Un estudiante entrega un ensayo impecable que no escribió. Una escuela, preocupada, contrata una capacitación para incorporar inteligencia artificial. En ambos casos aparece la misma idea: que se trata de un problema técnico que debe resolverse con una respuesta técnica

Sin embargo, para comprender realmente esta tecnología no hace falta abandonar las materias tradicionales. Buena parte de las herramientas necesarias ya está en la escuela, desde la geografía y la economía hasta la historia, la literatura y la filosofía

Una tecnología distribuida entre cables, datos y decisiones

¿Dónde está ChatGPT? ¿En el teléfono, en la empresa que lo desarrolló, en la nube o en todos esos lugares al mismo tiempo?

La pregunta permite observar que la inteligencia artificial no es solamente un algoritmo. También es una construcción material y social que depende de infraestructura, recursos naturales, geopolítica, trabajo y datos

La llamada nube es una metáfora conveniente, pero oculta una realidad física. Detrás hay grandes edificios llenos de servidores que funcionan durante todo el día. Cada consulta viaja por cables submarinos, atraviesa los océanos y llega a centros de datos refrigerados antes de regresar a la pantalla en pocos segundos

Los chips que hacen posible ese proceso se producen en pocas empresas y en un número limitado de países. Esa concentración se convirtió en un factor relevante de la geopolítica mundial. Las principales compañías del sector anuncian inversiones de cientos de miles de millones de dólares en centros de datos para sostener una industria todavía en expansión

La infraestructura también tiene un costo ambiental. Los servidores generan calor y necesitan agua y electricidad para enfriarse

Algunas estimaciones indican que un correo de cien palabras producido con inteligencia artificial puede requerir cerca de medio litro de agua, aunque otras calculan un consumo bastante menor. En cualquier caso, el crecimiento de la demanda eléctrica ya tensiona redes y reabre discusiones sobre energía

La carrera global por controlar la inteligencia artificial

Estados Unidos y China concentran buena parte de los modelos más avanzados, las empresas principales y la fabricación de los chips decisivos. Europa, en cambio, también busca disputar el terreno de las reglas y fue la primera en aprobar una ley integral sobre inteligencia artificial

América Latina ocupa una posición diferente. La región puede aportar territorio para centros de datos, agua para refrigerarlos, litio y los datos de su población, pero está lejos de competir en la construcción de los sistemas más avanzados

Por eso resulta central decidir bajo qué condiciones se adoptan estas herramientas y qué dependencias se está dispuesto a aceptar. Si los modelos se entrenan principalmente con textos en inglés y con los valores de un grupo reducido de países y empresas, surge una pregunta inevitable: ¿de quién es la inteligencia de la inteligencia artificial?

Los países que no fabrican los chips ni diseñan los modelos quedan, en buena medida, en el lugar de usuarios. Pero decidir qué sistemas ingresan en una escuela, un hospital, un banco o una oficina pública, qué datos utilizan y bajo qué normas funcionan es una decisión política

El trabajo invisible detrás de los modelos

También es engañosa la idea de que la inteligencia artificial aprende sola. Hay trabajadores que clasifican datos manualmente para enseñar a los sistemas qué es un peatón o un semáforo. Otros revisan contenidos violentos o perturbadores para ayudar a filtrarlos

Una parte importante de esas tareas se terceriza en países del Sur global, con salarios bajos y un costo psicológico que recién comienza a documentarse. Al mismo tiempo, los modelos se alimentan de textos, fotografías, búsquedas y publicaciones que las personas subieron a internet, muchas veces sin saber cómo se usarían ni recibir una compensación

Ese trabajo y esos datos permanecen ocultos para el usuario. Sin ellos, el sistema no podría existir

Esto no obliga a considerar negativa a la inteligencia artificial. La misma infraestructura puede ampliar la capacidad humana para resolver problemas

AlphaFold, desarrollado por Google DeepMind, predijo la forma de casi todas las proteínas conocidas y sus creadores recibieron el Premio Nobel de Química en 2024. Sus resultados ya aceleran investigaciones y tratamientos vinculados con enfermedades como el Chagas y el cáncer

La cuestión no es decidir si la tecnología es buena o mala en abstracto, sino observar al mismo tiempo qué permite hacer y qué recursos, trabajos y decisiones requiere

Por qué todas las materias tienen algo que aportar

Comprender dónde está ChatGPT exige mirar chips y cables, pero también agua, energía, relaciones entre países, condiciones laborales, privacidad y propiedad de los datos. Nada de eso puede explicarse únicamente desde la programación

La geografía puede preguntar dónde se instalan los centros de datos y por qué. La economía puede analizar cómo funciona el negocio y quién captura el valor. La historia puede revisar cuántas veces una tecnología prometió un futuro perfecto o anunció el fin del mundo

La literatura puede discutir qué significa ser autor cuando una máquina interviene en la escritura. La filosofía puede preguntarse qué entendemos por pensamiento y conciencia frente a modelos capaces de producir respuestas que antes asociábamos exclusivamente con la actividad humana

Para trabajar estos temas no hace falta un laboratorio sofisticado. Basta con presentar un caso concreto: el sesgo de una evaluación algorítmica de crédito, el impacto ambiental de un centro de datos, una obra creada con inteligencia artificial o el despido de un ingeniero que afirmó que un algoritmo era consciente

El mismo caso cambia cuando lo analizan la economía, la historia, la literatura o la filosofía. Precisamente en esa combinación aparece el aprendizaje

Una alfabetización necesaria para la ciudadanía

Enseñar inteligencia artificial no debería significar convertir a todos los estudiantes en programadores. En una misma semana, una clase puede ubicar centros de datos en un mapa, evaluar qué empleos cambian, discutir qué se gana y qué se pierde cuando una máquina escribe por nosotros y preguntarse qué características definen la conciencia

La escuela cuenta con una herramienta fundamental: disciplinas capaces de formular preguntas diferentes sobre un mismo fenómeno y estudiantes que pueden aprender a relacionarlas para construir un juicio propio

El desafío no se limita a la empleabilidad. Una persona que considera que la inteligencia artificial es un asunto exclusivo de especialistas queda menos preparada para participar en decisiones que pueden atravesar toda su vida, desde la asignación de un crédito hasta la información que recibe durante una campaña electoral

En los Países Bajos, un algoritmo de la agencia tributaria acusó falsamente de fraude a unas 26.000 familias, muchas de ellas con doble nacionalidad y bajos ingresos. El escándalo provocó la caída del gobierno en 2021

El sistema podía aplicar correctamente los parámetros con los que había sido diseñado y, al mismo tiempo, producir una injusticia enorme. Comprender lo ocurrido exige preguntar quién definió las categorías, qué controles faltaron y quién podía impugnar una decisión automatizada

Por eso, entender la inteligencia artificial forma parte de la alfabetización básica, al igual que leer un diario o interpretar una estadística

Creatividad, democracia y responsabilidad

La tecnología también vuelve urgentes preguntas que las humanidades formulan desde hace siglos. Los modelos escriben ensayos, componen música, imitan voces, aprueban exámenes y producen noticias. Eso obliga a precisar qué significan la creatividad, la autoría, la comprensión y la responsabilidad

Aunque no se afirme que una máquina piensa, sus resultados pueden parecerse a expresiones del pensamiento humano. Hace setenta años, Alan Turing propuso evaluar la inteligencia de una máquina a partir de su desempeño en una conversación. Los modelos actuales complican cualquier respuesta sencilla y vuelven más difícil distinguir entre comprender y aparentar comprensión

La diferencia es importante porque cada vez confiamos más en sistemas capaces de convencernos sin que sepamos con claridad cómo llegaron a sus respuestas

Algo similar ocurre con la democracia. Una herramienta capaz de fabricar imágenes y mensajes falsos, adaptarlos a cada destinatario y distribuirlos masivamente modifica las condiciones en las que las sociedades forman opiniones y discuten sobre hechos comunes

Si además puede resumir millones de preferencias y proponer decisiones en nombre de todos, es necesario preguntarse qué significa representar a una comunidad y qué tareas deben seguir en manos de las instituciones

El objetivo no es detectar la trampa, sino formar criterio

Cuando una máquina redacta el ensayo de un alumno, el problema educativo no termina al descubrir si hubo trampa. También hay que preguntarse qué se esperaba que aprendiera al escribirlo y qué ejercicio deja de realizar cuando delega la tarea

Es en ese proceso, más que en el texto final, donde empieza a formarse un juicio propio. Esa capacidad se construye con tiempo y también a través del error. Ninguna herramienta puede entregarla terminada

La pregunta central es si la escuela enseñó de qué está hecha la tecnología, cuándo conviene utilizarla y qué decisiones no se está dispuesto a delegarle. Formar personas capaces de construir ese criterio y asumir la responsabilidad por sus decisiones es una tarea de toda la escuela