Capital de TokensSilicon Valley tiene una forma particular de mirar casi cualquier problema: convertirlo en un sistema que pueda medirse, compararse y optimizarse.
No sorprende, entonces, que una de las filosofías altruistas con mayor influencia en ciertos círculos tecnológicos sea precisamente el altruismo efectivo (Effective Altruism, o EA).
La idea básica es sencilla:
Si vas a dedicar dinero, tiempo o tu carrera a ayudar a otros, intenta descubrir dónde esos recursos producen el mayor beneficio posible.
El propio movimiento define el altruismo efectivo como el proyecto de encontrar las mejores maneras de ayudar a otros y ponerlas en práctica, apoyándose en evidencia, razonamiento y comparación entre alternativas.
Fuente: Effective Altruism — What is effective altruism?
Pero lo interesante no es solo la definición.
Lo realmente importante es que esta forma de pensar encaja casi perfectamente con la cultura intelectual de Silicon Valley.
Ayudar como si fuera un problema de ingeniería
La filantropía tradicional puede comenzar con una pregunta emocional:
¿Qué causa me importa?
El altruismo efectivo añade otra:
¿Dónde puede mi próxima unidad de recursos producir más impacto?
Eso cambia el enfoque.
Una organización puede ser noble, conocida y cercana, pero otra puede evitar mucho más sufrimiento con la misma cantidad de dinero.
La pregunta deja de ser únicamente:
¿Es una buena causa?y pasa a ser:
¿Cuánto bien produce?
¿Cuánto cuesta?
¿Qué tan segura es la evidencia?
¿Está recibiendo ya suficiente atención?
¿Hay otra intervención que logre mucho más con los mismos recursos?Ese lenguaje resulta extraordinariamente familiar para ingenieros, fundadores e inversores.
Es la lógica de la optimización aplicada a la moral.
Por qué encajó tan bien en Silicon Valley
Silicon Valley lleva décadas premiando una serie de hábitos mentales:
- medir resultados;
- comparar alternativas;
- buscar cuellos de botella;
- asignar capital hacia oportunidades de alto retorno;
- encontrar problemas grandes y poco atendidos;
- pensar en escalabilidad;
- usar datos para corregir intuiciones.
El altruismo efectivo traslada buena parte de esa mentalidad a la filantropía.
En vez de preguntar únicamente qué organización parece admirable, intenta estimar dónde una donación marginal puede producir un efecto mayor.
En vez de distribuir recursos de manera uniforme, puede concentrarlos donde la diferencia esperada sea mayor.
Y en vez de asumir que todas las causas tienen aproximadamente el mismo retorno social, acepta una idea mucho más incómoda: algunas intervenciones pueden ser órdenes de magnitud más efectivas que otras.
Ese punto aparece de forma explícita en la literatura del movimiento, que sostiene que algunas organizaciones pueden producir muchísimo más beneficio que otras con recursos comparables.
El ejemplo de Dustin Moskovitz y Cari Tuna
Uno de los casos más visibles de esta filosofía dentro del ecosistema tecnológico ha sido el de Dustin Moskovitz, cofundador de Facebook y Asana, y Cari Tuna.
Su filantropía ayudó a construir Open Philanthropy, una organización conocida por evaluar causas con criterios como:
- importancia del problema;
- cuánto está siendo ignorado;
- qué tan tratable parece;
- qué impacto adicional puede producir nuevo financiamiento.
En noviembre de 2025, Open Philanthropy cambió su nombre a Coefficient Giving. La organización explicó que el cambio reflejaba su evolución hacia una plataforma que trabaja con más donantes, pero que su misión y sus valores centrales seguían siendo los mismos.
Fuente: Coefficient Giving — The Story Behind Our New Name
La escala ayuda a entender por qué esta corriente importa.
Coefficient Giving informó que dirigió más de 1.000 millones de dólares en 2025, el mayor volumen anual de su historia.
Fuente: Coefficient Giving — 2025 Letter from the CEO
No estamos hablando, por tanto, únicamente de una discusión académica.
Es una filosofía que ha influido en decisiones reales de asignación de capital a enorme escala.
”Earning to give”: ganar mucho para donar mejor
Una de las ideas más conocidas asociadas al altruismo efectivo es earning to give.
El concepto consiste en elegir una carrera de altos ingresos, siempre que sea moralmente aceptable, y donar una parte significativa del dinero a organizaciones consideradas especialmente efectivas.
La intuición es contraintuitiva.
Alguien podría pensar:
Para hacer más bien debería trabajar directamente en una ONG.
Pero el argumento de earning to give plantea otra posibilidad:
Carrera de alto ingreso
↓
gran capacidad de donación
↓
financiar organizaciones altamente efectivas
↓
impacto indirecto potencialmente mayorEl propio ecosistema del altruismo efectivo aclara hoy que esta estrategia no es necesariamente la mejor opción para todo el mundo. En muchos problemas, el talento especializado puede ser más escaso que el dinero.
Fuente: Effective Altruism Forum — Earning to give
Aun así, la idea tuvo mucha fuerza cultural porque convierte incluso la elección profesional en un problema de impacto marginal.
Del altruismo efectivo al longtermism
Aquí aparece una segunda filosofía muy relacionada: el longtermism.
El longtermism sostiene que influir positivamente sobre el futuro de largo plazo puede ser una prioridad moral importante.
Su razonamiento parte de tres intuiciones:
- las personas futuras también importan moralmente;
- podrían existir enormes cantidades de personas en el futuro;
- nuestras decisiones presentes pueden afectar de forma significativa ese futuro.
Fuente: Effective Altruism — Longtermism: An Introduction
Esta idea cambió el tipo de problemas que muchos altruistas efectivos comenzaron a considerar prioritarios.
Si una catástrofe pudiera afectar no solo a millones de personas actuales, sino también a todas las generaciones futuras, reducir incluso ligeramente esa probabilidad podría tener un valor esperado enorme.
De ahí surge el interés por temas como:
- pandemias extremas;
- riesgos biológicos;
- guerra nuclear;
- resiliencia institucional;
- seguridad de sistemas avanzados de IA;
- riesgos existenciales.
Y aquí el altruismo efectivo entra directamente en el corazón de la industria tecnológica.
Por qué la IA terminó ocupando tanto espacio
Cuando se combinan estas dos ideas:
altruismo efectivo
+
longtermismla inteligencia artificial aparece rápidamente como una cuestión central.
Si sistemas de IA extremadamente capaces pudieran transformar la economía, la guerra, la ciencia, la política y la infraestructura, entonces determinar cómo desarrollarlos y controlarlos podría tener consecuencias que se extiendan durante generaciones.
Esa lógica explica parte de la fuerte conexión histórica entre ciertos círculos de altruismo efectivo y el campo de la AI safety.
Coefficient Giving, por ejemplo, mantiene un programa dedicado a lo que hoy denomina Navigating Transformative AI, centrado principalmente en reducir riesgos catastróficos asociados con sistemas avanzados.
Fuente: Coefficient Giving — Navigating Transformative AI
Esto no significa que toda la comunidad tecnológica comparta esas prioridades.
Significa que una filosofía nacida alrededor de la pregunta “¿cómo hacemos el mayor bien posible?” terminó encontrándose con una industria que podría afectar a miles de millones de personas.
El parentesco con el techno-optimism
El altruismo efectivo también convive con otra corriente muy visible en Silicon Valley: el techno-optimism.
No son lo mismo.
El techno-optimismo tiende a partir de una intuición como esta:
El progreso tecnológico es una de las herramientas más poderosas para mejorar la vida humana.
El altruismo efectivo comienza en otro lugar:
Debemos comparar todas las intervenciones posibles y elegir las que generen mayor impacto.
Las dos filosofías pueden coincidir.
Por ejemplo, financiar investigación científica, nuevas vacunas, energía abundante o mejores sistemas de IA puede parecer atractivo desde ambas perspectivas.
Pero también pueden entrar en tensión.
Un techno-optimista puede querer acelerar una tecnología porque espera enormes beneficios.
Un longtermista preocupado por riesgos catastróficos puede responder que precisamente por su enorme poder deberíamos avanzar con más cautela.
Ese debate —acelerar versus controlar— atraviesa hoy buena parte de la conversación sobre inteligencia artificial.
Las críticas al altruismo efectivo
La mentalidad de optimización tiene ventajas evidentes, pero también límites.
No todo lo moralmente valioso es fácil de cuantificar.
Una hoja de cálculo puede estimar cuántas vidas salva una intervención sanitaria, pero resulta mucho más difícil asignar números a valores como:
- dignidad;
- justicia;
- confianza;
- comunidad;
- libertad;
- cultura;
- legitimidad democrática.
También existe un problema de incertidumbre.
Cuanto más lejos miramos hacia el futuro, más difícil es estimar correctamente las probabilidades.
Un cálculo de valor esperado puede parecer matemáticamente preciso mientras depende de supuestos extremadamente inciertos.
Además, decidir qué significa “hacer el mayor bien” nunca es puramente técnico.
Siempre aparecen preguntas filosóficas:
¿Bien para quién?
¿Durante cuánto tiempo?
¿Debemos priorizar vidas actuales o futuras?
¿Cómo comparamos bienestar humano y animal?
¿Qué riesgos justifican grandes inversiones?
¿Quién decide las métricas?Los números ayudan.
No eliminan la filosofía.
Una filosofía especialmente compatible con ingenieros
Quizá la mejor manera de entender por qué el altruismo efectivo encontró tanto eco en Silicon Valley sea observar su estructura mental.
No pide abandonar la intuición moral.
Pide someterla a pruebas.
intuición
↓
evidencia
↓
comparación
↓
priorización
↓
medición
↓
revisiónEs casi un ciclo de ingeniería aplicado a la ética.
Por eso resulta atractivo para personas acostumbradas a pensar en sistemas, capital, escalabilidad y optimización.
Pero no es “la filosofía de Silicon Valley”
Conviene evitar una simplificación.
Silicon Valley no tiene una filosofía única.
Allí conviven:
- altruismo efectivo;
- techno-optimismo;
- aceleracionismo;
- libertarianismo;
- filantropía tradicional;
- movimientos de seguridad de IA;
- visiones de abundancia;
- posiciones críticas con el propio sector tecnológico.
El altruismo efectivo es una corriente especialmente visible e influyente en determinadas redes de fundadores, investigadores y filántropos.
Eso es distinto de decir que representa a toda la industria.
La pregunta que deja abierta
El altruismo tradicional suele empezar con:
Quiero ayudar.
El altruismo efectivo añade:
¿Cómo sé que esta es la mejor forma de ayudar?
El longtermism empuja la pregunta todavía más lejos:
¿Y qué ocurre si las consecuencias más importantes de nuestras decisiones todavía no han sucedido?
Esa combinación —evidencia, optimización, escala y futuro— explica buena parte de su atractivo en Silicon Valley.
Y también explica por qué muchas de las discusiones más intensas sobre IA ya no son únicamente discusiones técnicas.
En el fondo son discusiones filosóficas sobre qué futuro queremos optimizar, para quién y bajo qué riesgos.