mientras el alcalde habla en tiempo futuro sobre una crisis inminente, los sectores financiero y tecnológico ya han comenzado silenciosamente la demolición.

Fuente


Si quieres ver el alcance de la explosión, no mires al Ayuntamiento. Mira los balances de las empresas más grandes del mundo. Apenas unos días antes del discurso de Khan, Goldman Sachs publicó un escalofriante informe en el que advertía de que los despidos por «eficiencia impulsada por la IA» que vimos en 2025 eran solo el preludio. Sus analistas predicen que en 2026 se producirá una «nueva ola» de recortes, no porque la economía se esté hundiendo, sino porque es lo suficientemente estable como para que las empresas finalmente lleven a cabo la «reestructuración» que llevan años planeando.

Las pruebas se acumulan a una velocidad brutal. Amazon comenzó el año 2026 eliminando 16.000 puestos corporativos, una medida que, según los expertos, supone un giro directo hacia operaciones más ágiles y potenciadas por la IA. Google siguió la tendencia y recortó cientos de puestos de trabajo en sus unidades globales de negocio y nube, citando específicamente las «ganancias de eficiencia» de sus nuevos modelos de IA. No se trata de empresas en crisis, sino de empresas que se están optimizando para un futuro en el que los seres humanos son el pasivo más caro del balance.

Pero lo más insidioso de esta historia no es quién está siendo despedido, sino quién no está siendo contratado.

En lo más profundo de los debates técnicos de la blogosfera de Substack, voces como la de Gergely Orosz (The Pragmatic Engineer) están documentando un fenómeno más específico y aterrador. Se le llama «la muerte del desarrollador junior».

Durante décadas, la industria tecnológica funcionó con un modelo de aprendizaje sencillo. Se contrataba a recién graduados que no sabían nada, se les pagaba para que arreglaran pequeños errores y redactaran documentación, y cinco años después, se tenía un ingeniero senior. Era una inversión cara e ineficaz, pero era la única forma de formar talento.

Esa escalera ha sido eliminada. A finales de 2025 y principios de 2026, la contratación para puestos de ingeniería de nivel inicial se desplomó casi un 60 % en algunos sectores. La lógica es implacablemente simple: un agente de IA como GitHub Copilot o Claude ahora puede generar código repetitivo, escribir pruebas y depurar errores más rápido y más barato que un graduado de 22 años. El «trabajo pesado» que solía enseñar a los jóvenes cómo ser veteranos se ha automatizado.

Estamos asistiendo a la creación de una «brecha de aprendizaje». Los ingenieros sénior se están convirtiendo en superhumanos, utilizando la IA para hacer el trabajo de tres personas, lo que justifica la congelación de las contrataciones. Pero esto crea una bomba de relojería demográfica. Si hoy nadie contrata a jóvenes, en 2030 no habrá sénior. Estamos, en efecto, comiéndonos nuestras propias semillas, cambiando la mano de obra futura por ganancias de eficiencia trimestrales.

Esta es la «destrucción» que preocupa a Sadiq Khan, aunque quizá no se da cuenta de lo quirúrgica que es en realidad. No solo estamos perdiendo puestos de trabajo, sino también el camino hacia la competencia. El peligro no es que los robots nos sustituyan a todos mañana. El peligro es que estamos construyendo una «economía de barra»: una pequeña élite de arquitectos que manejan la IA en la cima, una enorme clase baja de trabajadores temporales que verifican los resultados de la IA en la base y absolutamente nada en el medio.

Mientras miramos fijamente hacia 2026, la pregunta no es si estamos preparados para el futuro. Es si ya estamos viviendo en el pasado. El arma ha sido detonada, las consecuencias son invisibles y el único mensaje de error que recibimos es «Puesto de nivel inicial: cerrado».

Ya veremos. 







Comparte:

19/1/26

¿Es realista un Muro Antidrones para defender Europa?

Durante décadas, la frontera oriental de Europa se definió por barreras tangibles, minas y alambre de espino. Hoy, esa línea divisoria se ha vuelto tridimensional, invisible y terriblemente porosa. La propuesta de seis países de la OTAN de levantar un "muro antidrones" no surge del vacío teórico, sino de un mes de septiembre frenético que encendió todas las alarmas en Bruselas. 

La urgencia se materializó cuando un dron militar ruso se estrelló en la parroquia de Gaigalava, en el este de Letonia. Las fuerzas armadas confirmaron que era un Shahed cargado de explosivos que simplemente se adentró en la OTAN y cayó. Casi simultáneamente, Rumanía tuvo que emitir alertas de combate tras detectar grupos de drones atacando infraestructura ucraniana a escasos metros de su frontera fluvial, y en Polonia, un objeto volador penetró 25 kilómetros antes de desaparecer, desencadenando una búsqueda de diez días sin resultados.

Ante este caos, la idea de un escudo de drones en toda la frontera Este de Europa, propuesta por 6 países de la OTAN, suena reconfortante. Pero antes de diseccionar por qué es una pesadilla de ingeniería, hay que entender qué se está planteando realmente. No hablamos de ladrillos. El "muro" es, en teoría, una red integrada de vigilancia masiva: miles de radares, sensores acústicos, sistemas ópticos, drones de reconocimiento y satélites, todo atado por una inteligencia artificial central que coordine la intercepción. El objetivo es crear una burbuja de negación de área desde Finlandia hasta el Mar Negro. Sin embargo, cuando se baja de la retórica política al barro de la operativa real, el proyecto choca contra ocho barreras formidables que amenazan con convertirlo en el que sería uno de los proyectos militares más caros de la historia.


BBC

La tiranía de la geografía y el "ruido"


El primer enemigo de este muro no es Rusia, sino el mapa. La frontera oriental es una cicatriz geográfica inmensa y variada que alterna bosques densos, cadenas montañosas y costas marítimas. La física del radar es implacable: para detectar drones pequeños que vuelan a ras de los árboles (tácticas nap-of-the-earth), necesitas una línea de visión directa. Esto obliga a una densidad de nodos sensores absurda para evitar los "puntos ciegos".

Si en tierra es difícil, en el mar es un infierno técnico. Las zonas costeras añaden el problema del "clutter" (ruido de fondo) marino y la dificultad de mantener radares estables sobre el agua. Además, el objetivo a detectar no es un caza bombardero metálico, sino drones de materiales compuestos o espuma con una firma de radar (RCS) minúscula. Distinguir un dron de vigilancia Orlan-10 o un Shahed pintado de negro mate de un pájaro grande o una ola, requiere una sensibilidad que multiplica los falsos positivos. Un sistema que alerta de un ataque cada vez que sopla el viento en los Cárpatos es un sistema que acaba siendo ignorado.


Drone Shahed

Disparar en un continente lleno de gente


Supongamos que la red de sensores funciona y detecta un enjambre. Ahora viene el problema: Detectar no es suficiente; hay que neutralizar. Y aquí entran en conflicto la seguridad y la demografía. Europa es un continente densamente poblado. Derribar un dron cargado de explosivos sobre una zona habitada, o cerca de aeropuertos civiles, conlleva un riesgo de daños colaterales y responsabilidad legal que paraliza a los mandos.

Las reglas de enfrentamiento en tiempos de paz (o de "guerra híbrida", esa zona gris donde nos movemos) son una pesadilla legal. ¿Quién autoriza el disparo? La latencia burocrática es el talón de Aquiles de la defensa occidental. Mientras los diferentes ejércitos coordinan la verificación y la decisión de fuego -cruzando barreras de idioma, protocolos de diferentes estados y normativas de aviación civil- , un dron que vuela a 180 km/h ya ha alcanzado su objetivo o ha desaparecido. La interoperabilidad real, donde un radar polaco guíe a un interceptor alemán en tiempo real sin fricción política, es algo que la OTAN lleva décadas persiguiendo sin éxito total.

Incluso si resolvemos la física y la burocracia, nos queda la economía. La guerra de drones es una guerra de costes asimétricos. Construir, desplegar y mantener esta infraestructura 24/7 requiere un presupuesto faraónico, no solo en inversión inicial, sino en las actualizaciones y el mantenimiento. Y todo para enfrentarse a una amenaza que muta cada semana.

El adversario es adaptativo. Si construimos un muro optimizado para detectar los Shahed actuales, Rusia cambiará a enjambres más pequeños, usará navegación puramente óptica inmune al jamming (interferencias), o lanzará señuelos de contrachapado que cuestan 500 dólares para que la OTAN gaste misiles de medio millón. Existe el riesgo real de que el "Muro Antidrones" se convierta en lo que los expertos llaman "Teatro de Seguridad": una medida visible y carísima que ofrece una falsa sensación de invulnerabilidad, mientras el enemigo simplemente cambia de táctica o satura el sistema por fuerza bruta. Técnicamente, no es imposible construir algo parecido, pero es imposible que sea infalible.

Parte de toda esta urgencia lo demuestra el hecho de que el pasado 18 de diciembre, el Parlamento Europeo aprobó un informe sobre drones y nuevos sistemas de guerra, en cuyo punto 37 se hace referencia explícita a la necesidad de actualizar el manual del Manual de Sistemas de Protección de Infraestructuras Críticas contra Drones (publicado en 2023).

Así que estoy convencido que por todo esto, y algunas otras razones que se me quedan en el tintero, que el teórico Muro Antidrones de Europa no es más que una gran quimera.

Ya veremos.






Comparte:

3/11/25

La Gran Congelación: cuando las máquinas no roban empleos, simplemente dejan de crearlos

En junio de 2025, Jerome Powell todavía era cauteloso. Ante el Comité Bancario del Senado, el presidente de la Reserva Federal admitía que los efectos de la inteligencia artificial en la economía "probablemente no son grandes en este momento", aunque advertía de su potencial para generar "cambios dramáticos" cuyo momento y magnitud eran "tremendamente inciertos". Era la prudencia característica de un banquero central: reconocer el fenómeno sin alarmarse.

Cuatro meses después, en octubre, esa cautela había desaparecido.

"La creación de empleo está bastante cerca de cero", declaró Powell el 30 de octubre tras la reunión del Comité Federal de Mercado Abierto. Ya no hablaba de potenciales futuros. Hablaba de un presente que se puede medir: "Una cantidad significativa de empresas ha anunciado despidos o congelación de contrataciones, y gran parte del tiempo están hablando de IA y lo que puede hacer".

Algo había cambiado en esos cuatro meses. Y ese algo tenía datos concretos detrás.



Los canarios en la mina


Durante meses, economistas y analistas se frustraban con la misma limitación: las bases de datos públicas que rastrean el mercado laboral no estaban diseñadas para detectar disrupciones específicas en tiempo real. No había forma de saber con confianza qué estaba pasándoles a los desarrolladores de software de entre 22 y 25 años en mayo de 2025. Los datos agregados mostraban estabilidad general, pero nadie podía ver a los canarios en la mina.

Hasta que un equipo de Stanford se asoció con ADP, la mayor empresa de software de nóminas de Estados Unidos, con datos de millones de trabajadores. Y lo que encontraron debería quitarnos el sueño.

El empleo de desarrolladores de software de 22 a 25 años ha caído casi un 20% desde su pico a finales de 2022 —justo cuando se lanzó ChatGPT— hasta julio de 2025. Para los de 26 a 30 años, también hay descenso, aunque menor. Para los mayores de 30, prácticamente ningún cambio. La gráfica es brutal en su claridad: una línea descendente perfecta que comienza exactamente cuando ChatGPT sale al mundo (el paper está bien explicado por uno de sus autores en este hilo de X).



Y no son solo los programadores. Los representantes de atención al cliente, otro trabajo altamente expuesto a la IA, muestran el mismo patrón exacto: caída dramática en los jóvenes, estabilidad en los veteranos. Pero cuando miras trabajos que la IA no puede hacer (auxiliares de enfermería, cuidadores) ves lo contrario: crecimiento robusto precisamente entre los más jóvenes.



El patrón es tan claro que resulta inquietante. Para trabajadores de 22 a 25 años, el empleo está creciendo en los trabajos menos expuestos a la IA y cayendo en los más expuestos. Para trabajadores de 41 a 49 años, no hay diferencia. La IA no está destruyendo empleos de forma indiscriminada. Está cerrando la puerta de entrada.




Automatización versus aumentación


El estudio de Stanford hace otra distinción crucial. No todos los usos de la IA son iguales. Cuando un trabajador usa ChatGPT para escribir un email más rápido, eso es aumentación: la IA amplifica sus capacidades. Pero cuando una empresa rediseña todo un proceso para que funcione sin humanos, eso es automatización.

Usando datos del Índice Económico de Anthropic, que clasifica conversaciones de Claude según si sirven para automatizar o aumentar, los investigadores encontraron algo revelador: en trabajos donde la IA se usa principalmente para automatizar (programación, contabilidad), el empleo juvenil ha colapsado. En trabajos donde se usa para aumentar (gestión, reparaciones), el empleo juvenil crece con normalidad.

Los trabajadores individuales usan la IA para trabajar mejor. Las empresas la usan para trabajar sin ellos.


¿Y los salarios?


Aquí viene lo extraño: a pesar de la caída del 20% en empleo juvenil en sectores expuestos a IA, los salarios no se han movido significativamente. ¿Por qué? Los investigadores tienen hipótesis pero no respuestas definitivas. Quizá el empleo se ajusta más rápido que los salarios. Quizá la IA está cambiando los requisitos de expertise de formas que no se reflejan en el salario promedio. O quizá - y esto es lo más inquietante - estamos en un período de transición donde las empresas simplemente han dejado de contratar juniors mientras experimentan con IA, sin despedir todavía a los seniors. ¿Es la gerontocracia de los puestos laborales?


El panorama completo


Noviembre de 2022. ChatGPT se convierte en la aplicación de más rápido crecimiento de la historia. Casi tres años después, los números macro cuentan una historia extraña. Las ofertas de empleo en Estados Unidos cayeron un 33%, mientras el S&P 500 se disparó un 75%. Es una divergencia sin precedentes: durante décadas, cuando las empresas ganaban dinero, contrataban. Esa lógica acaba de romperse.



Amazon hace 6 días despidió a 14.000 mandos intermedios mientras invertía miles de millones en IA. Según Challenger, Gray & Christmas, las empresas estadounidenses han anunciado casi 946.000 despidos en 2025, la cifra más alta desde 2020. Más de 17.000 están explícitamente vinculados a la IA.

Algunos autores como Derek Thompson, señala acertadamente que no todo es culpa de la IA. Las ofertas de empleo empezaron a caer cuando la Fed subió tipos de interés en marzo de 2022. Los aranceles han golpeado sectores como manufactura y construcción. Pero hay algo que Thompson reconoce: las empresas están diciendo abiertamente que la IA les permite hacer más sin contratar. Marc Benioff, CEO de Salesforce, afirmó que entre el 30% y el 50% del trabajo en su empresa ya lo hace la IA.

La Reserva Federal confirma estos patrones con sus propios datos: cuando cruzan exposición teórica a la IA con tasas de desempleo reales encuentran una correlación de 0,47; cuando miden adopción efectiva de IA frente a incremento del desempleo, la correlación sube a 0,57. Las ocupaciones en informática y matemáticas, precisamente las que más han adoptado herramientas de IA generativa, muestran los mayores incrementos en desempleo.


La pregunta incómoda


Los investigadores de Stanford son cautelosos. No afirman que la IA explique todos los patrones. Probaron explicaciones alternativas: ¿sobrecontratación tech durante la pandemia? Los resultados se mantienen excluyendo el sector tech. ¿Vuelta a la oficina post-COVID? Los patrones aparecen en trabajos que nunca fueron remotos. ¿Peor preparación educativa post-pandemia? El efecto es igual de fuerte en ocupaciones sin título universitario.

Pero aquí viene lo más perturbador del estudio: en trabajos que no requieren educación universitaria, el efecto negativo de la IA se extiende hasta los 40 años. Para trabajadores menos educados, la experiencia no protege tanto. Sugiere algo inquietante: la IA es excepcionalmente buena aprendiendo el tipo de conocimiento que viene de libros o educación formal, pero no tanto el conocimiento tácito que viene de años de experiencia. Y si tu trabajo no requiere mucha experiencia acumulada, la IA te alcanza antes.

Lo que Powell describe, y los datos de Stanford confirman, es una economía en forma de K: arriba, las empresas tecnológicas y los trabajadores seniors; abajo, los jóvenes graduados que descubren que la escalera de ascenso social simplemente ya no está ahí. Los recién graduados universitarios en Estados Unidos tienen una tasa de desempleo superior al 5%, y muchos están optando por volver a la universidad como "tiempo muerto estratégico". "Los consumidores en los segmentos más bajos están teniendo dificultades", dijo Powell en septiembre.

Quizá lo más escalofriante no sean las cifras actuales, sino la normalidad que se perfila: corporaciones más eficientes y rentables mientras la puerta de entrada al mercado laboral se cierra para una generación entera.

En junio, Powell admitía incertidumbre. En octubre, constata una realidad. Ese cambio de tono en cuatro meses, respaldado por datos de millones de nóminas, debería preocuparnos.

Porque el verdadero horror no es que las máquinas nos roben el trabajo. Es que nos dejen sin la posibilidad de conseguir el primero.

Ya veremos.





Comparte:

24/7/25

¿Quién diseña el amor? Japón, Tinder y la era de las relaciones programadas

Las famosas aplicaciones de citas como Tinder, Bumble o Hinge, prometían facilitar el amor. En cambio, lo convirtieron en una búsqueda infinita.

Tinder y sus rivales perfeccionaron el «deslizamiento infinito»: la aplicación te enseña fotos de chicos o chicas, y tú deslizas su foto a izquierda o derecha, según si esa persona te atrae o no. Un diseño que te mantiene buscando, sin conformarte. Las coincidencias van y vienen; la atención se convierte en la verdadera moneda de cambio. Cuanto más te desplazas, más anuncios ves y más rica se vuelve la plataforma.

Esta arquitectura es deliberada, y no es que precisamente favorezcan la búsqueda de pareja. Las aplicaciones gamifican el romance, impulsando bucles impulsados por la dopamina que recompensan la atracción rápida por encima de la conexión profunda. El mercado no mide el éxito por el número de usuarios que se enamoran, sino por el número de usuarios que vuelven al día siguiente.

En la última década, este modelo de negocio ha moldeado silenciosamente el romance moderno. Deslizar se convierte en un hábito, desaparecer se convierte en algo normal y la idea de «establecerse» empieza a parecer extrañamente fuera de lugar en una aplicación que vende opciones infinitas.


Y ahora, la IA del amor se convierte en política de Estado

En Japón, donde la tasa de natalidad ha caído a un mínimo histórico de 1,20 en 2023, el Gobierno decidió crear algo radicalmente diferente: un sistema de emparejamiento basado en IA que no está optimizado para el compromiso, sino para el matrimonio.

Desde 2021, más de 30 de las 47 prefecturas de Japón han puesto en marcha servicios públicos de emparejamiento que utilizan IA. El programa de Tokio, conocido como «Tokyo Futari Story», se abrió a los residentes a finales de 2024. Cobra una módica cuota y exige una verificación estricta: los usuarios deben demostrar que son solteros, confirmar sus ingresos y completar tests de personalidad.

A continuación, en lugar de mostrar perfiles interminables, la IA sugiere parejas seleccionadas en función de la compatibilidad, no solo del aspecto físico o la proximidad. Las autoridades lo describen como un «algoritmo silencioso»: uno que no optimiza la emoción, sino la alineación de valores y objetivos vitales.

La aplicación requiere 15 datos personales, como la altura, la educación y la ocupación, y una entrevista obligatoria con los operadores para garantizar la veracidad de los datos. Los usuarios deben presentar documentación que demuestre que son legalmente solteros, firmar un compromiso en el que afirman su intención de casarse y proporcionar un certificado fiscal para verificar sus ingresos anuales.

¿Los resultados? Modestos, pero reales:
    -  Ehime registra aproximadamente 90 matrimonios al año gracias a la IA.
    -  Saitama ha visto casarse al menos a 139 parejas desde 2018.
   -  Shiga, una prefectura más pequeña, ha tenido 6 matrimonios asistidos por IA en los primeros meses desde su lanzamiento.


Lo que llama la atención no son solo las cifras, sino la lógica subyacente. El Gobierno japonés quiere que los usuarios abandonen la plataforma, que eliminen la aplicación, no por frustración, sino porque han tenido éxito. El éxito se mide en bodas, no en usuarios activos diarios.

Sin embargo, el diablo está en los detalles, y el Gobierno japonés no especifica el peso exacto que tiene cada característica personal en la puntuación y no publica el modelo matemático (ni el código fuente). Lo describen como una «IA de recomendación» que busca una «alta compatibilidad», sin detallar el algoritmo.

En Reddit, el famoso foro de Internet, la reacción al servicio de búsqueda de pareja basado en IA de Japón es reveladora y sorprendentemente positiva. En los hilos que debaten sobre el programa de Tokio, muchos usuarios ven lo que las aplicaciones de citas occidentales no pueden (o no quieren) construir:

    «Una aplicación de citas sin ánimo de lucro sería estupenda... La gente se fija en el aspecto físico, pero la IA aumenta sus posibilidades de elección».

«Necesitamos un servicio de citas sin ánimo de lucro y sin bots
».



Existe la sensación de que, mientras Tinder te mantiene enganchado, la IA del Gobierno podría ayudar realmente a las personas solitarias a encontrar pareja, especialmente en una cultura en la que el exceso de trabajo y el aislamiento social dificultan las citas.

Sin embargo, la idea de que una IA creada por el gobierno moldee el amor resulta inquietante. Plantea preguntas: ¿qué pasa cuando el romance deja de ser una exploración privada y se convierte en una estrategia demográfica? ¿Estamos diseñando las relaciones que el Estado quiere —matrimonios que conduzcan a tener hijos— en lugar de las que las personas podrían elegir libremente? Sigo preguntándome si dar al Estado características tan privadas sobre nosotros mismos es una buena idea o no.

No obstante, según el gobierno, el sistema de IA de Japón es paternalista: filtra e impulsa a los usuarios hacia el compromiso. Tinder se rige por el mercado: se beneficia del deseo infinito. Ambos sistemas utilizan código para moldear el amor, pero se optimizan para objetivos opuestos: el compromiso o la adicción.


Recuerda: Tinder solo quiere que tindees (no que encuentres el amor)

Es tentador ver el emparejamiento mediante IA de Japón como un puro progreso: la tecnología finalmente trabajando para las personas en lugar de aprovecharse de ellas. Se trata del clásico optimismo tecnológico: la creencia de que unos algoritmos mejores pueden solucionar problemas profundamente humanos.

Pero el optimismo tecnológico puede cegarnos. Los algoritmos pueden empujar a las personas hacia el matrimonio, pero no pueden solucionar las causas estructurales de la soledad: la precariedad económica, la desigualdad de género o las culturas de exceso de trabajo. Corremos el riesgo de confundir un atajo digital con un cambio social real.

Incluso el algoritmo mejor diseñado conlleva sesgos ocultos y suposiciones tácitas sobre cómo debe ser el amor y qué relaciones debe fomentar la sociedad. Y cuando el amor se convierte en algo que hay que optimizar, corremos el riesgo de perder lo que lo hace humano: su imprevisibilidad, su imperfección y su libertad.

La cuestión no es si los algoritmos influirán en nuestros corazones. Ya lo hacen.

La verdadera pregunta es qué queremos que optimicen y qué partes del amor estamos dispuestos a sacrificar en el proceso.

Por otro lado, recuerda que Tinder solo quiere que tindees (no que encuentres el amor).

Ya veremos.





Comparte:

14/5/25

Cuando el aula se transforma en la nube

Hay algo extrañamente silencioso en la universidad moderna. No en las bibliotecas ni en las aulas, sino en su alma. Los rituales se mantienen: se imprimen los títulos, se asignan los planes de estudio, se envían los enlaces de Zoom. Pero bajo la superficie, algo está desapareciendo.

La educación ya no es un lugar. Se está convirtiendo en un proceso escalable, exportable y cada vez más automatizado. En todo el mundo, los estudiantes universitarios ven inútil asistir a clase.

En Silicon Valley llevan tiempo profetizando este cambio. La educación, argumentan, es un producto ineficaz, hinchado y que debería haber cambiado. ¿Por qué pagar 60.000 dólares al año por una experiencia en un campus cuando se puede seguir la misma clase en un teléfono estropeado en Yakarta? ¿Por qué pasar cuatro años en una residencia universitaria cuando la GPT-5 puede comprimir la lista de lecturas en un fin de semana?

Ya no son ideas marginales. La visión de la educación, respaldada por las empresas, es clara: desagregar el título, atomizar el plan de estudios, personalizar la experiencia. Sustituir al profesor por un instructor. Sustituir el aula por un panel de control. Sustituir al estudiante por un usuario.

Y para muchos, está funcionando.



Las universidades online están en auge: ofrecen títulos por una fracción del coste. En Estados Unidos, la deuda media de los estudiantes ronda los 37.000 dólares. A escala mundial, la educación superior es una industria de 2 billones de dólares. La lógica económica del aprendizaje digital es difícil de ignorar.

¿Pero la lógica cultural? Es más frágil.

Durante décadas, un título universitario no era sólo un certificado: era un símbolo. De ambición, de pertenencia, de movilidad ascendente. Pero los símbolos dependen de la escasez. ¿Qué pasará cuando los títulos sean tan comunes como el Wi-Fi? ¿Qué pasará cuando la distinción entre «enseñado» y «autodidacta» se convierta en semántica?

Ya estamos viendo señales. Los empleadores devalúan silenciosamente las credenciales. Los jóvenes se preguntan si un diploma sigue significando algo, si realmente significa algo. El contrato social se está deshilachando: paga la cuota, haz el trabajo y serás recompensado. Pero, ¿y si el trabajo lo hace la inteligencia artificial? ¿Y si la recompensa ya no es suficiente?

Y luego está la pregunta que nadie quiere formular en voz alta: ¿Qué estamos perdiendo en esta transición?

Es fácil decir que la educación se basa en el conocimiento. Pero cualquiera que haya pisado alguna vez un campus sabe que también se trata de fricción. Se trata de sentarse en aulas donde uno no es la voz más inteligente. Se trata de discusiones nocturnas, seminarios incómodos, política de cafetería. Se trata de aprender a hablar y, a veces, a callarse.

Eso no se puede descargar.

Hace más de cincuenta años, Ivan Illich advirtió que habíamos confundido escolarización con aprendizaje. En Deschooling Society, escribió:

«Se 'escolariza' así al alumno para que confunda la enseñanza con el aprendizaje, el ascenso de curso con la educación, el diploma con la competencia».



Illich soñaba con un mundo en el que las personas pudieran aprender libremente, sin pasar por instituciones. Irónicamente, la IA puede estar construyendo el sistema que él imaginó, pero sin libertad.

Estamos cambiando algo profundamente humano -la presencia compartida- por la eficiencia. Y quizá sea inevitable. Tal vez sea así como se ve el progreso: campus más silenciosos, sistemas más inteligentes, más «elección».

Pero me pregunto si algún día nos daremos cuenta de que no sólo hemos externalizado la educación, sino también la iniciación. Nos hemos quedado con la información y hemos perdido la transformación.



El aula del futuro no tendrá paredes. Puede que ni siquiera tenga profesores. Será rápida, receptiva y extrañamente silenciosa.

Pero en algún lugar de ese silencio, puede que empecemos a preguntarnos si alguna vez tuvo sentido aprender.

Ya veremos.




Comparte:

10/4/25

No tenemos ni idea realmente de cuánto importa el factor humano en los accidentes

Hablemos de seguridad vial. Hablemos más exactamente del peso del factor humano como causante de los accidentes de tráfico. Este artículo busca arrojar algo de luz al creciente número de afirmaciones de que el error del conductor es responsable de hasta el 94% de los accidentes de tráfico. Esta afirmación se ha utilizado para justificar normas más estrictas para los conductores y ha alimentado la fiebre por poner en circulación coches autónomos, a pesar de que la tecnología dista mucho de ser perfecta.

Sin embargo, un análisis más detallado de los datos revela que, si bien es cierto que los conductores causan muchos accidentes, el porcentaje no se acerca en absoluto al más del 90 % que se suele citar.

Recordemos: El punto clave a considerar aquí es la afirmación de que el error del conductor es responsable del 94 % de los accidentes, como podemos leer en tantos sitios web serios, y la fuente aparente de toda esta información es un estudio de la NHTSA. Es importante no aceptar ciegamente afirmaciones como «X causa el 94 % de Y» o «X aumenta Y en un 94 %» sin evaluar críticamente la fuente y, sobre todo, sin comprender los criterios específicos utilizados para definir los casos a los que se hace referencia.

Cuando uno se topa con afirmaciones de este tipo, siempre debe preguntarse: «¿De dónde ha salido esa cifra?».

Vayamos a la fuente: la estadística del 94% se originó en una publicación de 2015 de la NHTSA Traffic Safety Facts titulada (la traducción es mía) «Razones críticas de los accidentes. Encuesta Nacional de Causalidad de Accidentes de Automóviles.» Allí, en un documento de dos páginas la NHTSA resumía que:

La Encuesta, realizada entre 2005 y 2007, tenía como objetivo recopilar información en el lugar de los hechos sobre los acontecimientos y los factores asociados que conducen a las colisiones en las que se ven implicados vehículos ligeros. [...] Se investigó una muestra ponderada de 5.470 colisiones durante un periodo de dos años y medio, lo que representa una cifra estimada de 2.189.000 colisiones en todo el país. Se calcula que en estas colisiones se vieron implicados unos 4.031.000 vehículos, 3.945.000 conductores y 1.982.000 pasajeros. En el 94% (±2,2%) de los accidentes se atribuyó al conductor el motivo crítico, que es el último acontecimiento de la cadena causal del accidente.




Estas razones críticas del conductor se desglosan en otras cinco categorías en el cuadro siguiente:


Aunque la NHTSA advirtió en el siguiente párrafo:


 

La otra fuente de información que se suele citar se titula Tri-level Study of the Causes of Traffic Accidents (1979), que concluyó que el error del conductor estaba implicado en el 92,6% de los accidentes.

El estudio Tri-level es algo confuso, pero uno de sus autores, Shinar, explicó en una sesión posterior de preguntas y respuestas que el estudio no afirmaba que el comportamiento de los conductores fuera la causa real de los accidentes. En cambio, mostraba que los accidentes podrían haberse evitado si el comportamiento de los conductores hubiera sido diferente.

Así que podemos ver que en dos importantes fuentes de información «culpables» de extender el 94% del error humano en los accidentes de coche no se pretendía realmente cargar esa responsabilidad al conductor. A menudo, quienes citan la cifra del 94% pasan por alto esta distinción, lo que lleva a muchos a interpretarla erróneamente como una afirmación de causalidad directa.

Es esencial profundizar y plantearse otra pregunta importante: «¿Qué definición operativa utilizaron para decidir cuándo el conductor tenía la 'última oportunidad' de evitar el accidente?».

Una «definición operativa» es una parte crucial, pero a menudo ignorada, de la investigación científica. Es el criterio específico utilizado para clasificar e interpretar los datos. Por ejemplo, el término «abuso» solía referirse únicamente al daño físico, pero ahora incluye también el abuso emocional y verbal. Esta ampliación de las definiciones puede cambiar significativamente el alcance de los datos. Lo mismo ocurre en la investigación sobre seguridad vial. En el caso de la cifra del 94%, es probable que el criterio de «última oportunidad» incluya los casos en los que un conductor podría haber evitado el accidente con un tiempo de respuesta razonable. Sin embargo, esta definición podría inflar el papel del error del conductor, ya que hay muchos factores que pueden influir en que un conductor sea capaz de reaccionar a tiempo, como la complejidad de la situación o la rapidez con que se desarrollaron los acontecimientos.

Además, los estudios sugieren que las organizaciones de seguridad en el transporte podrían estar sobreestimando el papel del comportamiento humano en los accidentes. Un estudio (Holden, 2009) revisó 27 investigaciones de la Junta Nacional de Seguridad en el Transporte (NTSB) y descubrió que 26 de ellas atribuían al error humano como factor contribuyente. Esto plantea la pregunta: «¿Por qué estas fuentes utilizan una definición tan amplia de error humano?».

Como señala Rumar (1982), los investigadores «tienden a utilizar los factores humanos como una caja de chatarra. Cada accidente detrás del cual no encontramos ningún error técnico tiende a explicarse por el factor humano».

Los humanos tienen una capacidad limitada para procesar la información y deben confiar en tres funciones mentales falibles: percepción, atención y memoria. Cuando un conductor no consigue evitar un accidente porque la situación supera estas limitaciones, se suele hablar de «error humano». En realidad, a menudo es la situación la principal responsable, no la respuesta del conductor a ella. Es un sesgo bien conocido del juicio humano cometer el «error fundamental de atribución», sobrevalorar enormemente los factores humanos para infravalorar enormemente los factores de la situación cuando se intenta explicar por qué se han producido los hechos. (TapRoot)


Hay varias razones posibles. Una es el sesgo conocido como «sombrero blanco» (Cope, Allison, 2010), que consiste en distorsionar los hallazgos científicos para promover un objetivo socialmente deseable, como el aumento de la seguridad vial. Al hacer hincapié en los errores de los conductores, organizaciones como la NHTSA pueden crear la apariencia de un problema mayor, lo que lleva a pedir normativas más estrictas o más financiación. También está la cuestión de los incentivos: cuantos más conductores sean culpados, mayor parecerá la crisis, lo que podría justificar mayores presupuestos y más control para las organizaciones de seguridad. Esta estrategia se ha visto en otros ámbitos, como las campañas contra la conducción bajo los efectos del alcohol.



Otro factor en juego es la persistencia de la vieja visión del error humano. En este enfoque tradicional, los accidentes se consideran el resultado de errores humanos, y el sistema se considera seguro hasta que los humanos lo estropean. La nueva perspectiva, sin embargo, entiende el error humano como una consecuencia de problemas sistémicos, en lugar de la causa raíz (Dekker, 2002) (TapRoot). Este cambio de pensamiento no siempre es aceptado por organizaciones como la NTSB, que sigue inclinándose por la antigua visión, incluso cuando las circunstancias sugieren una explicación más compleja. El caso de la Sra. Vasquez, la mujer implicada en el accidente mortal de un coche autónomo de Uber hace unos años, lo demuestra.

También es importante reconocer cómo los sesgos cognitivos moldean la forma en que la gente piensa sobre la causalidad. Esta tendencia a simplificar en exceso los acontecimientos complejos es una parte natural del razonamiento humano, y puede llevar fácilmente a conclusiones distorsionadas sobre los accidentes de tráfico.

Para terminar, no pretendo argumentar que los conductores rara vez causan accidentes. Más bien, mi objetivo es cuestionar el mito de que los conductores son responsables del 94% de los accidentes de tráfico. Incluso si se toman las cifras al pie de la letra, no apoyan la afirmación de la causalidad directa. Y ahora, le invito a leer a través de estos lentes los diversos artículos que afirman que los coches autónomos son más seguros que los humanos, lo cual, en mi opinión, es una realidad. Sin embargo, ¿tiene sentido comparar el rendimiento de estos coches con esta ambigua siniestralidad del factor humano?

Cuestiona siempre las fuentes y las definiciones que hay detrás de ellas, porque es demasiado fácil manipular los datos para contar una historia concreta.

Como dijo sabiamente el filósofo romano Cicerón: «Cui bono?» -¿A quién beneficia? Comprender las motivaciones subyacentes a la investigación es clave para interpretarla correctamente.





Comparte:

28/12/24

La Renta Básica Universal no debe condicionarse a la Robotización

Estamos inundados de experimentos piloto de renta garantizada que ofrecen algunos resultados prometedores, pero que no parecen acercarnos a una política federal real. Sin embargo, me gustaría rescatar en este post algunos hallazgos publicados a partir del mayor experimento aleatorizado de renta básica en Estados Unidos hasta la fecha, respaldado por Sam Altman y OpenAI.

El estudio, realizado entre noviembre de 2020 y octubre de 2023, dio a 1.000 beneficiarios 1.000 dólares al mes, sin absolutamente ninguna condición. Es uno de los mayores y más largos ensayos jamás realizados sobre la entrega directa de dinero en efectivo. Muchos otros proyectos piloto de renta básica han dado a la gente 500 dólares o menos, y rara vez durante más de uno o dos años.

Aunque el estudio fue dirigido por un grupo de académicos, fue puesto en marcha por Sam Altman, CEO de OpenAI. Durante años, Altman se ha preocupado públicamente de que la renta básica será necesaria a medida que la IA elimine los empleos tradicionales y cree enormes reservas de riqueza en manos de unos pocos. Altman no es el único. Muchas figuras importantes del mundo de la tecnología, desde Elon Musk hasta el «padrino de la IA», Geoffrey Hinton, creen que la IA marcará el comienzo de una ola de desempleo tecnológico y que la renta básica será necesaria para mantenernos a todos a flote.

Sin embargo, el argumento permanente de vincular una renta básica a la automatización y la IA y los temores a un rápido progreso de la IA la hacen mucho más vulnerable de lo necesario. Si no se produce una gran ola de desempleo impulsada por la IA, o si estalla la burbuja de la IA, el apoyo a la renta básica también caería.



Muchos partidarios de la renta básica creen que el próximo despliegue de la IA generada en nuestra sociedad e industrias acabará por hacer necesaria una renta básica. El argumento de que la renta básica universal es necesaria para luchar contra la automatización no surgió, por supuesto, de Sam Altman.

Uno de los defensores más acérrimos de la idea es el expresidente del Sindicato Internacional de Empleados de Servicios Andy Stern, que defendió la renta básica en su libro de 2016 Raising the Floor. También es la base de los argumentos más optimistas y arrolladores de la izquierda a favor de la renta básica, como en libros como el recomendable Four Futures de Peter Frase o Inventing the Future de Nick Srnicek y Alex Williams.


Resultados del experimento de Altman

El estudio repartió cheques mensuales a personas de entre 21 y 40 años que vivían en Texas e Illinois. Para poder optar a ellos, sus ingresos familiares en 2019 tenían que ser inferiores al 300% del umbral federal de pobreza: eso significaría 77.250 dólares para una familia de cuatro miembros, o 37.470 dólares para un individuo. El ingreso familiar promedio del participante en 2019 fue de alrededor de $ 30,000. Mil personas fueron asignadas aleatoriamente al grupo de tratamiento y recibieron la totalidad de los 1.000 dólares mensuales, mientras que otras 2.000 formaron parte de un grupo de control que recibió 50 dólares al mes.

Los beneficiarios gastaron una media de 310 dólares más al mes, sobre todo en vivienda, comida y automóvil. En conjunto, sin embargo, sus ingresos disminuyeron unos 125 dólares al mes, excluidas las transferencias. El descenso de los ingresos se debió en gran medida a que los beneficiarios optaron por trabajar un poco menos (ya que, gracias a las transferencias, seguían saliendo ganando). En total, la participación en el mercado laboral disminuyó un 2%, lo que equivale a trabajar 1,3 horas menos a la semana, es decir, unos ocho días menos de trabajo al año.

Los investigadores constataron que los participantes utilizaron los fondos para comprar artículos de primera necesidad, como alimentos, alquiler y transporte, y no vicios. Aunque el dinero no pudo solucionar problemas de salud subyacentes ni revertir años de acceso inadecuado a la atención sanitaria, los participantes también pudieron dedicar más tiempo a su atención sanitaria, con más probabilidades de ir al dentista y un 26% más de visitas al hospital que el grupo de control.


La organización ha publicado un trío de trabajos de investigación sobre sus conclusiones.

En cuanto a si el dinero cambió la relación de los beneficiarios con el mercado laboral, los investigadores afirman que los resultados muestran que, de nuevo, depende. En general, ambos grupos trabajaron un poco más al final del periodo de estudio, en parte porque los pagos empezaron cuando la pandemia de Covid-19 hacía estragos y terminaron cuando la economía empezó a recuperarse. Eso no significa que todos trabajaran lo mismo: Por término medio, las personas que recibían las ayudas completas de 1.000 dólares al mes trabajaban algo más de una hora menos a la semana que las que recibían 50 dólares al mes. Las familias monoparentales, sobre todo, parecían reducir ligeramente las horas de trabajo, una opción que, según los investigadores, les permitía aceptar empleos más flexibles y pasar más tiempo con sus hijos. Y este punto es muy importante, y se tratará en el siguiente apartado:


¿Funcionó el experimento de Sam Altman?

Antes de entrar en los resultados, para aquellos que aún no estén familiarizados con los hallazgos anteriores, aquí está la conclusión de un estudio revisado por pares de 2020 de 38 estudios:

«A pesar de una búsqueda detallada, no hemos encontrado pruebas de una reducción significativa de la oferta de mano de obra. En cambio, encontramos pruebas de que la oferta de mano de obra aumenta globalmente entre adultos, hombres y mujeres, jóvenes y mayores, y la existencia de algunas reducciones insignificantes y funcionales del sistema, como una disminución de trabajadores de las siguientes categorías: Niños, ancianos, enfermos, discapacitados, mujeres con hijos pequeños a su cargo o jóvenes que siguen estudiando. Estas reducciones no reducen la oferta global, ya que se compensa en gran medida con el aumento de la oferta procedente de otros miembros de la comunidad.»


Hemos podido leer en muchas noticias que el experimento UBI de Sam Altman fracasó, ya que demostró que la gente prefería el tiempo libre. Sin embargo, profundicemos de nuevo en los datos:

En total, la participación en el mercado laboral disminuyó un 2%, lo que equivale a trabajar unas 1,3 horas menos a la semana, o aproximadamente ocho días menos de trabajo a lo largo de un año.


La razón de que los padres respondan de forma diferente debería ser obvia. No están trabajando menos. Están pasando del trabajo remunerado al no remunerado. Están dando prioridad a sus hijos. Si cuesta 1.200 dólares al mes ganar algo menos o apenas más de 1.200 dólares al mes, un trabajo no tiene sentido. Recordemos que todos los participantes en este proyecto piloto eran mayores de 21 años y menores de 40, y que sabemos por experimentos anteriores de renta básica que los adultos jóvenes tienden a elegir más educación y menos empleo.

Así que no me asusta rechazar que la gente se vuelva perezosa cuando recibe una renta básica. Quizá deberíamos replantearnos este marco de la RBU y hablar también del Ocio Básico Universal.

Tal vez haya llegado el momento de cambiar nuestra perspectiva sobre la RBU y alejarnos tanto de la narrativa de la automatización de la IA como del debate demasiado simplificado de «perezoso frente a trabajador». El valor real del experimento de Altman, como el de muchos otros anteriores, reside en mostrar cómo los ingresos garantizados permiten a las personas tomar decisiones significativas sobre su tiempo y su trabajo. La modesta reducción de 1,3 horas en el trabajo semanal no se debió a que la gente abandonara la productividad, sino a que los padres pasaban más tiempo con sus hijos, los adultos jóvenes seguían estudiando y los participantes tomaban decisiones estratégicas sobre su equilibrio entre trabajo y vida privada. En lugar de ver el UBI como una solución al futuro desplazamiento de la IA o como una prueba de la motivación humana, deberíamos verlo como una herramienta que da a las personas la libertad de contribuir a la sociedad de formas que no siempre se reflejan en las métricas laborales tradicionales. La cuestión no es si la gente trabajará o no, sino más bien cómo podrían trabajar de forma diferente cuando se les da la oportunidad de elegir de verdad.

Ya veremos.





Comparte:

Nos leemos:

descripción descripción descripción

Recibe las entradas por correo

En mi mesilla

Blog Archive

Licencia Creative Commons