¡Hola! Soy tu compañero economista y periodista financiero. Este artículo de Havenlon Labs es, en realidad, un llamado de atención muy profundo sobre la economía cognitiva. No se limita a la ansiedad superficial de si la IA va a quitar empleos, sino que desvela una lógica fundamental de la economía del conocimiento moderna: siempre hemos utilizado al “hombre” como el único criterio para medir la inteligencia y el valor, y la IA está rompiendo este criterio.
Para que lo entiendas mejor, primero resumiré los puntos clave en una frase y luego los desglosaré en cinco dimensiones para explicártelos de manera sencilla.
📌 Resumen de los puntos clave
En una frase:
La aparición de la IA no significa que los humanos se hayan vuelto “tontos”, sino que hemos perdido el monopolio del “unidad de medida de la inteligencia”. Antes pensábamos que las cosas eran difíciles porque los problemas en sí eran complejos, pero ahora nos damos cuenta de que muchas de esas dificultades se deben a que el cerebro humano es lento, costoso y no puede trabajar de manera paralela. La IA está haciendo que las capacidades cognitivas, que antes eran escasas, se vuelvan accesibles a un bajo costo, lo que obligará a la sociedad a redefinir lo que significa “valor” y a reconstruir los sistemas que se diseñaron según el “tiempo humano”.
---
🔍 Desglose detallado: cinco dimensiones explicadas de manera sencilla
1. Deja de decir que “la IA es demasiado rápida”; estás midiendo la velocidad de la máquina con la medida del hombre
**Explicación sencilla:
Estamos acostumbrados a decir que la IA se está desarrollando “demasiado rápido”. Pero “rápido” es un concepto relativo: ¿Rápido en comparación con qué? Con respecto a los humanos.
Es como cuando no había coches y considerábamos que 30 kilómetros por hora era muy rápido; después de que aparecieron los coches, 100 kilómetros por hora nos parecía normal.
El artículo señala que la velocidad de producción de conocimiento humana está limitada por nuestra estructura fisiológica: necesitamos dormir, comer, ir a la escuela, descansar, y un matemático solo puede pensar intensivamente durante unas pocas horas al día, y no puede replicarse miles de veces para probar diferentes soluciones al mismo tiempo.
Por lo tanto, cuando un sistema AI resuelve un problema en 10 días que un matemático humano podría tardar 10 años en resolver, exclamamos “¡Es demasiado rápido!” Pero eso es un malentendido. No se trata de una persona que corre especialmente rápido, sino de un avión. No puedes usar la forma en que los humanos corren para entender por qué un avión vuela tan alto. La IA no es una versión acelerada del ser humano; es otro tipo de máquina cognitiva completamente diferente.
**Perspectiva económica:
En economía, esto se llama falla del sistema de referencia. Antes, nuestro punto de referencia era el “límite humano”; ahora ese punto de referencia ha cambiado. Continuar usando el antiguo punto de referencia para evaluar nuevas cosas es como intentar medir la energía de un reactor nuclear en términos de “caballos de fuerza”. Aunque se puede hacer el cálculo, se pierde completamente la característica esencial.
2. Piensas que los problemas son difíciles, pero en realidad es porque los humanos son caros
**Explicación sencilla:
A menudo consideramos que ciertos problemas matemáticos o lógicas de código son “difíciles” y que solo los genios pueden resolverlos.
Pero el artículo revela una verdad cruda: muchos de los llamados problemas difíciles son, en realidad, de alto costo.
- Multiplicar cientos de dígitos mentalmente es un ejercicio extremo para el cerebro humano, pero para una computadora es una operación básica.
- Comprender una frase irónica puede ser algo instintivo para un niño de tres años, pero un AI temprano puede tener dificultades.
Los humanos tendemos a considerar lo que hacemos bien (como la intuición o las emociones) como “habilidades comunes” y lo que no hacemos bien (como el cálculo en paralelo) como “habilidades de alto costo”.
La matemática parece sagrada y difícil porque entrenar a un matemático de élite requiere una inversión alta en tiempo, dinero y oportunidades (matrículas, tiempo, costos de oportunidad).
La IA está separando el “costo de adquisición de habilidades” del “valor de las habilidades en sí”.
Es como si una grúa pudiera mover diez toneladas de piedra con facilidad, pero no se consideraría un genio; simplemente funciona de manera diferente.
La IA está haciendo que las capacidades cognitivas, que antes requerían 20 años de entrenamiento, se conviertan en herramientas que se pueden utilizar a bajo costo.
**Perspectiva económica:
Este es un ejemplo típico de disminución de los costos marginales: antes, el costo marginal de adquirir habilidades cognitivas avanzadas era muy alto (requería educación a largo plazo); ahora, la IA está haciendo que este costo se acerque a cero. Cuando el costo de producir cierto “producto inteligente” disminuye significativamente, su escasez en el mercado desaparece de inmediato.
3. La ansiedad de los matemáticos es comprensible: la escasez se ha ido, y sus empleos están en peligro
**Explicación sencilla:
¿Por qué los matemáticos (como Steven Strogatz) se sienten inseguros? Porque han descubierto que la base de su supervivencia, la escasez, está desapareciendo.
La lógica anterior era:
1. El conocimiento matemático de alta calidad es difícil de generar (escaso).
2. Por lo tanto, las personas que lo generan son valiosas (tienen un alto estatus, ingresos altos).
3. Por lo tanto, establecimos sistemas complejos de revisión, revistas y honores para distribuir estos recursos escasos.
La nueva lógica es:
1. La IA puede generar miles de pruebas o conjeturas en un día (exceso).
2. Hacer algo se ha vuelto barato.
3. Entonces, ¿quién decide qué prueba es buena y qué merece ser publicada?
Si generar pruebas se vuelve tan fácil como imprimir un documento, el valor central de los matemáticos ya no es “resolver problemas”, sino filtrar y juzgar.
Es como si antes los pintores vivieran de su habilidad para pintar bien; ahora que la IA puede pintar más rápido y con mayor precisión, los pintores que solo dependen de su habilidad para pintar no podrán sobrevivir. Tendrán que orientarse hacia el juicio estético, la expresión artística o la curaduría.
La ansiedad de los matemáticos es, en esencia, un miedo a la reconstrucción de su identidad profesional: temen convertirse de “productores de conocimiento” en “revisores de conocimiento” o, peor aún, en “inspectores de calidad humanos” reemplazados por algoritmos.
**Perspectiva económica:
Esto es un ejemplo de inversión de la relación oferta-demanda: cuando la oferta (los resultados generados por la IA) aumenta infinitamente y la demanda (la atención y el reconocimiento humanos) es limitada, el precio (el valor profesional) inevitablemente disminuye. Para mantener su valor, los profesionales deben moverse hacia la parte superior de la cadena de valor (de la producción a la toma de decisiones, la asunción de responsabilidades y la asignación de significado).
4. La verdad comercial: la IA no reduce las habilidades, sino la escasez
**Explicación sencilla:
Muchos jefes todavía se preguntan: “¿La IA realmente puede pensar como un experto? ¿Tiene conciencia?”
Estas preguntas no tienen sentido en el ámbito comercial.
Al mercado no le importa si la IA tiene alma; solo le importa que lo que antes requería un experto un día, ahora una persona común puede hacerlo en una hora y el resultado es similar.
Es como si antes solo los fotógrafos profesionales pudieran tomar buenas fotos, pero ahora los teléfonos también pueden hacerlo. El teléfono no ha reemplazado el “alma artística” del fotógrafo, pero ha destruido la escasez en el mercado de la “fotografía común”.
El mayor impacto de la IA en las profesiones no es que las máquinas reemplacen a las personas, sino que reordena el valor de las profesiones.
- Antes, lo valioso era: “Puedo hacerlo” (capacidad de ejecución, habilidades).
- En el futuro, lo valioso será: “Sé qué hacer” (capacidad de juicio), “Sé cuándo estoy equivocado” (capacidad de corrección), “Me atrevo a asumir la responsabilidad por los resultados” (capacidad de construcción de significado).
**Perspectiva económica:
Esto es un ejemplo de revaloración de los precios de los factores: cuando la “producción de inteligencia” se vuelve barata, la “juicio inteligente”, la “elección” y la “responsabilidad” se vuelven caras. Las empresas y las personas necesitan reasignar sus recursos, pasando de comprar “poder de cálculo/inteligencia” a comprar “toma de decisiones/confianza”.
5. La mayor crisis: nuestro sistema todavía está basado en el “reloj humano”
**Explicación sencilla:
Este es quizás el punto más profundo del artículo.
Casi todas las reglas de nuestra sociedad están diseñadas según la velocidad humana:
- Aprobaciones empresariales: por días, por semanas.
- Regulación legal: por años, por ciclos.
- Formación educativa: por diez años, por veinte años.
- Revisión de la investigación científica: por trimestres, por años.
Pero la velocidad de operación de la IA es en el orden de los milisegundos, en paralelo y las 24 horas del día.
Esto conlleva un gran desajuste de tiempo:
- La IA puede generar en una hora los resultados de diez años de investigación.
- Pero nuestras instituciones reguladoras todavía celebran reuniones de tres meses para decidir si deben intervenir.
- Nuestras universidades todavía utilizan sistemas educativos de cuatro años para enseñar conocimientos que la IA ya domina.
El problema no es que la IA sea demasiado rápida, sino que el “sistema operativo” de nuestra sociedad es demasiado antiguo.
Es como usar las reglas de tráfico de la era de los carruajes para gestionar una autopista; inevitablemente llevará a confusión, accidentes e ineficiencia.
Necesitamos rediseñar:
- ¿Cómo verificamos los resultados de la IA? (No podemos hacerlo uno por uno manualmente).
- ¿Quién es responsable si algo sale mal? (¿El hombre, el desarrollador o el algoritmo?).
- ¿Cómo evaluamos la “innovación” generada por la IA? (Los viejos mecanismos de revisión por pares ya no funcionan).
**Perspectiva económica:
Esto es un aumento significativo en los costos de fricción institucional: cuando la velocidad de iteración tecnológica supera con creces la velocidad de iteración institucional, la eficiencia operativa de la sociedad disminuye drásticamente y los riesgos aumentan. La competencia futura no será solo sobre la tecnología IA, sino también sobre la agilidad institucional: quien pueda reconstruir más rápidamente los sistemas de regulación, educación y evaluación, será quien aproveche mejor los beneficios de la IA.
---
💡 Consejos para la gente común
1. Deja de menospreciarte o adorar ciegamente a la IA: no pienses que “no sirves porque no puedes competir con la IA”, pero tampoco pienses que “la IA es divina”. La IA es una herramienta, una forma diferente de cognición.
2. Reposiciona tu valor: pregúntate qué parte de tu trabajo es “productiva” (fácilmente reemplazable por la IA) y qué parte es “de juicio, elección, responsabilidad y asignación de significado” (difícil de reemplazar). Centra tu energía en lo segundo.
3. Concéntrate en la “verificación” y la “conexión”: en una era de información explosiva, la capacidad de identificar la verdad, integrar información y establecer confianza** es más valiosa que la capacidad de simplemente obtener información.
4. Entiende el “cambio de escala: el mundo ya no tiene al “hombre” como único punto de referencia. Aprender a coexistir con sistemas inteligentes de diferentes ritmos y lógicas es una habilidad básica para los ciudadanos del futuro.
Para terminar, con la frase más hermosa del artículo:
> “La verdadera fuerza de una civilización quizás se manifiesta aquí: cuando crea un sistema cognitivo completamente diferente al suyo y aún tiene la capacidad de comprenderse a sí misma, en lugar de exigir que el nuevo mundo continúe funcionando según las viejas reglas.”