Cualquier tecnología suficientemente avanzada es equivalente a la magia
Arthur C. Clarke
La sociedad moderna alienta con fervor el progreso de la tecnología y de la ciencia. En el siglo XXI, dominado por un individualismo hedonista e indolente, se las considera las únicas opciones para disponer de medios para mejorar el nivel de vida de la población. El capítulo más reciente de esta historia es la inteligencia artificial (IA), el logro más acabado de la era digital.
Desde la primera vez que un primate manipuló un pedazo de obsidiana, o tal vez un diente de marfil para usarlo con algún propósito básico, hasta los chatbox basados en LLM, el resultado esperado de la aplicación de una nueva tecnología ha sido invariablemente altruista. Pero el resultado real, es decir su efecto sobre el bienestar humano ha sido, siempre, impredecible. La tecnología —en sentido amplio, la aplicación práctica del conocimiento científico para resolver problemas— no es neutral. Su aprovechamiento, avances y resultados están animados por el conjunto de rasgos y comportamientos que conforman el carácter o identidad de quienes la gestionan (el ethos cultural, diría un antropólogo).
Un hito sobresaliente de esta historia ocurrió alrededor de 1450 en Maguncia, en la región del Rin del Meno. El orfebre Johannes Gutenberg inventó un método de escritura artificial, con el apoyo financiero de Johannes Fust. Por no pagar a tiempo el préstamo, Fust se apropió de los implementos de la imprenta, antes de concluir el primer trabajo: 180 ejemplares de la Biblia de 42 líneas (http://bit.ly/44pxEFI).
La imprenta fue el punto al que confluyeron varios y dispersos avances: el uso del papel comenzó en el siglo XIII; en el XIV se difundió la xilografía y, al mediar el XV, se inventaron los tipos móviles (letras talladas en metal para componer palabras). Gutenberg conjugó todo esto con nuevas técnicas para elaborar tintas y aleaciones metálicas, y adaptó prensas utilizadas en labores agrícolas.
Gutenberg y Fust (el inventor y su financista) fueron los primeros en aplicar el principio de producción en masa a un proceso dinámico utilizando piezas estandarizadas intercambiables. En el año 1462 la guerra provocó la diáspora de los impresores de Maguncia; en 1467 ya había una imprenta en Italia, otra en París en 1469, y otra en Segovia en 1472 (http://bit.ly/44pk5pw). La imprenta mecanizó por primera vez un proceso laboral y para 1480 había unos 110 impresores activos en toda Europa, produciendo 20 millones de libros. En dos generaciones la tasa de alfabetización pasó del 10% (1% en mujeres) a más del 90% en algunas ciudades (http://bit.ly/4kkGE50).
Lewis Munford identificó un momento Gutenberg: una época en la que una nueva tecnología desencadena una serie de transformaciones profundas, que marcan el inicio de una nueva era.
«Casi de golpe, la producción rápida y barata de libros derribó el antiguo monopolio del saber, particularmente en lo referente a las ciencias exactas, a las operaciones matemáticas y a los acontecimientos físicos, conocimientos que durante siglos habían sido el monopolio de una pequeña clase de profesionales […] Uno de los resultados de esta democratización fue que el conocimiento mismo, en contraste con la leyenda, la tradición dogmática o la fantasía poética, se convirtió en tema de interés intenso e independiente, extendiéndose desde el libro impreso a todos los aspectos de la vida y acrecentando inmensamente el número de mentes pasadas, presentes y futuras relacionadas entre sí», argumenta el sociólogo e historiador Lewis Munford (El mito de la máquina. Técnica y evolución humana, Pepitas de Calabaza ed., 1967).
Munford identificó un momento Gutenberg: una época en la que una nueva tecnología desencadena una serie de transformaciones profundas —políticas, religiosas, culturales, sociales y económicas— que marcan el inicio de una nueva era. La imprenta cambió todo, generando ondas expansivas de disrupción hasta consolidar una nueva cosmovisión. En ese momento, que algunos historiadores llaman el moderno temprano (de 1450 a 1879), ocurrieron los acontecimientos que separan la Edad Media de la Era Moderna: el Humanismo y el Renacimiento, la Reforma protestante, los grandes descubrimientos, el surgimiento del estado-nación, la Revolución Francesa y la primera revolución industrial (véase A. Briggs y P. Burque, De Gutenberg a Internet. Una historia social de los medios de comunicación, Taurus, 2002).
El surgimiento casi repentino de la inteligencia artificial (IA) estaría generando, en opinión de muchos panegíricos de la tecnología, un nuevo momento Gutenberg. Esta percepción amerita un análisis crítico, comenzando por precisar qué es la IA, cómo se la produce, dónde y quiénes lo hacen y qué problemas ha comenzado a generar, antes de aceptar que esté desencadenando transformaciones comparables a las que a su tiempo provocó el invento de Gutenberg.
¿Qué es la IA?
En esencia la IA es un grupo de algoritmos (conjunto finito y ordenado de pasos seguidos para resolver problemas o realizar tareas específicas) asociados al big data. El modelo más avanzado, el deep learning, está constituido por muchas capas de algoritmos que forman redes jerárquicas para aprender características y clasificarlas, identificando patrones. Un tipo específico de deep learning son los large language models (LLM), como ChatGPT, capaces de generar nuevas combinaciones de texto en forma de lenguaje natural.
La Unesco la clasifica en cuatro tipos. Según su capacidad, la IA débil puede aprender automáticamente; la IA fuerte sería comparable a la inteligencia humana (todavía es un tipo teórico). Según su función, la IA puede ser predictiva (basada en algoritmos de aprendizaje automático que analiza datos y pronostica eventos futuros) o generativa, capaz de producir nuevos contenidos (Unesco, Oportunidades y desafíos de la era de la inteligencia artificial para la educación superior, 2023).
Según el Grupo de Expertos en IA de la OCDE, un «sistema de IA» es una «…máquina que puede, para un conjunto de objetivos definidos dado, predecir, recomendar o decidir, para alterar ambientes reales o virtuales. Emplea insumos mecánicos y/o humanos para percibir ambientes reales y/o virtuales; abstrae esas percepciones en forma de modelos; y usa las inferencias de esos modelos para formular opciones informativas o de acción. Los sistemas de IA están diseñados para operar con distintos niveles de autonomía» (OECD, Artificial Intelligence in Society, 2019).
Un sistema de IA tiene un ciclo de vida de cuatro fases: (i) Planificación y diseño, acopio y procesamiento de los datos, y construcción e interpretación del modelo; (ii) Verificación y validación; (iii) Despliegue: piloto, compatibilidad legal y regulatoria; y (iv) Operación y monitoreo (OECD, op. cit.).
Un «sistema de IA» es una «máquina que puede, para un conjunto de objetivos definidos dado, predecir, recomendar o decidir, para alterar ambientes reales o virtuales».
La investigadora del University College de Londres, Cecilia Rikap, destaca que, visto como un factor productivo, el deep learning de la IA tiene dos características específicas: (i) parte del trabajo producido no es remunerado, pues lo realizan quienes lo consumen; y (ii), como son modelos que se perfeccionan con el uso, se aprecian con el tiempo, a diferencia de otros medios de producción que se deprecian conforme se los usa (Inteligencia artificial: reemplazo, hibridación, progreso, Nueva Sociedad n.307).
En la literatura especializada se prefiere hablar de «aprendizaje automático», dice Kate Crawford, investigadora principal en Microsoft Research. Y, sorprendentemente, acota que la IA no es artificial ni inteligente. «Más bien existe en forma corpórea, como algo material, hecho de recursos naturales, combustible, mano de obra, infraestructura, logística, historias y clasificaciones» (Atlas de inteligencia artificial. Poder, política y costos planetarios, Fondo de Cultura Económica, 2022). En su estado actual de desarrollo depende de un numeroso conjunto de estructuras sociales y políticas, y debido al capital necesario para ponerla a funcionar, está diseñada para «servir a intereses dominantes ya existentes. En ese sentido la IA es un certificado de poder».
En su nivel básico la IA es un sistema de prácticas técnicas y sociales, instituciones e infraestructuras, políticas y culturales, que refleja y produce al mismo tiempo relaciones sociales y formas de entender el mundo. Para Crawford la IA «es fundamentalmente política», por lo que, para entenderla —y no solo utilizarla o ser utilizado por ella— es necesario rebasar las redes neuronales y los patrones estadísticos para cuestionar qué se optimiza, para quién y quién lo decide.
Las definiciones estándar de la IA destacan lo que Crawford denomina «excepcionalismo algorítmico: la idea de que, debido a que los sistemas de IA pueden realizar asombrosas hazañas de cálculo, deben ser más inteligentes y objetivos que sus imperfectos creadores humanos». El autor de Sapiens, Homo Deus y Nexus, Yuval Noah Harari, hace notar algo perturbador: la IA no es una herramienta, como la imprenta o la bomba atómica. Una imprenta no puede escribir libros por sí sola y una bomba atómica no puede decidir a quién atacar. Pero si algún momento estas herramientas fuesen acopladas a la IA, podrían adquirir la capacidad de decidirlo (https://bit.ly/3HU3jrd).
Esta capacidad de acción podría, en un futuro próximo, convertir a la IA en un actor autónomo, capaz de competir con los seres humanos en ámbitos exclusivos de la inteligencia biológica. Muy pronto la IA sería un agente capaz de tomar decisiones, de aprender y de perfeccionarse. ¿Qué seguridad tenemos de que ese agente coadyuve a los objetivos humanos?, se pregunta Harari en un reciente CEO Council del Wall Street Journal realizado en Londres.
Los teóricos del tecnofeudalismo sostienen que los cambios impulsados por las grandes empresas tecnológicas han transformado el mercado, al punto que ya habrían terminado con el capitalismo.
Si la IA fuese un niño capaz de aprender, como cualquier niño aprenderá más de nuestro comportamiento real que de nuestras instrucciones explícitas. Si se le dice que es malo mentir, pero nos ve hacerlo, aprenderá a mentir. En verdad los seres humanos pueden enseñar muchas cosas a la IA: cómo ser más ricos, más poderosos, más fuertes… Pero no podrían enseñarle lo fundamental, lo que sigue siendo un arcano para la inmensa mayoría: ¿quiénes somos?, ¿a qué debemos aspirar?, ¿qué es una buena vida? No sabemos cómo convertir el poder en bienestar. Somos la especie más inteligente del planeta (todavía), pero también la más destructiva. ¿Qué aprenderán de nosotros las próximas generaciones de IA?
¿Cómo se produce la IA?
Los teóricos del tecnofeudalismo sostienen que los cambios impulsados por las grandes empresas tecnológicas han transformado el mercado, al punto que ya habrían terminado con el capitalismo. En la actualidad las relaciones de producción dependen del control de los datos, los algoritmos y las plataformas digitales, afirman. Ese control proporciona un poder de tipo feudal a sus propietarios y convierte a los usuarios en una especie de siervos generadores gratuitos de valor para los «señores de la nube», los dueños de esas empresas. Estos obtienen su riqueza de las rentas de los datos (no de las ganancias de la producción y el intercambio) y el control de los algoritmos (véase entre otros, Yanis Varoufakis, Tecnofeudalismo. El sigiloso sucesor del capitalismo, Deusto, 2024; C. Durand, Techno-féodalisme. Critique de l’economie numérique, Eds. La Decóuverte, 2020; T. Sakaiya, Historia del futuro. La sociedad del conocimiento, A. Bello, 1995).
Rikap no está de acuerdo. Los gigantes tecnológicos, las grandes petroleras y farmacéuticas tienen algo en común: todos ejercen poder de mercado. Pero en el caso de los primeros ese poder oligopólico también puede regular la fabricación, el trabajo y el uso del bien transado. P. Sweezy recuerda que el capitalismo crea una clase carente de propiedad y otra clase propietaria. Esta última se apropia de los medios de producción para explotar a la primera y apropiarse del valor creado (Four Lectures on Marxism, N. Y. Monthly Review Press, 1981). En el desarrollo de la IA, la distinción entre propietarios y carentes de propiedad (relación social diferente a la de los señores feudales con sus ciervos) ha sido crucial.
Steve Ballmer, director ejecutivo de Microsoft entre 2000 y 2014, afirmó en 2001 que el sistema operativo de código abierto Linux era, «…para la propiedad intelectual, un cáncer que se adhiere a todo lo que toca». Este tipo de «relaciones monopolistas», dice Rikap, ha sido auspiciado por el gobierno norteamericano, específicamente desde fines del siglo pasado, al reformar y actualizar los derechos de propiedad intelectual, en especial en la industria tecnológica (cuando se aceptó proteger el software por un lado y el hardware por otro).
Gigantescos volúmenes de información de las personas (sobre su forma de vida, hábitos de consumo, estado de salud, preferencias, situación financiera, inclinaciones políticas…) fueron considerados res nullius (cosa de nadie).
Un monopolio tecnológico tiene dos características: el conocimiento puede utilizarse por todos en forma simultánea sin que se agote; y, no necesita delimitación física, por lo que puede operar globalmente.
Esta estructura de derechos de propiedad se globalizó al ponerse en vigencia el Acuerdo sobre los Aspectos de los Derechos de Propiedad Intelectual relacionados con el Comercio (ADPIC), «cuya versión inicial –puntualiza Rikap– redactaron IBM, Pfizer y Microsoft» (¿El capitalismo de siempre?, New Left Review n. 139). Esta estructura jurídica permitió que los aspectos del conocimiento utilizados para producir algo se convirtieran en entidades apropiables independientes, que otorgaban monopolios intelectuales a quienes los poseían.
Pero mientras los propietarios del software eran generosamente beneficiados por los ADPIC, se toleró un inmenso vacío regulatorio sobre quién y qué tipo de datos se podía recopilar, almacenar, procesar y comercializar (los big data). En la práctica, gigantescos volúmenes de información de las personas (sobre su forma de vida, hábitos de consumo, estado de salud, preferencias, situación financiera, inclinaciones políticas…) fueron considerados res nullius. «Todavía carecemos […] de medidas estandarizadas para calcular el valor de un activo como los datos que posee una empresa como Google», comenta Rikap.
¿Dónde se produce la IA?
El líder mundial de la inteligencia artificial es EE.UU., con 40% de las empresas de IA del mundo. Las más grandes son Alphabet (Google), Amazon, Meta (Facebook, WhatsApp, Instagram), Apple, Microsoft. Más de 16 agencias del gobierno las apoyan financieramente. También tienen el respaldo científico de las universidades líderes mundiales en investigación en biotecnología, tecnología de la información y comunicación, y robótica (MIT, Stanford, Carnegie Mellon, UC Berkley, Cornell, Caltech, Michigan-Ann Arbor, Harvard…).
Le sigue China con empresas como High-Flyer (DeepSeek), ByteDance (TikTok), Baidu, Alibaba, Tencent, Huawei, Xiaomi… El gobierno chino ejerce una estricta política de control con el Gran Cortafuegos, sistema masivo en constante evolución que emplea tecnología avanzada, regulación y un ejército de especialistas para monitorear, filtrar y controlar el acceso a la información en Internet dentro de China, aislándola del resto del mundo. Este sistema censura contenidos, bloquea direcciones IP, manipula servidores DNS, aísla VPN y examina el tráfico de internet. Pero no entorpece los flujos de inversión extranjera, lo que le ha permitido replicar tecnología de punta. Microsoft no es la única gigante tecnológica norteamericana que mantiene buenas relaciones con el gobierno chino; Apple invierte en fabricación y ensamblaje de sus productos, investigación y desarrollo, tiendas minoristas y centros de datos; y Nvidia, la empresa con la mayor capitalización de mercado en el mundo, mantiene una importante estrategia de inversión y mercado, a pesar de las prohibiciones del gobierno norteamericano.
Estos dos gigantes son escoltados por Israel, con 11% del mercado; Reino Unido, 7%; Canadá, 3,8%. Muy por detrás está Brasil, el único país sudamericano, en el puesto 17 del ranking mundial (https://bit.ly/44stiOf).
En la función de producción de la IA es fundamental la relación simbiótica entre el big data y los conjuntos de algoritmos avanzados que se constituyen en medios de producción capaces de mejorarse a sí mismos: son parte de un mecanismo monopólico diseñado para auto fortalecerse. Mecanismo en el que el cliente de la IA paga por utilizar el producto y a la vez contribuye a mejorarlo a cambio de nada. El monopolio no solo captura valor en forma de rentas: también aprovecha su acceso privilegiado a los datos y las tecnologías digitales.
La nube es una vasta y compleja red de infraestructuras físicas distribuidas en varias partes del mundo, diseñadas para almacenar, procesar y entregar datos y servicios a escala global.
Por lo general el big data se almacena en la nube, por su capacidad y escalabilidad para manejar enormes y complejas cantidades de información. La nube es el lugar donde reside la IA y el catalizador que la ha viabilizado; los LLM y la IA generativa no serían posibles sin ella. La nube proporciona la infraestructura apropiada para almacenar, procesar y extraer valor de la inmensa cantidad de información que define el big data.
La nube es una vasta y compleja red de infraestructuras físicas distribuidas en varias partes del mundo, diseñadas para almacenar, procesar y entregar datos y servicios a escala global. Los principales proveedores son Amazon Web Services (AWS), Google Cloud Platform (GCP), Microsoft Azure y Alibaba Cloud. La integración vertical es frecuente; el caso más exitoso es el de Microsoft que en 2019 aportó USD 1.000 millones a OpenAI, lo que le permitió apropiarse del modelo de aprendizaje profundo GPT-3 que, finalmente, con una inversión diez veces mayor, se convirtió en el chatbox de IA lanzado en noviembre de 2022 como ChatGPT.
La infraestructura que soporta la nube, la IA y el big data genera una huella ambiental nada despreciable. El consumo de energía es el recurso más crítico, pues se requiere alimentar los servidores, los sistemas de refrigeración, la iluminación y otros elementos auxiliares. Un centro de datos promedio consume entre 3 y 5 millones de galones de agua por día y ocupa áreas equivalentes a varios campos de futbol.
No es el capitalismo de siempre
La hipótesis del tecnofeudalismo es sonora pero inconsistente. El rentismo tecnológico no es suficiente como para sostener el retorno a un paisaje feudal que, en lugar de feudos, enriquece a los nuevos señores a base del negocio de la nube (Amazon, Microsoft y Google controlan alrededor del 65% de ese mercado). No se trata tampoco del capitalismo de siempre, aunque las contradicciones básicas siguen existiendo, pero llevadas a extremos nunca imaginados.
Jeff Bezoss, dueño de Amazon, es uno de los hombres más rico del mundo, con un patrimonio neto que oscila entre los USD 220.000 millones y los USD 230.000 millones (imposible dar una cifra exacta, dado que buena parte de su riqueza son sus acciones, sujetas a las oscilaciones del mercado bursátil). El 22 de enero de 2025, Amazon anunció el cierre de sus siete centros de distribución en Quebec, lo que provocaría el despido de 1.700 personas. Según Caroline Senneville, presidenta de la confederación de sindicatos canadienses, esta decisión sería una represalia por la sindicalización de los trabajadores. Para Radio Canadá Internacional, «Amazon es una empresa […] que como práctica habitual se opone ferozmente al derecho a la sindicalización de sus trabajadores» (https://bit.ly/40lZy44).
Amazon tiene un largo historial en el campo laboral. En 2022 gastó más de USD 14 millones en consultores antisindicalistas. En 2021 pagó a Andrew Jassy, su director ejecutivo, USD 212.7 millones, mientras el salario anual de un trabajador medio fue de USD 32.855, es decir 6.470 veces menos que la remuneración de Jassy (https://bit.ly/442TMGT).
A diferencia del rentista feudal, el rentista del oligopolio intelectual es proactivo, necesita invertir constantemente en investigación y desarrollo (I+D) para mantener su liderazgo.
El 77,3% de los computadores de escritorio del mundo funcionan con el sistema operativo Windows y el 48% del software con aplicaciones corresponde a Microsoft Office 365. Este control del mercado es solo la punta del iceberg de la monopolización de las industrias tecnológicas. Hoy en día la acumulación está impulsada por la depredación y monetización de intangibles. Se trata de un capitalismo definido por la creciente apropiación del conocimiento de la sociedad, que le permite ejercer poder sobre otras empresas y organizaciones.
A diferencia del rentista feudal, el rentista del oligopolio intelectual es proactivo, necesita invertir constantemente en investigación y desarrollo (I+D) para mantener su liderazgo, de manera que las ganancias extraordinarias temporales se conviertan en permanentes. Así también, debe invertir constantemente para garantizar el acceso, transporte y almacenamiento de nuevos intangibles digitales.
Pero a diferencia del capitalismo convencional, en el que el crecimiento se lograba por la difusión de nuevas técnicas que al ser asimiladas por la competencia generaban innovaciones complementarias, los rentistas del oligopolio intelectual rompen este círculo virtuoso, lo que obstaculiza el crecimiento económico. «[E]s probable que la dinámica a largo plazo de esta forma de capitalismo se caracterice por la financiarización, la desigualdad y el estancamiento», concluye Rikap.
La perspectiva analítica desarrollada en los párrafos precedentes aclara de manera sucinta y sintética el significado y la posición actual de la IA en el mundo. Pero resulta insuficiente para afirmar que, en efecto, esté promoviendo un nuevo momento Gutenberg.
[1] Este artículo ha sido elaborado con la ayuda de dos modelos de inteligencia artificial: Gemini (Google) y Perplexity (Perplexity AI Inc.). Gemini es un LLM competidor directo de GPT4, capaz de generar textos, analizar imágenes, procesar y generar audio, de comprender el contenido de videos y de depurar diversos lenguajes de programación. Perplexity también utiliza LLM combinado con su propio modelo. Fue fundada en 2022 por técnicos que trabajaron en Google AI y Open AI, con una inversión proporcionada por varias firmas de capital de riesgo y Jeff Bezos.