IA e inteligencia neuronal: qué hay de cerebro en un modelo

Casi todo el mundo que decide sobre IA en una empresa arrastra una idea del cerebro artificial: algo que aprende de lo que le cuentas, que recuerda, que razona. Ninguna de las tres es cierta en el sentido que parece, y las tres se pagan en decisiones equivocadas.

De dónde viene la palabra

En 1943, McCulloch y Pitts propusieron un modelo matemático de una neurona: recibe varias entradas, las suma con distinto peso y se activa si el total pasa un umbral. En 1958 Rosenblatt lo convirtió en el perceptrón, la primera máquina que ajustaba esos pesos sola a base de ejemplos.

Ahí acaba el parecido con la biología. El nombre se quedó porque describía bien la inspiración, no el mecanismo. Una red neuronal moderna tiene tanto que ver con un cerebro como un avión con un pájaro: el principio que se copió es real, todo lo demás se abandonó porque funcionaba mejor de otra manera.

Qué hace realmente una red neuronal

Sin metáforas y sin matemáticas: una red neuronal es una función enorme con millones de números ajustables, llamados pesos. Le entra algo —un texto convertido en números—, esos números atraviesan capas de multiplicaciones y sumas, y sale una predicción.

«Entrenar» significa una sola cosa: enseñarle un ejemplo, comparar su predicción con la respuesta correcta, y empujar cada peso un poquito en la dirección que reduce el error. Millones de veces. No hay comprensión en el proceso, hay descenso por gradiente: rodar cuesta abajo por una superficie de error.

Un modelo de lenguaje hace eso con una tarea concreta y aparentemente tonta: predecir el siguiente trozo de texto. Lo asombroso —y esto es honesto, no marketing— es que hacer eso muy bien y a esa escala produce algo que se parece mucho a razonar. Pero por dentro sigue siendo predicción.

Dónde la metáfora del cerebro te cuesta dinero

Creer que aprende de tu empresa

Es el error más caro. Un modelo no acumula conocimiento de tu negocio por usarlo mucho. Si quieres que sepa vuestros precios, vuestro tono y quién es quién, hay que dárselo en cada petición o dejarlo escrito en un sistema que lo recupere. La sensación de que «ya me conoce» es un montaje que alguien construyó, y si nadie lo ha construido no existe.

Creer que si acierta es porque ha entendido

Un modelo se equivoca con la misma seguridad con la que acierta, y con mejor redacción de la que tienes tú. En una persona, la duda se nota en la voz. Aquí no hay señal. Por eso los procesos que funcionan son los verificables: no porque el modelo sea malo, sino porque no puedes distinguir su acierto de su error mirándole la cara.

Creer que la responsabilidad viaja con la tarea

Cuando delegas en una persona, delegas también una parte de la responsabilidad. Cuando delegas en un modelo, la responsabilidad se queda entera contigo, solo que ahora está repartida entre quien lo montó, quien no lo revisó y quien decidió el nivel de autonomía. Esa es la conversación que casi nadie tiene antes, y todos tienen después.

De modelo a agente: donde esto se pone serio

Un modelo predice. Un agente actúa: lee tu correo, escribe en tu CRM, manda un mensaje a un cliente, mueve una factura. La diferencia no es de inteligencia, es de permisos — y es la única diferencia que importa para una empresa.

En cuanto un sistema actúa, la pregunta útil deja de ser «qué modelo usas» y pasa a ser «cuánto puede hacer sin preguntar». Y esa pregunta no tenía una respuesta con la que se pudiera contratar, así que le puse una.

La Escala Vergara de Autonomía Agéntica mide exactamente eso: seis niveles de V0 a V6, tres clases de riesgo según lo que la acción puede romper, y siete propiedades de conformidad que se pueden exigir. Está publicada con DOI, no es una tabla de un blog, y sirve para lo mismo en las dos direcciones: exigírselo a un proveedor y no engañarte con tu propio sistema.

Qué te llevas de todo esto

• La palabra «neuronal» describe una inspiración de 1943, no el funcionamiento. Sirve para explicarlo, no para decidir.
• Un modelo no aprende hablando contigo. Todo lo que parece memoria es contexto que alguien reenvía.
• Se equivoca con buena prosa, así que el proceso tiene que ser verificable. No es desconfianza, es diseño.
• La responsabilidad no se delega con la tarea. Decide quién responde antes de encender nada.
• Cuando pasa de predecir a actuar, mide la autonomía. Es lo único que se puede contratar y comprobar.

Si lo que quieres es la parte práctica —qué proceso tocar primero y cómo saber si funcionó—, sigue por IA para empresas: qué funciona y qué es humo.