Entre el modelo ganador y el más eficiente hay una gran diferencia en los costos.

Estamos en un momento en que todas las semanas están apareciendo nuevos modelos LLM y cada empresa tecnológica publicita el suyo como «el mejor modelo», lo que ha generado muchas preguntas por parte de los usuarios a la hora de cuál usar, ya que hay múltiples rankings y para todos los gustos. Además la gran gama de modelos con sus múltiples versiones no ayudan a tomar una mejor decisión. En la gráfica siguiente, se muestra un pequeño árbol genealógico de los modelos LLM’s con sus versiones existentes a la fecha.

A raiz de esto, hice un pequeño ejercicio para poderlos ordenar (lo hice solo para el top 10), usando los datos de LiveBench,  uno de los benchmarks disponibles más reconocidos. El principal atributo de LiveBenh es que utiliza preguntas que se van modificando para evitar contaminación y lo crucé con los costos de cada modelo de tres formas diferentes (precio de lista, tarea exitosa y frontera de Pareto). Otros benchmarks que mantienen sus preguntas en el tiempo, los fabricantes entrenan sus modelos para que tengan buenos resultados.

Debo destacar que no existe el «mejor modelo», ya que desempeño y costo no son las únicas variables a evaluar, hay otras dimensiones: abierto vs cerrado, políticas de privacidad, etc., pero me pareció que esto podía ser un inicio al momento de analizar los diferentes modelos existentes y que seguramente seguirán aumentando.

Alternativa 1: Precio de lista

En primer lugar tomar el puntaje del benchmark y usar el precio por millón de tokens que publica cada proveedor, normalizar costo y desempeño ponderarlos. Para ponderar utilice una cifra arbitraria de 70% de desempeño y 30% de costo, proporción bastante usual en procesos de evaluación técnico-económica.  En todo caso a modo de sensibilizar hice el análisis moviendo la ponderación de 70/30 a 80/20, y el top 5 no cambió mucho.

Con los 10 mejores modelos del release de junio de 2026 de LiveBench, el resultado sorprende: los modelos más famosos quedan al fondo de la tabla. Claude Fable 5, que lidera el benchmark en desempeño puro (83,4 puntos), cae al noveno lugar del ranking: cuesta 5 a 10 veces más que los líderes en valor, por una ventaja de apenas 4 a 5 puntos de benchmark. Arriba quedan los modelos de bajo costo con desempeño, tales como: Muse Spark 1.2 de Meta y Qwen3.8 Max de Alibaba.

El problema con esta forma de categorizar, el precio de lista no identifica cuántos tokens consume un modelo para resolver algo, que es lo que finalmente le interesa a un usuario final.

Alternativa 2: Tarea exitosa

LiveBench publica para un subconjunto de modelos una métrica mucho más interesante: el costo por tarea exitosa. Esta métrica se calcula en dos pasos.

1. El costo medido por pregunta: los tokens que el modelo efectivamente consumió al correr el benchmark, incluyendo todo el «razonamiento» interno, multiplicados por su tarifa.
2. Ese costo se divide por la tasa de éxito.

La fórmula captura tres cosas que el precio de lista ignora: cuánto cobra el proveedor por token, cuántos tokens gasta el modelo para resolver algo, y qué fracción de ese gasto se traduce en respuestas correctas.

Con esta métrica (disponible para el release de enero de 2026), el ranking cambia de nuevo y aparece un caso notable: DeepSeek V4 Pro. Es el modelo cuyas salidas (output) son más extensas, en el dataset de enero-2026, el modelo con la mayor cantidad de tokens de salids es DeepSeek (33.261 tokens de salida promedio por pregunta), bastante mayor que el que le sigue, con una tarifa por tarea exitoso es de US$ 0,039 siendo el que le sigue tiene un costo de US$ 0,12.

La lección para quien evalúa adopción de IA: un modelo «caro por token» que responde conciso y acierta mucho puede salir más barato que uno «barato por token» que divaga y falla. Solo el costo por tarea exitosa lo revela.

Alternativa 3: Frontera de Pareto (no ponderar)

La tercera alternativa es la que usan algunos evaluadores independientes, como Artificial Analysis no ponderar nada. Se grafica desempeño contra costo y se marca la frontera eficiente: los modelos para los cuales no existe otro más barato e igual de bueno. Todo lo que queda bajo la frontera está dominado, hay una opción mejor y más barata, y todo lo que está sobre ella es una elección legítima según el presupuesto.

En mi ejercicio, siete de diez modelos quedaron en la frontera, desde DeepSeek V4 Pro en el extremo económico hasta GPT-5.5 en el extremo de máximo desempeño. La gracia de este enfoque es que elimina el ponderador y cada persona puede tomar una decisión.

La reflexión de fondo

Algunas reflexiones para organizaciones que están definiendo sus estrategias de adopción de IA, el mensaje es incómodo pero necesario: desconfíen de cualquier ranking que no explicite su metodología, su fecha de corte y su tratamiento del costo.

La diferencia entre «el mejor modelo» y «el mejor modelo para tu caso de uso y presupuesto» puede ser una gran diferencia, como muestra este ejercicio. Y esa diferencia, escalada a millones de transacciones de una organización grande, es la diferencia entre un proyecto viable y uno que se gasta todo el presupuesto en poco tiempo.

Como siempre en tecnología,

la pregunta correcta no es: «¿cuál es el mejor?»

sino

¿mejor para qué, a qué costo?

La entrada ¿Qué modelo de lenguaje elegir? se publicó primero en Escritorio de Alejandro Barros.

La secuela de DOGE ya tiene nombre, National Design Studio (NDS), y ya tuvo su primer papelón.

En junio, Ars Technica tituló una nota de una manera que lo resume casi todo: el plan de Trump para rediseñar todos los sitios .gov terminó en «horrores diseñados por IA». Días después llegó el desenlace. El National Design Studio, la oficina a cargo del rediseño, postergó oficialmente el marco con el que iba a estandarizar los sitios del gobierno federal. El plazo simbólico era el 4 de julio de 2026, el aniversario 250 de Estados Unidos que ya sabemos no cumplieron.

Esto podría ser la segunda parte de una película que partió hace un tiempo con DOGE, cambio en algunos de los participantes, pero la idea es la misma, «hacer TODO de nuevo y en poco tiempo», esta es buena lección para nuestros países, que gustan mucho de hacer todo de nuevo cuando entra una nueva administración.

Qué prometía «America by Design»

En agosto de 2025, Trump firmó una orden ejecutiva creando el cargo de Chief Design Officer de Estados Unidos, nueva posición y oficina en el gobierno federal, en el centro del poder, la Casa Blanca: el National Design Studio. Para dirigirla Joe Gebbia, cofundador de Airbnb, ex integrante de DOGE y hoy también en el directorio de Tesla.

La promesa era ambiciosa: hacer que los sitios del gobierno fueran «usables y hermosos», esto lo grafica una frase que Gebbia repetía bastante, que el «Estado se sintiera más como una Apple Store». El objetivo declarado era que los 10 sitios más visitados , por donde pasa la mitad del país cada mes, pero el número que se instaló en la prensa fue otro: 27.000 sitios federales rediseñados, con sus primeros resultados para el 4 de julio del 2026, coincidiendo con la celebración de los 250 años. ¿La herramienta elegida para escalar a esa velocidad? Inteligencia artificial.

Hasta aquí, el relato es impecable. El problema, como siempre, apareció cuando hubo que mostrar los sitios.

A la sombra de DOGE

Gebbia venía de DOGE, donde trabajó en la modernización del sistema de pensiones de los funcionarios federales. Un funcionario de la propia administración describió al National Design Studio como un sucesor de DOGE.

Cuando escribí sobre DOGE el año pasado, lo resumí como eficiencia convertida en espectáculo, más teatro que ingeniería según Financial Times. El National Design Studio es la versión estética de la misma película: diseño convertido en espectáculo, heredando algo de su estilo.

Pero además la iniciativa tiene un pecado original, menos de un año antes, DOGE desmantela 18F, el equipo de servicios digitales del gobierno federal. 18F no era un experimento, con un historial bastante impresionante: entre 2014 y 2025 completó más de 455 proyectos en 34 agencias, construyó y mantuvo Login.gov, el U.S. Web Design System y el IRS Direct File, la plataforma pública y gratuita para declarar impuestos sin pagarle a TurboTax.

En primer lugar destruyó la capacidad instalada que hacía exactamente este trabajo y después se creó una oficina nueva para prometer, en tres años y con IA, lo que ese equipo ya venía haciendo. Difícil imaginar una manera más eficiente de perder conocimiento institucional.

Las fallas, una por una

Cuando salieron los primeros sitios, el diagnóstico técnico fue lapidario. Algunas de las principales críticas en diversas áreas son:

• Accesibilidad: Diferentes análisis mostraron serios problemas de accesibilidad, tema no menor, ya que existe una norma legal (Sección 508) que obliga a que los sitios del Estado sean accesibles para personas con discapacidad. El medio NOTUS reportó que tres sitios del estudio reprobaron auditorías de accesibilidad hechas por Equalize Digital: texto con contraste insuficiente, estructuras de encabezado rotas.

• Código generado por IA: El propio CIO federal reconoció haber usado IA para rediseños completos de sitios. Una especialista en accesibilidad, Anna Cook, revisó el código de AmericaByDesign.gov y alertó sobre un uso intensivo de contenido generado por IA sin edición, con técnicas obsoletas que además pueden abrir vulnerabilidades de seguridad.

• Sitios sin servicios: De los primeros proyectos públicos del estudio, prácticamente ninguno conecta al usuario con un sistema donde pueda completar un trámite real. El «Trump Card» y el propio sitio del estudio tienen formularios que se envían a un buzón sin identificar. Y el sitio Safe DC ofrece exactamente un elemento clickeable: un botón, con efectos de sonido incluidos, que redirige a USAJobs.gov, un sitio de 1996.

• Estética por sobre función. La mayoría de los lanzamientos no son servicios: son landing pages de las prioridades políticas del gobierno: inmigración, orden público, precios de medicamentos y nutrición. En TrumpRx hay un globo dorado de Estados Unidos girando a media página y un águila dorada abajo. Bonito, si a uno le gusta el dorado. Útil, no tanto.

Pero eso no es todo …

Todo lo anterior es un problema de calidad de diseño, pero lo que publicó The Guardian el 28 de junio es mucho más grave. Una investigación del diario encontró que el estudio no solo hacía sitios de baja calidad, sino que además los estaba usando para vigilar a quien los visitaba.

Según el análisis del medio inglés, el National Design Studio construyó y opera cuatro sitios federales ndstudio.gov, trumprx.gov, realfood.gov y trumpaccounts.gov ejecutaban el software comercial de rastreo, PostHog, configurado para esquivar los bloqueadores de anuncios y las herramientas de privacidad que usa mucha gente. El truco es sucio y elegante a la vez: los datos se enrutan a través del propio sitio federal, de modo que el tráfico parece actividad normal de la página y el bloqueador no sabe qué bloquear.

Y no era analítica básica. PostHog incluye grabación de sesión: puede reproducir cada clic, cada scroll y cada tecla que aprieta el visitante. Estaba instalado en los cuatro sitios y activo en dos. Una segunda herramienta, aparentemente hecha a medida, enviaba datos de los usuarios a un destino que no es visible en la internet pública. Ninguno de los sitios tenía las publicaciones que exige la ley estadounidense, Privacy Act de 1974 y E-Government Act de 2002, ni evaluaciones de impacto en privacidad.

Lo más delicado es sobre qué servicios estamos hablando. Según la investigación, el estudio habría construido versiones de servicios que por ley pertenecen a otras agencias: un sitio de pasaportes, una copia de Login.gov, la puerta de entrada que usan más de 150 millones de estadounidenses para todo, desde la seguridad social hasta los impuestos y una versión de vote.gov, el registro electoral que por ley maneja una comisión independiente y bipartita, justamente para que la Presidencia no controle quién vota. Login.gov habría quedado, según los reportes, bajo la supervisión de un ex ingeniero de DOGE. El estudio retiró el software de rastreo recién cuando The Guardian empezó a hacer preguntas.

Acá se cierra el círculo con lo que escribí sobre DOGE. En ese post ya advertía sobre los «Doge Kids» accediendo a datos sensibles de millones de ciudadanos sin respaldo legal, y las demandas por privacidad que vinieron después.

El error de fondo: confundir la vitrina con la cañería

La metáfora de la Apple Store es más reveladora de lo que Gebbia cree. Una Apple Store se siente clara y acogedora precisamente porque esconde casi todo: uno no sabe cómo funciona nada por dentro, entrega su equipo roto y este desaparece hacia una trastienda. Eso funciona para vender teléfonos. No funciona para un Estado, donde el ciudadano no viene a mirar vitrinas: viene a hacer un trámite que tiene que resultar y el quehacer del Estado requiere de rendición de cuentas (accountability)

Y acá conecto con algo que escribí hace poco sobre nuestra Ley 21.180. Cuando revisé el tablero de la Secretaría de Gobierno Digital, uno de los hallazgos era que en FirmaGob las instituciones habilitadas crecían rápido, pero las transacciones no seguían ese ritmo: una confusión clásica entre adopción y uso. Este caso en USA, es una versión extrema de lo mismo. Un sitio que parece una Apple Store pero no conecta con ningún servicio es adopción sin uso llevada al absurdo: la fachada existe, la función no.

Lo que podemos aprender

Uno podría reírse desde la vereda del frente, pero la tentación que hay detrás de este proyecto nos ronda a todos. Es la idea de que modernizar el Estado es, sobre todo, un tema de plataformas lindas y de velocidad, y de que la IA nos va a permitir saltarnos la parte difícil.

He insistido mucho en esto: la transformación digital del Estado se juega en tres factores que no son glamorosos, esto es, i) presupuesto, ii) capital humano e iii) infraestructura base; y ninguno se resuelve con una interfaz bonita ni con un modelo generativo.

De este caso podemos extraer algunos aprendizajes:

• No confundir velocidad con capacidad. Generar 27.000 sitios con IA en meses no es modernizar; es acumular deuda técnica y de accesibilidad a escala industrial. Este proceso se junta mucho con esa actitud habitual en la región, que tienen las administraciones entrantes de hacer borrón y cuenta nueva

• Cuidar a los equipos que hacen la parte «aburrida» del proceso, los que mantienen las plataformas de uso transversal, que puede sonar un trabajo poco glamoroso pero esencial. Estas personas tienen un rol fundamental en el proceso de Transformación Digital y su desmantelamiento atenta seriamente con dicho proceso.

• La accesibilidad no es un adorno. Un Estado que publica sitios que un lector de pantalla no puede leer no está modernizando; está dejando afuera a parte de su población con recursos públicos

• Modernizar no puede significar saltarse la ley. Ni la privacidad, ni la transparencia, ni las agencias que por diseño no deben depender del poder de turno com lo muestra el artículo de The Guardian.

El National Design Studio quería que el gobierno se sintiera como una Apple Store. Terminó postergando su propio deseo, con sitios que no cumplen y trámites que no existen.

La moraleja:

no es que la tecnología sobre; es que la tecnología sin capacidad, sin equipos y sin criterio no moderniza nada. Solo lo maquilla.

La entrada El Estado no es una Apple Store se publicó primero en Escritorio de Alejandro Barros.

Empezamos el siglo convencidos de que internet repartiría el poder. Un cuarto de siglo después conviene preguntarse si eso ocurrió o si el poder, simplemente, cambió de manos.

Producto de una charla que tuve que dar hace unos días, hice una retrospectiva del desarrollo digital y su impacto en nuestras democracias, debo decir que no soy ni con mucho un experto en ciencias políticas (que me perdonen por adelantado mis amigos cientistas políticos si hay alguna aberración). A comienzos de los 2000 nos contamos una promesa y que hoy 25 años después pareciera de otra época: la red iba a descentralizar el poder, dar voz a quien no la tenía y desarmar a los intermediarios que filtraban lo que podíamos saber. Era una promesa seductora, y durante un tiempo pareció cumplirse. Pero si miramos lo que ha ocurrido: el poder no se repartió, se reconcentró. Lo que cambió no fue la cantidad de poder en circulación, sino quién lo ejerce y con qué herramientas.

Para verlo con claridad ayuda recorrer estos 25 años como un péndulo, en cuatro etapas.

2001–2008: ciberoptimismo y Estado vigilante

El siglo digital no arrancó con la utopía, sino con el miedo. Tras el 11 de septiembre y el ataque a las torres gemelas en Estados Unidos, la ley Patriot Act inauguró una era en que la seguridad legitimó la vigilancia masiva, y el Estado adquirió una capacidad de monitoreo sobre sus ciudadanos que ningún régimen anterior había tenido. En paralelo, y casi sin que lo notáramos, nacían las plataformas que definirían el resto del período: Facebook en 2004, Twitter y WikiLeaks en 2006. Con ellas se inauguró la economía de la atención, donde el dato personal pasó a ser materia prima, y se abrieron canales de difusión y filtración que esquivaban tanto a los medios tradicionales como a los gobiernos.

2009–2013: movilización y desencanto

Esta fue la etapa del entusiasmo. La revolución verde iraní de 2009 y, sobre todo, la Primavera Árabe de 2010–2011 instalaron la idea de la red como tecnología de liberación: las plataformas eran infraestructura de protesta, y filtraciones como el Cablegate de WikiLeaks desafiaban de frente el secreto de Estado. Por un momento, el relato descentralizador parecía confirmado.

El desencanto llegó en 2013, con las revelaciones de Edward Snowden. Lo que destaparon no fue un abuso puntual, sino una arquitectura: la vigilancia masiva era global y sistemática. Ahí el péndulo cambió de signo. Descubrimos que la misma red que nos permitía organizarnos era también la que nos vigilaba. El optimismo se volvió sospecha.

2016–2020: posverdad y captura algorítmica

Si la etapa anterior reveló que la red vigilaba, esta reveló que también manipulaba. El Brexit y la elección de Trump en 2016 mostraron la microsegmentación y la desinformación operando a escala industrial, e instalaron en el debate público la palabra «posverdad». El escándalo de Cambridge Analytica en 2018 puso nombre y método al uso de datos personales para influir en votantes; ese mismo año, Europa respondió con la regulación al uso de datos personales (RGPD), su primer gran intento de devolverle al ciudadano algún control sobre sus datos. La pandemia de 2020 aceleró todo: un salto digital forzado y, con él, la tensión —que sigue abierta— entre vigilancia sanitaria y libertades individuales, más una «infodemia» que mostró lo frágil que es nuestro ecosistema informativo.

2021–2026: poder algorítmico, IA y soberanía digital

Cerrando el círculo. El asalto al Capitolio en 2021 dejó a la vista algo que veníamos intuyendo: las plataformas podían dar de baja a un presidente en ejercicio. El poder privado sobre el debate público dejó de ser una abstracción. En 2022, mientras Europa regulaba a las plataformas con la DSA y la DMA, la irrupción de ChatGPT masificó la IA generativa y volvió a redibujar el tablero. El «superaño electoral» de 2024 —más de setenta países a las urnas, entre deepfakes y campañas asistidas por IA— puso a prueba ese ecosistema, y la UE aprobó su Ley de IA. Y ya en 2025–2026, con los agentes de IA, el poder se concentra de forma todavía más nítida en quienes controlan los datos, el cómputo y los modelos, mientras los Estados descubren que su autonomía tecnológica es un bien que hay que disputar.

El hilo conductor

Visto así hay un patrón, difícil de ignorar. Cada vez que celebramos que la tecnología democratizaba algo, el ciclo siguiente nos mostró el reverso: la red que organiza también vigila, la plataforma que da voz también manipula, el modelo que asiste también concentra. No es que la tecnología sea mala; es que el poder que habilita rara vez se queda donde la narrativa optimista prometía. De los Estados y los medios pasó a un puñado de plataformas, y de ahí a quienes hoy controlan la infraestructura de la IA.

Creo que la pregunta correcta ya no es la que nos hacíamos en 2001. No se trata de si la tecnología democratiza, la respuesta, claramente, es «depende», sino de algo más político y más urgente:

A propósito de la pregunta en la foto adjunta de la última reunión del G7 desarrollada en Francia se ven a los presidentes de Francia y Estados Unidos acompañados de los CEO’s de OpenAI, Anthropic, Google DeepMind y SalesForce

La entrada El péndulo digital: 25 años de tecnología, poder y democracia se publicó primero en Escritorio de Alejandro Barros.

Ethan Mollick ya lo diagnosticó para el mundo empresarial. En el sector público se comente el mismo error pero aumentado.

Hace poco Ethan Mollick, académico de Wharton y autor de Co-Intelligence, publicó en The Economist una columna muy llamativa: «The IT department: where AI goes to die». La tesis es simple pero incómoda. Las organizaciones están cometiendo un error estratégico al tratar la inteligencia artificial como si fuera otro software empresarial más: le asignan KPIs, la meten en los procesos existentes y se la entregan a la dirección (gerencia) de informática para que la administre.

Leí eso y pensé inmediatamente: en el sector público esto no solo aplica, sino que además se potencia.

El instinto de domesticar lo raro

Mollick habla del impulso de de-weird AI: des-rarificar la IA. Los ejecutivos están entrenados para normalizar las tecnologías nuevas y meterlas en categorías conocidas. Entonces la IA se convierte en un procesador de lógica difusa integrado a un flujo de trabajo, o en una herramienta que ahorra tiempo en una tarea. Una tecnología normal recibe un plan de implementación normal.

En el Estado, ese instinto es estructuralmente más fuerte. Las instituciones públicas tienen una tendencia orgánica a la normalización: marcos regulatorios, procesos de contratación, cultura del «esto siempre se ha hecho así», gestión de riesgos como dogma. Cuando llega algo verdaderamente disruptivo, el sistema lo procesa igual que siempre: lo convierte en un proyecto TI, le asigna un PMO, lo somete a control de cambios y listo.

La trampa de la automatización en el sector público

Mollick identifica una segunda falla, más profunda: des-rarificar la IA lleva a las organizaciones a inclinarse hacia la automatización en lugar de la transformación. Cuando los líderes ven estudios que muestran ganancias de productividad del 30%, el instinto es cortar el 30% de la fuerza laboral.

En el sector público esto se traduce en algo diferente pero igualmente preocupante. La tentación no es tanto el despido masivo, sino la lógica del reemplazo de ventanilla: meter IA para que haga lo que hacía el funcionario, igual que antes, pero más barato. Automatizar el formulario, automatizar la respuesta, automatizar el trámite. El resultado: se digitalizan procesos que en muchos casos deberían haber sido rediseñados antes.

“

Lo que es realmente difícil es hacerse la pregunta correcta: ¿qué significa reconstruir un servicio público a partir del hecho de que un solo funcionario ahora puede hacer cien veces más?

Adaptado de Mollick, The Economist, abril 2026

¿Qué servicios nuevos se vuelven posibles? ¿Qué problemas que antes eran intratables pueden ahora resolverse?

El problema de pasarle la IA a la Dirección de TI

Aquí viene la parte que más me llamó la atención. Mollick es explícito: no es una crítica a los profesionales TI, que hacen trabajo esencial. Pero en la mayoría de las organizaciones su mandato es minimizar el riesgo.

En el Sector Público esto tiene nombre y apellido. La Dirección de TI de cualquier servicio público existe fundamentalmente para mantener los sistemas operando, gestionar la seguridad, controlar el acceso a la información y cumplir con los estándares normativos. Todo eso es necesario y valioso. Pero la IA exige algo diametralmente opuesto: experimentar, tolerar el fracaso, aceptar que nadie sabe todavía cuál es la forma correcta de usar estas herramientas.

Pasarle el control exclusivo de la IA a un departamento cuya misión central es eliminar el riesgo es un error según Mollick, premisa que comparto. En el sector público ese error se amplifica porque además la Dirección de TI suele no tener autoridad para modificar los procesos de negocio, que están en manos de otras áreas.

El modelo Liderazgo–Multitud–Laboratorio

Mollick propone un modelo de tres partes. Vale la pena mirarlo desde la perspectiva del sector público.

• Liderazgo – el problema de la delegación hacia abajo. El CEO y los altos directivos no pueden delegar la estrategia de IA a la gerencia media o a informática. Tienen que articular una visión sobre cómo la IA cambia lo que la organización es, no solo cómo opera. En el Estado esto es un desafío enorme. Los jefes de servicio tienen mandatos acotados, presión por resultados de corto plazo y una rotación que en muchos casos hace difícil sostener una visión estratégica de mediano plazo. El ciclo político es de cuatro años, y la IA requiere apuestas que maduran en tiempos distintos. Además, la cultura institucional premia al directivo que no se mete en problemas, no al que experimenta y falla productivamente.

• La Multitud – los funcionarios saben más de lo que creemos. Cuando los empleados tienen acceso a herramientas de IA y permiso para experimentar, descubren casos de uso que ni las propias empresas de IA anticiparon. La IA es más efectiva en manos de expertos, y la multitud es donde nacen las mejores ideas. En el sector público esto tiene una dimensión adicional. Los funcionarios de primera línea conocen los problemas reales de los usuarios. Conocen los cuellos de botella, las excepciones, los casos que no caben en los formularios. Si se les da acceso y permiso, tienen la materia prima más valiosa: el conocimiento del dominio. El problema es que la cultura institucional pública rara vez les da ese permiso. El uso de IA no autorizado se castiga o se ignora. Los funcionarios que encuentran formas de ser más productivos lo hacen a escondidas, sin reconocimiento y sin que el aprendizaje se sistematice.

• El Laboratorio – la estructura que falta. Mollick habla de un equipo de personas técnicas y no técnicas que trabaje con IA generativa a tiempo completo, empuje límites y retroalimente a la organización. Dice que le sorprende cuántas empresas grandes todavía no tienen esto. En el sector público, la situación es aún más precaria. Iniciativas como el Laboratorio de Gobierno fueron apuestas interesantes, pero la institucionalidad para sostener ese trabajo de forma permanente —con mandato claro, financiamiento estable y poder de incidencia— sigue siendo frágil.

El uso oculto de IA en el Estado: el problema que nadie mide

Mollick cierra con una observación que en el sector público tiene consecuencias especialmente serias. Cuando las organizaciones no crean los incentivos correctos, los empleados responden racionalmente: ocultan su uso de IA. Algunos temen el castigo. Otros no confían en que las ganancias de productividad se compartan con ellos. Algunos trabajan 90% menos y no ven razón para comentarlo.

En el Estado esto se complejiza. Un funcionario que usa IA para hacer su trabajo más rápido enfrenta preguntas sin respuesta: ¿Está autorizado esto? ¿Qué pasa con la confidencialidad de los datos? ¿Puedo usar IA con información de ciudadanos? La ausencia de marcos claros genera la respuesta más racional posible: silencio.

¿Qué hacer entonces?

No tengo una receta mágica, pero sí algunas convicciones que el análisis de Mollick refuerza:

1. 1

   El liderazgo político y directivo tiene que hacerse cargo. No es un tema de informática. Es un tema de modernización del Estado, de calidad de servicio, de productividad pública. Requiere que los jefes de servicio lo pongan en su agenda personal, lo usen, lo entiendan y lo articulen.

2. 2

   Hay que crear espacios para que los funcionarios experimenten con permiso explícito. Eso implica marcos regulatorios claros, guías de uso, y una cultura donde el experimento fallido no se castiga sino que se aprende.

3. 3

   La IA no puede ser solo un proyecto de la Dirección de Informática. Requiere equipos multidisciplinarios con poder de incidencia sobre los procesos de negocio, no solo sobre la infraestructura tecnológica.

4. 4

   Hay que tener la honestidad de reconocer que nadie tiene el mapa todavía. Como dice Mollick: no navegas territorio extraño pretendiendo que tus mapas viejos funcionan. El Estado chileno necesita construir capacidad de exploración, no solo de control.

Este post está basado en las ideas del artículo de Ethan Mollick «The IT department: where AI goes to die». Las reflexiones sobre el sector público son propias.

Fuente original: Ethan Mollick — The Economist, 1 de abril de 2026. Mollick es profesor asociado en Wharton y autor de Co-Intelligence: Living and Working with AI.

La entrada La Dirección de Informática, donde la IA va a morir (también en el Estado) se publicó primero en Escritorio de Alejandro Barros.

Alguien con audiencia de mil millones de personas finalmente está instalando reflexiones en torno a la IA y haciendo las preguntas correctas.

El 15 de mayo, justo en el 135° aniversario de la encíclica Rerum Novarum, el Papa León XIV publicó su primera encíclica social: Magnifica Humanitas. El subtítulo es bastante certero: Sobre la custodia de la persona humana en el tiempo de la Inteligencia Artificial.

Es un texto que tiene más lucidez política sobre los riesgos del poder tecnológico que la mayoría de los libros blancos de gobernanza de IA que circulan por ahí, además de ser uno de los pocos documentos oficiales de la Iglesia que advierte sobre los usos de las nuevas tecnologías, en particular la IA. Aunque también tiene algunos problemas, que es bueno señalar.

Lo que el documento dice bien

León XIV parte de una constatación que cualquiera que siga el sector reconoce: el poder tecnológico hoy no está en manos de los estados. Está en un puñado de actores privados transnacionales con más recursos que muchos gobiernos y con una velocidad de acción que los reguladores nunca logran igualar. Y hace la pregunta que muchos evitan: ¿quién la controla y hacia qué fines?

Para plantear el dilema de fondo usa dos imágenes bíblicas. La Torre de Babel: tecnología construida sobre el orgullo y la autosuficiencia, que termina en dispersión y deshumanización. Y la reconstrucción de los muros de Jerusalén por Nehemías: trabajo comunitario, responsabilidad compartida, orientado al bien común. Puede sonar a homilía dominical, pero si uno lo traduce al lenguaje de política pública, la distinción es interesante: la diferencia entre un ecosistema tecnológico diseñado para concentrar valor versus uno diseñado para distribuir capacidades y fortalecer lo público.

Un capítulo interesante es el que plantea transhumanismo —esas corrientes que prometen que la tecnología nos liberará de la fragilidad, la vejez y eventualmente de la muerte. León XIV no lo trata como una extravagancia de Silicon Valley. Lo trata como un riesgo filosófico serio, porque parte de una premisa equivocada: que la vulnerabilidad humana es un error que hay que corregir. La respuesta cristiana es la Encarnación: Dios eligió la fragilidad, no la esquivó. No sé cuántos ejecutivos de OpenAI leerán encíclicas, pero la crítica filosófica vale independientemente de quién la firme.

También hay un capítulo sobre la guerra y la IA que es de los más directos que he leído en un documento de esta naturaleza. León XIV dice sin rodeos que los sistemas de armas autónomos, los ataques cibernéticos y las campañas de desinformación algorítmica son formas reales de violencia, que la guerra nunca es inevitable y que los líderes tienen la obligación de dialogar. Sin la habitual diplomacia vaticana que suaviza todo.

Lo que se complementa desde acá

Casualmente, doce días antes del lanzamiento de la encíclica, el 12 de mayo en la Aula Magna de la Universidad Alberto Hurtado, se presentó el libro Mensajes para una IA al servicio de la humanidad — del que tuve el privilegio de ser parte del Comité Editorial. Treinta voces, chilenas y del extranjero, respondiendo las preguntas de fondo sobre IA: las que raramente aparecen en los titulares pero que son las que realmente importan.

Cuando uno lee los dos textos seguidos, la convergencia es llamativa. La tesis central que emerge del libro es que el mayor riesgo hoy no es que las máquinas piensen, sino que nosotros dejemos de hacerlo. Ricardo Baeza-Yates lo dice directo: siempre debemos tener pensamiento crítico, dudar de todo. Yo mismo planteo en mi capítulo que me preocupa que empecemos a perder el juicio crítico frente a lo que dice el computador. Andrés González S.J. lo formula de la manera quizás más provocadora: el peligro es crear máquinas que parezcan humanos y tratar a los humanos como máquinas.

León XIV dice prácticamente lo mismo pero desde la filosofía: ningún sistema de cálculo genera un corazón que se entrega ni una conciencia capaz de discernir el bien.

Fernando de la Torre, en el primer capítulo del libro, dice sin rodeos que el 1% que concentra el poder tecnológico es el mayor peligro para la humanidad. La encíclica hace la misma lectura. Que una encíclica papal y un investigador de Carnegie Mellon coincidan en el mismo diagnóstico no es menor. Cuando voces tan distintas dicen lo mismo, conviene prestar atención.

El libro también aborda usos concretos, por ejemplo: María Paz Hermosilla hablando de transparencia algorítmica en políticas públicas, Carlos Aspillaga mostrando IA al servicio de comunidades indígenas, Daniela Mennickent describiendo cómo la IA podría detectar endometriosis sin cirugía.

Lo que la encíclica no se atrevió a decir

Dicho todo lo anterior, una lectura honesta obliga a señalar lo que falta.

Magnifica Humanitas tiene 110 páginas. Cuando uno llega al final esperando encontrar qué hacer con todo esto, el documento se diluye en generalidades: Desarmar las palabras. Construir la paz en la justicia. Relanzar el diálogo. Invertir en educación. Cuidar las relaciones. Nadie va a estar en contra de ninguna de esas cosas. El problema es que tampoco sirven como programa de acción, y si bien las encíclicas no tienen por objetivo ser un plan de acción, quizás identificando ciertos criterios generales para su desarrollo hubieran sido útiles..

No hay una posición sobre regulación de sistemas de IA de alto riesgo. No hay opinión sobre si los modelos fundacionales deberían ser bienes públicos o pueden seguir siendo propiedad privada de cuatro empresas. Nada sobre estándares mínimos de transparencia algorítmica. Nada sobre qué hacer con los trabajadores desplazados más allá de «valorar la dignidad del trabajo». La Rerum Novarum de 1891, que el propio León XIV invoca como inspiración, tuvo la misma limitación — y la historia la juzgó con justicia. Lo que cambió las condiciones del trabajo no fueron los principios pontificios, sino la organización sindical, la presión política y legislación concreta.

La segunda crítica es más de fondo. Cuando la encíclica habla de «actores privados transnacionales» que concentran el poder tecnológico, está hablando en la práctica de Google, Meta, Microsoft, OpenAI, Apple, Amazon. El documento lo sabe, pero nunca lo dice. Prefiere la abstracción al nombre propio. Y eso tiene una consecuencia analítica seria: el texto lee la revolución de la IA casi exclusivamente desde la lógica de Silicon Valley. Hay una sola mención tangencial a China.

La encíclica habla mucho de dignidad humana universal, pero su mirada sobre el poder tecnológico tiene un fiurete sesgo a lo que ocurre en Silicon Valley. El problema de la concentración no es solo que cuatro empresas tengan demasiado poder: es que esas cuatro empresas están en un solo país, operan bajo una sola lógica de mercado, y sus decisiones de diseño incorporan los valores y los prejuicios de un contexto cultural muy específico que se exporta al resto del mundo como si fuera neutro. Eso no es un detalle. Es el corazón del problema de gobernanza global de la IA, y la encíclica lo roza sin profundizarlo.

¿Qué le dice Magnifica Humanitas a un municipio rural chileno sin presupuesto TI ni profesionales capacitados? ¿O a un país cuya economía digital está mediada casi completamente por plataformas diseñadas en otro hemisferio?

Por qué igual vale la pena leerlo

Dicho todo eso, León XIV está haciendo una pregunta que los gobiernos de la región evitan sistemáticamente. No ¿cómo digitalizamos más rápido? sino ¿digitalizamos para qué y para quién?

Esa pregunta incomoda a los ministerios de tecnología, a los organismos multilaterales y a los consultores que viven de vender la transformación digital como fin en sí misma. Que la haga un documento con la audiencia global que tiene el Vaticano tiene valor, aunque la respuesta sea incompleta.

El problema es que las preguntas correctas sin respuestas concretas pueden convertirse, con el tiempo, en cobertura moral para la inacción. Y en eso, la Iglesia tiene una historia larga.

Mientras tanto, los treinta del libro de Mensaje siguen intentando responder desde acá, con nombres propios y casos concretos. Que ambos esfuerzos coexistan en el mismo mes de mayo no es casualidad. Es señal de que la pregunta ya no puede ignorarse.

Magnifica Humanitas está disponible aquí. Mensajes para una IA al servicio de la humanidad disponible aquí.

La entrada El Papa habla de IA: lo que dijo, lo que no dijo y por qué vale la pena leerlo se publicó primero en Escritorio de Alejandro Barros.