Esto no es una publicación de arenga

Escribir sobre tecnología siempre es una trampa. Es fácil sonar como un agorero, agitando el puño contra cada nueva herramienta que altera viejos hábitos. Esto no es eso.

No estoy en contra de la tecnología. Soy un nerd, un geek, y el tipo de persona que realmente disfruta de las herramientas, los sistemas, el software y los extraños pequeños flujos de trabajo que hacen la vida más fácil. Me gustan las buenas herramientas. Me gustan los sistemas elegantes. Me gusta la sensación de descubrir algo que elimina fricción de una tarea sin quitarle el sentido a la tarea.

Pero también soy educador, lo que significa que veo el otro lado de la máquina todos los días. Veo a jóvenes saltarse el trabajo lento del aprendizaje porque una herramienta puede hacer la tarea escolar por ellos. Da la respuesta, pero no transfiere conocimiento. Produce el producto, pero no vuelve más capaz al estudiante.

Ese es el problema que exploré en mi ensayo anterior, The Illusion We Call Intelligence: el peligro no es solo que la IA pueda generar lenguaje. El peligro es que empecemos a confundir la salida generada con la comprensión, la comodidad con el aprendizaje y la fluidez con el pensamiento. Un estudiante puede entregar un párrafo pulido y aun así no saber cómo construir uno. Un trabajador puede producir un informe y aun así no entender el juicio que hay detrás. La superficie mejora mientras la capacidad interna se debilita.

Así que esto no trata de odiar la tecnología. Se trata de preguntar qué no es la tecnología.

El video y la idea de “software brain”

El video principal detrás de esta publicación es el episodio de Decoder de Nilay Patel para The Verge, “The People Do Not Yearn for Automation”, publicado el 23 de abril de 2026. Patel es editor en jefe de The Verge y presentador del pódcast Decoder. En el episodio, critica lo que llama software brain: una forma de ver el mundo como bases de datos, bucles, entradas, salidas y sistemas esperando ser automatizados.

El punto de Patel no es simplemente que la IA sea impopular. Su argumento es que la industria tecnológica malinterpreta por qué a la gente no le gusta. La industria sigue tratando la vida humana como si pudiera hacerse legible para el software, siempre que se recopile suficiente datos y se automaticen suficientes bucles.

Eso puede funcionar para los procesos empresariales. No funciona para la vida.

Una empresa puede convertir el inventario en una base de datos. Una ruta de reparto puede convertirse en un problema de optimización. Una cola de atención al cliente puede ordenarse, etiquetarse y enrutarse. Pero la vida humana no es solo una cola. Incluye vacilación, contradicción, contexto privado, mal momento, silencio, resentimiento, memoria y dignidad. Todo eso no encaja con facilidad en una hoja de ruta de producto.

La crítica de Patel importa porque no solo está hablando de IA. Está hablando de un hábito tecnológico más amplio: la suposición de que, porque algo puede modelarse en software, debería rediseñarse en torno al software. El resultado es un mundo en el que se les pide a las personas que sean más legibles para las máquinas, más rastreables, más predecibles y más disponibles para sistemas que prometen comodidad.

Las personas no siempre rechazan la tecnología porque la malentiendan. A veces la rechazan porque entienden lo que les está pidiendo.

Por qué la gente desconfía de la industria tecnológica

Esto se conecta directamente con otro video: “The AI industry is ignoring how much people hate it”, un episodio de The Tech Report presentado por Isaac Pound y publicado el 20 de abril de 2026. En él, Ed Zitron, autor de Where’s Your Ed At y presentador de Better Offline, sostiene que la industria de la IA ha pasado años antagonizando al público y luego actuando sorprendida cuando la gente se enfada.

El punto de Zitron es directo. La gente ya está lidiando con el aumento de los costos, la inseguridad laboral, la presión sobre la vivienda, los costos de la atención médica y una inestabilidad general. Luego los líderes de la IA aparecen en el escenario y les dicen que muchos trabajos podrían desaparecer, que las empresas necesitan enormes centros de datos, que los modelos son poderosos y peligrosos, y que todo esto es inevitable.

Desde la perspectiva de Zitron, la desconfianza no es misteriosa. La gente escucha amenaza, exageración y derecho adquirido. Ve a las empresas pidiendo dinero, datos, energía, libertad legal y paciencia pública, mientras ofrecen vagas promesas de abundancia futura.

Esto es importante porque la industria suele tratar la ira pública como un problema de comunicación. Si solo la gente entendiera mejor la IA, piensa ese razonamiento, la aceptaría. Pero la confianza no se produce solo con explicaciones. La confianza se produce con la experiencia.

La gente ya ha experimentado un servicio al cliente automatizado que no puede ayudarla, sistemas de recomendación que manipulan la atención, plataformas que recolectan datos y productos que empeoran después de volverse inevitables. Han visto a empresas tecnológicas prometer apertura y luego construir ecosistemas cerrados. Han visto herramientas vendidas como empoderamiento convertirse en sistemas de vigilancia, dependencia o reducción de costos.

Zitron también sostiene que las empresas de IA deberían dejar de hacer que los modelos se sientan como compañeros humanos y empezar a tratarlos como herramientas ordinarias. Eso importa porque el diseño antropomórfico puede hacer que las personas confíen demasiado en sistemas que no las entienden. Un chatbot que dice “I understand” puede sonar reconfortante, pero no entiende en el sentido humano. Predice, responde y continúa la interacción.

Esa diferencia no es pequeña. Es la diferencia entre una herramienta y una relación.

La desconexión no es accidental

La desconexión entre la gente y la tecnología ocurre porque los incentivos son distintos.

La industria ve automatización, escala, eficiencia y captación de mercado. La gente común ve riesgo laboral, vigilancia, servicios degradados, confianza rota y herramientas que a menudo hacen que se sientan menos humanas. Una empresa puede ver un bot de atención al cliente como eficiencia. El cliente puede experimentarlo como quedar atrapado en un bucle sin nadie responsable al otro lado.

Por eso la aversión al algoritmo tiene sentido. Las personas pueden perdonar más fácilmente los errores humanos que los errores de las máquinas porque los errores humanos siguen pareciendo responsables. Una persona puede explicar, disculparse, improvisar o entender el contexto. Un sistema a menudo no puede. Un solo error de una máquina puede destruir la confianza porque el usuario no tiene una vía clara para apelar al juicio.

Y aun cuando un sistema automatizado es estadísticamente bueno, la gente aún puede resistirse si amenaza la autonomía, la identidad o la dignidad. Un trabajador puede no odiar el software porque sea inútil. Puede odiarlo porque lo vigila. Un profesor puede no rechazar la IA porque no pueda producir texto. Puede rechazarla porque los estudiantes la usan para eludir el pensamiento que la tarea pretendía fomentar.

Ahí es donde la conversación se vuelve más seria. La cuestión no es si la IA funciona. A veces sí. La cuestión es qué tipo de trabajo reemplaza, qué tipo de persona produce y qué tipo de relación crea entre los seres humanos y las instituciones.

La industria tecnológica a menudo trata la desconfianza como algo irracional. No siempre lo es. A veces es memoria. La gente recuerda haber sido automatizada fuera del cuidado.

Trabajo, identidad y educación

La IA afectará el trabajo. Eso es seguro. Pero no afectará a todos los países de la misma manera.

Cada economía está construida de forma diferente. Algunas dependen en gran medida de los servicios. Algunas dependen de la manufactura, la subcontratación, el turismo, la agricultura, las remesas, el empleo en el sector público, el trabajo informal o los pequeños negocios. Las poblaciones también se mueven de manera diferente. Los jóvenes migran, se recualifican, resisten, se adaptan o abandonan sectores enteros según las condiciones locales.

Así que el impacto de la IA no será una historia limpia de “economía mundial”. Serán muchas historias nacionales, cada una moldeada por los mercados laborales, los sistemas educativos, la regulación, los salarios, la migración y las decisiones políticas. En un país, la IA puede amenazar los empleos de oficina. En otro, puede reconfigurar la subcontratación. En otro, puede ampliar la brecha entre las personas que pueden usar las herramientas y las personas que son gestionadas por ellas.

Lo mismo ocurre en la educación. Si los estudiantes usan la IA para saltarse la práctica, pueden producir mejores tareas mientras se convierten en peores aprendices. Esto no es progreso. Es subcontratar la lucha que construye la habilidad. Una herramienta que responde por el estudiante no educa automáticamente al estudiante.

Aprender requiere fricción. Requiere el intento torpe, la frase fallida, el pensamiento inconcluso, la corrección, el segundo intento. Si una herramienta elimina todo eso, también puede eliminar el camino por el que se forma la competencia.

La inteligencia accesible suena como un regalo. Pero si debilita el juicio, reduce la paciencia, reemplaza la práctica y enseña a la gente a confiar en una salida fluida sin entenderla, puede crear más problemas de los que resuelve.

Lo que la tecnología no es

La tecnología puede ampliar la capacidad humana. Puede ayudarnos a escribir, calcular, traducir, organizar, buscar, diseñar y construir. Puede hacer más fácil el trabajo difícil. Puede abrir acceso donde el acceso estaba limitado.

Pero la tecnología no es significado. No es juicio. No es confianza. No es educación. No es cuidado. No es el proceso vivido a través del cual una persona se vuelve más capaz.

Esa distinción importa porque la conversación sobre la IA a menudo la difumina. El producto realiza la tarea visible, así que fingimos que ha reemplazado el proceso invisible. Escribe el párrafo, así que fingimos que ha aprendido. Responde al cliente, así que fingimos que el servicio ha ocurrido. Resume la reunión, así que fingimos que ha habido comprensión.

Esta es la ilusión. No que las herramientas sean inútiles, sino que la salida basta.

Mira los videos

Esta publicación solo esboza el argumento. El video de Patel es útil porque nombra la visión del mundo detrás del problema: cerebro de software. La entrevista de Zitron es útil porque explica por qué la ira pública hacia la IA no es solo miedo al cambio, sino una respuesta a las amenazas, la exageración, la ansiedad laboral y la desconfianza.

Y mi propia posición, en La ilusión que llamamos inteligencia, es que debemos dejar de confundir la salida con la comprensión. La tecnología debería ampliar la capacidad humana. No debería entrenarnos para abandonarla.

Mira el episodio de Decoder de Nilay Patel, “The People Do Not Yearn for Automation”, aquí:

Mira a Ed Zitron en The Tech Report, “The AI industry is ignoring how much people hate it”, aquí: