IA: Sachs vs Trump

Resumen

Conviene ser crítico con Sachs: sus diagnósticos recientes sobre el problema institucional son importantes, pero su último artículo mezcla un argumento serio sobre gobernanza de IA con ataques personales a Trump y varias afirmaciones mucho más discutibles. El artículo más sólido, a mi juicio, es el que separa tres cuestiones: el riesgo tecnológico, los incentivos económicos de quienes advierten sobre él y el error de convertir la respuesta en una simple carrera EE.UU.–China.

La IA no necesita miedo. Necesita instituciones.

Roberto F. Salazar-Córdova

14 de septiembre de 2026

Jeffrey Sachs plantea una pregunta correcta y la responde, en parte, de manera equivocada.

Su artículo The Blind Leading the Sighted: Trump Meets the AI Emergency parte de un hecho que merece atención. Dario Amodei, CEO de Anthropic, pidió reducir el ritmo de avance de los modelos de inteligencia artificial de frontera. Sam Altman respaldó la propuesta y anunció que OpenAI adoptaría también evaluadores independientes. Elon Musk coincidió públicamente. No estamos, por tanto, ante una advertencia proveniente exclusivamente de críticos externos de la inteligencia artificial. Son algunos de quienes participan directamente en su desarrollo quienes están diciendo que la velocidad puede estar superando la capacidad para evaluar sus consecuencias.

Eso es relevante. Pero no convierte automáticamente a sus autores en árbitros imparciales del problema.

Las mismas empresas que compiten por construir sistemas cada vez más poderosos tienen intereses comerciales extraordinarios en esa carrera. Una regulación que eleve los costos de entrada, exija enormes capacidades de evaluación y establezca barreras técnicas puede aumentar la seguridad y, simultáneamente, consolidar la posición de las compañías que ya están en la frontera. Ambas cosas pueden ser ciertas.

Por eso tampoco comparto completamente el argumento de Sachs cuando presenta la coincidencia de Amodei, Altman y Musk casi como prueba de la gravedad objetiva del riesgo. Que tres competidores pidan reglas contra su interés inmediato es una señal que debe tomarse en serio. No es todavía evidencia suficiente para entregarles la definición del riesgo ni el diseño de su regulación.

Hay que escucharlos. Hay que auditarlos. Y precisamente por eso hay que evitar que sean ellos mismos quienes establezcan las reglas.

Trump ve una parte del problema

Donald Trump respondió desde Irlanda con una formulación sencilla: Estados Unidos está por delante de China y quiere continuar estándolo porque quien gane la inteligencia artificial tendrá una ventaja decisiva. También desestimó buena parte de las advertencias como escenarios que, a su juicio, no ocurrirán. Sus declaraciones fueron reportadas independientemente de la columna de Sachs.

La primera afirmación contiene una realidad estratégica. La segunda constituye el problema.

La inteligencia artificial sí es una competencia geopolítica. Pretender que Estados Unidos puede simplemente detener su desarrollo mientras China continúa avanzando sería ingenuo. El propio Amodei reconoce que éste es probablemente el dilema más difícil: cualquier acuerdo internacional necesita mecanismos suficientemente robustos para impedir que una de las partes desacelere mientras la otra continúa desarrollando capacidades estratégicas.

Trump tiene razón, por tanto, al introducir a China en la ecuación.

Se equivoca cuando parece reducir toda la ecuación a China.

Una tecnología puede ser simultáneamente indispensable para la seguridad nacional y fuente de nuevos riesgos sistémicos. Los arsenales nucleares son el ejemplo evidente. Nadie concluyó durante la Guerra Fría que, porque Estados Unidos debía competir con la Unión Soviética, resultaba innecesario desarrollar sistemas de control, verificación, doctrina estratégica, líneas de comunicación y tratados.

Competencia y control no son conceptos opuestos.

Son complementarios.

El verdadero problema es institucional

Aquí Sachs toca un punto mucho más profundo.

Mike Johnson, presidente de la Cámara de Representantes, reconoció públicamente que el Congreso conoce menos sobre esta tecnología que quienes están desarrollándola. Al mismo tiempo rechazó una moratoria de emergencia por el riesgo de perder ventaja frente a China y propuso reunir al Gobierno, al Congreso y a los principales ejecutivos tecnológicos.

La primera afirmación es probablemente cierta.

La conclusión que extrae de ella es equivocada.

Que el regulador sepa menos que el regulado constituye un problema clásico de economía regulatoria. Se llama asimetría de información. La solución no consiste en renunciar a regular. Consiste en construir capacidad institucional independiente.

Y aquí aparece una observación especialmente pertinente de Sachs: el Congreso estadounidense eliminó en 1995 su Office of Technology Assessment. Estados Unidos debilitó así una de las capacidades que había creado precisamente para permitir que la decisión política pudiera apoyarse en conocimiento científico independiente.

Ese vacío importa ahora.

El Congreso no necesita convertirse en programador de modelos fundacionales. Del mismo modo que un banco central no necesita fabricar computadores para regular un sistema de pagos, ni un supervisor financiero necesita administrar un banco para exigir capital, liquidez y pruebas de estrés.

Necesita saber qué preguntar, qué medir y a quién auditar.

El error es buscar un botón de pausa

También hay que ser críticos con la solución contraria.

“Detener la IA” suena contundente. Operacionalmente es mucho menos claro.

¿Detener qué?

¿El entrenamiento por encima de determinada capacidad computacional? ¿La liberación pública de modelos? ¿La autonomía de agentes? ¿La investigación sobre auto-mejoramiento? ¿La aplicación militar? ¿El código abierto? ¿Durante cuánto tiempo? ¿En qué países? ¿Quién verifica que China, Estados Unidos, Europa o laboratorios privados cumplen la pausa?

El problema económico es reconocible: estamos ante una versión tecnológica del dilema del prisionero.

Todos pueden estar mejor si existe cooperación y un nivel adecuado de seguridad. Pero cada participante individual tiene incentivos para avanzar mientras espera que los demás se contengan.

Y esto ocurre en varios niveles simultáneamente: OpenAI frente a Anthropic; las grandes compañías frente a nuevos competidores; Estados Unidos frente a China; modelos abiertos frente a cerrados; y, eventualmente, sistemas de IA desarrollando nuevas capacidades mediante otras IA.

Por eso una declaración de buenas intenciones no resuelve el problema.

Tampoco lo resuelve una prohibición difícil de verificar.

Medir antes que prohibir

La respuesta razonable está entre ambos extremos.

La inteligencia artificial necesita algo parecido a la arquitectura que el mundo desarrolló para otros sistemas capaces de producir beneficios enormes y daños sistémicos: estándares, auditorías independientes, trazabilidad, pruebas de estrés, responsabilidad claramente asignada y mecanismos internacionales de verificación.

No regular la tecnología en abstracto. Regular riesgos observables.

Un modelo capaz de redactar un informe y un conjunto de agentes capaces de ejecutar autónomamente operaciones cibernéticas no representan el mismo riesgo. Tampoco deberían enfrentar el mismo régimen.

La unidad de regulación debería desplazarse progresivamente desde “la inteligencia artificial” hacia capacidad + autonomía + acceso + impacto.

Cuanto mayor sea la capacidad autónoma de actuar sobre sistemas reales, mayor debe ser la obligación de evaluación.

Un sistema de frontera debería someterse, antes de determinadas formas de despliegue, a pruebas independientes sobre ciberseguridad, autonomía, replicación, evasión de controles, capacidades químicas o biológicas y comportamiento emergente. Los incidentes significativos deberían registrarse y reportarse. Los evaluadores deberían ser independientes tanto del Gobierno como de las empresas.

Amodei está proponiendo precisamente una parte de esa arquitectura al ofrecer acceso permanente de nivel interno a evaluadores externos. Es una iniciativa importante. Pero una función sistémica no puede depender indefinidamente de la buena voluntad del CEO de turno.

El Estado tampoco puede hacerlo solo

Aquí discrepo nuevamente de Sachs.

Su artículo corre el riesgo de sustituir una fe excesiva en Silicon Valley por una fe excesiva en el experto estatal.

Un doctorado no garantiza buen gobierno. Tampoco la ausencia de un doctorado demuestra incompetencia. Las grandes decisiones públicas requieren conocimiento científico, pero también economía, derecho, seguridad nacional, política, ética y capacidad de ejecución.

El problema institucional no es cuántos PhD se sientan alrededor de la mesa del gabinete.

Es si quienes deciden cuentan con sistemas capaces de producir, contrastar y desafiar conocimiento especializado antes de decidir.

Esa diferencia es fundamental.

Un presidente no necesita saber entrenar un transformer. Necesita disponer de instituciones capaces de decirle qué riesgos son demostrables, cuáles son hipotéticos, cuáles son manipulables, cuáles son asegurables y cuáles pueden producir externalidades catastróficas.

Y necesita escuchar respuestas que contradigan sus preferencias.

Ni Trump ni las tecnológicas deben decidir solos

Sachs titula su artículo The Blind Leading the Sighted. Es una metáfora eficaz, pero simplifica demasiado.

Aquí nadie ve completamente.

Trump observa la competencia estratégica.

Amodei observa desde dentro la aceleración tecnológica.

Altman observa otra parte de la frontera.

Musk tiene sus propios sistemas e intereses.

China observa su seguridad nacional.

Los mercados observan billones de dólares de valor potencial.

Los ciudadanos observamos apenas fragmentos de un sistema cuya complejidad aumenta.

El error sería decidir cuál de ellos posee toda la verdad.

La inteligencia artificial exige exactamente lo contrario: construir instituciones que permitan integrar información incompleta, incentivos contradictorios y riesgos inciertos.

Eso es gobernanza.

Gobernar la incertidumbre

La pregunta fundamental tampoco es si la inteligencia artificial acabará con la humanidad. Nadie puede responder hoy responsablemente esa pregunta con certeza.

La pregunta útil es mucho más exigente:

¿qué hacemos cuando la probabilidad de un daño puede ser incierta, pero su impacto potencial es extraordinariamente grande?

En economía sabemos trabajar con eso.

No hace falta demostrar que un banco quebrará mañana para exigirle capital. No esperamos que ocurra un accidente nuclear para establecer protocolos de seguridad. No necesitamos saber exactamente cuándo llegará un terremoto para construir con normas antisísmicas.

Administramos probabilidades multiplicadas por consecuencias.

La inteligencia artificial debe comenzar a tratarse de la misma manera.

Eso significa continuar innovando, mantener competencia, evitar monopolios, desarrollar capacidades propias, auditar sistemas, registrar incidentes, medir resultados y construir mecanismos de cooperación internacional verificables.

La alternativa entre “ganarle a China” y “detener la inteligencia artificial” es falsa.

Hay una tercera vía: avanzar midiendo.

Y hacerlo antes de que la velocidad tecnológica convierta nuestras actuales instituciones en simples espectadores.

El mayor peligro quizá no sea una inteligencia artificial que llegue a ser demasiado inteligente.

Puede ser que nosotros sigamos administrándola con instituciones demasiado lentas.

Roberro F. Salazar-Córdova

Santiago, Chile. 2026.

---

Referencia de partida: Jeffrey D. Sachs, The Blind Leading the Sighted: Trump Meets the AI Emergency, Common Dreams, 14 de septiembre de 2026.He evitado adoptar el ataque personal de Sachs contra Trump porque debilita, más que fortalece, su argumento técnico. También introduje una crítica a Amodei/Altman/Musk desde economía regulatoria: sus advertencias merecen atención, pero existe un problema evidente de captura regulatoria y barreras de entrada si los incumbentes terminan diseñando las reglas que sólo ellos pueden costear. El eje queda así en gobernanza, riesgo, medición y dilema del prisionero, que conecta mejor con su línea sobre el uso realista de IA.