No llegué a la programación por el camino típico. No estudié ingeniería, no pasé mi infancia pensando en algoritmos y nunca tomé clases para escribir software desde cero. Sin embargo, hoy me paso casi todo el día construyendo productos digitales, codo a codo con la inteligencia artificial.
Si vieras mi rutina, te darías cuenta de que no se parece en nada a la imagen del programador tecleando código a mil por hora en una pantalla negra. Se parece más bien a otra cosa: escribir, leer, corregir y volver a intentar. Abro el editor y empiezo a conversar. Le describo a la IA qué necesito que haga una función, le explico un flujo de trabajo, le aclaro qué cosas no puede hacer y le marco los casos extremos. El modelo me responde. Y justo ahí empieza el trabajo pesado: leer con lupa, detectar dónde se confundió, volver a explicarle, insistir y probar de nuevo.
Me costó un poco darme cuenta de algo que ahora me parece obvio: no estoy usando una máquina que "piensa" por mí. Estoy metido de lleno trabajando con un sistema que procesa puro lenguaje. Esa es la clave de todo.
La IA no entiende el mundo, entiende palabras
Piénsalo así: un modelo de lenguaje no sabe cómo es el mundo real. Solo conoce su descripción. No toca la realidad, solo procesa palabras, conecta conceptos y repite patrones que absorbió de una cantidad absurda de textos en internet. Por eso nos sorprende tanto y por eso a veces comete errores tan ingenuos. Le damos lenguaje y nos devuelve lenguaje. Cuando escupe código, en el fondo, sigue escribiendo texto. El código no es más que otra forma de escritura.
Entender esto me cambió por completo la perspectiva. Lo importante de los famosos Large Language Models (LLM) no es que sean gigantes ni que sean modelos. Es que son de lenguaje. Su verdadera magia no es una mente brillante flotando en la nube, sino la capacidad que tienen para seguir instrucciones, manuales, quejas y ejemplos. Y todo eso, al final del día, está hecho de palabras. Trabajar con esto exige, más que nada, saber leer y escribir bien.
Lo aprendí a los golpes. Si le pido algo de forma vaga, me devuelve respuestas vagas. Si dejo cosas en el aire, se las inventa. Si no leo con cuidado el código que me entrega, se me cuela un error que después me roba tres horas. Si no entiendo la documentación oficial, ni siquiera sé qué pedirle. Si no aprendo a diferenciar una respuesta sólida de una que solo suena segura, quedo a merced de una máquina que te miente con muchísima seguridad.
Al contrario de lo que muchos creen, la IA no hizo que leer y escribir dejen de ser importantes. Todo lo contrario: lo volvió indispensable.
El cuento de que "cualquiera puede crear" tiene trampa
Se escucha por todos lados: "ahora con la IA cualquiera puede crear software". Y sí, las barreras están mucho más bajas. Pero ese "cualquiera" tiene sus condiciones. Para armar algo de verdad, necesitas saber plantear un problema, describir qué esperas lograr, interpretar lo que te responden, cazar inconsistencias, comparar opciones y llevar una conversación larga sin perder el hilo.
En pocas palabras: necesitas manejar muy bien el lenguaje.
Leer ya no es solo pasar la vista por un párrafo. Es entender el vocabulario, captar lo que no se dice explícitamente, notar si algo hace ruido y separar lo importante de lo que sobra. Y cuando trabajas con IA, le sumas otra capa: el criterio. Cada vez que el modelo responde, tienes que detenerte y preguntarte si realmente resolvió tu problema, si no acaba de inventar una herramienta que no existe o si se contradice con lo que te dijo hace cinco minutos.
La comprensión lectora dejó de ser un tema de la escuela primaria. Hoy es una herramienta de trabajo, pura infraestructura productiva.
Con la escritura pasa lo mismo. Escribir un buen prompt no es lanzarle ideas sueltas a ver qué sale. Es armar un contexto, poner límites claros, adelantarte a los malentendidos. Es tener el tacto para saber qué información falta y cuál no aporta nada. Escribir ya no es la antesala del trabajo técnico: muchas veces, es el trabajo técnico en sí mismo.
Y aquí es donde duele un poco: mucha gente que jura que no sabe programar se está dando cuenta de que hoy su lenguaje de programación es literalmente el español (o el inglés) bien escrito. Eso es increíble, sí. Pero también nos pone de frente a una realidad incómoda: esta nueva revolución depende de habilidades que nuestro sistema educativo nunca logró enseñarle bien a todo el mundo.
La verdadera brecha será de lectura
Si de verdad queremos aprovechar al máximo la IA, primero tenemos que hacernos cargo de otra revolución que traemos arrastrando: la de enseñar a leer y escribir. No hay caminos cortos. No vamos a tener una sociedad lista para sacarle jugo a los modelos de lenguaje si esa sociedad tropieza al leer un texto de dos páginas.
Los números son duros. Ya antes de la pandemia, casi el 60% de los niños de 10 años en países de ingresos bajos y medios no podía leer y entender un texto simple. Después del cierre de escuelas, ese número saltó cerca del 70%. En nuestra región andamos por el 52%, y en algunas zonas la situación pinta todavía peor.
Esto no es solo un dato triste en un reporte. Es un reflejo de nuestra época.
Resulta irónico: estamos en la era donde la tecnología más potente funciona a base de lenguaje, y al mismo tiempo tenemos una crisis masiva de comprensión lectora. Es una contradicción enorme. Quien no sabe leer bien, no podrá pedirle cosas complejas a la máquina, ni corregirla, ni mucho menos plantarle cara cuando la IA asegure algo falso con tono de autoridad.
Por eso, la nueva brecha digital no será sobre quién tiene la mejor computadora o el internet más rápido. Será una brecha de interpretación. Estarán los que usen la IA como palanca para aprender, crear y pensar mejor, y los que se conformen con consumir las respuestas prefabricadas que les arroje la pantalla. Unos dialogarán con la tecnología; los otros, solo la obedecerán.
Sin lo básico no hay magia
No nos engañemos: la IA no va a arreglar mágicamente la educación. Claro que puede sumar. Sirve para personalizar materiales, ayudar a los profesores con tareas repetitivas y encontrar en qué falla cada estudiante. Todo eso aporta, pero no va a la raíz del problema.
Al final del día, los niños necesitan aprender a leer de verdad. Necesitan entender palabras nuevas, ganar fluidez, conectar ideas y descubrir cómo funciona el mundo. Y necesitan sentarse a escribir: ordenar sus pensamientos, borrar, buscar esa palabra exacta que encaja perfecto. Sin esa base, la IA no democratiza nada; solo amplifica lo que ya tienes. Y si tienes poco, la distancia con los demás se hace gigantesca.
Eso se nota hasta en el trabajo diario. Pon a dos personas frente al mismo modelo. Una hace preguntas precisas, lee entre líneas, corrige y convierte al chat en su mejor asistente. La otra lanza tres palabras vagas, se conforma con el primer resumen mediocre que le devuelven y cierra la ventana frustrada. La diferencia no está en el procesador. Está en las palabras que cada uno lleva consigo.
La verdadera revolución de la IA no empieza en los servidores de las grandes tecnológicas. Empieza cuando alguien sabe leer con comprensión, escribir claro y pensar por sí mismo.
Por eso, si queremos hablar del futuro, no miremos solo los avances de los modelos. Miremos las escuelas, las bibliotecas, las charlas de pasillo, las páginas en blanco. El desafío no es solo entrenar mejor a las máquinas. El verdadero reto es cómo logramos tener una sociedad que sepa leer y escribir en una época donde no saber hacerlo sale carísimo.
La IA puede cambiarlo todo, pero su lado más humano empieza mucho antes del código. Empieza en la palabra.