Inteligencia Artificial archivos

El negocio de parecer menos artificial

Tiempo de lectura:
±7 minutos

Para escuchar mientras lees:

Hay algo que se repite con una precisión casi cómica. Pegas un texto en una caja, pulsas un botón y una herramienta te informa de que aquello suena demasiado a inteligencia artificial. En la pantalla de al lado aparece la solución: otro botón que promete volverlo humano. El texto cambia de ritmo, sustituye unas palabras, rompe alguna frase y añade pequeñas irregularidades. Después lo llevas de nuevo al detector. Sigue siendo sospechoso.

En mis pruebas con Originality.ai, Scribbr, GPTZero y Humalingo, el recorrido ha sido parecido. La herramienta modifica el texto, a veces bastante, pero al volver a analizarlo aparece otra vez el aviso de contenido generado o refinado mediante IA. El resultado puede haber perdido claridad, precisión o incluso parte del tono original. También se ha gastado dinero en un servicio cuya promesa más vistosa no termina de cumplirse. No es un estudio de laboratorio, desde luego, pero sí una experiencia suficientemente repetida como para desconfiar del truco.

Una máquina corrigiendo a otra

Los humanizadores se presentan como traductores entre dos idiomas que nadie habla realmente: el supuesto “lenguaje de la IA” y una escritura humana reducida a una colección de señales externas. Scribbr explica que su herramienta localiza patrones asociados a textos automáticos y propone formas más naturales de expresar lo mismo. Originality.ai define el humanizador como un sistema que reescribe contenido de ChatGPT, Claude o Gemini para hacerlo menos robótico. GPTZero lo describe de manera aún más directa: una paráfrasis diseñada para reducir las huellas estadísticas que buscan los detectores. el fondo, seguimos ante una inteligencia artificial trabajando sobre la salida de otra inteligencia artificial. Cambia el encargo, no la naturaleza de la herramienta. El primer sistema recibe instrucciones para ordenar, desarrollar o redactar; el segundo recibe instrucciones para introducir variación, modificar la sintaxis y evitar ciertos hábitos reconocibles. Llamar “humanización” a este proceso concede al programa una capacidad que no tiene. Puede imitar rasgos asociados a determinados textos humanos, igual que puede escribir con tono jurídico, juvenil o ceremonioso. No adquiere una historia personal, un criterio editorial ni una razón para contar aquello.

La contradicción llega a ser bastante transparente. Originality.ai asegura que su humanizador puede superar algunos detectores, aunque admite que el resultado continúa siendo identificable por su propio sistema. Scribbr matiza que su prioridad es mejorar la legibilidad, no eludir controles, y reconoce que ningún detector ofrece una precisión completa. Las precauciones aparecen, pero suelen hacerlo después de titulares mucho más rotundos sobre autenticidad, naturalidad y voz personal. problema no es que estas herramientas sean incapaces de retocar una frase. Algunas corrigen repeticiones, rebajan un tono demasiado ceremonioso o introducen variedad. Eso también puede hacerse con un corrector, un editor o un buen segundo borrador. El problema comienza cuando venden la apariencia de autoría humana como una propiedad técnica verificable, casi como quien quita una marca de agua.

El detector tampoco conoce al autor

Un detector no averigua quién escribió un texto. Examina regularidades: elecciones de palabras previsibles, poca variación en la longitud de las frases, estructuras sintácticas repetidas o medidas estadísticas como la perplejidad. Después asigna una probabilidad. El propio Scribbr explica que un texto escrito por una persona puede recibir una puntuación elevada si comparte esos patrones y presenta su resultado como una estimación, no como una prueba de procedencia. La investigación lleva años señalando esa fragilidad. Vinu Sankar Sadasivan y sus colaboradores mostraron que la paráfrasis sucesiva puede reducir de forma considerable la detección sin destruir necesariamente la calidad del texto. Un trabajo posterior, centrado en diecinueve humanizadores y sistemas de paráfrasis, confirmó que muchas herramientas de detección fallan ante textos modificados para esquivarlas. La carrera se parece bastante a la del antivirus y el malware: cada detector aprende una huella y cada reescritor intenta borrarla.

También aparece un dato menos cómodo para quienes desean resolverlo todo con un porcentaje. Un estudio de 2025 comparó detectores automáticos con lectores habituados a trabajar con modelos de lenguaje. La mayoría formada por cinco usuarios experimentados falló solo uno de trescientos artículos, incluso cuando había paráfrasis o humanización. Los participantes no se limitaron a cazar palabras sospechosas; percibieron problemas de coherencia, desarrollo y relación entre las partes que resultaban difíciles de reducir a una puntuación. El hallazgo no convierte a ciertas personas en detectores infalibles, pero devuelve la cuestión al lugar del que intentábamos expulsarla: la lectura atenta.

Un texto puede superar un detector y seguir siendo malo. También puede activar varias alarmas y estar escrito por alguien con un estilo regular, un vocabulario previsible o una segunda lengua. Por eso resulta peligroso usar estos porcentajes como sentencia académica, certificado de autenticidad o medidor de esfuerzo. Sirven, con cautela, como una señal más. Son mucho menos útiles cuando se convierten en juez y parte de un pequeño mercado basado en generar ansiedad y vender después el calmante.

Y aquí es donde los llamados “humanizadores” empiezan a recordar a esos vendedores de pócimas que recorrían los pueblos prometiendo remedios milagrosos para cualquier dolencia. Llegaban con un discurso convincente, ofrecían una solución rápida y, cuando el efecto no aparecía o el problema persistía, ya estaban lejos, camino del siguiente lugar. Estas herramientas venden una especie de elixir digital: prometen convertir cualquier texto en algo indetectablemente humano, pero si el detector sigue señalándolo o el resultado pierde calidad, la responsabilidad se diluye. No hay engaño explícito, pero sí una expectativa inflada que se sostiene mientras nadie mire demasiado de cerca.

Mis páginas son cuadernos de campo

Utilizo inteligencia artificial en albertogombau.com, proyectografico.com, gombau.photo y singularshirts.com. Sin esa ayuda sería muy difícil convertir la cantidad de notas que acumulo en artículos ordenados y comprensibles. La materia inicial no aparece por generación espontánea: procede de lecturas, ideas, pruebas, enlaces, fotografías, proyectos y asuntos que quiero conservar. La IA me ayuda a darles estructura, detectar huecos y convertir materiales dispersos en un texto que otras personas puedan seguir.

Veo esas webs como cuadernos de campo abiertos. Primero cumplen una función personal: guardar lo aprendido y evitar que una observación termine enterrada en una carpeta. Si después una entrada ayuda a alguien a entender una técnica fotográfica, descubrir un libro o acercarse al diseño editorial, el trabajo encuentra otro recorrido. Ese objetivo queda bastante lejos de fabricar artículos a granel para ocupar resultados de búsqueda.

La diferencia está en el proceso editorial. Una salida de IA puede inventar una fecha, simplificar una discusión, repetir una fórmula que ya funcionó o cubrir con frases elegantes un vacío de información. También puede ordenar de manera brillante un conjunto de notas. Ambas cosas ocurren. Por eso hay que verificar nombres, fuentes y datos; devolver al texto las particularidades que la máquina aplana; cortar párrafos innecesarios y rehacer aquello que suena correcto pero no dice gran cosa.

“Educar” una IA tampoco consiste en convencerla de que es una persona. Consiste en darle contexto, ejemplos, criterios y correcciones. Cuando conoce el tipo de texto que buscamos, los errores que se repiten y la manera de organizar el material, mejora su utilidad. Esa continuidad reduce trabajo mecánico, aunque nunca elimina la revisión. Una herramienta bien configurada puede acercarse a una voz editorial; la responsabilidad de esa voz sigue perteneciendo a quien publica.

Supervisar también es crear

La enseñanza ofrece un ejemplo más interesante que la obsesión por ocultar rastros. NotebookLM puede convertir documentos y notas en conversaciones de audio parecidas a un pódcast y permite producirlas en decenas de idiomas. En Proyecto Gráfico utilizo esa posibilidad para explicar textos sobre diseño editorial a personas que quizá no estén acostumbradas a su vocabulario. Escuchar una conversación clara puede facilitar la entrada a un concepto que en la página parecía cerrado. La herramienta no reemplaza el texto original ni al especialista que lo escribió. Abre otra puerta. uso encaja mejor con las recomendaciones que están tomando forma en educación. UNESCO defiende un enfoque centrado en las personas, con validación ética y diseño pedagógico. La OCDE advierte de que delegar tareas sin orientación puede mejorar el resultado inmediato sin producir aprendizaje, mientras que un uso selectivo puede funcionar como tutor, asistente o apoyo. La cuestión relevante no es cuánta IA cabe en una clase, sino qué esfuerzo humano conserva y qué comprensión añade. bién la regulación europea empieza a distinguir entre una publicación automática y un contenido sometido a revisión humana y responsabilidad editorial. Las obligaciones de transparencia del artículo 50 del Reglamento europeo de IA serán aplicables desde el 2 de agosto de 2026, y contemplan expresamente esa intervención editorial en los textos destinados a informar sobre asuntos de interés público. La ley no resuelve la autoría ni la calidad, pero reconoce algo que los humanizadores tienden a ocultar: revisar, decidir y responder por lo publicado cambia la naturaleza del proceso. inteligencia artificial ha venido a encargarse de tareas, no a hacerse cargo de nosotros. Puede ordenar notas, proponer estructuras, generar una imagen, preparar una voz o convertir un documento en audio. Después alguien debe mirar el resultado y decidir si es cierto, útil y digno de publicarse. El botón de “humanizar” ofrece un atajo mucho más cómodo. La supervisión humana empieza justo cuando el botón termina.

Siri y Gemini: trato con el diablo

Tiempo de lectura:
±11 minutos

Para escuchar mientras lees:

La “nueva” Siri —rebautizada como Siri AI— es el intento más ambicioso de Apple por reconstruir su asistente desde cero, mezclando Apple Intelligence, modelos personalizados de Gemini y una app propia que la convierte en algo mucho más parecido a un compañero de sistema que a un simple altavoz obediente. El giro es tan profundo que afecta a casi todo: interfaz, forma de hablar, contexto personal, privacidad y, también, a quién puede usarla y dónde.

Un asistente viejo con alma nueva

Durante años, Siri arrastró la fama de ir siempre un par de generaciones por detrás de la competencia, como ese colega que llega tarde a todas las quedadas y encima se deja las llaves en casa. Apple lo sabía y, según han ido reconociendo directivos como Craig Federighi, el primer gran diseño de Siri simplemente no daba más de sí para la era de la IA generativa. El resultado ha sido un reset casi radical: nueva arquitectura interna, nueva capa de Apple Intelligence y un músculo lingüístico que, paradójicamente, viene en parte de Google, vía modelos Gemini hechos a medida.

Esa alianza, que hace unos años habría sonado sacrílega en Cupertino, es ahora la gasolina que mueve las nuevas capacidades conversacionales de Siri AI. Apple intenta venderlo como un equilibrio curioso: la experiencia sigue siendo “Siri”, el branding es “Apple Intelligence”, pero por debajo trabaja un motor externo que le permite sostener diálogos largos, entender matices y encadenar acciones sin romperse a mitad de frase. Es un cambio de era para un asistente que nació en 2011 repitiendo recordatorios y ahora quiere ser el pegamento invisible de todo el ecosistema.

Conversaciones, contexto y esa sensación de “agente”

La promesa central de Siri AI es que, por fin, puedes hablarle casi como hablarías a una persona y obtendrás algo más que un “esto he encontrado en Internet”. El nuevo modelo comprende lenguaje natural con mucha más elasticidad, tolera frases incompletas, errores y cambios de dirección sobre la marcha, y mantiene el hilo entre preguntas sin obligarte a repetir todo cada vez. Si le pides que “organice el fin de semana con Ana como el último pero sin playa”, el asistente cruza calendario, correos y mensajes para reconstruir qué diablos fue “el último” y a qué te referías con “sin playa”.

Lo interesante es que el contexto ya no se limita a lo que dices, sino también a lo que ves. Siri AI puede entender el contenido de la pantalla, reconocer lo que estás apuntando con la cámara y actuar sobre esa capa visual: seleccionar un fragmento de texto en Safari, resumirlo y luego colocarlo en un correo, por ejemplo, o localizar una foto concreta en tu biblioteca para editarla y enviarla en un solo flujo. Todo esto se apoya en un enfoque “agéntico”: más que ejecutar órdenes sueltas, Siri intenta deducir el objetivo global y componer los pasos intermedios, algo que se nota especialmente cuando enlaza varias apps sin que tú tengas que ir saltando como un DJ cansado entre ventanas.

Una app propia y un nuevo lugar en el sistema

Uno de los cambios más visibles —y más simbólicos— es que Siri deja de ser ese aura abstracta que aparece desde el fondo de la pantalla para convertirse en una presencia anclada a la interfaz. En iPhone, se asoma desde la parte superior, aprovechando la Dynamic Island o el notch, con una estética en blanco y negro que recuerda a un híbrido entre notificación y HUD futurista. Si lo necesitas, esa banda se despliega a pantalla completa y se convierte en una app de chat con historial sincronizado por iCloud, muy en la línea de cualquier interfaz de chatbot moderna.

Esa app no es solo una lista de mensajes bonitos; es un centro de control donde puedes revisar conversaciones, fijar las más importantes, ajustar cuánto tiempo se mantienen guardadas e incluso modular visualmente al asistente, cambiando colores y tono de la interfaz. En el Mac, su lugar natural pasa a ser Spotlight: la búsqueda deja de ser un simple cuadro de texto estático para transformarse en un espacio conversacional donde pedir datos, ejecutar comandos y disparar flujos de trabajo complejos. En watchOS y visionOS, Siri AI se asienta como una especie de overlay permanente, lista para colarse entre notificaciones, complicaciones y ventanas flotantes sin pedir permiso más que a tu muñeca o al visor.

App Actions, escritura asistida y vida entre tus apps

Más allá del teatro visual, el verdadero cambio está en cómo Siri AI se integra con las aplicaciones. Apple lleva años evangelizando a los desarrolladores con atajos, intents y automatizaciones, pero ahora esos ladrillos se ensamblan de forma mucho más orgánica a través de lo que la compañía llama App Actions. En lugar de aprenderte decenas de comandos o cadenas de atajos, puedes acercarte a algo tan cotidiano como: “Coge las últimas fotos del sábado por la noche, borra las que estén borrosas, crea un álbum privado y compártelo solo con Marta” y dejar que el asistente negocie con Fotos, la galería privada y Mensajes.

La otra pata, especialmente interesante para quien escribe a diario, es la asistencia de escritura. Desde iOS 27, Siri AI puede intervenir en cualquier campo de texto: redactar un correo, pulir un mensaje incómodo, reescribir en tono más formal o más seco, o incluso adaptar el contenido para distintas plataformas sin salir de la app en la que estés. Apple insiste en que el objetivo no es convertir al usuario en “prompt engineer”, sino justo lo contrario: que la tecnología desaparezca y tú solo sientas que las palabras caen mejor en su sitio. Para alguien acostumbrado a jugar con maquetas, tipografías y párrafos, la idea de tener un asistente que afine el texto mientras mantienes el control del diseño tiene cierta ironía dulce.

Privacidad: promesa, arquitectura y zonas grises

Uno de los mantras de Apple es que tu iPhone sabe mucho de ti, pero Apple no. Esa línea se vuelve más fina cuando un asistente empieza a leer tus correos, fotos y mensajes para ofrecer respuestas hiperpersonalizadas, así que la empresa ha construido un relato técnico alrededor de lo que llama Private Cloud Compute. El esquema, en teoría, es sencillo: primero se procesa todo lo posible en el dispositivo, gracias a los chips más recientes; solo cuando hace falta potencia extra se manda una versión cifrada y limitada de la petición a los servidores de Apple, que no guardan los datos ni los usan para entrenar modelos.

Además, Apple asegura que el acceso a información sensible se rige por permisos específicos y entornos aislados, de forma que ni la compañía ni terceros puedan ver el detalle de lo que consultas. Lo interesante es que, en este baile, también entra Google, cuyo modelo Gemini solo se invoca cuando la propia arquitectura de Apple Intelligence considera que lo necesita, y siempre, dicen, bajo las mismas garantías de opacidad. El discurso tiene un aire casi filosófico: un asistente que sabe mucho, pero que promete no mirar más allá de lo estrictamente necesario, algo que cada usuario tendrá que decidir si se cree, y hasta dónde.

Limitaciones, regiones y el eterno “aún no en la UE”

Si todo esto sonase a ciencia ficción inmediata, el golpe de realidad llega con la letra pequeña. De momento, la nueva Siri AI debutará únicamente en inglés y limitada a Estados Unidos, con despliegue en iOS 27, iPadOS 27, macOS 27, watchOS 27 y visionOS 27. Apple ha confirmado que irá llegando a más idiomas y regiones durante 2026 y 2027, pero ha dejado claro que, al menos en el corto plazo, la Unión Europea se queda fuera por conflictos con la Ley de Mercados Digitales.com+3

Para quien viva en España —o en cualquier otro país europeo—, eso significa que el iPhone podrá actualizarse, pero el gran salto del asistente no estará disponible oficialmente, al menos durante la primera oleada. China se queda también fuera por motivos regulatorios propios, lo que deja un mapa curioso donde la revolución de Siri AI nace recortada, como si fuese una edición limitada de vinilo que solo se vende al otro lado del Atlántico. Mientras tanto, la Siri clásica seguirá funcionando, lo que puede generar la sensación extraña de convivir con dos generaciones del mismo personaje según el idioma y el país.

Dispositivos compatibles y el peaje del hardware

La otra frontera importante es el hardware. Siri AI no es una simple actualización del sistema: necesita potencia, memoria unificada y las optimizaciones que Apple ha ido acumulando en sus últimos chips. En iPhone, la lista empieza en el 15 Pro y 15 Pro Max, incluye toda la familia 16 y se extiende a los 17, con la particularidad de que solo modelos como el iPhone Air, 17 Pro y 17 Pro Max ejecutan localmente los modelos más potentes y funciones como la voz personalizada.

En iPad y Mac, la historia es parecida: iPad Air y Pro con chips M1 en adelante, pero con la condición de que muchas de las capacidades avanzadas solo se activarán en equipos con M3 o posterior y al menos 12 GB de memoria unificada. En el Mac, eso deja fuera a una buena parte del parque instalado de usuarios que no han dado el salto a generaciones recientes, y en Apple Watch restringe la fiesta a Series 9 en adelante, incluyendo los últimos Ultra y SE. El mensaje implícito es claro: la nueva inteligencia tiene requisitos físicos, y quien quiera “la Siri buena” tendrá que pasar por caja en algún momento, o conformarse con algo más modesto.

Filosofía Apple: utilidad, no compañía

En medio de todo el ruido sobre IA generativa, Apple intenta trazar una linea discursiva muy particular: Siri no quiere ser tu amiga, ni tu novia, ni tu terapeuta virtual; quiere ayudarte a hacer cosas. Craig Federighi lo ha dicho abiertamente: la compañía rehúye la idea de crear asistentes que construyen vínculos emocionales profundos o que fomentan largas conversaciones vacías solo para aumentar el “engagement”. Siri AI está diseñada para recordarte que no es una pareja digital, que su frontera está en la utilidad y que cualquier intento de proyectar algo más se va a estrellar contra un muro de cordialidad distante.

Greg Joswiak completa la idea: Apple no hace “IA por la IA”, no quiere que el usuario tenga que dominar prompts complejos, ni que piense en modelos o parámetros; la ambición es que todo ese engranaje se esconda detrás de funciones que ya conoces. En la práctica, eso significa que la nueva Siri se infiltra en cosas tan mundanas como búsqueda, escritura o notificaciones, y las afina sin reclamar protagonismo constante. Hay algo casi editorial en esa decisión: Apple apuesta por un asistente que no se convierte en personaje, sino en tipografía invisible, esa que sostiene la página sin robarle el foco al contenido.

Utopía cibernética truncada en Chile

Tiempo de lectura:
±7 minutos

Para escuchar mientras lees:

Cybersyn fue un experimento de socialismo cibernético en Chile que quiso convertir datos industriales en decisiones políticas en casi tiempo real, usando las ideas de Stafford Beer y un puñado de teletipos y mainframes.

Una utopía cibernética en los Andes

Imagina Chile en 1971: un gobierno socialista recién llegado al poder, una economía que se nacionaliza a toda velocidad y un país largo como un glitch en el mapa, con fábricas repartidas desde el desierto hasta el hielo. En medio de ese caos organizado, Salvador Allende y su equipo se preguntan cómo demonios coordinar cientos de empresas estatales sin internet, sin PCs y con un entorno político que olía a conflicto. La respuesta llegó desde la cibernética, esa disciplina que piensa organizaciones como si fueran organismos vivos, con sensores, nervios y cerebros que corrigen el rumbo.

Fernando Flores, entonces en la CORFO, conocía a Stafford Beer, el británico que había teorizado el «Modelo de Sistema Viable» en «The Brain of the Firm» y lo invitó a transformar Chile en un laboratorio a escala país. Beer aceptó la locura: diseñar un sistema que recogiera señales desde las fábricas, las procesara en un centro de cálculo en Santiago y devolviera decisiones a los gestores políticos, todo bajo una lógica de participación y no de mando ciego. Al proyecto lo bautizaron Cybersyn (de «cybernetic synergy») y en Chile también se conoció como Synco, Sistema de Información y Control, un nombre tan setentero como el diseño de sus consolas.

Mientras en Estados Unidos se cocinaba el embrión de internet en laboratorios militares, en Santiago se montaba un «proto internet» socialista basado en cables telefónicos, teletipos y una fe casi punk en que la tecnología podía democratizar el poder económico. El resultado fue un experimento a medio construir, interrumpido por el golpe de 1973, pero que sigue regresando una y otra vez como leyenda urbana de la historia de la tecnología política.

Stafford Beer y el socialismo cibernético

Stafford Beer no era un ingeniero más: se autodefinía como cibernético de gestión y veía empresas y Estados como sistemas adaptativos que debían sobrevivir en entornos impredecibles. Su Modelo de Sistema Viable partía de una idea simple pero poderosa: una organización solo sobrevive si es capaz de absorber la complejidad del entorno mejor que sus rivales, manteniendo autonomía en sus partes y coherencia en el conjunto. En «Designing Freedom», Beer ya coqueteaba con la idea de usar redes de comunicación para dar más voz a las personas en la toma de decisiones, no solo a las élites directivas.

En Chile encontró el escenario perfecto para pasar de la teoría a la práctica. La Unidad Popular necesitaba una forma de gobernar un sector de propiedad social en crecimiento sin repetir las jerarquías burocráticas tradicionales; Beer proponía un Estado que escuchaba datos en tiempo casi real y reaccionaba como un organismo. Su equipo, junto a ingenieros chilenos como Raúl Espejo, modeló fábricas como sistemas cibernéticos: con entradas, salidas, bucles de retroalimentación y mecanismos para detectar desviaciones antes de que explotaran.

Lo interesante es que Beer no veía Cybersyn como una máquina de control autoritario, sino como un experimento para distribuir capacidad de decisión. La idea era que la información fluyera desde las fábricas hacia el centro y de vuelta, preservando espacio para que los trabajadores y gestores locales resolvieran problemas sin que todo pasara por un ministerio omnipresente. En pleno contexto de Guerra Fría, Cybersyn se situaba en un limbo raro: demasiado socialista para occidente, demasiado horizontal para quienes soñaban con un socialismo centralizado de manual.

Teletipos, mainframes y la sala futurista

Si quitamos la capa de mito, la arquitectura de Cybersyn era más analógica de lo que su nombre sugiere. En las empresas estatales se instalaron máquinas de teletipo conectadas por la red telefónica, que enviaban cifras básicas de producción, inventarios y problemas hacia un único centro de cómputo en Santiago. Esos datos se procesaban en mainframes de la época, con software diseñado para detectar variaciones llamativas y generar alertas sin necesidad de ahogar a nadie en hojas de cálculo infinitas.

La interfaz más famosa fue la sala de operaciones, un espacio casi de ciencia ficción: sillones blancos, paneles murales con pantallas y cubos luminosos, botones grandes al estilo consola retrofuturista. Más que un «centro de mando» clásico, la sala estaba pensada como un entorno para reuniones rápidas, con visualizaciones que permitieran entender tendencias a simple vista, incluso para quienes no eran técnicos. No había teclado ni ratón; las decisiones se tomaban hablando, mirando gráficos físicos y pulsando dispositivos diseñados para reducir el ruido cognitivo.

En términos funcionales, Cybersyn nunca llegó a operar al cien por cien de lo que Beer imaginaba. La red de teletipos cubría una parte limitada de las empresas; los modelos estadísticos estaban en constante ajuste y muchas rutinas se apoyaban todavía en trabajo manual. Pero incluso así demostró su utilidad durante la huelga de camioneros de 1972, cuando la red ayudó a identificar rutas y recursos críticos para mantener abastecida la economía bajo presión. Era un sistema medio prototipo, medio herramienta de crisis, construido a toda prisa en un país sometido a bloqueo y desestabilización.

Un experimento truncado y su legado

El 11 de septiembre de 1973, el golpe militar contra Allende no solo bombardeó La Moneda, también derribó el proyecto Cybersyn. La sala de operaciones fue desmantelada, el equipamiento redistribuido o destruido y el sueño de un socialismo cibernético se archivó como curiosidad, cuando no como amenaza. Muchos de los ingenieros implicados acabaron exiliados, y el propio Beer, desde Reino Unido, tuvo que asumir que su experimento latinoamericano se había quedado en versión beta permanente.

Sin embargo, la historia no terminó ahí. Desde los años 2000, investigadores como Eden Medina han rescatado Cybersyn como estudio de caso sobre cómo la tecnología puede encarnar una cierta idea de democracia económica, no solo de eficiencia. El proyecto se ha reinterpretado como una de las primeras formas de «business intelligence» aplicada a un Estado, una especie de gobierno apoyado en big data antes de que esa etiqueta existiera. También ha inspirado exposiciones, seminarios y piezas de cultura pop que lo presentan como una especie de cyberpunk realista, situado entre la esperanza y la distopía.

Lo más sugerente quizá es su vigencia. En un mundo de plataformas, algoritmos y dashboards infinitos, la pregunta que lanzó Cybersyn sigue abierta: ¿quién controla los datos y para qué se usan? Mientras muchas infraestructuras digitales actuales refuerzan concentraciones de poder, el proyecto chileno apostaba —al menos en su narrativa— por una tecnología que ayudara a repartirlo. Que funcionara o no en la práctica es discutible; que propuso un imaginario alternativo, no.

Cybersyn visto desde hoy

Mirar Cybersyn con ojos de alguien que ha crecido con Wi‑Fi y smartphones es casi como leer ciencia ficción retro. Pero detrás de los paneles setenteros y los teletipos hay una intuición que resuena con las preocupaciones contemporáneas: las infraestructuras digitales son política pura, aunque se vendan como «neutrales». Al igual que una novela de ciencia ficción que se adelanta unas décadas, Cybersyn planteó preguntas incómodas sobre vigilancia, autonomía y participación antes de que tuviéramos redes sociales y asistentes virtuales soltando consejos sobre productividad.

También obliga a revisar ciertos clichés sobre tecnología y periferia. La narrativa dominante suele colocar la innovación digital en Silicon Valley, mientras pinta América Latina como receptora tardía de gadgets importados; Cybersyn demuestra que en los años setenta ya se experimentaba allí con formas radicalmente distintas de conectar información, trabajo y Estado. No era un proyecto perfecto ni mucho menos, pero sí un recordatorio de que la historia tecnológica es menos lineal y más extraña de lo que suele contarse en los manuales.

Para una mente aficionada a la ciencia ficción, Cybersyn tiene el encanto de los universos alternativos: un Chile que podría haberse convertido en laboratorio estable de cibernética social, con redes de datos creciendo en paralelo a las luchas políticas. El golpe de 1973 cerró esa línea temporal, pero los documentos, los planos y las entrevistas permiten seguir imaginando qué habría pasado si aquel sistema viable hubiera tenido tiempo de madurar. En esa mezcla de cables, teoría y política late quizá la lección más interesante del proyecto: que las tecnologías que diseñamos nunca son solo técnicas; son, sobre todo, historias sobre cómo queremos organizarnos.