Dartmouth, 70 años después: la IA acelera la seguridad y la educación, pero lo que no se delega es la responsabilidad

Por Dartmouth · 3 de noviembre de 2026.

Dartmouth, la universidad donde nació el término «inteligencia artificial» hace 70 años, celebró una conferencia de tres días titulada «AI at 70: What Must Remain Human?». Reunió a más de dos docenas de paneles, ponencias y charlas con investigadores pioneros, directivos del sector y estudiosos del impacto social de la IA. La propia universidad ha publicado un resumen de varias sesiones; lo que sigue se basa en ese resumen.

Seguridad nacional: más rápido y a mayor escala. Según Sasha Baker, responsable de política de seguridad nacional de OpenAI y antigua subsecretaria de Defensa en funciones, los modelos fundacionales cambian dos cosas: aumentan la velocidad del cambio (en ciencia, ciberseguridad y otros ámbitos) y permiten escalar. Baker afirmó que la mayoría de ejércitos y gobiernos aún están asimilando lo que eso implica. Por su parte, James Patton Rogers, del King's College de Londres, defendió que la proliferación de drones y armas cada vez más autónomas apunta a un desplazamiento global del poder. Citó la respuesta iraní a la operación estadounidense «Epic Fury», con drones y misiles de precisión a mayores distancias.

Hubo dos datos útiles sobre gobernanza. Patton Rogers recordó que la ONU lleva una década discutiendo las armas autónomas letales con escaso avance regulatorio. Baker citó una directiva del Departamento de Defensa de EE. UU. que exige «juicio humano apropiado» en el uso de armas autónomas, y añadió: «siempre hay un comandante que rinde cuentas». También rechazó la analogía con la no proliferación nuclear: las armas nucleares dependen de materiales y conocimientos físicamente escasos y controlables, mientras que, en sus palabras, con la IA «probablemente ya hemos pasado ese punto».

Educación: alfabetización en IA como subconjunto de competencias. James Dobson, profesor de inglés y escritura creativa, describió costes reales: la IA ha «drenado parte del color» del aprendizaje, hace muy difícil evaluar y supone un desgaste emocional para quienes navegan normas cambiantes. También vio oportunidades para repensar la pedagogía. Roopika Risam, presidenta del Departamento de Cine y Estudios de Medios, explicó que un grupo de la facultad definió cuatro competencias básicas: conocimiento en el propio campo, indagación crítica, conciencia ética y sociopolítica, y «agencia responsable». La alfabetización en IA queda como subconjunto de todo ello. Su ejemplo es claro: si no dominas un área, no puedes saber si lo que un modelo de lenguaje te devuelve sirve.

El resto de sesiones. Molly Crockett (Princeton) advirtió contra la «ilusión de generalizabilidad»: que un modelo reproduzca el rendimiento humano en tareas cognitivas dice más sobre los límites de esas tareas que sobre la capacidad del modelo. Hany Farid, pionero de la forense digital, sostuvo que habrá soluciones técnicas contra las imágenes manipuladas, pero que «la confianza es muy humana» y hoy está erosionada hacia las instituciones. En el panel de arte, Nona Hendryx presentó un «gemelo digital» entrenado con su música, y los ponentes defendieron que el proceso de crear importa tanto como el resultado. Por último, Lisa Marsch presentó Evergreen, una plataforma generativa de apoyo al bienestar estudiantil que se evalúa en un ensayo controlado aleatorizado con 200 universitarios de Dartmouth; la idea es intervenir antes de la crisis, no después. Es una iniciativa en curso y aún no hay resultados publicados en el resumen.

Nuestra lectura. El hilo común de los paneles es que lo que escala con la IA es la capacidad, no la responsabilidad. Y eso encaja con la tesis que defendemos: el corto plazo será incómodo, con evaluación educativa en crisis, confianza visual erosionada y una carrera de drones y autonomía militar sin marco internacional sólido, pero nada de eso es un argumento para frenar, sino para gobernar con evidencia.

Dos matices. Primero, el aviso de Baker sobre la analogía nuclear es honesto e incómodo: si la IA ya no es controlable como un material escaso, la gobernanza tendrá que apoyarse en rendición de cuentas, estándares y supervisión humana, no en cerrar el grifo. Segundo, la crítica de Crockett sirve de antídoto contra el hype: confundir un buen resultado en un test con comprensión humana infla expectativas y desvía inversión. Conviene distinguir capacidad demostrada de aspiración.

La pregunta del título, qué debe seguir siendo humano, tiene una respuesta práctica: el juicio, la rendición de cuentas y el conocimiento previo para evaluar lo que una máquina produce. Esa es también la clave de la educación que viene, y la razón por la que Evergreen, o cualquier tutor de IA, deberá probarse con ensayos controlados antes de darse por bueno. Si acertamos, la abundancia a largo plazo liberará a las personas para dedicarse a lo que les apasiona, pero solo si en la transición conservamos las capacidades humanas que permiten dirigirla.