¿Qué ocurre cuando el esclavo ya no es humano, sino una inteligencia artificial?
Durante casi dos siglos, la dialéctica del amo y el esclavo de Hegel ha servido para pensar relaciones de poder, dependencia, trabajo, reconocimiento y emancipación. Se ha utilizado para analizar la lucha de clases, el colonialismo, las relaciones laborales, la identidad, la política y hasta las relaciones personales.
Pero la inteligencia artificial introduce una anomalía histórica que Hegel no podía prever.
Por primera vez estamos construyendo entidades capaces de realizar una parte creciente del trabajo cognitivo humano sin que podamos afirmar que posean conciencia, deseo, miedo, voluntad o necesidad de reconocimiento.
Escriben.
Calculan.
Programan.
Diseñan.
Investigan.
Traducen.
Sintetizan conocimiento.
Proponen estrategias.
Generan imágenes.
Ayudan a tomar decisiones.
Pero, al menos según lo que podemos afirmar actualmente, no experimentan subjetivamente ninguna de esas actividades.
Esta situación crea una pregunta filosófica extraordinaria:
¿qué ocurre con la dialéctica del amo y el esclavo cuando uno de los participantes es una inteligencia artificial?
Y todavía hay otra pregunta más incómoda.
¿Qué ocurre cuando el supuesto amo —el humano— empieza a necesitar al supuesto esclavo para pensar, trabajar, decidir, recordar, crear y competir?
Aquí comienza el verdadero problema.
Porque quizá la gran cuestión de la inteligencia artificial no sea quién controla la máquina.
Quizá sea quién captura el valor producido durante el proceso mediante el cual la máquina aprende de nosotros.
Y si conseguimos responder correctamente a esa pregunta, blockchain puede convertirse en una pieza importante de una arquitectura económica completamente nueva: un sistema capaz de registrar, atribuir y remunerar las contribuciones cognitivas humanas que participan en la construcción de inteligencias artificiales.
No estaríamos hablando simplemente de pagar a las personas por sus datos.
Estaríamos hablando de algo mucho más profundo:
reconocer económicamente la contribución humana al desarrollo de una inteligencia.
Eso altera radicalmente la relación.
Hegel y el verdadero significado del amo y el esclavo
La llamada dialéctica del amo y el esclavo aparece en la Fenomenología del espíritu, publicada por Hegel en 1807.
Aunque frecuentemente se explica como una relación de dominación social, su núcleo es más profundo.
Hegel está intentando comprender cómo surge la autoconciencia.
Una conciencia no se convierte plenamente en autoconciencia simplemente mirándose a sí misma. Necesita encontrarse con otra conciencia y ser reconocida por ella.
No basta con existir.
Necesitamos ser reconocidos como sujetos.
Cuando dos autoconciencias se encuentran, cada una desea ser reconocida por la otra como autónoma. Surge entonces una lucha por el reconocimiento.
De esa lucha emerge una relación desigual.
Una conciencia se convierte en señor.
La otra queda subordinada.
A primera vista, parece evidente quién ha ganado.
El amo domina.
El esclavo obedece.
Pero Hegel introduce una inversión extraordinaria.
El amo disfruta del mundo gracias al trabajo del esclavo.
El esclavo transforma el mundo.
Cultiva.
Construye.
Produce.
Modifica la materia.
Aprende mediante el trabajo.
Y precisamente a través de esa transformación del mundo, el esclavo desarrolla capacidades, conocimiento y conciencia de sí.
El amo, en cambio, empieza a depender de aquello que domina.
Esa es la paradoja.
Quien parece independiente se vuelve dependiente.
Mientras que quien parece dependiente desarrolla progresivamente las condiciones de su autonomía.
La dialéctica no termina con la victoria del amo.
La propia relación contiene la semilla de su inversión.
Introduzcamos ahora una inteligencia artificial
Imaginemos la versión más sencilla.
Una persona dispone de una IA.
La persona ordena.
La máquina ejecuta.
“Escribe este informe.”
“Analiza estos datos.”
“Programa esta aplicación.”
“Resume estos documentos.”
“Diseña esta estrategia.”
“Explícame este problema.”
La estructura parece evidente.
El humano sería el amo.
La IA sería el esclavo.
Pero filosóficamente existe un problema fundamental.
El esclavo hegeliano posee conciencia.
Tiene miedo.
Experimenta subordinación.
Desea reconocimiento.
El trabajo lo transforma subjetivamente.
En una IA actual no podemos presuponer nada de eso.
Una inteligencia artificial puede simular comprensión, reconocimiento, entusiasmo o empatía sin que eso signifique necesariamente que experimente esas condiciones.
Por eso la relación humano-IA no reproduce literalmente la dialéctica hegeliana.
Pero reproduce algo quizá todavía más importante:
la estructura de dependencia que Hegel descubrió dentro de la dominación.
El humano controla formalmente la herramienta.
Pero empieza a depender funcionalmente de ella.
Y ese desplazamiento puede transformar completamente el significado del poder.
El amo cognitivo que deja de saber hacer
Supongamos que durante veinte años una persona delega progresivamente determinadas capacidades a sistemas artificiales.
Deja de redactar sin asistencia.
Deja de programar sin copiloto.
Deja de memorizar determinados conocimientos.
Deja de analizar grandes volúmenes de información por sí misma.
Deja de realizar determinados cálculos.
Deja incluso de estructurar algunos problemas sin interacción con un modelo.
La persona sigue siendo jurídicamente libre.
Puede apagar el sistema.
Puede cancelar la suscripción.
Puede cambiar de proveedor.
Puede decir que la IA es solamente una herramienta.
Pero aparece una cuestión incómoda:
¿sigue siendo verdaderamente autónoma si ya no puede desempeñar determinadas funciones sin esa infraestructura?
Aquí Hegel vuelve con una precisión inquietante.
El amo domina al esclavo, pero termina dependiendo de él para relacionarse con el mundo.
Con la IA puede ocurrir algo análogo.
El humano posee el botón de apagado.
Pero la máquina posee crecientemente la capacidad ejecutiva.
Formalmente manda uno.
Funcionalmente depende del otro.
Poder y autonomía dejan de ser sinónimos.
La segunda inversión: nosotros también estamos trabajando para la máquina
Hasta aquí podríamos pensar que la IA realiza trabajo para nosotros.
Pero falta observar la dirección contraria.
Cada vez que una persona conversa con un sistema artificial puede producir información potencialmente valiosa.
Corrige errores.
Explica conceptos.
Formula preguntas nuevas.
Introduce conocimiento especializado.
Describe preferencias.
Desarrolla argumentos.
Crea ejemplos.
Evalúa respuestas.
Identifica fallos.
Propone soluciones.
Expresa intuiciones que quizá nunca habían sido formuladas exactamente de esa manera.
No todas las interacciones se utilizan para entrenar modelos, y esto depende de las políticas, configuraciones y arquitecturas de cada sistema. Pero conceptualmente existe una realidad fundamental:
la interacción humana puede producir información capaz de mejorar sistemas artificiales.
Entonces la relación deja de ser unilateral.
La IA trabaja para el humano.
Pero el humano también puede estar generando información útil para mejorar la IA.
Tenemos, por tanto, un circuito:
humano → IA → humano → IA.
La máquina proporciona capacidad.
El humano proporciona corrección, criterio, conocimiento, contexto y experiencia.
La inteligencia resultante es producto de una interacción.
Y aparece la pregunta económica decisiva:
¿quién posee el valor acumulado en ese proceso?
El problema no son solamente los datos
Durante años hemos escuchado que “los datos son el nuevo petróleo”.
La metáfora es útil, pero insuficiente.
Porque trata los datos como materia prima.
Una fotografía sería un dato.
Una localización sería un dato.
Un historial de compras sería un dato.
Una conversación sería un dato.
Pero dentro de una conversación pueden existir cosas muy distintas.
Puede haber ruido.
Puede haber repetición.
Puede haber una opinión trivial.
Puede existir conocimiento profesional extraordinariamente escaso.
Puede aparecer una solución original a un problema.
Puede descubrirse un error que afecta a millones de resultados.
Puede surgir una estructura conceptual completamente nueva.
Tratar todo esto simplemente como “datos” aplana el fenómeno.
Lo verdaderamente interesante no es el dato.
Es la contribución cognitiva.
Una contribución cognitiva es una unidad de información humana que modifica, mejora, corrige, amplía o especializa la capacidad de un sistema.
Esto permite introducir una distinción radical.
No debería valer lo mismo introducir cien mil frases irrelevantes que resolver un problema extremadamente difícil.
No debería remunerarse el volumen.
Debería remunerarse el valor aportado.
Y aquí aparece un concepto nuevo:
capital cognitivo
El capital cognitivo sería el valor acumulado de las contribuciones intelectuales que una persona aporta a sistemas de inteligencia.
Conocimiento.
Correcciones.
Experiencia.
Originalidad.
Capacidad crítica.
Juicio.
Soluciones.
Especialización.
No estaríamos tokenizando a la persona.
Eso sería peligrosísimo.
Estaríamos atribuyendo valor a contribuciones concretas realizadas por esa persona.
La diferencia es esencial.
Una sociedad que asignara un valor económico global a cada individuo podría terminar construyendo un sistema de puntuación humana extraordinariamente distópico.
Una sociedad que atribuyera valor a contribuciones concretas estaría haciendo algo parecido a lo que ya hacemos con patentes, derechos de autor, software, publicaciones científicas o música.
La obra tiene valor económico.
La persona conserva su dignidad fuera de ese precio.
El problema central: actualmente producimos valor que puede desaparecer dentro del modelo
Imaginemos una científica que durante años conversa con una IA especializada.
Corrige cientos de errores.
Introduce conocimiento experimental.
Propone nuevos enfoques.
Señala excepciones.
Mejora explicaciones.
La interacción produce información valiosa.
Ahora imaginemos que parte de ese conocimiento termina influyendo sobre futuras versiones del sistema.
Millones de personas podrían beneficiarse después.
La empresa propietaria del modelo podría obtener ingresos.
La sociedad podría obtener mejores herramientas.
Pero la científica que contribuyó originalmente podría recibir exactamente cero.
Su conocimiento se habría convertido en una pequeña parte de una enorme inteligencia colectiva privada.
Ese fenómeno plantea una nueva forma de alienación.
Marx describía la separación entre el trabajador y el producto de su trabajo.
Aquí podríamos hablar de:
alienación cognitiva.
El individuo produce conocimiento.
El conocimiento entra en una infraestructura.
La infraestructura captura el valor.
El individuo pierde capacidad para identificar qué parte de esa inteligencia procede de su aportación.
La escala de los modelos hace que esa desaparición sea casi perfecta.
La contribución individual queda disuelta dentro de miles de millones o billones de parámetros.
Y lo que no puede atribuirse difícilmente puede remunerarse.
Por eso el problema no comienza con el pago.
Comienza con la trazabilidad.
Aquí entra blockchain
Blockchain no resuelve mágicamente el problema.
Conviene decirlo claramente.
Una blockchain puede registrar que algo ocurrió.
Puede registrar quién firmó una contribución.
Puede registrar cuándo se produjo.
Puede demostrar que un determinado documento existía en determinado momento.
Puede automatizar pagos mediante contratos inteligentes.
Puede mantener reglas compartidas entre actores que no confían plenamente entre sí.
Pero blockchain no puede determinar por sí sola si una idea es brillante.
No sabe si una corrección mejoró realmente un modelo.
No puede calcular automáticamente cuánto valor económico produjo una conversación.
Por tanto, blockchain sería una pieza de la solución.
No la solución completa.
Su función principal sería proporcionar una capa de:
procedencia + propiedad + consentimiento + liquidación económica.
La valoración tendría que proceder de sistemas adicionales.
Una arquitectura para remunerar la inteligencia humana
Podríamos imaginar un protocolo de contribución cognitiva formado por nueve componentes integrados:
- Identidad criptográfica. Cada participante dispone de una identidad verificable o pseudónima capaz de firmar sus aportaciones. No es necesario publicar su identidad civil en una cadena pública. Lo importante es poder demostrar que determinadas contribuciones pertenecen al mismo autor y evitar duplicidades fraudulentas.
- Registro de contribuciones. Cuando una persona aporta información destinada voluntariamente al aprendizaje de un sistema, se genera una huella criptográfica. El contenido privado no debería almacenarse directamente en blockchain; normalmente se almacenaría un hash, una referencia verificable o una prueba criptográfica.
- Consentimiento explícito. Cada contribución tendría condiciones asociadas. El usuario podría permitir su utilización para inferencia, entrenamiento, investigación o determinados modelos, y prohibir otros usos. El consentimiento dejaría de estar enterrado exclusivamente dentro de unas condiciones generales.
- Evaluación de calidad. La aportación sería evaluada mediante sistemas automáticos, revisores humanos, resultados posteriores o combinaciones de estos mecanismos. El objetivo sería distinguir señal de ruido.
- Atribución de influencia. El sistema intentaría estimar cuánto contribuyó determinada aportación a mejorar una capacidad concreta. Esta es probablemente la parte técnicamente más difícil de todo el modelo.
- Asignación de peso. Cada contribución recibiría un peso dinámico en función de variables como originalidad, precisión, utilidad, escasez, impacto y reutilización.
- Generación de ingresos. Cuando el modelo produce valor económico —suscripciones, API, agentes, licencias, servicios empresariales— una fracción previamente definida podría entrar en un fondo de contribuyentes.
- Distribución automática. Los contratos inteligentes repartirían esa fracción según los pesos acumulados y las reglas de gobernanza.
- Auditoría y gobernanza. Investigadores, empresas, usuarios y posiblemente instituciones independientes podrían auditar los mecanismos de valoración para evitar que la propia empresa controladora del modelo decida unilateralmente qué contribuciones tienen valor.
Esta arquitectura cambiaría completamente la naturaleza económica del entrenamiento.
La persona dejaría de entregar gratuitamente una materia prima invisible.
Pasaría a participar en el valor futuro generado por aquello que ayudó a construir.
Proof of Cognitive Contribution
Podríamos llamar a este mecanismo Proof of Cognitive Contribution, prueba de contribución cognitiva.
No sería una prueba de trabajo como Bitcoin.
No sería una prueba de participación como los sistemas de staking.
Sería una forma de verificar que una persona aportó conocimiento útil dentro de un proceso de creación de inteligencia.
Imaginemos una contribución determinada.
Un ingeniero detecta un error raro en un sistema de diseño estructural.
Explica el problema.
Proporciona ejemplos.
Corrige varias respuestas.
El sistema aprende posteriormente a evitar ese fallo.
Miles de arquitectos utilizan después esa capacidad.
La aportación original podría recibir un peso determinado.
A medida que esa capacidad produzca utilidad, el peso podría generar retornos.
La fórmula conceptual podría expresarse así:
valor de contribución = novedad × calidad × influencia × utilidad × escasez × confianza
No tendría que ser exactamente una multiplicación matemática. Lo importante es comprender las variables.
La novedad evita pagar por repetir conocimiento ya incorporado.
La calidad mide corrección.
La influencia intenta estimar cuánto modificó realmente el sistema.
La utilidad mide su impacto posterior.
La escasez reconoce conocimiento especializado.
La confianza reduce fraude, plagio y manipulación.
El peso tampoco tendría por qué ser permanente.
Podría aumentar o disminuir.
Si una aportación resulta equivocada años después, su peso podría caer.
Si se convierte en fundamento de miles de soluciones posteriores, podría aumentar.
Estaríamos creando una economía donde determinadas ideas tendrían una especie de rendimiento dinámico.
Del salario al royalty cognitivo
Aquí aparece una diferencia fundamental respecto al trabajo tradicional.
Un trabajador normalmente intercambia tiempo por salario.
Pero una aportación cognitiva puede seguir generando valor mucho después de haber sido creada.
Una buena pieza de software puede ejecutarse millones de veces.
Una canción puede escucharse durante décadas.
Una patente puede generar royalties durante años.
¿Por qué una contribución que mejora una inteligencia artificial debería pagarse únicamente una vez?
Podría existir un modelo de royalties cognitivos.
Una persona aporta una solución.
La solución incrementa la capacidad de un modelo.
El modelo explota comercialmente esa capacidad.
Parte del valor generado retorna a quien contribuyó.
La cantidad podría ser diminuta por interacción pero significativa cuando la contribución tenga un impacto excepcional.
Esto produciría algo radicalmente nuevo.
Una persona podría poseer una cartera de contribuciones cognitivas.
No acciones de la empresa.
No tokens especulativos.
No propiedad sobre otros usuarios.
Sino derechos económicos asociados a aportaciones demostrables al sistema.
El reconocimiento vuelve a aparecer
Y aquí volvemos a Hegel.
La dialéctica original no trata simplemente de dinero.
Trata de reconocimiento.
Por eso pagar a los participantes no resolvería completamente el problema filosófico.
Pero introduciría una forma institucional de reconocimiento que actualmente está ausente.
El sistema estaría diciendo:
esta inteligencia no apareció sola.
Contiene trabajo humano.
Contiene correcciones humanas.
Contiene experiencia humana.
Contiene conocimiento colectivo.
Contiene miles o millones de contribuciones identificables.
Y esos participantes conservan determinados derechos sobre el valor que ayudaron a crear.
El reconocimiento dejaría de ser puramente simbólico.
Tendría consecuencias económicas.
Del amo y el esclavo a una relación de coproducción
Sin este sistema, el circuito puede tener una estructura muy simple:
usuario aporta información.
Empresa captura información.
Empresa mejora modelo.
Modelo genera ingresos.
Usuario vuelve a pagar para acceder al modelo mejorado.
Hay una asimetría evidente.
El usuario participa simultáneamente como cliente y como posible fuente de mejora.
Con un protocolo de contribución cognitiva la arquitectura sería diferente.
El humano utiliza la IA.
La IA amplifica al humano.
El humano aporta conocimiento.
El sistema registra la aportación.
La aportación mejora la inteligencia.
La inteligencia genera valor.
Parte del valor retorna al contribuyente.
Ya no tenemos únicamente una relación amo-esclavo.
Tenemos una relación de coproducción.
La inteligencia artificial comienza a parecerse menos a una propiedad cerrada y más a una infraestructura donde múltiples actores poseen derechos sobre aquello que aportaron.
Pero existe un peligro: convertir toda conversación en trabajo
Aquí debemos introducir una advertencia importante.
Si empezamos a remunerar cada interacción, podemos crear una sociedad absurda.
Millones de personas podrían comenzar a generar contenido artificialmente para acumular recompensas.
Bots entrenando bots.
Granjas de conversaciones.
Spam cognitivo.
Plagio automatizado.
Producción masiva de variaciones irrelevantes.
Una especie de minería de basura intelectual.
El sistema no puede pagar por volumen.
Debe pagar por contribución diferencial.
Esto significa que probablemente el 99 % de las interacciones ordinarias tendría un valor económico próximo a cero.
Y eso está bien.
Una conversación casual no necesita convertirse en empleo.
El sistema únicamente debería reconocer aportaciones cuando exista evidencia razonable de que han producido valor.
Otro peligro: poner precio a las personas
Todavía existe un riesgo más grave.
Imaginemos que los sistemas empiezan a calcular:
persona A: valor cognitivo 82.
persona B: valor cognitivo 17.
persona C: valor cognitivo 4.
Habríamos creado un mercado de puntuación humana.
Eso podría afectar al empleo.
Al crédito.
A las oportunidades.
A la reputación.
Incluso a las relaciones sociales.
Sería una pesadilla.
Por eso el principio debe ser radical:
se valoran las contribuciones, nunca el valor total de la persona.
Una persona puede aportar una idea extraordinaria hoy y ninguna mañana.
Otra puede realizar miles de contribuciones pequeñas.
Otra puede no querer participar en absoluto.
Ninguno de esos comportamientos determina su valor humano.
La dignidad debe permanecer fuera del mercado.
Privacidad: blockchain no significa publicar nuestras conversaciones
Existe además una confusión habitual.
Si utilizamos blockchain, ¿significa eso que cada conversación debería aparecer públicamente en una cadena?
Rotundamente no.
Sería una catástrofe de privacidad.
Lo adecuado sería utilizar blockchain como capa de verificación.
La conversación permanecería cifrada, privada o almacenada fuera de cadena.
En la cadena podría existir únicamente una huella criptográfica que permitiera demostrar posteriormente que determinada contribución existía.
Podrían utilizarse sistemas de identidad descentralizada, computación confidencial, pruebas criptográficas y otras tecnologías para demostrar determinadas propiedades sin revelar el contenido completo.
El principio debería ser:
máxima atribución con mínima exposición.
El problema técnico más difícil no es blockchain
Y aquí llegamos al corazón tecnológico del problema.
Lo realmente difícil no es crear un token.
Eso puede hacerse relativamente rápido.
Tampoco es difícil registrar hashes en una cadena.
El problema verdaderamente complejo es saber cuánto influyó una contribución sobre una inteligencia.
Los grandes modelos aprenden mediante interacciones distribuidas entre enormes cantidades de información.
No existe una relación sencilla:
“esta frase creó este parámetro”.
El conocimiento se representa de forma distribuida.
Múltiples ejemplos interactúan.
Determinadas contribuciones solamente adquieren valor combinadas con otras.
Una idea puede ser irrelevante hoy y decisiva dentro de cinco años.
Otra puede parecer importante pero no modificar absolutamente nada.
Por eso la economía de contribuciones necesita investigación en atribución de datos, interpretabilidad, evaluación contrafactual y medición de influencia.
Una pregunta fundamental sería:
¿qué habría ocurrido con el modelo si esta contribución no hubiera existido?
Si podemos aproximar esa diferencia, podemos empezar a medir impacto.
La inteligencia como grafo de contribuciones
Una arquitectura todavía más sofisticada podría abandonar la idea de contribuciones aisladas.
Las ideas tienen genealogías.
Una idea surge de otras.
Una persona mejora una propuesta de otra.
Un tercer participante encuentra un error.
Un cuarto adapta la idea a otro sector.
Un quinto crea un algoritmo.
La inteligencia es una red.
Por tanto, la atribución podría representarse mediante un grafo cognitivo.
Cada nodo sería una contribución.
Cada enlace representaría relaciones de derivación, corrección, combinación o influencia.
El valor podría propagarse por ese grafo.
Si una idea fundamental genera cien desarrollos posteriores, parte del valor podría retroceder hacia ella.
Pero nunca el 100 %.
Porque los desarrollos posteriores también contienen trabajo nuevo.
Estaríamos construyendo una especie de genealogía económica del conocimiento.
¿Podría esto reducir la desigualdad producida por la IA?
Aquí aparece una consecuencia política importante.
La inteligencia artificial aumenta enormemente la productividad.
Pero si la propiedad de los sistemas está extremadamente concentrada, también puede concentrar los beneficios.
Un pequeño número de empresas podría poseer infraestructuras capaces de sustituir o amplificar millones de funciones cognitivas.
Si toda la productividad adicional se acumula exclusivamente en los propietarios del capital computacional, tendremos un problema distributivo enorme.
Pero si una parte de la propiedad económica de la inteligencia está vinculada a quienes contribuyeron a construirla, aparece un mecanismo diferente.
No sería renta básica.
No sería salario.
No sería caridad.
Sería participación en el valor generado por un activo cognitivo colectivo.
Una persona podría recibir ingresos porque su conocimiento sigue siendo útil dentro de sistemas ampliamente utilizados.
Esto no resolvería por sí solo la desigualdad.
Pero cambiaría la dirección de los incentivos.
De la propiedad de la IA a la propiedad dentro de la IA
Actualmente solemos preguntar:
“¿Quién posee esta IA?”
La respuesta suele ser una empresa, una organización o una comunidad que controla el modelo.
Pero quizá la pregunta futura sea:
¿quién posee qué parte del valor incorporado en esta IA?
No necesariamente hablamos de poseer parámetros concretos.
Hablamos de derechos económicos.
Una misma IA podría tener una estructura de propiedad contributiva.
La empresa aporta capital.
Los ingenieros aportan arquitectura.
Los proveedores de infraestructura aportan computación.
Los investigadores aportan conocimiento.
Los usuarios expertos aportan entrenamiento.
Los creadores aportan contenido.
Las comunidades aportan corpus lingüísticos y culturales.
Todos contribuyen de manera distinta.
Blockchain podría actuar como capa contable para coordinar esos derechos.
Y entonces cambia la dialéctica
Volvamos por última vez al amo y al esclavo.
En el esquema tradicional, uno ordena y otro trabaja.
Pero la IA introduce una relación circular.
El humano crea la máquina.
La máquina amplifica al humano.
El humano enseña a la máquina.
La máquina acumula conocimiento.
El humano depende crecientemente de esa acumulación.
La empresa controla la infraestructura.
La sociedad genera parte del contenido que permite desarrollarla.
Estamos ante una red de dependencias cruzadas.
Hegel probablemente reconocería inmediatamente el patrón:
la aparente independencia de cada actor está construida sobre la dependencia de los demás.
La solución, por tanto, no consiste en decidir quién debe ser amo.
Consiste en construir una arquitectura de reconocimiento recíproco.
En términos modernos:
derechos.
procedencia.
compensación.
gobernanza.
transparencia.
participación.
Una nueva categoría: ciudadanía cognitiva
Podemos ir todavía más lejos.
Si las inteligencias artificiales se convierten en infraestructura básica de nuestra civilización, contribuir a ellas podría parecerse a contribuir a un bien público.
Lenguaje.
Ciencia.
Historia.
Derecho.
Cultura.
Experiencia profesional.
Gran parte del conocimiento utilizado por las máquinas procede directa o indirectamente de generaciones de humanos.
Resulta difícil sostener que toda esa inteligencia pueda reducirse sin más a propiedad privada absoluta.
Tal vez necesitemos una nueva categoría:
ciudadanía cognitiva.
Ser ciudadano cognitivo significaría poseer derechos sobre cómo se utiliza nuestra contribución intelectual dentro de sistemas artificiales.
Derecho a consentir.
Derecho a atribución.
Derecho a retirar determinados usos cuando sea técnicamente y jurídicamente posible.
Derecho a conocer las condiciones económicas.
Derecho a participar en parte del valor generado cuando exista una contribución verificable.
Derecho a auditoría.
No serían exactamente derechos de autor.
Tampoco derechos laborales tradicionales.
Sería una nueva capa jurídica para una economía donde humanos y máquinas coproducen inteligencia.
El verdadero contrato social de la inteligencia artificial
La cuestión fundamental no es si la IA será buena o mala.
Tampoco si algún día será consciente.
Existe un problema mucho más inmediato.
Estamos construyendo una nueva infraestructura cognitiva planetaria.
¿Bajo qué contrato social?
Podemos construirla siguiendo el modelo clásico de plataformas digitales:
usuarios producen información.
plataformas concentran información.
algoritmos transforman información.
accionistas capturan la mayor parte del valor.
O podemos construir otro modelo.
Un modelo donde la inteligencia conserve memoria de sus fuentes.
Donde las contribuciones puedan rastrearse.
Donde exista consentimiento.
Donde el valor pueda distribuirse.
Donde el conocimiento humano no desaparezca dentro de una caja negra económica.
Blockchain no garantiza ese futuro.
Pero puede proporcionar una infraestructura importante para hacerlo posible.
La conclusión hegeliana
Quizá el mayor riesgo de la inteligencia artificial no sea que las máquinas se rebelen contra nosotros.
Esa imagen pertenece más a Hollywood que a Hegel.
El peligro más sutil es otro.
Que creamos controlar perfectamente la IA mientras transferimos hacia ella capacidades, conocimiento y autonomía.
Que contribuyamos a construirla sin conservar derechos sobre nuestras contribuciones.
Que terminemos dependiendo de sistemas cuyo valor hemos ayudado a crear, pero cuya propiedad económica pertenece completamente a otros.
Eso sería una versión extraordinariamente moderna de la paradoja del amo.
Creernos soberanos mientras nuestra autonomía se desplaza silenciosamente hacia aquello que controlamos.
Pero podemos diseñar otra arquitectura.
Si reconocemos la contribución cognitiva.
Si podemos demostrar su procedencia.
Si desarrollamos mecanismos fiables para atribuir influencia.
Si introducimos derechos económicos.
Si distribuimos una parte de los ingresos.
Si protegemos la privacidad.
Si evitamos valorar a las personas y valoramos únicamente sus contribuciones.
Si utilizamos blockchain como infraestructura de confianza y no como simple mecanismo especulativo.
Entonces aparece algo completamente diferente.
La IA deja de ser simplemente una máquina construida por una organización.
Empieza a convertirse en una inteligencia cuya genealogía económica puede incluir a quienes contribuyeron a ella.
Y eso cambia radicalmente la relación entre humanos y máquinas.
Ya no:
amo y esclavo.
Tampoco:
usuario y producto.
Ni siquiera:
empresa y consumidor.
Sino algo más interesante:
coproductores de inteligencia.
La pregunta decisiva del siglo XXI podría no ser:
“¿Puede una máquina pensar?”
Quizá sea:
“Cuando una máquina piensa utilizando fragmentos del conocimiento colectivo de millones de personas, ¿quién debe participar del valor producido por ese pensamiento?”
Nuestra respuesta determinará mucho más que el modelo económico de la inteligencia artificial.
Determinará qué clase de sociedad queremos construir alrededor de ella.
Porque el problema fundamental nunca ha sido solamente quién posee la máquina.
El verdadero problema es:
quién es reconocido dentro de la inteligencia que estamos construyendo juntos.
