La singularidad tecnológica y el Estado

Este artículo no predice el futuro. Explica por qué los gobiernos tienen cada vez menos capacidad para predecirlo, y qué hacer al respecto.

Pero antes de metáforas, hechos concretos: aquí hay una muestra de normativas que se redactaron con una tecnología en mente y que, al publicarse, ya regulaban algo que no existía más:

Normativa	Fecha clave	La tensión tecnológica
EU AI Act	2024–2026	Diseñado antes de la explosión de los modelos de razonamiento y sistemas agénticos; su implementación ya exige nuevas categorías e interpretaciones.
Biden EO 14110	2023–2025	Su enfoque basado, entre otros criterios, en la capacidad computacional de entrenamiento muestra las limitaciones de medir el riesgo con parámetros que pueden quedar rápidamente superados.
NYC Local Law 144	2023	Diseñada para herramientas de decisión automatizada en contratación; la IA generativa introduce capacidades y modalidades de evaluación que no estaban en el centro de su diseño.
UK Online Safety Act	2023	La expansión de contenidos sintéticos y deepfakes obliga a complementar un marco diseñado antes de que estas capacidades alcanzaran su escala actual.
China — IA generativa	2023	Las primeras reglas sobre IA generativa han debido complementarse conforme aparecieron nuevas capacidades, desde modelos multimodales hasta agentes.
Perú — Ley 31814	2023–2025	El reto ya no es la ausencia de regulación, sino mantenerla técnicamente pertinente frente a capacidades que evolucionan más rápido que los ciclos normativos.

El patrón que se repite es claro: la normativa tiende a diseñarse para la tecnología que existe cuando se redacta, no para la trayectoria que esa tecnología puede seguir.Ese desfase no es necesariamente una falla de los legisladores. Es una consecuencia de un modelo institucional construido para un mundo en el que el objeto de regulación cambiaba más lentamente que el ciclo necesario para comprenderlo, legislarlo e implementarlo.

Entender por qué ocurre esto —y por qué va a seguir ocurriendo— es lo que nos lleva a la singularidad. No como profecía, sino como diagnóstico.

El horizonte de sucesos del Estado

La palabra "singularidad" no nació en la informática. Nació en la física, para describir una situación límite en la que nuestras ecuaciones dejan de proporcionar una descripción físicamente útil de lo que ocurre. Lo interesante para nosotros no es la singularidad misma. Es el horizonte de sucesos que la rodea: la frontera a partir de la cual ya no podemos observar desde fuera lo que ocurre en el interior.

Cuando hablamos de singularidad tecnológica; tomamos prestada esa imagen para nombrar un momento hipotético en el que el desarrollo de sistemas de inteligencia artificial podría alcanzar una dinámica de mejora tan acelerada que nuestra capacidad para comprender, predecir y controlar su trayectoria quedaría progresivamente rezagada.

En resumen, sin metáforas: Si la IA empieza a mejorar sus capacidades más rápido de lo que un congreso puede debatir una ley, entonces legislar mediante normas específicas y detalladas se vuelve inviable por diseño.

Los laboratorios y analistas discuten fechas, entre 2026 y 2030, como si la singularidad fuera un evento en un calendario. Pero esa discusión, para un gobierno, es casi irrelevante.

Lo que importa no es cuándo cruzamos el horizonte de sucesos. Es que, por definición, un horizonte de sucesos es exactamente el tipo de frontera que un Estado no sabe cómo cruzar.

El Estado como máquina de extrapolar

Todo gobierno moderno funciona, en el fondo, como una máquina de extrapolación. Se legisla mirando una tendencia, se presupuesta proyectando un crecimiento, se regula una tecnología después de observarla el tiempo suficiente como para entender sus riesgos.

Ese modelo —observar, entender, normar— asume implícitamente que el mundo cambia a una velocidad que permite completar el ciclo antes de que la realidad ya haya cambiado otra vez.

Ese supuesto está incorporado en buena parte de la arquitectura del Estado moderno. La planificación presupuestaria, la regulación, la política educativa, la formación laboral y hasta la construcción de infraestructura parten de una premisa similar: que el futuro será suficientemente parecido al presente como para que una decisión tomada hoy siga siendo válida cuando llegue el momento de ejecutarla.

La inteligencia artificial introduce algo diferente: no solo acelera el cambio. Puede convertirse en un mecanismo que acelera la generación del propio cambio.

Si el desarrollo de IA empieza a acelerarse a sí mismo —modelos que ya escriben buena parte del código de la siguiente generación de modelos, que ya proponen materiales y arquitecturas que ningún equipo humano hubiera encontrado solo—, entonces el ciclo de observar-entender-normar deja de tener tiempo para completarse.

El problema de la singularidad no es que la tecnología avance rápido. Es que redefine la velocidad misma como variable.

Este desfase no es un accidente administrativo: es el pacing problem en acción, la brecha estructural entre una tecnología que cambia exponencialmente y unas instituciones que solo pueden hacerlo de forma incremental.

No es que el gobierno legisle tarde. Es que, estructuralmente, ya no puede legislar a tiempo, porque el objeto que intenta regular cambia antes de que termine de describirlo. En otras palabras: el Estado se enfrenta al dilema de Collingridge en estado puro —cuando por fin entiende lo suficiente como para normar, la tecnología ya ha mutado.

Lo que se erosiona primero no es la ley, es el vínculo social

Hay algo más inmediato que la crisis regulatoria, y es más silencioso: la automatización ya no se queda en tareas manuales repetitivas. Está empezando a automatizar conjuntos completos de tareas cognitivas —analistas, programadores, gestores medios, traductores, diseñadores— a una velocidad que el sistema educativo, el mercado laboral y las instituciones de protección social no están diseñados para absorber.

Esto no es solo un problema de empleo. Es un problema de legitimidad institucional. Durante décadas, el contrato social en buena parte del mundo se ha sostenido sobre una premisa implícita: el ciudadano contribuye con su trabajo, y el Estado garantiza estabilidad, servicios y protección. Cuando la tecnología desplaza esa contribución humana a escala, no solo desaparecen puestos de trabajo. Se resquebraja la lógica misma sobre la que se construyeron las políticas públicas del siglo XX. El problema, entonces, deja de ser solamente cómo capacitar al trabajador para el nuevo mercado laboral. La pregunta pasa a ser qué significa participar económicamente en una sociedad en la que una proporción creciente de la producción puede realizarse con cantidades cada vez menores de trabajo humano.

No es casualidad que la renta básica universal haya dejado de sonar utópica en los círculos que más de cerca observan esta curva. Pero el problema va más allá de la economía:la arquitectura de derechos y deberes que conocemos empieza a mostrar grietas estructurales.

La soberanía como recurso escaso

Hay una tercera erosión, todavía menos visible desde un ministerio: la soberanía de cómputo —la capacidad de contar con chips, centros de datos y modelos fundacionales propios— está concentrada en un puñado de empresas y dos o tres países. Un Estado mediano, por más que digitalice sus trámites y modernice su administración, puede terminar dependiendo enteramente de infraestructura ajena para operar su propia inteligencia artificial pública. La soberanía digital del futuro no consistirá necesariamente en poseer todos los modelos, chips o centros de datos. Consistirá, al menos, en tener suficiente capacidad tecnológica, institucional y económica para no quedar completamente subordinado a quienes los poseen.

Eso no es un detalle técnico. Es una nueva forma de dependencia, solo que esta vez el recurso escaso empieza a ser la capacidad de desplegar inteligencia artificial a escala.

¿Y si el evento no llega nunca del todo?

Vale la pena decir algo que rara vez se dice en estos debates: es perfectamente posible que la singularidad, en su versión más literal —una superinteligencia que entra en un ciclo de mejora acelerada prácticamente ilimitado—, nunca ocurra tal como la describen sus teóricos más entusiastas. La energía, los chips, la calidad de los datos de entrenamiento y los propios límites del método actual podrían frenar la curva mucho antes de ese punto.

Pero eso no vuelve irrelevante la pregunta para un gobierno.

No hace falta cruzar el horizonte de sucesos para sentir su gravedad: basta con acercarse lo suficiente para que el tiempo institucional empiece a comportarse distinto, para que un reglamento que antes tardaba dos años en madurar hoy nazca obsoleto en dos meses.

La singularidad, como concepto útil para un gobierno, no es una fecha por prepararse. Es una advertencia sobre los límites del propio método con el que gobernamos.

Lo que sí está en manos del Estado

No podemos saber cuándo llegará la singularidad. Pero sí podemos decidir cómo queremos que encuentre a nuestros Estados.

Primero, desarrollar capacidad propia de cómputo y talento. No todos los países podrán competir en la construcción de los modelos más avanzados, pero todos necesitarán capacidad para comprenderlos, evaluarlos y utilizarlos estratégicamente.

Segundo, redefinir la relación entre tecnología, trabajo y ciudadanía. Si la IA modifica radicalmente la relación entre productividad y empleo, habrá que revisar no solo las políticas laborales, sino también los mecanismos mediante los cuales las personas participan económica y socialmente en la sociedad.

Tercero, aceptar que la velocidad regulatoria tradicional puede no ser suficiente frente a tecnologías que cambian durante el propio ciclo de diagnóstico, legislación e implementación. Esto implica pasar de normas excesivamente cerradas y específicas a marcos basados en principios, resultados y mecanismos de actualización continua.

Cuarto, construir capacidad institucional de adaptación: monitorear tecnologías emergentes, experimentar con nuevas políticas, evaluar sus resultados y ajustar las decisiones sin tener que reiniciar todo el ciclo normativo.

Conclusión: un Estado que aprende

El verdadero desafío de la singularidad para el Estado no es saber exactamente cuándo ocurrirá. Tampoco consiste en adivinar qué tecnología dominará el mundo dentro de diez o veinte años.

Consiste en algo más básico y, al mismo tiempo, más difícil: construir instituciones capaces de funcionar cuando la predicción deje de ser confiable.

Durante buena parte de la historia moderna, gobernar significó observar, analizar, proyectar y decidir. El Estado podía equivocarse en sus previsiones, pero disponía de un supuesto fundamental: cuando la decisión llegara a ejecutarse, el mundo seguiría siendo razonablemente parecido al que había servido de base para tomarla.

La singularidad pone en cuestión ese supuesto.

Si la velocidad del cambio tecnológico llega a superar la velocidad de aprendizaje de las instituciones, el problema ya no será simplemente que una determinada ley quede obsoleta. Será que el propio ciclo mediante el cual el Estado aprende, decide y actúa puede resultar demasiado lento para el entorno que intenta gobernar.

Por eso, quizá el objetivo no deba ser construir un Estado capaz de predecir el futuro.

Tal vez el desafío de la singularidad sea construir un Estado capaz de funcionar cuando ya no pueda hacerlo.

Un Estado que no dependa exclusivamente de la predicción, sino de su capacidad para aprender. Que no espere a tener certeza para experimentar. Que pueda corregir sus políticas sin considerar cada cambio como una crisis institucional.

En otras palabras, pasar de un Estado que extrapola a un Estado que aprende; de un Estado que reacciona a un Estado que experimenta; de un Estado que intenta fijar el futuro en normas a un Estado capaz de adaptarse continuamente a él.

La pregunta, entonces, no es si podemos predecir la singularidad. Es si podemos construir un Estado suficientemente adaptable para sobrevivir a ella.

---

Referencias y lecturas recomendadas

Vinge, V. (1993). The Coming Technological Singularity: How to Survive in the Post-Human Era. NASA VISION-21 Symposium.
Texto original donde se acuña el concepto de singularidad tecnológica como punto de aceleración autoinducida de la inteligencia artificial.

Collingridge, D. (1980). Collingridge Dilemma. Wikipedia.
Definición del dilema regulatorio: cuando una tecnología es nueva es fácil de regular pero no se conocen sus efectos; cuando sus efectos son claros, ya está demasiado arraigada para regularla sin costos masivos.

Demos Helsinki (2022). What is the Collingridge dilemma and why is it important for tech policy?
Aplicación del dilema de Collingridge a la inteligencia artificial y propuestas de gobernanza experimental.

Kleske, J. (2026). The Collingridge Dilemma — Futures Garden.
Primer completo sobre sandboxes regulatorios, gobernanza anticipatoria y regulación adaptativa frente a tecnologías de cambio acelerado.

Predict (2026). Vernor Vinge and The Coming Technological Singularity. Medium.
Análisis contemporáneo sobre la plausibilidad de la singularidad antes de 2030 y la distinción entre despegue suave (soft takeoff) y despegue duro (hard takeoff).