La paradoja de la capacidad cautiva

Hay un tipo de dependencia tecnológica que se está volviendo cada vez más común con la inteligencia artificial.

Un sistema nos permite producir algo que antes estaba fuera de nuestro alcance. Puede ser una aplicación completa, una animación, un diseño, una investigación o cualquier otro trabajo complejo. El resultado puede ser extraordinario. El problema aparece cuando descubrimos que solo ese sistema puede volver a producirlo de esa manera.

Si el modelo cambia, desaparece o deja de estar disponible, conservamos lo que ya hicimos, pero quizá no podamos continuarlo.

A esto podríamos llamarlo la paradoja de la capacidad cautiva: el sistema amplía nuestras capacidades, pero al mismo tiempo nos hace dependientes de la única tecnología que sabe cómo producir ese resultado.

Tener el resultado no es tener la capacidad

El resultado puede ser completamente nuestro. Podemos descargarlo, publicarlo, editarlo o venderlo. Sin embargo, eso no quiere decir que la capacidad utilizada para crearlo también nos pertenezca.

Un prompt no contiene todo el proceso. Solo contiene nuestras indicaciones. La ejecución depende del modelo, de su entrenamiento, de sus herramientas y de una forma particular de interpretar lo que le pedimos. Podemos guardar las instrucciones exactas y, aun así, obtener algo muy distinto al utilizarlas en otro sistema.

Por eso no basta con conservar el prompt.

Tenemos una parte del método, pero la capacidad principal sigue dentro de una infraestructura que no controlamos.

Esta diferencia casi no se nota mientras el servicio funciona. Si el sistema responde bien y continúa disponible, sentimos que hemos adquirido una nueva habilidad. Podemos producir más, trabajar más rápido y abordar proyectos que antes ni siquiera habríamos intentado.

Pero, en realidad, no siempre hemos adquirido esa capacidad. En muchos casos la estamos alquilando.

La dependencia no es algo nuevo

Toda tecnología avanzada genera dependencia. Ninguna persona necesita saber fabricar un procesador para utilizar una computadora, ni conocer toda la infraestructura de internet para administrar una empresa digital.

La especialización funciona precisamente así. Utilizamos el conocimiento y las capacidades de otros para construir algo mayor.

Por tanto, depender de un sistema poderoso no es necesariamente un error. Tampoco tendría sentido limitar nuestro trabajo a lo que somos capaces de hacer manualmente. Eso convertiría la autonomía en una forma de atraso.

El problema es otro: que una sola empresa, un solo modelo o una sola plataforma concentre una capacidad esencial para continuar nuestro trabajo.

El conocido vendor lock-in describe la dificultad de abandonar un proveedor porque allí se encuentran los datos, los procesos o la infraestructura de una organización. Con la inteligencia artificial aparece una dependencia adicional. Lo que puede quedar encerrado no es solamente la información, sino una forma de producir.

El sistema sabe hacer algo que nosotros sabemos pedir, orientar y evaluar, pero que no necesariamente sabemos reproducir fuera de él.

¿Entonces esa capacidad nunca es nuestra?

No del todo, pero eso tampoco significa que nuestro trabajo sea falso o que no seamos sus autores.

Un arquitecto no fabrica el software con el que diseña. Un director de cine no construye las cámaras ni ejecuta personalmente cada tarea que aparece en una película. Su trabajo consiste en definir una visión, tomar decisiones, coordinar capacidades y responder por el resultado.

Con la inteligencia artificial sucede algo parecido, aunque la frontera es menos visible. El sistema puede ejecutar una parte enorme del trabajo, incluso una parte que supera técnicamente a la persona que lo dirige. Aun así, sigue existiendo una diferencia entre recibir una salida y dirigir una producción.

La persona aporta el propósito, el contexto, la selección de materiales, las correcciones y el criterio para decidir si el resultado sirve. Todo eso forma parte de la autoría.

Pero esa autoría no elimina la dependencia técnica. Podemos ser autores de una obra y, al mismo tiempo, depender del sistema que hizo posible producirla.

Las dos cosas pueden ser ciertas.

Lo que sí debería permanecer bajo nuestro control

No necesitamos poseer el modelo ni comprender cada detalle de su funcionamiento. Necesitamos conservar lo suficiente para no perder todo el trabajo si ese modelo deja de estar disponible.

El resultado debería salir de la plataforma en un formato utilizable. También conviene conservar las fuentes, los archivos originales, las instrucciones, las versiones intermedias y las decisiones que fueron modificando el producto. No garantizan una reproducción idéntica, pero permiten reconstruirlo con otra herramienta.

También debemos conservar el criterio. Podemos delegar la ejecución sin delegar por completo la comprensión del resultado. Si no sabemos por qué funciona, qué condiciones cumple o qué errores podría contener, la dependencia deja de ser solamente tecnológica. También se vuelve intelectual.

Finalmente, conviene saber qué haríamos si el sistema desapareciera. La alternativa no tiene que producir exactamente lo mismo ni alcanzar la misma calidad. Basta con que exista una ruta para continuar.

Esto es especialmente importante cuando la IA no produce una pieza aislada, sino que se convierte en parte de un proceso permanente. Perder una herramienta con la que generamos una imagen ocasional es una molestia. Perder el único sistema capaz de mantener un producto, un curso, una plataforma o una operación completa puede convertirse en un problema estructural.

El criterio es la parte transferible

Aquí importa mucho la calidad del criterio con el que construimos.

Dos personas pueden utilizar el mismo modelo, contar con las mismas herramientas y obtener resultados completamente distintos. La diferencia no está necesariamente en saber más trucos ni en escribir instrucciones más largas. Está en la capacidad de reconocer qué vale la pena construir, qué elementos son importantes, qué debe corregirse y cuándo un resultado todavía no es suficiente.

Ese criterio no aparece de la nada. Se forma con una experiencia sustantiva en el campo donde estamos trabajando. Alguien que conoce una actividad durante años puede detectar matices, errores y oportunidades que el sistema no distingue por sí solo. La IA aporta capacidad de ejecución, pero la experiencia humana define hacia dónde se dirige y qué nivel debe alcanzar.

Cuando el criterio y la experiencia ya están consolidados, la dependencia de un sistema específico disminuye. Tal vez otro modelo no responda exactamente igual y sea necesario reconstruir parte del proceso. Sin embargo, una persona que entiende qué está haciendo y por qué puede trasladar ese método, ajustarlo y volver a levantar una fábrica de resultados sobre una infraestructura parecida.

Ahí aparece una ventaja competitiva real. No consiste solamente en tener acceso al sistema más potente del momento, porque ese acceso puede estar disponible para miles de personas. Consiste en saber convertir su capacidad general en resultados propios, consistentes y difíciles de imitar.

Esto reivindica el criterio y la capacidad humana para discernir. La infraestructura puede cambiar. Podemos pasar de un modelo a otro, de una plataforma en la nube a una solución local o de una arquitectura cerrada a otra más abierta. Si conservamos la experiencia, el criterio de construcción y la comprensión del resultado, no trasladamos únicamente archivos: trasladamos la lógica que permitía producirlos.

La verdadera continuidad no está en conseguir que una herramienta dure para siempre. Está en poder reconstruir con otra la capacidad que desarrollamos alrededor de ella.

Usar una capacidad sin confundirla con una propiedad

No creo que debamos evitar los sistemas demasiado poderosos. Al contrario, sería absurdo renunciar a ellos precisamente porque hacen cosas que nosotros no podemos hacer solos.

Pero sí debemos saber qué parte de esa nueva capacidad es nuestra y qué parte continúa perteneciendo al sistema.

El producto puede ser nuestro. El criterio puede ser nuestro. La forma de integrarlo en algo mayor también puede ser nuestra. Una ejecución particular puede depender del modelo, pero la fábrica de resultados puede ser trasladable si comprendemos cómo la construimos.

No hay nada incorrecto en esa relación mientras seamos conscientes de ella.

La dificultad comienza cuando confundimos el acceso con la propiedad y construimos procesos enteros suponiendo que una capacidad alquilada estará siempre disponible, al mismo precio y con el mismo comportamiento.

La inteligencia artificial nos permite llegar a resultados que antes requerían conocimientos, equipos y recursos fuera de nuestro alcance. Esa ampliación es real. También lo es la dependencia que crea. Pero la persona no queda reducida a ser usuaria de una capacidad ajena: puede convertirla en un sistema de producción propio mediante su criterio y su experiencia.

Quizá la regla sea sencilla: usar todo el poder disponible, pero conservar el resultado, el proceso y el criterio fuera del sistema.

Podemos no poseer la infraestructura y, aun así, poseer la forma de construir sobre ella. Esa es la diferencia entre quedar cautivos de una herramienta y desarrollar una capacidad que puede acompañarnos cuando la herramienta cambie.

---

© J. Gonzalez 2026.