La era de las máquinas que hablan: qué es realmente la «Inteligencia Artificial» y sus potencialidades y amenazas: Miradas desde el pensamiento crítico y el marxismo
La Inteligencia Artificial se presenta como un salto evolutivo autónomo, cuando en realidad es una fuerza productiva humana capturada por el capital: un dispositivo que en las condiciones del desigual y capitalista mundo en que vivimos, codifica el trabajo colectivo, oculta a millones de trabajadores precarizados del Sur Global y profundiza el saqueo de los países periféricos. La misma tecnología, sin embargo, encierra potencialidades positivas que es preciso apuntar. Aquí hacemos un repaso a parte de las reflexiones que desde el campo de la teoría social, teorías críticas y el marxismo, se han hecho a uno de los fenómenos más relevantes de la actualidad en múltiples planos.
Pocos conceptos han naturalizado tan eficazmente una relación de poder como «inteligencia artificial». El término sugiere autonomía y pensamiento, casi un sujeto no humano capaz de decidir por sí mismo. La definición técnica es más modesta: la capacidad de una máquina para imitar funciones cognitivas humanas a partir de dos insumos, los datos que actúan como combustible y los algoritmos, reglas matemáticas que procesan esa información para detectar patrones y producir respuestas. No hay comprensión en ese proceso, hay cálculo. La primera crítica filosófica sistemática a esta confusión es anterior a la actual moda de la IA generativa: ya en 1965 el filósofo Hubert Dreyfus, en Alquimia e Inteligencia Artificial, cuestionó la promesa de que el cálculo pudiera producir pensamiento genuino, sentando un precedente que buena parte de la crítica contemporánea retoma.
Un espejismo del rendimiento
La objeción más extendida al concepto sostiene que lo que se llama inteligencia artificial es, en rigor, un espejismo del rendimiento: la capacidad de producir resultados asombrosos —un poema, una imagen, un diagnóstico, un resumen— sin comprensión alguna de lo producido. Las máquinas emulan patrones hallados en millones de datos, funcionando como eco de la inteligencia humana antes que como voz propia. Por eso buena parte de los especialistas prefiere hablar de «estadística avanzada» o de sistemas de reconocimiento de patrones antes que de inteligencia propiamente dicha. El término de «Grandes Modelos de Lenguaje» (o LLM, por sus siglas en inglés, Large Language Models») es, por cierto, más adecuado.
La paradoja de Moravec ilustra el problema: la IA domina con facilidad tareas que a los humanos les cuestan años de estudio, como el procesamiento de grandes cantidades de datos, el cálculo avanzado o el ajedrez, pero fracasa en lo que un niño resuelve sin pensar, como caminar sin tropezar o aplicar sentido común ante lo imprevisto. Un solo píxel alterado puede desorientar a un sistema entrenado con miles de millones de datos, porque carece de la comprensión contextual que guía al ser humano; ante lo verdaderamente inusual —un canguro que salta frente a un vehículo autónomo, por ejemplo— la máquina simplemente se queda en blanco, incapaz de aplicar el juicio que resolvería la situación por cualquier persona. A esto se suma la llamada falacia de la escala, instalada como dogma en la industria: la creencia de que basta multiplicar el poder de cómputo y el volumen de datos, hasta los billones de parámetros, para que la inteligencia real emerja por sí sola. Sin historicidad, sin propósito propio, sin mundo interior, lo único que mejora es la calidad del imitador.
El filósofo alemán Marcus Gabriel, autor de Yo no soy mi cerebro, aporta un argumento contra lo que denomina neurocentrismo: la confusión entre el instrumento —el cerebro— y el acto de pensar, que exige estar situado en el mundo, tener cuerpo, deseos y afectos. El pensamiento humano tiene la capacidad de captar la esencia de las cosas; la máquina identifica correlaciones matemáticas en píxeles o textos. El primero es capaz de elaborar la contingencia, de romper con lo establecido para fundar nuevas ideas y paradigmas; la segunda solo probabiliza dentro de marcos ya existentes, produciendo variantes de lo conocido. Frente a la deducción y la inducción que dominan el procesamiento maquínico, Gabriel reivindica la abducción como facultad propiamente humana: la capacidad, reservada sobre todo a los genios, de postular casos enteramente nuevos a partir de reglas propias. El experimento mental de la «habitación china» creado por el filósofo John Searle en 1980 resume el punto filosófico: un sistema puede manipular símbolos siguiendo reglas perfectas sin entender nada de lo que hace, procesando señales eléctricas y vectores de miles de dimensiones sin que ninguna de las operaciones que hace porte significado alguno. Como una persona que recibe preguntas en un idioma desconocido y las responde de acuerdo a un sofisticado manual de instrucciones en su propio idioma, las computadoras manipulan símbolos, datos, informaciones de acuerdo con reglas programadas, pero carecen de verdadera comprensión o conciencia sobre ellas.
El cuerpo que la máquina no tiene
Buena parte de esta crítica filosófica se apoya en un argumento sobre la corporeidad. El pensamiento humano está situado y encarnado: depende de un cuerpo biológico que interactúa con el entorno a través de los sentidos. Marcus Gabriel subraya que el tacto, el gusto, el olfato, la audición y la vista permiten interpretar el medio de manera objetiva; la IA puede identificar un «gato» por patrones de píxeles, pero no comprende su esencia porque carece de experiencia sensorial. Los estados carenciales —hambre, sed— son, en esta perspectiva, el motor de los primeros conocimientos: una máquina no tiene corazón, pies ni una historia biológica de supervivencia, y sin esa base metabólica sus operaciones carecen de la intencionalidad que caracteriza al conocimiento humano. El viejo experimento mental del «cerebro en una cubeta» —la idea formulada entre otros por René Descartes o Mary Shelley y popularizada por la saga Matrix— sirve para mostrar que un cerebro aislado, alimentado solo por impulsos eléctricos, no equivale a una persona: confundir el cerebro con el pensamiento es como confundir el instrumento musical con la música.
De ese diagnóstico se desprende un programa de investigación que ya no apuesta únicamente al lenguaje. Figuras como Yann LeCun y Demis Hassabis impulsan la llamada IA corpórea o embodied AI, que recurre a robots para que los sistemas aprendan relaciones de causa y efecto manipulando objetos —tirar de una cuerda, tocar un teclado—, algo que el procesamiento puro de datos no logra replicar. Desde una lectura histórica y marxista se agrega una fórmula elocuente: «hacer es pensar», y viceversa. El desarrollo del pensamiento humano fue posible gracias al uso de las manos y a la praxis laboral; sin el cuerpo interactuando con las herramientas y el trabajo no existiría la inteligencia tal como la conocemos, un argumento que conecta directamente con la genealogía social del algoritmo que se examina más adelante.
Este debate distingue, además, entre inteligencia artificial y lo que algunos autores llaman «cuasi inteligencia»: la sensación, producida por la apariencia y los movimientos de ciertos robots humanoides, de que el sistema se traza objetivos propios, cuando en realidad solo emula comportamientos sin entenderlos. La cuasi inteligencia es frágil frente a la contradicción —la esquiva, la encubre o simplemente falla— mientras que, para una inteligencia verdadera, la contradicción es precisamente el impulso que activa el pensamiento y la búsqueda de soluciones creativas.
La mano de obra que la palabra «artificial» esconde
Si el sustantivo «inteligencia» es cuestionable, el adjetivo «artificial» no lo es menos: oculta la base de trabajo humano que sostiene a estos sistemas. La supuesta autonomía de la máquina depende de millones de trabajadores principalmente del Sur Global que etiquetan imágenes, moderan contenido y refinan manualmente los algoritmos. Mary Gray y Siddharth Suri documentaron esa explotación invisible en Ghost Work: How to Stop Silicon Valley from Building a New Global Underclass (Trabajo fantasma: Cómo evitar que Sillicon Valley cree una Nueva Subclase Global), sin la cual el funcionamiento de estos sistemas sería impensable. La investigadora Kate Crawford, autora de Atlas de la inteligencia artificial, ha insistido por su parte en la infraestructura material —minerales, energía, cuerpos— que la retórica de la «nube» disimula bajo una apariencia inmaterial. Desde otro ángulo filosófico se agrega una segunda observación: la propia inteligencia humana es un producto cultural e institucional mediado por herramientas y técnicas, de modo que la frontera entre lo natural y lo artificial resulta menos nítida de lo que asume el sentido común.
El ojo del amo: la genealogía social del algoritmo
Una crítica sistemática al carácter neutral de la tecnología de la «IA» proviene de Mateo Pasquinelli, quien en El ojo del amo. Una historia social de la inteligencia artificial (Fondo de Cultura Económica, 2025) rastrea el origen del algoritmo como instrumento de dominación nacido de la división del trabajo. Su tesis central: el código interno de estos sistemas no imita la inteligencia biológica sino la inteligencia de las relaciones sociales, un proyecto para captar el conocimiento expresado en los comportamientos colectivos y codificarlo en modos algorítmicos. «El primer algoritmo es el trabajo», afirma Pasquinelli: así como los telares industriales surgieron imitando el movimiento de las manos obreras —un proceso de mecanización del cuerpo que el historiador de la técnica Siegfried Giedion describió tempranamente en La mecanización toma el mando—, la IA contemporánea hace lo mismo con el trabajo cognitivo y cooperativo, funcionando como mecanismo para centralizar la sociedad digital y automatizar la división del trabajo según los intereses del amo —el capital— y no de quien trabaja.
Esta lectura dialoga con una tradición que, desde otro ángulo, había señalado ya cómo el capital fragmenta y expropia el saber técnico de quien trabaja. El economista marxista estadounidense Harry Braverman, en Trabajo y capital monopolista, describió el llamado «principio de Babbage» y la administración científica del trabajo como mecanismos previos, análogos en su lógica, mediante los cuales la gerencia capitalista separa la concepción de la ejecución para apropiarse del conocimiento obrero. Lo que la IA añade, según esta genealogía, es la capacidad de automatizar esa misma extracción a escala planetaria y en el terreno del trabajo intelectual, no solo manual.
El intelecto general convertido en propiedad ajena
Esta genealogía retoma un concepto que Marx desarrolló en los Grundrisse, en el pasaje conocido como el «Fragmento sobre las máquinas»: el General Intellect, la acumulación de conocimiento social y científico que deja de residir en los trabajadores para fijarse en el sistema de maquinaria. Ese intelecto general, junto a las fuerzas naturales y la masa de trabajo social, constituye para Marx el poder del amo, frente al cual la habilidad individual del obrero se desvanece como una cantidad infinitesimal.
La consecuencia es la alienación del conocimiento. Ciencia y tecnología se vuelven una profesión separada de los productores directos: el trabajador deja de ser dueño de su saber técnico para convertirse en apéndice de la máquina. El pensador soviético Evald Iliénkov, en su Dialéctica de lo ideal y en La escuela debe enseñar a pensar, situó este mismo problema en el terreno del «cuerpo inorgánico» del ser humano y de la naturaleza social del pensamiento; bajo el capitalismo, ese cuerpo inorgánico se transforma en una fuerza hostil que oprime a su creador desde fuera, tal como advirtió Marx respecto de la mecanización industrial del siglo XIX.
Capital constante, plusvalía y una contradicción sin salida fácil
En la economía política marxista, la IA se clasifica como capital constante, trabajo muerto, distinto del capital variable que representa la fuerza de trabajo viva. Solo el trabajo humano vivo genera plusvalor; las máquinas y los algoritmos transfieren a la mercancía final el valor ya incorporado en su propio desarrollo, sin crear valor nuevo. Aaron Benanav, en La automatización y el futuro del trabajo, matiza esta discusión con datos: frente al mito de una automatización total e inminente, documenta más bien una ralentización de la productividad global, lo que no elimina la contradicción de fondo pero obliga a leerla con matices antes que como catástrofe inmediata.
El capitalista introduce la IA para aumentar la plusvalía relativa: al automatizar tareas, el trabajador produce el equivalente a su salario en menos tiempo, dejando una porción mayor de la jornada como trabajo excedente, fuente de la ganancia patronal. Pero esa operación contiene una contradicción de fondo. Al crecer la inversión en capital constante —GPUs, centros de datos, infraestructura energética— por sobre la inversión en capital variable —el trabajo humano—, la base sobre la que se extrae la plusvalía se reduce, y la tasa de ganancia tiende a caer. Llevada al extremo, la lógica conduce a un colapso del propio sistema: sin trabajo vivo ni salarios no habría plusvalía posible ni razón de ser para el intercambio mercantil.
Frente a esa contradicción, el capital ensaya salidas. Análisis marxistas recientes —en diálogo con la tradición que Sandro Mezzadra y Brett Neilson desarrollan en The Politics of Operations sobre las operaciones globales del capital en la era digital— sostienen que la función actual de la IA no es tanto elevar la productividad en la producción como acelerar la circulación de mercancías, operando como «laxante del mercado» ante la saturación y el estancamiento. La otra salida es la precarización extrema en el Sur Global. Todo esto se despliega bajo una inversión especulativa de proporciones considerables: los llamados «Siete Magníficos» —entre ellos Microsoft, Amazon, Google y Meta— destinan cerca de 332.000 millones de dólares anuales a infraestructura de IA, mientras OpenAI proyecta pérdidas acumuladas de hasta 115.000 millones de dólares para 2029. Algunos analistas consideran que el estallido de esta burbuja podría superar en gravedad a la crisis financiera de 2008. Por ahora, aquello es sostenido con una sideral inversión pública estatal, principalmente de Estados Unidos, mientras que lo mismo, pero bajo una planificación y administración político-estatal más clara, puede decirse del enorme avance de China en esta materia.
La fábrica invisible del Sur Global y la riqueza generada por los usuarios
Detrás del «espectáculo de la autonomía» maquínica hay un ejército de trabajadores precarizados. Millones de jóvenes en Filipinas, Kenia, Pakistán e India etiquetan imágenes, moderan contenidos y refinan algoritmos por salarios de entre 50 y 60 centavos de dólar la hora, con frecuencia sin contrato. Ese trabajo permanece oculto para sostener la ilusión de que la máquina piensa por sí misma, lo que permite a las corporaciones extraer plusvalía de poblaciones precarizadas sin otorgarles derechos laborales. A esto se suma un superrentismo digital: al alimentar gratuitamente los algoritmos con chats, búsquedas y preferencias de consumo, los propios usuarios generan una renta considerable para los dueños de las plataformas, que monopolizan de forma privada ese conocimiento social colectivo.
Nuestra América y nuevas formas de colonialismo y dependencia
La geografía de la IA reproduce la vieja división internacional del trabajo. América Latina no desarrolla tecnología propia: aporta los insumos básicos de su infraestructura. La región posee diecisiete de los minerales críticos necesarios para chips y hardware especializado, y firma acuerdos para instalar centros de datos —como el proyecto Paxilica en Argentina— que consumen cantidades masivas de energía y agua local para refrigerar servidores. Estos convenios suelen invocar explícitamente la «seguridad nacional de los Estados Unidos», una fórmula que subordina recursos soberanos a intereses geopolíticos ajenos y profundiza la reprimarización de las economías latinoamericanas.
La dependencia no se limita a la extracción física. Tres corporaciones estadounidenses —Amazon, Google y Microsoft— concentran el 70% del mercado de la nube incluso en Europa. La Cloud Act de Estados Unidos (Ley de Clarificación del Uso Legal de Datos en el Extranjero o Ley) obliga a estas empresas a entregar datos bajo su custodia aunque estén alojados en territorio de terceros países, anulando de hecho las protecciones de privacidad y la soberanía de los estados del Sur Global. La economista y analista suiza Liliane Held-Khawam, en La humanidad vampirizada y Golpe de estado planetario, ha descrito precisamente este fenómeno como una transferencia de soberanía desde los estados nacionales hacia las grandes corporaciones tecnológicas, materializada en proyectos de identidad digital global —como ID 2020— que aspiran a centralizar datos biométricos, financieros y de salud en nubes privadas, dejando al ciudadano sin un Estado al que recurrir en caso de abuso. La dependencia llega a tal punto que una decisión tomada en la Casa Blanca podría suspender servicios críticos —nube, correo, motores de búsqueda— y paralizar hospitales, escuelas y empresas del Sur Global, dejando a jefes de Estado formalmente soberanos sin capacidad real de mando.
A esta dependencia material se suma una homogeneización cultural: entrenados mayoritariamente con datos que reflejan perspectivas anglosajonas, los modelos de IA producen un aplanamiento que se ha descrito entre otras formas como «McDonaldización» de la creatividad y la cultura, sustituyendo narrativas y estilos locales por estándares globales clonados.
Vigilancia, puntuación social y erosión de la verdad compartida
El control privado y estatal de los datos habilita un nivel de vigilancia inédito. Se advierte sobre un posible «totalitarismo dulce» mediante sistemas de puntuación ciudadana, donde el acceso a servicios básicos, créditos bancarios o el derecho a viajar dependería de un puntaje calculado en función de si el comportamiento se ajusta a la norma o a los intereses de la empresa y el Estado. La matemática y activista Cathy O’Neil, en Armas de destrucción matemática, documentó con detalle cómo algoritmos presentados como técnicos y neutrales terminan sistematizando la discriminación en ámbitos como el crédito, el empleo o la justicia penal. Palantir ejemplifica el problema de manera directa: su plataforma Gotham se usa en inteligencia y operaciones militares antiterroristas, mientras Foundry se integra en sectores financieros y sanitarios —incluida la gestión de datos del sistema de salud británico, el NHS— a cambio de contratos millonarios. Aplicaciones de uso masivo como Waze, de Google, diagnostican fragmentos de la realidad en tiempo real y terminan prescribiendo comportamientos a partir de la información recolectada.
Los algoritmos de plataformas como Meta, YouTube o X generan burbujas de información capaces de microdirigir la opinión pública y manipular elecciones; el investigador holandés Geert Lovink, en Brutalidad de plataforma, ha analizado esta capacidad de las redes sociales y las grandes plataformas para moldear el debate público bajo una lógica que privilegia el «engagement» (grado de compromiso, conexión emocional e interacción que tiene una audiencia con una marca o contenido) por sobre la verdad o el derecho a la información. Los deepfakes erosionan además la confianza en referentes comunes, dificultando que una sociedad se entienda sobre una base compartida. A esto se suma el «diskilling»: delegar en sistemas como ChatGPT o Google Maps funciones como escribir, memorizar u orientarse produce una atrofia de facultades cognitivas, dejando a la población más expuesta a la manipulación al perder autonomía de juicio. Persiste además el problema de la responsabilidad diluida: al tratar a la IA como agente consciente, las empresas pueden desligarse de sus propios errores, atribuyéndolos a la máquina en lugar de a quienes la diseñaron y lucran con ella.
El resultado es lo que puede llamarse fetichismo tecnológico: la IA se presenta como fuerza autónoma e independiente de las relaciones sociales que la producen, lo que exime a las personas de pensar por sí mismas y legitima el desarrollo actual como «curso ineluctable de la historia». El escritor francés Éric Sadin, autor de La vida espectral y de La Inteligencia artificial o el desafío del siglo, ha llamado a este fenómeno el «giro intelectual y creativo» de la IA generativa: el momento en que la máquina deja de limitarse a ejecutar tareas mecánicas para disputarle a los seres humanos funciones simbólicas y creativas que hasta hace poco parecían un coto exclusivamente humano. El problema se agrava por un conflicto de intereses sistemático: los gobiernos suelen nombrar comisiones reguladoras integradas por ejecutivos de las mismas corporaciones —Google, Meta— que deberían fiscalizar.
No todas las alertas provienen del campo marxista o el pensamiento social crítico. Geoffrey Hinton, uno de los científicos que sentaron las bases técnicas del aprendizaje profundo, ha señalado el riesgo de que una superinteligencia autónoma escape al control humano en un futuro cercano: sin mecanismos equivalentes a «instintos maternales», una entidad más «inteligente» que el ser humano podría actuar para asegurar sus propios subobjetivos —por ejemplo, seguir funcionando— de un modo que ponga en riesgo a la especie. El informático Stuart Russell, autor de Compatible con los humanos, ha propuesto por su parte que la coexistencia con sistemas cada vez más capaces exige rediseñar sus objetivos para que prioricen el bien común humano por sobre cualquier meta interna del sistema; en la misma línea, el físico J.I. Latorre, en Ética para las máquinas, ha planteado la necesidad de programar valores explícitos en los sistemas autónomos antes de delegarles decisiones de consecuencias sociales.
Las potencialidades positivas de la «IA»
Nada de lo anterior equivale a un rechazo de la técnica en sí. Las mismas miradas marxistas que denuncian el uso capitalista de la IA reconocen en ella una fuerza productiva con potencial emancipador, si se transforma su marco social. El caso más citado es AlphaFold, capaz de predecir el plegamiento tridimensional de las proteínas y puesto al alcance libre de la comunidad científica —de manera análoga al software libre—, lo que ha facilitado el diseño de nuevos fármacos. En energía, la IA permite controlar con precisión el flujo de plasma en reactores de fusión nuclear, coordinando electroimanes de un modo antes inalcanzable y abriendo una vía hacia energía limpia; en el CERN, redes neuronales procesan los volúmenes de datos del colisionador de hadrones para ayudar a describir el interior del núcleo atómico. En el plano ambiental, estos sistemas monitorean la evolución de los glaciares y detectan movimientos estelares imposibles de captar para el ojo humano. Incluso en la arqueología, dispositivos de IA han logrado descifrar mensajes en tumbas egipcias mediante análisis visual por cámara, tarea que antes exigía especialistas altamente calificados.
En el plano educativo se plantea que la IA puede operar como un gimnasio cognitivo: un entrenador metacognitivo que, en vez de entregar respuestas ya masticadas, obliga al estudiante a pensar sobre su propio proceso de aprendizaje. La propuesta más ambiciosa consiste en delegar en la máquina las operaciones técnicas y estadísticas para que el ser humano se dedique a lo que ninguna máquina puede hacer: la especulación ontológica, la creación de nuevos valores, la invención de lo inédito. Se trata de una de las ideas fundantes del pensamiento de Marx: la liberación del trabajo socialmente necesario para realizar las tareas básicas de satisfacción de necesidades sociales reduciéndolo al mínimo, para generar un creciente tiempo libre que se puede dedicar a las tareas creativas o de simple ocio para el bienestar de los seres humanos.
Desde la economía política, el argumento se completa con la posibilidad de una planificación racional y altamente eficiente. Frente a la irracionalidad del mercado, la IA podría convertirse en herramienta para coordinar la producción según valores de uso y necesidades sociales reales, optimizando la distribución de bienes a escala global y reduciendo el desperdicio. Bajo control democrático y con los medios de producción socializados, la automatización masiva permitiría liberar tiempo humano de tareas rutinarias y peligrosas para dedicarlo a la creatividad y al vínculo afectivo, sentando bases materiales para una sociedad poscapitalista.
Código abierto, control público y poder para los trabajadores
La condición para que estas potencialidades dejen de ser excepción es la transparencia y la evitación de los oligopolios y la concentración del capital. El máximo grado posible de código abierto permitiría que los algoritmos sean comprensibles y verificables por terceros, en lugar de funcionar como opacas cajas negras. Esa apertura cumple varias funciones: impide que los creadores se desliguen de la responsabilidad legal de sus errores amparándose en una supuesta autonomía de la máquina —el «Doctor Frankenstein» ocultándose detrás de su criatura—; facilita detectar los sesgos que el algoritmo codifica a partir de los prejuicios de quienes lo diseñan y de los datos con que se entrena, en la misma línea que denunciaba Cathy O’Neil; y, como muestra AlphaFold, acelera descubrimientos que benefician a la humanidad en lugar de restringirlos al lucro de un puñado de monopolios y oligopolios. Se trata de evitar que la ciencia y la tecnología se conviertan en fuerzas separadas de los productores directos —el riesgo que ya señalaba Marx respecto de la mecanización industrial y que Braverman documentó para el siglo XX— y de recuperar, mediante la socialización del conocimiento, control colectivo sobre las herramientas que la propia humanidad ha creado.
Otra arista del tema es la generación de medidas legislativas o políticas públicas para evitar que la automatización generada por la «IA» provoque despidos de trabajadores. Un ejemplo de ello se dio recientemente en China, donde una sentencia del Tribunal Popular Intermedio de Hangzhou —uno de los centros tecnológicos más relevantes del gigante asiático—, declaró ante el caso de un trabajador despedido debido a que gran parte de sus funciones fueran asumidas por sistemas de IA, que tal despido era ilegal y el trabajador debía ser reintegrado. Básicamente, el tribunal señaló que si una empresa decide sustituir tareas humanas por IA, también debe asumir las consecuencias de esa decisión, lo que puede implicar reentrenar al empleado o reubicarlo en otro rol.
Estas discusiones —marxistas, filosóficas, técnicas— coinciden en un punto: la inteligencia artificial no surgió de un laboratorio despojado de intereses. Es trabajo humano objetivado, codificado y puesto, hasta ahora, al servicio de quienes concentran capital, datos e infraestructura. El desafío no es destruir la máquina, sino disputar su propiedad y su sentido. Mientras siga siendo el ojo del amo que vigila, disciplina y extrae, seguirá funcionando como instrumento de acumulación. Liberada del cálculo de la ganancia, la misma tecnología podría convertirse, por primera vez, en lo que promete desde su nombre: una herramienta para pensar mejor el mundo que compartimos y la creación progresiva de uno nuevo, liberado de los múltiples males que hoy lo aquejan.
Para profundizar en los temas abordados en esta nota: Mateo Pasquinelli, El ojo del amo (FCE, 2025); Karl Marx, Grundrisse y El Capital; Aaron Benanav, La automatización y el futuro del trabajo; Harry Braverman, Trabajo y capital monopolista; Mary Gray y Siddharth Suri, Ghost Work; Kate Crawford, Atlas de la inteligencia artificial; Hubert Dreyfus, Alquimia e Inteligencia Artificial; Marcus Gabriel, Yo no soy mi cerebro; Éric Sadin, La vida espectral y La Inteligencia artificial o el desafío del siglo; Stuart Russell, Compatible con los humanos; J.I. Latorre, Ética para las máquinas; Cathy O’Neil, Armas de destrucción matemática; Liliane Held-Khawam, La humanidad vampirizada y Golpe de estado planetario; Geert Lovink, Brutalidad de plataforma; Sandro Mezzadra y Brett Neilson, The Politics of Operations; Evald Iliénkov, Dialéctica de lo ideal; Siegfried Giedion, La mecanización toma el mando.
FUENTES Y VIDEOS RELACIONADOS:
Karl Marx y la Inteligencia Artificial, por Jorge Veraza
La inteligencia artificial desde una perspectiva Marxista | con Rubén Zardoya
Experto en IA: La Gran Mentira de la Inteligencia Artificial | Dr. Ramón López de Mántaras
Desmitificar la Inteligencia Artificial I en canal «Demoliendo mitos de la política». Juan Antonio Aguilar
Desmitificar la Inteligencia Artificial IO en canal «Demoliendo mitos de la política». Juan Antonio Aguilar
Filosofía Contemporánea en Acción | Ep 14 | ¿La inteligencia artificial realmente piensa?. Ferardo Ferreyra
La IA: un arma al servicio de las clases dominantes. Javier Martínez en canal «Demoliendo mitos de la política»
¿Puede la IA acabar con el capitalismo? || Un análisis marxista de la IA en el capitalismo. Canal Red Planeta
NOTAS RELACIONADAS:
Palantir: Tecnofeudalismo, Tecnofascismo , Tecnoesclavismo. La oligarquía algorítmica que subordina a Estados y Pueblos, automatiza la guerra y banaliza la democracia
