Código Abierto

La inteligencia artificial generativa ha roto una de las premisas básicas de la universidad: que el trabajo entregado por un estudiante refleja razonablemente su esfuerzo, su autoría y su aprendizaje.
Durante décadas, una nota servía como señal. Un sobresaliente quería decir algo. Un título universitario certificaba, al menos en teoría, que una persona dominaba ciertas competencias. Pero ¿qué ocurre cuando una IA puede escribir el ensayo, mejorar el código, resumir los apuntes, preparar una defensa y pulir casi cualquier entrega académica?
En este episodio de Código Abierto, Álex y Diego reflexionan sobre la crisis del mérito en la universidad a partir del caso Harvard, que ha decidido limitar el número de calificaciones máximas para combatir la inflación de notas.
Pero la conversación va mucho más allá de Harvard.
Hablamos de cómo estudiábamos hace 25 años, de cómo ha cambiado la relación entre esfuerzo y resultado, de por qué los métodos tradicionales de evaluación empiezan a quedarse cortos, y de qué debería medir realmente la universidad en una época donde la IA ya forma parte del día a día.
¿Tiene sentido prohibir la IA en las aulas?
¿Debe evaluarse el producto final o también el proceso?
¿Qué significa hoy merecer un sobresaliente?
¿Y cómo puede la universidad seguir siendo una institución de confianza si ya no sabe distinguir bien entre aprendizaje real y producción asistida por máquinas?
Quizá el problema no sea que los estudiantes usen IA.
Quizá el problema sea que seguimos evaluando como si no existiera.
Bienvenidos a Código Abierto.

En este episodio de Código Abierto analizamos el artículo de Anthropic sobre mejora recursiva de la inteligencia artificial: la posibilidad de que los modelos de IA participen cada vez más en el desarrollo de sus propios sucesores.
Hablamos de agentes que escriben código, revisan errores, ejecutan experimentos, aceleran la investigación y desplazan el papel humano desde la ejecución hacia la supervisión, el criterio y la toma de decisiones.
Pero también abordamos la parte incómoda: qué ocurre si los sistemas llegan a cerrar el ciclo completo de mejora, qué riesgos aparecen para el control y el alineamiento, y si nuestras organizaciones e instituciones están preparadas para una tecnología que podría avanzar a velocidad de cómputo.

Durante los últimos años muchas empresas han vivido la inteligencia artificial generativa como si fuera una tecnología plug and play: se enchufa, se conecta al negocio y empieza la magia.

Pero la realidad está siendo bastante más incómoda.

En este episodio de Código Abierto, Álex y Nelson conversan sobre el salto que muchas organizaciones todavía no han conseguido dar: pasar de pilotos, PoCs, RAGs, copilots y agentes llamativos a impacto real en el negocio.

Porque el problema ya no es si la IA funciona.

Los modelos funcionan.
Los agentes empiezan a funcionar.
El RAG puede resolver problemas concretos.
Las herramientas de generación de código impresionan.

La pregunta importante ahora es otra:

¿qué proceso mejora realmente?, ¿qué coste reduce?, ¿qué error evita?, ¿qué tiempo ahorra?, ¿qué experiencia de cliente transforma?

Hablamos de arquitecturas escaparate, de KPIs técnicos frente a KPIs de negocio, del coste oculto de los tokens, de la necesidad de gobernanza, del papel de los usuarios de negocio, de por qué no todo necesita IA generativa y de cómo muchas veces la IA no arregla los procesos rotos: simplemente los deja más visibles.

Quizá la IA no sea tanto una solución mágica como un espejo.

Y quizá lo que está mostrando es que muchas organizaciones tienen que ordenar primero su casa antes de pedirle milagros a un modelo.

En este episodio de Código Abierto nos metemos de lleno en una de las grandes preguntas del momento:
¿La IA realmente está transformando las empresas… o seguimos viviendo dentro de una narrativa exagerada sobre productividad y automatización?
A partir de un artículo inspirado en las tesis del Nobel de Economía Daron Acemoglu, debatimos sobre la diferencia entre “usar IA” y “operar con IA”. Porque una cosa es resumir reuniones con ChatGPT… y otra muy distinta rediseñar procesos completos, coordinar agentes o transformar cómo funciona una organización real.
Durante la conversación aparecen dos visiones muy distintas:
la de quienes creen que ya están naciendo empresas completamente agénticas, capaces de competir con estructuras mínimas y velocidades imposibles hace solo unos años;
y la de quienes piensan que la mayoría de compañías todavía están atrapadas entre procesos mal documentados, cultura legacy y una adopción mucho más lenta de lo que el hype tecnológico sugiere.
Hablamos de:
agentes autónomos,
automatización real,
consultoras creadas por “tres taraos con IA”,
el caos operativo de las empresas,
la importancia del contexto,
la grabación masiva de reuniones para alimentar modelos,
el futuro de los trabajadores del conocimiento,
SAP y la revolución industrial,
resistencia al cambio,
data centers creciendo por todas partes,
y la posibilidad de que el verdadero problema no sea la inteligencia artificial… sino nuestra capacidad para adaptarnos a ella.
Además, debatimos sobre una idea especialmente incómoda:
Quizá la IA actual no sea un reemplazo perfecto del trabajador humano.
Quizá se parezca más a un becario brillantísimo… pero caótico.
Un episodio donde hay debate real, visiones opuestas, bastante cuñadismo ilustrado y una pregunta de fondo que todavía nadie sabe responder:
¿Estamos viendo el inicio de una nueva revolución industrial… o seguimos atrapados en la fase demo?

La inteligencia artificial promete automatizar empresas, acelerar procesos y multiplicar la productividad.

Pero también está creando una nueva crisis de ciberseguridad.

En este episodio de Código Abierto hablamos sobre Mythos de Anthropic, agentes autónomos, prompt injection, phishing automatizado, exfiltración de datos y el nuevo escenario donde las vulnerabilidades empiezan a explotarse más rápido de lo que los humanos pueden reaccionar.

Porque quizá el mayor cambio de la IA no sea solo económico.

Quizá sea que Internet empieza a convertirse en un campo de batalla entre sistemas autónomos capaces de atacar… y defender… a velocidad máquina.