la llamada cognición artificial -que frecuentemente se confunde con los modelos lingüísticos actuales-, Hoy ocupa un lugar central en el debate tecnológico global. Sin embargo, es importante ser preciso: Los LLM (Large Language Model) más avanzados no entienden el mundo, sino que operan mediante predicción estadística de textos con alta coherencia semántica, entrenados en grandes volúmenes de datos. No tienen intencionalidad, comprensión causal. ni modelos internos del mundo. Funcionan muy bien como simuladores del habla, no como sistemas cognitivos. En rigor, todavía no estamos en la era de la cognición artificial.
A nivel mundial, el estado de la cuestión es ambivalente. Por un lado, Hay avances notables en capacidad, eficiencia y multimodalidad. (entrada basada en texto, imagen y/o audio); por el otro, Persisten los límites estructurales: alucinaciones, fragilidad contextual y dependencia de datos históricos.
El principal desafío global no es lograr una IA generalizada en el corto plazo, sino gestionar sistemas que parecen inteligentes sin serlo, donde se corre el riesgo de delegar decisiones a herramientas que no entienden lo que producen. La gobernanza, la auditoría y la seguridad se vuelven tan centrales como la innovación misma.
En América Latina el escenario es más delicado. La adopción de la IA es rápida, pero la soberanía tecnológica es baja. Importamos modelos, infraestructuras y estándares; Exportamos datos, etiquetado y trabajo de dependencia.
La región corre el riesgo de repetir un patrón de extractivismo, ahora digital. El desafío latinoamericano no es sólo utilizar la IA, sino desarrollar su propia capacidad crítica y técnica, formar talento avanzado, fortalecer la infraestructura compartida y diseñar políticas públicas que no copien acríticamente marcos regulatorios externos.
Chile presenta una situación intermedia. Hay capacidades académicas relevantes, una estrategia nacional de IA y un actor clave como el Centro Nacional de Inteligencia Artificial (CENIA), que ha articulado la investigación y el debate público. A esto se suma un hito de hace menos de un año: la aprobación, vía financiamiento público de CORFO, de dos centros de supercomputación, que fortalezcan la infraestructura nacional para la investigación y el desarrollo en IA. Sin embargo, Persiste una brecha entre la adopción y la comprensión. Hablamos de cognición artificial cuando, en rigor, seguimos trabajando con automatización estadística avanzada.
El desafío chileno es convertir la infraestructura y la adopción en valor estratégico: estándares de transparencia para sistemas que utilizan IA, evaluación o auditoría independiente de modelos y una agenda de capacitación que vaya más allá del uso instrumental. Necesitamos expertos en evaluación, seguridad y ética aplicada, no sólo usuarios eficientes.
El punto clave es entender que el Los LLM aún no son un nuevo actor cognitivo, sino más bien espejos sofisticados del lenguaje humano. El riesgo no es que ellos piensen por nosotros, sino que nosotros pensemos que lo hacen.
