Jack Kilby inventó el microchip en julio de 1958 trabajando solo en un laboratorio vacío, sin reuniones, sin jerarquías y sin la fricción de la burocracia corporativa. Hoy esa clase de libertad parece casi arqueológica. Pero algunos casos recientes sugieren que la creatividad sigue dependiendo de algo más que de las herramientas: de la capacidad de juzgar qué vale la pena construir y para quién.
Un experimento con estudiantes de primer semestre, sin experiencia laboral y con acceso casi irrestricto a herramientas como Claude, ChatGPT y Gemini, puso a los alumnos a resolver problemas reales con alto potencial de impacto social. En dicha experiencia, el 86% se sintió motivado para continuar en su carrera y el 71% reafirmó su interés en la ingeniería. Lo más revelador, sin embargo, fue lo cualitativo. Cuando se les preguntó qué decisiones podían defender, no hablaron de optimizaciones técnicas. Hablaron de simplificar para que la gente usara la solución sin confusión, de enfocarse en un usuario específico y de iterar con base en lo que probaron. Sobre sus errores reflexionaron: “Dejábamos las ideas muy generales y aprendimos a ser específicos”, y “A veces abusábamos del uso de la IA. Aprendimos a revisar y monitorear el proceso de cerca”. Esa madurez, creo, es un tipo de reflexión productiva y no es nada cercano al pánico que en algunos lugares parece que resuena.
Steve Blank, creador del curso Lean LaunchPad, describe un fenómeno parecido en su clase de primavera de 2026. En la primera sesión, varios equipos presentaron productos terminados, no diapositivas ni maquetas. Los profesores se entusiasmaron, pero el entusiasmo era engañoso. Como escribe Blank, “Students used AI instead of customers for insights and validation”. Los estudiantes asumen que lo que la IA les decía era correcto, y sus prototipos se volvieron argumentos de venta en lugar de experimentos. Blank llama a esto learning debt, una deuda de aprendizaje: los equipos evitaban el esfuerzo que antes les daba cierto aprendizaje del cliente. Su conclusión es directa: “The MVP as an artifact of learning about a value proposition was dead”. Y el cuello de botella se trasladó: “The bottleneck in startups has moved from the time and cost of building a product to judgment about what to build and who to build it for”. Así, el producto mínimo viable (MVP) y los esfuerzos que hasta ahora hacemos como el Algoritmo Efectivo Mínimo Viable o el DataSet Mínimo Útil para Aprendizaje están también en riesgo.
El mismo patrón aparece en las empresas. El informe State of AI in 2026 de McKinsey & Company, basado en 1,719 encuestados entre mayo y junio de 2026, muestra que el 80% de los encuestados dice que la IA mejoró su productividad individual, y el 50% que le ayuda a tomar mejores decisiones. Pero solo el 37% reporta algún impacto en el EBIT (utilidad antes de intereses e impuestos), y apenas el 6% son “high performers”, es decir, empresas que atribuyen al menos 5% de su EBIT a la IA. Esas empresas comparten tres rasgos: persiguen crecimiento e innovación además de eficiencia, rediseñan sus flujos de trabajo en lugar de insertar la IA en procesos existentes, y tienen cierto liderazgo comprometido con el rigor operativo. Blank añade un cuarto: pensamiento crítico sobre la IA desde el inicio, algo que los estudiantes del experimento también mostraron.
Para México y América Latina, la advertencia es directa. Entre 2025 y 2026, las grandes organizaciones, con ingresos superiores a mil millones de dólares, pasaron de 27% a 40% en el despliegue de agentes de IA. Las pequeñas se quedaron en 22%. En economías donde las pymes son el motor del empleo, esa brecha es un riesgo serio.
El mapa universitario también se mueve. Según el ranking ARWU de Shanghái, en su edición 2026 China continental tiene 234 universidades entre las 1,000 mejores del mundo, la cifra más alta de cualquier país, por encima de Estados Unidos con 187. Tsinghua University ocupa el puesto 18. España, en cambio, pasó de 36 universidades en esa franja en 2025 a 30 en 2026, y ninguna figura entre las 100 primeras. Los rankings son indicadores imperfectos, pero reflejan algo más profundo: China combina inversión sostenida, planificación estratégica y visión de largo plazo, algo que rara vez se encuentra en democracias más condicionadas por ciclos políticos cortos.
Blank no concluye que haya que prohibir la IA en el aula. Coincidimos en que el rediseño del curso debe partir de lo contrario: los estudiantes deben usarla al máximo, pero con reglas que obliguen a comprender antes de construir. Las primeras semanas se deben dedicar a mapear stakeholders, problemas e hipótesis mediante entrevistas reales. Después, los equipos deben buscar design partners, clientes que comprometan tiempo, datos o permisos, porque en 2026 cualquiera puede agendar una reunión en línea. Los equipos también dejan de presentar un producto completo como prueba, y usan fragmentos de su prototipo para probar una propuesta de valor. Los estudiantes se califican por la calidad de su búsqueda de clientes, no por confirmar sus hipótesis. Y las entrevistas sintéticas se comparan con entrevistas en vivo, con una jerarquía explícita, “the live interviews grade the synthetic ones, never the reverse”, no hay como el contacto humano en la exploración.
La modernidad nos pone una trampa que estos casos permiten despejar. La playa paradisiaca, con libertad total, trabajo remoto y opciones infinitas, suena como el paraíso, pero es donde las ideas se vuelven demasiado generales, se extienden sin límite y se disuelven. Algo parecido ocurre con la pantalla apagada: la soledad contemplativa pura es romántica, pero en 2026 casi no existe, y tal vez no debería. La pregunta útil no es si debemos apagar la pantalla, sino cómo pensar mientras está encendida.
Hace tres décadas, las escuelas que integraron computadoras en la pedagogía, no solo como herramientas sino como objetos de estudio, produjeron generaciones que lideraron la transformación digital. La IA exige una lección parecida, y los dos casos coinciden en que la parte difícil ya no es construir. Los estudiantes del experimento lo expresaron mejor que muchas organizaciones: el objetivo no es reemplazar el talento humano, sino amplificarlo. Como concluye Blank, en un mundo donde todos pueden construir rápido, “what you choose to build and for whom becomes the whole game”: ahora el truco es qué hacer enfocado en un segmento que esté dispuesto a comprar. Quizás nada nuevo para el mundo de la innovación tecnológica, pero ahora la navegación en los TRLs se vuelve como tocar el acordeón con sus etapas. Las universidades, además, producen ciencia, ciudadanía, pensamiento crítico e innovación. Invertir en ellas no es un gasto; es una de las formas más inteligentes de construir futuro.
Ese espacio entre la pantalla apagada y la playa paradisiaca aún no tiene nombre. Es un lugar rodeado de inteligencia artificial donde se piensa como si uno estuviera solo, con las herramientas y la disciplina de saber cuándo ignorarlas. Ahí es donde está naciendo el futuro.
Fuente: El Financiero