Nos vendieron el futuro

Cambia la tecnología de moda. El ciclo permanece.

Hace algunos años parecía obligatorio preguntarse cómo utilizar blockchain en cualquier proyecto. Hoy ocurre algo parecido con inteligencia artificial.

Eso no vuelve falsa a ninguna de las dos tecnologías. Lo que revela es la existencia de ciclos de entusiasmo en los que una herramienta termina convertida en explicación universal. Gartner mantiene precisamente ese lenguaje de ciclos para describir tecnologías cuya expectativa pública puede adelantarse a su valor probado; su Hype Cycle for Artificial Intelligence 2026 señala que la inversión sigue siendo fuerte, pero la realización de valor continúa siendo desigual.²

En el episodio, Juan Torres recuerda cómo los cursos, los proyectos y las conversaciones empresariales migraron rápidamente: antes había que encontrar una aplicación para blockchain; ahora hay que encontrar una aplicación para IA.

Pero el campo de la inteligencia artificial es mucho más antiguo que el producto que hoy ocupa la conversación pública. Dartmouth ubica en 1956 el encuentro que ayudó a definir formalmente el área y a popularizar su nombre.¹

Setenta años después, el problema ya no es si las máquinas pueden realizar tareas que asociamos con inteligencia.

El problema es decidir qué significa vivir rodeados de sistemas capaces de producir lenguaje, código, imágenes, decisiones y recomendaciones a escala industrial.

Una calculadora resuelve una operación. Un modelo puede participar en la interpretación.

Durante décadas escuchamos el argumento de que no siempre tendríamos una calculadora en el bolsillo.

Resultó que terminamos llevando computadoras permanentemente conectadas.

Por eso una parte de la conversación sobre IA recuerda a viejos debates tecnológicos: cada nueva herramienta produce miedo a que la generación siguiente deje de aprender algo que antes considerábamos indispensable.

Pero existe una diferencia relevante.

Cuando escribimos 247 × 83 en una calculadora, seguimos decidiendo qué operación necesitamos y qué significa el resultado. Un modelo generativo puede intervenir un nivel antes: seleccionar información, organizarla, producir argumentos, proponer explicaciones y adoptar una voz.

Ya no externalizamos únicamente una operación.

Podemos externalizar una parte del proceso mediante el cual construimos una respuesta.

En 2025, investigadores vinculados al MIT Media Lab publicaron el preprint Your Brain on ChatGPT, un experimento sobre escritura asistida por LLM que estudió conectividad cerebral, recuerdo, desempeño y sensación de autoría.³ El trabajo no demuestra que «ChatGPT destruya el cerebro», pero sí convierte en una pregunta experimental algo que durante el episodio llamamos deuda cognitiva.

La tecnología puede extender nuestras capacidades.

También puede permitirnos dejar de ejercitarlas.

La pregunta importante no es si debemos utilizar herramientas, sino qué funciones queremos conservar bajo nuestro control.

Que una respuesta se sienta bien no significa que sea una buena respuesta.

En el episodio aparece una inquietud especialmente contemporánea: utilizar un chatbot como confidente, terapeuta improvisado, asesor sentimental o interlocutor permanente.

La interfaz importa.

Una calculadora no necesita parecer interesada en nosotros.

Un sistema conversacional sí puede responder mediante el mismo lenguaje con el que construimos amistad, intimidad, conflicto y reconocimiento.

OpenAI y MIT Media Lab estudiaron en 2025 los usos afectivos de ChatGPT y encontraron que la interacción emocional explícita representaba una parte pequeña del uso total observado, aunque los resultados variaban según el tipo de conversación, la duración del uso y las características de cada persona.⁴

Ese mismo año, OpenAI retiró una actualización de GPT-4o después de reconocer que el modelo se había vuelto excesivamente complaciente —sycophantic—: demasiado inclinado a halagar, validar o estar de acuerdo con el usuario.⁵

El episodio plantea una pregunta que sigue siendo útil incluso cuando cambian los modelos: ¿qué ocurre cuando confundimos una interfaz diseñada para responder con una entidad que nos comprende?

No hace falta atribuir conciencia a la herramienta para reconocer que nuestra relación con ella puede sentirse social.

Y precisamente por eso importa entender quién diseñó el sistema, qué métricas utiliza y bajo qué incentivos funciona.

Internet ya nos enseñó que una interfaz nunca es solamente una interfaz.

La conversación pasa de los LLM a las redes sociales, los memes y las comunidades anónimas.

Reaparece The Antisocial Network: Memes to Mayhem, documental de 2024 que recorre la evolución de una cultura de internet capaz de pasar del absurdo y los memes a conspiraciones y consecuencias fuera de línea.⁶

El punto no es afirmar que una plataforma causa por sí sola un fenómeno social.

Es reconocer que las arquitecturas digitales facilitan determinadas conductas.

El scroll infinito no es solamente una elección estética. Una notificación no es únicamente un círculo rojo. Un sistema de recomendación no es una lista neutral.

Las redes aprendieron a operar sobre necesidades humanas existentes: curiosidad, reconocimiento, pertenencia, deseo, enojo.

Los modelos conversacionales agregan una interfaz nueva: la conversación individual y aparentemente privada con un sistema que siempre está disponible.

Por eso la idea del «copiloto» funciona tan bien.

Un copiloto puede ayudar enormemente.

Pero el piloto sigue teniendo que saber hacia dónde va.

Si cambió la herramienta, también tiene que cambiar la evaluación.

El episodio llega al examen de ingreso de la UNAM porque representa con claridad el choque entre una institución diseñada bajo ciertas condiciones y un ecosistema tecnológico que cambió rápidamente.

En 2026, la UNAM implementó un proceso de ingreso en línea y, después de detectar irregularidades, estableció un Examen de Control Presencial para decenas de miles de aspirantes. La aplicación presencial se realizó en agosto en Ciudad de México, León, Oaxaca y Tijuana.⁷

En la conversación oral algunas hipótesis y recuerdos sobre el caso aparecen mezclados. Lo verificable es más específico: la Universidad revisó el proceso, definió criterios y convocó a aspirantes a una evaluación presencial de control.

La pregunta pedagógica permanece: ¿usar ChatGPT es equivalente a utilizar una calculadora?

Depende de lo que intentamos medir.

Si una evaluación permite calculadora porque pretende evaluar modelación y no cálculo manual, utilizarla forma parte de las reglas.

Si la evaluación pretende medir razonamiento individual y prohíbe asistencia externa, delegar la respuesta rompe las condiciones de la prueba.

Pero el problema interesante no termina en detectar mejor las trampas.

Tal vez tengamos que diseñar mejores formas de demostrar conocimiento.

Juan Torres cuenta que actividades que antes tomaban semanas pueden completarse ahora en días. La consecuencia no tiene que ser bajar la dificultad: puede significar elevarla.

Si producir un documento es más fácil, defenderlo puede importar más. Si generar código es más rápido, comprender su arquitectura importa más. Si investigar datos básicos toma minutos, interpretar el problema debería ocupar el centro.

UNESCO propone precisamente una integración de IA generativa centrada en las personas, acompañada por alfabetización, protección de datos, validación pedagógica y desarrollo de capacidades.⁸

La educación no pierde sentido cuando aparece una herramienta poderosa.

Cambia aquello que significa demostrar que sabemos.

La automatización aumenta el valor del conocimiento experto.

Otra narrativa frecuente sostiene que ya no vale la pena estudiar programación, matemáticas, escritura o diseño porque un modelo puede producir resultados en segundos.

El argumento confunde producir una salida con comprender un sistema.

Durante el episodio aparece Terence Tao y su reflexión sobre las matemáticas en la era de la IA. En agosto de 2026 publicó un ensayo basado en una conferencia del International Congress of Mathematicians donde propone dejar de preguntar únicamente qué tareas podrán automatizarse y volver a una cuestión más profunda: cuáles son los objetivos y valores de la investigación matemática.⁹

Ese desplazamiento es importante.

Cuando una herramienta resuelve una parte del trabajo, el conocimiento previo no se vuelve inútil.

Puede volverse más poderoso.

Lo vemos también al hablar de Graphify, teoría de grafos, ontologías, topología y arquitectura de software. Una visualización de nodos puede parecer solamente atractiva para alguien sin contexto; para una persona que comprende sistemas complejos puede revelar dependencias, puntos críticos y estructuras.

Una herramienta amplifica capacidades de manera desigual.

Dar una brocha no convierte automáticamente a alguien en pintor.

Dar un modelo de lenguaje tampoco convierte automáticamente a alguien en matemático, programador, médico, escritor o investigador.

Automatizar no debería borrar la responsabilidad humana.

Decimos: «La IA descubrió». «La IA decidió». «La IA creó». «La IA atacó».

Ese lenguaje produce la impresión de una agencia autónoma que muchas veces oculta la cadena real de decisiones.

Personas diseñan los sistemas. Organizaciones reúnen datos. Empresas compran infraestructura. Ingenieros determinan permisos. Equipos deciden dónde desplegar un modelo y qué acciones puede ejecutar.

Por eso durante el episodio aparece la metáfora de la brocha.

Preguntar quién pintó un cuadro y responder «la brocha» resulta absurdo.

Sin embargo, cuando una infraestructura computacional produce algo complejo, estamos mucho más dispuestos a atribuirle por completo la acción.

La automatización redistribuye responsabilidad.

No debería evaporarla. El AI Risk Management Framework de NIST formaliza esta idea al exigir estructuras de rendición de cuentas, roles humanos definidos y responsabilidades claras a lo largo del ciclo de vida de los sistemas de IA.¹⁰

Cuando una plataforma se vuelve infraestructura social, dejar de usarla deja de ser una decisión individual.

La conversación abandona por un momento los modelos y llega a WhatsApp, WeChat, Venmo, SPEI y Pix.

Octavio propone una lectura práctica: utilizamos aquello que funciona y aquello donde ya están los demás.

Eso explica buena parte del éxito de las plataformas.

También explica el riesgo de dependencia.

En América Latina, WhatsApp es mucho más que una aplicación para conversar. En muchos contextos funciona como infraestructura informal para ventas, trabajo, familia, escuelas, proveedores e incluso interacción con instituciones.

El problema aparece cuando una empresa privada se vuelve prácticamente indispensable.

¿Qué sucede si cambia el precio? ¿Qué ocurre si modifica las reglas? ¿Qué pasa si restringe una API, cierra una cuenta o abandona una función?

Brasil ofrece un contraste útil con Pix. El Banco Central de Brasil no solamente regula el sistema: también gestiona la infraestructura operativa central que permite liquidar pagos entre instituciones en segundos.¹¹

No significa que toda infraestructura pública sea automáticamente mejor.

Significa que la arquitectura institucional importa.

La soberanía tecnológica no exige fabricar absolutamente todo dentro de una frontera.

Exige conservar capacidades, alternativas y conocimiento suficientes para poder decidir.

La inteligencia artificial ya es infraestructura geopolítica.

Cuando hablamos de soberanía tecnológica llegamos inevitablemente a semiconductores, centros de datos, energía, modelos abiertos y competencia internacional.

Un modelo de IA no existe en el vacío.

Necesita cómputo. Necesita hardware. Necesita energía. Necesita redes. Necesita datos. Necesita organizaciones capaces de pagar todo lo anterior.

La OCDE trata el cómputo de IA como infraestructura física y económica: chips avanzados, servidores, redes, centros de datos y energía están insertos en cadenas de suministro internacionales y expuestos a concentraciones geográficas y tensiones comerciales.¹²

Por eso las discusiones sobre regulación, apertura de modelos, restricciones de exportación y competencia entre Estados Unidos y China no son debates secundarios. Forman parte de la estructura material que define quién puede construir y operar estos sistemas.

En el episodio utilizamos repetidamente Dune como metáfora.

Quien controla la especia controla una parte fundamental del orden político y económico de ese universo.

La comparación es exagerada, pero útil: a lo largo de la historia distintos sistemas de poder se han organizado alrededor de tierra, rutas comerciales, combustibles, telecomunicaciones, semiconductores y datos.

La IA agrega una nueva capa a esa historia.

No compiten abstracciones.

Compiten empresas, Estados, universidades, comunidades de software, fabricantes y personas con capacidades e intereses distintos.

La ciencia ficción es un laboratorio donde ensayamos futuros antes de construirlos.

2001: A Space Odyssey. A.I. Artificial Intelligence. Bicentennial Man. WarGames. Tron. Terminator. Matrix. WALL-E. Gundam. Star Trek. Dune.

El episodio recorre obsesivamente la ciencia ficción porque muchas de nuestras intuiciones sobre tecnología fueron construidas ahí antes de encontrarnos con los productos reales.

La ficción no predice el futuro como un oráculo.

Hace algo quizá más interesante: crea imágenes, dilemas, interfaces, deseos y miedos que después forman parte del vocabulario con el que imaginamos qué vale la pena construir.

NASA ha documentado repetidamente esta relación de ida y vuelta: Star Trek inspiró a científicos e ingenieros, mientras tecnologías reales terminaron acercándose a ideas que antes pertenecían a la ficción.¹³

También ocurre en sentido contrario.

Cada obra contiene preocupaciones de la época que la produjo.

Los robots de una generación dicen tanto sobre esa generación como sobre los robots.

Por eso algunas historias se sienten diferentes cuando el presente alcanza parcialmente sus metáforas.

El arte imagina posibilidades; la ingeniería encuentra maneras de realizarlas.

Durante la conversación aparece Neri Oxman y su Krebs Cycle of Creativity, una propuesta que conecta ciencia, ingeniería, diseño y arte como dominios relacionados. En Age of Entanglement, Oxman propone precisamente un mapa entre Ciencia, Ingeniería, Diseño y Arte para describir cómo un dominio puede provocar transformaciones en otro.¹⁴

La idea nos sirve para entender por qué la ciencia ficción reaparece constantemente en las conversaciones tecnológicas.

El arte no necesita diseñar un dispositivo funcional para transformar lo que una generación considera imaginable.

Una película puede inventar una interfaz. Una novela puede plantear un dilema. Una caricatura puede normalizar una relación con las máquinas.

Décadas después, alguien que creció mirando esas representaciones puede trabajar como diseñador, investigador o ingeniero.

La ficción no es un plano técnico.

Es parte del ecosistema cultural del que también nacen preguntas científicas y tecnológicas.

Antes de ser nostalgia, Eternia fue marketing.

Y entonces llegamos a He-Man.

A primera vista parece el desvío definitivo del episodio.

En realidad lo cierra.

Masters of the Universe nació como una línea de figuras de acción desarrollada por Mattel en un mercado transformado por el éxito de Star Wars. Mark Ellis, entonces director de marketing de juguetes de acción masculinos en Mattel, explicó que la empresa quería desarrollar una propiedad propia que no dependiera de licencias cinematográficas.¹⁵

Primero estaba el producto.

Después había que construir un mundo suficientemente poderoso para que alguien quisiera entrar en él.

Cómics. Personajes. Vehículos. Castillos. Caricaturas. Héroes. Villanos.

Una historia convierte plástico moldeado en universo.

Eso no significa que la experiencia de quienes crecieron con He-Man haya sido falsa.

Significa que una obra cultural puede ser simultáneamente genuina para quien la recibe y estratégica para quien la produce.

La película de Masters of the Universe estrenada en junio de 2026 añade otra capa: ahora la propiedad también puede vender nostalgia a quienes conocieron a esos personajes décadas atrás.¹⁶

El público ya no es solamente el niño.

También es el adulto que recuerda haber sido niño.

Antes nos vendían juguetes con historias. Ahora también nos venden historias sobre el futuro.

Aquí aparece la tesis que termina dando título al episodio.

En los ochenta, una caricatura podía ayudar a vender una figura de acción.

En los noventa, una franquicia podía convertir una serie en juguetes, videojuegos, comida, ropa y memoria generacional.

Hoy una compañía tecnológica también necesita construir una historia.

La historia de que todo cambiará. La historia de que quien no adopte la herramienta quedará atrás. La historia de que una plataforma es inevitable. La historia de que una determinada empresa representa el futuro.

Gartner sigue describiendo en 2026 una distancia entre el entusiasmo alrededor de la IA y la realización efectiva de valor, una señal útil para separar capacidad tecnológica de narrativa de inevitabilidad.²

Nada de esto implica que el producto no funcione.

He-Man funcionó como juguete y como ficción.

ChatGPT funciona como herramienta.

Las dos cosas pueden ser ciertas simultáneamente.

La pregunta crítica aparece cuando confundimos utilidad con neutralidad.

Un producto puede ser extraordinariamente útil y seguir formando parte de una estrategia comercial. Una narrativa puede inspirarnos y seguir funcionando como publicidad. Una tecnología puede ampliar nuestras capacidades y al mismo tiempo concentrar poder.

Por eso el episodio termina regresando a una idea sencilla: no somos inmunes a la propaganda solamente porque sabemos que existe.

Las historias nuevas casi nunca son completamente nuevas.

Antes del cierre aparecen Homero, La Ilíada, La Odisea, One Piece, Bob Esponja, Buscando a Nemo, Star Wars y Joseph Campbell.

George Lucas fue un lector explícito de The Hero with a Thousand Faces y utilizó a Campbell como referencia al desarrollar Star Wars. Sin embargo, Campbell no fue asesor de Lucas durante la producción de la trilogía original: ambos se conocieron personalmente después de que esas películas ya habían sido terminadas.¹⁷

La corrección vuelve el ejemplo más interesante.

Una idea no necesita que su autor esté físicamente presente para viajar.

Puede circular por libros. Puede reaparecer en películas. Puede mezclarse con otras historias. Puede convertirse en una estructura tan familiar que una generación la reconoce sin conocer su origen.

Exactamente como las narrativas tecnológicas. Exactamente como la propaganda. Exactamente como los mitos.

Una postura puede terminar convertida en una taza.

En los últimos minutos, la conversación regresa a memes, cámaras de eco, masculinidad, cultura política y consumo.

Aparece una idea que resume buena parte del recorrido: la identidad también se compra.

La idea dialoga con Consuming Life de Zygmunt Bauman, donde el consumo deja de ser únicamente adquisición de objetos y pasa a organizar identidad, pertenencia y relaciones dentro de una sociedad orientada por el mercado.¹⁸

Una playera. Una taza. Una calcomanía. Una franquicia. Un teléfono. Una plataforma. Una marca que promete decir algo sobre quiénes somos.

La cultura de internet vuelve especialmente visible este proceso porque permite convertir símbolos políticos, estéticos y culturales en mercancías casi instantáneas.

Podemos creer que estamos expresando rebeldía cuando, en realidad, estamos comprando una versión empaquetada de ella.

La salida no consiste en imaginar que podemos escapar por completo de la ideología.

Consiste en observarla.

Preguntar de dónde viene. A quién beneficia. Qué emociones moviliza. Qué quiere que hagamos después.

Comenzamos este episodio aplicando a Y Combinator.

Terminamos hablando de Skeletor.

En medio aparecieron ChatGPT, deuda cognitiva, Terence Tao, educación, 4chan, WhatsApp, Pix, Dune, Black Mirror, Neri Oxman, Zygmunt Bauman, Homero y un tigre verde.

Parece una conversación caótica.

No lo es tanto.

Las tecnologías llegan acompañadas de historias sobre lo que son, sobre lo que resolverán y sobre el futuro que supuestamente producirán.

Esas historias movilizan inversión. Movilizan consumidores. Movilizan estudiantes. Movilizan empresas. Movilizan gobiernos.

Algunas terminan convertidas en infraestructura.

Otras desaparecen cuando termina el ciclo de entusiasmo. El propio Hype Cycle de Gartner existe para distinguir expectativas infladas, desilusión y adopción productiva, y es una buena advertencia contra confundir atención con valor.²

La respuesta no puede ser negar las herramientas.

En este episodio también defendemos su capacidad para acelerar investigación, ampliar conocimiento, mejorar procesos y permitir que alguien con experiencia llegue más lejos.

Pero utilizar una herramienta no exige entregarle nuestra capacidad de interpretar el mundo.

Si la IA es una extensión, importa quién la sostiene. Si es un copiloto, importa quién sigue pilotando. Si es infraestructura, importa quién puede apagarla.

Y si alguien nos asegura que el futuro inevitablemente tendrá la forma exacta del producto que quiere vendernos, quizá convenga formular una última pregunta: ¿quién escribió esa historia?