Buscar en este sitio

Sobre la facilidad de producir explicaciones y la responsabilidad de reconocer el conocimiento ajeno. Hoy podemos explicar con soltura una teoría que nunca hemos estudiado, comentar un libro que no hemos abierto y compartir una reflexión sin saber quién formuló originalmente las ideas que la sostienen. Basta escribir unas cuantas instrucciones para obtener, en cuestión de segundos, una respuesta aparentemente bien construida. La inteligencia artificial ha llevado esta posibilidad a una escala difícil de imaginar hace apenas unos años. Sería absurdo desconocer sus ventajas, pues esta tecnología nos permite aproximarnos a materias que antes parecían inaccesibles, explorar preguntas que quizá no nos habríamos formulado y encontrar nuevas maneras de organizar lo que sabemos. Pero semejante facilidad trae consigo una paradoja, y es que nunca había resultado tan sencillo producir una explicación convincente sin necesariamente haber recorrido el camino intelectual que permite comprenderla. El asunto merece alguna atención, sobre todo porque detrás de muchas de las ideas que hoy circulan por internet hay una historia que rara vez aparece en pantalla. Una historia hecha de investigaciones, desacuerdos y esfuerzos intelectuales que, en ocasiones, ocuparon buena parte de la vida de quienes los emprendieron. La rapidez de nuestras respuestas contrasta, así, con la lentitud que frecuentemente exige producir conocimiento. El conocimiento no comienza con una respuesta Conviene recordar algo que, por evidente, suele pasarnos inadvertido; me refiero a que el conocimiento no se produce espontáneamente, y que las teorías que hoy podemos resumir en unos cuantos párrafos son, muchas veces, resultado de años de investigación y de sucesivas revisiones de aquello que alguna vez se tuvo por cierto. Pensemos, por ejemplo, en la última publicación de Apuntes Críticos, donde abordé una manifestación específica del poder: la capacidad de impedir que determinados asuntos lleguen siquiera a discutirse. Ilustrar el concepto con un ejemplo cotidiano permite volverlo comprensible y hasta sugerente; sin embargo, detrás de ese planteamiento se encuentra una conversación teórica mucho más amplia, en la que ocupa un lugar destacado el artículo Two Faces of Power, publicado por Peter Bachrach y Morton S. Baratz en 1962. Mencionar a estos autores no vuelve automáticamente más verdadero nuestro argumento. Tampoco significa que sus planteamientos estén fuera de discusión. Lo que hace es permitir que quien nos lee identifique de dónde proviene esa manera de entender el poder y, si lo desea, pueda examinarla o profundizar en ella. La referencia no clausura la conversación: permite continuarla. Y eso tiene una consecuencia importante, porque el conocimiento no se vuelve menos nuestro por reconocer lo que debemos a otros; por el contrario, identificar las ideas que nos anteceden puede ayudarnos a distinguir con mayor precisión qué estamos recuperando y qué aportamos realmente a la discusión. Después de todo, la originalidad intelectual no exige inventar cada concepto desde cero, ya que también puede consistir en encontrar aplicaciones nuevas para una teoría, establecer relaciones poco exploradas o formular objeciones razonadas a explicaciones generalmente aceptadas. Nada de ello requiere borrar las huellas del pensamiento que nos precede. La inteligencia artificial y la procedencia invisible La aparición de los modelos de inteligencia artificial generativa introduce una dificultad particular en esta relación. Estas herramientas se entrenan con grandes cantidades de información, que pueden incluir libros, artículos y otros materiales producidos por seres humanos. A partir de ese entrenamiento, generan respuestas mediante procesos computacionales que no equivalen, sencillamente, a buscar una frase y copiarla. De ahí que resulte inexacto afirmar que cada respuesta de la inteligencia artificial pertenece directamente a un autor determinado; aun así, sería igualmente equivocado suponer que las explicaciones que produce carecen de antecedentes intelectuales. La UNESCO, en su guía sobre inteligencia artificial generativa en la educación y la investigación, examina los desafíos que estas tecnologías plantean para la producción y utilización responsable del conocimiento (Miao y Holmes, 2023). El problema de la procedencia adquiere aquí una dimensión singular, toda vez que una respuesta puede incorporar conceptos desarrollados durante décadas sin reconstruir necesariamente las discusiones que les dieron origen; incluso cuando el resultado es correcto, las contribuciones intelectuales que lo sustentan pueden quedar fuera de nuestra vista. Así, las ideas llegan hasta nosotros desprendidas de buena parte de su contexto. Conocemos la conclusión, pero no siempre sus fundamentos; recibimos una explicación terminada, aunque ignoramos los desacuerdos que permitieron construirla. Ciertamente, no es un fenómeno enteramente nuevo, pues mucho antes de que la inteligencia artificial arribara a nuestras vidas, ya existían personas que repetían ideas ajenas sin atribuirlas, publicaciones que simplificaban teorías hasta desfigurarlas y discursos que presentaban como originales argumentos de larga tradición. Y no quisiera hablar de ello desde una posición de inocencia que tampoco me corresponde: confieso que yo mismo, ante algún apuro escolar, llegué a recurrir a esos atajos que resuelven una tarea sin necesariamente dejar mucho aprendizaje a su paso. Quizá por eso me interesa menos repartir reproches que examinar lo que ocurre cuando aquella vieja tentación encuentra herramientas capaces de satisfacerla en cuestión de segundos. Lo novedoso está en la escala y en la extraordinaria facilidad con que hoy puede ocurrir. La tecnología ha acortado considerablemente la distancia entre formular una pregunta y obtener una respuesta, pero lo que no necesariamente ha reducido es la distancia entre recibir esa respuesta y comprenderla. ¿Dónde termina lo que pensamos nosotros? Ni siquiera el rigor de añadir referencias bibliográficas nos libra de la obligación de preguntarnos cuánto de lo que publicamos es fruto de un escrutinio propio y cuánto un discurso recibido que decidimos no examinar. Me encuentro lejos de pretender establecer una frontera imposible entre las ideas propias y las ajenas. Ninguno de nosotros piensa desde el vacío y nuestra manera de comprender el mundo está atravesada por lecturas, conversaciones y experiencias cuyos orígenes rara vez podemos reconstruir por completo. No obstante, existe una diferencia entre construir una reflexión a partir de conocimientos anteriores y adoptar una explicación únicamente porque resulta convincente. La inteligencia artificial enriquece el pensamiento cuando nos obliga a confrontar hipótesis o identificar lagunas documentales, pero resulta igualmente eficaz para sustituir el esfuerzo de la comprensión por el alivio de obtener una respuesta rápida. No habría que confundir, entonces, la fluidez de una explicación con la profundidad de nuestro entendimiento. Basta someter el texto a un ejercicio básico de justificación. Cuando un autor no logra sostener lo que acaba de publicar frente a quien le pide profundizar en un concepto o explicar por qué descartó una hipótesis distinta, queda en evidencia que ha adoptado la idea sin asimilarla; sin esa capacidad de defensa, la formulación sigue siendo un préstamo. Desde luego, nadie necesita dominar exhaustivamente una materia para formular preguntas o compartir aprendizajes; de hecho, sería una pretensión desmedida, además de una manera bastante eficaz de empobrecer la conversación pública. Pero sí convendría cultivar cierta prudencia frente a la tentación de presentar como conocimiento consolidado lo que apenas estamos comenzando a comprender. El riesgo no es que la inteligencia artificial nos arrebate la capacidad de razonar; lo verdaderamente problemático es la habituación a respuestas ajenas y la pérdida de instinto para saber en qué momento dejamos de pensar por nuestra cuenta. Citar no es presumir erudición Llegados a este punto, la importancia de citar las fuentes adquiere otro sentido. Si bien el rigor académico exige mecanismos estrictos para reconocer la procedencia de la información, resulta desproporcionado esperar que la velocidad de las redes sociales asimile el formato de una revista especializada. Hay publicaciones en las que bastará mencionar al autor y la obra; en otras, será conveniente incorporar un enlace o una referencia más completa. Lo importante es no perder de vista la obligación intelectual que subyace a esas prácticas. Más allá de adornar un texto con apellidos ilustres, el acto de citar asume una responsabilidad doble: transparentar nuestras deudas intelectuales y garantizar que el texto quede abierto a la verificación. Tampoco deberíamos convertir las referencias en un recurso de autoridad destinado a intimidar al lector, porque citar a una persona reconocida no demuestra, por sí mismo, que tengamos razón. Huelga decir que los autores pueden equivocarse y las teorías pueden resultar insuficientes. Además, delegar la construcción del aparato crítico a un modelo probabilístico introduce una vulnerabilidad empírica documentada. En 2023, Walters y Wilder demostraron cómo iteraciones como GPT-3.5 y GPT-4 fabricaban referencias inexistentes y cometían errores de atribución evidentes. Aunque la precisión técnica de los sistemas actuales ha evolucionado, el riesgo estructural persiste, ya que la sintaxis convincente de una máquina puede generar citas verosímiles que, al reproducirse ciegamente, disfrazan la ausencia de investigación bajo una mera apariencia de rigor. La responsabilidad sigue siendo nuestra Transparentar el uso de herramientas generativas y reconocer la autoría de una idea plantean exigencias independientes. Alguien podría advertir a sus lectores que empleó un procesador para redactar su publicación y, simultáneamente, omitir a los teóricos que desarrollaron los argumentos centrales; en el extremo opuesto, el uso correcto de las referencias no revela si el esfuerzo de sintetizar esa información contó con asistencia tecnológica. Delegar la escritura y apropiarse del conocimiento ajeno son problemas diferentes que exigen soluciones separadas. El Comité de Ética en Publicaciones (COPE, 2024) ha sostenido que las herramientas de inteligencia artificial no pueden figurar como autoras de artículos académicos, entre otras razones porque no pueden asumir responsabilidad por su contenido; en consecuencia, quienes firman esos trabajos siguen siendo responsables de lo publicado. Aunque las exigencias de un artículo científico no sean trasladables en todos sus términos a una publicación de redes sociales, el principio de responsabilidad conserva su pertinencia. Una herramienta puede ayudarnos a encontrar una formulación, pero no nos dispensa de examinarla; puede sugerir referencias, pero no sustituye su comprobación. La decisión de publicar y respaldar una afirmación continúa siendo nuestra. Por tanto, el debate central excede la frecuencia con la que recurrimos a la inteligencia artificial; el quid radica en la responsabilidad sobre la información que decidimos difundir. Asumir esa carga implica aceptar una condición que riñe con la urgencia contemporánea: el acto de comprender exige detenerse. Hay, además, otra dimensión de esta responsabilidad que conviene no pasar por alto, y es que basta recorrer las redes sociales para encontrar numerosas páginas dedicadas a la divulgación, sin que siempre resulte posible identificar a las personas que los elaboran o administran. No es que el anonimato vuelva sospechosa una idea, ni que firmarla con nombre propio le confiera automáticamente mayor validez, pero saber quién está detrás de lo que leemos nos proporciona elementos adicionales para examinar su procedencia y, llegado el caso, exigir explicaciones. En Apuntes Críticos he procurado mantener una distinción que considero importante: que el protagonismo corresponda a las ideas y no a mi persona; No obstante, esa decisión editorial no tendría por qué traducirse en opacidad. Por ello, he destinado un apartado específico de la página a presentar mi nombre y mi trayectoria profesional, para que quien lo desee pueda conocer quién está detrás de este proyecto. No porque una formación académica garantice la corrección de lo que publico, sino porque considero razonable que quienes leen mis reflexiones puedan saber desde dónde escribo y quién asume la responsabilidad por ellas. El rigor de transparentar las fuentes impone una exigencia equivalente sobre nuestro propio trabajo: hacernos cargo de lo que publicamos; porque fomentar el examen crítico de las ideas ajenas pierde sentido cuando nuestras afirmaciones circulan buscando sustraerse de ese mismo nivel de comprobación. Reconocer también es una forma de pensar Tal vez convenga recuperar una costumbre intelectual que parece demasiado modesta para los tiempos que corren: detenernos a preguntar de dónde proviene lo que acabamos de leer. No para reconstruir una genealogía interminable de cada afirmación ni para convertir las publicaciones cotidianas en trabajos académicos. Se trata, sencillamente, de reconocer que una explicación accesible puede descansar sobre esfuerzos que desconocemos y que compartirla no nos convierte automáticamente en sus autores. Desde luego, ninguna cita garantiza por sí sola la honestidad de quien escribe., ya que también es posible acumular referencias sin haber leído las obras, atribuir ideas equivocadamente o utilizar nombres prestigiosos para encubrir argumentos débiles. La práctica de citar tiene sentido cuando expresa una disposición más profunda: reconocer nuestros límites, distinguir las contribuciones propias de las ajenas y ofrecer a los demás la posibilidad de examinar lo que afirmamos. Quizá esa disposición resulte especialmente necesaria en una época que premia la rapidez con que publicamos y la seguridad con que nos expresamos. No necesitamos renunciar a las herramientas que amplían nuestras posibilidades de aprender, pero tampoco deberíamos permitir que su eficacia nos haga olvidar a las personas que han contribuido a construir buena parte del conocimiento que hoy tenemos al alcance. Porque una cosa es tener acceso a una idea y otra muy distinta es haberla concebido. Y si nunca había sido tan fácil compartir el conocimiento de otros, acaso pocas veces había sido tan necesario recordar que no todo lo que sabemos comenzó con nosotros. Referencias Bachrach, P., & Baratz, M. S. (1962). Two faces of power. American Political Science Review, 56(4), 947–952. https://doi.org/10.2307/1952796 COPE Council. (2024). Authorship and AI tools [Documento de posición]. Committee on Publication Ethics. https://doi.org/10.24318/cCVRZBms Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535 Walters, W. H., & Wilder, E. I. (2023). Fabrication and errors in the bibliographic citations generated by ChatGPT. Scientific Reports, 13, artículo 1

En la primera parte de esta serie hablé de un descubrimiento accidental al confirmar que hacer contenido resultó ser un método de aprendizaje inusualmente intenso. En la segunda abordé el papel de la inteligencia artificial en ese proceso, entendida como un motor que acelera el trabajo pero que exige dirección, criterio y conocimiento previo para no devolver resultados vacíos. Ambas reflexiones me han llevado a una tercera y última pregunta. Ya no se trata solamente de si crear contenido puede ayudarnos a aprender. La pregunta es qué ocurriría si diseñáramos deliberadamente ese proceso como una metodología de aprendizaje. No pretendo haber encontrado el hilo negro ni sugerir que las escuelas sustituyan los exámenes por videos de TikTok. La intuición es más modesta: quizá estamos desaprovechando una práctica que exige muchas de las habilidades cognitivas que la educación contemporánea intenta desarrollar. Cuando hacer la tarea ya no demuestra que aprendiste Durante décadas, ciertos productos funcionaron como evidencia de aprendizaje. Un ensayo, un resumen, una exposición o la solución a un problema permitían suponer que detrás había existido determinado esfuerzo intelectual. Hoy una herramienta generativa puede producir muchos de esos resultados en segundos. Eso no significa que debamos abandonar esas prácticas; significa que el producto terminado nos dice cada vez menos, por sí solo, sobre cómo se llegó hasta él. La OCDE ha advertido precisamente esta diferencia: la IA puede mejorar el desempeño de los estudiantes en determinadas tareas sin que ello se traduzca necesariamente en ganancias equivalentes de aprendizaje; en contraste, sus beneficios educativos aparecen con mayor claridad cuando existe un propósito pedagógico definido o cuando las estrategias de enseñanza se rediseñan para adaptarse a la nueva tecnología (OCDE, 2026). Quizá por eso deberíamos desplazar parte de la atención del resultado hacia el proceso: no solamente qué entregó alguien, sino qué tuvo que investigar, verificar, decidir, descartar, reformular y defender para llegar hasta ahí. De una experiencia accidental a una metodología deliberada Lo que me ocurrió con Apuntes Críticos fue, en buena medida, accidental. Nadie diseñó un programa para obligarme a investigar constantemente, explicar ideas complejas, identificar fuentes, someter argumentos a discusión y regresar después a corregirlos. El propio proyecto terminó produciendo ese ciclo. La pregunta interesante es qué ocurriría si intentáramos replicar el mecanismo de manera intencional. En el ámbito académico y profesional solemos separar la producción del conocimiento de su divulgación, como si comunicar fuera apenas una etapa posterior. ¿Qué pasaría si diseñáramos seminarios, talleres, laboratorios o programas de formación donde el esfuerzo por explicar un problema formara parte del método para comprenderlo? Un estudiante podría traducir una investigación técnica para una audiencia no especializada. Un investigador podría explicar su trabajo a personas de otras disciplinas. Un profesor podría poner a prueba explicaciones antes de llevarlos al aula. Y los propios creadores digitales podrían integrarse a comunidades donde la calidad dependiera menos de las reproducciones y más del rigor documental, la claridad y la capacidad para sostener una discusión. No para convertir a todos en influencers. Para convertir la comunicación en una disciplina del pensamiento. No es una idea completamente nueva Desde luego, la intuición de que enseñar ayuda a aprender no nació con las redes sociales. La literatura sobre pedagogía lleva décadas documentando el aprendizaje por enseñanza (learning by teaching), un modelo donde la obligación de traducir un tema fuerza al expositor a detectar sus propias lagunas conceptuales y a reordenar la información que creía dominar. Lo interesante hoy no es redescubrir ese principio, sino preguntarnos qué ocurre cuando lo combinamos con condiciones completamente distintas: audiencias reales y heterogéneas, retroalimentación inmediata, formatos multimedia, circulación pública, posibilidad de iterar rápidamente y herramientas de inteligencia artificial capaces de reducir enormemente los costos de producción. El ecosistema digital funciona entonces como un campo de pruebas de alta intensidad. Las plataformas contemporáneas tomaron un principio cognitivo clásico y le inyectaron un volumen de escrutinio y una velocidad de iteración inéditos. Investigar para comunicar Saber que tendremos que explicar algo a otra persona modifica la forma en que investigamos. Ya no basta con acumular información. Tenemos que preguntarnos qué afirmación queremos sostener, qué evidencia realmente la respalda, qué conceptos necesitamos comprender, qué estamos dando por supuesto y qué podría objetar alguien que no comparte nuestras premisas. La comunicación empieza entonces mucho antes de escribir el texto o grabar un video. Empieza durante la investigación. Quien sabe que después tendrá que explicar una idea necesita distinguir lo esencial de lo accesorio y comprenderla con suficiente profundidad para traducirla sin deformarla. Comunicar para pensar mejor Pero el proceso funciona también en sentido contrario. Intentar explicar algo revela huecos que pueden permanecer invisibles mientras una idea existe solamente dentro de nuestra cabeza. Una relación causal parecía evidente hasta que intentamos justificarla. Un concepto parecía claro hasta que alguien preguntó qué significaba. Un argumento parecía sólido hasta que tuvimos que resumirlo en unas breves líneas. En ese momento, comunicar deja de ser el último paso de un conocimiento terminado y se convierte en una herramienta para examinarlo. Una buena pregunta, una objeción inesperada o una fuente desconocida pueden obligarnos a revisar lo que creíamos haber resuelto. El proceso deja de ser lineal y se transforma en un circuito constante donde el estudio, la exposición y la recepción de críticas se corrigen de forma recíproca. investigar → comunicar → recibir objeciones → revisar → volver a investigar. No comunicamos solamente porque ya pensamos. También pensamos mejor porque tenemos que comunicar. Diseñar el proceso, no solamente el producto Imaginemos un curso universitario. En lugar de solicitar únicamente un ensayo sobre teoría de la representación, un profesor podría pedir a sus estudiantes que investiguen el concepto, contrasten distintos autores y produzcan una pieza capaz de explicarlo a una persona ajena a la academia. El formato podría quedar abierto: ensayo, podcast, carrusel, video o infografía. Pero el producto sería apenas una parte de la evaluación. También habría que documentar las fuentes utilizadas, el uso de inteligencia artificial, las decisiones descartadas, las objeciones recibidas y los cambios realizados después de una primera versión. La evaluación dejaría entonces de concentrarse exclusivamente en qué se produjo para observar también cómo se pensó. Y la IA podría utilizarse abiertamente. No habría que fingir que no existe, sino exigir que quien la utilice pueda explicar qué le pidió, qué verificó, qué rechazó y por qué terminó aceptando determinada respuesta. ¿Y quién enseña todo esto? Esta propuesta obliga también a mirar hacia quienes enseñan. Esperamos que las nuevas generaciones aprendan a verificar información, utilizar IA con criterio, discriminar fuentes, producir contenidos digitales y comunicar problemas complejos. Pero muchos docentes fueron formados en un entorno en el que buena parte de estas herramientas no existía. No sería razonable trasladar individualmente al profesorado toda la responsabilidad de una transformación tecnológica que avanza a enorme velocidad. Modificar la práctica en el aula requiere tiempo, infraestructura, formación sostenida, acompañamiento y espacios para experimentar. Si queremos nuevas formas de aprender, tendremos que crear también las condiciones para que quienes enseñan puedan aprender a enseñarlas. Aprender en público no significa exhibirse Exponer el propio trabajo ante desconocidos conlleva riesgos, especialmente cuando hablamos de estudiantes que todavía están desarrollando herramientas para enfrentar la crítica y la hostilidad digital. Conozco de cerca esa incomodidad. Desde que fundé Apuntes Críticos he intentando que las ideas y los argumentos tengan mayor visibilidad que mi biografía o mi rostro. La propia tecnología ofrece posibilidades para administrar esa tensión. Los modelos generativos permiten producir narraciones, imágenes y otros recursos sin exigir necesariamente la exposición directa del creador. Y una dinámica educativa puede desarrollarse en plataformas internas, foros universitarios o comunidades específicas. Aprender en público no tiene por qué significar aprender exhibiéndose. Una posibilidad, no una varita mágica Nada de esto está libre de problemas. Existen debates urgentes sobre propiedad intelectual, brecha digital, privacidad, recolección de datos de menores y el peligro de trasladar al aula una de las peores lógicas de las plataformas: confundir popularidad con calidad. Pero la educación formal tampoco opera sobre un terreno libre de desigualdades o métodos de evaluación imperfectos. No necesitamos imaginar una herramienta educativa sin problemas para atrevernos a experimentar con ella. Necesitamos diseñar mejores condiciones para aprovechar sus posibilidades y contener sus riesgos. Por eso quizá el siguiente paso no sea simplemente animar a más personas a crear contenido. Quizá sea construir mejores espacios para hacerlo. Espacios donde investigar y comunicar formen parte del mismo proceso. Donde la tecnología reduzca los costos de ejecución sin sustituir el criterio. Donde una audiencia sea algo más que un número y pueda convertirse en una fuente de preguntas. Investigar para comunicar. Comunicar para pensar mejor. A estas alturas, y desde mi propia experiencia, estoy convencido de que crear contenido puede convertirse en una de las formas más revolucionarias de aprender en nuestro tiempo.

En la primera parte de esta serie escribí sobre algo que me ha sorprendido durante estos primeros seis meses de Apuntes Críticos: cuánto he aprendido creando contenido. Pero sería incompleto contar esa historia sin hablar de una herramienta que ha sido decisiva para hacerlo posible: la inteligencia artificial (IA). La utilizo prácticamente todos los días. Me ayuda a explorar ideas, ordenar información, ensayar estructuras, revisar argumentos, proponer formulaciones, imaginar recursos visuales y acelerar tareas que, de otra manera, consumirían una cantidad de tiempo que probablemente haría imposible sostener este proyecto con el mismo ritmo. En ese sentido, la IA ha sido un atajo extraordinario. Pero un atajo no necesariamente significa llegar al mismo lugar sin pensar; en ocasiones, significa disponer de más tiempo para decidir a dónde queremos llegar. La IA no sabe automáticamente lo que quiero Existe una imagen bastante extendida de cómo se trabaja con inteligencia artificial: alguien escribe una instrucción, la máquina produce algo y el usuario simplemente lo publica. Mi experiencia se parece muy poco a eso. Detrás de muchos resultados hay una larga conversación. Una propuesta no funciona. Otra simplifica demasiado. Una palabra cambia el sentido. Una imagen transmite algo distinto de lo que buscaba. Una explicación puede ser correcta y, al mismo tiempo, superficial. Una conclusión resulta demasiado categórica. Entonces empieza la iteración: cambiar, precisar, reformular, introducir un criterio, pedir alternativas, comparar, regresar a una fuente y, algunas veces, desechar todo y comenzar nuevamente. Por eso he concluido que una parte importante del trabajo con IA exige saber qué pedir y, al mismo tiempo, tener el criterio para saber qué no aceptar. Lo decisivo muchas veces ocurre antes del prompt Detrás de cualquier instrucción existe una persona que llega con una historia previa: lecturas, experiencia, conocimientos, prejuicios, categorías conceptuales, intuiciones y criterios para distinguir una buena respuesta de una mediocre. En mi caso, cuando utilizo IA para trabajar sobre política, no llego vacío a la conversación. Detrás hay más de 15 años estudiando, leyendo, trabajando y pensando sobre fenómenos políticos. Eso, por supuesto, no garantiza que tenga razón, pero sí cambia profundamente las preguntas que puedo formular, los errores que soy capaz de detectar y las alternativas que puedo pedir. Dos personas pueden utilizar exactamente la misma herramienta y obtener resultados radicalmente distintos. Hoy basta recorrer unas cuantas páginas en redes sociales para advertirlo. Cada vez más utilizan IA para producir textos, imágenes, videos o explicaciones y, sin embargo, la diferencia de calidad puede ser enorme. Algunas producen contenido genérico, predecible o superficial; otras consiguen piezas con contexto, criterio y una voz reconocible. La diferencia radica tanto en la herramienta como en quien la dirige. Y esto va mucho más allá de conocer algún “prompt mágico”. La clave puede estar en advertir una distinción que otra persona desconoce, detectar un concepto mal utilizado, saber que una afirmación necesita otra fuente o reconocer que una simplificación está deformando aquello que intentamos explicar. En otras palabras, la calidad de lo que podemos pedirle a una herramienta depende también de las preguntas, conocimientos y criterios que somos capaces de llevar hasta ella. Y muchas de esas cosas existen antes de escribir una sola palabra en el cuadro de texto. Tener IA no equivale a tener criterio Quizá uno de los grandes errores de este momento sea confundir acceso con dominio. Tener herramientas extraordinariamente poderosas al alcance de más personas no se traduce automáticamente en un buen uso. La IA puede generar respuestas convincentes pero equivocadas, explicaciones elegantes y superficiales o imágenes espectaculares que comunican justo lo contrario de nuestra intención original. Ese espejismo puede resultar convincente a primera vista, pero suele desmoronarse cuando se somete a una revisión informada y crítica. Frente a estos escenarios emerge el criterio como una cualidad que la tecnología vuelve todavía más importante: saber evaluar, comparar, desconfiar cuando corresponde y reconocer cuándo falta algo. Lejos de volver obsoleto el conocimiento previo, la inteligencia artificial puede elevar su valor. Porque cuando producir una respuesta se vuelve sencillo, juzgar su pertinencia y calidad se convierte en una habilidad central. La IA puede ahorrarnos trabajo. ¿Qué hacemos con ese ahorro? Esta es probablemente la idea que más me interesa de toda esta discusión. La inteligencia artificial puede ahorrarnos una enorme cantidad de trabajo. Pero no está escrito qué haremos con el tiempo, esfuerzo y recursos que libera. Una ruta fácil es utilizarla para pensar menos: conformarnos con el primer resultado aceptable, copiarlo y seguir adelante. Pero otra posibilidad es utilizar ese ahorro para desplazar nuestra energía hacia etapas más valiosas del proceso creativo. Menos tiempo en la ejecución mecánica y más tiempo contrastando fuentes. Menos tiempo peleando por una primera formulación y más tiempo evaluando alternativas. Menos esfuerzo en producir algo y más esfuerzo en decidir qué merece producirse y por qué. En mi experiencia con Apuntes Críticos, la IA no elimina la exigencia: la desplaza. Hay tareas que ahora puedo resolver en minutos y que antes me habrían tomado horas. Pero esa velocidad también me permite intentar más cosas, revisar más, experimentar, desechar resultados mediocres y elevar mis propios estándares. La productividad aumenta. La exigencia también puede hacerlo. La herramienta también puede enseñarnos Existe además una paradoja interesante. Nos acercamos a la IA con un conocimiento previo, pero el diálogo con ella también puede ampliarlo. Una respuesta introduce algo que desconocíamos. Lo investigamos. Descubrimos otra fuente. Aparece una objeción. Reformulamos la pregunta. La nueva respuesta abre otra posibilidad. Volvemos a contrastar. Y terminamos sabiendo más que cuando comenzamos. Nuestro conocimiento mejora las preguntas; las preguntas producen nuevas respuestas; las respuestas generan nuevas dudas; y esas dudas nos obligan a seguir aprendiendo. Por eso tampoco me interesa una defensa ingenua de la inteligencia artificial. Puede generar errores, reforzar prejuicios, hacernos aceptar ideas que no comprendemos y convertirse en una magnífica excusa para la pereza mental. Pero también puede ocurrir lo contrario: que, utilizada con criterio, se convierta en una herramienta para pensar más, no menos. Lo que ocurre antes del prompt Quizá estamos prestando demasiada atención a la capacidad de la inteligencia artificial para producir cosas y demasiado poca a la capacidad humana necesaria para dirigir ese proceso. El prompt importa. Pero antes del prompt están las preguntas que aprendimos a formular, las lecturas que nos permiten desconfiar, la experiencia que nos ayuda a distinguir y el criterio para reconocer cuándo algo todavía no funciona. La inteligencia artificial puede acompañar una enorme parte del trayecto. Pero todavía hace falta alguien que decida cuál es el destino. Y quizá ahí aparezca una de las preguntas más importantes de nuestro tiempo: si una máquina puede producir en segundos muchas de las tareas que durante décadas utilizamos para demostrar que alguien había aprendido, ¿qué deberíamos comenzar a enseñar y evaluar ahora? De eso quiero hablar en la tercera y última parte de esta serie.

Hace seis meses comenzó Apuntes Críticos. Podría aprovechar este pequeño hito para hablar de números, seguidores, visualizaciones o publicaciones (algunas de esas cifras, de hecho, habrían sido difíciles de imaginar cuando empezó el proyecto), pero, al mirar hacia atrás, hay algo que me resulta bastante más interesante: cuánto he aprendido durante estos seis meses. Y no me refiero únicamente a haber acumulado información. Crear contenido me ha obligado a aprender de una manera que pocas experiencias académicas o profesionales habían conseguido antes. Cada publicación comienza, casi siempre, con una curiosidad. Una pregunta, una frase, un libro, una discusión, una noticia o una intuición que parece suficientemente interesante como para detenerse en ella. A partir de ahí comienza un proceso que desde fuera no siempre resulta visible. Hay que buscar, leer, contrastar, descartar, distinguir entre una fuente que parece decir algo y otra que realmente permite sostenerlo. Después hay que tomar toda esa información y decidir qué importa, qué puede dejarse fuera, qué necesita contexto, qué simplificación ayuda a comprender y cuál empieza a deformar aquello que intentamos explicar. Y luego viene probablemente la parte más difícil: intentar contárselo a alguien más. Entender algo no siempre significa poder explicarlo Una de las cosas que más me ha enseñado crear contenido es lo fácil que resulta creer que entendemos algo hasta que intentamos explicarlo. Mientras una idea permanece en nuestra cabeza puede conservar zonas bastante cómodas de ambigüedad. Sabemos, más o menos, de qué estamos hablando, reconocemos los conceptos, podemos seguir una discusión sobre el tema... Pero entonces hay que convertir todo eso en un texto de unas cuantas líneas, un carrusel, un video o una explicación de algunos minutos. Y empiezan los problemas. ¿Qué significa exactamente este concepto? ¿De dónde salió esta afirmación? ¿No estoy simplificando demasiado? ¿Existe una excepción importante? ¿Estoy utilizando correctamente esta palabra? ¿Puedo sostener lo que acabo de escribir? Crear obliga a cerrar algunas de esas zonas grises. No porque al final uno tenga todas las respuestas; simplemente, porque explicar algo a otros exige un grado de claridad que pensar solamente para uno mismo no siempre demanda. No necesitas millones de personas Hoy una publicación puede llegar a una audiencia que hace seis meses me habría parecido absurda. Pero hay algo curioso: no recuerdo haber sentido mucho menos presión cuando las publicaciones llegaban apenas a unos cientos de personas. Porque quizá la diferencia verdaderamente importante no está entre cien espectadores y un millón. Está entre cero y uno. En el momento en que alguien puede leer lo que escribiste, cuestionarlo, compartirlo, aprender algo de ello o descubrir un error, cambia tu relación con lo que publicas. A veces, basta un solo lector para sentir responsabilidad. Saber que alguien está al otro lado de la pantalla introduce una forma particular de escrutinio. Uno empieza a preguntarse cosas que quizá no se preguntaría con la misma intensidad si aquello fuera solamente una nota guardada en una computadora. Y esa sensación, al menos en mi experiencia, produce autoexigencia. No siempre es agradable. Publicar también significa equivocarse en público; encontrar una imprecisión después de haber compartido algo; recibir una objeción que no habías considerado; descubrir una fuente que contradice parcialmente lo que pensabas; explicarte mal; o encontrarte con alguien que entendió algo completamente distinto de lo que intentabas decir. Pero ahí comienza otra parte del aprendizaje. Una publicación no termina cuando se publica Los comentarios han sido una de las partes más valiosas de estos meses. Por supuesto, hay discusiones estériles; hay también respuestas escritas desde el prejuicio, la agresión o simplemente desde las ganas de pelear. Pero también aparecen preguntas extraordinarias; personas que recomiendan autores que uno no conocía; lectores que detectan un detalle que se escapó; alguien que ofrece una perspectiva completamente distinta; una observación que obliga a regresar a investigar antes de responder. En esos momentos, la audiencia deja de ser destinataria y comienza a ser partícipe en el proceso mediante el cual uno aprende. Quizá por eso me resulta cada vez más insuficiente pensar en quienes siguen una página solamente como “seguidores”. En muchas ocasiones han funcionado también como interlocutores, críticos, profesores improvisados y puntos de partida para nuevas preguntas. Crear contenido se convierte entonces en algo parecido a aprender en público. Investigas. Explicas. Te expones. Recibes una respuesta. Revisas. Y vuelves a empezar. Hace seis meses no veía lo que ahora veo A veces regreso a publicaciones antiguas de Apuntes Críticos. No necesariamente son malas (algunas todavía me gustan mucho), pero encuentro cosas que hoy haría diferentes. Una frase que podría ser más precisa; una idea que merecía mayor desarrollo. Una imagen que hoy resolvería de otra manera; una simplificación que entonces me parecía suficiente y que ahora me resulta incómoda. Y eso me alegra. Porque existe una paradoja bastante bonita en el aprendizaje: empezar a ver los defectos de algo que hiciste puede ser precisamente una señal de que ya no eres exactamente la misma persona que lo hizo. El Yo que crea contenido hoy sabe hacer algunas cosas que el Yo de hace seis meses todavía no sabía. Y espero sinceramente que dentro de un año ocurra lo mismo. Espero mirar lo que publico ahora y encontrar errores, limitaciones y decisiones que entonces me parezcan ingenuas. No porque quiera estar permanentemente insatisfecho con lo que hago, sino porque sería preocupante que dentro de un año siguiera viendo las cosas exactamente igual. Crear aunque nadie te vea Por eso, después de seis meses, creo que tengo una razón bastante distinta para recomendarle a alguien crear contenido. No porque vaya a hacerse famoso. No porque necesariamente vaya a conseguir miles de seguidores. Ni siquiera porque alguien tenga que verlo. Crear obliga a investigar, ordenar, seleccionar, explicar y defender ideas; obliga a convertir una curiosidad difusa en algo que pueda ser entendido por otra persona. Y, cuando finalmente alguien lo recibe, comienza una segunda etapa: escuchar, discutir, corregir y aprender otra vez. Tal vez una de las mejores razones para crear contenido no sea conseguir que otros te escuchen. Tal vez sea descubrir en quién te obliga a convertirte para tener algo que valga la pena decir. Seis meses después, eso es probablemente lo más valioso que me ha dado Apuntes Críticos. Y apenas estamos empezando.

“Dale like, comparte y sígueme”. La fórmula se ha vuelto tan cotidiana que apenas reparamos en ella. La escuchamos en creadores de contenido, empresas, profesionistas, medios, instituciones, partidos políticos, etcétera. Y no hay nada extraño en ello. Si alguien dedica tiempo a producir contenido, ofrecer un servicio, defender ideas o impulsar un proyecto, es natural que quiera llegar a más personas. La pregunta aparece después: seguidores… ¿para qué? No es una pregunta retórica ni necesariamente una crítica; es, más bien, una invitación a preguntarnos qué significa realmente esa cifra que aparece debajo de nuestro nombre y que tantas veces usamos como medida del éxito. Porque un seguidor puede significar cosas muy distintas. Para un profesionista, por ejemplo, unos cuantos miles de personas interesadas específicamente en su trabajo pueden representar oportunidades laborales, clientes o reconocimiento en su campo; para un partido político, en cambio, esa misma cantidad podría resultar insignificante si no existe ninguna relación entre esa presencia digital y su capacidad para persuadir, movilizar o conseguir votos. La misma cifra puede ser extraordinaria en un caso e irrelevante en otro. 10k seguidores. 100k seguidores. 1M seguidores. Instintivamente suponemos que la última es más importante. Pero ¿más importante para qué? Lo que el contador no cuenta Las plataformas han conseguido convertir algo extraordinariamente complejo —la atención humana— en números simples, visibles y comparables. Seguidores. Likes. Reproducciones. Comentarios. Compartidos. Las cifras permiten comparar, pero también pueden llevarnos a confundir aquello que podemos medir fácilmente con aquello que realmente importa. Además, hoy el número de seguidores dice cada vez menos sobre quién realmente nos escucha. Los algoritmos pueden llevar una publicación a miles de personas que jamás han seguido la cuenta que la publicó. Al mismo tiempo, alguien puede seguir una página durante años y apenas encontrarse con sus contenidos. Podemos tener seguidores que no nos ven y personas que nos ven constantemente sin seguirnos. Como he señalado en publicaciones anteriores, tener seguidores no es lo mismo que tener audiencia; tener audiencia no significa necesariamente tener atención; y tener atención tampoco equivale automáticamente a tener influencia. Mucho menos autoridad. Una persona puede acumular cientos de miles de seguidores y ejercer poca influencia sobre ellos; otra puede reunir una comunidad pequeña y convertirse en una referencia decisiva dentro de un ámbito específico. La escala importa, pero no lo explica todo. El prestigio de los números Los seguidores también funcionan como una señal pública de estatus. Cuando entramos al perfil de alguien y encontramos una cifra enorme, recibimos cierta información antes siquiera de leer lo que publica: debe ser conocido, relevante, quizá digno de ser escuchado. La cifra llega a operar como una suerte de credencial. Pero popularidad no es autoridad, visibilidad no es relevancia y notoriedad no es necesariamente influencia. El contador puede decirnos cuántas personas pulsaron alguna vez un botón, pero difícilmente cuánto confían en alguien, cuánto valoran su trabajo o qué disposición tienen para actuar a partir de sus ideas. Por eso también se habla de “métricas de vanidad”: cifras agradables de observar y sencillas de presumir, pero que no necesariamente permiten saber si estamos logrando algo significativo. El término puede sonar despectivo. Después de todo, los seguidores importan; las visualizaciones también. El problema aparece cuando esas cifras dejan de ayudarnos a observar lo que ocurre y empiezan a convertirse en el propósito mismo. Crecer para llegar a más lectores tiene sentido. Crecer para vender, encontrar clientes, difundir ideas, reunir una comunidad, impulsar una causa o construir reconocimiento también puede tenerlo. Pero “crecer” en abstracto nunca termina. Después de 1k queremos 10k; después de 10k, 50k; después de 50k, 100k. Y entonces quizá valga la pena preguntarnos qué cambiaría realmente si mañana el número fuese el doble. Porque una cifra solo puede decirnos si estamos avanzando cuando sabemos hacia dónde queríamos ir. ¿Qué obtiene quien nos sigue? Cuando pensamos en seguidores solemos pensar en lo que queremos obtener de ellos. Que lean. Que compren. Que voten. Que compartan. Que recomienden. Que regresen. Pero hay otra pregunta menos frecuente: ¿qué obtiene alguien de seguirnos? Porque detrás de cada seguidor hay una persona que nos concede, aunque sea de manera mínima e intermitente, una parte de su atención. Y, perdón, pero aquí voy a decir algo que a muchos puede incomodar: conseguir atención no equivale a merecerla. Así las cosas, quizá el verdadero desafío no sea únicamente conseguir que alguien pulse “seguir”, sino darle alguna razón para detenerse nuevamente cuando volvamos a aparecer en su pantalla. Volver a la pregunta Celebro cuando una publicaciónllega más lejos de lo habitual, cuando nuevas personas encuentran un proyecto y cuando una comunidad crece. Sería absurdo fingir que esas cifras no producen satisfacción. El problema no está en querer crecer; está en olvidar qué significa ese crecimiento. Podemos tener más seguidores y menos atención. Más visualizaciones y menos influencia. Más popularidad y menos autoridad. Y también puede ocurrir exactamente lo contrario. Entonces 5k seguidores pueden ser pocos o muchísimos; 100k pueden representar una comunidad extraordinaria o simplemente un número extraordinariamente grande. Todo depende de aquello que esperamos construir alrededor de ellos. Así que quizá, antes de celebrar el siguiente millar o volver a pedir automáticamente que alguien presione un botón, convendría regresar de vez en cuando a una pregunta mucho más elemental: Seguidores… ¿para qué?

Escribir en tiempos de inteligencia artificial Estoy por concluir mi tesis de maestría y, en medio de ese proceso, me descubrí haciendo algo que nunca había decidido conscientemente: evitar los guiones largos. En realidad, el nombre correcto del signo es raya (—), pero siempre he pensado en él como guion largo y lo utilizaba con frecuencia desde mucho antes de que ChatGPT apareciera. Me gusta porque permite introducir una digresión —como esta— sin romper por completo el ritmo de una frase. Tan mío era ese recurso que, entre los pocos atajos de teclado que realmente me sé de memoria, está Alt + 0151 para escribirlo en Windows; y cuando comencé con Mac, una de las primeras combinaciones que terminé aprendiendo fue Opción + Mayús + guion. Tampoco era mi única manía, ya que también he tenido cierta debilidad por los dos puntos y por las enumeraciones de tres elementos: una idea, otra y una tercera que completa el ritmo. Curiosamente, son recursos que hoy también encuentro una y otra vez en los textos generados por IA. La llamada regla de tres —o tricolon, cuando los elementos mantienen una estructura paralela— existe desde mucho antes que ChatGPT, pero verla reproducida con tanta frecuencia por los modelos ha conseguido algo extraño: hacerme consciente de recursos que antes utilizaba sin siquiera pensar en ellos. La raya, los dos puntos, las tríadas. Hasta al enumerar mis manías acabo de hacerlo de tres en tres. No era, pues, una afectación reciente ni un hábito adquirido después de convivir con la inteligencia artificial. Formaba parte de mi manera de escribir. Por eso me resultó todavía más extraño descubrirme evitándolo. El problema empezó cuando ese signo comenzó a parecerme sospechoso. Después de pasar mucho tiempo leyendo, corrigiendo y trabajando con textos generados por inteligencia artificial, empecé a reconocer ciertos patrones. Frases extremadamente equilibradas, enumeraciones perfectas, determinadas palabras, determinadas fórmulas argumentativas y, por supuesto, una generosa cantidad de rayas. Así que, mientras revisaba mi tesis, algunas veces sustituí una raya por una coma o por un paréntesis. La frase no mejoraba. Simplemente parecía menos escrita por una IA. Cuando me di cuenta de lo que estaba haciendo, me pareció extraño. Una herramienta entrenada con millones de textos humanos había aprendido algunos de nuestros hábitos de escritura y, después de reconocerlos en ella, yo estaba renunciando a uno de esos mismos hábitos para demostrar que seguía escribiendo por mi cuenta. La inteligencia artificial había aprendido a escribir como nosotros y, de alguna manera, nosotros empezábamos a escribir pensando en cómo diferenciarnos de ella. La escritura bajo sospecha Esta sensación tiene algo de anecdótico, pero el fenómeno que hay detrás ya empieza a ser estudiado. Una investigación sobre textos en español comparó escritura humana con textos producidos por ChatGPT, encontrando 17 variables lingüísticas con diferencias estadísticamente significativas. Los rasgos que permitían distinguir unos textos de otros aparecían en el vocabulario, en la estructura sintáctica y, curiosamente, en los signos de puntuación (Alonso Simón et al., 2025). Eso ayuda a explicar una experiencia cada vez más común: leer algo y pensar inmediatamente que “suena a IA”. Claro que reconocer un patrón no equivale a demostrar una autoría. Una raya nunca será prueba de que alguien utilizó inteligencia artificial; tampoco lo serán una enumeración ordenada, una frase simétrica o el uso de ciertas palabras. Todos esos recursos existían antes de los modelos de lenguaje. La IA los aprendió de textos escritos por personas. Ahí comienza la parte verdaderamente interesante, porque cuando determinados recursos quedan culturalmente asociados con la IA, también puede cambiar la conducta de quienes escribimos. Cuando empezamos a huir de las palabras de la IA Existe un ejemplo bastante revelador en la escritura académica en inglés. Después de la aparición de ChatGPT, investigadores comenzaron a detectar un crecimiento extraordinario de algunas palabras asociadas con los modelos de lenguaje, y un estudio reciente que examinó seis grandes bases académicas y más de 2.4 millones de artículos de texto completo encontró que, entre 2022 y 2024, el uso de delve aumentó alrededor de 1,500%, underscore cerca de 1,000% e intricate aproximadamente 700% (Kousha & Thelwall, 2026). [No conozco un estudio equivalente que permita afirmarlo para el español, pero tengo mis sospechas. Una de ellas es la típica construcción “no solo (...), sino también (...)”, que se encuentra con demasiada frecuencia en textos generados por IA]. Pero después ocurrió algo todavía más curioso. Geng y Trotta (2025) estudiaron la evolución del lenguaje en resúmenes académicos y observaron que algunas palabras previamente señaladas de manera pública como características de ChatGPT comenzaron posteriormente a disminuir, y una de ellas fue precisamente delve. Su hipótesis es fascinante: algunos autores pueden haber empezado a seleccionar, modificar o corregir los resultados de los modelos para eliminar aquellas palabras que ya delataban una posible intervención de IA. Los investigadores utilizan una expresión que me parece especialmente sugerente: coevolución entre humanos y modelos de lenguaje. La secuencia comienza a parecer circular. Los humanos escribimos. Los modelos aprenden de nuestros textos. Los modelos desarrollan determinadas regularidades. Nosotros aprendemos a reconocerlas. Después modificamos nuestra escritura —o corregimos la suya— para alejarnos de ellas. Y los futuros modelos volverán a aprender de los textos resultantes. Mi pequeña batalla con los guiones largos empieza a verse diferente desde ahí. Quizá estamos entrando en una época en la que la inteligencia artificial participa indirectamente en la transformación de nuestras convenciones de escritura. ¿Y si todos empezamos a escribir un poco más parecido? Hay otra paradoja. La IA puede mejorar nuestra escritura. En un experimento con 453 profesionales, Noy y Zhang (2023) encontraron que el uso de ChatGPT en determinadas tareas de redacción profesional redujo el tiempo empleado alrededor de 40% y aumentó en 18% la calidad evaluada de los resultados. Quienes inicialmente tenían menores habilidades se beneficiaron especialmente. Es una buena razón para evitar el alarmismo. Estas herramientas pueden ayudarnos muchísimo, pero existe un posible costo que resulta menos visible. Doshi y Hauser (2024) realizaron un experimento en el que algunas personas recibieron ideas generadas por IA para escribir relatos breves. Las historias producidas con esa ayuda fueron consideradas, en promedio, más creativas, mejor escritas y más agradables. De nuevo, las mayores ganancias aparecieron entre quienes inicialmente mostraban menor creatividad. Sin embargo, cuando los investigadores compararon las historias entre sí encontraron otra cosa: los textos producidos con asistencia de IA se parecían más unos a otros. ¡Mejoraba el resultado individual mientras disminuía la diversidad colectiva! (Doshi & Hauser, 2024). Eso me parece mucho más inquietante que descubrir demasiados guiones largos, y es que podríamos llegar a producir textos cada vez más correctos, claros y eficaces y, al mismo tiempo, ir perdiendo ciertas rarezas. Las frases extrañas, las asociaciones improbables, los defectos que terminan convirtiéndose en estilo, las palabras que alguien utiliza demasiado, la costumbre de comenzar una idea de una manera poco elegante y descubrir algo interesante mientras intenta terminarla. La escritura humana nunca fue perfectamente eficiente, y tal vez —solo tal vez— una parte de su riqueza provenga precisamente de eso. Entonces, ¿de quién es el texto? Llegados a este punto aparece inevitablemente la pregunta sobre la autoría. ¿Qué tan mío sigue siendo un texto si utilicé inteligencia artificial para escribirlo? Creo que formular la cuestión simplemente como “usó IA” o “no usó IA” nos dice cada vez menos. Imaginemos dos casos. Una persona escribe un ensayo, utiliza una IA para señalar contradicciones, le pide argumentos contrarios, revisa las fuentes y finalmente reescribe varios párrafos. Otra introduce el tema, recibe un texto completo, lo copia y coloca su nombre al final. Las dos utilizaron inteligencia artificial, pero la similitud termina prácticamente ahí. Un estudio con 602 participantes exploró precisamente cómo cambia nuestra percepción de la autoría cuando un escritor recibe distintos grados de ayuda. El resultado resulta revelador: la cantidad de asistencia afectaba más a la atribución de autoría, creatividad y responsabilidad que el hecho de que la ayuda proviniera de una persona o de una inteligencia artificial. A mayor intervención externa, menor era la autoría atribuida al escritor (Formosa et al., 2025). Quizá esa sea una manera más útil de pensar el problema. ¿Qué estoy delegando cuando utilizo IA? Hay una diferencia considerable entre delegar una tarea y delegar el criterio. Puedo pedir ayuda para mejorar una frase y seguir siendo responsable de la idea. Puedo pedir una objeción y decidir si modifica mi argumento. Puedo solicitar alternativas y rechazarlas todas. También puedo dejar de hacer cualquiera de esas cosas y aceptar simplemente la primera respuesta plausible. La herramienta es la misma. Lo que cambia es mi lugar dentro del proceso. Escribir también era una forma de pensar Esto me preocupa especialmente porque escribir nunca ha sido únicamente una actividad de transcripción. Muchas veces empiezo un párrafo creyendo que sé lo que quiero decir, pero después aparece una contradicción. Una palabra no encaja. Una afirmación resulta demasiado fuerte. Tengo que retroceder, buscar una fuente, introducir un matiz o aceptar que mi intuición inicial era equivocada. Parte de mi pensamiento ocurre precisamente durante ese forcejeo con el texto. ¿Qué pasa cuando eliminamos demasiado rápido esa fricción? Un estudio presentado en CHI 2025 analizó 936 experiencias de uso de inteligencia artificial relatadas por 319 trabajadores del conocimiento. Encontró que una mayor confianza en la capacidad de la IA estaba asociada con un menor esfuerzo de pensamiento crítico. Sin embargo, el hallazgo tiene una reserva importante: el pensamiento no desaparecía necesariamente; parte de él cambiaba de lugar. Los usuarios pasaban de producir información a verificarla, de resolver directamente un problema a integrar respuestas generadas y de ejecutar una tarea a supervisarla (Lee et al., 2025). Esa transformación me parece crucial. Trabajar con inteligencia artificial exige nuevas formas de criterio. Saber preguntar ayuda. Saber desconfiar ayuda todavía más. Hay que reconocer una respuesta superficial, comprobar una afirmación, distinguir una buena fuente de una mala, detectar cuándo el modelo está reforzando nuestras propias ideas y advertir cuándo una formulación brillante está escondiendo un argumento mediocre. Usar IA puede ahorrar esfuerzo. El problema aparece cuando ahorramos precisamente el esfuerzo que necesitábamos hacer nosotros. El nuevo lector detective Al mismo tiempo, quienes leen también están cambiando, y es que cada vez encuentro más personas buscando pequeñas pistas de inteligencia artificial en los textos: una palabra determinada, una construcción, un exceso de orden, cierto tono impersonal, los famosos guiones largos. Es comprensible, yo mismo lo hago. Pero me preocupa que terminemos convirtiendo la lectura en una investigación forense de puntuación. Un texto puede estar íntegramente escrito por una persona y ser vacío, predecible y poco pensado. Otro puede haber recibido ayuda de inteligencia artificial y contener meses de investigación, decisiones intelectuales difíciles y una posición que su autor está dispuesto a defender. La apariencia formal ya no basta para resolver el problema. Quizá nunca bastó. Recuperar nuestras manías Todo esto me hizo volver a mi tesis y mirar de nuevo aquellos guiones largos que había eliminado. Algunos sobraban. Otros no. Y esos últimos comenzaron a importarme más. La escritura de una persona está llena de hábitos que probablemente ningún manual recomendaría conservar por completo. Repetimos ciertas palabras, preferimos determinadas estructuras, alargamos demasiado algunas frases, tenemos puntuaciones favoritas, desarrollamos pequeñas obsesiones estilísticas. Con el tiempo, parte de eso se convierte en voz. Sería extraño que, después de años construyéndola, comenzáramos a desmontarla porque una máquina aprendió también a utilizar algunos de sus elementos. Además, cualquier estrategia estilística para demostrar nuestra humanidad tendrá una vida limitada. Los modelos aprenderán a utilizar menos rayas si se lo pedimos; evitarán palabras sospechosas, romperán la simetría de sus párrafos; introducirán irregularidades deliberadas; podrán escribir con frases cortas, cometer pequeñas torpezas calculadas e incluso imitar nuestras manías si reciben suficientes ejemplos. La persecución puede ser interminable. Por eso creo que tendremos que acostumbrarnos a buscar la autoría en un lugar menos visible. En las decisiones. En las fuentes. En las dudas. En la experiencia. En aquello que aceptamos y en aquello que rechazamos. En la capacidad de explicar por qué una frase está ahí. Y en la responsabilidad que asumimos cuando ponemos nuestro nombre debajo de ella. Seguiré utilizando inteligencia artificial. Me resulta demasiado útil para fingir que debería desaparecer de mi manera de trabajar. Quiero que cuestione mis argumentos, que encuentre huecos, que me muestre caminos que quizá no había considerado. También quiero conservar el derecho a escribir de una manera que no siempre sea la más eficiente. Así que sí: seguiré usando la raya. Tal vez alguien la vea y piense en ChatGPT. Puedo vivir con eso. Me inquietaría mucho más publicar un texto perfectamente humano en apariencia en el que yo hubiera dejado de pensar. Mientras siga pudiendo reconocer mis dudas, mis decisiones, mis obsesiones y mis argumentos en aquello que firmo, la herramienta habrá entrado en mi escritura sin ocupar mi lugar. Al final, quizá eso sea lo que más importe: que cuando alguien termine de leer algo firmado por mí, todavía pueda encontrarme ahí. Referencias Alonso Simón, L., Fernández-Pampillón Cesteros, A. M., Fernández Trinidad, M., & Márquez Cruz, M. (2025). ¿Tienen GPT-3.5 y GPT-4 un estilo de escritura diferente del estilo humano? Un estudio exploratorio para el español. Revista Electrónica de Lingüística Aplicada, 23(1), 34–54. doi:10.58859/rael.v23i1.666. Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. doi:10.1126/sciadv.adn5290. Formosa, P., Bankins, S., Matulionyte, R., & Ghasemi, O. (2025). Can ChatGPT be an author? Generative AI creative writing assistance and perceptions of authorship, creatorship, responsibility, and disclosure. AI & Society, 40(5), 3405–3417. doi:10.1007/s00146-024-02081-0. Geng, M., & Trotta, R. (2025). Human-LLM coevolution: Evidence from academic writing. In Findings of the Association for Computational Linguistics: ACL 2025 (pp. 12689–12696). Association for Computational Linguistics. doi:10.18653/v1/2025.findings-acl.657. Kousha, K., & Thelwall, M. (2026). How much are LLMs changing the language of academic papers after ChatGPT? A multi-database and full text analysis. Scientometrics. doi:10.1007/s11192-026-05601-5. Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (Article 1121, pp. 1–22). Association for Computing Machinery. doi:10.1145/3706598.3713778. Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. doi:10.1126/science.adh2586.

El sesgo de negatividad y su posible raíz evolutiva. El sesgo de negatividad y su posible raíz evolutiva. Imagina que tuviste un buen día. Terminaste algo que tenías pendiente. Alguien te agradeció lo que hiciste. Recibiste una buena noticia. Te reíste. Comiste algo que te gustó. Varias cosas salieron bien. Pero, al final del día, alguien hace un comentario desagradable sobre ti. Y cuando llegas a casa, ¿en qué sigues pensando? No en todo lo demás. En ese comentario. Lo repasas. Lo interpretas. Imaginas lo que quisieron decir. Tal vez incluso comienzas a reconstruir todo el día alrededor de ese único momento. Algo parecido ocurre cuando cometemos un error entre muchos aciertos, cuando una persona nos rechaza después de recibir muestras de afecto o cuando una mala experiencia parece contaminar el recuerdo de muchas buenas. En realidad, es algo más que simple pesimismo; se llama sesgo de negatividad. Paul Rozin y Edward Royzman (2001) lo describieron como una tendencia por la cual los acontecimientos, rasgos o estímulos negativos pueden adquirir mayor peso psicológico que sus equivalentes positivos. Incluso propusieron el concepto de potencia negativa: ante estímulos comparables, el negativo puede producir una respuesta subjetiva más intensa. Y una amplia revisión publicada por Roy Baumeister y otros (2001) encontró esta asimetría en ámbitos muy distintos: emociones, memoria, aprendizaje, relaciones personales, formación de impresiones y retroalimentación. Su título lo resumía de manera deliberadamente provocadora: “Bad is stronger than good”. Lo malo es más fuerte que lo bueno. La conclusión no era que “todo lo malo siempre vence a lo bueno”, sino que, en numerosas circunstancias, la información negativa ejerce una influencia desproporcionada sobre nuestra evaluación de las cosas. Dicho de otro modo, nuestra mente no necesariamente asigna a cada acontecimiento un peso proporcional a su presencia en la realidad. Incluso existen estudios experimentales que han encontrado respuestas evaluativas más intensas ante información negativa que ante información positiva comparable. Ito y compañía (2001) observaron que información negativa y positiva de intensidad comparable no producía exactamente la misma respuesta evaluativa, toda vez que los estímulos negativos generaban una señal cerebral más intensa asociada con su categorización. Y desde cierta perspectiva, tiene sentido. Para un organismo, históricamente podía ser mucho más costoso ignorar una amenaza que ignorar algo favorable. Encontrar comida era bueno; no detectar un depredador podía ser definitivo. El problema comienza cuando ese mecanismo deja de ayudarnos a detectar algo importante y empieza a distorsionar la imagen completa. Ahora pensemos en algo mucho más cotidiano: las redes sociales. Publicas algo en tu plataforma favorita. Recibes cien comentarios favorables. Noventa y nueve desaparecen rápidamente en el paisaje. Pero alguien escribe: “Esto es una tontería”. Y ahí se queda tu atención. Lo lees otra vez. Piensas quién lo escribió. Te preguntas si entendió algo que los demás no entendieron. Tal vez vuelves a revisar lo que publicaste. Los cien elogios se convierten en contexto. La crítica se convierte en acontecimiento. No existe, por supuesto, una regla matemática según la cual una crítica equivalga exactamente a cien elogios. La intensidad del efecto depende de la persona, del contexto, de aquello que está en juego y del significado de la información. Pero la asimetría importa. Y las propias dinámicas digitales parecen favorecer esa atracción por lo negativo. Un estudio publicado en Nature Human Behaviour en 2023 analizó más de 370 millones de impresiones de titulares de noticias y encontró que el lenguaje negativo incrementaba la probabilidad de obtener clics. Pues sí, lo negativo suele afectarnos más y, encima, también puede captar nuestra atención con mayor facilidad. Pero aquí aparece una distinción fundamental. Una crítica puede representar el 1% de las opiniones recibidas y, sin embargo, ocupar el 80% de nuestras preocupaciones. Un error puede convertirse en el recuerdo dominante de una jornada llena de aciertos. Una mala experiencia puede terminar funcionando como resumen de un periodo mucho más complejo. Entonces ocurre algo peligroso: confundimos intensidad psicológica con representatividad. Y nuestra percepción comienza a deformarse. Esto tampoco significa que debamos ignorar las críticas. Sería justamente lo contrario del pensamiento crítico. Una sola persona puede tener razón frente a cien. Una objeción bien argumentada puede valer infinitamente más que una multitud de felicitaciones superficiales. Pero son dos preguntas diferentes: ¿Esta crítica es válida? y ¿qué peso merece dentro del conjunto de la evidencia disponible? No deberíamos responder la segunda únicamente a partir de cuánto nos dolió la primera. Pensar críticamente también consiste en aprender a ponderar. No negar aquello que salió mal, pero tampoco permitir que una pequeña parte del cuadro sustituya al cuadro completo. Quizá una parte importante de aprender a mirar nuestra propia vida con mayor claridad consista precisamente en eso, en reconocer lo malo sin convertirlo automáticamente en el resumen de todo lo demás. Porque lo que más pesa en nuestra mente no siempre es lo que más pesa en la realidad. — Fuentes • Baumeister, R. F., Bratslavsky, E., Finkenauer, C. & Vohs, K. D. (2001). Bad Is Stronger Than Good. Review of General Psychology, 5(4), 323–370. • Rozin, P. & Royzman, E. B. (2001). Negativity Bias, Negativity Dominance, and Contagion. Personality and Social Psychology Review, 5(4), 296–320. • Ito, T. A., Larsen, J. T., Smith, N. K. & Cacioppo, J. T. (1998). Negative Information Weighs More Heavily on the Brain: The Negativity Bias in Evaluative Categorizations. Journal of Personality and Social Psychology, 75(4), 887–900. • Robertson, C. E., Pröllochs, N., Schwarzenegger, K. et al. (2023). Negativity Drives Online News Consumption. Nature Human Behaviour, 7, 812–822.

Una reflexión sobre la diferencia entre reunir una audiencia y construir un espacio de conversación, ciudadanía y pensamiento crítico. Hace unos días me descubrí pensando en algo que, hasta hace poco, había pasado desapercibido para mí. En primer lugar, me di cuenta de que en redes sociales abundan las cuentas que divulgan conocimiento (muchas de ellas con cientos de miles e incluso millones de seguidores); sin embargo, hay algo que llama poderosamente mi atención, y es que pocas conversan realmente con quienes las siguen. Publican. Reciben comentarios. Publican otra vez. Y el ciclo se repite. No lo digo como una crítica. Entiendo perfectamente por qué sucede. Sabido es que las redes sociales premian la producción constante de contenido mucho más que la conversación, por lo que cada hora dedicada a responder comentarios es una hora menos dedicada a preparar el siguiente material. Ciertamente, el algoritmo recompensa la transmisión, no el diálogo. Y, sin embargo, esa lógica me hizo preguntarme algo que no había formulado con claridad: ¿cuál es la diferencia entre tener muchos seguidores y construir una comunidad? No tengo una respuesta definitiva, pero sospecho que la diferencia comienza cuando las personas dejan de sentirse espectadores y empiezan a sentirse parte de algo. Lo he notado en pequeños detalles. Cuando respondo una pregunta y esa misma persona vuelve días después para continuar la conversación. Cuando alguien complementa una idea con otra lectura. Cuando un comentario deja de buscar tener la razón y empieza a intentar comprender. En esos momentos deja de existir una audiencia pasiva y empieza a aparecer una comunidad. Quizá por eso he sentido una tensión constante desde que nació Apuntes Críticos. Muchos creen que detrás de esta página hay un equipo. La realidad es mucho menos espectacular: detrás de cada publicación hay una sola persona. Una persona con otro trabajo, con horarios que muchas veces absorben gran parte del día y que, por las noches, intenta encontrar tiempo para investigar, escribir, grabar y editar el contenido del día siguiente. Eso significa que no siempre puedo responder todos los comentarios. Algunas veces no llego por falta de tiempo. Otras veces decido no responder porque no toda interacción contribuye a una conversación. Hay críticas que ayudan a pensar mejor. Hay otras que únicamente buscan provocar. Aprender a distinguir unas de otras también forma parte del ejercicio de divulgar. Pero tengo claro que no responder todos los comentarios no significa dejar de escuchar; significa intentar cuidar el espacio para que las conversaciones que sí ocurran valgan la pena. Quisiera que Apuntes Críticos fuera algo distinto. No solamente un lugar donde se expliquen conceptos de ciencia política o de ciencias sociales, sino un espacio donde podamos aprender a conversar sobre ellos. Creo que quienes divulgamos estos temas tenemos una responsabilidad particular. No basta con reivindicar el pensamiento crítico; también debemos estar dispuestos a ejercerlo en público, incluso cuando implique revisar nuestras propias ideas. Simplificar conceptos no debería de ser el único propósito; también debemos ayudar a formar criterio, invitar a pensar con más cuidado y recordar que detrás de cada fenómeno político hay personas que participan [o que podrían participar] en la construcción de la vida pública. En otras palabras, divulgar también es una forma de construir ciudadanía. Tal vez esa decisión tenga un costo. Quizá creceremos más despacio. Quizá llegaremos a menos personas que otras cuentas. Pero si con ello logramos construir una comunidad que dialogue, cuestione, aprenda y piense críticamente, entonces habrá valido la pena. Hoy Apuntes Críticos sigue siendo un proyecto pequeño y profundamente personal. Mi deseo es que algún día pueda dedicarle toda mi atención. No para producir más contenido por producirlo, sino para crear mejores conversaciones y mejores espacios de aprendizaje. Mientras ese momento llega, quiero hacer un compromiso sencillo. Seguiré intentando responder cuando tenga algo que aportar. Seguiré leyendo incluso cuando no pueda contestar. Y seguiré creyendo que una conversación valiosa puede tener mucho más impacto que un contenido con gran alcance. Al final, no todo lo valioso se vuelve viral. Algunas conversaciones simplemente echan raíces.

Cables submarinos, nubes digitales, centros de datos y algoritmos sostienen una parte creciente de la vida pública. El poder contemporáneo también se juega en las infraestructuras que casi nadie ve. Hay formas de poder que se anuncian con banderas, discursos, escoltas y ceremonias. Otras operan en silencio. Están bajo el mar, dentro de centros de datos, en regiones de nube, en fábricas de semiconductores, en sistemas de ciberseguridad y en algoritmos que administran la visibilidad de la vida pública. Durante buena parte de la modernidad, pensar el poder significó mirar hacia el Estado: presidentes, congresos, tribunales, ejércitos, policías y burocracias. Esa mirada conserva plena vigencia. El Estado mantiene capacidades jurídicas, fiscales, coercitivas y simbólicas que ningún actor privado posee por completo. Aun así, la vida contemporánea agregó una capa decisiva: la infraestructura digital. Una parte creciente de la economía, la administración pública, la comunicación social, los pagos, la seguridad y la deliberación política depende de redes privadas, globales y altamente concentradas. La pregunta ya no puede formularse únicamente como “¿quién gobierna?”. Conviene agregar otra: ¿quién puede interrumpir el funcionamiento ordinario del mundo? I. El poder como estructura La ciencia política y la economía política internacional ofrecen herramientas útiles para entender este fenómeno. Susan Strange sostuvo que el poder no consiste únicamente en obligar a otros a hacer algo; también consiste en configurar las estructuras dentro de las cuales los demás actúan. A esa capacidad la llamó poder estructural. Su argumento es importante porque desplaza la atención desde la orden visible hacia las condiciones profundas que organizan los márgenes de acción de Estados, empresas y sociedades (Strange, 1988). Michael Mann, desde la sociología histórica, distinguió entre poder despótico y poder infraestructural. El primero alude a la capacidad de una autoridad para imponer decisiones; el segundo se refiere a la capacidad de penetrar el territorio y coordinar la vida social mediante redes, instituciones, información y organización (Mann, 1984). Esta distinción ayuda a leer el presente: quien administra infraestructuras críticas puede condicionar la vida colectiva sin ocupar formalmente el gobierno. En el mundo digital, estas ideas adquieren una actualidad evidente. Las plataformas y proveedores tecnológicos han acumulado una forma de poder que Maryanne Kelton, Michael Sullivan, Zac Rogers, Emily Bienvenue y Sian Troath han descrito como soberanía virtual: una capacidad privada para organizar entornos digitales, extraer datos, modelar conducta y afectar funciones tradicionalmente asociadas a la soberanía estatal (Kelton et al., 2022). II. Bajo el mar: la política de los cables submarinos La imagen común de internet suele ser aérea: satélites, señales inalámbricas, ondas invisibles. La realidad material es más terrestre y submarina. La Unión Internacional de Telecomunicaciones estima que los cables submarinos transportan aproximadamente el 99% del tráfico mundial de internet y permiten servicios críticos como transacciones financieras, computación en la nube y comunicaciones gubernamentales (International Telecommunication Union [ITU], 2026). La infraestructura digital global descansa, entonces, sobre rutas físicas extensas, costosas, vulnerables y estratégicas. Un cable submarino puede tomar más de dos años desde su diseño hasta su operación. Su reparación depende de buques especializados, permisos, ventanas climáticas, ubicación geográfica y coordinación entre empresas y Estados. La fragilidad no proviene únicamente de sabotajes. También aparece por anclas, pesca, envejecimiento, movimientos geológicos y errores operativos. Aquí surge una consecuencia política: la soberanía ya no puede pensarse únicamente como control jurídico del territorio. También implica capacidad para proteger, diversificar y comprender las rutas por donde circulan datos, finanzas, comunicaciones estatales y servicios esenciales. El mar se convirtió en una extensión silenciosa del espacio político. III. La nube y el poder de la dependencia La nube suele imaginarse como algo liviano. Su nombre ayuda al engaño. En términos materiales, la nube está hecha de edificios, servidores, electricidad, fibra óptica, refrigeración, software, regiones geográficas, contratos y protocolos técnicos. Su fuerza política proviene de una combinación delicada: ofrece flexibilidad a millones de usuarios, al mismo tiempo que concentra capacidades críticas en pocos proveedores. Synergy Research Group estimó que el gasto empresarial mundial en infraestructura de nube alcanzó 119.1 mil millones de dólares en el cuarto trimestre de 2025. En ese periodo, Amazon Web Services tuvo 28% del mercado global, Microsoft 21% y Google 14%. En la nube pública, los tres proveedores concentraron 68% del mercado (Synergy Research Group, 2026). Esta concentración no significa control absoluto del mundo digital. Significa asimetría operativa. Gobiernos, bancos, universidades, hospitales, medios, empresas y plataformas pueden depender de regiones, bases de datos, servicios de identidad, APIs y arquitecturas administradas por empresas privadas. Migrar de proveedor puede ser caro, lento o técnicamente complejo. Justice Opara-Martins, Reza Sahandi y Feng Tian estudiaron este problema bajo el concepto de vendor lock-in: la situación en la que un usuario queda atado a un proveedor por falta de estándares, baja interoperabilidad, costos de migración, dependencia contractual o incompatibilidades técnicas (Opara-Martins et al., 2016). En términos políticos, el encierro tecnológico convierte una decisión administrativa en una relación de dependencia. IV. Cuando falla una pieza, aparece la arquitectura Las grandes caídas tecnológicas permiten observar lo que normalmente permanece oculto. El caso CrowdStrike, en julio de 2024, mostró que una actualización defectuosa de software de ciberseguridad podía producir impactos globales. Microsoft estimó que la falla afectó 8.5 millones de dispositivos Windows. La cifra representó menos del 1% del total de equipos Windows, aunque el impacto fue amplio por el uso de CrowdStrike en organizaciones que operan servicios críticos (Microsoft, 2024). El episodio de Cloudflare del 18 de noviembre de 2025 reveló otra capa de fragilidad. La empresa informó que una modificación en permisos de base de datos generó un archivo de características más grande de lo esperado para su sistema de gestión de bots. Ese archivo se propagó por su red y produjo fallas importantes en la entrega de tráfico. Cloudflare aclaró que el incidente no fue causado por un ciberataque (Prince, 2025). Estos episodios tienen una enseñanza común: la vulnerabilidad digital no requiere siempre un enemigo externo. Puede emerger de una actualización, una automatización defectuosa, una configuración mal evaluada, una región crítica o una dependencia en cascada. La infraestructura falla como sistema, y cuando lo hace muestra la trama de interdependencias que sostiene la vida cotidiana. V. Chips, energía y centros de datos: la materialidad del mundo digital El poder digital depende de una cadena material más amplia. Detrás de cada algoritmo hay semiconductores. Detrás de cada modelo de inteligencia artificial hay centros de datos. Detrás de cada centro de datos hay electricidad, agua, suelo, permisos, redes de transmisión y cadenas de suministro. La Agencia Internacional de Energía reportó que la demanda eléctrica de los centros de datos aumentó 17% en 2025, mientras la de los centros enfocados en inteligencia artificial creció a un ritmo todavía mayor. La misma agencia estima que el consumo eléctrico de los centros de datos podría duplicarse hacia 2030, y que el consumo de los enfocados en IA podría triplicarse (International Energy Agency [IEA], 2026). Este dato cambia la conversación. La infraestructura digital pertenece al campo de la política tecnológica, energética, industrial, ambiental y territorial. La inteligencia artificial intensifica esa presión. Más cómputo exige más chips. Más chips exigen cadenas de suministro sofisticadas. Más centros de datos exigen energía disponible, estable y competitiva. La nube tiene peso. La inteligencia artificial consume electricidad. Los datos ocupan espacio. El mundo digital se instala en territorios concretos. VI. El nuevo Leviatán privado La metáfora del Leviatán permite pensar el poder moderno. En Hobbes, el Leviatán era el Estado que garantizaba orden frente al miedo a la guerra civil. En el siglo XXI emerge una figura distinta: un Leviatán distribuido, contractual, corporativo e infraestructural. No reemplaza al Estado. Lo rodea, lo sostiene, lo abastece y en ocasiones lo limita. Este Leviatán opera mediante términos de servicio, estándares técnicos, acuerdos de nivel de servicio, APIs, centros de datos, cables, chips, capas de seguridad y sistemas de recomendación. Su autoridad no proviene del voto. Proviene de la dependencia. La ciudadanía lo percibe cuando una aplicación deja de funcionar. El gobierno lo percibe cuando un trámite digital se interrumpe. La empresa lo percibe cuando su operación depende de una región cloud. El periodista lo percibe cuando la distribución de información queda mediada por plataformas. El regulador lo percibe tarde, cuando descubre que la arquitectura técnica organizó el terreno antes de que la norma llegara. Aquí está el núcleo del problema: la infraestructura digital se volvió una forma de poder público gestionado por actores privados. VII. Soberanía digital como capacidad La respuesta no debería reducirse a nacionalismo tecnológico ni a rechazo de la nube. Sería ingenuo pensar que cada Estado puede producir por sí mismo todos los chips, cables, centros de datos, sistemas operativos, servicios cloud y plataformas que utiliza. La soberanía digital puede entenderse con mayor precisión como capacidad. Capacidad de saber de quién se depende. Capacidad de auditar proveedores. Capacidad de cambiar de servicio sin costos prohibitivos. Capacidad de mantener redundancias. Capacidad de proteger datos críticos. Capacidad de conservar funciones esenciales durante interrupciones. Capacidad de regular terceros sistémicos. Capacidad de exigir transparencia cuando una falla privada afecta servicios de interés público. En ese sentido, el debate no debe formularse como una oposición simple entre usar tecnología privada o construir tecnología estatal. La cuestión madura es otra: qué funciones críticas dependen de qué proveedor, bajo qué riesgos, con qué alternativas y con qué plan de salida. VIII. Una agenda mínima para discutir el poder digital El debate público necesita abandonar la idea de que las caídas tecnológicas son accidentes aislados. Cada interrupción importante debería abrir una investigación sobre capas de dependencia. ¿Falló una aplicación, un proveedor de nube, una región, un servicio de identidad, un CDN, un cable, una actualización de seguridad, un sistema de pagos, una red eléctrica o una cadena de semiconductores? También hace falta pensar la infraestructura digital como asunto democrático. La ciudadanía puede votar gobiernos, castigar partidos y exigir cuentas a autoridades. Resulta mucho más difícil exigir responsabilidad a proveedores globales cuya operación afecta servicios públicos, mercados y conversaciones políticas. Esa distancia entre impacto público y control democrático es una de las tensiones centrales del siglo XXI. Una agenda seria de gobernanza digital tendría que incluir inventarios públicos de dependencias críticas, estándares de interoperabilidad, cláusulas obligatorias de portabilidad, auditorías de resiliencia, planes de continuidad operativa, supervisión de terceros críticos, capacidades técnicas estatales y reglas claras para reportar incidentes con impacto social. La dependencia no desaparece por decreto. Puede volverse visible, negociable y gobernable. Conclusión: mirar donde fluye el poder La política moderna enseñó a mirar instituciones: presidencias, parlamentos, tribunales, partidos, ejércitos. La política contemporánea exige mirar infraestructuras: cables, nubes, chips, centros de datos, plataformas, algoritmos, energía y sistemas de ciberseguridad. El poder del siglo XXI circula por esos espacios. Se concentra allí donde pasan los datos, donde se aloja la información, donde se calcula la inteligencia artificial, donde se filtra el tráfico, donde se autoriza un pago, donde se valida una identidad, donde se recomienda un contenido y donde se sostiene la continuidad de servicios esenciales. Cuando se cae la red, aparece una verdad incómoda: buena parte de nuestra vida pública depende de estructuras que casi nadie ve, que pocos entienden y que muy pocos pueden controlar. Por eso, la pregunta decisiva no es únicamente quién manda.La pregunta decisiva es quién sostiene la infraestructura sin la cual nadie puede mandar. Referencias Cloudflare. (2025, 18 de noviembre). Interrupción del servicio de Cloudflare el 18 de noviembre de 2025. International Energy Agency. (2026, 16 de abril). Data centre electricity use surged in 2025, even with tightening bottlenecks driving a scramble for solutions. International Telecommunication Union. (2026). Submarine cable resilience. Kelton, M., Sullivan, M., Rogers, Z., Bienvenue, E., & Troath, S. (2022). Virtual sovereignty? Private internet capital, digital platforms and infrastructural power in the United States. International Affairs, 98(6), 1977–1999. doi:10.1093/ia/iiac226. Mann, M. (1984). The autonomous power of the state: Its origins, mechanisms and results. European Journal of Sociology / Archives Européennes de Sociologie, 25(2), 185–213. doi:10.1017/S0003975600004239. Microsoft. (2024, 20 de julio). Helping our customers through the CrowdStrike outage. Opara-Martins, J., Sahandi, R., & Tian, F. (2016). Critical analysis of vendor lock-in and its impact on cloud computing migration: A business perspective. Journal of Cloud Computing, 5, Article 4. doi:10.1186/s13677-016-0054-z. Strange, S. (1988). States and markets. Pinter Publishers. Synergy Research Group. (2026, 5 de febrero). GenAI helps drive quarterly cloud revenues to $119 billion as growth rate jumped yet again in Q4.

A veces me he sentido mal por ser feliz. No porque mi felicidad sea falsa. No porque no la sienta. Al contrario: quizá precisamente porque la siento de una forma tan sencilla, tan íntima, tan poco espectacular, que me sorprende no encontrarla en las grandes imágenes con las que nos enseñaron a medir la vida. Nos dijeron, de muchas formas, que la felicidad tenía una forma reconocible: éxito, dinero, belleza, prestigio, admiración, seguridad absoluta, una vida impecable que pudiera mostrarse sin grietas. Nos hicieron creer que ser feliz era llegar a un lugar donde ya no faltara nada, donde todo encajara, donde los demás pudieran mirar nuestra vida y decir: “sí, esa persona tiene razones para ser feliz”. Pero ¿qué pasa cuando uno es feliz sin tener todo eso? ¿Qué pasa cuando la felicidad aparece en medio de una vida todavía incompleta, con dudas, con carencias, con pendientes, con heridas, con días difíciles? ¿Qué pasa cuando uno descubre que puede sentirse en paz aunque no sea rico, aunque no se considere especialmente guapo, aunque no haya escrito libros, viajado por el mundo ni cumplido todas las expectativas que la gente suele asociar con una vida lograda? A veces esa felicidad incomoda. No porque sea poca, sino porque parece no estar autorizada. Como si una voz interna dijera: “todavía no deberías sentirte así”. Como si hubiera que ganarse el derecho a estar tranquilo. Como si la alegría tuviera requisitos. Como si estar bien, sin haber conquistado todo lo que se supone que uno debe conquistar, fuera una forma de conformismo. Y ahí aparece una pregunta punzante: ¿estoy siendo feliz o me estoy conformando? Quizá esa pregunta nace de una trampa. Porque nos acostumbraron a pensar que toda felicidad que no sea ambiciosa, ruidosa o socialmente validada es sospechosa. Que si no duele, no cuenta. Que si no produce admiración, no vale. Que si no se puede presumir, entonces no es suficiente. Pero tal vez hay una felicidad más profunda que no necesita parecerse al éxito. Una felicidad que no consiste en tenerlo todo, sino en reconciliarse un poco con lo que se es. Una felicidad que no niega el deseo de mejorar, pero tampoco convierte la vida presente en una sala de espera. Una felicidad que no cancela la ambición, pero se niega a vivir eternamente castigada por lo que todavía falta. Quizá ser feliz no siempre significa haber llegado. A veces significa dejar de odiar el lugar desde donde uno camina. Y eso no es conformarse. Conformarse sería renunciar a crecer por miedo. Pero estar en paz con uno mismo, aun sabiendo que todavía hay mucho por construir, puede ser una forma de libertad. Una libertad silenciosa, difícil, casi contracultural: la de no pedirle permiso al mundo para sentirse agradecido por la propia vida. Tal vez la felicidad real no siempre se parece a una vida perfecta. A veces se parece a una tarde tranquila. A una conversación honesta. A una risa que llega sin avisar. A dormir tranquilo. A mirar lo que somos, con todo y nuestras limitaciones, y no sentir vergüenza. Y quizá eso es lo que más cuesta aceptar: que podemos ser felices antes de convertirnos en esa versión idealizada que nos prometieron que algún día merecería ser amada, admirada o aceptada. Tal vez no hay que esperar a ser más rico, más influyente, más exitoso o más completo para concedernos un poco de paz. Tal vez la felicidad también empieza cuando dejamos de medir nuestra vida con los deseos que otros sembraron en nosotros. Y entonces uno entiende algo muy sencillo, pero muy profundo: ser feliz sin tenerlo todo no es conformarse. A veces es, apenas, empezar a vivir. Y quizá darse cuenta de eso es una forma íntima de poder. No el poder de dominar a otros. No el poder de aparentar una vida perfecta. No el poder de demostrarle al mundo que uno merece estar bien. Sino un poder más difícil y más profundo: el poder de conocerse, de mirarse sin tanta crueldad, de distinguir entre la ambición propia y el deseo ajeno, de no convertir la vida en una deuda permanente. Porque tal vez el poder más importante no consiste en conquistar todo lo que nos dijeron que debíamos ser. Tal vez empieza cuando dejamos de pedir permiso para estar en paz con lo que somos.

La reforma electoral impulsada por la presidenta Claudia Sheinbaum demostró que las derrotas que ocurren dentro de la propia coalición suelen ser más significativas que las padecidas con la oposición. Al mismo tiempo, evidenció que incluso con una amplia mayoría en el Congreso, el Ejecutivo enfrenta límites cuando intenta modificar las reglas que permiten la supervivencia de sus aliados. Claramente, la propuesta original era ambiciosa, puesto que metía mano en zonas especialmente sensibles del sistema político: el diseño de la representación proporcional, el financiamiento público de los partidos, la comunicación política, el uso de inteligencia artificial en propaganda y la composición del Senado. La narrativa presidencial presentaba la iniciativa como una reforma para abaratar la política, reducir privilegios y acercar la representación a la voluntad ciudadana. Pero, en política, no basta con el discurso normativo: importan también los incentivos concretos que produce una reforma. Y aquí apareció el problema central. Para Morena, la reforma podía leerse como una apuesta por reordenar el sistema desde una posición dominante. Para sus partidos aliados, especialmente el PT, podía significar otra cosa: menos financiamiento, menos margen de negociación y menos instrumentos para convertir votos dispersos en escaños. El primer gran choque llegó el 11 de marzo, cuando la propuesta original se votó en la Cámara de Diputados. El resultado fue contundente: 259 votos a favor, 234 en contra y 1 abstención, insuficientes para alcanzar la mayoría calificada requerida por una reforma constitucional. Sin embargo, el elemento decisivo fue la negativa del PT y del PVEM —aliados de morena y de la presidenta— a acompañar plenamente el proyecto. A partir de ese momento, la discusión dejó de ser únicamente jurídica o institucional y se volvió un problema clásico de teoría política: el comportamiento de un actor bisagra . Desde la perspectiva de George Tsebelis (2002), el PT funcionó como un veto player : un actor cuyo consentimiento era indispensable para modificar el statu quo. Y es que cuando un sistema exige mayorías calificadas, los partidos pequeños pueden adquirir una fuerza desproporcionada respecto de su tamaño. No porque sean más grandes, sino porque se vuelven indispensables. Eso explica por qué el llamado Plan B no fue una continuación lineal del proyecto original, sino una versión recortada, negociada y políticamente defensiva. Tras el fracaso en Diputados, se construyó un acuerdo para mantener cohesionada a la coalición oficialista y rescatar al menos una parte de la agenda. Ese acuerdo buscó comprometer a Morena, PT y PVEM a respaldar una nueva ruta legislativa. Pero esa nueva ruta ya no respondía al impulso transformador inicial; respondía, más precisamente, al cálculo de daños. El Plan B llegó al Senado y pasó primero por comisiones, donde obtuvo un primer aval, aunque el PT mantuvo reservas. El punto más sensible ahora recaía en la modificación al artículo 35 para empatar la revocación de mandato con la elección intermedia de 2027, un movimiento que la oposición denunció como una manera de convertir la consulta en plataforma de campaña y que el PT percibió como un riesgo de concentración política a favor de Morena. Finalmente, el 26 de marzo, el Senado aprobó el Plan B en lo general con 86 votos a favor y 42 en contra —exactamente las 2/3 partes requeridas—, pero ya profundamente mutilado. El PT respaldó el proyecto en términos generales, aunque se separó del núcleo más polémico y empujó la eliminación del cambio sobre revocación de mandato. El resultado fue una reforma reducida a tres materias: ajustes en ayuntamientos, límites al gasto de congresos locales y reglas salariales para altos funcionarios electorales. La llamada “gran” reforma terminó convertida en una reforma menor. ¿Qué hizo en realidad el PT? Desde una lectura ingenua, podría decirse que traicionó a la coalición. Desde una lectura más seria, hizo exactamente lo que hacen los partidos pequeños cuando quieren seguir existiendo. Aquí vale la pena recuperar a Kaare Strøm (1990), quien explicó que los partidos persiguen de manera combinada tres tipos de objetivos: policy-seeking (influir en las políticas públicas), vote-seeking (maximizar votos) y office-seeking (conseguir cargos y posiciones de poder). Por tanto, cuando una reforma amenaza las bases materiales y electorales de su reproducción, un partido racional no se comporta como apéndice del aliado mayoritario; se comporta como organización que busca sobrevivir. Y aquí el marco teórico importa mucho, pues, para un partido como el PT, la representación proporcional no es un lujo: es un mecanismo de existencia. El financiamiento público no es sólo dinero: es estructura, territorialidad, operación, cuadros, permanencia. La literatura sobre el partido cartel ha mostrado justamente eso: que los partidos modernos dependen en gran medida de reglas estatales y recursos públicos para sostener su posición competitiva (Katz y Mair, 1995). Así que tocar esa serie de reglas es más que “reformar la democracia”: es redistribuir poder entre quienes [sobre]viven de ella. Por eso el comportamiento del PT no debe leerse como una anomalía; es una racionalidad. Acompañó a Sheinbaum hasta donde podía hacerlo sin ponerse en riesgo. Respaldó la coalición, pero no aceptó pagar con su propia irrelevancia. Es más, el episodio dejó un recordatorio incómodo para Morena, esto es, que los aliados no son decoración. Mientras la coalición necesite sus votos para alcanzar umbrales constitucionales, también necesitará negociar con sus intereses, sus temores y sus costos. La lección es elemental: nadie vota serenamente por su propia extinción. El PT no frenó la reforma por convicción democrática pura ni por una súbita vocación garantista. La frenó porque entendió que, tal como estaba diseñada, la iniciativa fortalecía al socio hegemónico y debilitaba a quienes —todavía— le sirven de aliados. Esta historia devela con meridiana claridad que las coaliciones gobernantes suelen vender unidad cuando en realidad administran tensiones. Y esas tensiones se vuelven visibles, sobre todo, cuando entran al terreno donde la política deja de discutir fines nobles y empieza a discutir algo más crudo: quién conserva recursos, representación y capacidad de negociación para el siguiente reparto del poder. La reforma electoral de Sheinbaum quiso presentarse como una corrección institucional. El PT la leyó, con bastante frialdad, como una disputa por la supervivencia. Y probablemente tuvo razón. Referencias: Katz, R. S., y Mair, P. (1995).  Changing models of party organization and party democracy: The emergence of the cartel party. Party Politics, 1 (1), 5-28. Strøm, K. (1990).  A behavioral theory of competitive political parties. American Journal of Political Science, 34 (2), 565-598. Tsebelis, G. (2002).   Veto players: How political institutions work . Princeton University Press.

Durante mucho tiempo se dijo que la política consistía en representación, deliberación y disputa por el poder. Hoy habría que añadir otro elemento: escenificación. Y no, no es que antes los políticos no actuaran; lo que ocurre es que las redes sociales han llevado esa actuación al centro mismo de la competencia pública como nunca antes. Al político contemporáneo ya no le basta tener ideas, estructura o capacidad de negociación; ahora también debe ser visible, legible, grabable, compartible y emocionalmente rentable. En otras palabras, debe funcionar como personaje. Y en este contexto, el concepto de política performativa  sirve para entender este cambio. Lejos de sugerir que “todo es un show” (una lectura simplista y superficial), esta perspectiva subraya que la política ha tenido siempre una dimensión inherentemente teatral, donde operan roles, rituales, escenarios, códigos, gestos que producen legitimidad. En realidad, no es una idea nueva. Desde mediados del siglo pasado, Erving Goffman (1959) desarrolló su célebre perspectiva dramatúrgica, según la cual la vida social se organiza como una puesta en escena permanente en la que los individuos interpretan y presentan versiones de sí mismos ante los demás; en tanto que Hanna Pitkin (1967) recordaba que el acto de representar en política consiste, literalmente, en “hacer presente” a alguien o algo en el espacio público, es decir, dar cuerpo y visibilidad a lo ausente. Por tanto, la pregunta de nuestro tiempo no es si la política se representa, sino cuál es el tipo de representación que premian las plataformas . Aquí entra un segundo marco clave: la mediatización de la política , misma que Strömbäck (2008) explicó como una transformación en la que los medios dejan de ser simples canales y se convierten en estructuras que moldean el comportamiento de los propios actores políticos. Bajo esta lógica, en la búsqueda de mayor posicionamiento, las figuras políticas terminan adaptando su lenguaje, sus tiempos, sus prioridades y hasta su estilo personal a las reglas del entorno mediático. Ciertamente, el paso de la televisión hacia las plataformas no suprimió ese proceso; por el contrario, lo radicalizó, puesto que, efectivamente, la política se diseña cada vez más para medios que premian brevedad, estridencia, personalización e impacto inmediato. Eso explica por qué el político promedio ha cambiado tanto. Antes se esperaba de él, sobre todo, disciplina partidista, capacidad oratoria, operación territorial y cierta solemnidad institucional. Hoy se le exige, además, una mezcla extraña que incluye espontaneidad profesional, intimidad calculada, claridad simplificada, capacidad de viralización, disponibilidad permanente, incluso ciertos atributos físicos. Ya no basta con “hablar bien y bonito”; hay que saber condensar un conflicto complejo en 20 segundos, posar sin parecer posado, indignarse sin parecer hipócrita, y parecer “del pueblo” sin perder autoridad. Y las plataformas no permanecen neutrales frente a esa transformación. Diversos estudios han documentado que los contenidos impregnados de alta carga emocional, antagonismo y definiciones identitarias claras tienden a maximizar la interacción y la circulación viral. Paralelamente, las generaciones más jóvenes obtienen una proporción creciente de su información sobre asuntos públicos de manos de figuras híbridas que difuminan las fronteras entre comentarista político, creador de contenido e influencer  (Rathje et al., 2021; Stocking et al., 2024). Benjamin Moffitt (2016) ofrece una pista especialmente útil para comprender esta mutación. Su tesis es que buena parte del populismo contemporáneo opera como estilo político performado: el líder no se limita a proponer políticas, sino que encarna una escena; no solo gobierna, sino que dramatiza el conflicto; no solo comunica, sino que construye una narrativa donde él mismo aparece como protagonista de una crisis permanente. Los casos abundan. Nayib Bukele  es uno de los ejemplos más nítidos en América Latina. Su liderazgo en El Salvador no puede entenderse sin su dimensión escénica. Su política de seguridad ha estado acompañada de una estética digital extremadamente eficaz, cargada de imágenes potentísimas (detenidos esposados y semidesnudos, videos de traslados carcelarios, tomas aéreas del CECOT convertidas en propaganda de orden, etcétera): performance del castigo. Otro ejemplo paradigmático es Javier Milei . Su icónica motosierra fue más que el símbolo de su campaña; fue, ante todo, una interfaz política con la que pudo evitar entrar en detalles técnicos de su programa; en su lugar, ofreció una imagen inequívoca y visceral de su proyecto: cercenar el gasto, acabar con la "casta" y demoler el viejo orden: performance de la ruptura. En México , el caso de Mariana Rodríguez y Samuel García  ayudó a volver visible otra transformación: por un lado, la del político influenciado por la lógica del influencer ; por otro, la del influencer  empujado hacia la política. Vale la pena destacar que, en 2024, Rest of World  reportó que Mariana Rodríguez tenía más seguidores en Instagram que los tres candidatos presidenciales juntos y que las autoridades electorales lidiaban con un marco legal que no estaba diseñado para regular este tipo de figuras híbridas (Flores, 2024). Y más todavía: ese mismo año, Jorge Álvarez Máynez fue presentado como candidato presidencial de Movimiento Ciudadano en un video difundido por la pareja neolonesa, en un claro síntoma de que ya no siempre entra primero a la política quien construyó carrera partidista; a veces entra con ventaja quien ya domina el lenguaje de la viralidad. Hay, sin embargo, una precisión importante. No toda política performativa es necesariamente vacía, frívola o banal. Y Volodímir Zelenski es testimonio de ello, toda vez que, al inicio de la invasión rusa, sus videos tipo selfie  desde Kiev funcionaron como una muestra efectiva de presencia, resistencia y mando, dejando ver que la teatralidad no siempre es el problema. El problema aparece cuando la escena sustituye al argumento. Y, siendo honestos, esto último suele ser la regla y no propiamente la excepción. Aun así, se debe reconocer que los partidos políticos difícilmente revertirán esta lógica, pues son al mismo tiempo partícipes y cautivos de ella, puesto que el giro en el comportamiento del político promedio es, en realidad, la consecuencia de un cambio más estructural en las expectativas ciudadanas, configuradas por las dinámicas de las plataformas. Hoy muchos electores esperan de sus líderes exposición constante, respuestas inmediatas, cierto tipo de emocionalidad... En el lenguaje del metaverso político, esperan que les emane “aura”; en términos prácticos, esa cercanía simulada, esa ilusión de intimidad que las plataformas prometen y que el político debe escenificar sin descanso. En contraste, el líder distante, técnico y parsimonioso tiende a percibirse como opaco o políticamente ineficaz. En fin... La tesis de fondo es que, si bien es evidente que las redes sociales han transformado la comunicación política, pocos han comprendido cabalmente hasta qué punto han reconfigurado el tipo de capital político que hoy resulta más rentable. Y es precisamente ese capital —el que ahora premian los algoritmos— el que los nuevos políticos persiguen con creciente interés. Eso no significa que el partido, el territorio, la organización o el programa hayan desaparecido. Significa, más bien, que hoy llegan más lejos quienes logran traducir todo eso al idioma de las plataformas. Y ahí está el problema de fondo: la democracia sigue necesitando representantes, pero el mercado de atención premia cada vez más a los intérpretes. Referencias: Flores, C. (2024, May 23). This Instagram star might soon be mayor of one of Mexico’s wealthiest cities . Rest of World . https://restofworld.org/2024/mexico-monterrey-election-influencer/   Goffman, E. (1959). The presentation of self in everyday life . Doubleday. Moffitt, B. (2016). The global rise of populism: Performance, political style, and representation . Stanford University Press. Pitkin, H. F. (1967). The concept of representation . University of California Press. Rathje, S., van Bavel, J. J., & van der Linden, S. (2021). Out-group animosity drives engagement on social media. Proceedings of the National Academy of Sciences, 118 (26), Article e2024292118. https://doi.org/10.1073/pnas.2024292118   Stocking, G., Wang, L., Lipka, M., Matsa, K. E., Widjaya, R., Tomasik, E., & Liedke, J. (2024, November 18). America’s news influencers . Pew Research Center. https://www.pewresearch.org/journalism/2024/11/18/americas-news-influencers/   Strömbäck, J. (2008). Four phases of mediatization: An analysis of the mediatization of politics. The International Journal of Press/Politics, 13 (3), 228–246. https://doi.org/10.1177/1940161208319097