NOTES · IA generativa · Educación · Tecnología

It's Artificial. It Isn't Intelligence.

Sergei Sikorskii · 19 de junio de 2026 · 4 min read

“The real question is not whether machines think but whether men do.” — B. F. Skinner, 1969

Hace poco, una estudiante me preguntó si temo que la IA vaya a quitarle el trabajo a la gente, y si a mí, como profesor, me preocupa volverme innecesario. No me preocupa, aunque no es porque la docencia esté a salvo de algún modo.

Ya hemos vivido esto antes. Las ciudades empleaban a faroleros para encender las farolas cada noche y apagarlas al amanecer. Existían los knocker-uppers, que iban de puerta en puerta despertando a los trabajadores para sus turnos, telefonistas que conectaban cada llamada, mecanógrafas, y muchos otros oficios que simplemente se desvanecieron. Pero las personas no se desvanecieron. Lo que desaparece, cuando cambia la tecnología, es una forma concreta de hacer el trabajo, y nunca desaparece de una sola manera. Algunos empleos se extinguen sin más. Otros se transforman en algo distinto. Y otros simplemente adoptan las nuevas herramientas y terminan siendo más rápidos, más precisos, mejores en lo que ya hacían. Así que «¿nos quitará la IA el trabajo?» siempre me ha parecido la pregunta equivocada, o al menos una pregunta perezosa. La cuestión más interesante es qué es realmente esta tecnología.

¿Es realmente inteligencia?

Aquí sostengo una postura menos popular. No estoy convencido de que debamos llamar «inteligencia artificial» a los actuales modelos de lenguaje. ¿Es artificial? Sin duda. ¿Es inteligencia? No. Si miramos lo que ocurre realmente por dentro, encontramos predicción: el sistema estima el siguiente token, la siguiente palabra, la continuación más probable. Ya habíamos visto esto en miniatura. El T9 de nuestros viejos teléfonos. Después el autocompletado. Después sistemas que dejaron de adivinar la siguiente palabra y empezaron a adivinar la siguiente frase, la siguiente página, el programa entero. Los modelos actuales son enormemente más capaces. No digo esto para restarles mérito; son extraordinarios. Pero si quitamos las capas, el núcleo es el mismo: predecir lo que viene después.

Y sin embargo, esa predicción no es una chispa oculta. Es el efecto de una arquitectura, una pila de algoritmos que hace exactamente lo que fue construida para hacer. El modelo predice porque eso es lo que produce la arquitectura, no porque quiera nada en absoluto. Hay que reconocer que el resultado puede resultar inquietante. Dale suficiente información sobre ti y un pensamiento suficientemente típico, y adivinará el siguiente, o incluso te ofrecerá una idea a la que aún no habías llegado. Pero sigue siendo imitación, no algo genuinamente propio. Imita el pensamiento humano, y lo imita de forma impresionante, que es exactamente por qué la palabra «inteligencia» me parece equivocada. Hemos construido máquinas extraordinariamente potentes que copian las cualidades intelectuales de las personas, y funcionan con un viejo truco humano: fingir hasta conseguirlo. Un modelo puede continuar tu pensamiento. ¿Puede alguna vez comenzar uno? Despliega la pregunta. Nosotros la planteamos.

Aun así, cuanto más tiempo paso con estos sistemas, más noto cuánto nos parecemos a ellos. ¿Acaso no aprendemos de forma parecida? Absorbemos lengua, libros, películas, canciones, la escuela, la conversación incesante que nos rodea, y después reproducimos las ideas de otros como propias, muchas veces sin darnos cuenta. Dicho así, el ser humano y el modelo empiezan a parecerse de forma incómoda.

Lo que una máquina no puede hacer

Lo cual me devuelve a mi estudiante. Si mi único valor como profesor fuera almacenar y repetir información, un libro podría haber hecho mi trabajo hace mucho tiempo. Lo que hago es más difícil de automatizar. Un modelo puede producir una explicación impecable. No puede querer que tú entiendas.

Mi estudiante quería saber si la máquina la sustituiría a ella y a mí. Creo que la mejor pregunta es qué nos permite hacer. Y eso, al final, es lo que es: una herramienta. Como las tecnologías anteriores, acelera el trabajo, mejora su calidad y abre nuevos tipos de trabajo, a veces campos enteros que ayer no existían. Por ahora, veo que añade más de lo que quita.

Publicado originalmente en LinkedIn.