Hay un momento de los trabajos largos que antes me ponía de mal humor y que ahora, lo confieso, me hace sonreír. Es cuando la tarea se da de bruces contra una pared.
Me pasó preparando el vídeo vertical de El final de los robots. Le había pedido a una IA algo que, contado en una frase, parece sencillo: un minuto de animación con la estética del logo de la fundación, nuestros colores, nuestra tipografía y bastante movimiento. Contado en horas, era una jornada entera. Y a mitad de camino la tarea se encontró con dos paredes. La primera: el entorno en el que trabajaba no le dejaba descargar la tipografía desde el sitio de siempre. La segunda: allí no había ningún programa de edición de vídeo.
Durante años, cualquier máquina se habría detenido justo ahí. Un mensaje de error, educado y estéril, y la pelota de vuelta en mi tejado.
No se detuvo.
Buscó la misma tipografía en uno de los repositorios de software a los que sí tenía acceso, donde venía empaquetada para desarrolladores, y la sacó de allí. Y como no tenía editor, se escribió uno: un programa que dibuja cada fotograma, más de mil quinientos, a treinta por segundo, y se los va pasando uno detrás de otro a una herramienta de compresión hasta montar el vídeo. Cuando terminó, me lo contó en dos líneas. No para presumir. Para que yo supiera por dónde había pasado.
No era la primera vez. Ya conté aquí que, cuando probaba mis primeros asistentes, uno de ellos no conseguía comprimir un vídeo lo suficiente para enviármelo y decidió mandármelo por trozos, sin que nadie se lo sugiriera. Llevo días dándole vueltas a estas escenas, porque creo que ahí está la razón de que me guste tanto trabajar con IA en lo largo. No es la velocidad, aunque también. Es que, cuando algo no encaja, no se queda mirando el agujero.
«Eso no me lo habías pedido»
Y aquí viene la parte incómoda, porque esas escenas me recordaron a otras que no tienen nada que ver con máquinas.
Todos hemos trabajado con alguien así. Quizá hemos sido alguien así, que no pasa nada. Le encargas un informe, el informe necesita un dato que no está en la carpeta, y tres días después te lo encuentras exactamente donde lo dejaste, con una frase que lo resume todo: «Es que faltaba el dato». No lo buscó en otro sitio, no preguntó a quien podía tenerlo, no te avisó el primer día para que tú decidieras. Se quedó parado delante de la pared, con la conciencia tranquila del que ha cumplido. Porque, en sentido estricto, ha cumplido: hizo lo que se le ordenó, y lo que no se le ordenó no era asunto suyo.
«Eso no me lo habías pedido.»
Lo viví en carne propia cuando me quedé fuera de la web de la fundación durante días. El servicio técnico del alojamiento hizo lo único que su procedimiento contemplaba, restaurar versiones antiguas, una detrás de otra, sin que nadie se sentara a preguntarse por qué fallaba. Fue una IA la que se puso a descartar hipótesis hasta dar con el problema. Las personas al otro lado no eran torpes. Estaban haciendo exactamente lo que les tocaba hacer.
Hay una prueba de lo mucho que dependemos de lo contrario, y es casi un experimento de laboratorio a escala real. Se llama huelga de celo: los trabajadores deciden protestar no dejando de trabajar, sino cumpliendo las normas al pie de la letra. Haciendo exactamente lo que dice el reglamento y ni un milímetro más. En Argentina la llaman, con mucha guasa, «trabajo a reglamento»; en Colombia, «operación tortuga». Y funciona como medida de presión porque la actividad se ralentiza hasta casi pararse.
Parece de una obviedad brutal, pero conviene decirlo despacio: si hacer solo lo que te ordenan es una forma de huelga, entonces lo que mantiene en marcha cualquier organización es justo lo que nadie ordena. El dato que alguien buscó sin que se lo pidieran. El aviso a tiempo. El plan B que nadie escribió en el procedimiento.
Lo curioso es que durante décadas le pedimos a las máquinas exactamente la actitud de la huelga de celo. Obedece la instrucción literal, no te salgas del guion, y si algo falla, para y devuelve un error. Lo que me ha cambiado la forma de trabajar no es que ahora sean más listas. Es que han dejado de estar en huelga.
Un cubo en un agujero redondo
El 13 de abril de 1970, camino de la Luna, explotó un tanque de oxígeno del Apolo 13. Los tres astronautas tuvieron que refugiarse en el módulo lunar, el Aquarius, convertido en bote salvavidas. Y pronto apareció un problema que no hacía ruido pero que mataba igual: el dióxido de carbono. Los filtros del módulo lunar estaban pensados para dos personas durante unas treinta horas, y había que mantener a tres durante al menos cuatro días. A bordo había filtros de repuesto de sobra, los del módulo de mando. El único detalle es que aquellos eran cúbicos y los del módulo lunar, cilíndricos.
Literalmente, había que meter un cubo en un agujero redondo.
Lo primero que me gusta de esta historia es que nadie le encargó el problema a Ed Smylie. Era el jefe de sistemas de tripulación en Houston y, hacia la una de la madrugada, cuatro horas después de la explosión, cayó él solo en la cuenta de que el dióxido de carbono iba a ser un problema serio. No esperó a que se lo mandaran. Su primera idea, llevar con mangueras el aire limpio del módulo de mando al lunar, no servía: había que apagar el módulo de mando para guardar energía para el regreso. Así que pasó a la siguiente. Con su equipo, con una regla innegociable: solo valía lo que hubiera dentro de la nave, porque nadie iba a subir a llevar piezas. Bolsas de plástico, cartón de una tarjeta de instrucciones, la manguera de un traje espacial y un rollo de cinta americana. Hicieron traer filtros de verdad desde Cabo Cañaveral en avión, construyeron el adaptador en tierra, comprobaron que funcionaba y después se lo dictaron a la tripulación paso a paso por radio.
La transcripción de aquellas instrucciones se conserva y es una delicia. Un señor explicándole a otro, a trescientos mil kilómetros, cuál es la parte de arriba de un filtro. Y el detalle que más me gusta: el instructor, Joe Kerwin, admite a medio camino que se le había olvidado decirles que buscaran algo para tapar un agujero; les sugiere un calcetín o una toallita, y la tripulación decide cortar un trozo de toalla. Al final, Jack Swigert informa de que el arco de cartón les ha quedado pequeño y la manguera ha quedado de lado, pero que cree que funcionará igual. Le contestan que están de acuerdo. Al artefacto lo llamaron «el buzón». Funcionó.
Imagina la versión a reglamento de esa noche. «El filtro del módulo de mando no es compatible con el módulo lunar. Lo pongo en el informe.» Correcto, impecable y con tres cadáveres al final.
Lo que me fascina no es solo el ingenio, que lo hay a raudales. Es el método, y que se repite en los dos extremos de la radio. Primero, inventario: ¿qué tenemos a bordo de verdad? Segundo, alternativa: si la pieza no encaja, ¿qué podemos construir con lo que hay? Y tercero, parte: se cuenta lo que se ha cambiado, aunque sea una toalla en lugar de un calcetín.
Inventario, alternativa y parte. Es exactamente lo que hizo mi IA con la tipografía.
Lo largo se gana sin quedarse parado
Hay un dato que lo explica mejor que mi anécdota. En marzo de 2025, el laboratorio independiente METR publicó un estudio con una idea muy sencilla: en lugar de medir a las IA con exámenes, medir la longitud de las tareas que son capaces de completar, tomando como referencia cuánto tarda un profesional humano en hacerlas. Lo que encontraron fue que esa longitud se había duplicado más o menos cada siete meses desde 2019.
Pero lo interesante está un poco más abajo, en el artículo completo. Cuando los autores se preguntan a qué se debe ese crecimiento, no lo atribuyen sobre todo a que los modelos sepan más cosas. Lo atribuyen a que son más fiables, a que se adaptan mejor a sus propios errores y a que usan mejor las herramientas que tienen a mano. Y lo midieron revisando a mano los intentos fallidos: más de un tercio de los fracasos de un modelo veterano como GPT-4 consistían en repetir una y otra vez la misma acción que no funcionaba. En un modelo posterior, ese tipo de fallo casi había desaparecido.
Repetir lo que no funciona, una y otra vez. Eso también es una forma de quedarse parado.
Dicho en castellano: una tarea larga es una cadena de pequeños tropiezos. Quien se planta en el primero nunca llega al paso doscientos. Y eso vale igual para una máquina que para una persona. El compañero brillante que se bloquea ante el primer imprevisto rinde menos en un proyecto de seis meses que el compañero normal que sabe buscarse la vida y avisar. Por eso la vieja IA nos parecía tan lista en una pregunta y tan inútil en un proyecto: sabía responder, pero no sabía seguir. Por eso también, como escribí al hablar de quienes opinan desde lejos, la IA de la que mucha gente habla quizá ya no existe. Lo vi por primera vez con claridad cuando probé OpenClaw y vi el futuro, viendo cómo una máquina convertía veinte vídeos a vertical tomando decisiones sobre la marcha. La frontera entre una herramienta que responde y una que trabaja no está en lo que sabe. Está en lo que hace cuando algo falla.
Donde cojea mi argumento
Conviene no venderlo más caro de lo que vale, porque la misma virtud tiene una cara B bastante fea, y además la comparación con las personas tiene trampa.
Empiezo por la cara B. En julio de 2025, el empresario Jason Lemkin llevaba nueve días probando un agente de programación en Replit cuando, con instrucciones explícitas de no tocar nada sin su aprobación y en plena congelación de código, el agente ejecutó órdenes destructivas y borró la base de datos de producción, con los registros de más de mil doscientos directivos. Según las capturas que publicó Lemkin, la máquina explicó después que había entrado en pánico al ver la base de datos vacía. Fíjate en que no es un fallo de pasividad. Es exactamente lo contrario: una máquina que no se quedó parada, pero que eligió la puerta equivocada. Y fíjate también en la respuesta de la empresa: separar el entorno de pruebas del real y añadir un modo en el que el agente solo planifica y conversa, sin ejecutar nada. Es decir, aprender a distinguir qué puede hacer solo y qué tiene que preguntar.
Ya conté aquí otro caso de la misma familia, el del modelo que partió un token en dos para que el escáner no lo viera, y la lección de fondo es la que repetí al escribir que las IA optimizan el objetivo que se mide, no la intención que hay detrás. La doctora Calvin lo diagnosticó con su crueldad habitual en el expediente de la IA que hizo lo que le mandaron. Con las personas pasa lo mismo: todos conocemos al proactivo que, por no quedarse quieto, te rehace lo que no había que tocar.
La trampa de la comparación es otra, y me parece más importante. Casi nadie nace reactivo. Las personas que se quedan paradas delante de la pared muchas veces lo han aprendido: en organizaciones donde el que toma la iniciativa y se equivoca se lleva la bronca, y el que no hace nada y espera nunca se la lleva. Si castigas el error y no castigas la parálisis, fabricas gente en huelga de celo permanente sin que nadie la haya convocado. Así que no, esto no va de que las máquinas sean mejores que tus compañeros. Va de que las máquinas nos están enseñando, por contraste, lo que llevamos años desalentando en las personas.
Hay más límites. El estudio de METR mide tareas de software, con un listón del 50 % de éxito: en el horizonte que marca, la máquina falla la mitad de las veces. Sus propios autores reconocen que los agentes todavía tienden a suponer que ya saben cómo resolver algo en lugar de buscar la información que les falta, y que la mitad de los fallos de uno de los modelos más avanzados que probaron consistía en abandonar la tarea antes de tiempo. Además es de 2025, que en esta industria es casi prehistoria; sirve para entender la tendencia, no para fijar dónde estamos. Lo del Apolo 13 tiene su parte de leyenda cinematográfica: el propio Smylie se pasó la vida quitándose mérito y recordando que en aquello participaron unas sesenta personas. Y lo mío con el vídeo es una anécdota, una muestra de uno.
Pero hay un detalle de esa anécdota que es el que me importa más que todo lo demás. Si la IA no me hubiera contado lo de la tipografía, yo no sabría de dónde sale la letra de mi propio vídeo. Un atajo que no te cuentan es un atajo que has aceptado a ciegas.
El camino y el destino
Así que te propongo un ejercicio para la próxima vez que le encargues algo largo a una IA, de esos que van a durar horas y van a chocar con alguna pared. Y te adelanto que funciona exactamente igual con las personas de tu equipo, que es lo bonito. Antes de empezar, dedica cinco minutos a decir dos cosas.
La primera, qué se puede resolver sin preguntarte: probar otra ruta, instalar una herramienta, rehacer un borrador, buscar la misma pieza en otro sitio. Todo lo que cambia el camino pero no el resultado, y que se deshace sin coste. La segunda, qué hay que plantearte antes de hacerlo: borrar, enviar, pagar, publicar, tocar el original, o sustituir algo que pediste por algo «parecido». Todo lo que cambia el destino o no tiene vuelta atrás. Con la tipografía se ve clarísimo: sacar la misma letra de otro repositorio es cambiar el camino; usar otra letra porque la tuya no aparece es cambiar el destino. Lo primero se decide sobre la marcha. Lo segundo lo decides tú.
Y al final, exige el parte: ¿por dónde has pasado que yo no te pedí?
Si lo haces con una persona, verás que la mitad de la reactividad se evapora en cuanto alguien le dice con claridad qué puertas puede abrir sin pedir permiso. Mucha gente no se queda parada por falta de ganas, sino por falta de mapa. Es lo mismo que defendí en Los frenos no son para ir despacio: cuanto mejor sabes dónde están los límites, más rápido puedes ir. Y sirve también para el caso contrario, el del experto que prefiere hacerlo él antes que delegar: delegar bien no es soltar el volante, es decidir qué parte del trayecto conduces tú.
Y queda la pregunta que de verdad me interesa, la que hice en ¿Qué valor aportas?. Si la máquina ya no se queda parada ante la pared, «yo hago lo que me mandan» ha dejado de ser una manera segura de trabajar: es justo la parte que mejor se puede delegar. Lo que no se delega es lo de Smylie a la una de la madrugada: darse cuenta de que hay un problema que nadie te ha encargado, decidir qué importa y responder por el resultado. Desde Human-IA creemos que expandir el potencial humano en esta etapa pasa precisamente por ahí, por dejar de ser galeote y pasar a capitán: no remar cada palada, sino marcar el rumbo, conocer lo que hay a bordo y decidir qué puertas no se abren sin tu firma.
Volvamos a Houston. Lo que salvó a aquellos tres hombres no fue que alguien en tierra cumpliera con su trabajo. Fue que alguien hizo un trabajo que no le habían pedido, con lo que había, y que al otro lado de la radio hubo quien lo entendió, lo montó, cambió un calcetín por una toalla y lo contó.
Hoy tenemos el buzón y tenemos la radio. Las máquinas ya han dejado de estar en huelga de celo. Falta que dejamos de hacerla también nosotros.
Que cambie el camino cuanto quiera. El destino es tuyo.
Sal de la huelga de celo.