Autor: Miguel Solís Director Ingeniera en Automalizaió y y Robótica. Universidad Andrés Bello

COLUMNAS DE OPINIÓN: El mito de la inteligencia artificial pensante
COLUMNAS DE OPINIÓN: El mito de la inteligencia artificial pensante La llamada cognición artificial -que frecuentemente es confundida con los actuales modelos de lenguaje-, ocupa hoy un lugar central en el debate tecnológico global. Sin embargo, convieneser precisos: los LLMs (Large Lan'guage Model) más avanzados no entienden al mundo, sino que operan mediante predicción estadística de texto con alta coherencia semántica, entrenados sobre grandes volúmenes de datos. No poseen intencionalidad, comprensión causal ni modelos internos del mundo. Funcionan muy bien como simuladores de discur= so, no como sistemas cognitivos. Aún no estamos, estrictamente, enlaeradela cognición artificial A nivel mundial, el estado del arte es ambivalente. Por un lado, hay avances notables en capacidad, eficiencia y multimodalidad (entrada en base a texto, imagen y/o audio); por otro, persisten lfmites estructurales: alucinaciones, fragilidad contextual y dependencia de datos históricos.
El principal desafío global no es alcanzar una TA general en el corto plazo, sino gestionar sistemas que parecen inteligentes sin serlo, donde se corre el riesgo de delegar decisiones a herramientas que no comprenden 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 deIA es rápida, pero la soberanía tecnológica es baja. Importamos modelos, infraestructuras y estándares; exportamos datos, trabajo de etiquetado y dependencia. La región corre el riesgo derepetir un patrón de extractivismo, ahora digital. El desafío latinoamericano no es solo usar IA, sino desarrollar capacidad crítica y técnica propia, formando talento avanzado, fortaleciendo infraestructura compartida y diseando políticas públicas que no copien acríticamente marcos regulatorios externos. Chile presenta una situación intermedia. Existen capacidades académicas relevantes, una estrategia nacional de TA y un actor clave como el Centro Nacional de Inteligencia Artificial (CENIA), que ha articulado investigación y 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 supercómputo, que fortalecen la infraestructura nacional para investigación y desarrollo en IA. Sin embargo, persiste una brecha entre adopción y comprensión. Se habla de cognición artificial cuando, en rigor, seguimos trabajando con automatización estadística avanzada.
El desafío chileno es convertir infraestructura y adopción en valor estratégico: estándares de transparencia para sistemas que usen TA, evaluación independiente o auditoría de modelos y una agenda de formación que vaya más allá del uso instrumental. Necesitamos expertos en evaluación, seguridad y ética aplicada, no solo usuarios eficientes. El punto clave está en comprender quelos LLMs noson aún nnuevoactor cognitivo, sino espejos sofisticados del lenguaje humano. El riesgo no esque piensen por nosotros, sino que nosotros pensemos que lo hacen. MiguelSolí Director Ingeniera en Automalizaió y y Robótica. Andrés Belo Belo.