Hay un experimento mental clásico que nunca falla: un nenúfar duplica la superficie que ocupa cada día. El día 30 cubre el estanque entero. ¿Qué día cubre la mitad? El día 29. Y un día antes, el 28, cubría solo una cuarta parte: el estanque parecía prácticamente vacío cuando ya quedaban dos días para la catástrofe.
Nuestra intuición no está hecha para exponenciales. Está hecha para un mundo donde las cosas cambian poco y despacio: cosechas que varían un 10%, caminos que se andan a paso humano, vidas que duran unas décadas. En ese mundo, la intuición lineal funciona, la exponencial, fuera del mundo de las máquinas, no tanto ni tan bien.
Una ley que empezó siendo un pacto
La ley de Moore no es una ley de la naturaleza. Es lo más parecido a un pacto industrial que no ha existido nunca. En abril de 1965, Gordon Moore — por entonces director de investigación de Fairchild, luego cofundador de Intel — publicó un artículo de cuatro páginas en la revista Electronics titulado "Cramming more components onto integrated circuits". Ahí observaba que el número de transistores por chip se duplicaba cada año, y se atrevía a proyectar esa tendencia una década. En 1975 revisó su propia ley: la duplicación pasaba a producirse cada vez cada menos tiempo.
Lo extraordinario no fue la predicción, sino lo que ocurrió después: la industria entera decidió cumplirla. Los fabricantes de chips, las herramientas de diseño, las fábricas y los presupuestos de I+D se sincronizaron con el ritmo que Moore había descrito. La ley se convirtió en profecía autocumplida durante más de medio siglo. El Intel 4004, el primer microprocesador comercial (1971), tenía 2.300 transistores. El chip M1 Ultra de Apple (2022) tiene 114.000 millones. Casi cincuenta millones de veces más en cincuenta años. Ningún otro objeto de la historia humana ha mejorado ese factor manteniendo el mismo precio.
La pendiente ya es otra
Y aquí está lo que de verdad produce vértigo: la ley de Moore — duplicar cada dos años, un 41% anual — era, en términos exponenciales, un paseo. La tecnología que nos toca vivir ha cambiado de pendiente.
Según Epoch AI, el cómputo empleado para entrenar los modelos de IA de frontera crece desde 2010 a un ritmo de entre cuatro y cinco veces por año: duplicarse cada cinco o seis meses. No es una ley de Moore acelerada; es otra cosa. En dieciséis años, eso acumula un factor del orden de 150.000 millones de veces. Lo escribo y soy consciente de que el número no significa nada para nadie, incluido yo: es una cifra sin dimensión humana, un orden de magnitud que ningún órgano perceptivo de nuestro cuerpo está preparado para sentir.
Seguimos imaginando el futuro con la velocidad anterior porque es la única que cabe en nuestra cabeza. Pero la pendiente ya es otra.
Datos que no caben en la intuición
Pep Martorell recopila cada cierto tiempo los gráficos que mejor retratan dónde estamos, y su última entrega — 10 gráficos para entender la IA en 2026 — es de esas que conviene leer con calma. De sus diez gráficos, hay cuatro que me removieron especialmente porque ninguno cabe en la intuición:
- Lo que tarda un agente en hacer tu trabajo. La métrica METR mide cuánto tardaría una persona experta en una tarea que un agente de IA completa con un 50% de éxito. En pocos años ha pasado de segundos a minutos, y de minutos a horas. Cada punto de esa curva es un trabajo humano que se comprime.
- La inteligencia se abarata mientras la frontera se encarece. Usar una capacidad equivalente a GPT-3.5 pasó de 20 dólares a 0,07 dólares por millón de tokens entre 2022 y 2024: 280 veces más barato en dos años. A la vez, construir la máquina más grande del mundo pasó de los ~500 millones del superordenador Frontier a las estimaciones de más de 7.000 millones para Colossus de xAI. Para el usuario, la inteligencia se acerca a una commodity; para quien la produce, es una carrera de capital.
- AlphaFold. Las predicciones de estructuras de proteínas pasaron de cerca de un millón a más de 200 millones en pocos años, gratis para los investigadores, y le dieron el Nobel a sus creadores. Un campo científico entero cambió de escala sin que el mundo se diera cuenta en tiempo real.
- El efecto Jevons. Geoffrey Hinton predijo en 2016 que pronto no tendría sentido formar radiólogos. Diez años después, el número de radiólogos en Estados Unidos ha crecido un 17,3%. Cuando una tecnología abarata algo útil, hacemos mucho más de ese algo. La automatización no siempre elimina la profesión: a veces multiplica la demanda.
El vértigo es falta de escala, no miedo
Conviene nombrar bien lo que sentimos. No es miedo a las máquinas: es la sensación de estar en un mundo que se mueve a una velocidad para la que no tenemos unidad de medida. Planificamos por legislaturas de cuatro años, las organizaciones piensan en presupuestos anuales, los currículos formativos se revisan cada década — y la tecnología se duplica cada seis meses. No es que vayamos lentos: es que medimos con un instrumento calibrado para otro mundo, como quien intenta pesar un electrón con una báscula de cocina.
Lo peor del vértigo es que no avisa. Una exponencial pasa el 90% de su recorrido pareciendo una línea recta aburrida, y en los últimos metros lo cambia todo. El nenúfar del estanque no es una metáfora: es el formato de la historia que estamos viviendo, y por eso la sensación de que "esto se acelera" no es una impresión, es la forma matemática de la curva.
Qué se hace con el vértigo
No hay que seguir el ritmo de la tecnología: es imposible y además no es el punto. Hay que cambiar de escala mental. Pensar en órdenes de magnitud en lugar de porcentajes, sospechar de cualquier proyección lineal, y asumir que lo que hoy parece lento mañana será el día 29 del estanque.
Y hay una segunda defensa, la única que de verdad funciona, y es la de siempre: entender. La velocidad solo atropella a quien no ve venir las cosas, y solo se ve venir lo que se comprende. Por eso la formación no es un complemento de esta historia: es el cuello de botella — y también la palanca. En el mismo artículo, Pep Martorell recoge un estudio con 26.811 estudiantes chinos que usaron IA durante 30 meses: los deberes mejoraron, pero seis meses después las notas de examen habían caído un 20%. La razón no es la herramienta, es la falacia del falso conocimiento: el "ya me lo sé" cuando todavía no se ha sedimentado nada. Es exactamente el mismo principio que la técnica Feynman — si no lo sabes explicar, no lo sabes — solo que ahora con la velocidad por medio: lo que no entiendes te pasa por encima sin avisar.
La tecnología ya no cabe en nuestra intuición. La única manera de que vuelva a caber es agrandar la intuición: aprender a pensar en exponenciales, y seguir empeñados en entender lo que usamos. El vértigo no se cura mirando hacia otro lado; se cura aprendiendo, experimentando y entendiendolo todo para conocer dónde estamos y hacia dónde ir.