El PhD de humo: cuando el contenido nos distrae del medio

Esta semana, OpenAI presentó GPT-5 como un interlocutor “a nivel de experto con PhD”. La frase circuló rápido, como toda frase diseñada para circular. Casi al mismo tiempo, una investigación mostró que las startups francesas de IA pagan €96-126 al mes a trabajadores en Madagascar para procesar sus datos, en zonas francas heredadas de la industria textil. Y mientras tanto, gobiernos e instituciones —de la CNIL en Francia a Morelos e India— respondieron a todo esto con cursos de alfabetización y reskilling.

Tres historias, tres secciones distintas del periódico. McLuhan las habría puesto en la misma página.

Porque el aforismo que lo hizo famoso —“el medio es el mensaje”— era precisamente una instrucción para no dejarse hipnotizar por el contenido. La idea es simple y desconcertante a la vez: lo que una tecnología transporta importa mucho menos que lo que una tecnología es. El “PhD” es contenido. El PhD es lo que nos hacen mirar. La zona franca en Madagascar es el medio —o parte de él—, y es exactamente lo que no nos hacen mirar. Aplicar el marco de McLuhan a la semana consiste en girar la cabeza desde lo primero hacia lo segundo.

El contenido como cebo

McLuhan tenía una imagen que vale la pena traducir. Decía que el contenido de un medio es como el trozo de carne que un ladrón lleva para distraer al perro guardián de la mente. Mientras el perro se ocupa de la carne, el ladrón entra por la casa. El contenido nos entretiene la atención; el medio, mientras tanto, reorganiza la casa.

El “PhD” es esa carne. Es una afirmación sobre lo que la IA produce: respuestas de calidad de experto. Y es una afirmación seductora, porque nos coloca en una discusión que sabemos tener. ¿Es verdad que responde como un doctor? ¿En qué materias? ¿Se equivoca? Nos volvemos evaluadores de contenido. Comparamos la salida del modelo con la de un humano titulado y damos veredictos.

Fíjese lo que esa discusión logra. Nos mantiene ocupados con el resultado —el texto, la respuesta, la imagen— y nos aleja de la pregunta sobre el medio: ¿qué tipo de cosa es GPT-5, cómo se produjo, qué estructura de atención y de trabajo impone?

Kate Crawford, en The Atlas of AI - Power, Politics, and the Planetary Costs, nombra el truco desde el otro lado. Describe cómo funciona “la descripción de la IA como fundamentalmente abstracta”, que “la distancia de la energía, el trabajo y el capital necesarios para producirla”. El “PhD” es abstracción pura. Es la IA presentada como una mente flotante, sin cuerpo, sin cadena de suministro, sin nómina. Es el aura de inmaterialidad hecha eslogan.

McLuhan diría que quien discute si GPT-5 razona como un doctor ya perdió. No porque la pregunta sea tonta, sino porque es la carne. El perro está distraído. La casa se está reorganizando.

La zona franca es el medio

Entonces, ¿qué es GPT-5 como medio? No como generador de respuestas —eso es contenido— sino como estructura material y social que existe en el mundo.

Aquí es donde Madagascar deja de ser una nota al pie y se vuelve el titular. El trabajo de datos externalizado a €96-126 al mes no es un accidente lamentable del sistema. Es parte de lo que el sistema es. Crawford lo dice sin rodeos en The Atlas of AI - Power, Politics, and the Planetary Costs: “El trabajo representa otra forma de extracción”. Y traza la línea completa: “desde los mineros que extraen estaño en Indonesia hasta los trabajadores de multitud en India completando tareas en Amazon Mechanical Turk hasta los trabajadores de la fábrica de iPhone en Foxconn en China, la fuerza laboral de la IA es mucho mayor” de lo que sugiere la imagen del ingeniero bien pagado.

McLuhan trabajaba con una distinción que aquí es exacta: figura y fondo. La figura es lo que resalta, lo que la cultura ilumina. El fondo es el campo que la sostiene, casi siempre invisible precisamente porque lo sostiene todo. Nadie ve el fondo porque el fondo es la condición de que haya algo que ver.

En la semana de GPT-5, la figura es el PhD. El fondo es Madagascar. Y la operación cultural completa —el comunicado de prensa, la cobertura, la conversación en redes— consiste en mantener la figura brillante y el fondo oscuro.

Lo que hace el caso malgache tan preciso es su geografía. La investigación de esta semana lo cuenta bien: el trabajo de datos llega a las zonas francas heredadas de la industria textil. Es decir, la IA no inventó una nueva geografía de extracción. Se instaló sobre una ya existente. Las mismas zonas donde antes se cosían camisetas para marcas europeas ahora etiquetan datos para startups de IA europeas. La infraestructura de la explotación estaba lista; solo cambió el contenido que pasa por ella.

Esto es puro McLuhan. Un medio nuevo tiende a tomar como contenido a un medio viejo. El cine tomó el teatro; la televisión tomó el cine; la web tomó el periódico. La IA, resulta, toma como uno de sus contenidos operativos a la industria textil deslocalizada. El régimen laboral de la maquila sobrevive intacto y reaparece como “trabajo de datos”. El medio nuevo hereda la casa vieja.

Cada extensión, una amputación

El corazón del marco de McLuhan es esta pareja: toda tecnología extiende una facultad humana, y toda extensión amputa algo. El microscopio extiende la vista y adormece la percepción a simple ojo. El auto extiende el pie y atrofia el caminar. La escritura extiende la memoria y debilita la memoria oral.

¿Qué extiende y qué amputa la IA generativa? La lectura estándar, la que aparece en las discusiones sobre educación, dice: extiende la producción de texto y amputa la disciplina de escribir a mano. Es cierto y es importante. Pero el marco, aplicado con honestidad esta semana, obliga a una segunda amputación, más incómoda.

La IA extiende la capacidad de un puñado de empresas para producir “conocimiento” —o su apariencia— a escala planetaria. ¿Qué amputa? Amputa la relación entre el conocimiento y el trabajo que lo produce. El “PhD” de GPT-5 se presenta como conocimiento sin biografía: nadie estudió años, nadie leyó, nadie pensó. Pero eso es falso en dos niveles. El modelo se entrenó sobre el trabajo intelectual de millones de personas cuyos textos fueron absorbidos sin crédito. Y el modelo se afina, corrige y limpia con el trabajo presente de personas en Madagascar, India, Kenia, Filipinas.

La amputación mcluhaniana aquí no es solo cognitiva —el estudiante que no aprende a escribir—. Es una amputación de la visibilidad del trabajo. El medio está diseñado para que su producto parezca no tener costo humano. La abstracción no es un efecto secundario; es la función. Cuando GPT-5 responde “a nivel de PhD”, lo que se amputa es la cadena entera de personas cuyo trabajo mal pagado hizo posible esa respuesta fluida.

Ruha Benjamin, en Race After Technology - Abolitionist Tools for the New Jim, recupera una frase de la teórica cultural Imani Perry que ilumina el otro lado de esta amputación: “Romper la máquina era en cierto sentido romper la conversión de uno mismo en una máquina para la acumulación de riqueza de otro”. El trabajador de datos malgache es convertido en máquina —en un procesador barato de microtareas— precisamente para que la máquina de OpenAI pueda presentarse como si no necesitara trabajadores. La amputación de la visibilidad del trabajo humano es la condición para que el medio parezca mágico.

La aldea global tenía un sótano

McLuhan acuñó “aldea global” para describir cómo la electricidad colapsa las distancias: todos coexistiendo en simultaneidad, todos los mensajes disponibles al mismo tiempo, el planeta contraído a un pueblo donde todos se enteran de todo al instante.

La frase se volvió optimista con el tiempo, casi utópica. Pero McLuhan no era ingenuo respecto de la aldea. Una aldea es también un lugar de vigilancia total, de jerarquías rígidas, de trabajos que nadie ve pero que sostienen la vida de todos. La aldea global de la IA tiene ese carácter doble, y la semana lo muestra con crudeza.

Del lado luminoso: GPT-5 disponible en decenas de idiomas, respuestas instantáneas, conocimiento aparentemente universal al alcance de cualquiera con conexión. Es la simultaneidad eléctrica llevada a su extremo. Todos los textos de todos los idiomas comprimidos en un modelo consultable desde cualquier punto del planeta.

Del lado del sótano: Madagascar. La aldea global siempre tuvo una geografía interna de poder, y la semana la revela. Los que consultan el modelo están en París, San Francisco, Ciudad de México. Los que lo alimentan están en Antananarivo, ganando en un mes lo que un ingeniero de Silicon Valley gana en una hora. La simultaneidad eléctrica no borró la geografía del poder; la volvió más eficiente y más invisible.

Para América Latina esto no es teoría. La región conoce la zona franca. Conoce la maquila. Conoce el patrón donde la promesa de “modernización” llega envuelta en una economía de extracción de trabajo, energía y datos. El marco de McLuhan permite ver que la IA no rompe ese patrón: lo digitaliza. El “medio” IA, leído en serio, incluye la maquila de datos como componente estructural, no como falla que se arreglará con el tiempo.

La alfabetización defensiva y el perro guardián

Falta la tercera historia de la semana, y es la que cierra el círculo. Frente a los riesgos de la IA —desplazamiento laboral, dependencia, opacidad— las instituciones responden. La CNIL, los gobiernos de Morelos e India, ofrecen alfabetización y reskilling. Aprende a usar la herramienta. Adáptate. Actualiza tus competencias.

McLuhan tenía un ojo particularmente afilado para este tipo de respuesta. Su segundo aforismo —“nosotros damos forma a nuestras herramientas, y luego ellas nos dan forma a nosotros”— describe exactamente el movimiento. La primera parte suena a agencia: nosotros decidimos, nosotros construimos. La segunda parte es la trampa: una vez construida, la herramienta nos reconfigura, y empezamos a organizarnos a nosotros mismos según su lógica.

El reskilling es la segunda parte disfrazada de la primera. Se presenta como empoderamiento —“adquiere nuevas habilidades, tú controlas tu futuro”— pero su función real es adaptar al humano a la herramienta. El punto de McLuhan es que esta respuesta acepta el medio como dado y solo negocia el contenido de nuestra relación con él. Es, otra vez, la carne para el perro.

Porque hay una diferencia enorme entre dos preguntas. Una: “¿cómo aprendo a usar la IA para no quedarme atrás?” Otra: “¿qué tipo de medio es la IA, y quiero vivir en la casa que reorganiza?” La primera es de contenido. La segunda es de medio. La alfabetización defensiva que ofrecen las instituciones responde solo a la primera. Y al hacerlo, entrena a la población para adaptarse a un medio cuya estructura de poder —incluyendo la zona franca malgache— nunca se pone en discusión.

Esto conecta directo con lo que Ruha Benjamin observa en Race After Technology - Abolitionist Tools for the New Jim sobre el término “ludita”. Recuerda que la palabra “se usa hoy a menudo como término despectivo para cualquiera que se presume” tecnófobo. La operación es sutil: cualquiera que cuestione el medio mismo —no su contenido, sino su existencia y su estructura— queda marcado como atrasado, temeroso, del lado equivocado de la historia. El reskilling refuerza esta trampa. Divide al mundo entre los que se adaptan (progresistas, modernos) y los que resisten (luditas, temerosos). No deja espacio para la tercera posición: la de quien entiende el medio lo bastante bien como para decidir sus términos.

Los luditas históricos, recuerda Benjamin, no rompían máquinas por miedo a la tecnología. Rompían máquinas para “romper la conversión de uno mismo en una máquina para la acumulación de riqueza de otro”. Era un acto de lectura del medio, no de rechazo ciego. Sabían exactamente qué reorganizaba la máquina en su vida y en su comunidad. El marco de McLuhan honra esa lectura: entender el medio es la condición de cualquier decisión libre sobre él.

Qué medio anterior es el contenido de la IA

Hay una pregunta que McLuhan hacía siempre y que ilumina esta semana de un modo particular: ¿cuál es el contenido del medio nuevo? Porque el contenido de un medio nuevo es siempre un medio viejo. Y si logras nombrar el medio viejo que la IA recicla como contenido, entiendes mejor qué está pasando.

La respuesta obvia: el contenido de la IA es la escritura académica, la prosa periodística, la imagen fotográfica. Todos medios del pasado, digeridos y reproducidos. El “PhD” es literalmente eso: la IA tomando la forma de la escritura experta como su contenido.

Pero hay una respuesta menos obvia y más incómoda, y es la que la investigación de Madagascar destapa. El contenido operativo de la IA —lo que la hace funcionar por dentro— es la maquila. El régimen de trabajo textil deslocalizado, con sus zonas francas y sus salarios de subsistencia, reaparece como contenido del medio nuevo. La IA no solo recicla la escritura académica como forma; recicla la fábrica de bajo costo como infraestructura.

Crawford lo confirma en The Atlas of AI - Power, Politics, and the Planetary Costs: “Existen formas explotadoras de trabajo en todas las etapas del pipeline de la IA”, desde la minería hasta el lado del software, “donde fuerzas laborales distribuidas reciben centavos por microtarea”. El medio viejo que la IA lleva como contenido no es solo un medio de comunicación. Es un medio de producción, con toda su historia de explotación intacta.

Cuando se ve así, el “PhD a nivel de experto” adquiere un sabor amargo. El conocimiento de doctor que promete GPT-5 se construye, en parte, sobre trabajo de subsistencia en una zona franca. La figura brillante y el fondo oscuro no son dos cosas: son la misma cosa vista desde dos lados. El PhD es la zona franca, presentada al revés.

La pregunta que el marco deja sobre la mesa

McLuhan insistía en que no era ni optimista ni pesimista respecto de los medios. Decía que era un investigador de sus efectos, y que la ilusión más peligrosa era creer que un medio es neutral —un simple canal que transporta contenidos sin cambiar nada—. Esa ilusión, argumentaba, es exactamente lo que un medio necesita para operar sin resistencia. Mientras creamos que la IA es solo una herramienta neutral que produce buen o mal contenido, no veremos la casa que reorganiza mientras discutimos la carne.

Entonces la pregunta que el marco deja sobre la mesa esta semana no es “¿razona GPT-5 como un PhD?”. Esa es la carne. La pregunta es doble.

Primera: si el medio IA incluye estructuralmente la zona franca —si el trabajo de subsistencia en Madagascar no es un defecto corregible sino un componente del medio mismo—, entonces adoptar la IA no es adoptar una herramienta. Es adoptar una casa, con su geografía de poder ya construida. ¿Estamos decidiendo eso, o solo lo estamos aceptando mientras nos entretiene el PhD?

Segunda: si la respuesta institucional —alfabetización defensiva, reskilling— nos entrena para adaptarnos al medio sin nunca ponerlo en cuestión, entonces esa respuesta no es una solución al problema. Es parte del medio. Es el mecanismo por el cual la herramienta nos da forma después de que la construimos, presentado como si fuéramos nosotros los que decidimos.

Para América Latina, que conoce la zona franca de memoria, el marco de McLuhan ofrece algo útil y algo áspero. Lo útil: un modo de girar la cabeza desde el contenido brillante hacia el medio estructural, de dejar de discutir si la IA es lista y empezar a preguntar qué reorganiza. Lo áspero: la sospecha de que la región no está entrando a la aldea global como vecina, sino como sótano. Como el fondo que sostiene la figura de otros.

El perro sigue mirando la carne. La pregunta es cuánto tiempo más, y quién decidió que hubiera un perro.