La inteligencia artificial habla como nosotros, pero ¿realmente comprende lo que dice?

Dr. Omar Bazán Flores
Doctor en Economía Circular

La inteligencia artificial ha conseguido algo que hace apenas unos años parecía imposible: conversar con millones de personas, responder preguntas complejas, elaborar investigaciones y producir textos que difícilmente pueden distinguirse de los escritos por un ser humano. Sin embargo, detrás de esta extraordinaria capacidad tecnológica surge una interrogante que la ciencia todavía no logra resolver: ¿comprende la inteligencia artificial el significado de sus propias palabras?

Una investigación publicada el 23 de octubre de 2026 en la revista científica eLife aporta elementos relevantes a este debate. Científicos de la Universidad de Melbourne y de la Universidad Hitotsubashi, en Japón, compararon la actividad cerebral de 30 personas con las representaciones lingüísticas generadas por ocho modelos de inteligencia artificial.

Los participantes leyeron 108 oraciones mientras los investigadores registraban su actividad cerebral mediante resonancia magnética funcional. Posteriormente, analizaron cómo los sistemas artificiales representaban el significado de esas mismas expresiones.

Los resultados revelaron diferencias importantes. Mientras el cerebro humano mostró una marcada sensibilidad a las relaciones entre las palabras y a las funciones que desempeñan dentro de una oración, los modelos de inteligencia artificial fueron considerablemente menos sensibles a determinadas estructuras que modifican el sentido de una frase.

Pensemos en dos expresiones: el hombre persigue al perro y el perro persigue al hombre. Contienen prácticamente las mismas palabras, pero describen situaciones completamente distintas. El cerebro humano distingue esas relaciones con claridad; los sistemas artificiales también identifican diferencias, aunque sus representaciones internas no siempre reflejan esa transformación del significado con la misma intensidad.

El hallazgo resulta significativo porque cuestiona una idea que comienza a instalarse en nuestra sociedad: que hablar correctamente equivale necesariamente a comprender.

Pero debemos evitar conclusiones apresuradas. La investigación no demuestra que la inteligencia artificial sea incapaz de comprender en cualquier sentido posible. Lo que establece es que determinados modelos procesan aspectos fundamentales del lenguaje de manera distinta al cerebro humano.

Esta diferencia adquiere profundas implicaciones económicas, educativas y sociales.

Estamos incorporando la inteligencia artificial a universidades, empresas, hospitales, instituciones públicas y procesos productivos. En muchos casos confiamos en sus respuestas por la seguridad y coherencia con que son presentadas, sin detenernos a comprobar si representan correctamente la realidad.

El verdadero riesgo no consiste solamente en que una máquina pueda equivocarse. Consiste en que los seres humanos renunciemos gradualmente a verificar, interpretar y cuestionar sus respuestas.

Desde la perspectiva económica, la inteligencia artificial constituye una de las transformaciones tecnológicas más importantes de nuestro tiempo. Su capacidad para automatizar tareas, analizar información y acelerar procesos puede incrementar significativamente la productividad.

Sin embargo, productividad no significa necesariamente conocimiento, así como velocidad tampoco garantiza profundidad.

Una empresa puede procesar miles de documentos mediante inteligencia artificial y aun así necesitar profesionales capaces de comprender sus consecuencias. Un médico puede apoyarse en sistemas predictivos, pero la interpretación clínica y la responsabilidad de las decisiones requieren supervisión humana. Un estudiante puede elaborar una investigación en minutos, pero eso no significa que haya desarrollado pensamiento científico.

Por ello, la educación enfrenta un desafío histórico: enseñar a utilizar la inteligencia artificial sin sustituir los procesos intelectuales que forman el razonamiento humano.

No basta con incorporar plataformas digitales a los programas académicos. Debemos fortalecer la lectura, la argumentación, las matemáticas, la investigación y la capacidad de distinguir entre información verificable y afirmaciones aparentemente convincentes.

La inteligencia artificial debe convertirse en una herramienta que amplíe nuestras capacidades, no en un mecanismo que debilite nuestra autonomía intelectual.

También existe una responsabilidad institucional. Los gobiernos y las organizaciones que adopten estas tecnologías necesitan establecer reglas de transparencia, mecanismos de evaluación y procedimientos que permitan identificar errores, sesgos y decisiones automatizadas que puedan perjudicar a las personas.

La discusión sobre la comprensión artificial seguirá evolucionando. Nuevas arquitecturas tecnológicas podrían superar algunas de las limitaciones identificadas por la investigación. La ciencia todavía tiene mucho que descubrir acerca de la relación entre lenguaje, inteligencia y conciencia.

Lo que sí sabemos es que producir una respuesta convincente no constituye, por sí mismo, una demostración de comprensión equivalente a la humana.

México tiene ante sí una oportunidad extraordinaria para impulsar la investigación científica, desarrollar talento especializado y aprovechar la inteligencia artificial como instrumento de competitividad y bienestar social.

Pero el éxito de esta transformación no debería medirse únicamente por la cantidad de sistemas instalados ni por la velocidad con que obtenemos respuestas. También debe evaluarse por nuestra capacidad de formar ciudadanos que piensen, cuestionen y tomen decisiones responsables.

La gran pregunta del futuro no será solamente si las máquinas pueden llegar a comprender lo que dicen.

Será si nosotros, fascinados por su extraordinaria capacidad para hablar, seguiremos haciendo el esfuerzo indispensable de comprender lo que pensamos.

Porque una sociedad verdaderamente inteligente no es aquella que obtiene respuestas más rápido, sino aquella que conserva la capacidad de formular mejores preguntas.

Dr. Omar Bazán Flores
Doctor en Economía Circular

Referencia científica: Fodor, J., Murawski, C. y Suzuki, S. (2026). Large language models poorly capture how word order shapes representations of sentence meaning in the human brain. eLife, publicado el 23 de octubre de 2026.