Son las once de la noche y en alguna oficina alguien va por la versión catorce del mismo prompt. Puede ser un informe, una propuesta o un correo difícil. La máquina ya entregó trece respuestas rápidas y bien escritas. Ninguna sirve. Y la única que lo sabe es la persona que sigue despierta.

Esa escena resume el momento. Estamos tan ocupados adivinándole el futuro a la IA que olvidamos la pregunta más pertinente hoy: qué podemos resolver con ella.

Mientras discutimos el 2030, la IA ya ataca problemas que llevábamos décadas sin cerrar. En el MIT, un sistema imaginó más de 36 millones de compuestos; los científicos escogieron 80 y de ahí salió uno que venció una enfermedad resistente en laboratorio y en ratones. La máquina puso la escala. El ojo para escoger fue humano.

En movilidad, Google usa IA para recomendar ajustes a los semáforos existentes y los ingenieros de cada ciudad deciden si los aplican. En 18 ciudades ha logrado hasta 30% menos paradas y hasta 10% menos emisiones en los cruces intervenidos. Quien transita la séptima en Bogotá a las seis de la tarde sabe lo que vale ese 30%.

La máquina corre, pero no siempre sabe para dónde

Ahora bien, esa potencia tiene letra pequeña. METR, un laboratorio que mide cuánto puede trabajar una IA sin supervisión, encontró que el modelo más avanzado evaluado en este 2026 sostiene tareas de software de al menos 16 horas, y esa capacidad se duplica cada cuatro meses. El detalle que pocos cuentan: lo logra bien la mitad de las veces. Si se le exige acertar ocho de cada diez, el margen cae a tres horas. Corre maratones, pero con frecuencia llega a la meta equivocada.

El Informe Internacional de Seguridad de la IA 2026, liderado por Yoshua Bengio, lo confirma: estos sistemas todavía inventan información, fallan en código y dan consejos médicos errados, y ningún método elimina del todo esos errores. Su conclusión, por ahora, es que los agentes complementan a los humanos.

Las empresas ya pagaron la lección

Klarna presumió que su chatbot hacía el trabajo de 700 personas. Un año después, su CEO admitió que priorizar el costo les dejó una calidad menor y volvieron a contratar humanos. Hoy presentan la atención humana como un servicio VIP. Lo que ayer se recortaba como gasto, hoy se vende como privilegio.

El MIT lo midió a gran escala: tras invertir entre 30.000 y 40.000 millones de dólares, el 95% de los pilotos empresariales de IA generativa no mostró retorno financiero. Y un dato revelador: la mitad de esos presupuestos se fue a ventas y mercadeo, mientras los mejores resultados aparecieron en tareas administrativas. Quien adoptó la IA a ciegas compró velocidad y se quedó sin dirección.

El riesgo más cercano somos nosotros

Medirnos contra la IA en velocidad es una carrera que nadie necesita correr. Ella produce volumen. Ese criterio es lo que está en juego, porque el propio informe de Bengio advierte que depender de la IA puede debilitar el pensamiento crítico.

En cualquier organización se cumple la misma regla: los resultados empiezan por un problema bien definido y la herramienta llega después. Con la IA ocurre igual. Las empresas que hoy ganan con ella supieron primero qué querían resolver y solo después eligieron con qué.

Esa es la verdad detrás de tanto pronóstico. La IA volvió instantánea la ejecución; cualquiera obtiene mil respuestas en un minuto. Lo que ganó valor es el juicio: saber qué hacer, para quién, a qué renunciar y responder cuando la decisión sale mal. Eso tiene un nombre que existía mucho antes de cualquier algoritmo: estrategia.

Volvamos a la persona de la versión catorce. Si la máquina fuera suficiente, esa persona estaría dormida. Sigue despierta porque solo ella sabe para dónde va, a quién le habla y por qué las trece versiones anteriores estaban vacías.

También le puede interesar: