La máquina de otro, hasta el fondo
La llamamos aprendizaje automático, y automática, y nuestra. Es, en todos sus niveles, de otro. Bajo el modelo que 'aprende solo' hay una fuerza de trabajo invisible que etiquetó sus ejemplos; por encima, cuando construyes un producto, hay un foundation model que alquilas, no que posees. Este es un ensayo en dos direcciones —hacia abajo, hasta el origen de la IA, y hacia arriba, hasta lo que significa construir sobre ella— y el mismo hecho aguarda en los dos extremos de la pila.
Un modelo pasa entre dos manos que nunca se tocan —sostenido desde abajo, tomado desde arriba— y tuyo en ninguno de los dos extremos.
Hay un tipo de truco de magia que funciona mejor cuanto menos miras cómo se hace. Un mensaje aterriza en tu carpeta de spam y nunca lo ves. Un chatbot te redacta un correo en segundos, en una prosa que se lee como la de una persona. Tenemos una palabra para todo ello, y la palabra es automático. Es una buena palabra para vender software y una mala palabra para entenderlo, porque en todos sus niveles lo automático resulta estar hecho de personas y de propiedad que no son tuyas.
Este es un ensayo en dos direcciones. Primero miramos hacia abajo, hacia el origen de estos sistemas, y encontramos manos humanas donde el relato prometía que no había ninguna. Después miramos hacia arriba, hacia lo que significa construir un producto sobre ellos, y encontramos la misma forma invertida: el valor y el riesgo viven en una capa que no posees. La máquina que estás usando es, en el sentido más literal y en el más económico, de otro —hasta el fondo.
Parte I — De dónde viene la IA
De las reglas a los ejemplos
Empecemos por la IA menos glamurosa jamás desplegada: el filtro de spam. En 2002 Paul Graham publicó A Plan for Spam. Había pasado seis meses escribiendo reglas a mano —palabras sospechosas, mayúsculas— y descubrió que "reconocer ese último pequeño porcentaje de spam se volvía muy difícil". Entonces dejó de escribir reglas y, en su lugar, alimentó un programa con ejemplos: un corpus de unos cuatro mil mensajes de spam y cuatro mil legítimos, y dejó que la probabilidad encontrara los patrones. El resultado, admitió, "era mucho más listo de lo que yo había sido". Encontró señales que a él jamás se le habría ocurrido codificar.
Esa es la idea entera del aprendizaje automático, y todo lo que vino después es una variación sobre ella: no programas el comportamiento, aportas ejemplos y dejas que el sistema infiera las reglas.
La escala vence a la astucia
En 2012 el enfoque tuvo su coronación. Una red neuronal llamada AlexNet ganó el concurso de reconocimiento de imágenes del campo por un margen que zanjó la discusión —un error top-5 en torno al quince por ciento, unos once puntos mejor que el segundo— no con reglas más astutas, sino con una red profunda, GPUs y un montón enorme de imágenes etiquetadas. La lección que el campo extrajo era embriagadora: la escala vence a la astucia.
Alimenta un modelo lo bastante grande con suficientes ejemplos y aprenderá lo que nadie podría programar a mano. Quédate con la expresión "imágenes etiquetadas". Volveremos a quién hizo el etiquetado.
La máquina que "se enseña a sí misma"
Entonces los ejemplos parecieron desvanecerse. Los grandes modelos de hoy se entrenan por autosupervisión: en lugar de datos etiquetados, aprenden de texto crudo prediciendo la siguiente palabra, una y otra vez, a lo largo de casi todo lo que se ha escrito jamás. El objetivo es tan simple que suena a truco —y lo es, casi exactamente, el juego que Claude Shannon jugó a mano en 1951, midiendo la entropía del inglés haciendo que la gente adivinara la siguiente letra.
Shannon, 1951: ¿cuánto cuesta adivinar la siguiente letra? Midió la entropía del inglés a mano. Un modelo de lenguaje es ese mismo juego —predecir el siguiente símbolo— jugado a escala planetaria.
De ahí, con suficiente escala, sale lo que los investigadores de Stanford bautizaron en 2021 como el foundation model: entrenado sobre datos amplios, adaptable a casi cualquier tarea. La autosupervisión, como dice Chip Huyen, "ayuda a superar el cuello de botella del etiquetado de datos", porque cada secuencia de texto es su propia hoja de respuestas. Las etiquetas, se dijo el campo a sí mismo, ya no se hacen a mano. La máquina por fin se enseña sola.
Salvo que no. Nunca lo hizo.
Las manos por debajo
AlexNet no brotó de píxeles crudos. Corría sobre ImageNet —unos catorce millones de imágenes ordenadas en unas veintidós mil categorías— y cada imagen fue etiquetada por una persona. El equipo de Fei-Fei Li lo construyó, según su propio relato, sobre Amazon Mechanical Turk: decenas de miles de trabajadores repartidos por unos ciento sesenta países, juzgando, a céntimo por pieza, si aquello era un "globo" o un "mono". La máquina que se enseña sola se sostenía sobre un andamio de trabajo a destajo montado por personas cuyos nombres no aparecen en ninguna cita.
Y la web planteó la misma exigencia a una escala mucho mayor. Toda plataforma que deja publicar a mil millones de personas hereda todo lo que mil millones de personas van a publicar, y alguien tiene que decidir qué se queda. Sarah T. Roberts, que dio nombre a este trabajo —moderación comercial de contenidos—, estima que más de cien mil personas lo hacen en el mundo.
En 2019 Casey Newton documentó un centro —un contrato de Cognizant que gestionaba la moderación de Facebook en Arizona—, con trabajadores que ganaban unos quince dólares la hora por absorber, imagen a imagen, lo peor de internet, muchos con secuelas de trauma. Un año después Facebook pagó cincuenta y dos millones de dólares para zanjar una demanda de moderadores que desarrollaron TEPT. Unas quince mil personas hacían esto solo para Meta —casi ninguna empleada por Meta, sino por Accenture, Cognizant, Sama—: el trabajo mantenido a distancia, en la nómina de otro, en el país de otro.
Trabajo fantasma
Mary Gray y Siddharth Suri le dieron al patrón su nombre más afilado —ghost work, trabajo fantasma— y su ley más afilada: la paradoja de la última milla de la automatización.
La automatización no es una meta sino una frontera móvil; cada tarea que elimina desprende tareas nuevas que aún necesitan un juicio humano, de modo que perpetuamente genera trabajo humano oculto en vez de acabarlo. Astra Taylor llama a la cobertura ideológica fauxtomation (falsa automatización): la ilusión de máquinas inteligentes, sostenida haciendo invisibles a las personas que hay dentro. Un sistema parece automático exactamente en la medida en que no puedes ver quién hace el trabajo.
La serpiente se muerde la cola
Aquí el relato cierra un bucle. La promesa de esta ola de IA es que por fin puede automatizar el juzgar-a-escala que la web hizo necesario. Y para construir el modelo que sostiene la promesa, sus creadores echaron mano del mismo tipo de trabajo que prometían reemplazar. En enero de 2023, Time, por Billy Perrigo, informó de que OpenAI, para hacer ChatGPT menos tóxico, había pagado a trabajadores en Kenia —después de comisiones, aproximadamente entre uno y dos dólares la hora— para leer y etiquetar el texto más dañino imaginable, de modo que un clasificador aprendiera a filtrarlo. (Para ser precisos: esto alimentaba el filtro de seguridad, no el ranking de preferencias del RLHF —pero pertenece al mismo canal humano que hay detrás de todo modelo "alineado".) Se pagó casi nada a seres humanos por sumergirse en lo peor que producen los seres humanos, para poder vender una máquina como aquello que nos ahorra tener que hacerlo.
Del corpus de spam de Graham en 2002 a las etiquetas de toxicidad en Nairobi en 2022, el arco es continuo. Lo "automático" nunca se alimentó solo. Nunca ha funcionado por sí mismo: todo sistema que parece aprender, filtrar y mejorar por su cuenta está, por debajo, siendo alimentado y corregido por personas —de forma continua, no una sola vez al principio—. Llamarlo automático no ha sido nunca más que una manera de no mirarlas: de empujar el trabajo hacia abajo, y hacia fuera, y a algún lugar donde no se esperaba que miraras.
Parte II — Cómo se construye de verdad la IA
Tú no estás construyendo el modelo
Supón que no estás entrenando estos modelos —y casi con toda seguridad no lo estás—. Eres un equipo que intenta meter algo de esta capacidad en un producto, y lo que sientes es una discreta angustia de impostor: solo estamos llamando a una API; la innovación de verdad está en otra parte; ¿esto es siquiera hacer IA? Vale la pena nombrar esa sensación para descartarla, porque marca una línea real y recién trazada.
Hay una disciplina para lo que estás haciendo —Chip Huyen la llama AI engineering— y su premisa fundacional es un alivio y una degradación a la vez: construyes sobre foundation models; no los construyes. En 2026 es del todo normal que una empresa que "hace IA" no toque jamás la innovación de frontera. Eso no es falta de ambición. Es la forma del campo.
Qué es en realidad un foundation model
Conviene ser concreto sobre aquello sobre lo que construyes. Un foundation model es lo que obtienes cuando la autosupervisión se ejecuta a escala enorme sobre la web abierta —Common Crawl y el resto— hasta que un único modelo es lo bastante general como para adaptarse a casi cualquier tarea.
Su fabricación, apunta Huyen, se parte en dos: el pre-training hace al modelo capaz, pero no seguro ni fácil de usar; el post-training (ajuste por instrucciones, feedback humano) lo hace usable y alineado. Los datos de entrenamiento son la pista —un modelo solo puede hacer aquello para lo que sus datos lo prepararon—, y por eso lo que un laboratorio revela y calla sobre esos datos se ha vuelto una batalla. Es, al final, un disco prensado que puedes poseer pero no leer: unos pocos gigabytes de estadística congelada que no dicen nada del estudio que los grabó.
La fabricación en dos pasos. El pre-training construye capacidad bruta desde la web abierta —cerca del 98% del cómputo—. El post-training, una fracción del coste, añade los modales: finetuning supervisado y ajuste por preferencia humana. Fíjate dónde vuelven a entrar las manos —la misma economía de etiquetado de la Parte I, ahora un piso más arriba.
Frontier vs. open weights
La verdadera elección a la que te enfrentas no es "qué benchmark ganó este mes", sino sobre qué tipo de modelo construir. De un lado, los frontier models —OpenAI, Anthropic, Google—, los más capaces, alcanzables solo a través de una API que alquilas. Del otro, los modelos de pesos abiertos (open-weight) —Llama, Mistral, DeepSeek, Qwen—, que puedes descargar y ejecutar tú mismo. La distinción con la que todo el mundo tropieza: open weights no es open source. Te entregan el disco prensado, no el estudio de grabación —los números, no los datos ni el proceso que los produjo.
El frontier te compra capacidad y te entrega una dependencia; los open weights te compran control, privacidad y un coste fijo, y te entregan la factura de ejecutarlos. Pasé un mes ejecutando modelos abiertos en mi propio portátil precisamente para palpar dónde cae esa línea —y cae en un lugar distinto para el modelo, el servidor y el harness—. Elegir entre ellos es el primer acto real de AI engineering, y es un intercambio de capacidad por control, no la búsqueda del "mejor" modelo.
Las tres capas
Huyen dibuja la disciplina como tres capas, y la sorpresa está en dónde vive de verdad el trabajo.
Las tres capas del AI engineering según Huyen. Para la mayoría de equipos la diferenciación vive en la capa de arriba —e incluso en la del medio, el peso está en los datos y la evaluación, no en la inferencia bruta.
Arriba está el desarrollo de aplicación —los prompts, el contexto que le das al modelo, una evaluación rigurosa y una buena interfaz—. Es la capa que más movimiento ha visto, y para la mayoría de equipos es donde vive la diferenciación.
En el medio, el desarrollo de modelo —modelado, entrenamiento, finetuning, optimización de inferencia y, de forma central, ingeniería de datos—; incluso aquí el peso se ha desplazado hacia los datos y la evaluación, lejos de la inferencia bruta.
En la base, la infraestructura —serving, cómputo, monitorización—, la parte que, significativamente, menos ha cambiado. Si tu equipo vive en la capa de arriba, no está haciendo una IA menor. Está haciendo aquella en la que los productos de verdad se fabrican.
Suelo prestado I — la diferenciación
Pero construir en lo alto de la pila de otro significa que tu diferenciación la tienes en préstamo, y hay dos maneras de perderla. La primera es que la plataforma sencillamente absorba lo que haces.
Apple le hizo esto a las apps de terceros con tanta fiabilidad que los desarrolladores acuñaron un verbo —sherlocked, por el lanzamiento de 2002 en que el Sherlock de Apple se tragó las funciones de una querida app llamada Watson—; solo la keynote de 2024 integró calladamente una docena de apps independientes. La versión IA llegó rápido: Jasper alcanzó una valoración de 1.500 millones de dólares como una capa pulida sobre la API de OpenAI, y semanas después ChatGPT salió gratis —a mediados de 2023 llegaron los despidos y un recorte de valoración—. La función que lanzas este trimestre puede ser una prestación integrada el trimestre siguiente, plegada dentro de la plataforma, desaparecida.
Suelo prestado II — el peaje
La segunda manera es más silenciosa: no posees el motor, así que lo alquilas por token. Andreessen Horowitz ya señalaba en 2020 que las empresas de IA tienden a operar con márgenes brutos del 50–60%, frente al 60–80%+ del software ordinario, porque el cómputo está en el coste de las ventas y no en un I+D fijo. Cuando compras una API pagas el precio de tarifa del proveedor —el margen ya va dentro—, nunca a coste. Tu margen vive, de forma permanente, en la tabla de precios de otro, y cada unidad de éxito paga un peaje hacia arriba.
El riesgo más viejo, un piso más arriba
Si esto suena familiar, debería, porque la web ya lo ha vivido. Durante dos décadas una economía entera creció en la gravedad del ranking de búsqueda de una sola empresa; los negocios optimizaron su existencia entera en torno a él. Entonces, en febrero de 2011, la actualización Panda de Google, dirigida contra las "granjas de contenido", borró casi de la noche a la mañana el tráfico del ejemplo estrella —el eHow de Demand Media, recién salido de una salida a bolsa de 1.500 millones.
La Aggregation Theory de Ben Thompson es la ley que hay debajo: la plataforma que posee la relación con el usuario convierte a sus proveedores en commodities que "entran en la plataforma del agregador en los términos del agregador". Depender de un foundation model es ese mismo pacto trasladado un piso más arriba de la pila —el índice de Google se convirtió en los pesos de OpenAI— y es la condición que define la web como tejido conectado: lo que te alimenta es también, estructuralmente, lo que puede anularte, porque nunca fue tuyo.
De otro, hasta el fondo
Así que la máquina es de otro en ambas direcciones. Mira hacia abajo y el trabajo que la enseñó es de otro —externalizado en trabajadores que no debías ver, con su coste en horas de quince dólares y demandas zanjadas—. Mira hacia arriba y la capacidad sobre la que construyes es de otro —externalizada en una plataforma que no posees, con su riesgo en una diferenciación que puedes perder y unos márgenes que no fijas tú—. La palabra que cose las dos vistas es externalización: la IA con la que de verdad te topas es una pila alta de cosas que viven donde tú no estás, sostenida por la disposición de todos a llamarla automática y dejarlo ahí.
Nada de esto es una razón para no construir. Es una razón para construir con los ojos abiertos, que es el único modo de construir que envejece bien. El oficio —para quien dirige producto y tecnología a través de esto— no es fingir que la pila es tuya, ni que es automática, sino ver tus dependencias con claridad y sostener la capa que sí puedes: los datos que son genuinamente tuyos, la evaluación que nadie hará por ti, el problema humano concreto que al foundation model le da igual. Posee eso, trata al modelo como la pieza intercambiable que es, y sabe, en cada nivel, sobre las manos de quién y el motor de quién estás pisando.
La versión honesta de "hacer IA" nunca fue la fantasía de una máquina que no necesita a nadie. Es la disciplina de saber exactamente a quién necesita —por encima de ti y por debajo— y negarse a apartar la mirada de ninguno de los dos.