Inteligencia irregular: cómo un puzzle revela los límites de los modelos de IA
Un simple rompecabezas demuestra que las inteligencias artificiales actuales tienen capacidades muy desiguales, según lo que vieron en sus datos de entrenamiento. No es magia uniforme, sino un saber a los saltos que afecta el uso cotidiano.
Hace apenas dos días, el periodista de datos Aatish Bhatia publicó un puzzle que sirve como radiografía perfecta de cómo funciona (y cómo falla) la inteligencia de los modelos de lenguaje actuales.
La idea es sencilla pero reveladora: los LLMs dependen fuertemente de los patrones que vieron durante su entrenamiento. Cuando el puzzle se parece a algo que ya procesaron millones de veces, responden con soltura. Cuando se sale un poco del camino conocido, se caen de bruces. El resultado es una “inteligencia jagged”, irregular, llena de picos y valles impredecibles.
Esto no es un detalle técnico para ingenieros. Es algo que cualquiera que use ChatGPT, Claude, Gemini o Grok nota en la práctica: un día te resuelve un problema complejo de programación y al siguiente no puede seguir correctamente una receta de tres pasos que le diste en español rioplatense.
El puzzle de Bhatia funciona como un espejo. Muestra que estas herramientas no “entienden” en el sentido humano de la palabra, sino que reproducen patrones estadísticos. Cuando el patrón está bien representado en los datos de entrenamiento, la respuesta parece brillante. Cuando no, la respuesta es confusa o directamente errada, aunque el usuario perciba la tarea como igual de fácil.
Para la gente común que usa estas herramientas para escribir mails, hacer resúmenes, crear imágenes o simplemente charlar, este jagged intelligence explica muchas frustraciones diarias. A veces el modelo parece un asistente brillante; otras, un compañero distraído que se olvida de lo que dijo dos mensajes atrás.
El fenómeno también tiene consecuencias en la forma en que consumimos y producimos contenido. Creadores que usan IA para generar guiones o ideas notan que ciertos estilos o estructuras salen impecables mientras que otros, más originales o locales, requieren correcciones constantes. Lo mismo pasa con los usuarios comunes: el mismo prompt puede dar resultados muy distintos según el día o la versión del modelo.
Lejos de ser un problema solo de laboratorio, esta irregularidad está moldeando ya la cultura digital de 2026. Influye en cómo buscamos información, cómo aprendemos, cómo nos divertimos y hasta cómo nos comunicamos. Entender que la IA no es un saber parejo sino un collage de lo que vio en internet nos ayuda a usarla con menos frustración y más realismo.
El puzzle de Bhatia termina siendo una invitación a mirar con ojos curiosos estos sistemas que ya forman parte de nuestra vida cotidiana. No para demonizarlos ni para sobreestimarlos, sino para conocer sus contornos reales. Porque cuanto mejor sepamos dónde brillan y dónde tropiezan, mejor podremos integrarlos (o no) en nuestra rutina digital.