Andrew Ng afirma que los laboratorios de IA arman el miedo para crear fosos regulatorios, mientras Coursera respalda su apuesta de 100 millones de dólares en tutoría de IA personalizada
Entrevista publicada el 3 de septiembre de 2026 analiza la regulación de la IA, el desplazamiento laboral y el lanzamiento de LearnVector
Andrew Ng, cofundador de Google Brain y de Coursera, cuyos cursos en línea de aprendizaje automático han llegado a más de 8 millones de estudiantes, utilizó una amplia entrevista para lanzar una de sus críticas públicas más agudas hasta la fecha sobre cómo la industria de la IA aborda sus propios riesgos. Su tesis central: la ola de mensajes apocalípticos sobre la IA que saturan las redes sociales y los debates políticos durante los últimos dos o tres años no es una reacción orgánica ante un peligro genuino, sino una estrategia comercial coordinada por un pequeño grupo de laboratorios de vanguardia diseñada para afianzar ventajas regulatorias.
El alarmismo como estrategia de negocio, no como ciencia
El argumento de Ng es directo. "Un grupo reducido de empresas líderes de IA ha impulsado con mucha fuerza el alarmismo sobre la inteligencia artificial para intentar que se aprueben regulaciones que creen un terreno de juego desigual a favor de las empresas establecidas, de modo que todos tengamos que pagar un alto costo por usar la IA, mientras se obstaculiza a los demás equipos, ya sean investigadores u otras compañías, que solo quieren ofrecer modelos de pesos abiertos que cualquiera pueda usar de forma mucho más barata", señaló. Desde su perspectiva, las comparaciones de la IA con armas nucleares, los casos de fallas seleccionados a conveniencia y las estadísticas engañosas sobre el consumo de agua en los centros de datos no son exageraciones incidentales, sino un "bombardeo deliberado de mensajes basados en el miedo" que ha sesgado negativamente la percepción social de la IA y, en su opinión, está frenando activamente la adopción y la competitividad en Estados Unidos. Para los inversionistas que siguen de cerca el entorno regulatorio en torno a la regulación de los modelos de vanguardia, los comentarios de Ng recuerdan que los incentivos de cabildeo en esta industria apuntan en una dirección muy concreta: hacia costos de cumplimiento que los laboratorios más grandes y con mayor capital pueden absorber con mucha más facilidad que los retadores de código abierto o los participantes más pequeños.
La narrativa del apocalipsis laboral no coincide con los datos, sostiene Ng
Respecto a la disrupción en el mercado laboral, Ng rechazó rotundamente las afirmaciones de que la IA eliminará la mitad de todos los empleos. Citando investigaciones a nivel de tareas de los economistas Erik Brynjolfsson, de Stanford, y Andrew McAfee, del MIT, señaló que la IA podría automatizar entre 30% y 40% de las tareas dentro de muchos puestos, lo que hace que el 60% o 70% restante de las actividades realizadas por humanos sea económicamente más valioso, y no al revés. La prueba más clara, afirmó, es la ingeniería de software, la profesión que la IA ha tocado de forma más directa. "El número de ofertas de empleo en ingeniería de software ha aumentado, al contrario de lo que dirían los profetas del apocalipsis y el miedo", indicó Ng, y añadió que "todos los buenos ingenieros de software que conozco están más ocupados que nunca". Su advertencia es más tajante para quienes aún programan de la misma manera que lo hacían antes de ChatGPT: esos trabajadores, afirmó, "están en problemas" a menos que se recapaciten con rapidez. El mismo reacomodo se observa ahora en marketing, reclutamiento y recursos humanos, donde los generalistas asistidos por IA están desplazando a los especialistas de nicho en lugar de provocar un desplome directo en la plantilla laboral.
LearnVector: una apuesta de 100 millones de dólares a que la educación de uno a muchos es obsoleta
La noticia más concreta de la entrevista es la revelación por parte de Ng de LearnVector, un nuevo emprendimiento que lidera con una inversión de 100 millones de dólares por parte de Coursera. La premisa constituye un rechazo frontal al modelo MOOC que el propio Ng ayudó a impulsar hace 15 años. "Hace quince años tuve el privilegio de participar en el movimiento de cursos en línea que creo que cambió la forma en que muchas personas aprenden, pero eso era y sigue siendo en gran medida una experiencia de uno a muchos donde todos ven básicamente el mismo video", expresó. LearnVector apuesta a que la IA hace que las experiencias de aprendizaje individuales y totalmente personalizadas sean técnica y económicamente viables a escala por primera vez. Ng adelantó que el equipo espera tener más novedades "a principios del próximo año", lo que convierte a este proyecto en un nombre que los inversionistas en el ecosistema de Coursera deben vigilar de cerca, tanto como una decisión de asignación de capital como una señal de hacia dónde se dirige la estructura de márgenes en la tecnología educativa.
El giro incómodo: la IA es mala para el aprendizaje
El fundamento de Ng para LearnVector se basa en un hallazgo que califica de casi tabú decir en público: los grandes modelos de lenguaje actuales son herramientas deficientes para aprender, a pesar de ser excelentes herramientas para realizar trabajo. "Los datos son muy claros. Los estudiantes obtienen calificaciones más altas en las tareas cuando usan IA. Genial, calificaciones más altas en las tareas. Pero la retención, su desempeño a largo plazo, es mucho peor porque la IA hace el trabajo por ellos", explicó. Extendió este punto a su propio flujo de trabajo, al señalar que seis meses después de utilizar un modelo de vanguardia para resolver un problema técnico, a menudo no logra recordar la solución y tiene que volver a consultarle al modelo. Su conclusión es tajante: "Debemos dejar de pensar en la IA como algo útil para aprender, al menos en la gran mayoría de las formas en que la gran mayoría de las personas utiliza los modelos de IA hoy en día. Es absolutamente terrible para el aprendizaje". Esta es la brecha que LearnVector está diseñada explícitamente para cerrar, separando la tesis comercial de las exageraciones genéricas sobre la tutoría basada en IA.
La "ventaja de contexto" humana como el foso estructural contra la automatización
Como base del escepticismo de Ng sobre el desplazamiento laboral a corto plazo se encuentra un concepto que denomina la ventaja de contexto humana: el conocimiento acumulado y situacional que los trabajadores acumulan a lo largo de los años y al que los sistemas de IA no tienen ninguna forma práctica de acceder. "Resulta que casi todos los humanos simplemente saben una gran cantidad de cosas para las cuales no existe la infraestructura, y creo que no existirá en el futuro previsible, para que la IA las obtenga", aseguró. Define esto como la explicación técnica de lo que la gente denomina vagamente criterio o gusto, y sostiene que se trata de un foso duradero y no temporal, ya que no existe una ruta técnica clara para que la IA absorba décadas de experiencia humana tácita. Para los inversionistas que modelan la rapidez con la que la IA sustituye a la mano de obra calificada en todas las industrias, este marco es considerablemente más conservador que las curvas de sustitución sugeridas por los comentarios de algunos laboratorios de vanguardia.
Privacidad de datos: confíe en los hiperescaladores, desconfíe de los laboratorios
Ng trazó una distinción marcada entre los proveedores de hiperescalación y algunas empresas nativas de IA en lo que respecta al manejo de información sensible. Afirmó que confía en que los grandes proveedores de la nube cumplan con sus términos de servicio porque infringirlos "sería sumamente perjudicial para el modelo de negocio a largo plazo", pero señaló al menos a una empresa de IA anónima por lo que describió como cambios oportunistas en sus términos de servicio que le otorgaron silenciosamente derechos para entrenar con datos de usuarios. En el caso de material genuinamente sensible, incluida información financiera no pública manejada por AI Aspire, una de las empresas en las que participa que trabaja con bancos, Ng indicó que la práctica consiste en evitar enviar dichos datos a laboratorios de vanguardia por completo, optando en su lugar por modelos de pesos abiertos ejecutados localmente. Elogió específicamente los lanzamientos recientes de pesos abiertos de Meta y los modelos Qwen de Alibaba por acercarse a capacidades de nivel de vanguardia y ser lo suficientemente compactos como para ejecutarse en hardware local, aunque advirtió que la tabla de clasificación cambia cada pocas semanas y recomendó no encariñarse con ningún modelo en particular.
Sobre la AGI: a décadas de distancia, con una crítica directa de Ng a Jensen Huang de Nvidia
Al ser cuestionado sobre la inteligencia artificial general (AGI), Ng la definió como una IA capaz de realizar cualquier tarea intelectual que un humano pueda hacer, incluidos trabajos como redactar una tesis doctoral o aprender a conducir un camión en un terreno desconocido tras solo unos minutos de práctica. Bajo ese estándar, indicó que la AGI sigue estando "a décadas de distancia", rechazando implícitamente las afirmaciones públicas del director ejecutivo de Nvidia, Jensen Huang, de que la AGI ya se ha alcanzado. Ng atribuyó parte de la confusión conceptual a los incentivos comerciales, señalando que el acuerdo de OpenAI con Microsoft —ahora renegociado— había creado previamente un incentivo financiero para declarar que la AGI se había alcanzado más temprano que tarde. Respecto al temor relacionado de perder el control sobre sistemas de IA cada vez más capaces, Ng ofreció una analogía de ingeniería en lugar de una filosófica, comparando la seguridad de la IA con la seguridad aeronáutica: nadie ha construido un avión perfectamente controlable, pero la expansión gradual y cuidadosa de las capacidades ha hecho que los viajes aéreos sean lo suficientemente seguros como para que los pasajeros no teman por sus vidas, y espera que el desarrollo de la IA siga la misma trayectoria.