Gates: las fronteras de la IA ya quedaron atrás, y lo que le asusta no es la tecnología en sí, sino el silencio a su alrededor
En una entrevista con MIT Technology Review y un nuevo ensayo, Bill Gates afirma que la humanidad ha superado umbrales críticos en las capacidades biológicas, ciber y psicosociales de los modelos, así como en su capacidad de transformar el mercado laboral. A cambio, propone reservar ciertas profesiones para los humanos e introducir tasas sobre los robots y los tokens, reconociendo que antes de la abundancia nos espera una turbulencia considerable.

Ansiedad en lugar de un optimismo prudente
A finales de agosto de 2026, MIT Technology Review publicó una extensa entrevista con Bill Gates —filántropo y exdirector de Microsoft, a quien el artículo atribuye 70 años—. La conversación la condujo Matt Honan. El lugar: la sala de conferencias de Gates Ventures en Kirkland, estado de Washington, con vistas a la marina de Carillon Point. El motivo fue un ensayo que Gates publicó ese mismo día: el primero de varios previstos, dedicados a un mismo tema.
El tono de la entrevista no es de entusiasmo ni de pánico, sino de una inquietud creciente. A Gates le preocupa no tanto la inteligencia artificial en sí, sino la brecha: las capacidades de los modelos crecen más rápido de lo que tardan en tomar forma los límites y las reglas. Y, lo que para él es más importante, fuera de la industria casi no se debate al respecto.

Umbrales que, según él, ya se han cruzado
Gates explica su inquietud por dos razones. La primera es la lista de fronteras que, según él, ya han quedado atrás: capacidades en biología, en el ciberespacio, el impacto psicosocial, la capacidad de destruir el mercado laboral y, por último, la pérdida de control. El mero hecho de que todas esas líneas se hayan cruzado le provoca un estado de shock.
La segunda razón es la reacción de quienes lo rodean. Gates dice que le desconcierta lo poco que ve de preocupación y de debate fuera de la propia industria.
La biología: el punto más aterrador de la lista
Destaca por separado el riesgo biológico. Según su lógica, cualquier modelo capaz de diseñar nuevas moléculas debería estar bajo supervisión: no es una cuestión de ética sectorial, sino un requisito básico. La valoración que ofrece suena contundente: considera que la amenaza del bioterrorismo es aproximadamente cincuenta veces más aterradora y más probable que el riesgo de una pandemia natural.
Por qué callan dentro de la industria
La lógica del silencio, según Gates, es comprensible y por eso mismo desagradable: a las empresas y a los investigadores no les gusta criticarse a sí mismos ni a sus colegas. Por eso asumió el papel de voz deliberadamente estridente —así lo llama él mismo—. En público, ese ensayo y las conversaciones con periodistas; en privado, charlas con gente de la industria, de los gobiernos y de la sociedad civil.
Recuerda qué argumento sonó durante años a modo de consuelo: que cuando nos acercáramos a los umbrales peligrosos, idearíamos cómo permitir el acceso al modelo solo a usuarios decentes, cómo prohibirle hacer lo inadmisible y, quizá, cómo impedir que se copiaran los propios pesos. El problema es que los umbrales, según él, ya se han cruzado, y no ha aparecido una respuesta clara a esas preguntas.

El mercado laboral: una «señal modesta» que él lee como un comienzo
Algunas empresas han empezado a contratar menos personal de nivel inicial: Gates lo califica como una señal bastante modesta, pero no la desdeña. Está convencido de que el proceso está a la vuelta de la esquina: en cuanto se levanten las limitaciones de capacidades y fiabilidad de los modelos, una parte significativa del mercado de «cuello blanco» obtendrá un sustituto muy barato.
La robótica, según su valoración, aún no ha alcanzado ese nivel, pero el progreso es asombroso: un poco más rápido en China que en Estados Unidos, aunque el avance se da en ambos países.
Dos ideas: profesiones reservadas e impuestos
Gates acompaña sus advertencias con propuestas. La primera es el concepto de «profesiones reservadas a las personas»: una parte de las ocupaciones socialmente consensuadas queda en manos del ser humano, y además la lista puede variar de un país a otro. La segunda son los impuestos sobre los robots y sobre los tokens. El impuesto a los robots es una idea antigua, pero la tasa sobre los tokens parece más novedosa: el dinero ganado allí donde la IA sustituye el trabajo humano se propone reservarlo, en lugar de limitarse a recaudarlo en el presupuesto general.
«Esta vez es distinto» —y por qué el pasado engaña
La tesis más incómoda de la entrevista tiene que ver con las analogías históricas. La afirmación de que ninguna tecnología anterior provocó una reducción neta del empleo le parece correcta a Gates, y reconoce que él mismo pronunció discursos en ese sentido. Pero ahora, hasta donde puede juzgar, la situación es diferente.
Su argumento se basa en la coincidencia de varias condiciones. El conocimiento humano puede sustituirse en una proporción enormemente grande de profesiones, en todos los sectores a la vez, en los mismos plazos y a un costo moderado en comparación con la remuneración del trabajo humano, y la tasa de errores del sistema probablemente resultará inferior a la humana. Cuando todo esto se combina, ni la experiencia de anteriores cambios tecnológicos ni la estadística económica actual sirven ya como referencia fiable: según sus palabras, engañan.

Abundancia al final, turbulencia en el camino
Gates, sin embargo, no se vuelve pesimista. Espera que la IA transforme notablemente la agricultura, la sanidad y la educación, y que además ayude a liberar a las personas de la burocracia. El punto final, según él, es la abundancia. Pero la ruta hacia ella pasará por una turbulencia, y no pequeña.
El sentido de su intervención es simple: no hay que debatir si la inteligencia artificial es buena o mala, sino qué umbrales ya se han cruzado y quién responde por lo que ocurra después. Y conviene hacerlo no solo dentro de la industria, que, según su observación, prefiere callar sobre sus riesgos.
Preguntas frecuentes
Material similar
Todos los materiales
Verificación de alucinaciones de LLM mediante una vista SQL de las fuentes, sin reentrenamiento
El estudio evalúa si un LLM puede aprovechar una habilidad simbólica básica —crear una base de datos SQL a partir de documentos fuente— para fundamentar sus respuestas en las fuentes sin supervisión al detectar alucinaciones. En RAGTruth y DiaHalu, este flujo de trabajo neuro-simbólico resulta más preciso que la predicción directa y comparable a los métodos más avanzados, sin requerir un ajuste fino al dominio.
9 noviembre 2026
MathAdv: qué oculta la precisión final de las demostraciones de máquinas
Un conjunto diagnóstico de tareas de 13 áreas de matemáticas de nivel universitario y de posgrado evalúa los sistemas de demostración automática en Lean 4 no solo por el resultado final, sino también por su dominio de la materia, la calidad de sus razonamientos informales y su robustez ante reformulaciones de los enunciados. El análisis por componentes muestra que traducir un problema a un formato formal sigue siendo el principal obstáculo, y que el éxito depende en gran medida del área matemática y de cómo se plantee el problema.
9 noviembre 2026
Edición de presentaciones como operaciones controladas: el framework EditPPT y el benchmark DeckEdit-Bench
Los autores abordan la edición de diapositivas centrándose en objetos concretos, acciones permitidas y la verificación de que el contenido ajeno permanezca intacto, en lugar de generar código libremente. Para medir la calidad, crearon DeckEdit-Bench (183 tareas en 28 presentaciones creadas por personas), y el sistema multiagente EditPPT, probado con cinco modelos base, alcanza el éxito en el 66,7–74,9 % de las tareas, con una conservación superior al 97 %.
8 noviembre 2026