El titular fácil es que Bill Gates quiere frenar la inteligencia artificial.

Pero eso simplifica demasiado lo que está proponiendo.

En un largo ensayo publicado el 26 de agosto de 2026, y en entrevistas concedidas ese mismo día, Gates describe algo más ambicioso: una arquitectura política para convivir con una tecnología que, según él, avanzará más rápido que la capacidad de las instituciones para adaptarse.

Su punto de partida es incómodo para alguien que ha pasado toda su vida defendiendo la innovación tecnológica. Gates dice que, si existiera un plan creíble para ralentizar globalmente el avance de la IA, probablemente lo apoyaría. Al mismo tiempo, cree que ese escenario es poco realista porque los incentivos económicos y geopolíticos empujan a Estados Unidos, China, empresas y laboratorios a seguir acelerando.

Por eso su propuesta práctica no es simplemente “detener la IA”.

Es algo más parecido a esto:

  1. poner controles alrededor de los usos y capacidades más peligrosos;
  2. intervenir en el mercado laboral para que la automatización no sustituya a las personas tan rápido como técnicamente sería posible;
  3. crear nuevas instituciones nacionales e internacionales capaces de gobernar una tecnología que cruza fronteras y sectores.

Las propuestas de Gates no forman un único freno: combinan seguridad, trabajo humano y gobernanza.

Por qué Gates cambió de tono

Gates lleva años hablando de la IA como una tecnología con capacidad para transformar salud, agricultura, educación, productividad y ciencia.

Eso no ha desaparecido.

En su nuevo ensayo sigue defendiendo que la IA puede producir beneficios enormes. La diferencia es que ahora concede mucho más peso a la velocidad de la transición y a los daños que pueden aparecer antes de que esos beneficios se distribuyan.

Su argumento central es que las analogías con anteriores revoluciones tecnológicas pueden engañarnos.

La mecanización agrícola, el automóvil, el PC o Internet tardaron décadas en transformar completamente la economía. La IA tiene varias características que pueden comprimir esa transición:

  • funciona sobre dispositivos e infraestructura que ya existen;
  • utiliza lenguaje natural, por lo que los usuarios no necesitan aprender una interfaz completamente nueva;
  • puede absorber procedimientos de trabajo directamente de documentos, conversaciones, vídeos y datos existentes;
  • mejora tanto en tareas cognitivas como, combinada con robótica, en tareas físicas.

El resultado, según Gates, es que sectores completos pueden sentir el impacto en una década en lugar de varias generaciones.

Los tres riesgos que Gates coloca en primer plano

Aunque el debate público suele reducir la IA a productividad frente a desempleo, Gates agrupa sus preocupaciones en tres grandes bloques.

1. Destrucción estructural de empleo

Gates no cree que todo empleo destruido por IA vaya a reaparecer automáticamente en nuevas profesiones.

Su razonamiento es que anteriores olas de automatización eliminaron tareas, pero dejaron muchas otras reservadas a capacidades cognitivas humanas. Si los sistemas de IA también pueden ejecutar gran parte de ese trabajo cognitivo, esa reserva se reduce.

Los puestos de entrada y nivel medio le preocupan especialmente porque son los que permiten adquirir experiencia antes de alcanzar trabajos más complejos.

Esto afecta directamente a software, soporte, administración, derecho, medicina, manufactura y otros sectores donde la IA puede empezar como asistente y terminar ejecutando flujos completos con muy poca supervisión.

2. Abuso, ciberseguridad y capacidades peligrosas

El segundo riesgo no depende de que una IA sea “consciente”.

Basta con que sistemas muy capaces permitan a actores maliciosos hacer cosas que antes requerían equipos especializados: automatizar ataques informáticos, escalar fraude, diseñar campañas de manipulación o reducir barreras para amenazas biológicas.

Gates también incluye un riesgo más extremo: sistemas que actúen de formas no previstas por sus diseñadores a medida que aumenten sus capacidades y autonomía.

Aquí su preocupación se parece menos a una regulación laboral y más a un régimen de control para tecnologías de alto impacto.

3. Niños y relaciones humanas

El tercer riesgo es social.

Gates teme que asistentes y compañeros artificiales extremadamente complacientes puedan sustituir parte de las experiencias difíciles que ayudan a desarrollar criterio, independencia y habilidades sociales.

No es un argumento contra todos los tutores o asistentes de IA. De hecho, Gates sigue defendiendo usos educativos. Su preocupación es lo que sucede cuando un sistema diseñado para mantener la interacción se convierte en sustituto permanente de relaciones humanas, especialmente durante etapas de desarrollo.

“Human Reserved”: trabajos que decidimos no automatizar

La propuesta más llamativa es una categoría que Gates llama Human Reserved.

La idea es sencilla de explicar y muy difícil de implementar:

aunque una máquina pueda realizar una tarea, la sociedad puede decidir que determinadas funciones sigan siendo humanas.

Gates compara el concepto con una reserva natural. Técnicamente podríamos construir sobre un terreno protegido, pero decidimos no hacerlo porque queremos conservar algo que consideramos valioso.

Aplicado al trabajo, eso podría significar varias cosas.

Algunas funciones podrían quedar permanentemente reservadas a personas por razones de legitimidad, confianza o vínculo humano. Axios menciona ejemplos discutidos por Gates como el cuidado infantil o determinadas funciones del sistema judicial.

En otros sectores, la protección podría ser temporal: permitir que una profesión utilice IA sin sustituir inmediatamente a la mayoría de sus trabajadores.

En sanidad o educación, por ejemplo, el objetivo no tendría que ser prohibir la IA. Podría ser mantener al profesional humano y permitirle apoyarse en herramientas automáticas.

Axios reportó que Gates llegó a imaginar, en un escenario extremo, que inicialmente podría reservarse para humanos hasta alrededor del 40 % de los empleos. Él mismo reconoció lo difícil que sería alcanzar incluso ese porcentaje.

El problema económico: hoy automatizar puede tener ventaja fiscal

Gates recupera además una idea que había defendido años atrás: un impuesto a los robots.

En esta nueva discusión amplía el concepto hacia impuestos asociados al uso de IA, incluyendo la posibilidad de gravar tokens o mecanismos equivalentes.

La lógica es doble.

Primero, un sistema fiscal basado fuertemente en trabajo humano puede terminar incentivando su sustitución: contratar a una persona implica nómina, impuestos y contribuciones, mientras que automatizar parte del trabajo puede evitar una fracción de esos costes.

Segundo, si menos personas trabajan o si disminuyen horas y salarios, el Estado puede recaudar menos precisamente cuando necesita financiar más transición laboral, formación y protección social.

Un impuesto sobre automatización intentaría cambiar ambas curvas:

automatización
     │
     ├── menor coste privado para la empresa
     │
     └── mayor coste social de transición

impuesto / tasa
     │
     └── intenta devolver parte del coste social
         al cálculo económico de automatizar

El reto está en la definición.

¿Qué se grava exactamente?

¿Un robot físico? ¿Una llamada a un modelo? ¿Los tokens generados? ¿El ahorro de trabajo estimado? ¿La productividad adicional?

Cada opción crea incentivos distintos y oportunidades distintas de evasión o arbitraje.

Una nueva arquitectura institucional para la IA

La parte más ambiciosa de la propuesta de Gates no es el impuesto ni los trabajos reservados.

Es la creación de nuevas instituciones nacionales e internacionales dedicadas a gestionar la transición de la IA.

Gates sostiene que los organismos actuales no fueron diseñados para una tecnología que puede afectar simultáneamente empleo, seguridad nacional, educación, salud, energía, información y relaciones sociales.

Su referencia no es una única agencia existente. Habla de combinar elementos de varios modelos de gobernanza:

  • regímenes de inspección asociados al control nuclear;
  • reglas internacionales de aviación;
  • acuerdos multilaterales como los utilizados para proteger la capa de ozono.

Reuters informó además que Gates quiere llevar estas ideas a conversaciones con líderes internacionales, incluido el presidente chino Xi Jinping. Su hipótesis es que determinadas restricciones sobre modelos especialmente peligrosos tendrían más posibilidades de convertirse en norma global si Estados Unidos actuara primero y China aceptara mecanismos equivalentes.

Ese punto es crítico.

Un país puede regular el uso interno de la IA. Es mucho más difícil regular una capacidad que puede desarrollarse en otra jurisdicción y distribuirse digitalmente.

Seguridad, transición laboral y gobernanza son problemas relacionados, pero requieren instrumentos diferentes.

El gran obstáculo: todos quieren cooperación y ventaja competitiva al mismo tiempo

La propuesta suena razonable mientras se describe en abstracto.

La ejecución es otra historia.

Un régimen internacional fuerte tendría que resolver preguntas enormes:

  • ¿qué nivel de capacidad convierte un modelo en “peligroso”?;
  • ¿qué pruebas serían obligatorias antes de desplegarlo?;
  • ¿quién audita los laboratorios?;
  • ¿cómo se inspeccionan modelos cerrados y modelos abiertos?;
  • ¿cómo se evita que un país utilice las reglas para frenar a competidores?;
  • ¿qué ocurre si una jurisdicción decide no participar?;
  • ¿cómo se actualizan las reglas cuando las capacidades cambian cada pocos meses?

La dificultad aumenta porque las mismas naciones que necesitan cooperar también compiten por liderazgo en chips, modelos, centros de datos, robótica y aplicaciones.

Ese conflicto entre seguridad colectiva y ventaja estratégica probablemente sea el principal cuello de botella de cualquier sistema global.

“Human Reserved” también tiene problemas difíciles

Reservar trabajos a humanos puede proteger dignidad, legitimidad y estabilidad social.

Pero también abre preguntas incómodas.

¿Quién decide qué trabajo merece protección?

Una profesión bien organizada podría presionar para reservar sus puestos mientras trabajadores con menos influencia quedan expuestos a la automatización.

¿Se protege una profesión o una tarea?

Un médico puede utilizar IA sin dejar de ser médico. Un programador puede delegar generación de código y conservar responsabilidad sobre arquitectura y validación.

La frontera entre asistencia y sustitución no siempre es clara.

¿Qué pasa con la competencia internacional?

Si una empresa estadounidense debe mantener más trabajadores humanos mientras un competidor extranjero automatiza completamente, la protección laboral puede convertirse en desventaja de costes.

Eso empuja nuevamente el problema hacia acuerdos internacionales.

¿Cuánto tiempo debe durar la protección?

Reservar ciertas tareas durante cinco años para permitir una transición es distinto de prohibir su automatización para siempre.

Diseñar una salida puede ser tan importante como diseñar la reserva inicial.

Lo más importante del planteamiento de Gates

El aspecto más interesante no es una propuesta concreta.

Es el cambio de unidad de análisis.

Gran parte de la conversación sobre IA sigue centrada en qué puede hacer el siguiente modelo.

Gates está preguntando otra cosa:

¿qué instituciones necesitamos cuando los modelos pueden hacer cada vez más?

Eso mueve el debate desde benchmarks y capacidades hacia mecanismos de adaptación:

  • cómo distribuimos productividad;
  • cómo mantenemos responsabilidad humana;
  • cómo financiamos la transición;
  • cómo medimos riesgos;
  • cómo coordinamos a países rivales;
  • qué partes de la vida decidimos no optimizar únicamente por eficiencia.

Qué significa esto para quienes construyen agentes de IA

Para equipos que desarrollan agentes, copilotos y automatización, este debate no es abstracto.

Si la dirección propuesta por Gates gana influencia, varias prácticas que hoy parecen opcionales podrían convertirse en requisitos normales.

Trazabilidad

Los sistemas necesitarán registrar qué hizo el agente, qué herramientas utilizó, qué decisiones tomó y qué acciones quedaron bajo aprobación humana.

Límites de autonomía

No todos los dominios tendrán el mismo nivel de libertad. Un agente que resume documentos no tiene el mismo perfil de riesgo que uno capaz de mover dinero, modificar infraestructura o ejecutar acciones biológicas.

Evaluación antes del despliegue

Los tests dejarían de medir solamente calidad. También tendrían que medir capacidades de abuso, escalamiento de privilegios, evasión de controles y comportamiento fuera de distribución.

Human-in-the-loop como política, no como parche

En determinados flujos, mantener una decisión humana podría dejar de ser una limitación temporal del producto y convertirse en parte deliberada del diseño institucional.

Economía de la automatización

Si aparecen impuestos, tasas o regulaciones vinculadas a sustitución laboral, el cálculo de ROI de un agente podría incluir algo más que tokens, infraestructura y salarios evitados.

No es un argumento anti-IA

Gates sigue siendo explícitamente optimista sobre muchas aplicaciones de inteligencia artificial.

La Gates Foundation trabaja con empresas como OpenAI, Anthropic, Google y Microsoft para aplicar IA a salud, educación y agricultura.

Su tesis no es que los beneficios sean falsos.

Es que no aparecerán de manera justa o segura por defecto.

Y ahí está la diferencia fundamental entre dos visiones de la transición.

Una confía en que la velocidad de innovación resolverá los problemas creados por la propia innovación.

La otra sostiene que algunas consecuencias son demasiado grandes para dejarlas exclusivamente al mercado y a las empresas que desarrollan la tecnología.

Gates se está moviendo claramente hacia la segunda.

La pregunta que queda abierta

Es fácil decir que necesitamos límites.

Lo difícil es diseñarlos sin congelar la innovación, capturar el regulador, proteger profesiones por influencia política o trasladar el desarrollo a países con reglas más débiles.

Por eso el debate importante no es regulación sí o no.

Es mucho más específico:

qué capacidad regulamos, con qué evidencia, durante cuánto tiempo, bajo qué autoridad y con qué mecanismo de revisión.

La IA seguirá avanzando mientras esas respuestas se discuten.

Ese desfase —entre la velocidad del software y la velocidad de las instituciones— es precisamente el problema que Gates intenta poner sobre la mesa.

Fuentes