La palabra “revolución” hace trabajo: los agentes de IA leídos con Kuhn

Esta semana, los agentes de IA autónomos llegaron a América Latina con suscripciones que cuestan menos que un almuerzo. La promesa es limpia: el software ejecuta las tareas administrativas y el trabajador solo supervisa. Se anuncia como revolución. Y ahí, exactamente en esa palabra, conviene detenerse.

Thomas Kuhn pasó su vida estudiando cómo las ciencias cambian de marco. Su aporte central fue distinguir entre dos cosas que el lenguaje corriente confunde. Una es la acumulación de avances dentro de un mapa fijo del mundo. La otra es la ruptura de ese mapa. Kuhn llamó “paradigma” al mapa compartido —el conjunto de problemas que una comunidad considera resolubles y los modos aceptados de resolverlos. Y observó que casi todo el trabajo cotidiano ocurre dentro del paradigma, no contra él. A eso lo llamó “ciencia normal”: resolver puzzles cuyas reglas ya están dadas.

La pregunta kuhniana frente a la ola de agentes es incómoda y precisa. Lo que se vende como cambio de paradigma, ¿cambia de verdad qué problemas el trabajo considera resolubles? ¿O es ciencia normal —más velocidad, más escala— vestida de revolución para justificar el precio de la suscripción?

Qué cuenta como revolución, según Kuhn

El marketing de la IA tiene un vicio gramatical. Cada actualización es una “revolución”. Cada modelo nuevo “cambia todo”. La palabra se gastó de tanto usarla. Y cuando una palabra se gasta, deja de distinguir. Esto importa porque Kuhn fue muy estricto con ella.

Para Kuhn, una revolución no es ir más rápido. Es cambiar de qué hablamos cuando hablamos de buen trabajo. En The Structure of Scientific Revolutions sostuvo que un nuevo paradigma reorganiza lo que la comunidad ve como problema y lo que ve como solución. No se trata de hacer mejor lo de antes. Se trata de que lo de antes deja de tener sentido del modo en que lo tenía.

Apliquemos la prueba al agente que redacta tu correo, ordena tu hoja de cálculo y agenda tus reuniones. ¿Cambió el problema? El problema sigue siendo el mismo: hay que mandar el correo, ordenar los datos, coordinar la agenda. Lo que cambió es quién mueve las manos. Eso no es poco. Pero en términos kuhnianos, es automatización dentro de un paradigma existente, no la sustitución de un paradigma por otro.

Kate Crawford, en The Atlas of AI - Power, Politics, and the Planetary Costs, lo dice sin adornos: la automatización del trabajo de oficina no empezó la semana pasada. “Secretarial labor has been increasingly automated since the 1980s and now is emulated by highly feminized AI assistants such as Siri, Cortana, and Alexa”, escribe (The Atlas of AI - Power, Politics, and the Planetary Costs). La línea es continua. Lo que llega a la región es la última estación de un tren que salió hace cuarenta años. Llamarlo revolución oculta esa continuidad. Y ocultar la continuidad sirve a quien vende: lo nuevo cobra más que lo viejo.

Esto no es decir que nada importa. Es decir que la categoría está mal puesta. Y poner mal la categoría tiene consecuencias, porque define qué preguntas nos parecen sensatas.

La verdadera anomalía no está donde la buscan

Kuhn tenía otra herramienta más fina: la anomalía. Una anomalía es algo que el paradigma no logra explicar y que no se va por más que se intente. Las anomalías son las grietas. Cuando se acumulan, llega la crisis. Y de la crisis, a veces, un paradigma nuevo.

El discurso oficial sobre los agentes apunta sus anomalías hacia la técnica. El modelo alucina. El agente se confunde con instrucciones largas. La caja negra falla en tareas que un humano resolvería sin pensar. Estas son fallas reales. Pero son fallas dentro del paradigma de productividad. Se “resuelven” con más datos, más cómputo, más ajuste. Son puzzles de ciencia normal. No rompen nada.

La anomalía genuina está en otro lado. Está en la relación de poder que el agente reorganiza, no en su precisión técnica. El trabajador deja de ejecutar y pasa a supervisar una caja negra. Suena a ascenso. Suena a que ahora manda. Pero Crawford documenta el reverso de esa supervisión. Describe plataformas donde los clientes “expect cheap, ‘frictionless’ completion of work without oversight, as if the platform were not an interface to human workers but a vast computer without living expenses” (The Atlas of AI - Power, Politics, and the Planetary Costs). La frase es exacta. Se espera que el trabajo se complete sin fricción, como si detrás no hubiera personas con costos de vida.

La anomalía, entonces, es esta: el agente promete liberar al trabajador del trabajo repetitivo, pero el mismo movimiento lo convierte en supervisor de un sistema que no entiende y no controla. Gana autonomía sobre la herramienta y pierde autonomía sobre su propio trabajo. El paradigma de productividad no puede explicar esa pérdida porque la mide en la categoría equivocada. Cuenta tareas completadas por hora. No cuenta control perdido por trabajador. Y lo que un paradigma no mide, para el paradigma no existe.

Ahí está la grieta. La pregunta kuhniana sería si esa grieta se acumula con otras hasta volverse crisis —o si el paradigma logra reabsorberla, redefiniéndola como “ansiedad ante el cambio” o “falta de capacitación”. Porque los paradigmas son hábiles para tragarse sus propias anomalías. Las renombran hasta que dejan de molestar.

El jefe algorítmico: una grieta que no se renombra fácil

Hay una anomalía más dura de tragar, y conviene nombrarla con precisión. En After shock, los autores describen un futuro laboral que ya está en marcha. Hablan de trabajadores humanos que tendrán, literalmente, un jefe de IA: “These human workers will, in effect, have an AI boss telling them what to do, evaluating their work, and ultimately deciding whether they deserve a raise, a bonus, a warning, or termination” (After shock).

Detengámonse en esto. La narrativa de los agentes dice que el humano supervisa al algoritmo. Pero la dirección de la supervisión puede invertirse sin que cambie ni una línea de marketing. El mismo sistema que ejecuta tus tareas puede evaluar tu desempeño. Quien parece tu asistente puede ser tu evaluador. Y en una región donde la informalidad laboral es alta y la protección sindical es baja, esa inversión no encuentra mucha resistencia institucional.

Esto sí rompe el paradigma de “herramienta al servicio del trabajador”. Una herramienta no te despide. Un jefe sí. Cuando el agente cruza de instrumento a autoridad, la categoría con que lo pensábamos deja de servir. Eso es, en términos kuhnianos, el tipo de anomalía que no se renombra con facilidad. No es un bug. Es un cambio en qué clase de cosa es el sistema.

After shock agrega el contexto económico que aprieta la grieta. Ya en 2020, observa, una proporción grande de trabajadores en Estados Unidos y el Reino Unido tenían varios empleos para llegar a fin de mes, y las grandes tecnológicas contrataban más por contrato que de planta, porque el contratista “doesn’t require the same healthcare, insurance, pensions, and other benefits as full-time employees” (After shock). En América Latina, donde el trabajo por cuenta propia ya es la norma para millones, el agente no llega a un mercado laboral estable. Llega a uno ya precarizado. Y acelera lo que encuentra.

La herramienta kuhniana ilumina algo que la retórica de la productividad apaga. La pregunta no es si el agente es eficiente. Casi siempre lo es. La pregunta es qué relación de poder normaliza mientras es eficiente. Y esa pregunta el paradigma vigente no la formula, porque no está en su lista de puzzles.

Inconmensurabilidad: por qué los dos bandos no se escuchan

Kuhn acuñó una palabra difícil que vale la pena traducir bien: inconmensurabilidad. Suena técnica. Significa algo simple. Dos comunidades pueden mirar el mismo hecho y no lograr discutirlo, porque sus ejemplos de buen trabajo difieren. No es que una mienta. Es que cada una aprendió a ver con un mapa distinto, y los mapas no se superponen.

Esto explica el diálogo de sordos que rodea a los agentes. De un lado, la comunidad pro-IA. Su ejemplar de buen trabajo es el benchmark: el agente completa el ochenta por ciento de las tareas en la mitad del tiempo. Para ellos, los números cierran la discusión. Del otro lado, la comunidad escéptica. Su ejemplar de buen trabajo es la comprensión: ¿el trabajador entiende lo que el sistema hizo en su nombre? ¶ara ellos, un agente que produce resultados que nadie comprende no es progreso, es ceguera acelerada.

Estas dos comunidades no convergen. No porque alguna esté equivocada en los hechos. Convergen poco porque miden cosas distintas y llaman “trabajo bien hecho” a cosas distintas. El de los benchmarks ve velocidad donde el otro ve pérdida de control. El de la comprensión ve dependencia donde el otro ve eficiencia. Hablan, como decía Kuhn, uno al lado del otro.

Janelle Shane, en You Look Like a Thing and I Love You, da una imagen que ayuda a ver el costo de aceptar el ejemplar de la pura eficiencia. Describe la tolerancia que ponemos cuando una máquina nos ahorra trabajo repetitivo: “If a Roomba can save us from having to vacuum a room ourselves, we’ll put up with retrieving it again and again from under the sofa” (You Look Like a Thing and I Love You). Aceptamos rescatar la aspiradora de abajo del sillón con tal de no aspirar. El trato parece bueno. Pero con un agente que redacta contratos o analiza datos, la aspiradora atascada bajo el sillón no es visible. No sabés cuándo falló, porque no entendés lo que hizo. La eficiencia compra silencio sobre el error.

La inconmensurabilidad importa para el lector porque le aclara una frustración. Si discutiste con alguien sobre IA y sentiste que hablaban idiomas distintos, no estabas imaginando cosas. Estaban midiendo con reglas distintas qué cuenta como buena IA. Reconocer eso no resuelve la discusión. Pero impide que te ganen diciendo “los números hablan solos”. Los números nunca hablan solos. Hablan dentro de un paradigma que decidió qué números importan.

El paradigma importado: cuando “revolución” llega como ideología

Hay una capa final, y es la que más toca a la región. La retórica de “cambio de paradigma” no nace en América Latina. Llega importada. Y llega ya empaquetada como descripción de la realidad, cuando en verdad es una decisión sobre qué realidad construir.

Kuhn distinguiría con cuidado aquí. Una cosa es una descripción empírica: esto pasa, esto se mide, esto observamos. Otra cosa es la promoción de un paradigma: deberías ver el mundo así, porque a quien lo promueve le conviene que lo veas así. Cuando un proveedor del norte global le dice a una pyme en Bogotá o en Quito que está ante una “revolución” y que “se quedará atrás” si no adopta agentes, no está describiendo. Está vendiendo un mapa. Y el mapa viene con la suscripción.

After shock nombra la escala de lo que se construye con un término que conviene mirar de frente. Habla de “forms of social organization” emergentes, “far more powerful and intelligent than any in human history”, de un “superorganismo” humano-máquina, de asistentes personales de IA como vías de regulación de ese sistema global (After shock). Es lenguaje grandioso. Es, en términos kuhnianos, la promoción de un paradigma vestida de profecía. Anuncia lo inevitable para que adoptes lo opcional.

El marco de Kuhn da al lector una defensa concreta. La inevitabilidad no es un dato. Es un argumento de venta. Ningún paradigma es inevitable; cada paradigma ganó porque una comunidad lo adoptó, y las comunidades pueden adoptar otros. Cuando alguien te dice que el cambio “ya está aquí” y “no hay vuelta atrás”, está intentando que aceptes su mapa sin examinarlo. La respuesta kuhniana no es rechazar la herramienta. Es preguntar: ¿quién definió que este es el paradigma, y a quién beneficia que yo no lo discuta?

Para América Latina la pregunta es doblemente urgente. La región no diseña estos agentes. Los recibe. Recibe el software, el precio y, sobre todo, el marco con que se supone que debe pensarlos. Aceptar el marco importado sin examinarlo es aceptar que el “buen trabajo” se mide como lo miden quienes venden. La alfabetización crítica que el momento exige no es aprender a usar el agente. Es aprender a interrogar el paradigma que llega adherido al agente.

Lo que el marco deja a la vista

Kuhn nunca dijo que la ciencia normal fuera mala. Resolver puzzles dentro de un paradigma es trabajo real y valioso. El problema no es la automatización del correo. El problema es la palabra “revolución” haciendo trabajo que no le corresponde —ocultando una continuidad de cuarenta años, una relación de poder que se invierte, y un mapa importado que se hace pasar por descripción del territorio.

La herramienta kuhniana, aplicada con honestidad, deja tres cosas a la vista para el lector de la región.

Primero: distinguí el reclamo de lo que ocurre. Cuando te digan revolución, preguntá si cambió qué problemas considerás resolubles, o solo quién mueve las manos. Casi siempre es lo segundo. Y lo segundo no justifica ni el precio ni la urgencia con que te lo venden.

Segundo: buscá la anomalía donde el paradigma no mira. No está en si el agente alucina. Está en si tu autonomía sobre tu propio trabajo crece o se encoge. El paradigma de productividad no mide eso. Por eso te toca a vos medirlo.

Tercero: cuando no logres discutir con alguien sobre IA, sospechá de inconmensurabilidad antes que de mala fe. Quizás miden con reglas distintas qué cuenta como buen trabajo. Reconocerlo no te da la razón. Pero te devuelve el derecho a preguntar qué regla están usando, y por qué esa y no otra.

La pregunta editorial que el marco hace visible es esta. Si los agentes son ciencia normal disfrazada de revolución —automatización vieja con precio nuevo y un mapa importado— entonces la decisión sobre qué paradigma adopta la región no es técnica. Es política. La toma alguien. La pregunta es quién, y si serán los trabajadores de América Latina quienes la tomen, o quienes la reciban ya tomada, con la suscripción incluida y la palabra “inevitable” estampada encima.

Kuhn enseñó que los paradigmas no caen del cielo. Los sostienen comunidades que decidieron qué cuenta como buen trabajo. La pregunta, entonces, no es si la ola de agentes llegará. Ya llegó. La pregunta es de quién será el mapa con que la región decida nadarla.