En una tecnología que cambia a esta velocidad, la ventaja la tendrá quien imponga criterio para saber cuándo avanzar, dónde y por qué.
Hay días en que parece imposible tener una conversación razonable sobre inteligencia artificial. Un día leemos que los modelos avanzan a una velocidad extraordinaria, al siguiente que representan riesgos para toda la sociedad, y después aparece alguien diciendo que las empresas que todavía no incorporaron agentes de IA ya están atrasadas.
Mientras tanto, en muchas empresas hay procesos que dependen de una planilla de Excel, de un correo que solo sabe contestar una persona o de alguien que “se acuerda cómo se hace”.
Creo que ahí está buena parte del problema. Tenemos que tomar decisiones sobre una tecnología que cambia muy rápido, con información que mezcla capacidades actuales, proyecciones, opiniones y titulares como si fueran lo mismo. Para un directorio, esa mezcla puede ser peligrosa. No digo que haya que desconfiar de todo lo que se publica; hay muchísimo material valioso. Lo que hay que aprender es a leerlo.
El titular no siempre cuenta la historia
La cobertura sobre IA se mueve entre dos extremos. De un lado, relatos de máquinas que piensan por sí solas, empleos que desaparecen y una transformación económica que parece estar a la vuelta de la esquina. Del otro, advertencias sobre los riesgos de los modelos más avanzados y pedidos de más controles antes de seguir desarrollándolos.
¿Cómo evaluamos todo eso? Poniéndole contexto, que muchas veces cambia por completo la interpretación. Y se vuelve más importante porque lo que le llega a un ejecutivo ya pasó por varios filtros: alguien investigó, alguien escribió sobre eso, alguien eligió el titular y nosotros leemos unas pocas líneas en LinkedIn o en el teléfono. Probablemente ya no estemos leyendo la noticia original, sino una interpretación de una interpretación.
Tres ejemplos recientes
El llamado de Naciones Unidas
En septiembre de 2026, el Alto Comisionado de la ONU para los Derechos Humanos, Volker Türk, hizo un llamado urgente frente a los riesgos de la IA avanzada. Pidió garantías sólidas de seguridad, líneas rojas acordadas, verificación independiente y más cooperación internacional, y habló de riesgos potencialmente muy graves.
Eso no equivale a decir que Naciones Unidas propusiera detener el desarrollo de la IA. Fue un llamado a fortalecer las salvaguardas y la gobernanza, no una regulación vinculante que ordenara a las empresas frenar sus proyectos.
Puede parecer un matiz menor, pero para un directorio lleva a decisiones muy distintas: una cosa es concluir que tenemos que revisar nuestros controles y nuestra gobernanza de IA, y otra pensar que hay una amenaza inminente que obliga a parar todo. La noticia es la misma, pero la decisión empresarial no.
Dario Amodei y el “pacing”
Con Dario Amodei, CEO de Anthropic, pasó algo parecido. En septiembre publicó We Must Pace the Frontier, un ensayo donde plantea que deberíamos reducir el ritmo de avance de las capacidades de los modelos de frontera, para que la seguridad, la alineación y la evaluación puedan mantenerse a la par.
La palabra clave es pace. Amodei no propone detener el entrenamiento ni el progreso técnico; propone evaluación externa, investigación en seguridad y más coordinación entre empresas y gobiernos. Resumirlo como “hay que parar la IA” deja afuera justamente lo más interesante: si las capacidades avanzan más rápido que nuestra capacidad de evaluarlas y hacerlas seguras, ¿qué hacemos con esa diferencia? Esa pregunta no pide una respuesta apocalíptica, pide una respuesta seria.
Bill Gates y una transición laboral difícil
En agosto de 2026, Bill Gates publicó The Turbulent AI Era Is Here. The Choices We Make Now Are Critical. Dedica buena parte del texto a temas bien concretos: empleo, desigualdad, pérdida de medios de vida, la preparación de gobiernos e instituciones y cómo se distribuyen los beneficios de la IA.
Su preocupación no es solo qué van a poder hacer las máquinas, sino qué les pasa a las personas mientras las organizaciones incorporan esas capacidades. Y me parece una diferencia importante, porque en las empresas solemos irnos directo al futuro: qué trabajos van a desaparecer, qué van a hacer los agentes, qué pasará cuando los modelos sean mucho más capaces. Casi nunca nos preguntamos qué está cambiando ya en la forma en que trabajamos.
Dos conversaciones que no deberíamos mezclar
Una de las cosas que más confunde es mezclar lo que los sistemas pueden hacer hoy con lo que esperamos que puedan hacer mañana.
Los modelos actuales ya procesan lenguaje, generan y analizan código, trabajan con grandes volúmenes de información y ejecutan acciones cuando están conectados a herramientas y tienen los permisos necesarios. Los sistemas agentivos ya operan con distintos grados de autonomía. Todo eso está pasando hoy.
Las proyecciones sobre sistemas mucho más capaces, con más autonomía y mejor razonamiento y planificación, son otra cosa: pertenecen, en distinta medida, al terreno de lo que se espera. No hay que ignorarlas, pero sí llamarlas por su nombre. Una capacidad disponible hoy no es lo mismo que una experimental, una predicción no es un hecho, y una hipótesis no debería llegar a una reunión de directorio disfrazada de certeza.
También conviene cuidar otro detalle. Decir que la IA actual “no tiene autonomía” es ambiguo. Algunos sistemas pueden usar herramientas, ejecutar acciones y completar tareas sin intervención humana en cada paso, aunque todavía necesitan que nosotros les demos esas herramientas y esos permisos. ¿Eso significa que tienen voluntad? No. Significa algo mucho más concreto: algunos sistemas ya pueden hacer cosas por sí mismos dentro de los límites que les damos.
Por eso, para una empresa, la pregunta útil es cuánto puede hacer, con qué herramientas, con qué permisos y bajo qué supervisión.
Lo que yo preguntaría antes de decidir
Cuando una noticia sobre IA genera urgencia dentro de una empresa, hay algunas preguntas que ayudan a bajar la temperatura y mejorar la conversación.
Primero, ¿quién está haciendo la afirmación? No es lo mismo un investigador, un regulador, una empresa que desarrolla modelos o alguien que vende una solución de IA.
Segundo, ¿hablamos de algo que ya existe o de algo que se espera que pase? Parece básica, pero muchas discusiones se enredan justamente porque nadie la hace.
Tercero, ¿qué significa exactamente “frenar” o “acelerar”? Puede ser reducir el ritmo de desarrollo de los modelos, regular ciertos usos, aumentar las pruebas de seguridad o no implementar todavía una tecnología puntual. Son decisiones diferentes.
Y por último, ¿de qué riesgo estamos hablando? Puede ser ciberseguridad, privacidad, sesgo, empleo, gobernanza o un comportamiento inesperado del sistema. Las categorías se superponen, pero no son intercambiables: una filtración de datos no se gestiona igual que una decisión automatizada mal diseñada.
Mientras discutimos el futuro, la empresa sigue funcionando hoy
Esta es la parte que más me interesa como consultora. Mientras el debate público se concentra en si algún día habrá sistemas mucho más autónomos o en cuáles serán los límites de la IA de frontera, muchas empresas tienen problemas bastante más cercanos: procesos manuales que nadie revisó, información repartida entre sistemas, tareas repetitivas que siguen en manos de personas porque nunca se documentó el proceso, equipos que usan herramientas de IA sin una política clara, datos sensibles que entran a plataformas sin que nadie haya definido qué está permitido, y decisiones que dependen de que alguien recuerde cómo se hacía algo hace cinco años.
Ese también es el mundo de la inteligencia artificial, y para muchas organizaciones debería ser el tema de la primera conversación. No porque los escenarios futuros no importen, sí importan, pero una empresa no puede armar su estrategia solo alrededor de lo que podría pasar dentro de cinco años. Tiene que decidir qué hacer con lo que ya está pasando dentro de sus propios procesos.
El criterio es una ventaja competitiva
No creo que la respuesta al alboroto en torno a la IA sea leer menos, al contrario, leamos MÁS pero también leamos MEJOR: ir a la fuente original, distinguir una capacidad actual de una proyección, entender quién hace una afirmación y desde qué contexto, y preguntarse qué significa eso para nuestra propia organización. El mismo avance tecnológico puede ser una oportunidad para una empresa y un riesgo para otra, y una noticia muy importante para el mundo puede no serlo para nuestro negocio.
Por eso, antes de acelerar o frenar una hoja de ruta de IA, vale la pena hacer algo que parece simple pero cada vez cuesta más: volver a la fuente, leer lo que realmente se dijo, entender qué sabemos, reconocer qué todavía no sabemos y no dejar que el titular tome una decisión que le corresponde al directorio.
Este contenido lleva el sello ejecutivo de Raquel Rojas B. - Fundadora de Neuracor, y está personalmente avalado por su rigor. Es una estrategia accionable, proveniente de la fuente original de la metodología y respaldada por la ejecución responsable de la IA.