Los niveles de la IA: tres escaleras que solemos confundir

Hace no tanto, decir “inteligencia artificial” era hablar de HAL 9000, de Skynet o de un robot con voz metálica. Hoy la IA ordena tu bandeja de entrada, te sugiere una ruta y te ayuda a escribir código. Pasó de la ciencia ficción a la infraestructura antes de que nos diera tiempo a ponerle nombres.

Ahí empieza buena parte del ruido. Usamos el mismo término para un filtro de spam y para la idea de una máquina más inteligente que toda la humanidad. Unos anuncian el apocalipsis; otros dicen que la IA es un autocompletado glorificado. Ambos pueden tener parte de razón porque no hablan de lo mismo.

Y hay algo más, que es lo que más me interesa aquí: mucha gente ya usa IA todos los días. Lanza una pregunta a un chat web, copia la respuesta y ahí se acaba. No es poco, pero es el primer peldaño de una escalera bastante más larga.

Una pregunta mejor que “¿qué es la IA?” es “¿de qué nivel estamos hablando?” Hay tres escaleras distintas: cómo interactúas tú con ella, hasta qué punto está integrada en tu trabajo y qué puede hacer la tecnología. Empiezo por las dos que puedes subir tú.

1. Tu papel frente al modelo

Esta escalera no mide lo avanzada que está la tecnología, sino cuánto control asumes al utilizarla. Es la más fácil de subir y la que más cambia el resultado.

1. Consumidor pasivo. La IA recomienda, filtra y ordena lo que te rodea, casi siempre sin que la veas. No la elegiste tú.
2. Usuario ocasional. Pides algo y juzgas la herramienta por su primera respuesta. Se reconoce en un detalle: cada conversación empieza de cero. El siguiente paso es barato: dar contexto antes de pedir (quién eres, para quién es, qué te sirve y qué no) y pedir dos o tres versiones en lugar de una.
3. Copiloto. Aportas contexto, iteras, cuestionas y verificas. El último verbo es el que casi todo el mundo se salta. Un modelo produce texto que suena correcto, que no es lo mismo que texto correcto: te llamará tan tranquilo a un método que no existe en la versión de la librería que usas, envuelto en un código por lo demás impecable. Quien firma el resultado sigues siendo tú. Y cuanto mejor entiendes tu tema, más te rinde el modelo, que es justo lo contrario de lo que casi todo el mundo supone.
4. Diseñador de soluciones. Decides dónde encaja el modelo, defines sus límites y controles, y anticipas los fallos. Aquí la pregunta deja de ser qué pedir y pasa a ser cuánto delegar: un modelo que puede llamar a herramientas, leer archivos o ejecutar código hace mucho más en cada turno y se equivoca de formas más caras.

No es una jerarquía moral. Subir cuesta tiempo y solo merece la pena cuando el resultado lo justifica. Pero si te reconoces en el peldaño 2, el salto a copiloto es el que más se nota, incluso en una sola tarde. De esa idea, la de que la IA amplifica el criterio en lugar de sustituirlo, hablé en Cuando la máquina teclea.

2. Madurez de uso

La primera escalera trata de lo que haces dentro de una conversación. Esta trata de lo que sobrevive entre conversaciones: hasta qué punto la IA forma parte de un trabajo o de un negocio. Sirve tanto para una persona como para un equipo, aunque los niveles superiores suelen requerir responsabilidades compartidas dentro de una organización.

• Nivel 0 · Exploración. Algunos experimentos, sin un uso recurrente.
• Nivel 1 · Uso puntual. Copiar, pegar y escribir prompts; cada vez se empieza de cero. Es un punto en el que resulta fácil quedarse.
• Nivel 2 · Uso repetible. Instrucciones y plantillas guardadas, contexto reutilizable (tus documentos, tus datos, tus ejemplos) y criterios claros sobre cuándo conviene usar IA y cuándo no.
• Nivel 3 · Integración. El modelo trabaja dentro de un producto o un proceso: se le llama desde otro programa, usa datos propios, ejecuta tareas y alguien evalúa si los resultados son buenos.
• Nivel 4 · Diseño nativo con IA. Los procesos se diseñan alrededor de la IA, incluidos los aspectos menos vistosos: costes, privacidad, trazabilidad, monitorización y alternativas ante fallos.

Aquí hay dos saltos, no uno. El primero, del 1 al 2, es el que mucha gente tiene pendiente y el más barato de dar: consiste básicamente en dejar de desechar el contexto y lo aprendido en cada conversación. Guardar lo que funcionó, reutilizar el contexto, saber en qué tareas el modelo te ayuda de verdad.

El salto difícil, y el que veo atascarse con frecuencia, va del 2 al 3. Ahí la IA deja de ser un truco personal y se convierte en ingeniería: el equipo debe probar, medir y responsabilizarse del resultado. Una demo que acierta ocho de cada diez veces puede impresionar. En producción, ese porcentaje dice poco si no sabemos qué falla, cuánto cuesta el fallo y quién revisa el resultado.

No todas las organizaciones necesitan alcanzar el nivel 4. Un profesional que usa la IA de forma constante y responsable puede obtener más valor que una empresa cuya estrategia completa cabe en una presentación.

3. Y entonces, ¿qué pasa con la AGI?

Las dos escaleras anteriores se suben con la tecnología que ya existe. Esta tercera es la que aparece en los titulares, y va de lo que existe hoy a lo que sigue siendo hipotético. Sirve para entender de qué se discute, no para decidir qué hacer el lunes. Tampoco hay una frontera aceptada entre sus términos, así que tómate lo que viene como un mapa aproximado y no como una escala cerrada.

IA especializada (ANI): lo que usamos hoy

La IA especializada está creada para realizar determinados tipos de tareas: traducción, recomendaciones, detección de fraude, reconocimiento de voz, asistencia al programar.

Los grandes modelos de lenguaje rompen esta clasificación, y es más honesto decirlo que forzarlos a entrar en una casilla. La escala de tres niveles se dibujó mucho antes de que un mismo sistema escribiera código, resumiera un contrato y tradujera una carta en la misma sesión. Por amplitud de tareas, un LLM no tiene nada de especializado. Lo que le falta está en otro sitio: no aprende del trabajo de ayer salvo que se lo vuelvas a dar, pierde el objetivo en cadenas largas de pasos y su acierto cae de forma difícil de prever en cuanto la situación se aleja de lo que vio al entrenarse. Amplio en lo que puede intentar, estrecho en lo que se le puede confiar de forma sostenida. Casi todas las discusiones sobre si estos modelos “entienden” de verdad son discusiones sobre cuál de esas dos mitades está mirando cada uno.

El mecanismo de debajo merece dos frases, porque explica las dos mitades. El modelo se entrena con cantidades enormes de texto para predecir qué viene después, y luego se ajusta con criterio humano para que siga instrucciones en lugar de limitarse a continuar tu párrafo. Lo primero le da el alcance; lo segundo es por qué parece una conversación.

Nada de esto los vuelve pequeños. Buena parte de la IA que hoy genera valor real en producción está en este nivel.

IA general (AGI): un horizonte en disputa

La inteligencia artificial general se acercaría a la flexibilidad humana en un amplio abanico de tareas intelectuales: aprender habilidades nuevas, llevar conocimiento de un ámbito a otro, sostener un objetivo a lo largo del tiempo.

El debate es difícil de seguir porque quienes lo mantienen no están midiendo lo mismo. No hay una definición compartida, así que dos previsiones sobre cuándo llegará la AGI pueden apuntar a destinos distintos. El listón, además, se mueve: el ajedrez, luego la traducción, luego la programación competitiva fueron prueba de inteligencia hasta que el software los hizo bien, momento en el que pasaron a ser simples tareas. Y no hay acuerdo sobre qué falta. Algunos esperan que basten más datos, más cómputo y mejores versiones de las arquitecturas actuales. Otros creen que hacen falta avances reales en memoria, razonamiento causal o contacto con el mundo físico.

“¿Cuándo llegará la AGI?” es una pregunta fascinante que casi nunca ayuda a decidir hoy. ¿Qué hace bien la IA actual en mi trabajo? sí ayuda.

Superinteligencia (ASI): especulación con consecuencias serias

Una superinteligencia artificial superaría a las personas en casi todos los ámbitos, quizá incluso al diseñar mejores sistemas de IA. Sigue siendo hipotética, y las preguntas de seguridad y alineación que plantea merecen trabajo riguroso: ¿cómo garantizas que un sistema mucho más capaz persiga el objetivo que de verdad le diste? Lo que no deberían hacer esas preguntas es ocupar todas las conversaciones sobre una herramienta que hoy redacta informes y clasifica documentos.

El siguiente paso útil

Las tres escaleras se mueven por separado, y esa es la razón práctica para no mezclarlas. Una empresa puede meter IA especializada hasta el fondo de sus operaciones y sacarle muchísimo; una persona con el mejor modelo disponible puede seguir usándolo como un buscador. Mi posición, por si sirve: los sistemas de hoy están en el primer nivel de la escalera técnica, la mayoría estamos entre el nivel 1 y el 2 de la segunda, y el movimiento que más cambia las cosas es el de usuario ocasional a copiloto. La tercera escalera no depende de ti. Las dos primeras sí.

Si te reconoces en el usuario ocasional, empieza por dejar de pedir a ciegas. Dos formas de pedir lo mismo:

Resume este informe.

Te paso el informe mensual de incidencias de mi equipo, seis personas de backend.
Lo va a leer la dirección de operaciones: no es un perfil técnico y le va a dedicar
dos minutos. Quiero media página con qué se rompió, a quién afectó y qué haremos
distinto el mes que viene. Sin nombres de servicios internos. Dame dos versiones,
una directa y otra más diplomática, y dime en qué se diferencian.

La longitud no es lo que hace funcionar al segundo. Lleva destinatario, formato, longitud, lo que sobra y una petición de alternativas, que es la parte que casi todo el mundo se salta. Pedir dos versiones cuesta exactamente lo mismo que pedir una y te obliga a elegir, en vez de quedarte con la primera respuesta porque suena bien.

El salto de uso puntual a uso repetible tiene una forma muy concreta: un archivo. Yo guardo las instrucciones que funcionan en el repositorio, junto al código, no en el historial del chat, que es donde van a morir. Cada una tiene tres partes: la instrucción, un ejemplo de salida que di por buena y por qué la di por buena. La tercera es la que casi nadie escribe y la única que sigue sirviendo seis meses después, cuando cambias de modelo y necesitas comprobar si el nuevo hace lo mismo.

Si ya tienes un uso integrado, deja de evaluar por sensaciones. Veinte casos reales sacados de producción, con la salida que considerarías correcta al lado, y ya puedes contestar la única pregunta que importa cuando tocas un prompt o subes de versión: ¿ha mejorado o solo ha cambiado? Ese conjunto de casos es lo que en el sector se llama evals, y es mucho menos sofisticado de lo que suena el nombre. Decide también de antemano qué fallos pesan y cuáles no. En un clasificador de documentos, confundir un recibo con una factura cuesta un clic; extraer mal el importe cuesta un asiento contable equivocado y una llamada del cliente. Escribir esa diferencia antes de salir a producción es buena parte de lo que separa el nivel 2 del nivel 3.

Perderle el miedo a la IA no significa asumir que es inofensiva ni que puede hacerlo todo. Significa saber en qué escalera estás, qué peldaño ocupas y si te conviene subir más.