Por qué “la IA curará el cáncer” aún no es una promesa creíble

“La IA curará el cáncer” se ha convertido en una frase abreviada para el optimismo tecnológico. Sin embargo, la discusión pública entre Sam Altman, director ejecutivo de OpenAI, y Dario Amodei, director ejecutivo de Anthropic, no gira tanto en torno a si un avance médico tendría valor. El desacuerdo es sobre lo que le falta a ese lema: para Altman, una visión humana más amplia; para Amodei, pruebas.

Coinciden en algo: el cáncer no basta como argumento

Los dos rechazan que la promesa de curar el cáncer, por sí sola, resuelva el debate público sobre la inteligencia artificial.

Altman ha dicho que el sector tecnológico ha hecho un trabajo «terrible» al explicar el caso positivo de la IA. A su juicio, curar el cáncer sería un resultado maravilloso, pero no una meta suficientemente ambiciosa por sí misma. La IA debería dar a las personas más autonomía y capacidad de decisión, ampliando la creatividad y el emprendimiento en vez de concentrar las capacidades en pocas instituciones. 23

Amodei plantea una exigencia distinta. Ha descrito «la IA curará el cáncer» como un cliché que mucha gente considera engañoso y sostiene que una campaña publicitaria optimista no puede reparar una crisis de confianza más profunda. Su criterio es cumplir: la industria debe producir beneficios concretos y reconocibles, y curar el cáncer es su ejemplo deliberadamente contundente. 49

La tesis de Altman: un beneficio más amplio y cercano a las personas

La objeción de Altman es, en el fondo, una cuestión de alcance. Un gran avance médico tendría un enorme valor social, pero no responde por completo qué hará la IA por la vida cotidiana de la gente.

Su propuesta se centra en poner capacidades al alcance de los usuarios: herramientas para crear, emprender y realizar trabajo científico o técnico. Bajo esta visión, lo relevante no es solo un hallazgo futuro entregado al público, sino que las personas puedan usar sistemas potentes para tener más autonomía. 29

Por eso, su respuesta al escepticismo no es simplemente «esperen la cura». Es que el sector necesita hacer visible un beneficio más amplio y demostrar que la IA aumenta, en vez de reducir, la capacidad de acción humana. 23

La tesis de Amodei: una promesa más grande no sustituye a la evidencia

Amodei no acepta que el problema se resuelva con mejor marketing ni con una promesa todavía más expansiva. Su argumento es que una afirmación grandilocuente pierde fuerza si la ciudadanía no ve resultados creíbles y ya entregados.

Ahí aparece la tensión entre ambas posturas. Altman considera que el mensaje sobre el cáncer es demasiado limitado. Amodei considera que está demasiado poco respaldado. Una lista más extensa de beneficios prometidos —herramientas creativas, emprendimiento, avances científicos o educación— solo fortalecería el planteamiento de Altman si esos beneficios fueran visibles, verificables y distribuidos de forma justa. De lo contrario, podría reforzar la preocupación de Amodei: que la industria está pidiendo confianza para otra proyección de gran escala. 249

Por qué prometer una cura para el cáncer es especialmente arriesgado

La IA ya se explora en oncología y desarrollo de fármacos: desde la identificación de dianas terapéuticas y el diseño de moléculas hasta el diagnóstico y los flujos de trabajo clínicos. Pero progresar en una fase computacional o temprana de descubrimiento no equivale a demostrar que un tratamiento mejora los resultados de los pacientes.

Una revisión sobre IA en oncología señala dificultades de integración de datos, interpretabilidad, equidad, traducción clínica y regulación. También advierte que muchos modelos rinden muy bien con datos retrospectivos, pero carecen de validación clínica prospectiva. 17

El desarrollo de medicamentos sigue siendo lento e incierto: las revisiones sitúan el recorrido habitual desde la identificación de un candidato hasta la aprobación para el mercado en unos 10 a 15 años. 1718 Evaluaciones recientes sobre descubrimiento de fármacos con IA concluyen igualmente que la tecnología puede acelerar el trabajo temprano, pero esa rapidez no se traduce de manera consistente en mejores resultados en las fases clínicas finales. La reproducibilidad, la transparencia de los datos, la regulación y la validación en el mundo real siguen siendo límites relevantes. 22

Hay señales prometedoras de avance hacia la clínica. Compuestos apoyados por IA han llegado a evaluación clínica, pero esos estudios no demuestran por sí solos una eficacia definitiva, y mucho menos una cura del cáncer de aplicación general. 19 La evidencia respalda un optimismo prudente sobre la IA como herramienta de investigación y clínica, no un calendario público seguro para curar el cáncer.

La confianza también depende de quién asume los costes

La afirmación médica se recibe dentro de un contexto social más amplio. Al valorar la IA, la población no solo considera una promesa científica lejana; también sopesa cuestiones inmediatas sobre empleo, desinformación, privacidad, seguridad, educación y la infraestructura necesaria para operar sistemas avanzados.

Los sondeos reflejan parte de esa distancia entre los beneficios prometidos y los costes visibles. En una encuesta de Reuters/Ipsos, solo alrededor de un tercio de los estadounidenses aprobó el rápido ritmo de construcción de centros de datos para sostener la IA, mientras que el 77 % dijo temer un alza en el coste de la electricidad. 34 Un informe global también halló que el 54 % de las personas encuestadas recelaba de confiar en la IA; entre las preocupaciones figuran la ciberseguridad, la privacidad, la desinformación, la pérdida de empleo, la descualificación y los efectos sociales más amplios. 38

Estos datos no implican que la ciudadanía rechace todos los usos de la IA. Sí ayudan a explicar por qué una promesa distante de transformación médica puede no responder a una comunidad que afronta preguntas inmediatas sobre consumo local de energía, demanda de agua, facturas domésticas, empleo o control sobre la tecnología.

Qué haría creíble el argumento público a favor de la IA

Altman y Amodei identifican fallos distintos, pero sus posturas pueden combinarse en un estándar más exigente.

Un caso creíble a favor de la IA debería:

• Mostrar beneficios específicos, no solo posibilidades futuras. Las afirmaciones deben vincularse a resultados que investigadores independientes, reguladores, usuarios y comunidades afectadas puedan evaluar.
• Distinguir entre descubrimiento y beneficio clínico. Generar hipótesis o diseñar moléculas más rápido es importante, pero no equivale a un tratamiento seguro, aprobado y eficaz.
• Explicar con claridad los plazos y la incertidumbre. La investigación médica requiere validación; ni una demostración llamativa ni más capacidad de cómputo pueden sustituirla.
• Poner autonomía en manos de los usuarios. El énfasis de Altman en creatividad y emprendimiento es más sólido cuando el acceso y los beneficios son amplios, no concentrados. 29
• Asumir los daños y costes de infraestructura. La confianza exige claridad sobre seguridad, efectos laborales, privacidad y quién paga la energía y otros impactos locales. 3438

La respuesta más sólida, por tanto, no es «confíen en nosotros, la IA curará el cáncer», ni tampoco «la IA hará a todo el mundo más creativo». Es un historial de beneficios demostrados y comprobables de forma independiente, acompañado de límites expuestos con honestidad, despliegue responsable y un reparto justo de los costes para las personas y comunidades a las que se pide asumirlos.