Por Canuto  

Un ensayo de Hemanth Asirvatham y Elliott Mokski, publicado en la plataforma Intelligence Age de OpenAI, sostiene que la IA puede reducir la escasez de ejecución, pero dejar a la humanidad ante una nueva pregunta: si las ideas abundan, ¿habrá instituciones e infraestructura para convertirlas en realidad?
***

  • Hemanth Asirvatham y Elliott Mokski argumentan que las instituciones, el financiamiento y las cadenas de suministro son complementos esenciales de la inteligencia.
  • El ensayo plantea que, si la IA automatiza tareas de ejecución, el gusto y el juicio humano podrían volverse insumos más escasos.
  • Los autores describen dos futuros posibles: uno donde predomina el pensamiento y otro que exige experimentos, construcción y logística a gran escala.


Un ensayo publicado por OpenAI explora el costo institucional de convertir ideas en realidad

El ensayo sostiene que la IA puede aliviar la ejecución de tareas, pero el progreso todavía depende de instituciones, recursos y contacto con el mundo físico.

El progreso depende de algo más que las ideas

Un ensayo firmado por Hemanth Asirvatham y Elliott Mokski sostiene que la inteligencia, por brillante que sea, no basta para transformar una idea en un resultado concreto. Los autores centran su argumento en las capacidades que permiten ejecutar proyectos, desde las normas y el financiamiento hasta la burocracia y las cadenas de suministro. A ese conjunto lo llaman inteligencia institucional: una forma de organización que suele recibir menos atención que el talento individual, aunque puede determinar qué ideas llegan a materializarse.

El texto, titulado “The Eternal Complement”, apareció el 1 de octubre de 2026 en Intelligence Age, una plataforma de OpenAI dedicada a perspectivas sobre la próxima economía y la era de la inteligencia. Sus autores advierten que el ensayo expresa sus puntos de vista personales y no representa necesariamente las posiciones de OpenAI ni de sus colegas. La plataforma había comenzado el 20 de agosto de ese año con una publicación de Dean Ball, quien la describió como el blog del nuevo equipo de Strategic Futures de la compañía.

Ball planteó que el equipo busca responder cómo puede reestructurarse una sociedad libre para preservar los derechos y la capacidad de acción individual ante una IA transformadora. La plataforma, según esa presentación, también podría difundir su trabajo en otros formatos, incluidos artículos académicos, videos y podcasts. Una nota en la publicación explicó que el blog adoptó el nombre Intelligence Age para evitar confusiones con el proyecto sin fines de lucro AI Futures Project.

Asirvatham y Mokski abren con una brecha entre el conocimiento y la capacidad de actuar: la humanidad dispone de explicaciones coherentes sobre el universo desde sus primeros instantes, pero ningún ser humano ha viajado más allá de la Luna. Para los autores, esto puede sugerir que las verdades profundas son comprensibles desde un solo planeta o, alternativamente, que la capacidad intelectual humana ha superado la capacidad colectiva de ejecutar proyectos. Su ensayo se concentra en esta segunda posibilidad, sin presentarla como una conclusión demostrada.

El costo creciente de investigar y construir

Para ilustrar la diferencia entre concebir un instrumento y hacerlo realidad, el ensayo contrasta el telescopio de Galileo, construido con dos lentes y un tubo, con el Telescopio Espacial James Webb. Los autores describen este último como un observatorio de USD $10.000 millones, con 18 segmentos de espejo diseñados con una precisión de 50 nanómetros. Su construcción involucró a 300 organizaciones de 14 países, una escala que muestra cómo la ciencia moderna puede depender de una coordinación mucho más amplia que la idea original.

El artículo cita investigaciones de Nick Bloom y sus coautores sobre productividad de la investigación en la economía estadounidense. Según las cifras que recoge el ensayo, sostener la Ley de Moore exige hoy más de 18 veces la cantidad de investigadores que en la década de 1970, mientras que el esfuerzo efectivo de investigación de toda la economía se multiplicó por 23 desde los años treinta. En ese mismo periodo, la productividad medida de la investigación cayó por un factor de 41, de acuerdo con el estudio citado.

Los autores también destacan que la fuerza laboral de técnicos crece al doble de velocidad que la de los científicos y que el uso de equipos especializados en la ciencia se duplicó en cuatro décadas. Añaden que una fábrica de chips cuesta hoy cinco veces más que hace 30 años. Estas cifras no significan, por sí solas, que la investigación haya dejado de producir avances, pero respaldan la idea central del ensayo: cada vez más proyectos requieren equipos, infraestructura y coordinación para traducir el conocimiento en resultados.

De ahí surge la metáfora que organiza el argumento: el genio diseña el monumento, pero las instituciones colocan las piedras. Los autores toman de la economía el concepto de complementos, es decir, insumos cuyo valor aumenta cuando se combinan, y lo aplican a la inteligencia de frontera y la capacidad de materializar sus propuestas. Bajo esa mirada, la inteligencia institucional no es un accesorio administrativo, sino una condición práctica para que el conocimiento llegue a producir efectos fuera de la mente de quien lo concibió.

La IA puede desplazar la escasez hacia el juicio

El ensayo sostiene que los sistemas de IA ya pueden reducir parte del trabajo necesario para perseguir una idea. Entre los ejemplos que ofrecen sus autores están escribir código, buscar en literatura desconocida y convertir bocetos en prototipos funcionales. Si esas tareas se vuelven más accesibles, una persona podría explorar proyectos que antes requerían una organización completa, aunque eso no implique que desaparezcan las necesidades de financiamiento, materiales o validación.

En ese escenario, Asirvatham y Mokski consideran que el insumo escaso podría desplazarse desde la ejecución hacia el gusto: la capacidad de decidir qué merece hacerse y qué preguntas vale la pena formular. El ensayo no presenta ese cambio como una garantía de que las personas conservarán una ventaja permanente, sino como una posible consecuencia de automatizar parte del trabajo instrumental. Si las herramientas permiten probar más ideas, seleccionar entre ellas y fijar prioridades podría adquirir mayor peso.

Los autores también advierten que ese alivio podría durar poco. Si los sistemas de IA comienzan a producir conclusiones propias y las ideas se multiplican más rápido de lo que la infraestructura puede absorberlas, la civilización podría volver a enfrentar una escasez de ejecución, esta vez a una escala mayor. La paradoja que plantean es que las máquinas podrían reducir el costo de poner en marcha algunas ideas y, al mismo tiempo, aumentar la demanda de instituciones, recursos y capacidad material para atender las que aparezcan.

Para explorar esta tensión, el ensayo traza dos trayectorias posibles, descritas como direcciones y no como predicciones cerradas. En una civilización de profundidad, la superinteligencia superaría la necesidad de acumular más capital físico y de coordinar burocracias cada vez mayores. En una civilización de amplitud, en cambio, la complejidad de la naturaleza exigiría experimentos del mundo real y proyectos físicos crecientes para que cualquier inteligencia pudiera avanzar.

Dos futuros y un lugar para la curiosidad humana

Los autores distinguen tres maneras de ampliar el conocimiento: razonar desde principios, extraer conclusiones nuevas de evidencia existente y recopilar evidencia nueva. Las dos primeras, argumentan, pueden avanzar mediante el pensamiento durante largos tramos, mientras que la tercera depende de procesos físicos que no se aceleran a voluntad. Entre esos límites mencionan las reacciones químicas, el crecimiento de organismos y las restricciones de velocidad que afectan a naves espaciales y señales.

El camino de profundidad se parece, en la descripción del ensayo, a un rompecabezas cuyo tramo más difícil está en el medio. Como ejemplos, los autores citan la descripción de Mendeléyev de elementos que aún debían descubrirse y la anticipación del bosón de Higgs por el Modelo Estándar décadas antes de su observación. Estos casos sirven para ilustrar que algunas ideas teóricas pueden guiar la investigación antes de que exista evidencia directa, aunque no eliminan la necesidad de realizar mediciones y experimentos.

La biología aparece como una señal del camino de amplitud, porque las simulaciones de fármacos in silico todavía no reproducen con suficiente fidelidad el mundo real como para prescindir de ensayos humanos a gran escala. En su ejemplo más extremo, el ensayo imagina una esfera de Dyson: diseñarla requeriría avances extraordinarios, pero llevar el proyecto a cabo implicaría sobre todo construcción y logística en una escala astronómica. En esa trayectoria, una parte sustancial de la inteligencia de las máquinas se destinaría a resolver tareas rutinarias y materiales, no solo a producir descubrimientos brillantes.

Incluso si futuros sistemas superaran a las personas tanto al producir conclusiones de frontera como al coordinar los recursos para aplicarlas, los autores proponen tres razones para mantener la curiosidad humana en el centro. Mencionan una obligación persistente hacia la iluminación, una posible ventaja comparativa de las personas en inteligencia de frontera frente a la inteligencia institucional y la diversidad creativa que aporta la variedad humana. El ensayo no ofrece estas razones como una prueba de que los humanos conservarán siempre un papel dominante, sino como argumentos para no reducir el valor de la curiosidad a su utilidad inmediata.

La pregunta que deja el texto es cuánto puede avanzar el pensamiento antes de necesitar un nuevo contacto con la realidad. Si las grandes mentes pueden hacer más con menos, la inteligencia artificial podría impulsar un progreso más concentrado en el razonamiento; si necesitan más del mundo, la ejecución, la infraestructura y la coordinación seguirán marcando el ritmo. Para Asirvatham y Mokski, esa diferencia determinará no solo qué tareas asumirán las máquinas, sino también qué tipo de economía e instituciones harán falta para aprovechar sus capacidades.


Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín