Pensar después de la memoria: Morin (RIP), Turing, Wittgenstein, Berlin, Russell, Benjamin y Lacan frente al multitasking El Financiero

Pensar después de la memoria: Morin (RIP), Turing, Wittgenstein, Berlin, Russell, Benjamin y Lacan frente al multitasking

Hubo una época en que el personaje más valioso de cualquier empresa era el que sabía de memoria los teléfonos de todos los proveedores, las cláusulas de cada contrato, el precio de la paridad peso-dólar de hace diez años y la trayectoria completa de cada cliente. Esa persona era irremplazable. Esa época terminó. Hoy, cualquier dato que ese ejecutivo guardó durante décadas en su corteza cerebral está disponible en menos de tres segundos en el dispositivo que carga en el bolsillo. El inventario mental que alguna vez fue poder casi absoluto se ha democratizado hasta volverse irrelevante como ventaja diferencial. Y sin embargo, la mayoría de los sistemas educativos, los procesos de selección de personal y las culturas corporativas siguen premiando exactamente lo mismo que premiaban en 1975: la capacidad de memorizar. Es hora de actualizar el mapa.

En 2009, el profesor Clifford Nass de Stanford emprendió un estudio convencido de que encontraría las características de una élite cognitiva: los grandes multitaskers, esas personas que procesan simultáneamente correos, mensajes, pestañas abiertas y música de fondo, deberían ser los campeones de la atención moderna. Probó memoria, filtrado de información y velocidad de cambio entre tareas en un grupo de 262 estudiantes. Los resultados fueron, en sus propias palabras, el hallazgo más embarazoso de su carrera. Los multitaskers intensivos eran peores en las tres categorías. No habían entrenado un superpoder; habían erosionado su capacidad de enfoque.

“Son víctimas de la irrelevancia”, concluyó Nass. “Todo los distrae.” Cinco años después, neurocientíficos de la Universidad de Sussex confirmaron el daño a nivel estructural: los usuarios intensivos de múltiples pantallas tenían menor densidad de materia gris en la corteza cingulada anterior (también llamada corteza del cíngulo anterior) la región que regula la atención, el control de impulsos y la toma de decisiones. No era una diferencia funcional. Era una diferencia física, inscrita en la arquitectura del cerebro.

La evidencia se acumuló desde distintos frentes. Un psiquiatra londinense midió que las notificaciones de correo derrumban diez puntos el cociente intelectual en tiempo real, más que una noche sin dormir. Gloria Mark, de la Universidad de California, documentó que el trabajador de oficina promedio permanece en una sola tarea tres minutos antes de ser interrumpido, y que el cerebro tarda 23 minutos con 15 segundos en recuperar el nivel de concentración previo. Haga la aritmética en un día laboral normal. El resultado no es agradable de ver.

Hay una segunda noticia que suele omitirse en estas conversaciones. En 2019, Arthur C. Brooks escribió en The Atlantic una advertencia que sus lectores prefirieron ignorar: “Si su profesión requiere velocidad de procesamiento mental o capacidades analíticas significativas, el tipo de profesión que ocupan la mayoría de los egresados universitarios, el declive notable probablemente llegará antes de lo que imagina.”

No es pesimismo. Es biología. La velocidad de procesamiento y la memoria de trabajo alcanzan su pico alrededor de los 20 años. La capacidad de razonamiento fluido, entre los 30 y los 40. El ejecutivo que construyó su identidad profesional sobre la rapidez mental y el almacenamiento enciclopédico de información enfrenta, en la mediana edad, una crisis que el mercado raramente nombra con claridad pero que las organizaciones sufren en silencio: sus activos más cotizados se deprecian de forma inevitable.

La pregunta que Brooks dejó abierta es qué hacer con eso. Su respuesta tiene algo de Wittgenstein y algo de estoicismo tardío: si los límites del lenguaje son los límites del mundo, entonces la sabiduría no consiste en acumular más palabras sino en aprender cuáles son las que todavía importan. Brooks lo formuló como una “lista de pendientes al revés”: no lo que falta por acumular sino lo que conviene soltar, hasta que el contorno de uno mismo vuelva a ser nítido.

Isaiah Berlin diría que estamos confundiendo libertad positiva con libertad negativa. La primera, la de acumular capacidades, recursos, contactos, datos, fue la religión del ascenso profesional del siglo XX. La segunda, la de liberarse de lo que ya no sirve, de las obligaciones heredadas, de los saberes que caducaron, de las identidades que el mercado nos prestó y que no eran nuestras, es la que corresponde a esta etapa.

Aquí es donde el argumento da un giro y que conviene sostener sin apartar la vista. El multitasking destruye al cerebro humano. Eso está documentado, medido, inscrito en la reducción de materia gris de quienes lo practican de forma crónica. Y sin embargo, el multitasking, el paralelismo masivo, la ejecución simultánea de miles de operaciones, es exactamente el principio arquitectónico que hace posible la inteligencia artificial más poderosa que existe hasta hoy.

La arquitectura Transformer, introducida en 2017 en el paper “Attention Is All You Need” y que hoy subyace a todos los grandes modelos de lenguaje, no funciona de forma secuencial como el pensamiento humano concentrado. Funciona en paralelo: procesa simultáneamente todas las relaciones entre todos los elementos de una secuencia, ponderando la atención de cada uno respecto a todos los demás al mismo tiempo. Es, en términos computacionales, multitasking llevado a su expresión más pura y más eficiente.

Y ese paralelismo no sería posible sin el hardware que lo instrumenta. Las GPUs, las unidades de procesamiento gráfico que originalmente se diseñaron para renderizar videojuegos, resultaron ser el sustrato perfecto para este tipo de cómputo porque su arquitectura física está construida precisamente para ejecutar miles de operaciones en paralelo. CUDA, la plataforma de NVIDIA que permite programar esas GPUs para propósitos generales, fue el puente que convirtió esa capacidad de hardware en el motor de la revolución de inteligencia artificial que estamos viviendo. Los miles de GPUs que hoy corren en los centros de datos de las grandes tecnológicas no son una casualidad de mercado. Son la encarnación material de un principio: el paralelismo masivo, ejecutado con disciplina de silicio, produce cálculos que ningún cerebro individual puede igualar en velocidad ni en escala.

Alan Turing lo intuyó décadas antes de que existiera el hardware para comprobarlo: la inteligencia no requiere el sustrato biológico. Requiere el sustrato correcto para el problema correcto. El cerebro humano, con su arquitectura evolutiva optimizada para la supervivencia social en grupos pequeños, es un sustrato magnífico para la empatía, el juicio moral, la creatividad que conecta dominios distantes y la comprensión profunda que sedimenta con el tiempo. Es un sustrato pésimo para el paralelismo masivo de alta velocidad. Las GPU son exactamente lo contrario. Nada de esto es accidental. Es la consecuencia lógica de haber entendido qué tipo de inteligencia corresponde a qué tipo de sustrato. La pregunta que sigue, y que muy pocas organizaciones se están haciendo con suficiente seriedad, es cuál de los dos sustratos están cultivando en sus equipos, y cuál están destruyendo sin darse cuenta.

El problema no es la IA: es la inteligencia humana superficial. Fue precisamente en ese tema donde el recién fallecido Edgar Morin (RIP), el filósofo y sociólogo francés que dedicó un siglo de vida a estudiar la complejidad de las sociedades contemporáneas, colocó su advertencia más puntillosa. En entrevistas publicadas entre 2025 y 2026, cuando ya había superado los cien años, Morin insistió en una idea que contrasta con la dirección de la mayoría de los debates actuales: “La IA puede dar miedo, pero temo más a la inteligencia humana superficial.”

La frase no es un consuelo ni una minimización del riesgo tecnológico. Es un diagnóstico más preciso. Los episodios más graves de la historia, observaba Morin, no fueron provocados por tecnologías autónomas. Fueron provocados por decisiones humanas tomadas sin considerar las consecuencias de largo plazo, sin conectar fenómenos que se analizaban por separado, sin la capacidad de reconocer que los problemas sociales, económicos, ambientales y tecnológicos forman parte de una misma red de relaciones. A esa incapacidad sistémica Morin la llamó, durante décadas, el enemigo principal. Y a la alternativa la llamó pensamiento complejo.

Lo que Morin describe no es erudición ni acumulación de referencias. Es exactamente lo contrario de la inteligencia superficial que el multitasking crónico produce: es la capacidad de sostener la mirada sobre un problema el tiempo suficiente para ver sus conexiones, sus contradicciones internas, sus efectos no lineales. Es, en otras palabras, la capacidad que Nass documentó que se erosiona cuando se fragmenta la atención de forma sistemática y permanente.

La coincidencia no es menor. Nass medía en el laboratorio lo que Morin nombraba desde la filosofía: cuando el ser humano abandona la profundidad por la velocidad, cuando cambia la comprensión por el procesamiento de señales, no solo pierde eficiencia cognitiva. Pierde la herramienta que lo diferencia de la máquina. Y en ese preciso momento, la máquina deja de ser una extensión y empieza a ser un reemplazo.

Morin advertía que ninguna tecnología puede reemplazar la conciencia, la sensibilidad o la responsabilidad frente a los demás. Pero también advertía que esas capacidades no son automáticas ni permanentes. Se cultivan o se atrofian. Y el entorno que hemos construido, con sus notificaciones permanentes, sus oficinas de planta abierta, sus canales de mensajería que nunca cierran, su cultura de la disponibilidad instantánea, está diseñado, sin que nadie lo haya decidido explícitamente, para atrofiarlas.

El riesgo, decía Morin, no es que la inteligencia artificial sea demasiado inteligente. El riesgo es que los humanos que la diseñan, la regulan, la despliegan y conviven con ella sean cada vez menos capaces de ejercer el tipo de juicio que esas decisiones requieren. Un Transformer puede procesar en paralelo toda la literatura médica disponible. No puede decidir si un tratamiento es éticamente aceptable para este paciente, en este contexto, con esta familia, bajo estas circunstancias. Eso requiere pensamiento complejo. Requiere atención sostenida. Requiere exactamente lo que el multitasking destruye.

El problema no es entonces la memoria: es la pregunta equivocada. La memoria semántica fue durante siglos el cuello de botella del conocimiento. Si usted no lo sabía, nadie más en la sala lo sabía. Ese cuello de botella desapareció. Y en su lugar ha llegado algo más exigente: la necesidad de saber qué preguntar, a qué sistema, con qué nivel de detalle, y cómo evaluar la respuesta que regresa.

Bertrand Russell, que escribió su obra más importante después de los 60, entendía que el valor de la filosofía no está en las respuestas que produce sino en la calidad de las preguntas que habilita. La pregunta correcta ya no es “¿cuánto sabe este individuo?” sino “¿qué tan bien sabe distinguir lo que vale la pena saber, navegar lo que no sabe, y formular las preguntas que ningún modelo automático va a generarle si él no las concibe primero?”

Porque eso, todavía, no lo hace la máquina sola. El Transformer procesa en paralelo todo lo que le das. Pero no sabe qué darte. No sabe qué problema merece ser resuelto. No sabe cuándo la respuesta que produce, aunque estadísticamente plausible, es moralmente inaceptable o estratégicamente ciega. Eso requiere un tipo de inteligencia que no se construye memorizando ni multitaskeando. Se construye pensando despacio, con atención sostenida, sobre problemas que tienen consecuencias reales.

El primer eslabón es buscar. No es escribir palabras en una caja de texto. Buscar es formular preguntas con precisión, distinguir fuentes confiables de ruido optimizado para algoritmos, triangular hallazgos contradictorios y saber cuándo detener la búsqueda porque el costo de continuar supera el valor marginal de más información.

El segundo es entender. Tener acceso a un dato no equivale a comprenderlo. La comprensión requiere elaboración: conectar la información nueva con estructuras previas, cuestionarla, reformularla. Walter Benjamin lamentaba que la experiencia que madura, Erfahrung, la que sedimenta y da sabiduría, se estuviera perdiendo en la modernidad industrial frente al mero suceso inmediato. Hoy la división es más nítida y más técnica: la máquina se queda con el suceso inmediato, con el paralelismo, con la velocidad, con el volumen. Al humano le queda, si decide cultivarlo, exactamente lo que Benjamin y Morin defendían desde trincheras distintas: la experiencia que no se puede comprimir, la comprensión que no se puede acelerar sin perder lo esencial.

El tercero es resolver: convertir análisis en decisiones bajo condiciones de incertidumbre y tiempo limitado. Aquí el mercado se diferencia con brutalidad. Los problemas reales no son complicados sino complejos, en el sentido preciso que Morin le daba al término: no tienen solución única ni lineal, exigen navegar contradicciones sin resolverlas prematuramente, reconocer que cada intervención genera efectos en dominios que el análisis sectorial no ve. La GPU ejecuta en paralelo con disciplina perfecta dentro de los límites del problema que se le plantea. No reformula el problema. No cuestiona si ese es el problema correcto. Eso sigue siendo territorio humano, siempre que el humano haya conservado la capacidad de ejercerlo.

Sistemas educativos que miden aprendizaje mediante exámenes de memorización producen egresados optimizados para un mercado laboral que ya no existe. Las empresas que gestionan por presentismo y disponibilidad permanente están destruyendo la maquinaria cognitiva que necesitan para competir en el único terreno que importa. Nass lo llamó un problema de OSHA, el lenguaje que se usa cuando una planta manufacturera lesiona a sus trabajadores. Nadie cambió nada.

El profesional de mediana edad que construyó su identidad sobre la velocidad mental y la memoria enciclopédica enfrenta un doble desafío: el declive biológico que Brooks documentó y la obsolescencia de los activos que acumuló. Lacan diría que el sujeto está atrapado en el deseo del Otro, en la demanda de un mercado que quiso que fuera rápido, disponible y lleno de datos, y que ahora compite con sistemas que hacen todo eso infinitamente mejor y sin sindicato.

La salida no es nostálgica. No hay vuelta al mundo donde memorizar era suficiente, ni al mundo donde el humano era el mejor procesador paralelo disponible. Ese mundo terminó en 2017 con un paper de ocho investigadores de Google que tenían un nombre perfecto para lo que acababan de crear: todo lo que necesitas es atención.

Atención. La misma palabra que Nass midió que se erosiona con el multitasking crónico. La misma que Morin identificó como el fundamento del pensamiento complejo. La misma que el Transformer simula con matemáticas y que el cerebro humano produce, cuando se lo permite, con una profundidad que ningún modelo ha replicado todavía de forma convincente.

La salida es la que Brooks esbozó: depurar. Soltar las competencias que caducaron. Y cultivar las que ningún sistema de miles de GPU puede replicar todavía: la precisión para buscar lo que vale la pena preguntar, la profundidad para entender lo que regresa, la templanza para resolver lo que tiene consecuencias morales, y la sabiduría para saber cuándo el problema frente a usted requiere pensamiento lento en lugar de procesamiento rápido. El paralelismo le pertenece a la máquina. La atención profunda, todavía, le pertenece a usted.