Buscas en Google «críticas a la inteligencia artificial» en español. Los diez primeros resultados los firman, sin excepción, marcas que venden IA, consultoras que asesoran sobre IA o universidades que captan matrículas vendiendo másteres de IA. Tres categorías que viven del propio negocio que dicen criticar. Los que saben de verdad —Crawford, Zuboff, Gebru, Hinton, O'Neil, Bostrom— no escriben en español, no hacen SEO informacional, y por tanto no existen para el usuario hispanohablante que abre el navegador con una duda honesta. Lo que ese usuario lee, lo escribe quien tiene un interés directo en cómo lo lea.
Esto que llamas «debate» es otra cosa
Antes de seguir, una palabra técnica que conviene aclarar porque la voy a repetir bastante. SERP significa Search Engine Results Page: la página de resultados que devuelve Google cuando buscas algo. Los diez primeros enlaces son los que la mayoría de la gente abre. El resto, casi nadie. Quien ocupa esas diez posiciones ocupa, en la práctica, la totalidad del debate público sobre ese asunto para quienes no son especialistas. La SERP no es un escaparate: es el contorno completo del territorio mental por el que se mueve cualquier persona normal cuando se pregunta «esto de la IA, ¿qué tiene de malo?».
Y ese territorio, en español, está colonizado. Tecleas «riesgos de la inteligencia artificial» y los primeros resultados son IBM con su listicle de diez peligros, alguna consultora con su versión propia de los mismos diez peligros, una universidad privada vendiendo máster con un artículo blog que también lista diez peligros, y una empresa de ciberseguridad reciclando el mismo material con la palabra «ciberseguridad» pegada al titular. Tecleas «desventajas de la IA» y aparece el mismo elenco con ligeras variaciones cromáticas. Tecleas «problemas éticos de la IA» y los protagonistas son los de siempre. Juez y parte. Todos viviendo del sector. Todos con el mismo formato.
No hay debate. Hay ocupación.
La fábrica de listicles
Quizá conviene mirar cómo se fabrica un listicle de «10 peligros de la IA» antes de seguir. Porque el formato no es inocente; el formato es el contenido.
Coges una plantilla. La cifra —diez, cinco, ocho, siete— la pone quien escribe en función de lo que cabe sin que la página se haga tan larga que asuste. Los bullets son intercambiables porque están escritos en abstracto: «sesgos algorítmicos», «pérdida de empleo», «privacidad», «deepfakes», «desinformación», «Skynet». Ninguno aterriza en un caso real. Ninguno cita un estudio con cifras. Ninguno explica qué hacer cuando dos de los diez peligros entran en contradicción —y entran en contradicción, todo el tiempo: privacidad vs seguridad, automatización vs empleo, transparencia vs eficacia. La plantilla evita exactamente esa pregunta porque exigiría pensar. Y pensar no es escalable. Listar sí.
Lo más cómico es la pretensión de neutralidad. El listicle de IBM no termina diciendo «por cierto, vendemos IA, así que tomátelo con pinzas». Termina con un enlace a «conoce nuestras soluciones». La consultora hace lo mismo. La universidad también. El listicle no es un análisis con conflicto de interés. Es publicidad disfrazada de análisis con conflicto de interés. La operación retórica consiste en sembrar el miedo justo para que el lector necesite la solución que el mismo emisor vende inmediatamente debajo.
Es marketing. Marketing del malo. Pero llega tan limpio, tan bien plagado de bullets, tan equilibrado en su falsa imparcialidad, que el lector cierra la pestaña convencido de que ha leído algo serio. Ahí termina la SERP. Ahí termina, en muchos casos, la opinión que esa persona se hará sobre la IA durante años. Mientras tanto, el sector sigue trabajando.
Lo que no aparece y lo que aparece
Aquí va la lista de gente que sí ha producido pensamiento sólido sobre los problemas reales de la inteligencia artificial. Kate Crawford, autora de Atlas of AI (Yale University Press, 2021), donde describe la IA como un sistema material, no abstracto: minas de litio, granjas de servidores, anotadores precarizados en Kenia, agua de refrigeración en zonas con sequía. Shoshana Zuboff, autora de The Age of Surveillance Capitalism (PublicAffairs, 2019), donde describe cómo la economía de los datos convirtió la conducta humana en materia prima para vender predicciones. Timnit Gebru, coautora de On the Dangers of Stochastic Parrots (FAccT 2021), el paper por el que Google la despidió y que sigue siendo una de las críticas académicas más citadas al modelo de gran escala. Geoffrey Hinton, premio Turing, padre del deep learning, que dejó Google en mayo de 2023 para poder hablar sin filtros sobre el riesgo de los sistemas que él mismo ayudó a construir. Cathy O'Neil, autora de Weapons of Math Destruction (Crown, 2016), donde documenta cómo los algoritmos opacos perjudican sistemáticamente a las personas con menos recursos para defenderse. Nick Bostrom, autor de Superintelligence (Oxford University Press, 2014), referencia obligada para entender el debate sobre alineamiento.
Cuenta cuántos aparecen en la primera página de Google al buscar críticas en español. Cero. Ni una mención. Ni un enlace. Ni una traducción de sus textos clave en una posición visible. Sus dominios no compiten porque no hacen SEO informacional. Sus libros están en inglés, mal distribuidos en español, en bibliotecas universitarias que casi nadie pisa. Sus papers están en archive y en revistas indexadas que el usuario medio no abre. Existen, pero existen en una capa del mundo —la académica anglosajona— que no se cruza con la capa en la que el lector hispanohablante busca respuestas.
Lo que sí aparece, ya lo hemos visto: IBM, Microsoft, Salesforce, Telefónica, BBVA, Cesce, Pirani, Sentinel, Avast, VIU, UNIR, IEBS, ISDI, ESADE. Empresas SaaS, aseguradoras, consultoras de riesgo, plataformas de ciberseguridad y universidades privadas con departamento de captación. Todas con incentivo directo para que el lector salga con una mezcla específica de miedo y dependencia: miedo suficiente como para sentir que necesita ayuda profesional, dependencia suficiente como para creer que esa ayuda profesional la dan ellos.
Cuando falta metodología, sobra marketing
Hay una diferencia entre crítica y crítica. La crítica que merece la pena leer cumple unos requisitos mínimos: parte de datos concretos, cita las fuentes, distingue entre lo que pasa, lo que podría pasar y lo que es fantasía, asume sus propios sesgos y propone formas de medir lo que afirma. Es lo que en términos clásicos llamamos método. Sin método no hay conocimiento, hay opinión decorada.
Lo que ocupa la SERP española no tiene método. Pasa del «la IA va a revolucionar el trabajo» al «la IA puede acabar con la humanidad» en tres renglones. Mezcla riesgos a diez años (riesgo existencial) con riesgos cotidianos (sesgo algorítmico en un préstamo) sin distinguir escala temporal, probabilidad ni impacto. Usa cifras genéricas («el 60% de los empleos serán reemplazados») sin enlazar al estudio del que vienen, porque enlazarlo obligaría a explicar metodología, muestra, supuestos. Cita organismos respetables (OCDE, UNESCO, MIT, Stanford) sin entrar en lo que esos organismos dicen exactamente —y muchas veces sin entender lo que dicen.
Aquí no estamos en el centro de una conversación científica. Estamos en el centro de un escenario de marketing donde se compra y se vende a la vez el entusiasmo y el miedo. El entusiasmo lo vende quien quiere que pagues por la suscripción. El miedo lo vende, exactamente la misma empresa, en otra pestaña, para que pagues por el curso de formación que te «protegerá». Marketing del miedo y marketing del entusiasmo no son posturas enfrentadas. Son los dos brazos del mismo cuerpo. Si lo ves, dejas de comprar el truco.
La crítica seria existe, pero no llega
Stanford acaba de publicar en abril de 2026 su AI Index Report anual. Es la radiografía más completa del sector que tenemos hoy. Habla de adopción (el 53% de la población mundial usa IA generativa, una velocidad superior a la del PC y la de internet), de inversión global (581.700 millones de dólares en 2025, el doble que el año anterior), de cierre de la brecha entre Estados Unidos y China (Anthropic apenas 2,7% por delante del modelo chino más potente), de incidentes documentados (362 en 2025, frente a 233 en 2024). Es información dura, con metodología, accesible, en formato consultable. ¿Cuántos artículos en español han traducido ese informe con análisis serio? Apenas un puñado en medios especializados y casi siempre como traducción literal del titular anglosajón. Quien busca «AI Index 2026» en español encuentra resúmenes de tres párrafos y vuelta al listicle.
La diferencia operativa es brutal. Un lector que quiera entender qué pasa de verdad con la IA en 2026 tiene dos opciones. Una: leer en inglés a Ben Thompson en Stratechery, a Casey Newton en Platformer, los reportajes largos de 404 Media, los análisis técnicos de MIT Technology Review, los informes anuales de Stanford HAI, los papers de FAccT y NeurIPS. Otra: leer en español el listicle de IBM y enterarse de que la IA puede ser peligrosa porque «podría haber sesgos» y de que la solución «pasa por implementar políticas de gobernanza», sin que esa frase signifique nada concreto.
No es centrismo decir que hay un problema editorial. Es descripción.
La fauna de los listicles: una taxonomía sin afán de hacer sangre
Permítaseme un H2 con un poco más de sarcasmo, porque el material lo merece. Si revisas el sector ordenadamente, los listicles de «10 peligros de la IA» se dejan clasificar en familias. Está el listicle de banco —BBVA, Santander— que pone mucho énfasis en la privacidad de datos porque el banco vende productos donde la privacidad es palanca de confianza, y mucho menos énfasis en concentración corporativa porque el banco mismo está concentrado. Está el listicle de consultora —Deloitte, KPMG, EY— que pone énfasis en «riesgos de implementación», precisamente los riesgos para los que la consultora vende horas de servicio. Está el listicle de universidad privada —UNIR, VIU, IEBS, ISDI— donde los peligros se enuncian con prudencia pedagógica porque el cierre del artículo es siempre «infórmate sobre nuestro máster en IA y ética». Está el listicle de empresa de ciberseguridad —Avast, Malwarebytes, Sentinel— donde todos los peligros acaban siendo, qué sorpresa, peligros de ciberseguridad solucionables con su producto. Y está el listicle de gigante tecnológico —IBM, Microsoft, Salesforce— donde el peligro de la IA es siempre algo abstracto que se resuelve adoptando «políticas responsables», cosa que casualmente esos mismos gigantes ofrecen como servicio.
No hay teoría conspirativa aquí. No hace falta. Cada empresa optimiza su contenido para su funnel de venta, igual que cada animal optimiza su comportamiento para su nicho ecológico. Lo que hay es un ecosistema. El ecosistema produce una imagen agregada del sector que está sesgada en una dirección concreta —la del propio sector— porque los únicos animales que viven ahí son los que tienen incentivo para vivir ahí. El resto no aparece. Crawford no aparece porque a Crawford no le paga nadie por aparecer. Zuboff no aparece porque su libro tiene setecientas páginas y ningún equipo SEO. Hinton no aparece porque tras dejar Google da entrevistas largas, no listicles.
¿Y quién va a leerse a Crawford un sábado por la tarde?
Aquí está la trampa final, y conviene nombrarla sin moralina. La crítica seria no llega no solo porque no hace SEO. También porque exige al lector más de lo que el lector medio está dispuesto a dar. Atlas of AI tiene 336 páginas y un aparato académico denso. Surveillance Capitalism tiene 704 páginas y dos centímetros de notas al pie. Weapons of Math Destruction es más accesible pero exige paciencia para entender estadística básica. Superintelligence exige al lector tolerar el vocabulario de la filosofía analítica. Ninguno de estos libros se lee en quince minutos durante el café de media mañana. Ninguno produce certezas reconfortantes ni dosis de adrenalina con titular impactante. Producen entendimiento, que es otra cosa, y el entendimiento se cobra en horas.
El listicle, en cambio, ofrece el simulacro del entendimiento en cuatro minutos. Diez bullets, una conclusión circular, dos enlaces internos a contenido relacionado del mismo emisor, y ya tienes opinión formada. Te puedes ir a comer con la sensación de que la has pensado. No la has pensado. La has cogido prefabricada de un sitio que tenía interés en que la cogieras prefabricada.
Esa es la trampa. Y romperla no requiere convertirse en lector académico. Requiere, simplemente, sustituir la primera lectura. Cambiar el orden. Antes de buscar «10 peligros de la IA», leer una entrevista larga a Crawford. Antes de buscar «riesgos de ChatGPT», leer un capítulo de Zuboff. Antes de buscar «desventajas de la IA», leer el AI Index entero —en inglés, sí, con traductor si hace falta— y volver con preguntas concretas. La SERP cambia cuando cambia lo que buscas. Y lo que buscas cambia cuando dejas de aceptar el marco que la SERP misma te ofrece.
El problema no es lo que dice IBM, es a quién dejamos hablar
La conversación pública sobre IA en español no está sesgada. Sesgada implicaría que hay equilibrio que corregir. Lo que hay es algo más raro: un mercado lleno de proveedores donde el lector ha sido convencido de que está leyendo prensa independiente. La operación es elegante. Cuando IBM publica «10 ai dangers and risks» —ese es literalmente el slug del post original en inglés— y lo posiciona en el top de búsquedas críticas, no está mintiendo sobre los peligros. Algunos peligros son reales. Lo que hace IBM es elegir qué peligros son visibles y cuáles no. Cuáles se mencionan y cuáles se omiten. Cuáles necesitan «soluciones que ofrecemos» y cuáles requerirían reformas estructurales del sector en las que IBM perdería.
Esa selección es el verdadero contenido. No los bullets. La selección.
Cuando el ecosistema entero está dominado por proveedores haciendo selección, lo que sale agregado no es información: es publicidad. Bien escrita, equilibrada en apariencia, llena de matices superficiales, pero publicidad. El lector que no lo ve sale convencido de que ya sabe lo que hay que saber. El lector que lo ve, descubre que tiene que ir a buscar a otra parte.
Esa otra parte existe. Está en inglés, está en libros largos, está en papers académicos. Está fuera de Google. Y mientras nadie haga el trabajo de traerla al español con la voz y la profundidad que merece, el sector hispanohablante seguirá pensando sobre la IA exactamente lo que las empresas que la venden quieren que piense.
Definiciones rápidas
- SERP: Search Engine Results Page. La página de resultados que Google devuelve ante una búsqueda. Los diez primeros enlaces concentran casi toda la atención del usuario y determinan, en la práctica, el debate público sobre un asunto para quien no es especialista.
- Listicle: artículo en formato de lista numerada («10 peligros», «5 desventajas», «7 problemas»). Formato heredado del periodismo online de tráfico fácil, ahora adoptado masivamente por marketing corporativo SaaS por su alto rendimiento SEO.
- SEO informacional: posicionamiento orgánico en búsquedas no comerciales («qué es», «cómo funciona», «riesgos de»). Es la posición clave para influir en cómo se forma la opinión pública sobre un sector.
- Conflicto de interés editorial: situación en la que el emisor de un contenido analítico tiene interés económico directo en la dirección que la lectura del contenido orienta al lector. Define el ecosistema actual del contenido en español sobre IA.
Referencias
- Crawford, K. (2021). Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence. Yale University Press, 336 pp. https://yalebooks.yale.edu/book/9780300264630/atlas-of-ai/
- Zuboff, S. (2019). The Age of Surveillance Capitalism. PublicAffairs, 704 pp. https://en.wikipedia.org/wiki/The_Age_of_Surveillance_Capitalism
- Bender, E., Gebru, T., McMillan-Major, A. & Mitchell, M. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? FAccT 2021.
- O'Neil, C. (2016). Weapons of Math Destruction. Crown.
- Bostrom, N. (2014). Superintelligence: Paths, Dangers, Strategies. Oxford University Press.
- Hinton, G. (mayo 2023). Entrevistas en The New York Times y The Guardian tras su salida de Google.
- Stanford HAI (2026). AI Index Report 2026. https://hai.stanford.edu/ai-index/2026-ai-index-report
- IBM (2024-2025). 10 AI dangers and risks and how to manage them. https://www.ibm.com/think/insights/10-ai-dangers-and-risks-and-how-to-manage-them
- IBM (2024). AI risk management. https://www.ibm.com/think/insights/ai-risk-management
También te interesa
- ¿Cómo se rompió la conversación pública sobre IA?
- Por qué leer a IBM sobre IA es perder el tiempo
- Los verdaderos peligros de la IA
Aún sin comentarios
Aún no hay comentarios. Sé el primero.
Deja un comentario