En 1996 le pasó a Kasparov, en 2016 a Lee Sedol, hoy a cualquiera. Las máquinas aprenden más rápido; las personas seguimos necesitando tiempo y compañía.
En 1995, cuando tenía 15 años, mi papá me regaló una computadora de ajedrez que llevaba el nombre de Garry Kasparov. Era un tablero de verdad, con piezas que se movían a mano, y se instalaba en la mesa de casa. La máquina anunciaba sus jugadas con lucecitas rojas, fila y columna, como en la batalla naval, y uno le movía las piezas. Tenía ocho niveles. Nunca le pude ganar en el cinco. Con mi papá nos turnábamos: una partida cada uno, con tiempos humanos. Cuando hoy pienso en la palabra ternura, pienso en esa mesa.
Registrate para continuar leyendo y disfrutando de más contenidos de LETRA P.
Kasparov era campeón del mundo y ninguna máquina le había ganado todavía una partida con el tiempo de un torneo.
Ese invicto duró hasta el 10 de febrero de 1996. Ese día, en Filadelfia, Kasparov perdió la primera partida de su match contra Deep Blue, la computadora de IBM. En la jugada 23 la máquina adelantó un peón a una casilla donde se lo podían comer, sin ganar nada a la vista. Kasparov escribió después en la revista Time: "Podía sentir, podía oler, un nuevo tipo de inteligencia del otro lado de la mesa". El match lo ganó él. El desquite, un año después, no.
Después se supo que la máquina no había tenido ninguna intuición: había calculado millones de posiciones por segundo y previsto que recuperaría el peón unas jugadas más adelante. Era puro cálculo. Sin embargo, de esa acumulación de operaciones surgió algo que el mejor ajedrecista del mundo, sentado frente a ella, percibió como inteligencia. Ninguna molécula de agua está mojada por sí sola; muchas juntas, sí. Los físicos llaman a esto un fenómeno emergente.
Veinte años después, en marzo de 2016, Lee Sedol, uno de los mejores jugadores de go del mundo, se enfrentó en Seúl a AlphaGo, el programa de Google DeepMind. En la segunda partida, la máquina hizo una jugada que, según sus cálculos, un humano elegiría apenas una vez entre diez mil. Los comentaristas creyeron que era un error y Lee tardó casi 15 minutos en responder. Más tarde, reconoció que aquella jugada había cambiado su percepción: "Sin duda, AlphaGo es creativo". Otra vez, el cálculo despertaba en quien estaba enfrente la sensación de algo más.
Diez años después, nos toca a nosotros. ChatGPT y otras herramientas deinteligencia artificial hacen algo que, en apariencia, parece sencillo: predecir con gran precisión la siguiente palabra de un texto. Pero de ese mecanismo surge algo capaz de responder, corregir y explicar. Y millones de personas experimentamos hoy, en la cocina de casa, el mismo asombro que sintió Kasparov frente a un tablero.
Y cada vez le pasa a más gente. En 1996 el asombro fue de una persona sentada frente a un tablero. El match de Seúl, según Google, lo siguieron 200 millones de personas. A ChatGPT, según la propia empresa, lo usan más de 800 millones de personas por semana. Hoy aparece una versión nueva cada pocos meses.
Argentina quiere atraer data centers, discute sociedades agénticas y busca un lugar en la carrera global por la inteligencia artificial
Pero todavía no respondió una pregunta básica que expuso la distancia entre promesa tecnológica y las capacidades reales del país: para qué… pic.twitter.com/8aylOGRd1r
Una persona, en cambio, sigue tardando lo mismo en aprender.
En 2025, André Barcaui, investigador en Brasil, publicó un experimento con 120 estudiantes universitarios divididos al azar en dos grupos: uno estudió con ChatGPT y el otro, con libros y apuntes. Quienes usaron la herramienta dedicaron 3,2 horas al estudio, en promedio, frente a las 5,8 horas del segundo grupo. Unos 45 días después, una prueba sorpresa mostró la diferencia: quienes habían estudiado sin inteligencia artificial obtuvieron 68,5 puntos sobre 100, contra 57,5 de quienes recurrieron a ChatGPT.
La experiencia también se aprende
Con lo que ya se sabe pasa algo parecido. En Polonia, 19 especialistas en colonoscopías, con un promedio de 28 años de oficio, empezaron a trabajar con un programa que les marcaba las lesiones en la pantalla. Unos meses después, cuando volvían a trabajar sin él, encontraban menos: la detección bajó del 28% al 22%.
Y el primer trabajo, que era donde se aprendía un oficio, se está achicando. En agosto de este año, Erik Brynjolfsson y dos colegas de Stanford miraron los recibos de sueldo de millones de personas en Estados Unidos. En los trabajos donde más entra la inteligencia artificial, quienes tienen entre 22 y 25 años tienen un 19 % menos de empleo del que tendrían si les hubiera ido como al resto. A quienes tienen experiencia no les pasó.
Yo aprendí ajedrez contra una máquina, pero no solo: en aquella mesa estaba mi papá. Enseñar tampoco se puede apurar. La maestra o el maestro que espera a que la cuenta salga, quien te la explica por tercera vez, la barra con la que se discute a la salida. Las tablas de multiplicar tienen que costar, y para que cuesten sin romperte hace falta otra persona cerca. En la facultad es igual: una tesis de doctorado son cinco años de borradores malos, y mi trabajo como director es leerlos. Mi regla, también para mí: si el objetivo es aprender, inteligencia artificial cero; si el objetivo es producir, a fondo.
Estudiar desde los fundamentos
Cuando alguien que está terminando el secundario me pregunta qué estudiar, le contesto lo que me contestó mi papá a mí: estudiá lo que te guste y, dentro de lo que te guste, elegí una carrera universitaria fuerte, de las clásicas, de fundamentos. Durante 20 años le agregué algo mío: si entre las cosas que te gustan está la computación, estás salvado. Este año dejé de agregarlo, y volví a dar el consejo como me lo dio él.
No sé cómo van a ser estas máquinas dentro de un año. Lo que le digo a quien me pregunta es más viejo: que se escuche, que estudie lo que le gusta desde los fundamentos, aunque tarde, y que no le deje a ninguna máquina el pensamiento crítico ni la ternura.
Al nivel cinco nunca le gané. Aprendí a jugar igual, una partida cada uno, con mi papá al lado.
