Menos IA y más IHP: Inteligencia Humana Potenciada

Para evitar una crisis existencial por saturación, a partir de hoy en mis clases no usaré más las letras IA.
Usaré IHP: inteligencia humana potenciada 

La inteligencia humana potenciada es una perspectiva antropológica-tecnológica que asume prioritariamente los factores biológicos, sicológicos e intelectuales de las personas, antes de integrar los aportes de herramientas y agentes digitales-sintéticos.

1. El núcleo del argumento

La tesis puede formularse así: la revolución de la IA no es (solo) un desafío tecnológico, es un desafío de diseño humano y organizacional.

El cuello de botella ya no es la capacidad de los modelos, sino la capacidad de las personas y las organizaciones para absorber, redistribuir y gobernar esa capacidad. A esto le llamas "humanware": la capa de cultura, competencias, procesos y decisiones que determina si la IA multiplica o erosiona el valor humano.

Esto conecta con un giro real que está ocurriendo en la investigación de punta: pasar de "AI-centered" (optimizar el modelo) a "human-centered AI" (optimizar el sistema sociotécnico completo: personas + agentes + procesos + gobernanza).

2. Marco conceptual de la IHP: tres capas

Capa 1 — Cognitiva/individual (Augmented Intelligence)
No sustitución sino extensión de capacidades humanas: memoria, síntesis, exploración de alternativas. Aquí calza bien el linaje histórico Vannevar Bush ("As We May Think", 1945) → Douglas Engelbart ("Augmenting Human Intellect", 1962) → J.C.R. Licklider ("Man-Computer Symbiosis", 1960). Es útil abrir la charla con esta genealogía: la idea de "aumentar" al humano con máquinas es anterior a la IA generativa por 80 años, lo que le da profundidad histórica a tu propuesta.

Capa 2 — Relacional/equipo (Human-Agent Teaming)
Los "agentes sintéticos" como nuevos miembros de equipo, no como herramientas pasivas. Aquí es donde entra el trabajo reciente sobre "sociotechnical systems" y dinámica de equipos híbridos humano-IA.

Capa 3 — Organizacional/institucional (Humanware transformacional)
Rediseño de procesos, roles, gobernanza y cultura para que la adopción no sea cosmética. Aquí es donde tu charla puede aportar más valor práctico, porque es el nivel menos resuelto en la literatura actual.

3. Laboratorios e instituciones clave para citar

Stanford HAI (Human-Centered Artificial Intelligence Institute)
Fundado en 2019 por Fei-Fei Li y John Etchemendy, su investigación se enfoca en desarrollar tecnologías de IA inspiradas en la inteligencia humana, estudiar y guiar el impacto humano y social de la IA, y diseñar aplicaciones que potencien las capacidades humanas. Es prácticamente la cita fundacional de tu charla. Stanford Online

Dato muy útil y reciente: en 2026 Stanford HAI lanzó el "AI and Organizations Lab" para examinar cómo la IA impacta los empleos, remodela la dinámica de equipos e influye en los resultados organizacionales, con el objetivo explícito de asegurar que la IA potencie —en lugar de disminuir— las capacidades humanas. Uno de sus directores señaló que este laboratorio representa el compromiso de estudiar la IA no solo como un sistema técnico, sino como un fenómeno sociotécnico que transforma fundamentalmente cómo los humanos colaboran y crean valor juntos. Esto es prácticamente un eco literal de tu tesis de "humanware" — vale la pena citarlo textualmente en la charla (parafraseado, claro). Stanford HAI + 2

También relevante: Erik Brynjolfsson dirige el Stanford Digital Economy Lab y sostiene que la productividad de la IA no viene solo de recortar costos laborales, sino de usar la IA para potenciar la productividad de los empleados — argumento clave contra la narrativa de "IA = reemplazo de personas". Stanford

MIT — Work of the Future Initiative / CSAIL / Sloan
Nacida del Task Force on the Work of the Future (2018-2020), conduce investigación multidisciplinaria sobre cómo la tecnología está cambiando el trabajo, incluyendo un grupo de trabajo sobre cómo el diseño de herramientas de IA generativa puede contribuir a empleos de mejor calidad. El libro insignia es The Work of the Future: Building Better Jobs in an Age of Intelligent Machines (Autor, Mindell y Reynolds), cuya premisa central es que muchas personas están en un mercado laboral que genera empleos pero poca seguridad económica, y que la clave no es la tecnología en sí sino cómo se diseñan las instituciones que la rodean. IPCMIT Sloan

Daniela Rus (directora de CSAIL) distingue entre "IA especializada" (la que existe hoy) y las narrativas de IA general — útil para bajarle el tono apocalíptico/utópico a tu charla y anclarla en lo concreto.

Berkeley — Center for Human-Compatible AI (CHAI)
Fundado en 2016 por Stuart Russell, su misión es desarrollar el aparato conceptual y técnico para reorientar la investigación en IA hacia sistemas demostrablemente beneficiosos, con Pieter Abbeel y Anca Dragan como co-investigadores principales. El libro de referencia es Human Compatible de Russell, que introduce la idea de que los sistemas de IA deberían diseñarse con incertidumbre explícita sobre las preferencias humanas — un argumento técnico que respalda tu llamado a mantener al humano "en el loop" no por nostalgia sino por diseño de seguridad. LinkedIn

Otros centros que puedes mencionar brevemente:

• MIT Media Lab (interacción humano-máquina, diseño centrado en persona)
• Berkeley BAIR (Berkeley Artificial Intelligence Research)
• MIT Initiative on the Digital Economy (IDE)

4. Autores y libros clave (fuera de los labs)

• Shoshana Zuboff, The Age of Surveillance Capitalism (2019) — para el contrapunto crítico: qué pasa cuando la adopción tecnológica no está centrada en el humano.
• Douglas Engelbart, "Augmenting Human Intellect: A Conceptual Framework" (1962) — la raíz conceptual de "IHP".
• Thomas Malone (MIT Sloan), Superminds: The Surprising Power of People and Computers Thinking Together (2018) — quizás la referencia más directamente alineada con tu tesis de "humanware colaborativo".
• Erik Brynjolfsson y Andrew McAfee, The Second Machine Age y Machine, Platform, Crowd — sobre reorganización del trabajo, no solo automatización.
• David Autor, sobre polarización laboral y complementariedad humano-máquina.
• Kai-Fu Lee, AI Superpowers — para contraste geopolítico si tu charla lo requiere.
• Fei-Fei Li, The Worlds I See (memoir/manifiesto) — buena cita de cierre sobre IA "centrada en el humano" desde alguien que fundó el campo.

5. Triple enfoque: retrospectiva - perspectiva - prospectiva

1. Apertura histórica: Bush → Engelbart → Licklider. "La idea de aumentar al humano es más vieja que la IA misma."
2. El giro académico actual: Stanford HAI, MIT, Berkeley CHAI — mostrar que las instituciones más influyentes del mundo ya se movieron de "AI-first" a "human-centered".
3. El problema real (humanware): la brecha no es de modelos, es de capacidades organizacionales — cultura, procesos, competencias, gobernanza.
4. Los tres niveles de la IHP (cognitivo, relacional, organizacional) como marco propio, diferenciador de tu charla.
5. De la adopción a la transformación: qué cambia en el diseño de roles, en la toma de decisiones y en los modos de colaboración cuando los "agentes sintéticos" son parte del equipo.
6. Cierre con llamado a la acción: la ventaja competitiva ya no está en tener acceso a la IA (commodity), sino en el rediseño humano-organizacional alrededor de ella.

---

6. Niveles operacionales de potenciación para la transformación efectiva

La lógica es acumulativa, no paralela: cada capa depende de que la anterior funcione. No sirve tener "agentes sintéticos" en un equipo (capa 2) si las personas no saben usar la IA para pensar mejor (capa 1); y no sirve tener equipos híbridos productivos (capa 2) si la organización sigue midiendo, incentivando y gobernando como si la IA no existiera (capa 3).

Capa 1 — cognitiva. Es el nivel de Engelbart y Licklider: la IA como extensión de la mente individual. El riesgo aquí no es tecnológico sino de hábito — usar el modelo como buscador glorificado en vez de como socio de pensamiento.

Capa 2 — relacional. Es donde entra lo que Stanford HAI llama explícitamente estudiar la IA como fenómeno sociotécnico que reconfigura cómo las personas colaboran. Aquí los agentes sintéticos dejan de ser herramientas y pasan a ocupar roles dentro de un equipo — lo que exige rediseñar división del trabajo, protocolos de confianza y mecanismos de verificación.

Capa 3 — organizacional. Es el nivel menos resuelto en la práctica y el más citado en la literatura reciente (MIT Work of the Future, el nuevo AI and Organizations Lab de Stanford). Requiere cambios en gobernanza, en cómo se miden resultados, en incentivos y en cultura — no basta con "dar acceso" a herramientas de IA.

Ver: Presentación sinóptica