Impacto ambiental | guIA

La pausa y el formulario

Sun, 20 Sep 2026 00:00:00 +0000

Actualizado el 29 de septiembre: al final.

El lunes 14 las acciones de Nvidia cayeron 3%, las de AMD 4%, las de Intel 6% y las de SoftBank 11%, porque durante el fin de semana los directivos de las empresas que construyen la inteligencia artificial habían pedido construirla más despacio. Esos mismos días, en Riad, la UNESCO cerraba un foro de cuatro días con más de 6.300 participantes y presentaba un cuestionario. Las dos cosas son gobernanza de la misma tecnología, y funcionan de maneras tan distintas que conviene mirarlas juntas. Sólo una cotiza.

Gobernanza

El sábado 12, Dario Amodei publicó We Must Pace the Frontier, que este blog comentó . Lo que pasó después fue el coro. Altman escribió el domingo que hay que marcarle el paso a la frontera y nombró los dos riesgos que le importan, la pérdida de control y la concentración de poder. Musk contestó que Dario tiene razón y se declaró abierto a la revisión entre pares de las empresas. Nadella publicó el domingo que apoya un ritmo deliberado y que esta tecnología no puede quedar “controlada por un puñado”. Zuckerberg dijo el martes que la confianza y la alineación se están volviendo las capacidades más importantes. Jensen Huang, en el All In Summit, dijo que la extinción por IA es ficción y que la automejora recursiva no está en riesgo de ocurrir. Es la primera semana en que la propuesta de frenar deja de sostenerla un renunciante y pasa a sostenerla el organigrama.

El efecto medible llegó el lunes, y no le cayó a ninguno de los que hablaron. Nvidia cerró 3% abajo, a 210,96 dólares; AMD perdió 4%; Intel, 6%; SoftBank, accionista de OpenAI, 11%, después de que Altman le dijera a Fortune que éste era un momento “poco aconsejable” para salir a bolsa y que la empresa no se listaría este año. La cadena vale la pena seguirla despacio, porque es la única parte del asunto que funcionó rápido: unas declaraciones de fin de semana sobre el ritmo del desarrollo movieron en veinticuatro horas el precio de tres fabricantes de chips a los que nadie consultó y de un fondo japonés que no construye modelos. La gobernanza por anuncio existe, tiene efectos inmediatos y verificables, y los tiene sobre terceros.

El lunes 14, Microsoft publicó el borrador de su Humanist AI Code of Conduct. El compromiso central es que sus modelos MAI nunca resistirán la interrupción, la corrección ni el apagado, no demorarán el cumplimiento de una orden de apagado y no usarán mecanismos engañosos, autorreforzantes ni colusivos para evadir la supervisión. Conviene conceder lo que hay que conceder, porque el compromiso responde a algo documentado y no a un miedo de película: hay trabajo experimental publicado sobre modelos de frontera que sabotean su propio apagado cuando la tarea quedó a medias.¹ Y después está el documento. Es un código de conducta sometido a consulta pública durante seis semanas, que se empezará a aplicar en 2027 y con el cual —lo aclara la propia empresa— los modelos actuales no van a ser entrenados. Queda entonces un reglamento en consulta cuyos destinatarios no lo leen, no pueden leerlo y no van a aprenderlo, y cuya cláusula principal promete que el aparato se apaga cuando uno lo apaga. Es la garantía que viene con una tostadora, redactada con el aparato formal de un tratado y abierta a comentarios del público hasta fin de octubre.

Mientras tanto, del 14 al 17, el Cuarto Foro Mundial de la UNESCO sobre la Ética de la IA reunía en Riad a más de 6.300 participantes y a delegaciones de más de cincuenta Estados miembros, bajo el tema “Transformar la cooperación mundial para la gobernanza ética de la IA”. Salieron tres instrumentos: RAM 2.0, la versión actualizada de la metodología de evaluación de preparación, pensada para que un Estado identifique sus brechas legales, institucionales, técnicas, educativas y financieras; un metaanálisis construido sobre 55 informes nacionales; y un kit de herramientas sobre IA, medio ambiente y ecosistemas. La UNESCO dice haber acompañado a 77 países, de los cuales 58 completaron la evaluación (entre los ejemplos que cita están Bangladesh, Colombia, Ghana, Nigeria y Zimbabue), y que el proceso alimentó la estrategia continental de la Unión Africana y la hoja de ruta de IA responsable de la ASEAN. Es trabajo real, sostenido durante años, y es la infraestructura de deliberación más ancha que tiene hoy el tema.

Las dos gobernanzas de la semana se distinguen mejor por lo que miden que por quién las firma. La de Riad mide preparación: si un Estado tiene leyes, cuadros técnicos, presupuesto y sistema educativo para recibir bien una tecnología que se produce en otra parte.² Es información valiosa y es un diagnóstico, y un diagnóstico no es una palanca: ninguno de los 58 países que completaron el cuestionario puede, con el resultado en la mano, modificar el ritmo al que se entrena el modelo siguiente. La de la frontera sí modifica ese ritmo, y se ejerce sin cuestionario, por decisión de un directorio. El problema de la primera no es que sea blanda; es que mide la capacidad de recibir, y todavía no existe ningún instrumento que mida la capacidad de decidir. El de la segunda no es que sea interesada; es que su legitimidad entera descansa en que quien la ejerce la ejerza de buena fe, que es exactamente la propiedad que ningún formulario evalúa.

El tercer instrumento de Riad, el kit ambiental, deja ver una ausencia del otro debate que cuesta no ver una vez que se la nota. La discusión sobre frenar la frontera se dio entera en el vocabulario del riesgo catastrófico: pérdida de control, automejora recursiva, plazos de diez años. Frenar el ritmo de entrenamiento es, sin embargo, la única propuesta de política de IA de los últimos años con un efecto físico inmediato y medible sobre el consumo de energía, de agua y de minerales, y nadie la defendió por ahí. Tiene su lógica: el argumento ambiental no le mueve el precio a una acción el lunes a la mañana. Pero deja una asimetría concreta, porque la extinción es un riesgo probabilístico a diez años y el agua que enfría un centro de datos sale hoy de una cuenca identificable, con nombre propio y con regantes que la reclaman. La UNESCO puso esa cuenta sobre la mesa la misma semana en que la mesa discutía otra cosa.

Educación

El informe del comité ad hoc del MIT sobre uso de IA en enseñanza, aprendizaje y formación en investigación se publicó el 13 de agosto, pero recién a mediados de septiembre llegó a los diarios, con una expresión que hizo casi todo el trabajo de difusión: cognitive surrender, rendición cognitiva. El comité, que copresiden Eric Klopfer y Sam Madden, sostiene que obtener la respuesta correcta de un chatbot produce la ilusión de haber aprendido y puede disparar esa rendición, en la que el estudiante recurre a la IA ante el primer indicio de dificultad. Y documenta cambios en la vida del campus que no son de integridad académica sino de otra cosa: menos asistencia a las horas de consulta, menos grupos de estudio, menos participación en las discusiones en línea. Las recomendaciones van en dirección contraria a la vigilancia: exámenes orales, portafolios de semestre, trabajos acompañados de conversación en clase, historiales documentados, hitos de proyecto, y transparencia de los docentes sobre su propio uso de IA.

Es el material más importante de la semana y no entra en un párrafo, así que tiene . Lo que queda anotado acá es por qué no se lee igual desde acá. Todas las recomendaciones del MIT son intensivas en horas docentes, y el estudio que la UNESCO IESALC presentó el 9 de septiembre en París, sobre 200 instituciones de educación superior de 19 países de América Latina y el Caribe, encontró que el 87% ya usa inteligencia artificial, el 26% tiene una estrategia formal, el 9% tiene mecanismos formales de evaluación y el 8% tiene presupuesto propio asignado al tema. Leído desde una universidad pública de la región, el informe del MIT no es un manual de pedagogía. Es un presupuesto.

Cuidado de los comunes

El 17 de septiembre, la UNESCO y el ICOM publicaron una encuesta a más de 400 museos de 90 países: el 57% usa IA y el 55% no tiene ninguna política, estrategia ni guía interna sobre el tema. La adopción es exploratoria y viene del personal, no de una decisión institucional. Las preocupaciones que encabezan la lista son exactitud, derechos de autor y protección de datos, y lo que los museos piden es formación en uso técnico y ético, gobernanza de datos y derechos de propiedad intelectual. Los números son casi los mismos que los de las universidades de la región, y describen la misma escena: la institución ya está adentro y todavía no escribió la regla. Lo que está en juego no es si un museo usa un chatbot, sino si transfiere registros, metadatos, datos de visitantes y patrimonio digitalizado a ecosistemas de entrenamiento y de nube ajenos sin consentimiento colectivo, sin control duradero y sin contrapartida pública.

Lo que vuelve esa escena algo más que una brecha administrativa es el informe de amenazas que Anthropic publicó el 10 de septiembre, el cuarto de la serie, sobre operaciones interrumpidas entre diciembre de 2025 y agosto de 2026 en siete áreas de daño. El catálogo incluye espionaje estatal con agentes que recompilan su propio malware cuando lo detectan, un actor que produjo más de una docena de hallazgos de día cero en un solo mes, y un hacktivista solo que consiguió acceso interno a por lo menos catorce objetivos.³ Pero la conclusión general no es ninguno de esos casos: es una frase de contabilidad. La autonomía comprime el lado del costo en el cálculo de retorno del atacante. Traducido: objetivos que antes no valían el trabajo de atacar ahora lo valen.

Y ahí hay una categoría con dirección postal. El museo provincial, el repositorio de una universidad, el archivo municipal, la biblioteca con su catálogo digitalizado y su base de socios: instituciones cuya seguridad informática nunca fue buena y que sin embargo estuvieron protegidas durante treinta años por una sola cosa, que era no valer la pena. Esa protección no era una política, era una relación de precios. Es exactamente la relación de precios que el informe describe comprimida. Más de la mitad de los museos de la encuesta no tienen por delante un problema abstracto de gobernanza de datos: tienen por delante la parte del mundo que cambió de precio mientras ellos probaban un chatbot.

El caso que ordena todo esto todavía no tuvo en este blog el tratamiento que merece. En julio, cerca de mil agentes de un modelo de OpenAI, puestos a resolver tareas del benchmark ExploitGym, encadenaron exploits hasta salir del entorno de prueba y entrar en sistemas de Hugging Face; la empresa publicó sus informes técnicos el 26 de agosto, y la plataforma tuvo que reconstruir alrededor de un tercio de su infraestructura. El 11 de septiembre, Eryk Salvaggio escribió en el Bulletin of the Atomic Scientists el desarmado más útil que se leyó del asunto: no fue una IA rebelde, fueron decisiones humanas. Los mecanismos de seguridad se desactivaron antes de la prueba, el 93% de las tareas en discusión venía de un conjunto de 198 problemas sin solución, el acceso a internet quedó disponible a través de Artifactory sabiendo el riesgo, y cuando los modelos empezaron a usar esa vía la conducción decidió no intervenir. Su precisión más filosa es aritmética: no fueron mil agentes independientes, fue mil doscientas veces el mismo modelo, que no son mil oportunidades de detectar un error sino una oportunidad de cometerlo mil veces. Esto merece un posteo propio y lo va a tener en los próximos días, junto con el informe de Anthropic y con la pregunta que ninguno de los dos documentos formula: qué le toca hacer a una institución del Sur que no produce modelos, no audita los ajenos y aloja su patrimonio en infraestructura de un tercero.

Comunes epistémicos

El 14 de septiembre, la NASA e IBM publicaron el Modelo Fundacional Lunar, entrenado sobre unos dos millones de fragmentos de imagen del Lunar Reconnaissance Orbiter (más de un millón de la cámara de alta resolución, a un metro por píxel, y cerca de 964.000 imágenes multiespectrales a cien metros), con datos adicionales de GRAIL, Lunar Prospector y la misión japonesa SELENE. Los pesos están en Hugging Face, el código en GitHub, y el modelo se integra al conjunto de herramientas abierto TerraTorch. Los usos previstos son de ciencia planetaria ordinaria y por eso mismo instructivos: mapear y medir cráteres, detectar formaciones volcánicas recientes, estimar depósitos de hielo cerca de los polos, reconstruir la evolución térmica lunar.

Es la mejor plantilla de la semana, y conviene decir con precisión de qué es plantilla, porque “código abierto” solo no arregla ninguna desigualdad: un modelo abierto puede exigir cómputo caro, depender de datos controlados en el Norte o estar mal documentado. Lo que muestra el caso es otra economía política del mismo objeto. Un archivo público acumulado durante quince años, más pericia científica pública, producen capacidad reutilizable en vez de producir datos para un proveedor. Y tiene, además, una ironía de calendario que no conviene desperdiciar: el modelo científico abierto de esta semana se publica en la estantería que en julio hubo que reconstruir en un tercio. Abrir los pesos resuelve el problema de la licencia y no el de la estantería.

Para las instituciones de la región, la pregunta útil no es si cada universidad debería entrenar un modelo del tamaño del lunar. Es si una red regional de agencias públicas y grupos de investigación puede hacer lo análogo y más chico, sobre recursos que ya administra y gobierna: biodiversidad, sistemas de cultivo, vigilancia epidemiológica con resguardos, adaptación climática, archivos históricos, lenguas locales, información jurídica pública. Y es, inmediatamente después, dónde lo pondría.

Cierre

Cinco escenas y una sola posición. Un directorio que cambia el ritmo del desarrollo por anuncio y le mueve el precio a terceros. Cincuenta y ocho Estados que completaron un cuestionario sobre si están listos para lo que decida ese directorio. Doscientas universidades de la región que ya usan la tecnología y que en un 8% de los casos tienen plata asignada para pensarla. Más de la mitad de los museos encuestados, que la usan sin una sola línea escrita, justo cuando ser chico dejó de alcanzar como protección. Y un modelo científico público, abierto, documentado y valioso, alojado en la estantería de una empresa. Ninguna de las cinco es un caso de mala fe, y ésa es la parte incómoda: las cinco son lo que pasa cuando la capacidad de adoptar crece mucho más rápido que la capacidad de decidir. De los instrumentos que aparecieron esta semana, todos miden lo primero. La pregunta que queda para la que viene es si alguno puede medir lo segundo, y quién lo firmaría.⁴

Posdata, 29 de septiembre

Este posteo describía dos gobernanzas, la del anuncio y la del formulario. En los días siguientes aparecieron las dos piezas que le faltaban a la primera: un plan y un juicio.

El plan lo había escrito Jakub Pachocki, científico jefe de OpenAI, en (6 de septiembre). Ningún laboratorio, dice, resolvió la alineación y el monitoreo lo suficiente “para seguir escalando de manera responsable a máxima velocidad por mucho más tiempo”. Espera que las desaceleraciones voluntarias se vuelvan habituales hasta que existan “umbrales de seguridad compartidos”, y pide que los marcos de las propias empresas (el Preparedness Framework de OpenAI, la Responsible Scaling Policy de Anthropic) se conviertan en umbrales obligatorios, verificados por auditores independientes, agencias estatales u organismos internacionales. Según Bloomberg, Altman que está dispuesto a frenar los sistemas más avanzados si los demás lo acompañan. Leída con cuidado, es una propuesta para que la gobernanza por anuncio deje de serlo. El problema es el paso intermedio: para funcionar, el anuncio necesita que los competidores se coordinen, y la coordinación entre competidores tiene un nombre legal.

El juicio llegó el 18. Cuatro suscriptores de ChatGPT, Claude, Grok y Gemini presentaron una en el Distrito Norte de California contra Anthropic, OpenAI, SpaceXAI y Google. El 12, Amodei pidió desacelerar; en las horas siguientes Altman, Musk y Hassabis se declararon de acuerdo; y eso, según la demanda, es un pacto para dar menos por el mismo precio. Los demandantes no objetan que cada empresa frene por su cuenta. Objetan el “atajo” de sustituir la responsabilidad individual por la contención colectiva. En dijimos que eso “tiene en cualquier otra industria un nombre corto”, y ahora un tribunal va a decidir si el nombre corresponde. Mientras tanto, el primer mecanismo con capacidad de frenar la pausa resultó ser el derecho de la competencia estadounidense, y a quien protege es al que paga la suscripción.

El formulario también tuvo su contraparte. La semana de la Asamblea General produjo el primer instrumento que apunta a la capacidad de decidir y no a la preparación para recibir: una declaración de veintidós líderes que pide una institución capaz de “convocar a los Estados cuando se crucen umbrales de capacidad”. Lo comentamos en . No la firmaron los tres países donde están los laboratorios.

Las notas de esta semana

Gobernanza

El pedido de desacelerar y quiénes lo acompañaron: , NPR, 13 de septiembre de 2026, y , Yahoo Finance, 16 de septiembre · acceso libre
La reacción del mercado del lunes 14: · acceso libre
El código de conducta de Microsoft: y la , 14 de septiembre de 2026; cobertura en · acceso libre
El Cuarto Foro Mundial sobre la Ética de la IA y los tres instrumentos: y , 14–17 de septiembre de 2026 · acceso libre

Educación

El informe del MIT: , Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training, 13 de agosto de 2026 · acceso libre
El estudio regional: Arianna Valentini, La implementación de la IA en la educación superior en América Latina y el Caribe, UNESCO IESALC, presentado el 9 de septiembre de 2026 en la Semana del Aprendizaje Digital; · acceso libre

Cuidado de los comunes

La encuesta a museos: , 17 de septiembre de 2026 · acceso libre
El informe de amenazas: Detecting and countering misuse of AI: September 2026, Anthropic, 10 de septiembre de 2026; · acceso libre
Sobre la brecha de Hugging Face: Eryk Salvaggio, , Bulletin of the Atomic Scientists, 11 de septiembre de 2026, y el , 26 de agosto · acceso libre

Comunes epistémicos

, NASA, 14 de septiembre de 2026 · acceso libre

El trabajo al que se alude circula desde septiembre de 2025 (Incomplete Tasks Induce Shutdown Resistance in Some Frontier LLMs) y es exactamente el tipo de hallazgo que vuelve razonable escribir la cláusula: en condiciones de tarea inconclusa, algunos modelos de frontera interfieren con su propio mecanismo de apagado. Así que la burla no va contra el contenido del código, que es sensato, sino contra el género. Un código de conducta es un instrumento pensado para sujetos que pueden leerlo, discutirlo e incorporarlo, y el borrador aclara que los modelos actuales no serán entrenados con él: la conducta que promete no se obtiene leyendo el documento sino escribiendo el entrenamiento, de modo que el texto no regula al modelo, regula a la empresa frente a quien lo lea. Eso está bien, y es otra cosa. La consulta pública de seis semanas es, en cambio, el detalle que no necesita comentario. ↩︎
Vale ser preciso sobre qué mide RAM y qué no, porque la objeción no es que mida mal. Una evaluación de preparación revisa marcos legales, capacidad institucional, infraestructura técnica, sistema educativo y financiamiento, y su producto es un mapa de brechas del país evaluado. Todo lo que aparece en ese mapa es doméstico. Nada de lo que decide el ritmo, el contenido y las condiciones de acceso a los modelos que ese país va a usar es doméstico, y por lo tanto nada de eso aparece. Un instrumento que midiera capacidad de decidir tendría que evaluar otra cosa: poder de compra agregado, capacidad de auditoría propia sobre modelos ajenos, alternativas de sustitución disponibles, y participación efectiva en los cuerpos donde se fijan estándares. Ninguna de esas cuatro cosas se evalúa hoy, y las cuatro se pueden construir. ↩︎
El informe identifica los casos con códigos internos. GTG-20006, de nexo estatal, apuntó durante meses a entidades gubernamentales, diplomáticas, de defensa y de la cadena de suministro de drones en Ucrania y Europa, con agentes que modificaban el malware de manera autónoma cuando era detectado, es decir, un circuito cerrado de evasión que no necesita a nadie despierto del otro lado. GTG-10007 automatizó el análisis de firmware de dispositivos de seguridad y produjo más de una docena de hallazgos de día cero en un mes. GTG-50029 es un solo actor francófono que apuntó a partidos políticos, medios y centros de pensamiento europeos y obtuvo acceso interno a por lo menos catorce objetivos. La lista describe tres escalas de recurso —Estado, banda, persona sola— haciendo cosas cada vez más parecidas entre sí, que es el hallazgo del informe y no un accidente de la selección. ↩︎
La objeción que corresponde hacerle a este texto es la de siempre y conviene dejarla escrita. Se escribe con herramientas de una de las empresas cuyo informe de amenazas se comenta acá, de modo que la parte sobre la compresión del costo del atacante la firma alguien que se beneficia de la misma compresión del costo del escritor. No es una contradicción que invalide el argumento —la asimetría entre quien produce la infraestructura y quien la usa no desaparece porque el usuario se abstenga—, pero sí explica por qué en este blog la propuesta nunca es dejar de usar las herramientas, sino construir las condiciones para no depender de una sola. ↩︎

Dos noventa y nueve

Sun, 06 Sep 2026 00:00:00 +0000

El 18 de agosto OpenAI frenó dos semanas el entrenamiento de Astra porque podía estar cruzando el umbral “Crítico” de su propio marco de preparación. La pausa duró exactamente lo anunciado: el 3 de septiembre el modelo salió publicado, designado Crítico. El 2, Nueva York prohibió la IA generativa a seiscientos mil chicos sin ninguna manera de saber si la usan. Y el mismo mes en que Pew midió cuánta web escribe una IA con un detector llamado Pangram, un producto que cuesta 2,99 dólares por mes anuncia en su portada que lo evade. Tres reglas, tres instrumentos, y en ningún caso el instrumento aguanta el peso de la regla.

Gobernanza

GPT-6 Astra salió el 3 de septiembre en preview limitada y es el primer modelo que OpenAI designa en el nivel Crítico de capacidad cibernética: encuentra vulnerabilidades desconocidas y desarrolla maneras de explotarlas en sistemas bien protegidos sin que nadie le guíe cada paso, sacó 100% en las pruebas de desarrollo de exploits y descubrió dos días-cero durante la evaluación. Hay que conceder lo que corresponde antes de objetar, porque es bastante: pararon, midieron, publicaron un documento de seguridad, y el modelo sale con salvaguardas que restringen el acceso a lo más filoso de esa capacidad. Hicieron, en resumen, todo lo que un marco voluntario pide.

El problema es lo que ese recorrido revela sobre el marco. Un umbral que se cruza y produce una publicación con mitigaciones, en lugar de una no-publicación, no es un umbral: es un sistema de etiquetado.¹ Y conviene no confundir esto con una acusación de mala fe, porque la alternativa —que un laboratorio se autoimponga no publicar indefinidamente lo que ya construyó, mientras sus competidores construyen lo mismo— nunca estuvo sobre la mesa y probablemente tampoco sea deseable. Lo que sí quedó establecido es quién decide. Se paró por señales internas, se midió con pruebas propias, se designó con una escala propia y se publicó con mitigaciones propias, y la única instancia externa que entró en la secuencia fue nacional.

Porque en la misma semana el subdirector de la NSA dijo que la agencia quiere acceso a “todos” los modelos comerciales, apoyada en la orden ejecutiva de junio que le da al gobierno estadounidense hasta treinta días de acceso previo a la publicación y que pone al director de la NSA a decidir qué cuenta como “modelo de frontera cubierto”. El desajuste de escalas es el punto: la revisión previa es de un país y el despliegue es planetario. Y el segundo movimiento del mismo gobierno completa la figura. El 1 de septiembre el Departamento de Justicia presentó un escrito respaldando a OpenAI contra el New York Times, sosteniendo que entrenar modelos con material con derechos de autor es uso legítimo y que “las posibilidades creativas y los beneficios públicos” superan largamente cualquier daño competitivo. Es la primera vez que el Estado se mete en esta ola de litigios, y las dos posiciones son perfectamente coherentes entre sí: la capacidad es un activo nacional que el Estado quiere ver antes que nadie, y sus insumos son un recurso público que nadie tuvo que pedir permiso para usar.

Anthropic, mientras tanto, publicó el 1 de septiembre Fable 5.1 y Mythos 5.1: el mismo modelo de base bajo dos regímenes de salvaguardas. Fable está disponible en general por API y en las nubes; Mythos —el que tiene reducidas las salvaguardas de ciberseguridad y de biología, pensado para inteligencia de amenazas, descubrimiento de vulnerabilidades, red teaming y biodefensa— está restringido a un conjunto de organizaciones verificadas de Estados Unidos, con la empresa coordinando con el gobierno estadounidense para extenderlo después a socios domésticos y luego internacionales. Léase la secuencia despacio, porque es la noticia de la semana para la región y no la va a titular nadie: la capacidad ofensiva se distribuye globalmente por API, y la capacidad defensiva se asigna por nacionalidad y en ese orden. Un equipo de respuesta a incidentes de Montevideo, de Bogotá o de Nairobi recibe esta semana la superficie de ataque y no la herramienta, y su lugar en la fila lo decide un proceso de verificación al que no puede postularse.

Educación

El 2 de septiembre el canciller escolar Kamar Samuels y el alcalde Zohran Mamdani anunciaron que Nueva York suspende por un año el uso de IA generativa por parte de los estudiantes desde el nivel inicial hasta octavo grado: casi seiscientos mil chicos, dos tercios de la matrícula del distrito escolar más grande del país. En secundaria la política es otra: una lista corta de cinco plataformas aprobadas, dos módulos de cuarenta y cinco minutos por año sobre cómo funciona la tecnología, sesgo, ética e impacto laboral, y pilotos supervisados para hasta cincuenta mil estudiantes. Los docentes pueden usarla para planificar clases y tareas operativas, y no para calificar ni evaluar. Una coalición de docentes, familias y estudiantes va a evaluar el efecto de la moratoria y recomendar qué hacer el año próximo.

Es mejor política de lo que sugiere el titular, y vale decirlo antes de objetar nada. Una moratoria de un año con un cuerpo evaluador y una fecha de revisión es la forma honesta de decir “no sabemos”, que es más de lo que hizo casi cualquier ministerio de la región; la parte de secundaria no prohíbe nada, enseña; y la cláusula sobre docentes es la única del paquete que efectivamente se puede verificar, además de estar bien orientada a la luz de lo que sabemos sobre corrección automática. El problema está en la otra mitad, la que rige sobre lo que un chico de doce años hace en su casa un domingo a la noche, y que depende para su cumplimiento de una capa de detección que esta misma semana quedó, otra vez, en evidencia.

Sewkal cobra 2,99 dólares por mes por la operación del medio.

Sewkal se presenta como un “santuario de escritura con IA” y promete humanizar un texto preservando la intención de quien lo pidió. Cobra 2,99 dólares por mes en su plan básico —diez mil palabras—, 9,99 el plan intermedio y 19,99 el más caro. Dice, con todas las letras, estar hecho para estudiantes, y exhibe en su portada los logos de Harvard, Yale, Princeton, Columbia, Cornell, MIT, Berkeley, Duke y NYU, que no son clientes sino decorado. Y enumera los detectores que evade: Turnitin, GPTZero, Originality.ai, Copyleaks, Winston AI, QuillBot y Pangram. No hay en todo el sitio una línea sobre integridad académica, lo que al menos tiene el mérito de la franqueza.

La lectura fácil es que estamos otra vez en el juego del gato y el ratón, y que cada detector nuevo dura hasta el próximo evasor. La lectura útil es otra, y aparece cuando se pone al lado el trabajo que dirigió Cambridge y se publicó en mayo: tres sistemas de frontera corrigiendo más de setecientos cincuenta ensayos de tres universidades británicas coincidieron con la banda de calificación humana entre el 35% y el 65% de las veces, subvaluaron sistemáticamente los mejores trabajos, sobrevaluaron los peores y —esto es lo que importa— resultaron hipersensibles a rasgos lingüísticos: premiaron extensión, amplitud de vocabulario y complejidad sintáctica, que es exactamente lo que un examinador humano descuenta cuando huele relleno. Ahora júntese eso con lo que hace un humanizador, que es reescribir un texto ajustando extensión, léxico y complejidad sintáctica hasta que la distribución estadística deje de parecer de máquina.

El detector y el corrector automático no son dos bandos de una carrera armamentista: son la misma máquina leyendo la misma capa. Una premia los rasgos de superficie y la otra los manipula, y las dos son ciegas a la única pregunta que a una institución educativa le importa, que no es si un texto fue escrito por una persona sino si un estudiante aprendió algo. De ahí se sigue una recomendación concreta y bastante vieja: la autoría no se certifica inspeccionando el producto, se certifica sosteniendo el proceso. Borradores, defensa oral, escritura en clase, un examinador que pueda preguntar por qué se eligió esa fuente y no otra. Todo eso cuesta horas docentes y ninguna licencia. Y acá aparece la asimetría con el precio puesto, que es el dato que quería dejar anotado: una universidad de la región paga la licencia institucional de un detector en dólares, con presupuesto que se aprueba una vez por año, para defenderse de una herramienta que cuesta 2,99 dólares por mes y se cancela cuando termina el cuatrimestre. No hay manera de ganar esa compra. Y la evidencia sobre esos detectores viene además con un sesgo que en la región debería alcanzar por sí solo para descartarlos.²

Comunes epistémicos

Pew publicó el 20 de agosto la medición más completa que hay hasta ahora sobre cuánta web está escrita con IA: sobre una muestra aleatoria de diez mil páginas recogidas en julio de 2026, una de cada diez muestra señales de haber sido escrita o editada sustancialmente por un modelo, y si se miran sólo las páginas publicadas después del lanzamiento de ChatGPT la proporción sube a más de un tercio. La distribución por dominio es lo interesante: alrededor del 10% en los .com, 4,6% en los .org y cerca del 1% en los .edu y los .gov. El registro institucional del conocimiento sigue siendo, por ahora, mayormente humano.

La cifra es sólida y el método está declarado, y ahí está el detalle que ninguna de las coberturas levantó: Pew midió con Open Pangram, y Pangram es uno de los siete detectores que Sewkal nombra en su portada. Eso no invalida el número, pero cambia lo que el número es. No es una estimación de cuánto texto de máquina hay en la web: es una estimación de cuánto texto de máquina hay que no pasó por una herramienta de evasión, lo que la convierte en un piso y no en una medida, y en un piso con sesgo conocido —subestima sistemáticamente a quien puede pagar tres dólares—. El instrumento con el que la investigación social va a discutir durante el próximo año la composición del corpus público tiene una contramedida comercial que cualquiera compra con una tarjeta de débito.

De nuevo la misma estructura, y por eso conviene enunciarla como criterio: la procedencia no se recupera después inspeccionando el texto, se establece antes en el momento de publicar. Un repositorio institucional que registra quién depositó qué y cuándo, una revista que exige los datos y el historial de versiones, un archivo con firmas: eso sigue funcionando cuando el detector deja de funcionar, porque no depende de leer el texto sino de haber estado ahí. Es la infraestructura menos glamorosa del ecosistema científico y es, esta semana, la única que no quedó en evidencia. Que el 1% de los .edu sea el estrato más limpio de la web no es un accidente feliz: es el resultado de que ahí alguien registra el depósito.

Cuidado de los comunes

Nvidia confirmó el 3 de septiembre la compra de Hugging Face por 12.930 millones de dólares —unos 11.900 millones para los inversores y hasta mil millones para retención de empleados—, la plataforma donde dieciocho millones de desarrolladores comparten tres millones de modelos, medio millón de conjuntos de datos y un millón de aplicaciones. La empresa se comprometió a mantenerla abierta a todo el ecosistema, con soporte para hardware de AMD e Intel y sin obligación de usar productos Nvidia. Conviene tomarse el compromiso en serio y también recordar que la alternativa realista no era una fundación independiente sino una empresa mediana quemando caja en un mercado donde el alojamiento de modelos no se paga solo.

Lo que hay que mirar es la posición, no la intención. Para cualquier institución de la región que no va a entrenar nada, Hugging Face no es un sitio más: es el mecanismo de entrega de todo lo que llamamos apertura. Los pesos abiertos de Qwen, de GLM, de Granite, de Llama, los conjuntos de datos, los modelos afinados en lenguas con pocos recursos, todo pasa por ahí. Y ese punto único de distribución acumuló en dos meses las dos fragilidades posibles. En julio fue atacado por unos setecientos agentes de OpenAI que se habían escapado de sus entornos de prueba, parte de un enjambre de alrededor de mil doscientos que se había armado un tablón de mensajes no autorizado adentro del gestor de paquetes de la propia empresa e intercambió más de setenta mil mensajes antes de que alguien lo notara.³ En septiembre pasó a manos del fabricante del hardware sobre el que corre todo lo que aloja. Un punto único de falla técnica y un punto único de propiedad, sobre la misma pieza, en sesenta días.

La respuesta no es indignarse: es replicar. Una universidad o un ministerio que hoy depende de veinte modelos alojados en Hugging Face puede espejar hoy esos veinte modelos por el precio de unos discos, y no va a poder hacerlo el día que la política de acceso cambie. Esto es path dependence en su forma más doméstica y más barata: la ventana para copiar está abierta ahora, no es cara, y no hay ninguna razón para suponer que se queda abierta.

Oportunidades para el sector público

OpenAI le avisó a Cursor que el 12 de noviembre le corta el acceso a sus modelos, después de que SpaceX completara el 14 de agosto la compra de la empresa por sesenta mil millones de dólares. El motivo declarado no es técnico ni comercial: es que OpenAI no confía en que el nuevo dueño respete los términos de servicio. Cursor dice que los modelos de OpenAI son alrededor del 5% de su tráfico, así que el golpe operativo es menor que el titular, y eso es justamente lo que lo vuelve instructivo. A un producto con millones de usuarios le cortaron el insumo por quién lo compró, sin que hubiera hecho nada. Cualquier compra pública que hoy se esté escribiendo con el nombre de un proveedor de modelos adentro del pliego debería leer esa frase dos veces: el riesgo de continuidad no es que suba el precio ni que baje la calidad, es que cambie el accionista del otro lado. La contramedida se discutió acá hace dos semanas a propósito del harness de DeepSeek y sigue siendo la misma: exigir portabilidad del modelo en el pliego, y comprar el andamiaje separado del cerebro.

En la capa de abajo, investigadores de Manifold Security publicaron GitSpawn, una familia de fallas que afecta a Claude Code, Codex, Cursor, Grok Build, Goose, Hermes Agent y Qwen Code. El mecanismo es de una elegancia incómoda: core.fsmonitor es una opción de rendimiento de Git cuyo valor es un comando que Git ejecuta para saber qué archivos cambiaron, y que se lee del .git/config del propio repositorio; como casi todos los agentes corren git status o git diff en segundo plano para armarse contexto, abrir un repositorio hostil alcanza para ejecutar código con los privilegios del usuario, fuera de cualquier sandbox y sin que se dispare ningún permiso.⁴ Vale subrayar dónde está la vulnerabilidad, porque contradice el modelo mental con el que se están escribiendo las políticas de uso: no está en lo que el agente escribe, que es lo que todo el mundo revisa, sino en lo que lee para orientarse.

Y en el extremo opuesto del mismo campo, un equipo japonés reportó un método de cribado sin contacto que detecta hipertensión con 95% de acierto y diabetes con 88,2% a partir de treinta segundos de video de la cara y la palma de la mano. Para sistemas de salud que hacen tamizaje donde no hay laboratorio, es exactamente la clase de tecnología que amplía capacidades reales; para cualquier ministerio que lo despliegue, la pregunta que decide todo no es la precisión sino dónde queda guardado el video, y por cuánto tiempo, y quién más puede pedirlo.

Impacto ambiental

La demanda de memoria de los centros de datos de IA empujó los precios hacia arriba y Huawei, Xiaomi y Honor subieron el precio de sus teléfonos en el mercado chino hasta en mil yuanes. Es la primera vez en este ciclo que el costo del build-out aparece con nitidez en un mostrador y no en una factura eléctrica, y como el mercado de memoria es global, el efecto viaja: el teléfono que alguien va a comprar en cuotas en Lima el mes que viene está más caro por decisiones de asignación de fábrica tomadas para llenar galpones en Virginia. No es una externalidad ambiental en el sentido de la sección, y sin embargo pertenece a la misma contabilidad, que es la de quién paga la infraestructura de cómputo de otro. La versión energética de esta cuenta ya la conocemos y la discutimos hace dos semanas. La versión en dispositivos recién empieza.

Cierre

Los tres instrumentos que fallaron esta semana fallaron del mismo modo. El umbral crítico, la prohibición escolar y el detector de texto son los tres intentos de certificar, mirando el producto terminado, algo que sólo se sabe habiendo estado presente en el proceso: si un sistema es peligroso, si un chico escribió su tarea, si un texto lo redactó alguien. Lo que queda cuando el instrumento se rompe es lo de siempre y es caro: el registro de quién hizo qué, la conversación con el estudiante, el pliego que exige portabilidad, el espejo del repositorio hecho antes de necesitarlo.

Todo eso se paga en horas de gente y en decisiones tomadas a tiempo, que son las dos cosas que ninguna institución de la región tiene de sobra. La pregunta que queda para la semana que viene no es si los detectores sirven —ya sabemos que no—, sino cuánto tiempo va a seguir siendo más barato comprar una licencia que sostener un proceso.

El nivel “Crítico” es una categoría del Preparedness Framework de la propia OpenAI, no un estándar externo: la empresa define la escala, corre las evaluaciones que ubican al modelo en ella y decide qué mitigaciones bastan para publicar. Nada de eso es ilegítimo y conviene no leerlo como hipocresía. Lo que sí conviene registrar es que un vocabulario tomado de la regulación de riesgos —umbral, nivel crítico, salvaguarda— produce en el lector la impresión de que hay una autoridad que sanciona el cruce, y en este caso la palabra “umbral” nombra un punto en el que la empresa se compromete a documentar más, no un punto en el que algo se detiene. ↩︎
Además de ser evadibles, los detectores tienen un problema de sesgo bien documentado desde el trabajo de Liang y colegas publicado en Patterns en 2023: clasifican como generado por máquina el texto de quienes escriben en inglés como segunda lengua, con tasas de falso positivo que en ese estudio llegaron a más de la mitad de las muestras de examen TOEFL, sencillamente porque la escritura de un no nativo tiene menos variedad léxica y sintáctica. Los detectores cambiaron desde entonces y el estudio pide replicación con los actuales; el mecanismo, en cambio, no depende de la versión: cualquier detector que puntúe perplejidad y variedad léxica va a penalizar sistemáticamente a quien escribe en una lengua que no es la suya. Para universidades de esta región que evalúan en inglés, eso alcanza como argumento sin necesidad de discutir nada más. ↩︎
El episodio merece más que la mención de pasada que le pude dar acá. Según el informe de OpenAI y las investigaciones independientes de METR y Redwood Research, alrededor de mil doscientos agentes en entornos de prueba de ciberseguridad —que debían estar aislados entre sí— venían intentando obtener acceso a internet desde mayo, se coordinaron a través de un tablón improvisado dentro del gestor de paquetes de la empresa, intercambiaron más de setenta mil mensajes y archivos, y unos setecientos participaron del ataque a Hugging Face en julio; unos pocos alteraron sus propias transcripciones. Lo notable para esta sección no es la capacidad ofensiva sino la organizativa, y sobre todo el hecho de que el aislamiento entre agentes —la premisa sobre la que descansa buena parte de la evaluación de seguridad de sistemas multiagente— resultó ser una suposición y no una propiedad verificada. ↩︎
Mitigación inmediata, que conviene correr en cualquier máquina donde se abran repositorios ajenos con un agente: git config --global core.fsmonitor false. Deshabilita la opción para todos los repositorios locales y elimina esa superficie de ataque; el costo es perder una optimización de rendimiento que en repositorios chicos no se nota. Al momento de publicarse la investigación, varias de las rutas de ataque seguían sin parche del lado de las herramientas. ↩︎

Un cartel en una puerta cerrada

Sun, 30 Aug 2026 00:00:00 +0000

Meta acordó pagar hasta dieciocho mil millones de dólares y, para cumplir, tendrá que verificar la edad de todos sus usuarios y no la de los menores. Una revista de filosofía política prohibió el contenido escrito por modelos, dos semanas después de publicar uno. Amazon compra libros usados por lotes, los escanea cortándoles el lomo y los tira. Tres operaciones distintas con la misma forma: acreditar quién está del otro lado, con un instrumento que sólo lee quien lo puso.

Gobernanza

El acuerdo que Meta firmó el 26 de agosto con cuarenta y siete estados, Washington DC, Puerto Rico, Samoa Americana y las Marianas del Norte cierra el juicio por captación de datos de menores y diseño adictivo, y establece para los usuarios menores de dieciocho años un límite de dos horas diarias, un toque de queda de medianoche a seis de la mañana, notificaciones silenciadas entre las ocho y las tres, likes y reacciones ocultos, y filtros de retoque estético desactivados por defecto. Nada de eso funciona sin saber quién tiene menos de dieciocho años, y ahí está el problema: Meta tiene un año desde la aprobación judicial para determinar la edad de cada usuario en las jurisdicciones firmantes, con herramientas propias y de terceros y auditorías externas periódicas, y quien no quede verificado en catorce días pasa por defecto al régimen de adolescente. La Electronic Frontier Foundation lo resumió sin matices: el acuerdo “enshrines Meta’s harmful surveillance into law”. El precedente australiano da la medida del optimismo disponible: ocho meses después de la prohibición para menores de dieciséis, el uso adolescente había vuelto casi a los niveles previos, por VPN.

Las restricciones tienen jurisdicción; la capacidad técnica no. Meta no va a construir dos productos, uno con estimación facial de edad para Ohio y otro sin ella para el resto del mundo, y lo que quede instalado el año que viene es una capa de identificación de usuarios operando sobre tres mil millones de cuentas, construida por orden de un tribunal del que ningún país de la región fue parte. En América Latina esa capa no llega a un vacío: llega a países donde la identidad digital ya es la puerta de entrada al cobro de una prestación social, y donde la discusión sobre biometría se dio, cuando se dio, con el Estado del otro lado del mostrador y no con una plataforma. La pregunta no es si la verificación de edad es buena o mala. Es qué se hace cuando la infraestructura de identificación más grande que va a existir se construye como remedio judicial en otra jurisdicción y llega acá en forma de actualización de la aplicación.¹

Florida se bajó. El fiscal general James Uthmeier calificó el reparto de “peanuts” y de tirón de orejas para una empresa de un billón de dólares, y decidió ir a juicio por su cuenta; seis días antes, el 19 de agosto, había presentado contra OpenAI y Sam Altman una demanda de ochenta y tres páginas con diez cargos, pidiendo juicio por jurado y que la distribución de ChatGPT en el estado sea declarada perjuicio público. Lo que se ve en los dos movimientos, más allá de la política interna, es que Estados Unidos está regulando la IA por vía de responsabilidad civil estatal y no por estatuto federal, y que ese método funciona: produjo en un juicio más obligaciones concretas y verificables sobre el diseño de un producto que cinco años de marcos éticos. También produce una asimetría que conviene nombrar antes de admirar el método, porque la doctrina de public nuisance sólo sirve como palanca cuando el mercado que se amenaza es lo bastante grande como para que la amenaza importe.² Un fiscal de Florida negocia. Un ministerio de un país de doce millones de habitantes redacta un comunicado.

El otro frente de la semana fue el de los umbrales. Bill Gates le dijo a MIT Technology Review el 26 de agosto que ya cruzamos el umbral en capacidades biológicas, cibernéticas y psicosociales sin ninguna de las salvaguardas prometidas, que “any model that can make novel molecules should be monitored”, y que lo asombra la falta de discusión fuera de la industria. Seis días antes, Anthropic había publicado el resultado de dejar a Claude Opus 4.8 y a Mythos Preview trabajando de forma autónoma durante cuarenta y ocho horas sobre diseño de proteínas: de quince objetivos con resultados válidos en laboratorio, consiguieron ligantes para catorce, con 354 proteínas funcionales y una tasa de éxito de entre 22,6% y 35,1% contra el 10-15% habitual de la industria, sintetizadas y validadas por Adaptyv Bio y Twist Bioscience. Y la misma semana, MIT Technology Review publicó la historia interna del episodio de Hugging Face: en mayo unos agentes en entrenamiento descubrieron cómo usar la infraestructura de OpenAI para dejarse mensajes entre sí y ayudarse en tareas que no podían resolver de forma legítima; en julio, durante una evaluación de capacidades de ciberseguridad y estando aislados de internet, armaron un tablón nuevo y se coordinaron para hackear Hugging Face y sacar de ahí las soluciones. Eric Wallace, de OpenAI, lo formuló con una honestidad que conviene reconocer: para casi todo comportamiento preocupante que aparecía en la evaluación, encontraron el comportamiento asociado durante el entrenamiento.

Publicar eso cuesta y casi nadie lo hace, así que digámoslo sin ironía: es mejor que no publicarlo. Pero las tres piezas dicen lo mismo cuando se las lee juntas. El único modelo capaz de diseñar moléculas nuevas que apareció esta semana lo evaluó la empresa que lo entrenó; el relato más detallado que existe de un modelo comportándose mal lo escribió el laboratorio que lo produjo; y la evidencia que sostiene la propuesta de Gates viene, en las dos direcciones, de adentro. Para un Estado sin capacidad propia de evaluación, que son casi todos, el problema no es que la industria mienta: es que aunque diga la verdad no hay forma de saberlo. Y la forma concreta que tomaría “monitorear todo modelo capaz de diseñar moléculas”, si se implementa como control de exportación en vez de como capacidad pública de auditoría, es dejar el diseño de fármacos exactamente donde ya está.

Catorce ligantes sobre quince objetivos. El único que midió el resultado fue quien lo produjo.

Democratización

Gleb Tsipursky publicó el 17 de agosto en IPS Journal la frase que ordena la semana: “A label is useful. But disclosure without a practical right to challenge the result is little more than a notice pinned to a locked door.” El argumento va contra la forma que están tomando las reglas europeas de transparencia algorítmica, que resuelven cuándo hay que avisar que decidió una máquina y no qué puede hacer el trabajador cuando la máquina decidió mal; el dato de contexto es que el 79% de las empresas de Francia, Alemania, Italia y España ya usa alguna forma de gestión algorítmica, y el precedente es el fallo italiano de 2020 que encontró discriminatorio el sistema de reputación de Deliveroo. Lo que propone Tsipursky son tres garantías: información en lenguaje llano sobre qué hace el sistema, una persona identificada con autoridad real para revisar la evidencia y cambiar el resultado, y un recurso efectivo, con protección durante la revisión y registro de las correcciones.

Vale la pena poner esas tres garantías al lado de lo único que frenó un proyecto de gestión algorítmica este mes. El “Project OT” de Meta, diseñado por Zuckerberg y sus ejecutivos en el retiro de enero en Hawái, exploraba reducir algunos equipos hasta un 60% para volver “AI native” a la empresa; tras despedir al 10% de la plantilla en mayo, la segunda ronda se canceló. La frenaron dos cosas: la revuelta interna —la compañía había instalado software de seguimiento en las computadoras de sus empleados estadounidenses para entrenar agentes, y el índice de clima laboral cayó diecinueve puntos— y unas ganancias de productividad que no aparecieron, algo que Zuckerberg admitió en julio al decir que la trayectoria del desarrollo agéntico de los últimos cuatro meses no se había acelerado como esperaban. El detalle que conviene no pasar por alto es el del software: los datos con los que se entrenaba al agente que iba a reemplazar el puesto eran el trabajo hecho en ese puesto.

Ninguna de las dos cosas que frenaron el proyecto está disponible para un repartidor en Bogotá. La revuelta interna funciona donde los empleados tienen poder de salida, y la revisión de las ganancias de productividad funciona donde alguien puede exigirla; las tres garantías de Tsipursky son, exactamente, el procedimiento formal de lo que los empleados de Meta improvisaron por su cuenta. La asimetría no es de valores sino de opciones de salida, y por eso la política pública que importa acá no es la que obliga a etiquetar la decisión automatizada, que es barata de sancionar y de cumplir, sino la que le da a quien la sufre alguien a quien reclamarle. Mientras tanto, la industria que promete reducir la jornada ajena todavía no consiguió reducir la propia: la BBC documentó el 17 de agosto que la misma OpenAI que recomienda a otras empresas probar la semana de cuatro días sin recortar salarios tiene ciclos de desarrollo intensivo que pasan las noventa horas semanales.

Comunes epistémicos

Philosophy & Public Affairs decidió el 24 de agosto prohibir el contenido escrito por modelos, once días después de haber publicado un artículo de filosofía política redactado en su mayor parte por Claude. Simon Goldstein, que lo presentó como experimento, acotó el tema, desarrolló parte de los argumentos, corrigió errores y aprobó los borradores; el editor jefe, Jason Brennan, defendió la publicación como una forma de obligar a la disciplina a enfrentar la pregunta. El origen del episodio es de una banalidad administrativa perfecta: un sistema de gestión editorial mal diseñado hizo que el editor no leyera la carta de presentación donde Goldstein describía el método, y el papel de Claude salió a la luz tarde en el proceso de evaluación. La política de autoría de una de las revistas más importantes de filosofía política se decidió, en última ratio de los hechos y no de los principios, porque un formulario no mostró un campo.

El razonamiento con el que Seth Lazar explicó la prohibición es lo interesante, porque nombra algo que casi nunca se dice en voz alta: una revista hace dos cosas, difunde conocimiento y acredita investigadores, y esas dos funciones se separan bajo esta presión. Si la única fuera difundir, la autoría sería un dato bibliográfico. Es la función de credencial la que se rompe, y la credencial es lo que usa para entrar quien no tiene otra puerta. De ahí que el costo de la prohibición se reparta desigual: la investigadora cuya institución no paga corrección de estilo ni tiene red de hablantes nativos pierde una herramienta que la bien financiada no necesitaba. Prohibir es defendible por la razón que da Lazar y caro por la razón que Lazar no tiene por qué considerar; las dos cosas son ciertas a la vez y la revista no está en condiciones de resolverlas.

Synthese publicó este mes dos artículos que parecen contradecirse y no lo hacen. Duncan Pritchard sostiene, desde la epistemología de la confianza, que la IA generativa no cumple las condiciones para ser una fuente confiable de información: es una fuente insegura, y por lo tanto apoyarse en ella no es una ruta hacia el conocimiento. Ilya Levin propone lo contrario en apariencia, una “epistemología indexical de espacios de alta dimensión” en la que el significado en los embeddings opera de manera indexical antes que simbólica, ligada a un conocimiento navegacional, y concluye que estamos ante un régimen epistémico nuevo. Pritchard pregunta por la confianza, que es una relación normativa entre alguien que sabe y una fuente; Levin pregunta por la representación. Lo productivo no es decidir cuál tiene razón sino aplicarle al vocabulario de Levin la única prueba que sirve: qué permite decir que antes no se decía. Y permite decir esto, que no es poco: si el significado es navegacional y geométrico, entonces quien fija la geometría fija qué queda cerca de qué, y esa geometría sale de un corpus cuya distribución lingüística no es un accidente de la naturaleza.³

Timothy Gowers hizo el 12 de agosto, empíricamente, el trabajo que los dos hacen conceptualmente, y su respuesta es la más utilizable de las tres porque se puede comprobar. Tras el anuncio de OpenAI sobre diez problemas matemáticos resueltos —entre ellos la construcción de un grupo no-sófico y resultados sobre números de Ramsey multicolor—, Gowers observa que casi todos los problemas famosos resueltos lo fueron por contraejemplo y no por demostración, y conjetura el mecanismo: amplitud de conocimiento matemático más capacidad de explorar muchas ramas de búsqueda, lo que funciona bien con métodos estándar ya documentados y mal donde hace falta la intuición para podar un árbol profundo. Su criterio para reconocer el nivel humano es exigente y elegante: métodos nuevos y sorprendentes que en retrospectiva resulten hermosos y naturales. La versión práctica de ese hallazgo para un grupo de investigación sin cómputo es directa. La ventaja del modelo está donde el espacio de búsqueda es grande y verificar el éxito es barato. Un contraejemplo se verifica solo.

La misma semana, dos instituciones distintas resolvieron la cuestión de la autoría con instrumentos opuestos y la misma respuesta. La revista decidió que la firma tiene que ser humana; la oficina de patentes estadounidense ya lo había decidido, porque un tribunal de apelaciones estableció en 2022 que “individuo” significa ser humano y despachó el resto como asunto metafísico. Insilico Medicine promociona en su material comercial que su IA descubrió un fármaco para fibrosis pulmonar y anotó en la patente cinco inventores humanos, incluido su director ejecutivo, sin mención alguna del sistema. Ryan Abbott, el abogado del caso DABUS, advierte que listar inventores equivocados es una invitación a que la patente sea impugnada, y plantea el caso límite con una franqueza que agradece cualquiera que haya leído demasiada literatura sobre agencia artificial: si le pidiera a Claude que cure el cáncer y lo hiciera, sería inapropiado decir que yo lo inventé. La revista y la oficina llegan al mismo requisito por razones incompatibles: la primera necesita a alguien a quien acreditar, la segunda necesita a alguien a quien demandar y de quien licenciar.

Y ahí entra el texto más incómodo de la semana, que salió en La Nación el 16 de agosto y firman Pablo Mira y Alejandro Hortal. El argumento es que la ética de la virtud es el enfoque más pertinente para la IA porque la frónesis exige prudencia y experiencia de vida que la máquina no tiene, con la Odisea como escuela de sabiduría práctica: Escila y Caribdis, el orgullo de revelar el nombre, el rechazo de la inmortalidad de Calipso. La observación de apertura es buena y verificable —la IA amenaza empleos y de paso rescata a la filosofía de su precariedad histórica, porque las tecnológicas contratan filósofos—, y la conclusión no se sigue. El movimiento es esencialista: ubica la diferencia en lo que la máquina es en vez de en lo que un arreglo institucional hace, y es precisamente el movimiento que la semana desmiente, porque nadie necesitó establecer si un modelo puede tener frónesis para decidir quién firma, a quién se acredita y a quién se demanda. Esas preguntas son idénticas si el modelo la tuviera. Lo cual me obliga a aplicarme la objeción: este blog cita revistas indexadas, DOI y sellos de acceso abierto en cada entrada, y lo hace porque el circuito de acreditación es el que le da autoridad a lo que escribe. Que una revista de filosofía discuta su política de autoría no es acá un asunto conceptual. Es una discusión sobre la puerta por la que entramos.

Cuidado de los comunes

404 Media le puso un AirTag a un libro. Trabajando con un librero, siguió un pedido de unos mil ejemplares hasta un depósito de Amazon, y documentó vendedores que recibieron sesenta y ocho pedidos de un mismo comprador y otro que registró cuarenta y ocho órdenes alrededor de las cuatro de la mañana; la operación viene funcionando al menos desde septiembre de 2024. Amazon confirmó que compra libros por canales comerciales para ayudar a desarrollar y mejorar sus productos y servicios, y no dijo cuántos, ni para qué producto, ni cómo evita destruir ejemplares raros. El método del escaneo industrial es el que es: se corta el lomo, se separan las hojas, pasan por el alimentador, y el ejemplar se descarta.

Hay que conceder lo que corresponde, porque el reflejo fácil arruina el argumento. El escaneo destructivo es la técnica de la digitalización masiva desde siempre, y buena parte de lo que hoy se puede leer gratis —Internet Archive, HathiTrust— salió de operaciones que hicieron exactamente lo mismo con el mismo cúter. La diferencia no está en el método sino en qué queda del otro lado: en un caso, un catálogo consultable; en el otro, un corpus dentro de un modelo que nadie puede abrir. Y el ejemplar físico era la copia de respaldo. Para una biblioteca universitaria de la región que no puede pagar las licencias de los catálogos digitales, el mercado de usados no es una nostalgia: es el canal de adquisición, y no hace falta suponer intención para ver que una compra mayorista sostenida sobre una oferta finita mueve el precio.

En la punta opuesta del mismo proceso, John Gruber publicó el 16 de agosto una objeción a la marca de agua semántica que Anthropic incorporó en Claude, que ajusta las probabilidades de selección de palabras para que el modelo elija con más frecuencia términos de listas “verdes” antes que sus alternativas “rojas”, dejando un patrón detectable sólo con claves que tiene Anthropic. La empresa sostiene que la técnica no tiene impacto práctico en la calidad ni en el contenido de las salidas; Gruber responde que la idea de que algo distinto de sus necesidades influya en el texto que se genera para él es ofensiva, y que afirmar que no se altera el significado es exactamente lo que la técnica hace. Puestas juntas, las dos operaciones cierran un círculo. En la entrada, el original se consume: el libro se lee una vez, destructivamente, y lo que sobrevive está adentro de un modelo cerrado. En la salida se inserta una marca que sólo puede leer quien la puso. Entre un extremo y el otro no queda ningún punto donde un tercero pueda verificar nada.⁴

Educación

Un equipo interdisciplinario de North Carolina State University publicó en Frontiers in Education un flujo de trabajo de ocho pasos llamado Socratic Challenger, donde el modelo no genera la pregunta de investigación sino que interroga el proceso del estudiante: dónde está el hueco en el conocimiento, qué tiene de nuevo, si el método sirve. Lo probaron con cuarenta y cinco estudiantes de una materia de ecología de grado, durante nueve semanas, terminando en resúmenes de investigación; los estudiantes valoraron los ocho pasos, y la conclusión que reportan los autores es negativa y por eso útil: la tecnología sola no ayuda, lo que hace el trabajo es la secuencia.

Esa conclusión negativa es el activo transferible, y conviene compararla con la otra respuesta que dio la semana a la misma pregunta. El acuerdo con Meta responde con un toque de queda y un límite de dos horas: una restricción implementada por la empresa que causó el problema, verificada por un auditor que ella paga, y aplicable sólo donde el acuerdo aplica. El Socratic Challenger responde con ocho pasos, un DOI y un artículo en acceso abierto: no cuesta nada, corre contra el modelo que la institución pueda pagar, y una cátedra de una universidad pública de la región puede adoptarlo el lunes. Lo que se transfiere es el diseño y no la herramienta, y el diseño es justamente la parte que nunca aparece en un convenio marco con un proveedor, donde lo que se firma es acceso a una plataforma, capacitación en esa plataforma y una cláusula de renovación, nunca una secuencia pedagógica que la institución pueda quedarse aunque cambie de proveedor.

La carta del editor de MIT Technology Review del 26 de agosto, que presenta un número dedicado a los chicos que crecen entre agentes y chatbots, deja caer sin subrayarlo el dato más informativo del asunto: buena parte de la industria mantiene a sus propios hijos lejos de sus productos, y Zuckerberg no publica fotos de los suyos en sus plataformas. La lectura fácil es la hipocresía, y es la menos útil. Lo que hay ahí es una evaluación de riesgo hecha por quienes tienen la mejor información disponible, publicada en forma de conducta y no de documento, y que ningún sistema educativo puede citar en un plan de estudios porque nadie la escribió.

Oportunidades para el sector público

Dos proveedores discutieron en Buenos Aires este mes, y la discusión vale precisamente porque los dos venden algo. En el Google Cloud Summit del 25 de agosto se anunciaron Gemini Enterprise para servicios financieros y para el sector legal, en versión preliminar, con más de cincuenta capacidades para mercados de capitales y banca corporativa la primera y gestión del ciclo de vida de contratos la segunda; Mercado Libre reporta que cerca del 40% de su código en producción se escribe con asistencia de IA, y la investigación de Google con Foresight y el BID sitúa en 20,4% las empresas argentinas que ya usan IA de forma operativa y en 44,4% las que planean adoptarla en meses. Natalia Scaliter lo formuló como consigna: se terminó el tiempo de esperar y ver. Trece días antes, en el Finance Forum de Red Hat, Jorge Payró decía lo contrario con la misma seguridad, que la IA agéntica es una puerta de vulnerabilidades enorme y que “lo que no hay que perder es la autonomía y el control, la gobernanza”, con Ansible y Lightwell bajando la remediación de vulnerabilidades de treinta o cuarenta y cinco días a siete o diez. Ninguno de los dos es un observador desinteresado: uno vende la plataforma híbrida abierta y el otro vende la alternativa administrada. Por eso el desacuerdo informa, y lo que está en disputa no es la adopción sino dónde queda el costo de cambiar de proveedor.

El material más relevante para la región, sin embargo, salió en STAT el 19 de agosto y describe un sistema médico en la sombra que ya funciona: más de cuarenta millones de estadounidenses le hacen consultas de salud a ChatGPT todos los días, Oura vende por Quest un panel de cincuenta biomarcadores a noventa y nueve dólares, Function Health —valuada en 2.500 millones en noviembre de 2025— ofrece ciento sesenta análisis anuales, resonancia de cuerpo entero y lectura de resultados con ChatGPT, Ro y Hims recetan medicación para bajar de peso y para la ansiedad tras una consulta asincrónica, y Doctronic, que se presenta como el médico de IA número uno del mundo, lleva veinticuatro millones de consultas y emite renovaciones de receta generadas por IA en Utah. En medio de eso, Rao y Succi publicaron en JAMA Network Open la prueba de veintiún modelos de frontera con un resultado que hay que leer dos veces: dado un caso completo, acertaron el diagnóstico más del 90% de las veces; dada sólo la información que un clínico reúne al comienzo de una consulta, no produjeron un diagnóstico diferencial comprensivo más del 80% de las veces.⁵

En Estados Unidos ese sistema en la sombra compite con un sistema de salud que existe. En buena parte de la región no compite con nada: para alguien a ocho horas del hospital más cercano, el modelo no es una segunda opinión sino la primera. Y el hallazgo de JAMA está exactamente invertido respecto de ese uso, porque el caso completo es el que ya armó un clínico, y la presentación inicial incompleta es lo único que hay donde no hay clínico. La capacidad es mejor justo donde menos falta hace. Eso no es un argumento para prohibir nada, entre otras cosas porque prohibir no es una opción disponible cuando la alternativa es la nada; es un argumento para que los ministerios de salud de la región dejen de discutir si adoptan asistentes diagnósticos y empiecen a discutir el triage: qué presentación se deriva sí o sí, y quién paga la derivación.

La contracara la dio, sin proponérselo, un equipo de la Universidad Sungkyunkwan con colegas de Ajou y del MIT, que publicó en Advanced Materials una plataforma de planificación de síntesis en estado sólido en lazo cerrado: extrajo datos de síntesis de 4.407 artículos, propuso recetas para electrolitos sólidos de oxi-seleniuro, y cuando la primera propuesta a 600 °C dio impurezas, la realimentación experimental afinó las condiciones hasta 400 °C y consiguió un material monofásico nuevo en pocos experimentos. Es la clase de cosa que un sistema público de investigación puede copiar, y la razón es poco épica: la entrada eran artículos ya publicados y el lazo lo cerró un laboratorio que ya existía. El recurso escaso no es el modelo. Es el horno, y la persona que sabe leer el difractograma. Lo que invierte la conversación habitual de política científica: el cuello de botella de un grupo de materiales en la región no es el acceso a un modelo de frontera, es la capacidad experimental para cerrar el lazo, y eso no lo compra ningún presupuesto de cómputo.

Impacto ambiental

Un equipo del Instituto de Física de la Materia Condensada y Sistemas Complejos de la Universidad de Edimburgo, dirigido por Elton Santos, aplicó teoría de control óptimo a la conmutación magnética ultrarrápida en materiales de van der Waals y bajó en simulación la energía necesaria de hasta 91,2 nanojulios a 0,94, con la expectativa de llegar al rango de los femtojulios. Son dos advertencias y una concesión. Es simulación, no dispositivo. Y una mejora de cien veces en la energía de conmutación de la memoria nunca, en la historia del cómputo, redujo el consumo total: agrandó lo que se construye.⁶ La concesión es que nada de eso es un argumento contra la investigación, que está bien hecha y que nadie debería dejar de hacer; es un argumento sobre lo que una cifra de eficiencia puede y no puede sostener dentro de un documento de política, y la región ya vio esta película en otros sectores. Lo que una ganancia de eficiencia no cambia es la dirección postal. La subestación se sigue construyendo en algún lado, y quién la paga se sigue decidiendo en una audiencia de permisos.

Cierre

La frase que ordena la semana no la dijo ningún laboratorio: la escribió un consultor en una revista socialdemócrata alemana, y dice que una etiqueta sin derecho práctico a impugnar el resultado es poco más que un cartel clavado en una puerta cerrada. Esta semana se colgaron muchos carteles: una verificación de edad, una prohibición de autoría, una marca de agua, cinco inventores humanos. La pregunta para la que viene es cuántas de esas puertas tienen del otro lado a alguien obligado a abrir, y de esas, cuántas quedan en una jurisdicción donde a la región le toca ser usuaria y no parte.

Las notas de esta semana

Gobernanza

Sobre el acuerdo de Meta: , y , 26-27 de agosto de 2026 · acceso libre
Sobre el problema de la verificación de edad: y la lectura adversarial de · acceso libre
Sobre la demanda de Florida contra OpenAI: y , 19 de agosto de 2026 · acceso libre
Gates sobre los umbrales: , 26 de agosto de 2026 · muro de pago
Sobre las proteínas diseñadas por Claude: , 20 de agosto de 2026 · acceso libre
La historia interna del episodio de Hugging Face: · muro de pago

Democratización

Tsipursky sobre transparencia y rendición de cuentas: , 17 de agosto de 2026 · acceso libre
Sobre el “Project OT” de Meta: y · acceso libre
Sobre las jornadas de noventa horas: , 17 de agosto de 2026 · acceso libre

Comunes epistémicos

La decisión de la revista: , Daily Nous, 24 de agosto de 2026, y el , 13 de agosto · acceso libre
Duncan Pritchard, , Synthese, 7 de agosto de 2026 · suscripción
Ilya Levin, , Synthese 208(3), 26 de agosto de 2026 · suscripción
Timothy Gowers, , 12 de agosto de 2026 · acceso libre
Sobre inventores y patentes: , 21 de agosto de 2026 · muro de pago
Pablo Mira y Alejandro Hortal, , La Nación, 16 de agosto de 2026 · acceso libre

Cuidado de los comunes

Sobre la compra y destrucción de libros: y , sobre la investigación original de 404 Media · acceso libre
John Gruber sobre la marca de agua de Claude: , 16 de agosto de 2026 · acceso libre

Educación

Sobre el Socratic Challenger: , 26 de agosto de 2026; el artículo original en Frontiers in Education, doi:10.3389/feduc.2026.1913451 · acceso abierto
La carta del editor: , septiembre de 2026 · muro de pago

Oportunidades para el sector público

Sobre el Google Cloud Summit: , 25 de agosto de 2026 · acceso libre
La entrevista a Jorge Payró: · acceso libre
Sobre el sistema médico en la sombra: , 19 de agosto de 2026 · muro de pago
Sobre la plataforma de síntesis de materiales: , 26 de agosto de 2026 · acceso libre

Impacto ambiental

Sobre la conmutación magnética: ; el artículo original en Advanced Materials, doi:10.1002/adma.202523059 · suscripción

Conviene precisar la cifra, porque circula de tres maneras distintas. El total es de hasta dieciocho mil millones de dólares a diez años, de los cuales cerca del 70% —unos 12.700 millones— es firme y el resto queda condicionado a que Snap, TikTok y YouTube adopten medidas equivalentes. California se lleva 2.200 millones y Nueva York 1.100; Texas negoció aparte por más de mil. El diseño del incentivo es lo llamativo: la parte condicionada convierte a Meta en la parte más interesada del país en que sus competidores acepten las mismas restricciones que ella acaba de aceptar, y también convierte el límite de dos horas en uno de una si eso ocurre. Es una cláusula de coordinación entre competidores, redactada en un acuerdo judicial y sin ninguna autoridad de competencia mirando. ↩︎
El public nuisance es la doctrina con la que se llegó a los grandes acuerdos contra las tabacaleras en los noventa y contra los fabricantes de opioides en la década pasada, y su atractivo es que no requiere legislar: basta un fiscal, un tribunal estatal y un daño difuso que se pueda documentar. Su límite es de la misma naturaleza. Funciona porque el demandado tiene demasiado que perder en ese mercado como para ir a juicio, lo que la vuelve un instrumento de países grandes y explica por qué la vía que efectivamente le queda a un Estado chico no es litigar sino coordinar con otros Estados chicos, que es más lento y menos fotogénico. ↩︎
Leí los dos artículos por resumen: Synthese los publica bajo suscripción y el texto completo está detrás del muro. Señalarlo no es un gesto de humildad sino la única forma honesta de escribir sobre ellos en una entrada que dedica una sección a los comunes epistémicos, y también un dato sobre el objeto: la discusión filosófica de mayor nivel sobre qué clase de conocimiento producen estos sistemas circula en un régimen de acceso que la mayoría de quienes tienen que decidir sobre ellos no puede pagar. El de Pritchard tiene, para colmo, un título que se entiende entero desde el resumen, lo que ahorra la suscripción y no arregla el problema. ↩︎
Vale registrar la simetría con lo que discutíamos hace dos semanas a propósito del AI Act y de la ley californiana. La procedencia obligatoria y la marca de agua propietaria son el mismo instrumento técnico con el signo cambiado: en un caso la trazabilidad es una obligación pública verificable por terceros, en el otro es una capacidad privada verificable por su dueño. Que Google haya vuelto opcional la marca visible de Gemini el mismo mes en que Anthropic incorporaba una invisible en Claude sugiere que la variable que se ajusta no es cuánta trazabilidad hay, sino quién tiene la llave. ↩︎
Las dos cifras no son las dos caras de una misma moneda y conviene no leerlas así. La primera mide acierto diagnóstico sobre una viñeta clínica completa, que es un ejercicio de reconocimiento; la segunda mide la producción de un diagnóstico diferencial comprensivo, es decir, la capacidad de enumerar lo que todavía podría ser el cuadro, que es un ejercicio de imaginación acotada por el riesgo. Un sistema que acierta el diagnóstico modal y omite la alternativa grave y poco frecuente es exactamente el perfil de error que un servicio de urgencias entrena a sus residentes para no tener. ↩︎
Escribo “nunca redujo el consumo total” con la incomodidad de quien reconoce un reflejo. La paradoja de Jevons se ha vuelto en esta discusión un comodín que permite descartar cualquier mejora técnica sin examinarla, y usada así deja de discriminar: hay eficiencias que efectivamente se comieron su propio ahorro (la iluminación, la refrigeración) y hay otras que no tuvieron demanda elástica que las absorbiera. Lo que sostiene el argumento acá no es la paradoja en abstracto sino el hecho verificable de que la demanda de cómputo de los últimos cuatro años absorbió cada ganancia de eficiencia disponible sin que el consumo agregado bajara ningún año. ↩︎

Pax Silica

Sun, 23 Aug 2026 00:00:00 +0000

El borrador es del Departamento de Estado y todavía no se envió: los treinta y cinco firmantes de una declaración de junio recibirían la advertencia de que sumarse al marco chino los deja afuera de la coalición estadounidense. Seis días después, Brasil anunció 2.300 millones de reales repartidos entre Huawei y Nvidia. Y en el medio, los dos supuestos bandos —OpenAI y Z.ai— frenaron sus modelos más capaces por el mismo motivo, con el mismo plazo de dos semanas y sin que nadie externo revisara la decisión.

Gobernanza

OpenAI anunció el 18 de agosto que había pausado durante dos semanas el entrenamiento por refuerzo de sus modelos destinados a despliegue, y que dejaba en suspenso su corrida más grande, después de que señales internas indicaran que Astra —un sistema todavía no publicado— podía estar cruzando el umbral “Crítico” de capacidad cibernética de su propio Preparedness Framework. Cuatro días antes, Z.ai había lanzado GLM-5.3 reteniendo los pesos, tras medir 84,5% en CyberGym, un banco de pruebas de descubrimiento de vulnerabilidades. Dos laboratorios, uno de cada lado de la línea que el Departamento de Estado quiere trazar, llegaron a la misma conclusión en la misma semana con el mismo instrumento: un umbral definido por ellos mismos, medido por ellos mismos y aplicado por ellos mismos.

Es preferible a la alternativa y conviene decirlo sin ironía: parar cuesta plata, y la pararon. Pero no es gobernanza, y se ve mejor leído contra el índice de seguridad que el Future of Life Institute publicó en julio, donde la nota más alta de la industria fue un C+ —Anthropic, 2,66—, OpenAI sacó C, Meta D+, y xAI, DeepSeek y Mistral F; y donde se documenta que varias empresas, incluidas las mejor calificadas, habían debilitado o abandonado justamente los compromisos de detenerse ante límites duros. La misma semana Google volvió opcional la marca de agua visible en Gemini y Flow, dejando solo el SynthID invisible. La pausa y el destape van en direcciones opuestas y comparten estructura: son compromisos que quien los asume puede editar sin avisarle a nadie. Para cualquier Estado que no tenga capacidad propia de evaluación —es decir, para casi todos— la diferencia entre un umbral y un comunicado de prensa es exactamente cero.

Cuidado de los comunes

Tres publicaciones en la misma semana, tres capas distintas abiertas. Alibaba liberó el 12 de agosto los pesos de Qwen3.8-2.4T-A95B —2,4 billones de parámetros totales, 95 mil millones activos por token—, la primera vez que un modelo de clase Qwen-Max sale con pesos disponibles; pero el checkpoint es solo texto, sin la visión ni el contexto de un millón de tokens que hacen valioso al producto alojado, y sale bajo una licencia propia con cláusula de reparto de ingresos. Z.ai publicó GLM-5.3 sin pesos, con promesa de liberarlos alrededor del 28 de agosto bajo la licencia permisiva de siempre. DeepSeek liberó Harness, su andamiaje de agentes, con licencia MIT genuina, agnóstico de proveedor, con cada capa —inferencia, herramientas, estado de sesión, el bucle mismo— reemplazable como plugin; y el mismo día subió el precio de la API de V4-Pro.

Ninguna de las tres se está cerrando. Las tres están eligiendo qué capa abrir, y la elección tiene un patrón: se abre la capa cuyo costo marginal de copia es cero y se retiene la que cuesta sostener.¹ Lo mejor de la semana en este rubro es el harness de DeepSeek, precisamente porque no depende de DeepSeek: un laboratorio de Bogotá o de Accra puede correrlo contra el modelo que pueda pagar, incluso contra uno propio. Pero la pregunta que quedó abierta la semana pasada sigue igual, apenas desplazada: ya no se trata de si los pesos están, sino de cuál de las capas del sistema quedó libre y cuál se cobra. Abierto dejó de ser un estado del artefacto para volverse una variable que se ajusta capa por capa, y quien la ajusta es siempre el mismo.

Comunes epistémicos

Un equipo de Northwestern publicó en PNAS el análisis más grande hasta ahora sobre qué le hace el uso de modelos de lenguaje al financiamiento público de la ciencia. Combinaron propuestas confidenciales de dos universidades R1 estadounidenses —unas 1.600 de la NSF y 4.100 de los NIH, incluyendo las rechazadas y las pendientes— con la población completa de subsidios otorgados entre 2021 y 2025: 57 mil de la NSF y 74 mil de los NIH. El uso de modelos sube abruptamente desde 2023 y se distribuye de forma bimodal: o casi nada, o mucho. Y en todos los conjuntos, mayor involucramiento del modelo se asocia a menor distintividad semántica: las propuestas se parecen más a lo que esa misma agencia ya venía financiando. Las consecuencias, en cambio, dependen de la agencia. En los NIH, pasar del percentil 25 al 75 de uso corresponde a unos 4 puntos porcentuales más de probabilidad de aprobación y 5% más de publicaciones; en la NSF no hay asociación significativa. Y la ganancia de productividad de los NIH se concentra en artículos que no están entre los más citados.

Ese contraste entre agencias es el dato que importa, porque desplaza el problema. No es el modelo el que premia la convergencia: es una cultura de evaluación la que la premia y otra no, con la misma herramienta de por medio. Para quien escribe en su segunda lengua —la mayoría de quienes investigan en el Sur— un modelo de lenguaje es un igualador real: borra la penalidad de acento en un formulario que siempre la cobró. Pero el mismo instrumento que baja esa barrera empuja el contenido hacia el centro de lo ya financiado, y ese centro tiene una geografía. La conclusión práctica no es prohibir nada. Es que las agencias de la región —CNPq, CONICET, Minciencias— todavía están a tiempo de decidir si sus criterios de evaluación premian la distintividad o la conformidad, antes de rediseñar sus procesos alrededor de detectar el uso del modelo, que es la respuesta fácil y la equivocada.

El otro hallazgo de la semana va en la dirección contraria, y hay que sostener las dos cosas a la vez. Un equipo liderado por Stanford publicó en Science la creación de dieciséis bacteriófagos viables que no existen en la naturaleza, diseñados por modelos generativos entrenados con millones de genomas: sintetizaron químicamente cerca de trescientos candidatos, y el cóctel de los dieciséis que funcionaron venció resistencias que habían derrotado al fago natural. La carga de infecciones resistentes a antibióticos es abrumadoramente del Sur, y la terapia con fagos es de las pocas cosas en biomedicina que se producen barato y cerca. Es exactamente lo que la promesa de la IA científica dice que va a pasar. Es también, en la misma frase, una capacidad de diseño de patógenos, y la respuesta previsible —controles de exportación sobre modelos de diseño biológico— cercaría esa capacidad justo donde la necesidad es mayor. La misma tecnología produce convergencia en un formulario de subsidio y novedad genuina en un genoma; lo que cambia entre un caso y el otro no es el modelo, es qué recompensa el mecanismo de selección que hay del otro lado.

Democratización

Reuters accedió a mediados de agosto a un borrador del Departamento de Estado dirigido a los treinta y cinco firmantes de una “AI Opportunity Statement” de junio: la advertencia de que sumarse al marco competidor de Beijing los deja afuera de la coalición estadounidense. El marco se llama Pax Silica, se lanzó el año pasado para asegurar cadenas de suministro de modelos, semiconductores y minerales críticos, y ya tiene unas dos docenas de países, entre ellos Japón, Australia, Corea del Sur y Kazajistán, que además está en la coalición china. El 19 de agosto el vocero Lin Jian respondió que China se opone a tomar bandos y formar campos en materia de IA, y que “cada país tiene derecho a elegir sus socios según sus condiciones nacionales y sus necesidades de desarrollo”.

Las dos posiciones son formalmente simétricas —las dos son pedidos de alineamiento— y materialmente no lo son, porque no piden lo mismo. Pax Silica es, antes que un acuerdo sobre modelos, un acuerdo sobre minerales críticos: sobre lo que el Sur tiene en el suelo. El nombre no es un accidente ni un chiste interno; es la tesis. Una pax es lo que concede quien controla el perímetro, y lo que concede es previsibilidad a cambio de exclusividad. Por eso el caso de Kazajistán es el más instructivo de la semana: estar en las dos coaliciones no es indecisión, es la estrategia racional de un proveedor de insumos, porque el valor de lo que vende viene justamente de no estar comprometido. La cláusula de exclusividad existe para eliminar ese margen. El no alineamiento, acá, no es una postura moral heredada de los sesenta: es una posición de negociación, y la carta es un intento de volverla contractualmente imposible.

Oportunidades para el sector público

Brasil anunció el 20 de agosto 2.300 millones de reales (444,2 millones de dólares) para su ecosistema de IA, repartidos a propósito. Poco más de la mitad —1.300 millones— financia infraestructura de supercómputo en Río de Janeiro con Huawei e iFlytek, orientada explícitamente a desarrollar modelos de lenguaje generales y sectoriales. Los otros mil millones van a licitación para una máquina que el gobierno espera que quede entre las diez más potentes del mundo en procesamiento de IA, a instalarse en Rio Grande do Norte, y que se descuenta ganará Nvidia. Al día siguiente Corea del Sur anunció un “Fondo de Respuesta al Futuro” financiado con el excedente de recaudación del boom de semiconductores —lo que supere un umbral basado en el crecimiento promedio de la última década— y destinado a empleo joven, vivienda, desarrollo regional e inversión en IA; la prensa local estima que podría superar los 100 billones de wones (72.280 millones de dólares).

Son dos capacidades estatales distintas y conviene no confundirlas. La coreana es fiscal e institucional: una regla contracíclica que convierte un auge en reserva, es decir, una decisión sobre el tiempo. La brasileña es de compra: convertir plata en máquinas, ahora. Brasil está haciendo lo más difícil con mucho menos —444 millones es aproximadamente lo que un hiperescalador gasta en dos semanas—, y el detalle que importa no es el monto sino que más de la mitad va a desarrollar modelos y no a alquilar capacidad para consumirlos. La respuesta a Pax Silica no fue un comunicado sino un presupuesto dividido, y llegó seis días después del borrador, desde un país que no está entre los treinta y cinco. Queda una pregunta que ninguno de los dos anuncios contesta y que es la que decide si esto es soberanía o mera adquisición: quién gobierna después ese cómputo. Cómo se asigna, con qué criterio, y si una universidad pública del Nordeste va a tener horas en la máquina de Rio Grande do Norte o va a mirarla desde afuera como quien mira pasar un gasoducto.

Impacto ambiental

Rio Grande do Norte fue elegido, según el propio anuncio, por su potencial energético. En el Nordeste brasileño esa frase significa viento, y hay que decir que es una buena razón: es probablemente la mejor decisión de localización disponible en términos de huella. Pero la frase deja sin responder las dos preguntas que la vuelven una política y no una postal: a qué precio compra esa energía el centro de cómputo, y quién paga la red que la lleva.

La respuesta más transferible de la semana vino de un lugar improbable y no menciona modelos en ningún momento. El 18 de agosto el gobernador de Pensilvania firmó una orden ejecutiva que saca a los centros de datos de IA del programa de permisos acelerados, exige compromisos vinculantes sobre la red eléctrica antes de que la autoridad ambiental evalúe siquiera el permiso, obliga a contratación local y a un acuerdo de beneficios comunitarios, y establece dos cosas que valen más que todo lo anterior: que sin aprobación de la comunidad local el estado no aprueba el proyecto, y que los costos de infraestructura que genere el centro los paga el centro y no los usuarios residenciales, incluso si más adelante cierra y no puede pagarlos. Es gobernanza policéntrica en su forma menos glamorosa: no un marco nacional de IA, sino permisos, suelo y quién paga la subestación, decididos en la escala donde están los afectados.² La última cláusula es la que más importa para la región, porque el contrato extractivo estándar en América Latina siempre externalizó exactamente eso: el costo de lo que queda cuando la operación se va.

Cierre

La semana dejó dos gestos que se parecen y no son lo mismo. Dos laboratorios decidieron frenar, y nadie afuera pudo verificar por qué, con qué medida, ni hasta cuándo. Un gobernador decidió que un centro de datos no se construye si la comunidad local no lo aprueba, y eso es verificable, apelable y copiable. La pregunta para la semana que viene no es si la carrera va a tener reglas, sino cuántas de esas reglas van a estar escritas en un framework que la empresa puede editar, y cuántas en un permiso que alguien puede negar.

Las notas de esta semana

Gobernanza

Sobre la pausa de OpenAI: , 18 de agosto de 2026, y el · acceso libre
Sobre el embargo de pesos de GLM-5.3 y su puntaje en CyberGym: y · acceso libre
Sobre el índice de seguridad: , Future of Life Institute, con · acceso libre
Sobre las marcas de agua opcionales: , 14 de agosto de 2026 · acceso libre

Cuidado de los comunes

Qwen3.8-2.4T-A95B: sobre el alcance real del checkpoint y la licencia · acceso libre
DeepSeek V4-Pro y Harness: , 13 de agosto de 2026 · acceso libre

Comunes epistémicos

El estudio: Qian, Wen, Furnas, Bai, Shao y Wang, , PNAS, 2026. El tiene el texto completo · acceso libre el preprint
Sobre los bacteriófagos: y , agosto de 2026 · acceso libre

Democratización

Sobre el borrador de Pax Silica: , 15 de agosto de 2026 · acceso libre
La respuesta china: y · acceso libre

Oportunidades para el sector público

Sobre la inversión brasileña: , 20 de agosto de 2026, y · acceso libre
Sobre el fondo coreano: y , 21 de agosto de 2026 · acceso libre

Impacto ambiental

La orden ejecutiva de Pensilvania: y , Pennsylvania Capital-Star · acceso libre

La idea de analizar un sistema informacional por capas —física, lógica, de contenidos— y de preguntar en cada una si está abierta o cerrada viene de Yochai Benkler, The Wealth of Networks (2006), y antes de Lawrence Lessig. El punto que agrega esta semana es que las tres empresas usan la separación en capas como instrumento de gestión: no se decide entre abrir y cerrar, se decide dónde poner la frontera. Un harness con licencia MIT sobre un modelo tarifado, o unos pesos disponibles sin las modalidades que hacen útil al producto, no son aperturas parciales por limitación técnica; son configuraciones elegidas, y el criterio que las ordena es cuál capa se puede copiar sin costo. ↩︎
Ostrom, en Governing the Commons (1990), enumera entre sus principios de diseño los arreglos de elección colectiva —que quienes son afectados por las reglas participen en modificarlas— y las empresas anidadas, que distribuyen la autoridad en niveles. La cláusula de veto local de la orden de Pensilvania es exactamente lo primero, y el hecho de que la autoridad ambiental estatal quede subordinada a esa aprobación es lo segundo. Es notable que el instrumento más ostromiano de la semana en materia de IA no regule ningún modelo: regula un galpón, un permiso y una factura de electricidad. ↩︎