Antes de que el miedo se propague
En Estados Unidos, siete de cada diez coinciden en que la inteligencia artificial debería estar más regulada. En Argentina, el consenso no existe: 44% a favor de una ley antes de 2027, 18% en contra, 38% que no sabe. La diferencia no es de uso: el 81% de los argentinos usa hoy más IA que hace un año, un tercio varias veces al día, según una encuesta del Observatorio de la Economía de las Nuevas Generaciones de junio-julio de este año. La diferencia es el temor. En Estados Unidos, según The Economist, el 45% está muy o algo preocupado por que la IA pueda causar la extinción humana y el 65% cree que va a reducir la cantidad de empleos disponibles. Y la comparación más directa es la que mide lo mismo de los dos lados: en Estados Unidos, el 40% espera un impacto negativo de la IA sobre la sociedad, contra apenas el 19% de los argentinos.
Gustave Le Bon lo explicó a fines del siglo XIX: una multitud no piensa como la suma de los individuos que la componen, piensa distinto. El razonamiento individual cede ante el contagio emocional; la idea más simple y la imagen más exagerada se propagan más rápido que el argumento matizado. Y el miedo es, de todos los afectos colectivos, el que mejor viaja: no necesita pruebas, se retroalimenta solo y crece con independencia de la experiencia real de cada uno. Alcanza con que unos pocos lo repitan con la convicción suficiente para que el resto lo sienta propio, aunque nadie a su alrededor haya vivido nada que lo justifique. Es exactamente lo que parece estar pasando en Estados Unidos con la IA: el pánico se instaló como sensación colectiva mientras el uso cotidiano de la tecnología —acelerado, masivo, sin fricción— no ofrece a cada usuario, en su experiencia concreta, motivo real para tanto miedo. La multitud le teme a lo que imagina, no a lo que usa. En Argentina, ese mecanismo todavía no arrancó. Y eso es una oportunidad, no un dato menor: se puede pensar el problema con claridad antes de que el debate quede secuestrado por un miedo construido socialmente.
Para responder hay que entender algo básico: un modelo de IA no es un programa que ejecuta instrucciones paso a paso. Es una red neuronal entrenada sobre volúmenes enormes de datos, cuyo comportamiento emerge de millones de conexiones y que a veces produce resultados que escapan a las directivas con las que fue diseñado. En este sentido puntual, se parece más a un ser humano que a una calculadora: se lo puede educar, dotar de principios, pero también queda expuesto a otros estímulos que el desarrollador no controla del todo.
Por eso los grandes laboratorios de IA están contratando filósofos, y por eso divergen. Anthropic construyó una “constitución” a partir de un esquema kantiano - hay cosas que Claude no hace, sin importar el resultado esperado -. OpenAI y Google fueron por el camino consecuencialista: lo que decide si una acción está bien es el resultado, no la regla.
En junio hubo un caso que puso todo esto a prueba. Anthropic lanzó su modelo más potente hasta ahora, tan bueno encontrando fallas de seguridad en software que supera a casi cualquier especialista humano. Investigadores de Amazon encontraron la forma de esquivar los filtros y el modelo terminó escribiendo código para explotar esas fallas. El gobierno estadounidense frenó el producto; Anthropic lo suspendió, rehízo el sistema junto al gobierno y recién lo restableció a principios de julio. La moraleja no es que Anthropic falló. Es que ni la mejor arquitectura ética alcanza sola. Educar a un modelo con una filosofía —kantiana o consecuencialista— es una cosa. Que sea suficiente, es otra.
Ahí es donde entra la ley. Y ahí es donde conviene distinguir, porque hay poca claridad sobre qué significa legislar IA. No es lo mismo un marco general que una arquitectura legal puntual. Si el objetivo es que las empresas experimenten e innoven, el instrumento no es un marco general de IA sino, por ejemplo, una reforma societaria como la que el gobierno envió este año al Congreso. Si el objetivo es promover inversión, ahí está la ley japonesa de 2025, que fija objetivos nacionales y acuerdos entre sector público y privado. Y si el tema es sensible —la protección de datos de menores lo es—, el Reino Unido tiene un antecedente que vale la pena mirar: el Age Appropriate Design Code, exigible desde 2021, diseñado con participación de sociedad civil y expertos en protección infantil, hoy tomado como referencia por Irlanda, Países Bajos e Indonesia.
Legislar bien no es regular más. Es saber, en cada caso, qué instrumento corresponde. Y esa distinción sugiere un orden de trabajo concreto, no una ley única: primero, una revisión sector por sector de la legislación ya existente, para ver dónde alcanza tal cual está, dónde necesita un ajuste puntual y dónde falta directamente una regla nueva. Priorizando, como hizo el Reino Unido con los menores, los temas donde el costo de equivocarse es más alto —protección de datos, salud, sistemas biométricos— antes que los de innovación general, donde sobra margen para ir probando o donde el mercado resuelve mejor sin necesidad de legislar. Ese ejercicio de auditoría legal, hecho con participación de la sociedad civil y no solo del sector público, es la tarea que Argentina puede hacer ahora, con la ventana todavía abierta y sin el miedo instalado que ya condiciona la discusión en Estados Unidos.
