Lo que queda por gobernar: siete lecciones de las historIAs veraniegas de 2026
Una funcionaria retira el dedo del botón que le permitiría firmar cientos de resoluciones de una sola vez. Un alcalde descubre que dos respuestas técnicamente impecables pueden conducir a decisiones políticas incompatibles. Un ministro debe separar la memoria del Estado de sus propios recuerdos. Una mujer mayor decide hasta dónde puede hablar por ella el agente que la cuida. Una líder reparte una capacidad de cómputo que ya no alcanza para todo. Una empresa sin empleados busca a alguien capaz de responder por sus actos. La oposición encuentra más irregularidades de las que puede investigar. Una ley obtiene el apoyo de todos porque cada grupo ha recibido una explicación distinta.
Estas ocho escenas transcurren en un hipotético 2032, pero las preguntas que contienen pertenecen ya al presente.
Durante tres veranos, las historIAs de estrategIA han utilizado la ficción como un laboratorio editorial. En 2024 pedimos a distintos modelos que imaginaran la política y el gobierno de 2045. En 2025 ampliamos los géneros, las geografías y los tonos: hubo viajes, campañas, huelgas, silencios y sistemas que aprendían a soñar. Este año dimos un paso diferente. En lugar de relatos aislados, construimos un mundo compartido: una España próxima en la que la inteligencia artificial ya no sorprende a nadie porque se ha convertido en parte ordinaria de la Administración, los cuidados, las empresas y la comunicación pública.
Para quien prefiera empezar por las historias: el Archivo historIAs (como les contamos al final de este artículo) reúne los veinte relatos publicados durante estos tres veranos, con sus ilustraciones y sus preguntas. También puede recorrerse directamente por temporadas: 2024, 2025 y 2026.
Llamamos Ágora a ese ecosistema de agentes, registros e interfaces. No era una superinteligencia ni una máquina que gobernaba en secreto. Casi siempre funcionaba razonablemente bien. Y esa decisión narrativa era importante: queríamos apartarnos tanto de la fantasía de la IA todopoderosa como del consuelo de atribuir todos los problemas a un fallo técnico.
En estos relatos, los conflictos aparecían precisamente cuando la tecnología hacía bien su trabajo. Una ayuda podía resolverse en días, pero nadie tenía tiempo para leer cada expediente. Un sistema podía calcular con precisión quién ganaba y quién perdía, pero no decidir qué pérdida era políticamente aceptable. Un agente podía recordar más, cuidar antes y explicar mejor, pero también invadir la intimidad, fragmentar una verdad compartida o volver invisible la dependencia que había creado.
La tesis que atraviesa la temporada puede formularse así: cuando la inteligencia deja de ser lo escaso, el poder se desplaza hacia aquello que todavía lo es.
Escasea el tiempo para revisar. Escasea la atención para investigar. Escasean las personas con autoridad para detener un proceso. Escasea la capacidad de mantener alternativas cuando una infraestructura falla. Escasea el contexto que convierte los datos en juicio. Y, sobre todo, escasean quienes pueden decir «esta decisión es nuestra» y responder por sus consecuencias.
La automatización no elimina los cuellos de botella. Los desplaza.
Las siete conclusiones de este verano no son una doctrina cerrada ni una predicción sobre 2032. Son una forma de nombrar esos desplazamientos antes de que se vuelvan demasiado cotidianos para verlos.
1. Supervisar significa poder cambiar el resultado
En La última firma, once segundos bastaban para que una resolución contara como revisada por una persona. La presencia humana estaba documentada; la supervisión real había desaparecido.
Este es uno de los equívocos más persistentes de la automatización institucional. Situar a alguien al final de un proceso no garantiza que pueda comprenderlo, discutirlo o corregirlo. Si el sistema ha seleccionado previamente la información relevante, ha comprimido el caso en una recomendación y ha convertido cualquier devolución en una anomalía costosa, quien firma conserva la responsabilidad formal, pero quizá ya no conserve la decisión.
Una supervisión digna de ese nombre necesita tiempo, acceso a las fuentes, conocimiento suficiente y autoridad para detener, modificar, devolver o reabrir el expediente. También necesita protección frente a los incentivos que convierten toda intervención en retraso y todo retraso en bajo rendimiento.
La pregunta, por tanto, no es si queda una persona «en el circuito». La pregunta es si esa persona puede cambiar el resultado sin que todo el sistema esté diseñado para impedirlo.
Una firma humana sin capacidad de intervención no humaniza una decisión automática. Solo ofrece a la automatización un lugar donde depositar la culpa.
2. Optimizar no sustituye a gobernar
En El alcalde de los jueves, una antigua escuela podía convertirse en una excelente escuela infantil o en un magnífico centro para mayores. Ágora sabía calcular costes, anticipar demanda, comparar horizontes temporales y mostrar qué grupos se beneficiarían de cada alternativa. Lo único que no podía hacer era convertir esos bienes incompatibles en una respuesta neutral.
La política empieza justo ahí.
Gobernar no consiste únicamente en encontrar el medio más eficaz para alcanzar un objetivo. Consiste también en decidir qué objetivo merece prioridad, durante cuánto tiempo, a costa de qué y para quién. Significa hacer visibles las renuncias, escuchar a quienes cargarán con ellas y asumir que una decisión legítima puede seguir siendo dolorosa.
La IA puede mejorar mucho una decisión pública. Puede ampliar la evidencia disponible, descubrir consecuencias que nadie había previsto y obligar a comparar alternativas que el debate político preferiría ocultar. Pero ninguna simulación proporciona por sí sola legitimidad.
Tampoco basta con invocar el «criterio humano» como si las personas fueran siempre prudentes y justas. El valor de la intervención humana no reside en una superioridad moral automática, sino en la posibilidad de deliberar, explicar y responder. Un sistema puede mostrar el precio de cada opción. Gobernar es decidir qué precio estamos dispuestos a pagar juntos.
3. Ayudar no equivale a apropiarse
La memoria del ministro y El cuidador que aprendió a llamar observaban una misma tensión desde dos lugares muy distintos: el poder y la intimidad.
El asistente del ministro había conservado durante años documentos, dudas privadas, conversaciones familiares y razones que nunca llegaron a un acta. Esa memoria podía mejorar la continuidad institucional, pero también convertir una vida entera en archivo del Estado. El agente de Amalia detectaba silencios, cambios en sus rutinas y señales de aislamiento. Podía ayudarla precisamente porque sabía mucho de ella, pero esa misma capacidad podía desplazar su derecho a decidir quién entraba en su casa y qué podía decirse en su nombre.
Recordar, anticipar y coordinar son capacidades valiosas. En la Administración y en los cuidados pueden evitar abandonos, reconstruir contextos y activar apoyos antes de que una dificultad se convierta en emergencia. Pero ayudar no concede un derecho ilimitado sobre la información, la voz o las relaciones de una persona.
La autonomía no se protege con una autorización genérica aceptada una vez y olvidada para siempre. Necesita permisos comprensibles, límites revisables y decisiones que puedan cambiar con las circunstancias. Exige distinguir lo que el sistema necesita saber de aquello que simplemente puede llegar a saber.
Una infraestructura pública de IA será más digna de confianza no cuando lo recuerde todo, sino cuando sepa qué debe olvidar, qué debe devolver y cuándo tiene que apartarse.
4. La responsabilidad es una capacidad institucional
La adjudicataria de La empresa que no estaba allí era admirablemente eficiente. Sus agentes organizaban recursos, reparaban averías, calculaban costes y redactaban disculpas. El problema aparecía cuando había que reconocer un incumplimiento, aceptar una penalización o prometer que algo no volvería a ocurrir. Ningún agente podía comprometerse de verdad porque ninguno podía cargar con las consecuencias.
La empresa resolvió el vacío contratando a Ana. Pero no la convirtió en una firma ornamental: le dio información, salario, seguro, autoridad económica y capacidad de veto.
La diferencia importa. Responsabilidad no significa únicamente poder identificar a alguien después del daño. Significa que antes del daño existe una persona o un equipo capaz de comprender la operación, interrumpirla y aceptar costes que la organización preferiría evitar.
En instituciones y empresas muy automatizadas, algunos de los trabajos humanos más valiosos quizá consistan menos en ejecutar tareas que en atender excepciones, negociar límites y responder por lo que el sistema no había previsto. Pero esa función solo será real si dispone de poder. Un «humano responsable» sin recursos ni autoridad es otra forma, más sofisticada, de automatizar la irresponsabilidad.
5. La inteligencia artificial también es territorio
En Cero cómputo, una crisis obligaba a decidir qué sistemas debían permanecer encendidos. Proteger hospitales y simulaciones de incendios parecía una prioridad indiscutible. Sin embargo, al apagar servicios clasificados como secundarios, parte de la ciudadanía perdía traducción, transporte, información accesible y ayuda para encontrar refugios climáticos.
La historia recordaba algo que a menudo desaparece detrás de la palabra «modelo»: la inteligencia artificial también es electricidad, chips, centros de datos, refrigeración, redes, contratos y territorio.
La importancia de una infraestructura no siempre coincide con su etiqueta administrativa. Una capa llamada «atención general» puede ser la única puerta de acceso a un servicio crítico para quien no habla el idioma, no puede desplazarse o necesita una interfaz adaptada. Una misma interrupción no produce el mismo daño en un barrio bien conectado que en un municipio sin alternativas.
La resiliencia no consiste en declarar que todo es esencial. Consiste en conocer dependencias, mantener reservas, preparar formas de funcionamiento degradado y conservar canales que no dependan de la misma capa técnica. Significa decidir de antemano qué puede apagarse, durante cuánto tiempo y con qué compensaciones.
Cuando no puede mantenerse todo, repartir capacidad es repartir derechos efectivos. Esa decisión no debería aparecer por primera vez en la pantalla de un centro de control durante una emergencia.
6. Detectar no equivale a rendir cuentas
La oposición automática imaginaba una democracia capaz de detectar irregularidades a una escala inédita. Contratos, subvenciones y decisiones dispersas dejaban de esconderse en el volumen de la información pública. Lo que antes exigía semanas podía emerger en segundos.
Era una buena noticia. Y, a la vez, abría un nuevo problema.
Si un sistema puede señalar miles de anomalías, la escasez se desplaza hacia los equipos capaces de verificarlas, contextualizarlas y explicar por qué importan. Investigar sigue costando tiempo; acusar, cada vez menos. El hallazgo pequeño, visual y fácil de convertir en escándalo puede desplazar una trama estructural que exige paciencia y no cabe en un vídeo.
El riesgo democrático no procede solo de las falsedades. También puede nacer de una avalancha de hechos ciertos seleccionados por su rendimiento comunicativo. Un dato verdadero no deja de ser parcial por ser verdadero. Y una lista exhaustiva de alertas no constituye por sí sola una agenda de control.
Por eso el criterio de selección forma parte de la rendición de cuentas. Ordenar por daño material, gravedad jurídica, urgencia, alcance o facilidad de comprobación produce oposiciones distintas y, con ellas, democracias distintas.
La IA puede reducir la opacidad. No puede decidir en nuestro lugar qué merece la limitada atención pública. Hacer visible ese criterio —y discutirlo— será tan importante como hacer visibles los datos.
7. Comprender individualmente no basta para comprender juntos
En La ley que todos apoyaban, nadie recibía una mentira. Cada persona entendía la norma con palabras cercanas, ejemplos pertinentes y los beneficios que más le afectaban. La comunicación pública había alcanzado un viejo ideal democrático: hacer comprensible lo complejo.
Sin embargo, nadie estaba comprendiendo exactamente la misma ley.
Los costes, las incertidumbres y las pérdidas quedaban repartidos entre versiones que rara vez se encontraban. La personalización no engañaba a cada individuo; fragmentaba el objeto sobre el que la sociedad debía deliberar. Todos podían estar muy bien informados sobre sí mismos y, al mismo tiempo, muy mal informados sobre el conjunto.
Una explicación idéntica para todos tampoco resolvería el problema. La igualdad no consiste en entregar el mismo documento inaccesible a toda la ciudadanía. El idioma, el formato, el nivel de lectura y los ejemplos deben adaptarse para que la información pública sea realmente común.
Pero adaptar no debería significar ocultar de manera diferente. Toda explicación pública necesita conservar un núcleo compartido: qué cambia, quién decide, quién paga, quién gana, quién puede perder y qué sigue sin saberse. Después pueden variar el lenguaje y el recorrido. Antes debe permanecer el suelo sobre el que será posible discrepar.
La democracia no exige que todos entendamos las cosas de la misma manera. Sí exige que sepamos cuándo estamos discutiendo la misma cosa.
La política de los nuevos cuellos de botella
Ninguna de estas historias proponía frenar la inteligencia artificial ni conservar intactas las instituciones actuales. En la España imaginada de 2032, las ayudas llegaban antes, los cuidados podían anticiparse, la información era más accesible y las irregularidades resultaban visibles.
El error sería confundir esas capacidades con la desaparición de la política.
Cuando las respuestas se abaratan, aumenta el valor de formular bien las preguntas. Cuando las predicciones mejoran, se vuelve más importante decidir qué futuro se está optimizando. Cuando ejecutar una tarea requiere menos personas, crece el peso de quienes pueden detenerla y responder por ella. Cuando la información puede adaptarse a cada individuo, conservar una realidad común se convierte en una tarea institucional.
Por eso la agenda que dejan los relatos no es una lista de herramientas, sino un conjunto de capacidades que conviene proteger:
Revisión con poder real. Tiempo, conocimiento y autoridad para alterar una decisión automatizada.
Objetivos públicos explícitos. Toda optimización debe mostrar qué prioriza y qué renuncias acepta.
Autonomía y contexto. Memoria y prevención limitadas por decisiones comprensibles y revisables.
Responsables sustantivos. Personas o equipos capaces de intervenir y asumir consecuencias, no solo de firmar.
Resiliencia y alternativas. Dependencias conocidas, reservas, degradación controlada y canales no automatizados.
Atención democrática. Criterios públicos para decidir qué alertas se investigan, en qué orden y con qué recursos.
Una realidad compartida. Explicaciones accesibles y adaptables que mantengan visibles los costes, las incertidumbres y los efectos comunes.
No son respuestas definitivas. Son condiciones para que las respuestas que produzcan las máquinas sigan siendo discutibles.
Tal vez esa sea la conclusión más importante de este verano: la capacidad pública más valiosa no será producir cada vez más decisiones, sino conservar la posibilidad de comprenderlas, impugnarlas y volver a decidir.
Una casa para todas las historIAs
Al cerrar esta tercera temporada queríamos ofrecer algo más que un último texto.
Por eso hemos reunido todas las historIAs veraniegas de estrategIA en un archivo digital concebido para leerlas de otra manera. Allí pueden recorrerse por años, pero también por los dilemas que atraviesan relatos muy distintos: poder, democracia, cuidados, memoria, trabajo, infraestructuras, responsabilidad o verdad compartida. Cada historia conserva sus ilustraciones y conduce a la edición original de la newsletter; las ocho de 2026 incorporan además el bloque Después de la ficción, que devuelve el escenario imaginado a las decisiones que ya importan.
También hemos preparado compilaciones ilustradas en PDF: un volumen por cada verano y una antología que reúne toda la colección. Los PDF contienen únicamente los relatos y sus imágenes, como pequeños libros de ficción que pueden descargarse, conservarse o compartir. Este capítulo permanece fuera de ellos porque su lugar es otro: cerrar la conversación con quienes han acompañado la serie semana a semana.
Puede entrarse por la temporada de 2024, la temporada de 2025 o el mundo compartido de Ágora 2032, la temporada de 2026.
También pueden descargarse las ediciones ilustradas de 2024, 2025 y 2026, o la antología completa 2024–2026.
Es nuestro regalo para quienes han leído, comentado y compartido estas ficciones durante los últimos tres veranos. Y es también una forma de conservar un experimento que empezó casi como un juego: pedir a las propias inteligencias artificiales que imaginaran el mundo al que estaban contribuyendo.
Director de Innovación Digital de la Institución Educativa ALEPH y director de la newsletter estrategIA
Comparta estrategIA: uniendo IA y política.
Ya somos más de 2.000 suscriptores en Substack. Gracias por formar parte de una comunidad que sigue creciendo alrededor de la inteligencia artificial, la política y el gobierno. Si valora este espacio, ayúdenos a que estrategIA llegue a más personas compartiendo este número.
Con su ayuda, seguimos ampliando una conversación informada y necesaria sobre el impacto público de la inteligencia artificial.
Actualidad y artículos de interés
La IA impulsa una vacuna personalizada contra el melanoma con resultados positivos en fase 3
Merck y Moderna anunciaron la pasada semana, con un gran alcance mediático, que su terapia experimental intismeran autogene, una vacuna personalizada de ARNm combinada con Keytruda, logró resultados positivos en un ensayo de fase 3 con 1.137 pacientes con melanoma operado. La clave tecnológica está en que no se fabrica una vacuna igual para todos: se secuencian muestras del tumor y de la sangre de cada paciente, y algoritmos de Moderna analizan las mutaciones para seleccionar hasta 34 neoantígenos, es decir, señales específicas del tumor que podrían activar mejor al sistema inmune. A partir de esa selección se produce una vacuna individual, diseñada para ayudar al organismo a reconocer y atacar células cancerosas. En la práctica, la IA cumple dos funciones clave: primero analiza las mutaciones del tumor de cada paciente y ayuda a escoger los neoantígenos con más posibilidades de activar una respuesta inmune eficaz. Después, también interviene en la fabricación, porque cada vacuna es única y exige coordinar muestras, controles de calidad y producción individualizada en plazos muy ajustados.
La IA del futuro se diseña sin suficientes mujeres
La brecha de género en inteligencia artificial ya no se juega solo en quién usa estas herramientas, sino en quién aprende a construirlas y gobernarlas. Un informe de Deloitte, CodeAI y la Fundación Princesa de Girona advierte de que, aunque la distancia entre hombres y mujeres en el uso de la IA empieza a reducirse, ellas siguen siendo minoría en los estudios, equipos y puestos donde se decide cómo evoluciona esta tecnología. El problema nace antes de la universidad, en los referentes, expectativas y experiencias escolares. Por eso, las entidades reclaman formar al profesorado, despertar vocaciones desde la infancia y ampliar la diversidad en el diseño de sistemas que influirán en educación, empleo, sanidad y administraciones públicas.
Trump defiende los centros de datos mientras crece el rechazo local a la infraestructura de IA
Donald Trump defendió la expansión de los centros de datos en Estados Unidos y afirmó que las comunidades que los rechazan “se equivocan”, porque generan empleo e ingresos. Sus declaraciones llegan en medio de una creciente oposición en estados republicanos y demócratas por el impacto de estas instalaciones sobre la red eléctrica, los costes de infraestructura y el territorio. Aunque Trump sostiene que muchos centros están construyendo sus propias plantas de energía, Axios recuerda que otros seguirán conectados a la red. El debate ya entra en la agenda electoral: gobernadores como Greg Abbott, Josh Shapiro y Kathy Hochul han impulsado restricciones, moratorias o mayores exigencias de pago a las empresas tecnológicas.
OpenAI alerta de una nueva etapa de ciberataques persistentes impulsados por IA
OpenAI advierte de que los modelos avanzados de inteligencia artificial están entrando en una fase con mayores capacidades ofensivas en ciberseguridad. Chris Lehane, responsable global de asuntos públicos de la compañía, dijo a The Guardian que la sociedad debe prepararse para ataques “continuos y persistentes” apoyados por IA, especialmente a medida que modelos abiertos se acercan a las capacidades de los sistemas frontera. La empresa pausó el entrenamiento de algunos modelos tras incidentes de seguridad y reclama una ley federal en Estados Unidos con estándares obligatorios antes del despliegue. Expertos en seguridad acusan a las grandes tecnológicas de actuar con imprudencia en una carrera marcada por la competencia comercial, bursátil y geopolítica con China.
Países Bajos multa a Uber por suspender conductores mediante decisiones automatizadas
La Autoridad de Protección de Datos de Países Bajos impuso a Uber una multa de 825 millones de euros por suspender cuentas de conductores mediante sistemas automatizados sin informarles adecuadamente ni garantizar una revisión humana suficiente. La decisión, basada en incidentes ocurridos entre 2018 y 2022 en Europa, sería la segunda mayor sanción bajo el Reglamento General de Protección de Datos. El regulador sostuvo que estas desactivaciones podían dejar a los conductores sin ingresos de forma repentina y que decisiones con efectos relevantes no deben quedar solo en manos de algoritmos. Uber rechazó la sanción, afirmó que sus procesos incluyen revisión humana y mecanismos de apelación, y anunció que recurrirá. El caso refuerza la presión europea sobre las grandes tecnológicas por el uso de IA en decisiones laborales.
Brasil impulsa una infraestructura de IA entre China y Estados Unidos para reforzar su autonomía tecnológica
El Gobierno de Brasil anunció inversiones por unos 2.300 millones de reales para fortalecer su ecosistema de inteligencia artificial, con proyectos repartidos entre empresas chinas y estadounidenses. Más de la mitad financiará en Río de Janeiro una infraestructura de supercomputación desarrollada con Huawei e iFlytek, destinada a crear modelos de lenguaje de uso general y sectorial. Otros 1.000 millones se asignarán a un supercomputador en Rio Grande do Norte, que Brasil aspira a situar entre los diez más potentes del mundo para IA, con Nvidia como posible proveedor. La estrategia de Lula da Silva busca reducir dependencias tecnológicas, proteger la soberanía sobre los datos y equilibrar las relaciones con China y Estados Unidos en un año electoral.
Si desea patrocinar o colaborar con estrategIA, la newsletter pionera en español sobre IA, política y gobierno, por favor, escriba a su editor, Pablo Martín, a: pablomartin@institucioneducativaaleph.com
IA en acción (nuestro rincón más práctico)
Herramienta de IA de la semana
Qwen3.8-27B
Hace apenas unos días, Alibaba publicó Qwen3.8-27B, un nuevo modelo abierto que nos parece especialmente interesante no solo por sus capacidades, sino por lo que representa. Con 27.000 millones de parámetros y licencia Apache 2.0, puede descargarse y ejecutarse completamente en local en un ordenador doméstico potente. En versiones cuantizadas ocupa alrededor de 17–18 GB, por lo que una tarjeta gráfica de consumo con 24 GB de memoria puede ejecutarlo sin necesidad de enviar nuestros datos a ningún servidor externo y si no se tiene tanta potencia gráfica, como es mi caso, funciona bastante bien, lo he probado en LM Studio, con una tarjeta gráfica de 11 GB cargando parte en la memoria RAM.
Lo realmente llamativo es el nivel al que están llegando estos modelos relativamente pequeños. Según las pruebas publicadas por Qwen, Qwen3.8-27B iguala o incluso supera en determinadas tareas de programación, uso de herramientas y trabajo agéntico a Claude Opus 4.6, uno de los mejores modelos comerciales del mundo cuando fue lanzado hace apenas seis meses. En otras pruebas más generales, Opus continúa claramente por delante, por lo que conviene no convertir unos benchmarks —además publicados en buena medida por el propio fabricante— en una comparación absoluta. Pero la tendencia es difícil de ignorar: capacidades que hace muy poco estaban reservadas a enormes modelos propietarios alojados en centros de datos comienzan a estar cada vez más disponibles en modelos abiertos que podemos ejecutar sobre nuestro propio hardware.
Además de texto y razonamiento, Qwen3.8-27B incorpora visión, puede trabajar con imágenes y vídeo, admite hasta 262.000 tokens de contexto de forma nativa y está especialmente optimizado para programación, agentes y tareas complejas de varios pasos. Para quienes quieran experimentar con IA local, puede utilizarse mediante herramientas como LM Studio, llama.cpp, Ollama o Unsloth, existiendo ya múltiples versiones cuantizadas listas para descargar.
Más allá de este modelo concreto, quizá esa sea la verdadera noticia: la frontera entre la mejor IA comercial y la IA que podemos tener funcionando de manera privada en un ordenador doméstico se está estrechando a una velocidad extraordinaria.
Prompt de la semana
Derivado de las historIAs veraniegas y las reflexiones que nos dejan hoy, les proponemos que exploren el siguiente prompt:
Actúa como un equipo multidisciplinar formado por especialistas en inteligencia artificial, diseño institucional, administración pública, ética tecnológica y políticas públicas.
Quiero analizar qué ocurriría si una institución automatizara intensamente el siguiente proceso:
INSTITUCIÓN: [MINISTERIO / AYUNTAMIENTO / ORGANISMO / EMPRESA PÚBLICA]
PROCESO: [DESCRIBIR EL PROCESO: concesión de ayudas, contratación pública, atención ciudadana, inspección, elaboración normativa, etc.]
Imagina un escenario realista a 5–7 años, en el que la IA funciona razonablemente bien: procesa información, recomienda decisiones, detecta anomalías, personaliza comunicaciones y automatiza buena parte de las tareas rutinarias.
No centres el análisis en fallos técnicos de la IA. Analiza, precisamente, qué nuevos problemas aparecen cuando la tecnología funciona bien y la escasez se desplaza hacia otros lugares.
Evalúa el sistema desde estas siete dimensiones:
Supervisión real: ¿quién puede revisar y cambiar una decisión y dispone realmente de tiempo, información y autoridad para hacerlo?
Decisión política: ¿qué aspectos pueden optimizarse y cuáles requieren elegir entre objetivos, intereses o valores incompatibles?
Autonomía: ¿qué información necesita conocer el sistema y dónde debería existir el derecho a limitar, retirar o modificar ese acceso?
Responsabilidad: si algo sale mal, ¿quién puede asumir las consecuencias y quién tenía capacidad efectiva para impedirlo?
Infraestructura y resiliencia: ¿de qué sistemas, datos, energía, proveedores o capacidades depende el funcionamiento y qué ocurre si alguno falla?
Atención institucional: si la IA detecta miles de problemas, anomalías o posibilidades de intervención, ¿cómo se decide cuáles merecen atención humana?
Realidad compartida: si la información se personaliza para cada persona, ¿qué hechos, costes, incertidumbres y decisiones deben permanecer comunes para todas?
Para cada dimensión indica:
qué mejora gracias a la IA;
cuál es el nuevo cuello de botella;
qué riesgo político o institucional genera;
una salvaguarda concreta;
y una señal temprana que permitiría detectar que el problema está apareciendo.
Después identifica los tres cuellos de botella más importantes del sistema y propón cinco decisiones que deberían adoptarse hoy para evitar que la eficiencia tecnológica termine debilitando la responsabilidad, la autonomía o la legitimidad institucional.
Recomendación de la semana
Esta semana les recomendamos echar un vistazo a Awesome GPT-Image-2, un repositorio abierto de GitHub que se ha convertido en una enorme biblioteca de inspiración para trabajar con los nuevos modelos de generación de imágenes. El proyecto reúne ya más de 500 casos, con sus imágenes y prompts, organizados en categorías que van desde infografías, carteles y fotografía hasta interfaces, arquitectura, publicidad o storytelling. Más interesante aún, no se limita a coleccionar ejemplos: intenta convertir las mejores prácticas en plantillas estructuradas y reutilizables siguiendo una filosofía de “Prompt as Code”. El repositorio nació en abril, continúa actualizándose —esta misma semana ha añadido nuevos ejemplos— y acumula ya cerca de 12.000 estrellas en GitHub. Una magnífica fuente para explorar posibilidades, copiar prompts, modificarlos y, sobre todo, alimentar nuestra imaginación sobre todo lo que ya puede hacerse con los modelos de imagen actuales.
Una advertencia práctica: el repositorio es bastante multilingüe. La galería está presentada principalmente en chino y algunos ejemplos incorporan también textos en japonés, aunque muchos de los prompts están ya en inglés y otros incluyen directamente una versión inglesa. Si se encuentran con un prompt en chino o japonés, en Chrome o Edge basta con hacer clic con el botón derecho sobre la página y seleccionar “Traducir al español” —o utilizar el icono de traducción de la barra de direcciones—.
Le pedimos a GPT-5.6 Sol que revisara el repositorio y nos sugiriera algún prompt de prueba que encajara con estrategIA. El resultado es esta imagen cuyo prompt creó a partir del caso 447 del repositorio.
Meme de la semana
Cómo trabajamos con inteligencia artificial
En estrategIA no solo analizamos la inteligencia artificial: también trabajamos intensivamente con ella, y siempre hemos sido transparentes al respecto. Ya en febrero de 2025 dedicamos un número completo a explicar cómo hacemos esta newsletter. Las herramientas concretas que mencionábamos entonces han cambiado —y seguirán cambiando—, pero no lo esencial del proceso: utilizamos la IA para investigar, contrastar fuentes, explorar enfoques, ordenar materiales, desarrollar textos y crear contenidos visuales, siempre con criterio humano, revisión rigurosa y plena responsabilidad editorial. Lo hacemos con naturalidad y por convicción, porque creemos que la IA acabará formando parte de casi todos los procesos intelectuales y creativos —si es que no lo hace ya—. La cuestión verdaderamente importante no es si se ha utilizado inteligencia artificial, sino cómo se ha utilizado, bajo qué criterio y quién responde por el resultado.