El nuevo cuello de botella de la IA no está en el modelo: está en lo que somos capaces de imaginarle

Pocas reseñas tecnológicas merecen leerse por su argumento más que por su producto, sobre todo cuando ese producto ya no se puede usar. Es el caso del texto que Nate dedica a Fable 5, el modelo que describe como el más capaz que ha probado y que, según relata, el Gobierno de EE.UU. retiró de producción pocos días después de su lanzamiento, llevando a Anthropic a desconectarlo a nivel mundial. El autor grabó la valoración antes del desenlace, la retiró brevemente y finalmente decidió publicarla, con un razonamiento que vale la pena retener: callar lo que el modelo puede hacer sería, a su juicio, la respuesta equivocada a haber perdido el acceso.

La anécdota que articula el artículo es elocuente. Nate entregó a Fable 5 una base de datos deliberadamente envenenada —registros fantasma, archivos corruptos, trampas plantadas— y, en lugar de supervisar como acostumbra con cada modelo nuevo, se marchó a otra cosa. Al volver, el trabajo no estaba respondido, estaba hecho: la base limpia, la basura en cuarentena en vez de 'arreglada' a escondidas, y una cola de revisión construida por iniciativa propia con los casos dudosos, como si el modelo anticipara que sería verificado. Ese comportamiento —completar una tarea real, decidir y señalar las propias incertidumbres sin que se lo pidan— es lo que el autor identifica como el salto cualitativo.

De ahí extrae una afirmación provocadora: Fable 5 sería el primer modelo más grande que nuestros hábitos. Durante años, sostiene, el modelo marcaba el límite y el usuario aprendía a pedir por debajo de esa línea; aquí, por primera vez, fue él quien se quedó sin saber qué delegar antes de que la herramienta agotara su capacidad. El techo se desplazó del modelo a la imaginación de quien lo usa. A esa habilidad la bautiza como 'imaginación detallada de tareas': la capacidad de concebir trabajos completos, no prompts, y la describe como concreta y aprendible, aunque casi nadie la enseñe porque tres años de cultura de IA se han dedicado a optimizar instrucciones en vez de encargos.

Conviene leer estas afirmaciones con la cautela que merece un testimonio individual: son la experiencia de un usuario sobre un modelo ya inaccesible, no una medición reproducible. El propio Nate matiza que quien lo emplee para resúmenes, reescrituras o fragmentos de código no notará la diferencia, y que las reseñas que lo tildan de 'excesivo' describen con precisión la pequeñez de la tarea planteada. También aclara que no se puede reconstruir esa capacidad a partir de un system prompt ni apilando modelos menores, según asegura tras haberlo intentado.

Más allá del caso concreto, el artículo señala un debate de fondo cada vez más presente en la comunidad de IA agéntica: a medida que los modelos ejecutan de forma autónoma tareas de múltiples pasos, la ventaja competitiva deja de estar en saber programar la máquina y se traslada a saber definir con rigor qué trabajo se le entrega. Es un desplazamiento optimista y exigente a la vez. Optimista porque sugiere que el valor humano migra hacia la concepción, el criterio y la verificación; exigente porque obliga a desarrollar una alfabetización nueva. La frase con la que Nate cierra su diagnóstico resume bien el ánimo del momento: la gente no está cansada de la IA, está cansada de que le digan que es increíble mientras su experiencia real sigue siendo pequeña.