Los primeros sistemas –desde los viejos n‑gram hasta los “transformers” iniciales– solo calculaban la palabra más probable a continuación de un texto. Era la etapa de predicción pura: rapidez, sí, pero cero criterio. Luego llegó la generación regulada. Herramientas como la “temperatura” o la “búsqueda en haz” dejaron que un usuario girara una perilla para hacer al modelo más atrevido o más conservador. El avance fue relevante, aunque el control permanecía externo, parecido a pedirle a un músico que improvise, pero dictándole cada nota.
El siguiente peldaño lo vivimos hoy con los modelos que se analizan a sí mismos. A través de indicaciones como “piensa paso a paso” o del entrenamiento con retroalimentación humana (RLHF), el algoritmo genera un borrador y un segundo módulo lo critica antes de entregar la versión final. Esa autocrítica interna –equivalente a la conversación entre nuestra red neuronal por defecto (DMN) y la red ejecutiva central (CEN)– le dio a la IA la capacidad de evaluar pertinencia, no solo fluidez.
¿Por qué estos saltos importan? Porque cada uno replica un nivel de la inteligencia biológica. El DMN cerebral dispara asociaciones libres; la CEN filtra y corrige; la dopamina ajusta la “temperatura” que decide cuánta energía invertimos en explorar o concentrarnos. Cuando la IA aprendió a alternar entre generador y crítico, comenzó a copiar esa danza neuronal. Por eso sentimos que “entiende” mejor nuestros objetivos: está ejecutando una versión digital de nuestro ciclo divergente–convergente (explorar o explotar lo ya conocido).
Sin embargo, todavía falta un eslabón: lo que refiero como la creatividad de nivel Sistema 3. En esta fase emergente, la propia IA regulará su grado de riesgo creativo según la calidad de sus ideas anteriores. Un controlador de ganancia (el “análogo dopaminérgico”) subirá o bajará la temperatura sin intervención humana, equilibrando novedad y utilidad en tiempo real. El resultado será un agente capaz de probar rutas audaces, criticarse, aprender del entorno y, sobre todo, recordar sus éxitos y fracasos para proyectos largos –tal como lo hace una mente humana cuando escribe un libro o diseña un negocio.
Cuando esa arquitectura madure, por ejemplo, los tutores digitales ajustarán la dificultad y la originalidad de cada ejercicio al momento cognitivo de cada alumno; las herramientas de diseño entregarán prototipos inesperados junto con la lógica que los respalda; y las terapias de rehabilitación regularán la carga creativa según las señales cerebrales del paciente. Al comprimir el ciclo de prueba y error, se liberará talento humano para la mentoría, la estrategia y la empatía que ninguna máquina puede reemplazar.