Hace un año, la expresión "opaque recurrence" no existía. Esta semana es uno de los términos que dominan las conversaciones sobre seguridad en inteligencia artificial: se trata de la técnica de razonamiento detrás del nuevo modelo Astra de OpenAI, y tiene alarmados a los investigadores de seguridad de la compañía. La jerga avanza tan rápido que incluso los profesionales del sector admiten sentirse inseguros al escucharla en reuniones de producto, pitches y paneles.
Un diccionario que se actualiza solo
El glosario que publicó TechCrunch esta semana intenta poner orden: define desde conceptos ya instalados como AGI, agentes de IA y cadena de pensamiento hasta novedades como la propia "opaque recurrence". Pero incluso en las definiciones más básicas aparece la falta de consenso: la AGI, por ejemplo, no tiene una sola versión oficial.
Sam Altman, CEO de OpenAI, la describe como el "equivalente a un humano promedio que podrías contratar como colega"; el estatuto de su empresa la define como sistemas altamente autónomos que superan a los humanos en la mayoría del trabajo económicamente valioso; y Google DeepMind la entiende como una IA al menos tan capaz como las personas en la mayoría de las tareas cognitivas. Tres definiciones, tres estrategias de negocio.
Del término al presupuesto
Detrás de cada palabra hay una decisión de inversión. El término "compute", por ejemplo, resume toda la infraestructura —GPUs, CPUs, TPUs— que hace funcionar los modelos, y es la primera línea del presupuesto de cualquier proyecto de IA. La cadena de pensamiento explica por qué los modelos de razonamiento tardan más en responder: dividen el problema en pasos intermedios para mejorar la precisión, un detalle clave a la hora de evaluar latencia versus calidad en producción. Y los agentes de código, capaces de escribir, probar y depurar software con supervisión mínima, redefinen qué significa tener un equipo de desarrollo.
Los dos glosarios que circularon esta semana revelan algo más: miden velocidades distintas. TechCrunch describe la frontera —agentes autónomos, razonamiento, endpoints de API— mientras que el glosario de Google Cloud se enfoca en los fundamentos: aprendizaje supervisado y no supervisado, sesgo algorítmico, validación cruzada, falsos positivos. Esa distancia no es casualidad. Muestra un campo que aún no estabiliza su propio idioma: lo que para unos es básico, para otros es vanguardia.
Lo que está en juego en América Latina
Para las empresas de la región, el vocabulario no es un tema teórico. Google ya traduce su glosario al español latinoamericano, una señal de que la región es mercado —y de que la traducción siempre llega después del código. Mientras tanto, los ejecutivos negocian contratos de nube donde "compute" define facturas mensuales, evalúan pilotos de agentes que prometen automatizar procesos de back-office y enfrentan regulaciones locales sobre decisiones automatizadas.
El sesgo algorítmico es el caso más urgente: el glosario de Google Cloud advierte que un algoritmo entrenado con datos sesgados puede producir resultados discriminatorios en reclutamiento o reconocimiento facial, exactamente los usos que están creciendo en fintech y recursos humanos de la región. Entender la diferencia entre un LLM, un sistema RAG y un endpoint de API no es pedantería técnica: es la capacidad de distinguir entre una herramienta real y una demo de laboratorio.
La próxima vez que un proveedor mencione "opaque recurrence" en una presentación, la pregunta no debería ser qué significa, sino qué implica para su operación: cuánta autonomía cede, qué supervisión conserva y quién responde cuando el sistema se equivoca. El vocabulario es, antes que nada, la primera señal de madurez de un mercado.
