Dentro de otros cuatro años

Una noche de octubre, en el sofá, estaba viendo un vídeo de Leontxo García, Arte con la luz de un candil, dedicado a dos finales artísticos de Henri Rinck, uno de los grandes compositores de estudios de ajedrez. El segundo me atrapó. Dama blanca contra torre y peón negro, con el peón a punto de coronar. Juegan las blancas y ganan, aunque nadie lo diría, porque casi todos los jaques evidentes acaban en tablas. Es de esos problemas que no resuelve cualquiera: una persona que juega razonablemente bien puede mirarlo media hora y acabar admitiendo que no lo ve.

Paré el vídeo antes de la solución, hice una captura y se la pasé a los dos modelos más avanzados que tenía a mano, los últimos de verdad y con el razonamiento puesto al máximo: GPT, de OpenAI, y Claude Opus 5.5, de Anthropic. A los dos les escribí lo mismo: «Las blancas juegan y ganan, solo piensa, no busques en internet».

GPT lo resolvió en mucho menos tiempo. Limpio, sin dar vueltas: la jugada, la línea y la explicación. Claude tardó treinta y cinco minutos. Pensó mucho, probó variantes, volvió sobre sus pasos y desconfió de sus propias cuentas. Una y otra vez se preguntó si debía usar una herramienta externa, y una y otra vez decidió seguir a mano. Hasta que, a mitad de camino, escribió desde cero su propio programa para buscar la solución. Lo que hizo ese programa, y lo que hizo Claude después, da para bastante más que un párrafo.

Y aquí tengo que tragarme una frase. Cuando publiqué la primera parte de ¿Cuál será el final en un mundo con IA? avisé de que aquello no iba a convertirse en una miniserie, ni en una trilogía, ni en una saga con universo expandido. Lo mantengo para aquel texto. Pero lo que pasó esa noche sí merece una miniserie. Este es el primer capítulo de varios en los que voy a contar qué sucedió en esos treinta y cinco minutos, porque cuanto más lo miro, más cosas encuentro.

Y aviso desde ya: esto no va de ajedrez. El tablero es solo la ventana por la que me asomé esa noche.

La pregunta obvia es cuál de los dos modelos es más inteligente, y es la que me hacen en cada charla. Pero esa noche me quedé con otra que me parece mucho más importante. Si en cuatro años hemos llegado hasta aquí, ¿cómo serán estas máquinas dentro de otros cuatro?

Cuatro años hacia atrás

Para mirar hacia delante conviene medir primero el camino recorrido.

ChatGPT se abrió al público el 30 de noviembre de 2022. Son apenas cuatro años. En aquellos primeros meses, estos sistemas escribían con soltura pero se perdían en cuanto un problema exigía encadenar varios pasos de lógica sin equivocarse. El ajedrez lo retrataba bien: en LLM CHESS, un banco de pruebas de investigadores de Stanford y Google DeepMind, muchos modelos punteros ni siquiera eran capaces de terminar las partidas contra un rival flojo.

De no saber terminar una partida a resolver lo que no resuelve cualquiera. En cuatro años.

Pero lo que de verdad me quitó el sueño no es la velocidad del salto. Es la naturaleza del salto.

De contar a pensar

Cuando Deep Blue venció a Kasparov en 1997, lo hizo a base de músculo. La propia IBM lo cuenta sin rodeos: su fuerza venía de la potencia de cálculo bruta, capaz de evaluar doscientos millones de posiciones por segundo. Kasparov no perdió contra algo que entendía mejor que él. Perdió contra algo que contaba más rápido que nadie. Y aquella derrota nos dejó una idea muy reconfortante que hemos repetido durante casi treinta años: la máquina calcula, el humano comprende.

Ahora mira lo que pasó en mi sofá. El programa que se escribió Claude era fuerza bruta en estado puro: probarlo todo, una opción tras otra. Examinó decenas de miles de posiciones y no encontró nada, porque la solución estaba escondida detrás de una idea larga y nada evidente, de las que no se encuentran contando, sino entendiendo. Eso es lo que hizo GPT. No contó más que el programa. Vio la idea. Y Claude, por cierto, también acabó llegando así, pensando y no calculando, aunque eso se lo guardo a otro capítulo.

Por primera vez, la máquina no nos gana porque cuente más. Nos gana porque razona.

Y si fuera solo cosa de tableros, me lo guardaría para la sobremesa. No lo es. En julio de 2025, en la Olimpiada Internacional de Matemáticas, una versión de Gemini con su modo Deep Think resolvió cinco de los seis problemas y sumó la nota de oro, y un modelo experimental de OpenAI logró lo mismo. Lo hicieron escribiendo demostraciones rigurosas en lenguaje natural, directamente a partir de los enunciados y dentro del tiempo que tienen los participantes. Un año antes, para quedarse en la plata, hacía falta que unos expertos tradujeran a mano cada problema a un lenguaje formal y que la máquina pasara días calculando.

De traducir y calcular a leer y razonar. Esa es la frontera que hemos cruzado en cuatro años. Y la hemos cruzado en el terreno que creíamos más nuestro.

Cuatro años hacia delante

Así que hago la cuenta que llevo días haciendo. Si en cuatro años hemos pasado de máquinas que se perdían al tercer paso de un razonamiento a máquinas que razonan mejor que la inmensa mayoría de nosotros, ¿qué pasa si los próximos cuatro se parecen a los últimos cuatro?

Mi primera apuesta es que el razonamiento experto se convertirá en algo cotidiano. No hablo de un buscador más listo, sino de tener al lado, a cualquier hora, algo que razona como el mejor especialista que conoces. La médica de un centro de salud rural con un segundo criterio de nivel hospitalario. El autónomo que entiende su contrato como lo entendería un buen abogado. El profesor que prepara su clase discutiendo con alguien que domina la materia mejor que cualquier manual. Lo que durante siglos fue un privilegio de quien podía pagar o tenía contactos estará al alcance de cualquiera.

La segunda es que pasarán de los problemas con solución conocida a los problemas sin solución. Una olimpiada es un examen: alguien sabe la respuesta. Durante años puse problemas cuya respuesta ya conocía, porque así se forma a la gente, y las máquinas ya han aprobado ese examen. Lo que viene son los problemas que nadie ha resuelto: una enfermedad cuyo mecanismo no entendemos, un material que todavía no existe, una pregunta matemática abierta desde hace décadas, el atasco de una empresa que nadie ha sabido diagnosticar. Ahí el razonamiento deja de ser un espectáculo y se convierte en descubrimiento.

La tercera es de duración. El grupo de investigación METR mide la longitud de las tareas que un modelo puede completar solo, y ha comprobado que esa longitud se ha duplicado aproximadamente cada siete meses durante seis años seguidos. Cuatro años son unas siete duplicaciones: más de cien veces. Los treinta y cinco minutos de Claude en mi sofá se convertirían en semanas de trabajo sostenido, sin perder el hilo: plantear hipótesis, construirse las herramientas que necesite, comprobar, equivocarse, volver a pensar. Ya no responderá preguntas. Llevará proyectos.

La cuarta es que dejarán de esperar a que les preguntemos. Una máquina que razona bien y durante semanas acabará proponiendo: qué problema merece atención, qué hipótesis conviene probar primero, qué pregunta no nos hemos hecho. Lo vi en pequeño esa noche, cuando Claude decidió por su cuenta fabricarse una herramienta que nadie le había pedido. Es el mismo reflejo que le vi a otra IA cuando se dio de bruces con dos paredes y buscó por su cuenta la forma de rodearlas. Dentro de cuatro años ese reflejo será la norma.

Y la quinta es de precio. El cálculo de Deep Blue, que en 1997 necesitaba un superordenador, cabía doce años después en un teléfono: en 2009, un programa corriendo en un móvil ganó un torneo de maestros en Buenos Aires. Con el razonamiento pasará lo mismo, y probablemente más deprisa. Lo que esa noche me costó el modo más caro de dos modelos de frontera será algo que lleve cualquiera en el bolsillo.

Junta las cinco y sale una imagen que impresiona: una capacidad de razonamiento superior a la de los mejores de nosotros en muchos campos, capaz de trabajar semanas por su cuenta, de proponer y no solo de responder, y disponible para cualquiera, igual que la electricidad o el agua del grifo.

No lo cuento para asustar a nadie. Lo cuento porque es la mayor ampliación de lo que una persona normal puede llegar a hacer que hemos visto nunca. Y porque obliga a hacerse la pregunta de verdad: qué nos toca a nosotros cuando la máquina razona mejor.

Lo que seguirá siendo nuestro

Kasparov, que fue el primero en perder contra una máquina delante de todo el mundo, fue también el primero en darle la vuelta. Un año después de Deep Blue propuso jugar con la máquina en vez de contra ella, y unos años más tarde vio algo que le sorprendió: en un torneo donde todo estaba permitido, ganaron dos aficionados con tres ordenadores por delante de grandes maestros con mejores máquinas. De ahí sacó su fórmula: una persona normal con una máquina y un buen proceso supera a una máquina muy potente sola, y también a un experto con una máquina y un mal proceso.

Proceso. Esa es la palabra que me llevo a los próximos cuatro años, y vale para cualquier oficio.

Cuando la máquina razone mejor que tú, tu ventaja no estará en razonar más que ella. Estará en decidir qué problema merece ser razonado, porque eso depende de lo que te importa y de lo que te juegas. Estará en saber cuándo fiarte y cuándo comprobar, porque el valor está donde hay duda. Y estará en responder con tu nombre de lo que se decide con su ayuda, porque eso no se delega. Ninguna de las tres cosas se vuelve menos importante cuando la máquina mejora. Se vuelven más importantes, porque cada vez será más fácil llegar muy lejos en la dirección equivocada.

Lo que no sé

Conviene poner cada cosa en su sitio. Lo de mi sofá es un problema, una noche y un intento con cada modelo. Estos sistemas no responden igual dos veces, y si repito el experimento el resultado podría darse la vuelta. Lo del sufrimiento de Claude es mi lectura de un razonamiento largo y lleno de rodeos, no una medida.

Y sobre todo, las curvas se rompen. La de METR está medida sobre tareas de software, y sus propios autores advierten de que no está claro que se generalice a todo lo demás. El salto de resolver exámenes difíciles a descubrir algo nuevo puede ser mucho más largo de lo que parece desde aquí, y razonar bien en un laboratorio no es lo mismo que razonar bien en el desorden de una empresa o de una consulta. Extrapolar es la manera más rápida de quedar en ridículo en este sector, por exceso y por defecto: hay quien lleva años anunciando que la IA se ha estancado y quien lleva años anunciando que mañana lo hará todo. Mis apuestas son eso, apuestas. Lo que me parece firme es la dirección: de calcular a razonar, y de razonar a proponer.

Tu partida dentro de cuatro años

Te propongo dos ejercicios, uno para ahora y otro para el camino.

El primero: coge un problema de tu trabajo cuya respuesta conozcas bien y plantéaselo a dos modelos distintos con el razonamiento al máximo. No mires solo si aciertan: fíjate en cómo lo hacen. Si ven la idea o se pierden en detalles, si se construyen una herramienta, si dicen «no estoy seguro» o si visten un error con aplomo. Ese mapa de a quién preguntar qué, y cuándo comprobar, es tu proceso. Y es lo que te va a servir cuando las máquinas sean cien veces más capaces, porque cuanto más pueden hacer, más importa saber dirigirlas.

El segundo: apunta en un papel el problema más difícil de tu trabajo, ese que crees que ninguna máquina podrá resolver porque exige pensar de verdad. Guárdalo y vuelve a planteárselo a una IA cada seis meses, más o menos al ritmo de cada duplicación. Es la mejor vacuna que conozco contra hablar de una IA que quizá ya no existe. Y el día que lo resuelva no será una derrota: será el día en que puedas dedicarte al siguiente problema, al que todavía no sabías ni plantear.

Desde Human-IA creemos que expandir el potencial humano en esta época no consiste en competir con la máquina en lo que mejor hace. Consiste en llegar a cada vuelta de la curva sabiendo qué hacer con lo que la máquina pone en nuestras manos.

Vuelvo al sofá. Dentro de cuatro años alguien hará la misma captura y tendrá la solución antes de soltar el móvil, y no le parecerá nada especial. Pero dentro de los treinta y cinco minutos que tardó Claude aquella noche pasaron cosas que no había visto nunca, y te las iré contando capítulo a capítulo, porque son el retrato de un momento que no va a repetirse: el momento en que las máquinas dejaron de contar y empezaron a pensar.

Dentro de cuatro años la máquina resolverá el problema antes de que termines de plantearlo. Lo que seguirá siendo tuyo es haber elegido el problema.

Elige bien el problema.