Por Sofía Gómez
10 / 02 / 2026 | 6 mins de lectura
En 1996 ocurrió algo que parecía imposible. Por primera vez, un computador se enfrentó a un campeón mundial de ajedrez. Un año después, lo derrotó. El rival humano era Garry Kasparov, la máquina, Deep Blue de IBM.
“Este fue un hito porque por primera vez un ser humano, un campeón mundial, se enfrenta y pierde contra un computador”, explica Guillermo Beuchat, director de Transforme.
En ese momento, la derrota se leyó como una señal de advertencia. “Se decía que cuando se superara esto sería una señal de que el mundo cambiaría. Era como el apocalipsis”, relata Beuchat.
La intuición contra la fuerza bruta
A diferencia de un humano, la máquina de IBM no tomaba decisiones por intuición.
“Un ser humano, campeón mundial como Kasparov, era capaz de mirar 8 a 9 jugadas hacia adelante y no lo hace de manera exhaustiva y sistemática, sino que por intuición”, explica Beuchat.
Deep Blue, en cambio, “hacía una evaluación matemática de 20 jugadas hacia adelante” y podía evaluar cientos de millones de escenarios por segundo.
“Acá no había nada de inteligencia, estaba todo programado”, resume el también docente universitario de la Universidad de Chile.
Deep Blue fue el límite máximo de una forma antigua de construir un software: reglas escritas por humanos, optimizadas con un hardware. El cambio, vino años después.
Cuando las máquinas empezaron a aprender
Tras Deep Blue, el paradigma cambió. En lugar de programar cada decisión, los desarrolladores comenzaron a entrenar sistemas capaces de aprender por sí mismos.
“Ahí cambia totalmente el paradigma de desarrollo”, dice Beuchat. Se introducen las redes neuronales, estructuras matemáticas que buscan imitar el funcionamiento del cerebro humano, pasaron a ser la base de la inteligencia artificial moderna.
En el ajedrez, el resultado fue definitivo. Hoy, el campeón mundial no es una persona, sino un software: Stockfish.
“Hay un ranking y el top 100 mundial y son puros robots, no existe ningún ser humano”, explica Beuchat. Desde 2022, Stockfish funciona con entrenamiento puro: “es 100% red neuronal sin programación”.
El juego ya estaba perdido para los humanos pero la IA recién estaba empezando.
Juegos, simulaciones y laboratorios
Ajedrez, Go, videojuegos, puzzles: los juegos se transformaron en el laboratorio perfecto para entrenar inteligencia artificial.
“Son un entorno super bueno para desarrollar estas cosas porque uno tiene un set de reglas y variables controladas”, explica Beuchat.
En 2017, la empresa tecnológica DeepMind volvió a marcar un hito cuando AlphaGo derrotó al campeón mundial del milenario juego chino Go.
Años después, la misma lógica de juego permitió resolver uno de los mayores misterios de la biología: el doblaje de proteínas, clave para el desarrollo de nuevos medicamentos.
“El 2024 al fundador de DeepMind le dieron el premio Nobel de Química, pero él es informático”, explica el docente.
El lenguaje lo cambió todo
Aunque los avances eran constantes, la IA seguía siendo invisible para la mayoría. Eso cambió con el lenguaje.
En 2017, un grupo de investigadores de Google publicó el paper Attention is all you need, donde propusieron la arquitectura transformer, base de la IA generativa actual. Años más tarde, OpenAI logró implementarla de forma masiva con ChatGPT.
“El primero que lo logra es OpenAI con ChatGPT. Esa es la primera vez que se implementa de una manera exitosa y masiva”, explica Beuchat.
Desde entonces, la carrera tecnológica se aceleró.
“Nunca en la historia se había invertido tanto en data centers y en infraestructura”.
Para Beuchat, el fenómeno se parece a una revolución industrial comprimida en el tiempo. “Aquí es o nos adaptamos o nos adaptamos”.
Cuando la IA empieza a afectar a las personas
El problema es que hoy la inteligencia artificial ya no solo gana juegos: empieza a tomar decisiones que impactan directamente en la vida de las personas. En el mundo del trabajo, ese salto abre riesgos concretos.
Daniela Camberos es fundadora de Ramona AI y surge tras su experiencia en recursos humanos, en donde detectó que la IA podía convertirse en una herramienta de apoyo, pero también en una nueva fuente de exclusión si no se diseñaba con criterios éticos desde el inicio.
La plataforma, reconocida por la ONU como una de las cinco innovaciones más importantes del mundo en los UNIDO ONE World Sustainability Awards 2025, utiliza inteligencia artificial para acompañar procesos de búsqueda de empleo y entrevistas, con foco en proteger a las personas frente a sesgos, fraudes y decisiones automatizadas sin supervisión humana.
“Hay demasiado talento, pero las personas no están bien capacitadas para sus entrevistas de trabajo y la búsqueda en sí, entonces pueden quedar en desventaja”, explica.
A esa brecha de acceso se suma otro riesgo creciente: “no tenemos un sistema de validación de ofertas, por lo cual esto se ha vuelto un problema para fraudes, robos de identidad”.
En ese vacío, explica Camberos, la tecnología puede amplificar vulnerabilidades en lugar de reducirlas.
Los sesgos algorítmicos profundizan el problema.
“Los modelos están entrenados con datos históricos de contratación y en la industria tech ha sido predominantemente masculina, entonces la IA aprendió a elegir candidatos hombres”, señala.
No se trata de un fenómeno aislado: “hay casos que involucran grupos étnicos, personas rechazadas por el reconocimiento facial porque no favorece a las personas de color”.
Por eso, en Europa, el uso de IA en el empleo se considera de alto riesgo. “Esto siempre tiene que ser supervisado por una persona para no quitarle oportunidades a las personas”, dice Camberos. En Latinoamérica, en cambio, la regulación aún es incipiente.
Fue justamente esa ausencia de marcos claros la que la llevó a buscar referentes internacionales.
Tras su paso por Women for Ethical AI de la UNESCO, Camberos vio cómo podía desarrollar un software que evitara reproducir los sesgos de género que la propia IA podía seguir perpetuando. “Hay muchos datos que se están utilizando y que dejan a las minorías en desventaja”.
No es humano versus máquina
Treinta años después de Deep Blue, la pregunta ya no es si la IA puede superar a los humanos. Eso ya ocurrió. El desafío es otro: cómo evitar que la velocidad del avance deje a personas atrás.
“Como esto va tan rápido, está el susto de que no podamos minimizar el costo”, advierte Beuchat.
La máquina ganó el ajedrez. Ahora, lo que está en juego no es una partida, sino la forma en que trabajamos, decidimos y vivimos.
