RIESGOS DE IA · FUTURO DEL TRABAJO

Geoffrey Hinton, el "padrino de la IA": ¿profeta del desastre o voz que debemos escuchar?

1. Quién es Geoffrey Hinton y por qué todo el mundo le escucha

Antes de entrar en sus miedos, hay que entender su peso en la historia de la IA. Hinton es un científico británico-canadiense que lleva décadas investigando redes neuronales. Su trabajo ayudó a popularizar el algoritmo de retropropagación, las Boltzmann machines, los modelos de deep learning y, más adelante, hitos como AlexNet, que reventó el concurso ImageNet en 2012 y demostró de golpe que las redes profundas iban en serio.

Por todo ello recibió el premio Turing en 2018 junto a Yoshua Bengio y Yann LeCun, conocidos como los "padrinos del deep learning". En 2024 dio otro salto simbólico cuando compartió el Nobel de Física por sus contribuciones a las redes neuronales, consolidándose como una de las figuras más influyentes de la historia de la IA.

Durante años dividió su tiempo entre la Universidad de Toronto y Google, donde trabajaba en Google Brain. En 2023, sin embargo, anunció que dejaba la compañía para poder hablar con libertad de los riesgos de la IA. Llegó a decir que una parte de él "se arrepiente" de su carrera porque el avance de la tecnología va más rápido de lo que imaginaba cuando empezó.

2. El 10–20 % de riesgo de extinción: qué está diciendo realmente

En sus primeras entrevistas de 2023, Hinton hablaba de algo así como un 10 % de probabilidad de que la IA desencadenara un escenario catastrófico para la humanidad. En diciembre de 2024, en una entrevista recogida por medios internacionales, sube la cifra: ahora sitúa en torno al 10–20 % la posibilidad de que la IA acabe provocando la extinción humana en los próximos 30 años.

Lo que le preocupa no es tanto el estado actual de los modelos, sino la velocidad de mejora. Suele insistir en una idea: si comparas lo que podían hacer estos sistemas hace cinco años con lo que hacen hoy y proyectas esa curva hacia delante, el resultado da miedo incluso para él, que ha dedicado su vida a desarrollarlos.

Su imagen más repetida es muy visual: en el futuro cercano, los humanos seremos como niños pequeños frente a sistemas de IA superinteligentes. Y no hay muchos ejemplos en la historia donde algo más tonto haya controlado con éxito algo mucho más listo durante mucho tiempo.

Por eso insiste en dos mensajes: necesitamos más investigación en seguridad de IA y necesitamos regulación estatal que obligue a las grandes tecnológicas a tomarse esa seguridad en serio. El "mercado", por sí solo, tiene incentivos fuertes para seguir desplegando modelos cada vez más potentes aunque los riesgos no estén resueltos.

3. Un tsunami de paro blanco y desigualdad: su miedo económico

Si el riesgo de extinción es el titular más extremo, Hinton ha empezado a insistir cada vez más en algo que nos toca mucho antes: el impacto en el empleo. En una entrevista reciente comentaba que muchas personas con trabajos de oficina relativamente rutinarios deberían estar "aterradas": asistentes legales, personal de atención al cliente, perfiles administrativos que hoy trabajan con documentos y pantallas todo el día.

Su frase más contundente: una sola persona apoyada en herramientas de IA podrá hacer el trabajo que antes hacían diez. La comparación que utiliza es la de la Revolución Industrial, pero esta vez aplicada al trabajo de cuello blanco: así como las máquinas sustituyeron fuerza física, la IA empieza a sustituir trabajo cognitivo repetitivo.

Lo interesante es que Hinton ya no compra el argumento clásico de que "siempre se crearán nuevos empleos" para compensar. No niega que surjan nuevas profesiones, pero duda de que aparezcan al ritmo y con el tipo de habilidades que tiene la mayoría de la gente hoy. De hecho, se ha posicionado a favor de que gobiernos como el británico exploren seriamente un ingreso básico universal para amortiguar el shock.

En su visión, la IA va a disparar la productividad y a generar mucha riqueza, pero sin una política deliberada esa riqueza fluirá sobre todo hacia los propietarios de los modelos, de la nube y de los datos. Resultado: más desigualdad, más concentración de poder económico y muchas personas expulsadas del mercado laboral sin una transición suave.

4. De optimista a alarmado: por qué cambió de opinión

Hasta hace pocos años, Hinton solía ser relativamente optimista. Pensaba que la inteligencia artificial general tardaría varias décadas en llegar y que, mientras tanto, los sistemas automotizarían tareas rutinarias pero liberarían a las personas para trabajos más interesantes. No hablaba de extinción ni de paro masivo como algo probable.

Lo que le hace cambiar de postura es la curva de progreso real. La aparición de grandes modelos de lenguaje capaces de redactar, traducir, escribir código, razonar a cierto nivel y aprender de forma masiva ha acelerado su timeline mental. Donde antes veía 30–50 años, ahora habla de menos de 20 para alcanzar sistemas más inteligentes que nosotros en la mayoría de tareas, y de unas pocas décadas para escenarios realmente peligrosos.

A eso se suma la conciencia de riesgos de uso malicioso: modelos cada vez más accesibles que facilitan desde ciberataques hasta diseño de patógenos o desinformación masiva. Una sola persona con herramientas muy potentes podría causar daños que antes requerían recursos de un Estado.

Por eso, cuando Hinton pide pausar ciertos desarrollos o reforzar la regulación, no lo hace desde el rechazo a la tecnología, sino desde una sensación de "esto va demasiado rápido para las estructuras que tenemos". Sigue creyendo que la IA puede aportar enormes beneficios en medicina, ciencia o educación, pero duda de que estemos gestionando bien el riesgo de cola gorda.

5. No está solo, pero tampoco hay consenso

Las posiciones de Hinton no son una excentricidad aislada. Otros investigadores y figuras públicas también han firmado cartas abiertas pidiendo frenar el desarrollo de sistemas superinteligentes hasta demostrar que pueden controlarse. Hay think tanks especializados en riesgo existencial que sitúan la probabilidad de una catástrofe provocada por IA en cifras comparables o incluso superiores a las de Hinton.

Al mismo tiempo, hay voces muy influyentes en el mundo de la IA que discrepan. Yann LeCun, otro de los grandes nombres del deep learning y responsable de IA en Meta, tiende a minimizar el riesgo de extinción y argumenta que los sistemas del futuro podrían incluso ayudar a evitar amenazas globales si se usan bien. Muchos economistas también recuerdan que, históricamente, las olas de automatización han destruido empleos concretos pero han creado otros nuevos a medio plazo.

En otras palabras: no hay un consenso amplio sobre cuán probable es el peor caso. Sí lo hay en que estamos ante una tecnología con impactos enormes y que requiere más investigación en seguridad, mejor regulación y más transparencia por parte de las empresas que la lideran.

6. ¿Profeta del desastre o voz que debemos escuchar?

Es tentador encasillar a Hinton como "catastrofista", pero no encaja del todo. Es alguien que ha pasado la mayor parte de su vida defendiendo las redes neuronales cuando la mayoría del campo las ignoraba, y que ahora, ya en la cima de su carrera, decide usar su reputación para tirar del freno de mano. No está vendiendo miedo para ganar relevancia; relevancia no le falta.

También es cierto que nadie tiene una bola de cristal. El 10–20 % de riesgo de extinción que maneja no sale de una fórmula, sino de su intuición de experto. Podría estar exagerando. Podría quedarse corto. Pero incluso si tomas el extremo bajo, un 10 % de probabilidad de un escenario así es una cifra obscena para algo que estamos desplegando en productos de consumo, empresas y gobiernos a toda velocidad.

Y en la parte económica, más allá de su tono alarmista, su diagnóstico conecta con algo que ya estamos viendo: automatizaciones que reemplazan tareas rutinarias de programación, atención al cliente, marketing o análisis, mientras las instituciones van por detrás y la riqueza creada se concentra en pocas manos.

7. Qué hacer con sus advertencias: aterrizarlas en tu realidad

La utilidad real de escuchar a Hinton no está en entrar en pánico, sino en usar sus ideas como checklist estratégico.

Si eres profesional individual, la primera tarea es auditar tu trabajo. Pregúntate qué parte de tu jornada consiste en tareas repetitivas, fáciles de describir con texto y basadas en información digital. Esas son las primeras candidatas a ser absorbidas por modelos de IA. Lo sensato es moverte rápido hacia actividades donde aportes contexto, criterio, trato humano, diseño de sistemas o coordinación de agentes.

También implica aprender a trabajar con estos sistemas en lugar de competir directamente con ellos. No basta con pedirle cosas a un chatbot: hablamos de saber plantear problemas, montar flujos de trabajo con IA, revisar resultados de forma crítica y dar feedback que mejore el sistema. El nuevo "alfabetismo" no es solo saber programar, sino saber orquestar modelos y herramientas.

Si diriges una empresa o un equipo, las advertencias de Hinton apuntan a dos frentes. Por un lado, el de oportunidad: si de verdad una persona con buena IA puede hacer el trabajo de diez, tu competencia también lo está viendo. Por otro, el de riesgo: privacidad, seguridad, errores que se amplifican, dependencia de proveedores y el efecto en tu propia plantilla.

Ahí entran temas como tener una estrategia clara de liderazgo en IA, establecer políticas internas de uso responsable, decidir qué datos pueden o no alimentar modelos y qué procesos se automatizan primero. Si quieres profundizar en esa capa más organizativa, puedes leer también liderazgo en IA empresarial.

En el plano más técnico, sus mensajes conectan con la necesidad de infraestructuras y despliegues más controlados: modelos privados, residencias de datos claras, controles de acceso y auditoría de qué hace exactamente cada sistema. Esa capa de arquitectura y cumplimiento se cruza muy bien con ideas como las que comentamos en Private AI Compute de Google.

Y, si eres founder o estás construyendo producto de IA, la combinación es todavía más delicada: tienes que encajar modelo de negocio, encaje producto-mercado y responsabilidad en el uso de la tecnología. No se trata solo de ver qué puedes automatizar, sino qué deberías automatizar y bajo qué condiciones. En esa línea, te puede interesar revisar encaje producto-mercado para startups de IA.

La conclusión práctica es bastante sencilla y a la vez difícil de aplicar: no ignores a Hinton, pero tampoco te paralices. Usa sus advertencias como señales en la carretera mientras aprendes a conducir en una autopista nueva, mucho más rápida de lo que nadie esperaba.

Si quieres seguir profundizando en cómo encajar todo esto en tu empresa o proyecto, puedes combinar este artículo con liderazgo en IA empresarial, con la parte de producto en encaje producto-mercado para startups de IA y con la capa de infraestructura segura en Private AI Compute de Google.