Llevaba un buen rato "programando" y de repente me doy cuenta de que desde hacía más de diez minutos no miraba el código.
Estaba leyendo el razonamiento. Ese panel lateral donde la máquina va desgranando lo que piensa antes de escribir una sola línea: «el usuario quiere X, pero la estructura actual no lo permite sin romper Y; podría hacer A, aunque A tiene el problema de Z; probablemente lo más limpio sea B, aunque implique tocar tres ficheros más». Y ahí estoy yo, con cuarenta y tantos años de oficio a la espalda, leyendo eso como quien lee una partida comentada por un gran maestro.
Porque eso es exactamente lo que es. Y porque llevo esperando ese texto desde los años ochenta, aunque entonces no sabía que lo estaba esperando.
El problema al que dediqué años de mi vida
Yo entré en la inteligencia artificial por los sistemas expertos. Aquella era la IA que se llevaba: nada de redes neuronales gigantes ni de aprender de datos, sino capturar el conocimiento de un especialista humano y meterlo dentro de una máquina en forma de reglas. Si el paciente tiene fiebre y el cultivo da tal cosa, entonces sospecha de tal bacteria. MYCIN diagnosticaba infecciones mejor que muchos médicos de plantilla. La promesa era enorme y, sobre el papel, sencilla.
En la práctica había un problema. Uno solo, pero era una pared.
Se llamaba adquisición del conocimiento, y consistía en esto: te sentabas con el experto —el ingeniero de mantenimiento con treinta años en la planta, el geólogo, el médico— y le pedías que te explicara cómo decidía. Y no podía. No porque no quisiera, ni porque quisiera protegerse: es que sinceramente no lo sabía. Te decía «hombre, es que se ve», «eso lo notas», «depende». Le presentabas un caso y acertaba en cuatro segundos; le preguntabas por qué y te construía una explicación a posteriori que, cuando la codificabas y la probabas contra otros cincuenta casos, fallaba.
Nos pasábamos meses en aquellas entrevistas. Se escribieron tesis enteras sobre metodologías de elicitación. Se inventaron técnicas de rejilla, de análisis de protocolos, de pensar en voz alta mientras resolvías. Y todo aquello para arañar unos cientos de reglas que nunca cubrían los casos raros, que eran justamente los casos en los que el experto valía dinero.
Michael Polanyi lo había dejado dicho mucho antes con una frase que se me quedó grabada para siempre: podemos saber más de lo que podemos contar. La escribió en La dimensión tácita, en 1966, veinte años antes de que a mí me tocara estrellarme contra ella en una sala de reuniones. Ese era el muro. Le llamamos el cuello de botella de la adquisición del conocimiento, y fue, más que ningún límite de hardware, lo que hundió aquella primera ola. Sabíamos representar conocimiento. No sabíamos sacarlo de las cabezas.
Y de pronto está escrito
Por eso me quedo mirando ese panel lateral.
Lo que tengo delante es exactamente aquello que pasamos años intentando extraer a martillazos. No el resultado: el camino. Las tres alternativas descartadas en cuatro segundos. La sospecha de que el fallo no está donde parece. El momento en que se reformula el problema a mitad de recorrido porque el planteamiento inicial no llevaba a ninguna parte. Todo eso que el experto humano no sabía decirte, aquí sale escrito, ordenado y gratis, línea a línea, mientras miras.
Y no llegó por donde lo buscábamos. Nosotros intentábamos vaciar una cabeza concreta en una base de reglas. Lo que ha ocurrido es que se ha entrenado una máquina con el sedimento escrito de millones de cabezas, y ha resultado que el razonamiento emergía solo. No hemos resuelto el cuello de botella: lo hemos rodeado por completo. Escribí sobre lo que sentí la primera vez que me paré delante de esto en Y si de verdad piensa?, y la sensación no se me ha pasado. Al contrario.
Ya sé, y prefiero decirlo yo antes de que me la digan: esa cadena de razonamiento no es necesariamente una transcripción fiel de lo que ocurre por dentro. La propia Anthropic publicó un trabajo bastante incómodo sobre ello, Reasoning models don't always say what they think, donde demuestran que los modelos a veces llegan a una conclusión por un motivo y verbalizan otro. El paper completo está disponible y merece la pena leerlo despacio. Así que no, no estoy leyendo la mente de nadie. Estoy leyendo una reconstrucción plausible.
Pero mira, treinta años entrevistando expertos me enseñaron que los humanos hacen exactamente lo mismo. La explicación que te daba el ingeniero de mantenimiento tampoco era una transcripción fiel de sus neuronas: era una racionalización ordenada, digerible, contada después. Y funcionaba igual para aprender de él. Lo que tengo ahora es esa misma reconstrucción plausible, disponible las veinticuatro horas, sobre cualquier tema, con paciencia infinita y sin necesidad de invitar a nadie a comer.
El peaje que acabamos de dejar de pagar
Y aquí es donde quiero llegar a lo que llevo semanas dándole vueltas.
Durante toda la historia, para crear algo había que atravesar el hacer. No era opcional. Era un peaje.
¿Querías publicar un disco? Antes tenías que aprender un instrumento, aprender a grabar, conseguir un estudio, aprender a mezclar. ¿Querías tener una web? Antes tenías que aprender HTML, luego CSS, luego JavaScript, luego un framework, luego a desplegar. ¿Querías escribir un libro? Bueno, ahí el peaje era menor, pero seguía existiendo el de publicarlo. ¿Querías hacer una película? Ni te cuento.
El resultado de ese peaje es que durante siglos hemos confundido dos cosas que no son la misma: hacer y crear. Hacer es ejecutar. Crear es decidir qué debe existir. Como el peaje era altísimo, quien conseguía pagarlo se identificaba con él. «Soy programador» significaba en realidad «he pagado el peaje de la sintaxis». «Soy diseñador» significaba «he pagado el peaje del software de maquetación». Nos definíamos por el peaje, no por el destino.
Aristóteles ya lo intuyó, aunque para justificar algo horrible. Lo conté en Aristóteles y la IA: en la Política escribe que si las lanzaderas tejieran solas y los plectros tocaran solos la cítara, no harían falta ni ayudantes ni esclavos. Él lo usaba para argumentar que, como eso era imposible, alguien tenía que hacer el trabajo servil. Lo que no imaginó es que llegaría el día en que las lanzaderas tejerían solas de verdad. Y que entonces la pregunta ya no sería quién teje, sino qué merece la pena tejer.
Cada capa de abstracción fue el mismo movimiento
Esto no es nuevo, y por eso creo que se entiende mal. Llevamos setenta años haciendo exactamente lo mismo, solo que a cámara lenta.
Cuando John Backus presentó FORTRAN en 1957, hubo programadores que lo consideraron una degradación del oficio. Escribir en ensamblador era ser programador de verdad; lo otro era hacer trampas. Backus, sin embargo, tenía clarísimo cuál era el objetivo: acercar la programación al pensamiento humano en lugar de obligar al humano a bajar hasta la máquina. De eso hablé en Del Álgebra al «Vibe», porque el paralelismo con lo que está pasando ahora es casi vergonzoso de lo literal que resulta.
Y luego vinieron los compiladores optimizadores, la orientación a objetos, los frameworks, los repositorios abiertos, los entornos que te corregían mientras escribías. Cada capa levantó las mismas quejas y produjo el mismo efecto: nadie trabajó menos horas. Lo que ocurrió es que los proyectos se volvieron más ambiciosos. El tiempo liberado no se convirtió en ocio, se convirtió en alcance.
La diferencia de ahora es de naturaleza, no de grado. Las capas anteriores te liberaban de cómo escribías. Esta te libera de qué tienes que saber hacer para construir. Y esa es una frontera distinta, porque cuando el hacer deja de ser un peaje, deja también de ser una identidad.
Lo que queda cuando la ejecución es barata
Cuando la ejecución era cara, escaseaba la capacidad. Ahora que la ejecución se abarata a toda velocidad —y en Cuando la inteligencia cueste menos que un café desarrollé por qué creo que 2026 es el año en que esto se nota de verdad—, lo escaso pasa a ser otra cosa.
Lo escaso es saber qué construir. Lo escaso es el criterio para distinguir una idea buena de una idea que solo suena bien. Lo escaso es el gusto. Lo escaso es tener algo que decir.
Hay un estudio de Harvard que comenté en su momento y que sigue pareciéndome de lo más importante que se ha publicado sobre esto: la IA multiplica la creatividad sobre todo en personas con fuerte metacognición, es decir, en quienes saben planificar, vigilar y corregir su propio pensamiento. Lo conté en Por qué la IA hace más creativos a unos y a otros no. La herramienta no reparte igual. Amplifica lo que ya traías.
Y sí, existe el riesgo de confundir crear con encargar. Que ya no tengas que ejecutar no significa que estés creando; significa que puedes crear si te molestas en decidir. Quien delega el hacer sin haber decidido nada acaba haciendo lo que la máquina propone por defecto, que es la definición exacta de un truco de salón: impresiona, pero no es tuyo.
Crear en vez de hacer
Vuelvo al principio, a mí leyendo el razonamiento en la pantalla en lugar de leer el código.
Lo que me impresiona ya no es que resuelva. Me impresiona el espectro. Ese mismo panel de razonamiento aparece cuando le pides que analice un contrato, que estructure un plan de estudios, que revise una hipótesis científica, que componga una escena. Nosotros construíamos un sistema experto por dominio, uno cada vez, y cada uno costaba años y no servía para nada fuera de su parcela. Todas las tecnologías anteriores fueron verticales: el telar servía para tejer, la hoja de cálculo para calcular. Esta es la primera que es horizontal de verdad. Sirve para el espectro completo de tareas cognitivas humanas.
Y una herramienta que sirve para casi todo lo que hacemos solo puede significar una cosa: que nuestro valor ya no está en hacer.
En Human-IA repetimos mucho lo de expandir el potencial humano, y con razón se nos pregunta a veces qué significa exactamente. Significa esto. No significa hacer lo mismo más deprisa. Eso es optimizar, y optimizar está bien, pero es aburrido y no cambia nada de fondo. Expandir es hacer cosas que antes eran literalmente imposibles para ti. La persona que nunca aprendió a programar y ahora construye la herramienta que su asociación de vecinos necesitaba. El profesor que monta el material interactivo que llevaba quince años imaginando. El que tiene una idea rara, muy suya, sin mercado evidente, y ahora puede materializarla sin pedirle permiso a nadie. De eso escribí en La única autorización que necesitas es la tuya, y cada mes que pasa lo creo con más fuerza.
El peaje ha caído. Cuarenta años de oficio me han enseñado que cuando cae un peaje, la gente se divide en dos: los que echan de menos la caseta y los que se ponen a conducir.
Yo empecé intentando sacarle las reglas de la cabeza a un experto que no sabía explicármelas. Ahora las reglas se explican solas en un panel lateral, y lo único que sigue siendo mío es decidir hacia dónde vamos.
La máquina ya sabe hacer. Tú decides qué es lo que merece hacerse.