Cuando una tarea se delega en un sistema de IA suele quedar un resto. Alguien tiene que comprobar lo que la máquina escribió, sostener la capacidad que dejó de ejercitarse, evaluar modelos cuyos resultados de seguridad no se hicieron públicos o construir la infraestructura que el sistema da por supuesta.
Esta semana ese resto aparece en cuatro lugares que rara vez se leen juntos. Una revisión de guías clínicas firmada en Birmingham, un experimento con personas reclutadas en Estados Unidos, una auditoría de modelos chinos y un informe del Banco Mundial sobre África. Cada uno describe un trabajo distinto que la delegación no elimina. Y cada uno permite preguntar sobre quién recae.
En breve
- Birmingham, 6 oct. Samuel Oluwatobi Atiku publica en PLOS Digital Health un análisis de 74 documentos oficiales sobre los escribas de IA en la consulta médica.
- Estados Unidos, abril–octubre. Un preprint con 1.222 participantes mide qué ocurre cuando se retira un asistente después de diez minutos de uso.
- China, 8 oct. Un informe de SemiAnalysis encuentra resultados de seguridad publicados en 31 de 857 lanzamientos de nueve desarrolladoras chinas.
- África, 6 oct. El Banco Mundial dedica su Africa Economic Update a la preparación para la IA y recomienda aplicaciones pequeñas y asequibles.
Birmingham — La ficción del borrador
Samuel Oluwatobi Atiku, de los Servicios de Investigación de la Universidad de Aston, publicó el 6 de octubre en PLOS Digital Health un análisis cualitativo de 74 documentos oficiales en inglés sobre los escribas de IA, los sistemas que escuchan la consulta médica y redactan la nota clínica.[1] El corpus reúne guías del NHS, de comisionados de privacidad canadienses, de organismos australianos y del Consejo Médico de Nueva Zelanda.
Atiku propone un concepto propio, la «ficción del borrador». Los documentos tratan el texto generado como provisional hasta que una persona profesional lo revisa y lo firma. Esa convención permite que la tranquilidad del paciente, la integridad del registro y la responsabilidad profesional convivan en un mismo gesto.[1] Pero casi ningún documento dice cuánto tiempo exige esa revisión ni cómo protegerlo.
El autor observa además que el consentimiento solo es real si hay alguien disponible para redactar sin el sistema la nota de quien se niega. Y recoge la advertencia del comisionado de privacidad de Ontario de que una grabación de voz es prácticamente imposible de desidentificar.[1]
La automatización no suprime el trabajo clínico. Lo convierte en vigilancia de un texto ajeno que se firma con nombre propio.
Conviene situar el alcance del estudio. El corpus es intencional, se limita a documentos en inglés y se cerró el 10 de mayo de 2026. No mide si alguna organización cumple estas guías ni si algún producto es seguro.
Estados Unidos — Diez minutos
Un equipo de Carnegie Mellon, UC Berkeley, Oxford, el MIT y UCLA, encabezado por Grace Liu, publicó en abril un preprint, actualizado el 3 de octubre, con tres experimentos aleatorizados y 1.222 participantes reclutados en Estados Unidos.[2] Tras unos diez minutos resolviendo fracciones o ejercicios de comprensión lectora con un asistente, quienes perdían el acceso rendían peor y abandonaban más que quienes nunca lo habían usado.
El interés del estudio está en la distinción que introduce. En uno de los experimentos, quienes declararon haber pedido respuestas directas mostraron el mayor descenso, y quienes pidieron pistas no. Los propios autores advierten que ese contraste no es necesariamente causal.[2] Aun así separa dos cosas que solemos confundir, recibir ayuda para resolver un problema y ceder su resolución.
El trabajo mide efectos inmediatos en condiciones experimentales y no demuestra un deterioro permanente. Pero devuelve al terreno empírico la pregunta que planteábamos en Aprender a no delegar, qué capacidades no queremos externalizar.
China — 31 de 857
La firma estadounidense de análisis tecnológico SemiAnalysis revisó 857 lanzamientos de nueve desarrolladoras chinas (Alibaba, ByteDance, Tencent, Baidu, DeepSeek, Moonshot, Zhipu Z.ai, MiniMax y StepFun) entre 2021 y el 15 de septiembre de 2026. Solo 31, el 3,6 %, tuvieron alguna vez un resultado de seguridad publicado por la propia empresa. Apenas nueve lo tenían en el momento del lanzamiento.[3]
El informe mide transparencia documental, no seguridad efectiva, porque las empresas pueden haber hecho pruebas internas. Y tiene su propio lugar de enunciación. Se titula Beijing Will Not Pace the Frontier, lee la política china como una carrera de velocidad y, según Reuters, no ofrece cifras comparables de las desarrolladoras estadounidenses.[4] La falta de evaluaciones públicas que documenta es verificable. La ausencia del término de comparación también lo es.
Esa falta de documentación obliga a quienes despliegan los modelos, desde hospitales y administraciones hasta laboratorios pequeños como el nuestro, a asumir tareas de comprobación con información incompleta. En julio escribíamos que no basta con liberar los pesos. Tampoco basta con descargarlos. La apertura da autonomía, pero no sustituye la documentación de riesgos, la procedencia de los datos ni la transparencia sobre las limitaciones.
África — El 0,6 %
El Banco Mundial presentó el 6 de octubre su Africa Economic Update, subtitulado Building AI Readiness.[5] Según el informe, África reúne casi el 18 % de la población mundial, alrededor del 2 % de los datos de entrenamiento de IA y solo el 0,6 % de la capacidad global de centros de datos, una medida que no equivale al cómputo especializado para entrenar modelos.
La actividad se concentra en Kenia, Nigeria y Sudáfrica. La recomendación central es apostar por aplicaciones pequeñas, asequibles y adaptadas localmente en lugar de perseguir sistemas de frontera.[6]
La propuesta es sensata y también reveladora. La «IA pequeña» puede leerse como adaptación inteligente a las condiciones existentes o como asignación de un lugar subordinado dentro de una división internacional del cómputo.
La diferencia depende de quién controle los datos, los centros de datos compartidos y las leyes de protección que el propio informe menciona. Es la misma pregunta que planteamos en «África a escala», ahora con cifras del Banco Mundial.
Lo que queda
En los cuatro casos el sistema da algo por supuesto. Una nota verificada, una capacidad ejercitada, un modelo evaluado, una infraestructura en pie. Producir eso que se da por supuesto es trabajo, y reaparece en otro lugar, pocas veces contabilizado.
Mañana, en la nota del jueves, seguimos esa pista hacia un resto de otra escala, el que la extracción de datos deja en las comunidades cuyas lenguas se quieren digitalizar.
Referencias
[1] Atiku, Samuel Oluwatobi. Regulating the drafting fiction: A qualitative content analysis of official guidance and regulator documents on AI scribe adoption and use in healthcare. PLOS Digital Health 5(10), e0001776. 6 de octubre de 2026. https://doi.org/10.1371/journal.pdig.0001776
[2] Liu, Grace; Christian, Brian; Dumbalska, Tsvetomira; Bakker, Michiel A.; Dubey, Rachit. AI Assistance Reduces Persistence and Hurts Independent Performance. arXiv:2604.04721, v5, 3 de octubre de 2026. https://arxiv.org/abs/2604.04721v5
[3] Chen, Mark; O’Laughlin, Doug; Patel, Dylan. Beijing Will Not Pace the Frontier: China’s Speed-First AI Safety Regime. SemiAnalysis, 8 de octubre de 2026. https://newsletter.semianalysis.com/p/beijing-will-not-pace-the-frontier
[4] Baptista, Eduardo. China AI developers publish safety tests for just 3.6% of model releases, report finds. Reuters, 9 de octubre de 2026. https://www.reuters.com/legal/litigation/china-ai-developers-publish-safety-tests-just-36-model-releases-report-finds-2026-10-09/
[5] Banco Mundial. Africa Economic Update, October 2026: Building AI Readiness. https://www.worldbank.org/en/region/afr/publication/africa-economic-update
[6] Banco Mundial. Economic Growth in Sub-Saharan Africa Gains Momentum Despite Global Uncertainty. Comunicado de prensa, 6 de octubre de 2026. https://www.worldbank.org/en/news/press-release/2026/10/06/economic-growth-in-sub-saharan-africa-gains-momentum-despite-global-uncertainty