La confianza no se lanza

I. La pregunta de la semana

Un lanzamiento de modelo se anuncia con fecha, número de versión y una tabla comparativa de rendimientos; la confianza, en cambio, no tiene fecha de estreno. Esa asimetría es el nervio del tema de esta semana. Mientras el calendario de la industria se llena de estrenos —familias enteras de modelos, versiones que se pisan unas a otras, liberaciones de pesos abiertos presentadas como gestos de transparencia—, los rastreadores de vulnerabilidades avanzan a un ritmo que ninguna nota de prensa celebra. Entre 2025 y 2026 la conversación regional sobre inteligencia artificial ha oscilado entre dos verbos que se disfrazan de sinónimos y no lo son: lanzar y confiar.

El arco que rastreamos —cincuenta y tres coincidencias distribuidas en tres trimestres activos— tiene un punto de inversión, y ese punto importa. A comienzos de 2025 la retórica que dominaba nuestras fuentes era crítica: se hablaba más de riesgos que de promesas. Hacia mediados de año, la balanza se invirtió, y el encuadre optimista tomó la delantera y no la soltó. La pregunta no es meramente cuál venció, sino qué palabra cambió de dueño en la transición. Porque cuando la crítica cedió terreno, no desapareció la preocupación por la seguridad: se la renombró. “Confianza” dejó de significar propiedad ganada por un sistema que se comporta como promete y pasó a significar disposición del usuario a adoptar. Un mismo vocablo, dos economías morales distintas.

Esta entrega traza cómo se dijo el tema a lo largo del tiempo, cómo ocurrió en los hechos, y dónde ambas líneas se encontraron —o se perdieron una a la otra—. Anticipo la tesis para no administrar al lector: la proliferación de modelos y la confiabilidad no se resolvieron juntas; se separaron, y el discurso de la confianza sirvió, cada vez más, para cerrar esa brecha con palabras en lugar de con garantías. Para una región que consume modelos que no fabrica, distinguir un verbo del otro no es un lujo semántico.

II. Lo que hemos venido diciendo

La retórica regional sobre IA no empezó ingenua. En el primer trimestre de 2025, cuando contabilizamos siete encuadres optimistas contra diez críticos, el tono dominante todavía admitía la duda como categoría legítima. Los textos publicitarios —el primer sector que adoptó la IA generativa a escala— hablaban abiertamente de fricción: la nota “Publicidad: desafíos de la implementación de IA en campañas” presentaba la tecnología como revolucionaria y, en el mismo aliento, enumeraba sus obstáculos. La palabra “desafío” en el título hacía un trabajo honesto: reconocía que adaptar mensajes, mejorar procedimientos y recortar gastos venía con costos no saldados.

Ese registro convivía con un esfuerzo institucional por instalar un marco de responsabilidad. “Promover una inteligencia artificial responsable a ambos lados del Atlántico, el reto de Adigital y BID Lab” proponía sinergias entre marcos regulatorios europeos y el conocimiento del BID sobre la región. Aquí ya asoma el pliegue que definirá todo el arco: “responsable” es un adjetivo que puede describir tanto al sistema como a quien lo despliega. La ambigüedad no es inocente.

Hacia el segundo trimestre, la balanza se invirtió: doce encuadres optimistas contra ocho críticos. No fue un cambio de datos sino de vocabulario. La conversación migró desde la pregunta “¿es seguro esto?” hacia la pregunta “¿cómo logramos que la gente confíe y adopte?”. El desplazamiento tiene una gramática precisa. En “IA generativa cambia la confianza de los consumidores”, la confianza aparece ya no como algo que la tecnología debe merecer, sino como una variable psicológica del consumidor a gestionar —una “incredulidad exacerbada” que hay que administrar—. La carga de la prueba se invirtió con la balanza: no es el modelo el que debe probarse fiable, es el usuario el que debe superar su recelo.

Para el tercer trimestre de 2025, el encuadre corporativo consolidó la operación. El texto más revelador es “Cómo generar confianza en la IA de Agentic: Gobernanza, mitigación de sesgos e IA responsable a escala”, que abre con una frase que resume la década: “el factor definitorio que diferenciará a los ganadores de los rezagados en 2025 no es la velocidad, sino la confianza”. Suena a autocrítica de la industria de la prisa. Pero léase con cuidado: la confianza no se propone como freno a la proliferación, sino como ventaja competitiva dentro de ella. Se gobierna, se mitiga el sesgo, se es responsable —todo “a escala”, es decir, sin detener el despliegue—. La confianza se volvió una capa de producto.

Esa lógica encontró su público natural en la gestión del cambio organizacional. La encuesta de Adigital reseñada en “Actualidad” reportaba que el entusiasmo era la emoción dominante ante la IA para el 74% de directivos y profesionales. El dato es real y ancla una afirmación: la retórica optimista no era una imposición de arriba, tenía base emocional en quienes la vivían. Pero el entusiasmo medido no dice nada sobre la fiabilidad de los sistemas; dice sobre la actitud de los usuarios. Confundir ambas cosas es, precisamente, el mecanismo.

La consolidación se completa en los materiales de adopción. Piezas como “¿Cómo puede la dirección garantizar la adopción de empleados de IA para PYMES” y “Microsoft 365 Copilot: adopción real que genera valor” convirtieron la “resistencia” del trabajador en el problema a resolver. La desconfianza dejó de ser una señal cognitiva valiosa —algo aquí no está probado— para volverse un obstáculo de recursos humanos. Y para 2026, el vocabulario ya estaba naturalizado: “Cómo será la adopción de la IA generativa en las empresas” citaba a McKinsey con el 65% de organizaciones usando IA generativa como si la cifra fuera evidencia de confiabilidad y no de mera difusión.

Hay una tradición latinoamericana que anticipó esta captura. Néstor García Canclini advirtió en Ciudadanos reemplazados por algoritmos (2019) que las sociedades masivas pierden “condiciones indispensables del desenvolvimiento ciudadano: conservar una duda, mantener una desconfianza por respecto a la suficiencia de las correlaciones, mantener la distinción entre correlación y causa”. La retórica que hemos venido documentando hace exactamente lo contrario: trata la duda como fricción a eliminar. Cuando desconfiar se vuelve un defecto de adopción, se ha desmantelado la primera defensa del ciudadano. Como notamos en nuestro análisis sobre alfabetización en IA del 22 de junio de 2025, preparar a las personas para interactuar críticamente con estas herramientas es lo opuesto a entrenarlas para superar su recelo.

III. Lo que ha venido pasando

Mientras el vocabulario se ablandaba, los hechos endurecían la advertencia. La proliferación de modelos siguió su curva —familias completas liberadas en cuestión de meses, pesos abiertos como argumento de mercado— y con ella creció, no menguó, el catálogo de fallas sin resolver.

El síntoma más elocuente llegó desde la investigación sobre percepción. “Un estudio revela que los rostros generados por IA inspiran más confianza” documentó que las caras creadas por modelos de difusión son percibidas como más fiables que las reales. Léase esa frase junto a la retórica de la sección anterior: la industria pedía que confiáramos más, y la tecnología entregaba, en efecto, más confianza —pero desanclada de la verdad—. La confiabilidad percibida y la confiabilidad real no solo se separaron: empezaron a moverse en direcciones opuestas. El fraude y la desinformación, advertían los investigadores, se benefician de esa inversión.

La amenaza dejó de ser hipotética. “El riesgo de la desinformación impulsada por la inteligencia artificial” describía, desde República Dominicana, cómo la democratización de las herramientas de creación de contenido abarató la producción de falsedades a escala industrial. En un país de 11,4 millones de habitantes y un PIB per cápita de 10.875 dólares —donde la infraestructura digital es real pero desigual—, la asimetría entre el costo de fabricar un engaño y el costo de detectarlo se vuelve un problema de soberanía informativa, no solo de higiene mediática.

El daño también bajó a la escala doméstica. “IA y seguridad infantil: alerta entre padres chilenos” reportó, a partir del estudio Connected Kids 2026 de Norton, que Chile combina alta preocupación parental con exposición creciente de menores a contenidos sintéticos y deepfakes. La proliferación no es un fenómeno de laboratorio: son chats, imágenes y videos que llegan a la habitación de un adolescente antes de que exista un “código de faltas” para gobernarlos.

Y entonces el error mutó. El texto que mejor marca el giro de 2026 es “Nos hemos pasado tres años preocupados por si la IA alucina. Ahora el problema es que haga cosas”. Su tesis es sobria y demoledora: mientras la industria lanzaba modelos agénticos —sistemas que no solo generan texto sino que ejecutan acciones—, el fallo dejó de quedarse dentro de la pantalla. “Cuando el modelo actúa directamente, el error tiene víctimas.” La alucinación era un problema epistémico que el usuario podía descreer; la acción autónoma es un problema material que el usuario padece.

La escala del problema agéntico tiene un número que la prosa no alcanza a transmitir. En el “Tech Day Puerto Rico 2026”, expertos de Microsoft revelaron que las identidades no humanas pueden superar a las humanas en una proporción de 45 a 1 dentro de una empresa. Cuarenta y cinco agentes actuando por cada persona que responde por ellos: esa es la superficie de ataque real de la proliferación. Cada modelo desplegado es una identidad más que gobernar, y el rastreador de vulnerabilidades corre por detrás.

Hay, además, un hecho incómodo que desmiente la premisa económica de toda la prisa. “IA en el trabajo: los empleados ganan tiempo, pero las empresas todavía no ven el retorno” documentó una brecha central: la percepción individual mejora año tras año, pero los resultados financieros de la adopción no acompañan. El estudio exploratorio en empresas de servicios tecnológicos “Adopción e integración de inteligencia artificial en el proceso gerencial de toma de decisiones” confirmaba, desde la academia argentina, una “brecha significativa entre el potencial tecnológico y el valor organizacional efectivo”. La proliferación se justificaba por el retorno; el retorno tardaba en aparecer.

Ni siquiera los materiales optimistas pudieron ignorar del todo lo no resuelto. “ChatGPT e IA generativa: riesgos ocultos y cómo mitigarlos” reconocía que la irrupción masiva de 2022 llegó antes que los mecanismos para contenerla. La realidad, trimestre a trimestre, contaba una historia que la retórica se esforzaba por suavizar: se lanzaba más rápido de lo que se podía verificar.

Javier Echeverría lo había previsto con precisión de ingeniero. En Los señores del aire: Telépolis y el tercer entorno (1999) escribió que “el problema de la fiabilidad de las informaciones es mucho más acusado en el tercer entorno y sólo será resuelto por dos vías: mediante la profesionalización de determinados sitios Web, que irán adquiriendo prestigio poco a poco (como sucedió con la prensa seria) y mediante la creación de un código de faltas”. Veintisiete años después, ninguna de las dos vías se ha completado: la profesionalización que da prestigio requiere tiempo, y el código de faltas —la gobernanza vinculante— llega siempre después del lanzamiento.

IV. Donde se encuentran, donde se pierden

Las dos líneas —lo que dijimos y lo que pasó— se tocaron exactamente en el punto de inversión del segundo trimestre de 2025, y allí mismo se traicionaron. Fue el momento en que la industria necesitaba convertir la curiosidad en adopción, y “confianza” resultó ser la palabra perfecta para el trabajo: suficientemente noble para sonar a responsabilidad, suficientemente vaga para significar disposición del cliente. El encuadre optimista no ganó porque los modelos se volvieran más fiables; ganó porque la confiabilidad se redefinió como un problema de percepción.

Ese es el corazón de la mistificación que esta columna se obliga a desarmar. Cuando “Cómo generar confianza en la IA de Agentic” declara que lo decisivo “no es la velocidad, sino la confianza”, ejecuta una inversión retórica brillante: toma la crítica más obvia a la proliferación —van demasiado rápido— y la convierte en el argumento de venta del producto siguiente. La confianza deja de ser el límite a la prisa para volverse el envoltorio de la prisa. Y mientras tanto, “Nos hemos pasado tres años preocupados por si la IA alucina” documentaba que los sistemas ya no solo se equivocan: actúan sobre su error.

Donde se pierden es más grave que donde se encuentran. Se pierden en la asimetría. Eli Pariser describió en The Filter Bubble una operación estructuralmente idéntica: la elaboración de perfiles de persuasión “puede hacerse invisiblemente —no necesitas tener conocimiento alguno de que estos datos están siendo recolectados— y por lo tanto es asimétrica”. La confianza que la industria pide es de esa clase: el usuario debe confiar visiblemente, mientras el sistema opera opacamente. No hay reciprocidad. El deepfake que “inspira más confianza que un rostro real” es la forma pura de esa asimetría: te da la sensación de fiabilidad sin ninguna de sus condiciones.

Para América Latina, la brecha tiene un peso material específico. La región no fabrica los modelos que prolifera; los importa. República Dominicana registra apenas un 7,7% de exportaciones de alta tecnología sobre su total manufacturado, y Perú un 5,2%. Somos consumidores de una infraestructura cognitiva diseñada, entrenada y monetizada en otra parte, y cuando el “código de faltas” de Echeverría se escriba, se escribirá según intereses que no son los nuestros. La confianza que se nos pide adoptar es, en buena medida, confianza en actores sobre los que no tenemos jurisdicción. Manuel Castells ya observaba en La era de la información cómo, a medida que “los actos heroicos de las primeras tribus informáticas pierden relieve bajo el flujo incesante de los recién llegados”, la red trae consigo “los límites y la miseria de la humanidad tal cual es”. La proliferación es ese flujo incesante; la miseria, su reverso administrado.

La pregunta que el arco deja abierta no es si debemos adoptar —la adopción ya ocurrió—, sino quién carga con la prueba. La retórica de la confianza colocó esa carga sobre el usuario: sé tú quien supere su recelo. La realidad de la confiabilidad la coloca sobre el sistema: sé tú quien demuestre que haces lo que prometes. Entre ambas lecturas de una misma palabra se juega, esta semana y las que siguen, la diferencia entre un ciudadano y un cliente.

V. La perspectiva histórica

El arco de este tema tiene una sola inversión estadística, pero esa inversión cuenta dos historias distintas según qué línea se lea. En la retórica, 2025 fue el año en que el optimismo venció al escepticismo. En los hechos, fue el año en que el error salió de la pantalla y empezó a tener víctimas. Que ambas cosas ocurrieran a la vez no es una paradoja: es el mecanismo. El discurso de la confianza creció porque la confiabilidad no lo hacía; fue la palabra que se puso donde faltaba la garantía.

García Canclini nos dejó la brújula en Ciudadanos reemplazados por algoritmos: conservar la duda es una condición del desenvolvimiento ciudadano, no un obstáculo de adopción. La proliferación de modelos apuesta a lo contrario —a que la abundancia misma sea prueba de madurez, a que sesenta y cinco de cada cien empresas usándolo equivalga a sesenta y cinco de cada cien mereciéndolo—. No equivale. La difusión mide cuántos entraron; la confiabilidad mide si debieron.

Un modelo se lanza en un martes cualquiera, con changelog y benchmark. La confianza no tiene changelog: se acumula lentamente, como el prestigio de la prensa seria que Echeverría recordaba, y se pierde de golpe. La distancia entre esos dos relojes —el del lanzamiento y el de la confianza— es todo lo que esta columna vino a medir. Y la lección que el lector puede recitar de memoria cabe en una línea: cuando te pidan confiar antes de que el sistema haya probado ser confiable, lo que te están vendiendo no es un modelo, es tu propia duda desactivada.

La confianza no se lanza

I. La pregunta de la semana

II. Lo que hemos venido diciendo

III. Lo que ha venido pasando

IV. Donde se encuentran, donde se pierden

V. La perspectiva histórica

Referencias