Durante buena parte del siglo XX, la productividad estuvo marcada por una idea compleja: dividir el trabajo, medirlo, estandarizarlo y encontrar la forma más eficiente de ejecutarlo. Frederick Winslow Taylor llevó esta lógica al extremo. Cronómetro en mano, cada movimiento podía estudiarse, compararse y optimizarse. Funcionó: aumentó enormemente la productividad y ayudó a construir la sociedad industrial. Pero también dejó una advertencia que hoy resulta sorprendentemente vigente: cuando confundimos eficiencia con propósito, podemos terminar optimizando perfectamente cosas que quizá ni siquiera valía la pena hacer.
La inteligencia artificial nos coloca nuevamente frente a esa tentación. Ahora el cronómetro puede ser sustituido por el contador de tokens, líneas de código, documentos generados, llamadas atendidas o minutos ahorrados. Si una tarea que requería ocho horas puede hacerse en una, resulta tentador afirmar que multiplicamos por ocho la productividad. Pero no necesariamente. Quizá solamente adquirimos la capacidad de producir ocho veces más documentos que nadie necesitaba. Automatizar un proceso absurdo no lo vuelve inteligente, y hacer más rápidamente un trámite innecesario no constituye innovación.
Un ejemplo fascinante proviene de las ecuaciones de Navier-Stokes, que desde el siglo XIX describen matemáticamente el movimiento de fluidos como el agua y el aire. Las utilizamos para estudiar desde la aerodinámica de un avión hasta el flujo sanguíneo, las turbinas, el clima o la turbulencia alrededor de un automóvil. Sin embargo, detrás de estas ecuaciones existe uno de los problemas matemáticos más profundos de nuestro tiempo.
Explicándolo sin el rigor que merecería un curso de matemáticas, la pregunta es extraordinariamente sencilla de formular: si comenzamos con un fluido en condiciones razonables, ¿podemos garantizar que la solución de las ecuaciones seguirá siendo razonable para siempre, o podría aparecer en algún momento una singularidad, un punto en el que ciertas cantidades matemáticas dejen de estar acotadas? Demostrar rigurosamente qué sucede constituye el célebre problema de existencia y suavidad de Navier-Stokes, uno de los Problemas del Milenio.
Aquí es importante entender qué significa “demostrar”. Podemos utilizar una supercomputadora para simular millones o incluso miles de millones de situaciones diferentes sin encontrar una singularidad. Eso, por sí solo, no demostraría matemáticamente que ésta jamás puede existir. Una demostración es algo diferente: una cadena lógica verificable que establece que determinada afirmación necesariamente se cumple bajo ciertas hipótesis. No consiste simplemente en observar muchas veces que algo funciona, sino en explicar por qué tiene que ser así.
Y aquí aparece inevitablemente otro de los grandes nombres de la historia de las matemáticas: Kurt Gödel. En 1931, sus teoremas de incompletitud destruyeron un sueño todavía más ambicioso: la esperanza de construir un sistema formal suficientemente poderoso en el que todas las verdades matemáticas pudieran, en principio, demostrarse mecánicamente desde un conjunto de axiomas. Simplificando enormemente, Gödel mostró que en cualquier sistema formal consistente y suficientemente expresivo para contener la aritmética existirán afirmaciones que no pueden demostrarse ni refutarse dentro del propio sistema. Además, bajo condiciones habituales, el sistema tampoco puede demostrar desde dentro su propia consistencia.
Gödel no significa que “nada pueda demostrarse”, ni que el problema de Navier-Stokes sea indemostrable. Tampoco establece un límite simple a lo que una inteligencia artificial puede descubrir. Su enseñanza es mucho más interesante: incluso las matemáticas poseen horizontes internos. Puede haber verdades que obliguen a ampliar nuestros axiomas, cambiar nuestra perspectiva o construir otro marco desde el cual contemplar el problema.
Eso hace todavía más fascinante la llegada de la inteligencia artificial a las matemáticas. Quizá su mayor aportación no sea simplemente encontrar demostraciones más rápidamente. Podría ayudarnos a explorar enormes espacios de conjeturas, detectar conexiones inesperadas, sugerir nuevos conceptos e incluso mostrarnos que llevamos años intentando resolver una pregunta desde el marco equivocado. La máquina no tendría por qué sustituir al matemático; podría convertirse en una especie de telescopio para el pensamiento.
Hay una hermosa continuidad histórica. Gödel nos recordó que ningún formalismo suficientemente rico encierra cómodamente toda la verdad matemática que quisiéramos capturar. Navier-Stokes nos recuerda que incluso unas ecuaciones relativamente compactas pueden esconder comportamientos cuya comprensión profunda desafía generaciones de matemáticos. Y la inteligencia artificial aparece ahora no para eliminar esos misterios de un plumazo, sino para proporcionarnos una nueva herramienta con la cual explorarlos.
Que la IA pueda ayudarnos en problemas de esta profundidad es extraordinario. Pero incluso una demostración sobre Navier-Stokes tampoco significa que al día siguiente un avión volará mejor o una válvula cardíaca será más segura. Las ecuaciones son modelos del mundo y los modelos deben enfrentarse con la realidad. En ingeniería seguimos necesitando simular, construir, experimentar, medir, comparar y corregir. La naturaleza tiene siempre la última palabra.
Y precisamente aquí encuentro una de las perspectivas más esperanzadoras de esta revolución tecnológica. Quizá estamos haciendo la pregunta equivocada cuando nos preguntamos solamente cuántos empleos podrá automatizar la inteligencia artificial o cuánto más rápido podremos realizar las tareas actuales. La pregunta verdaderamente interesante es qué problemas podremos abordar que hasta ahora estaban fuera de nuestra imaginación práctica.
La IA puede ayudarnos a optimizar algoritmos científicos, explorar espacios con millones de posibilidades, analizar gigantescos conjuntos de datos, encontrar estructuras que un investigador tardaría años en reconocer y proponer hipótesis que después podamos confrontar con experimentos. La medicina puede ayudarnos a comprender fenómenos biológicos demasiado complejos para una sola mente. En materiales puede explorar configuraciones que ningún laboratorio podría probar individualmente. La robótica puede permitir que las máquinas aprendan a interactuar con un mundo impredecible. La educación puede ofrecer caminos diferentes para comprender una misma idea. Y la ciencia puede convertirse en una extensión de nuestra capacidad para formular preguntas.
Esa es una visión muy distinta del Taylorismo. Taylor buscaba descomponer una tarea humana para ejecutarla con mayor eficiencia. La inteligencia artificial nos ofrece la posibilidad contraria: ampliar el espacio de lo que un ser humano puede intentar. Durante siglos construimos herramientas para superar nuestras limitaciones físicas. La palanca multiplicó nuestra fuerza, el telescopio extendió nuestra vista, el automóvil nuestras piernas y la computadora nuestra capacidad de cálculo. Tal vez la inteligencia artificial sea una de las primeras herramientas capaces de ampliar sistemáticamente nuestro espacio de exploración intelectual. No necesariamente reemplazando nuestra imaginación, sino llevándola hacia lugares a los que solos difícilmente llegaríamos.
Y no llegamos solos. Desde que existe la comunicación mediada existe el intermediario que escucha: Urías cargando sin saberlo la carta que ordena su propia muerte, entregada por su mano al general que la ejecutaría; el Cuarto Negro de las cortes europeas, donde la correspondencia se abría, se copiaba y se volvía a sellar antes de llegar a su destino; Yago, que no inventa mentiras sino que recombina fragmentos verdaderos - un pañuelo, media conversación - hasta fabricar una verdad falsa y verosímil; la Fama alada de Virgilio, monstruo cubierto de ojos y lenguas que crece mientras viaja; y la Casa del Rumor de Ovidio, ese palacio de bronce sin puertas donde todo lo dicho entra, se distorsiona y sale multiplicado, sin que nada se cierre jamás.
Cada consulta a un LLM público es una carta que escribes tú, entregas tú, y no sabes del todo quién más la lee de camino. No deberíamos vivir preocupados por que alguien nos espía —la sospecha permanente es su propia forma de cárcel—, pero la historia rara vez ha premiado la ingenuidad: por cada canal que se creyó privado hubo una sala trasera que lo leía. La respuesta a esa asimetría no es dejar de hablar: es cambiar la arquitectura de la conversación. Para eso existen el despliegue on-premise y el cómputo en el borde - cerrarle la Casa del Rumor poniéndole puertas, mantener el diálogo dentro de tus propios muros, donde el mensajero, el modelo y los datos no salen nunca de tu control y mantienes la soberanía. En medio de toda la argumentación discursiva contra los centros de datos, la sociedad irá descubriendo la necesidad - incluso ecológica— de que nuestros datos no anden del tingo al tango por todo el planeta, por seguridad y, por supuesto, por sustentabilidad.
Esto también cambia la manera en que deberíamos medir el progreso. No basta contar cuántos correos redactó un agente, cuánto código produjo o cuántas horas-hombre eliminamos. Tendríamos que preguntarnos si descubrimos algo que antes desconocíamos, si diseñamos un material mejor, si utilizamos menos energía, si anticipamos una enfermedad, si conseguimos que un robot ayude a una persona, si un estudiante comprendió algo que antes parecía imposible o si un científico pudo explorar una pregunta que anteriormente habría requerido décadas.
No creo que el destino más interesante de la inteligencia artificial sea una sociedad en la que hagamos exactamente las mismas cosas que hoy, pero diez veces más rápido. Sería una conclusión demasiado pequeña para una tan grande tecnología que hemos construido.
La posibilidad verdaderamente emocionante es construir un mundo en el que humanos y máquinas exploren juntos espacios intelectuales que ninguno habría recorrido por separado. Incluso Gödel, lejos de representar una visión pesimista, puede recordarnos algo profundamente humano: siempre puede existir algo más allá del sistema desde el que hoy estamos mirando. Nuestros límites actuales no tienen por qué ser las fronteras definitivas de nuestra imaginación.
Taylor nos enseñó a optimizar el trabajo. Gödel nos enseñó que hasta nuestros sistemas de razonamiento tienen horizontes. La inteligencia artificial soberana (aquí y ahora) puede ayudarnos a explorar más allá de algunos de ellos. El gran reto no será utilizarla para encerrar al ser humano en procesos cada vez más eficientes, sino para abrir nuevos espacios seguros de descubrimiento. Porque quizá el verdadero potencial de esta tecnología no sea hacer más rápidamente aquello que ya imaginamos, sino ayudarnos a imaginar aquí aquello que todavía no sabemos que es posible allá. O en el más allá.