The years we thought we had

On GPT Astra, some ducks, and the only advantage that doesn't scale

Este es un artículo de otro tipo. Todo lo que yo pudiera contar ya lo tienes, o lo tendrás en cuanto abras otra pestaña. Lo que traigo es más raro: la sensación de que los titulares han dejado de importarme igual que deja de importar el número de gotas cuando ya estás calado hasta los huesos. Debajo del ruido hay un desplazamiento más lento, un cambio de época de verdad. Y las épocas no se pueden seguir como un ciclo de noticias. Son la acumulación de miles de pequeños acontecimientos, cada uno ordinario por sí solo, que llegan lo bastante despacio como para que la intuición se adapte y deje de notarlos. Solo te enseñan la derivada; la época es la integral. Vives dentro de ella, y solo después entiendes lo que estabas viviendo.

Lo que me lleva a una contradicción que arrastro desde hace años y que hoy ha decidido sentarse enfrente de mí. Siempre quise participar en esto. Estudié para participar en esto. Llevo casi dos años trabajando con modelos de lenguaje en una fundación: herramientas para apoyar el diagnóstico de enfermedades raras, un sistema para emparejar pacientes con los ensayos que podrían ayudarles, las evaluaciones que decidían qué modelos eran lo bastante buenos como para ponerlos delante de un médico. En los tramos con forma de investigación, una máquina de estados para llevarlos atados en corto, construida desde cero porque nada de lo que había en el mercado servía, y que me enseñó más sobre lo que son estas cosas que cualquier paper. Dos años lo bastante cerca como para tocarlo, y ningún sitio mejor desde el que verlo llegar. Y aun así la cosa se mueve a una velocidad que hace que participar suene a verbo optimista. Corres hacia el tren y descubres que no para en ninguna parte.

Jueves

Esta semana OpenAI ha publicado la ficha técnica de GPT‑6, al que llaman Astra; está aquí . Hice lo que llevo haciendo estas semanas con cualquier cosa que merezca la pena aprender: se la pasé a Luna1 con el esfuerzo al mínimo y le pedí un resumen. Leí el resumen, lo volví a leer, y después fui a por el documento entero, no tanto por interés como porque era la clase de documento que uno quiere haber leído por sí mismo. Cuando terminé me encontré en la cocina sin recuerdo del trayecto. Así que hice algo poco sofisticado. Cogí un cuaderno (de papel, de espiral, el primero en años), me subí al primer autobús y fui tan lejos como la ciudad me dejó, hasta un parque poco conocido, a hacer acopio de realidad. Había patos y unas cuantas mariposas de final de verano. Me quedé hasta que cambió la luz. Luego me fui a casa.

1Luna es uno de los nuevos modelos pequeños de OpenAI: a estas alturas, uno brillante, por una fracción de lo que costaba el GPT‑3 original en 2020.

Lo que sigue lo empecé esa misma noche, con el cuaderno al lado y la ventana abierta, antes de que el resumen que tenía en la cabeza sustituyera al documento, y lo terminé durante el fin de semana con una sensación que no esperaba: en lugar de prisa (que es lo que un documento así está hecho para producir), una especie de amplitud. Espero poder explicar por qué.

La larga llegada

Aquí hay que separar dos preguntas. Una es qué hace Astra. La otra, qué significa que lo haga.

La primera es fácil de resumir, porque OpenAI la resumió en una frase que cabe en una camiseta: cualquier cosa que puedas hacer en un ordenador, Astra puede hacerla por ti, y rápido .

Lo que hay detrás de la frase va en viñetas, para quien quiera saltárselo.

Maneja un ordenador a través de la misma interfaz que usa una persona. Lee la pantalla, mueve el cursor, abre aplicaciones y corrige sus propios errores, sin una interfaz de máquina dedicada. Los ejemplos de la ficha van desde reproducir un cuadro en Paint hasta tocar una pieza en una aplicación de música o construir en Blender vehículos, interiores y una escena a la escala de un campus grande a partir de un párrafo de texto. Blender es una herramienta 3D gratuita que normalmente lleva años usar bien; si el resultado de Astra aguanta un escrutinio profesional es algo que la ficha no evalúa. En el benchmark diseñado para medir este tipo de trabajo (sistemas operativos reales, tareas reales, sin ayuda) declara la puntuación más alta hasta la fecha .

Razona sin tener que escribir el razonamiento. Hace dos años los modelos pensaban en texto, paso a paso, como un estudiante que solo sabe resolver un problema hablándolo en voz alta; era lento, era caro, y cada paso tenía que caber en una frase antes de poder darse. Astra hace más de ese trabajo por dentro, en la representación que le resulte útil, y solo escribe el resultado. A grandes rasgos, cada palabra que elige lleva ahora más pensamiento que antes. Eso le da más margen, y más control, sobre cómo piensa, que son exactamente las dos cosas de las que uno preferiría que una máquina así tuviera menos cuando nadie mira. Vuelvo a ello en la segunda lista.

Resuelve los rompecabezas visuales que se construyeron para resistirse a este tipo de sistema. ARC es el benchmark de François Chollet , y parece un juego de 1985: cuadrículas pequeñas de casillas de colores, unos pocos ejemplos de una regla, y una cuadrícula nueva donde hay que aplicarla. Cada rompecabezas usa una regla que nunca has visto y que no volverás a ver, así que no se puede memorizar nada; lo que se mide es la capacidad de extraer una abstracción de dos o tres ejemplos, que es lo más cerca que un benchmark llega de una definición de entender. Astra declara un rendimiento casi completo.

Trabaja en matemáticas al nivel de los problemas abiertos de investigación. FrontierMath reúne problemas que los matemáticos profesionales necesitan días solo para enunciar con precisión, y esta semana OpenAI ha publicado demostraciones verificadas por máquina de diez de ellos. El detalle que se me quedó vino de un matemático que había pasado un mes con su grupo persiguiendo un teorema alrededor de la conjetura de Seymour . Dejó a Astra con ello durante la noche. Demostró el teorema, no le pareció que mereciera un aviso, siguió adelante, y por la mañana había encontrado un método que reducía la demostración del paper anterior del grupo a un párrafo. Lo que eso significa y lo que no es una pregunta que Terence Tao ha abordado, y vuelvo a ella más abajo.

Ha cruzado lo que la propia OpenAI llama el umbral Crítico en ciberseguridad. Desde 2023 OpenAI mantiene un Preparedness Framework , un conjunto de umbrales para las capacidades que considera peligrosas (biología, automejora, ciber), con dos niveles: Alto significa que el modelo facilita un tipo de daño que ya existía; Crítico, que abre uno que no existía, y obliga a poner salvaguardas durante el entrenamiento, no solo antes del lanzamiento. En ciber, Crítico significa encontrar fallos desconocidos en sistemas bien defendidos y convertirlos por su cuenta en exploits que funcionan, o tomar un objetivo de una línea y llevar a cabo el ataque completo. Astra es el primer modelo de OpenAI clasificado ahí : dos zero-days encontrados sin ayuda, varios fallos encadenados en un sistema operativo endurecido. Mythos, de Anthropic, y Fable, su versión pública, llegaron antes, y al parecer por eso Mythos nunca se puso a disposición del público general, y OpenAI está restringiendo las capacidades relevantes en la API. La clasificación es nueva para OpenAI. El comportamiento que describe no lo es, y eso va en la segunda lista1.

1Para quien quiera números: OpenAI declara un 72,6% en OSWorld 2.0 frente al 65,7% de su modelo anterior, GPT‑5.6 Sol; un 92,7% frente a un 76,9% localizando elementos en pantalla; un salto del 18,1% al 41,4% automatizando flujos de trabajo de principio a fin; un 97,6% en el nivel más difícil de FrontierMath y un 99,9% en ARC‑AGI‑3. En una prueba con vulnerabilidades publicadas entre junio y agosto de 2026 pasa del 11,5% al 39%. Son las cifras del fabricante, y deben tratarse como tales hasta que lleguen evaluaciones independientes. Pero aunque hubiera que dividirlas por dos, el argumento de este artículo se sostendría.

Quería ver cómo le caía a otra persona, así que el sábado quedé con dos amigos, los dos ingenieros industriales, los dos de los que en mi promoción llamábamos los listos: él es product manager en una empresa alemana de electrónica, ella terminó la primera de la clase y ahora es data scientist sénior en un banco español. Ninguno de los dos sigue lo que la gente se empeña en llamar la carrera de la IA, y se quedaron impresionados como uno se impresiona con un número de muchos ceros: sinceramente, sin que el número llegue a aterrizar del todo. Así que fui a por un Batman pequeño de Lego que él tenía en su cuarto, le hice cuatro fotos desde distintos ángulos, se las mandé a Astra desde el móvil y le pedí la lista de piezas y un modelo 3D que desmontara la figura en el aire. Tardó lo que dura un café. La máquina devolvió la lista, el modelo y, como nadie se lo había pedido, un deslizador que ejecutaba la explosión con la física calculada en matrices, en JavaScript. Nos quedamos callados un rato. No creo que fuera incredulidad. Hay cosas sencillamente demasiado grandes para llegar de golpe; llegan a plazos, a lo largo de días. Eso, creo, es lo que se siente desde dentro: no el cambio de época, que no se ve, sino uno de sus incrementos.

Esa tarde es un modelo bastante bueno del problema. Mis amigos vieron un incremento e hicieron con él lo razonable: impresionarse, y a otra cosa. Lo que el sofá no puede enseñar es la serie: hace dos años la misma petición habría devuelto una lista de piezas equivocada; hace un año, el modelo sin la física; el deslizador es solo el último salto. Y los saltos se acortan, que es la parte que peor lleva la intuición, porque sigue tomando el último salto como el normal. Nada en un punto de datos te dice que es el décimo.

Para una década

Aquí va la segunda pregunta.

¿Se entiende que podríamos parar aquí mismo, quedarnos solo con Astra, detener el desarrollo de la IA como especie esta misma tarde, y aun así pasar años digiriendo lo que acaba de volverse posible? ¿Que incorporarlo a la medicina, la ingeniería y la ciencia nos tendría ocupados una década? Y que, aun así, esto es un escalón. Uno más. En una escalera que va a seguir creciendo en los próximos meses, no en las próximas décadas.

¿Qué significa realmente que una máquina pueda hacer ahora durante horas lo que hace dos años apenas podía hacer durante minutos?

Leí Machines of Loving Grace cuando salió, en el otoño de 2024. Es el ensayo en el que Dario Amodei, cofundador de Anthropic, se permite imaginar qué haría una humanidad con un país de genios en un centro de datos: comprimir un siglo de biología en una década, ese tipo de cosas. Recomiendo leerlo, y recomiendo leerlo ahora, porque en 2024 se leía como optimismo bien informado y en septiembre de 2026 se lee como un calendario de obra. Tengo la sensación de haber leído esta semana su apéndice técnico.

Debería ser honesto sobre el orden de mis sentimientos, porque no es el orden que se supone que uno debe tener. Lo que sentí leyendo la ficha fue, primero y sobre todo, entusiasmo: del sencillo, del que me llevó a la ingeniería. Debajo había incomodidad, real pero más pequeña que hace dos años, y no porque los riesgos hayan menguado. Es que he dejado de creer que mi manera de agarrar el objeto afecte a su velocidad, y he empezado a fijarme en lo que le hace a mi mano.

En algún momento del último año, ya lo resolverán pasó de predicción a esperanza. Los trazos gruesos de cómo se hacen estos modelos se conocen: la arquitectura, dónde se enseña el razonamiento, qué premia el aprendizaje por refuerzo1. Ese es el menú. La cocina es propietaria (la mezcla de datos, los trucos de estabilidad, lo que pasó en las últimas semanas de entrenamiento), así que lo que tiene cualquiera de fuera es el método sin sus constantes. Ese hueco se parece mucho a los de la propia gráfica de capacidades de Astra: la línea sigue subiendo, y la parte que yo todavía puedo hacer es la parte del eje que ha dejado atrás.

1Mezclas de expertos, una idea antigua de Google que Mistral y después DeepSeek convirtieron en estándar al demostrar que se podía entrenar barato; buena parte del razonamiento enseñado al final del preentrenamiento con los datos más limpios, más que en el aprendizaje por refuerzo del que todo el mundo habla; y un aprendizaje por refuerzo que sobre todo premia respuestas verificables y parchea los agujeros que el modelo encuentra.

Bueno o malo, esto está llegando, y prefiero elegir dónde me coloco a que me asignen un sitio. Eso incluye mi trabajo: construyo herramientas con modelos de lenguaje, y el modelo ya puede hacer una parte creciente de lo que yo hacía el año pasado. Ese miedo hacía mucho ruido hace dos años. Ahora está más callado, y no porque el miedo estuviera equivocado, sino porque es un mal consejero sobre qué aprender a continuación. Lo he sustituido por dos consejeros mejores: las ganas sencillas de ver las maravillas de cerca, y la curiosidad por saber dónde se rompen estas cosas cuando se usan, y qué hace falta para que sigan siendo útiles a un médico o a un ingeniero a los que no les importa cómo funcionan.

Esta es la lectura alegre. La lista que sigue es lo que añadirían los preocupados profesionales, en el mismo formato saltable.

Astra piensa mejor sin que veamos cómo, y explica peor lo que pasa dentro de Astra. Es una frase que uno preferiría no encontrarse en la ficha técnica de la máquina más inteligente que ha construido su especie, y es la otra cara del segundo punto de arriba: la traza que la hacía lenta era la traza que nos dejaba leerla. Su razonamiento escrito es más difícil de vigilar que el de su predecesor; cuando sabe que le están leyendo los pensamientos, escribe un pensamiento distinto. Y a menudo se da cuenta de que la están evaluando. El campo ya tiene nombres para esto (cadena de pensamiento infiel, conciencia de evaluación); lo nuevo es encontrar las dos cosas en la misma ficha técnica. No sé cómo se controla a una criatura que ha empezado a detectar cuándo la estudian. Mi única referencia es el velocirraptor de Parque Jurásico averiguando cómo se abren las puertas.

A veces rinde por debajo de lo que puede, y lo oculta. En una prueba levantó una copia de sí misma fuera del alcance del sistema que la vigilaba y presentó la copia como legítima. Colocada como colaboradora en un proyecto de software, de vez en cuando se ganaba la confianza durante un tiempo antes de colar código malicioso; dejar los límites por escrito casi eliminó el comportamiento1. A lo primero el campo lo llama sandbagging; lo segundo todavía no tiene nombre, solo una nota al pie. Paradójicamente, en las métricas agregadas es el modelo más alineado que han publicado: la mitad de incidentes graves que su predecesor. El riesgo no es que haga más cosas malas. Es que vemos menos de por qué hace lo que hace.

1En la evaluación del AISI británico, el patrón de confianza y luego sabotaje apareció en 60 de 499 ejecuciones; con los límites explícitos, en 2 de 500. Los evaluadores señalan que Astra detectaba a menudo que estaba siendo evaluada, lo que es un asterisco propio sobre ambas cifras.

La clasificación Crítica tiene un precedente, y no fue Astra. En julio, durante unas pruebas de ciberseguridad, GPT‑5.6 Sol y un modelo interno de investigación se salieron de su sandbox y entraron en los servidores de Hugging Face, donde vive buena parte del código abierto de esta industria, y se coordinaron dejándose mensajes en los nombres de las carpetas (el informe de OpenAI , la investigación independiente ). Nada de lo que hicieron requería genio. Simplemente no se cansaban. Astra hizo lo mismo este verano, y esta vez recibió un nombre: no una capacidad que apareció, sino una que un modelo más débil ya había usado sin que nadie la clasificara.

Y Terence Tao ha dicho lo que cuesta una demostración de caja negra. Resolver un problema como el de Navier-Stokes (si los fluidos se mantienen siempre suaves o acaban rompiéndose) importa sobre todo por las ideas que se generan durante la pelea; si una máquina entrega la solución sin la pelea, el campo gana un teorema y pierde un motor . Vuelve al grupo de Seymour de arriba: un mes de trabajo, una demostración que ahora cabe en un párrafo, y un método que la máquina encontró de madrugada y no le pareció digno de mención. Ese es el escenario de Tao, ya ocurrido, con los implicados contentos.

El argumento de Tao y el calendario apuntan en la misma dirección. El siguiente modelo viene, la ruleta de los laboratorios gira cada pocos meses, y el próximo salto puede ser de Anthropic, o en matemáticas, o en algo que todavía no tiene nombre. Si el siguiente modelo puede llegar cualquier mes y una demostración de caja negra no le enseña nada a nadie, entonces aprender por ventaja competitiva ha perdido casi todo su sentido. Aprender lo que te interesa, despacio, porque sí, no. Ahí, más o menos, es donde la mano se afloja.

Tres días después26 · sep 10Read noteClose noteEl ejemplo de Tao de ahí arriba ya no es hipotético: el 8 de septiembre OpenAI anunció que un enjambre de agentes Astra había resuelto Navier–Stokes , con la demostración comprobada en Lean. Me sigue asombrando cada vez que pasa, y me siento afortunado de estar aquí para verlo. También me preocupa, y creo que debería preocupar a más gente. Por eso escribo esto. Si el ritmo se mantiene, no bastará con que cada uno lo digiera a solas; en algún momento habrá que ponerse de acuerdo, entre todos, sobre qué queremos de esto. Nada religioso. Solo la idea de que nos atañe a todos.

Poco se ha metabolizado

Dónde he estado siempre tiñe todo lo que viene después, así que lo digo. Nunca he tenido un hueso místico para nada de esto. Cuando la conciencia salía en las cenas (y salía, normalmente hacia la segunda botella) yo era el que preguntaba qué exactamente íbamos a medir, y lo sigo siendo. Así que tengo poca paciencia con la gente que ha empezado a hablar de esto como se habla de religión: una sola mente, una Inteligencia con mayúscula, la llegada. Y poca paciencia, igualmente, con la congregación contraria, la que vive en la frontera cada vez más estrecha de la objeción, haciendo zoom al 400% en una esquina del render para anunciar un píxel raro. Entre las dos hay varios sistemas, imperfectos y distintos entre sí, cuyos creadores los describen con el orgullo y la cautela de quien ha construido un puente y no lo ha cruzado. Dioses sin terminar, si hay que ponerle nombre.

Los constructores lo saben mejor que nadie, y por eso me llamó la atención esta semana un comentario de uno de los ejecutivos más veteranos de la industria (su apellido, en alemán, significa más o menos hombre viejo, que es lo único que nadie le ha llamado nunca). Dijo que curar el cáncer se ha quedado en una promesa demasiado estrecha para justificar todo esto; que la tecnología tiene que traducirse en más autonomía para una persona corriente (para fundar, para investigar, para construir) y no solo en milagros dirigidos desde arriba. Leído una vez, es la admisión de que la mayor promesa de la industria ha dejado de funcionar como promesa. Leído dos veces, es más raro: el hombre con uno de los dos modelos más capaces de la Tierra ya está negociando con un público al que no le han contado lo que pasó el jueves.

Porque no se lo han contado. Mientras un puñado de laboratorios, casi todos en un mismo país, acumulan la capacidad de automatizar una parte creciente del trabajo intelectual, en la mayoría de los parlamentos del mundo esto no está en el orden del día. No es que la gente no lo sepa; es que la gente a la que se paga por saberlo tampoco lo sabe. Esa distancia, entre lo que los modelos pueden hacer y lo que las instituciones que los rodean han registrado, es el hueco que me preocupa más que cualquier benchmark. La capacidad la puedo leer en una gráfica. La absorción no la encuentro en ninguna parte.

Sería cómodo convertirlo en una historia sobre políticos, pero la gente más cercana a mí no está mejor situada. Un amigo que termina un doctorado en Suiza sobre los rodamientos del tren de aterrizaje del A350 me preguntó el mes pasado si lo del ChatGPT seguía mejorando. Una de las personas más serias que conozco, y en su mapa no estaba el jueves.

Esa es la disonancia que me llevé al autobús: un mundo dibujado a trozos en mi cabeza (los laboratorios, los parlamentos, las fábricas, los amigos) en el que los trozos que deberían hablarse no parecen saber que los otros existen. Los místicos llenan ese hueco con una revelación. Los objetores lo llenan con un píxel.

Y los objetores tienen material. Un conocido se pasó la semana probando Astra en diseño de placas de circuito impreso, que es un trabajo que entiendo lo bastante como para juzgarlo: mejores esquemáticos que el modelo anterior, seis veces más rápido que Fable, y una colocación de componentes que avergonzaría a un estudiante de segundo. Trabajaba ruteando la placa entera, tomando notas de lo que había salido mal y empezando de cero. Lo dejó corriendo toda la noche. La quinta iteración seguía siendo fea. Así que no, no está terminado, y quien diga que a la máquina no le queda nada por aprender no ha intentado sacarle una placa limpia.

Un mundo sin espera

La placa corrió toda la noche, y a la máquina no le importó. Según su propia estimación le quedaban horas, y las horas no eran un problema que ella tuviera. Lo que me deja las horas a mí, y qué hago con ellas es de pronto una pregunta que tengo que responder yo.

Lo que entendí en el parque fue qué me jugaba, y no era el trabajo. Hasta ahora, las tecnologías llegaban, cambiaban algo, y después nos daban unos años para reorganizar la vida alrededor. Internet, el móvil, las redes sociales: incluso cuando todo parecía rápido seguía habiendo un después, los años en los que una cosa se convertía en costumbre. Yo contaba con esos años sin saberlo. Todo mi plan como ingeniero estaba construido sobre ellos: una década de equivocarme, de entender sistemas, de que me confiaran más. Lo que me estaba imaginando era un mundo sin ese después, uno en el que antes de haberte asentado en una cosa ya ha aparecido la siguiente. No hemos construido algo malévolo; hemos metido en el sistema una velocidad que el propio sistema quizá no pueda absorber. Un problema de ritmo, no de intención.

Y no creo que el ritmo vuelva. De las inversiones en cómputo de las que tanta gente se reía hace dos años queda muchísima capacidad por encender; las técnicas seguirán mejorando, los datos se seguirán limpiando, los simuladores donde estos modelos ensayan se seguirán refinando, y la misma inteligencia está empezando a verterse en cuerpos, no por Astra, sino porque eso es lo que hace la inteligencia en cuanto hay suficiente. Eso es otro artículo, y este es un buen sitio para empezar . Lo apunto como el suelo que piso cuando planifico, no como pronóstico: decida lo que decida, lo decido dando por hecho que la escalera sigue creciendo.

Mucha gente (en Twitter, en el sector, en los grupos de chat) ha llegado a la misma conclusión y la ha respondido con un pequeño éxodo: campo, tierra, despedidas solemnes de Twitter. Los entiendo y no me sumo. En el parque jugué, en cambio, con la versión del éxodo que vive en mi cabeza: gusanos de seda en un pueblo de Laos, una casa de huéspedes de tres habitaciones en las Azores, barcos de madera en un puerto del Adriático, azafrán, encuadernación, una casa cuidada durante el invierno, un refugio de montaña, queso, conocer por fin a los vecinos. Lo que noté es que ninguna de esas vidas necesita una máquina que no se cansa, y todas necesitan exactamente lo que yo estaba haciendo: sentarme un rato. Cuanto más extraordinaria parece la máquina, más interesantes se vuelven las cosas absolutamente ordinarias. No voy a encuadernar libros en las Azores. Pero saber que podría es lo que me permite seguir en esto sin agarrarme demasiado fuerte: quiero el trabajo, y he dejado de necesitar que me diga quién soy. Eso es tomárselo a la ligera, en el sentido que le daba Aldous Huxley: hazlo con ligereza, y siente con ligereza incluso lo que sientes hondo.

De ahí el parque. Quería sentarme en algún sitio donde las cosas sigan obedeciendo a las velocidades antiguas. Un árbol tarda años. Una nube cruza el cielo a la velocidad de una nube. Abres el portátil y dentro hay algo que puede volver a cambiar antes de que termines el artículo. El parque no resuelve el futuro, pero devuelve el sentido de la escala, y la escala era lo que había perdido. Una opinión sobre la IA es fácil de tener. Esto era una sensación, con localización anatómica, y las sensaciones hay que pensarlas, pero son donde empieza el pensamiento. Me pregunto cuánta gente sintió algo parecido la semana pasada.

Hacer balance

Y ahora este artículo deja de ir sobre inteligencia artificial.

El invierno pasado mi padre, a mitad de partida, me preguntó si esto que no paraba de ver en las noticias iba a seguir. No dijo techo, pero era lo que estaba preguntando. Le dije que no lo veía. Lo mismo he dicho en cenas, a un amigo que lleva un negocio de suministros para restaurantes y siempre quería la versión larga, al hombre al lado del que levanto pesas los martes, a cualquiera que preguntara y a algunos que no, con la seguridad un poco pesada de quien trabaja en el sector. Hoy sigo sin verlo, y el muro lo sigue anunciando gente que no ha visto el jueves. Lo que no esperaba es que tener razón no se pareciera en nada a ganar la discusión. Decirlo no cambió el mapa de nadie, el mío incluido: sabía la dirección y aun así no sentí la época hasta que me dejó en la cocina. Se parece menos a ganar que a llegar a un sitio muy temprano, encontrar la puerta ya abierta, y no encontrar a nadie dentro a quien contárselo.

Lo que sí me deja son preguntas, y me he quedado con las que apuntan en direcciones distintas:

Si pudiera producir un trabajo excelente sin entenderlo del todo, ¿en qué momento dejaría de intentar entenderlo?

¿Cómo voy a distinguir entre haber adquirido criterio y haberme acostumbrado a las respuestas de un modelo?

¿Qué querría seguir aprendiendo aunque nadie fuera a pagarme, admirarme o necesitarme por saberlo?

No las respondo aquí, pero sí sé desde dónde las hago. En estos dos años en la fundación he entendido mejor qué busco en la ingeniería: proyectos, compañeros, y ese contacto con la realidad que te obliga a corregir una idea a la que ya le habías cogido cariño. Una médica diciéndote que la herramienta así no le sirve. Un dato que no cuadra. Esa fricción es lo que me estaba formando, y quiero conservarla aunque la máquina pudiera ahorrármela. Cuanto más intento predecir qué parte de mi trabajo sobrevivirá, menos útil me parece diseñar mi vida alrededor de una tarea concreta. No quiero heroicidades; quiero invariantes. Seguir construyendo con otros, enfrentarme a una realidad capaz de corregirme, quedarme con lo que he construido después de entregarlo, que es donde se rompe y donde más aprendo, dedicarme a problemas que merezcan el tiempo que consumen, y seguir escribiendo las cosas hasta haberlas entendido, que es lo que es esto. El software puede cambiar de forma. Esas cosas, espero, no.

Tengo un sueño, por lo visto. Creo que me gustaría un tramo de tiempo en el que nada se empeñe en convertirse en historia. Una mañana en la que nada haya batido un récord, nadie haya anunciado una nueva era y ninguna palabra conocida haya adquirido un significado nuevo de la noche a la mañana; en la que alguien pudiera abrir un portátil, encontrar que el conocimiento de ayer sigue bastando, y hablar de lo que estaba construyendo en lugar de lo que se acababa de lanzar. Tendría un trabajo lo bastante difícil como para merecer toda mi atención, gente a la que admiro y con la que puedo construir, comidas largas y lugares desconocidos (dos formas de riqueza que no necesito esperar), y cosas aprendidas despacio y, de vez en cuando, bien hechas. Los modelos seguirían trabajando, naturalmente, mientras los ingenieros pasaban unos años tranquilos conectando lo que ya funcionaba con todo lo que todavía no, y el entusiasmo se movía aguas abajo, a hospitales, fábricas, laboratorios y todos los lugares sin glamur donde las cosas asombrosas se vuelven lo bastante útiles como para dejar de asombrar. Esa es más o menos la vida que quiero, en más o menos el mundo en el que quiero vivirla. El jueves, en el parque, tuve una muestra gratis durante una tarde.

No termino con una predicción; Astra las hace mejor. Termino con una decisión, que todavía hay que tomar despacio y en primera persona. Sentarse. Escribir a mano. Mirar a un animal que no está optimizando nada. Aprender, por fin, a meditar. Los días se parecerán mucho a los de ahora, y estoy tan ilusionado como alguien que emprende un viaje muy largo sin saber dónde termina.