“La IA podría matar a todos los humanos, pero la competencia nos obliga a seguir”

Resumen:

Quienes dirigen y desarrollan la inteligencia artificial de frontera advierten que esa tecnología puede provocar una catástrofe, reclaman límites y, al mismo tiempo, aceleran su construcción. El artículo sostiene que esa contradicción no es moral: expresa la coerción de la competencia, que impone a cada capital una carrera que ninguno puede abandonar unilateralmente. El argumento no depende de las profecías sobre una superinteligencia. Aun descartándolas, unos pocos grandes capitales concentran la capacidad de movilizar el general intellect mediante la inteligencia artificial, que no constituye una fuente autónoma de valor sino que se incorpora a la producción como capital constante. Las plataformas digitales permiten acortar, además, el circuito por el cual el trabajo intelectual perfecciona la maquinaria que luego se le enfrenta. Inversión productiva y capital ficticio se articulan, a su vez, en una expansión que tropieza con límites de rentabilidad y energía. La competencia entre capitales se prolonga en la rivalidad entre Estados y adquiere una dimensión imperialista: el Estado al que se pide imponer límites es también uno de los competidores. En esas condiciones, el desarrollo de las fuerzas productivas puede adquirir el carácter destructivo que Marx y Engels describieron en La ideología alemana. El problema de control no se agota en el alineamiento técnico: una IA perfectamente alineada con sus propietarios podría ser, precisamente por eso, una fuerza destructiva. La expropiación de los grandes capitales tecnológicos bajo control de los trabajadores y de la sociedad es, así, el comienzo del verdadero problema de control, no su final.

---

INDICE

Una carrera por producir conocimiento

El general intellect entra en la fábrica

El circuito de enajenación se acorta

Valor, maquinaria y capital ficticio

“Atrapados en una carrera”

Cuando las fuerzas productivas se vuelven destructivas

Del monopolio a la competencia imperialista

Herbert vio a los hombres; Marx, la relación social

El verdadero problema de control

Referencias

El presente texto es un adelanto del libro sobre el tema, compilado por Osvaldo Coggiola, próximo a ser publicado por Editorial LF de Brasil.

En el curso de una sola semana de septiembre de 2026, la industria de la inteligencia artificial tuvo la amabilidad de representar ante el público la contradicción que gobierna su desarrollo. ¿Puede una industria considerar seriamente que aquello que está construyendo amenaza la supervivencia humana y, al mismo tiempo, continuar acelerando su construcción?

La pregunta parece plantear una contradicción moral. O bien quienes advierten sobre el peligro exageran para inflar la valuación de sus empresas y sus productos, o bien creen realmente en él y son irresponsables. Es posible encontrar ejemplos de ambas cosas. Pero reducir el problema a las intenciones de los empresarios, investigadores y técnicos involucrados deja sin explicar lo más interesante: por qué incluso aquellos que declaran creer sinceramente que sería necesario disminuir la velocidad continúan participando de una carrera que ninguno se considera capaz de abandonar unilateralmente.

La contradicción no apareció de golpe. En marzo de 2023, una carta abierta reclamó suspender durante al menos seis meses el entrenamiento de sistemas más potentes que GPT-4. Su propio texto describía a los laboratorios como atrapados en una “carrera fuera de control”. Elon Musk estuvo entre quienes respaldaron la iniciativa; trece días antes de su publicación había inscripto en Nevada la sociedad X.AI Corp., que presentaría en julio como una nueva empresa destinada precisamente a competir en esa carrera (KTNV, 2023). En mayo del mismo año, otra declaración sostuvo que reducir el riesgo de extinción provocado por la inteligencia artificial debía convertirse en una prioridad mundial comparable a las pandemias y la guerra nuclear. Entre sus firmantes figuraban Sam Altman, Dario Amodei y Demis Hassabis, responsables de OpenAI, Anthropic y Google DeepMind (Future of Life Institute, 2023; Center for AI Safety, 2023).

Tres años después, la contradicción se presentó de una manera todavía más explícita. Investigadores de las empresas que encabezan el desarrollo de la inteligencia artificial renunciaron denunciando que participaban de una carrera potencialmente catastrófica; las propias compañías reclamaron reglas comunes que les impusieran límites que no podían asumir individualmente; y algunos de sus máximos ejecutivos pidieron públicamente desacelerar el desarrollo.

Lo revelador no es que Silicon Valley haya descubierto repentinamente la prudencia. Es algo más interesante: los protagonistas de la carrera reconocen que ninguno puede detenerla por su cuenta. Cada empresa puede considerar deseable bajar la velocidad y, simultáneamente, temer que hacerlo mientras sus rivales continúan signifique perder la tecnología, los clientes, el capital y, finalmente, su posición en el mercado. Aquello que no pueden decidir individualmente empiezan entonces a reclamar que les sea impuesto colectivamente. La conciencia del peligro no suspende la competencia. Choca con ella.

No es necesario aceptar las profecías más extremas de la industria para reconocer el problema. Podemos incluso conceder, a los efectos del argumento, que ninguno de esos sistemas llegará jamás a constituir una “superinteligencia” capaz de exterminar autónomamente a la especie humana. La cuestión permanece intacta. La inteligencia artificial ya concentra una capacidad extraordinaria para reorganizar el trabajo intelectual, acelerar la investigación científica, intensificar la vigilancia y ampliar las capacidades militares. Esa potencia social no existe en abstracto: se desarrolla bajo relaciones de propiedad, competencia capitalista y rivalidades estatales determinadas.

La pregunta fundamental no es, entonces, si la máquina se volverá contra la humanidad. Es qué sucede cuando una capacidad intelectual producida por generaciones de trabajo social queda objetivada en infraestructuras privadas que sólo un reducido número de grandes capitales puede movilizar, y cuando esos mismos capitales están obligados a acelerar su desarrollo porque compiten entre sí.

Una carrera por producir conocimiento

En septiembre de 2026, esa contradicción adquirió una forma casi experimental. Las ecuaciones de Navier-Stokes describen el movimiento de los fluidos, desde el aire alrededor de un ala hasta el agua dentro de una tubería. Uno de los problemas matemáticos fundamentales consiste en determinar si, en tres dimensiones y partiendo de determinadas condiciones regulares, sus soluciones permanecen siempre regulares o pueden desarrollar una singularidad en un tiempo finito. El Clay Mathematics Institute lo incluyó entre sus siete Problemas del Milenio, con un premio de un millón de dólares (Clay Mathematics Institute, 2026).

El 8 de septiembre OpenAI anunció una demostración (en uno de los casos contemplados por la formulación oficial del problema, el que admite una fuerza externa suave) de que una solución inicialmente regular podía desarrollar una singularidad en tiempo finito; el caso sin fuerza externa sigue abierto. La empresa publicó también una formalización de la demostración en el asistente de demostración de teoremas Lean. Luego deberá ser verificada mediante un escrutinio independiente de la comunidad matemática.

En cualquier caso, lo extraordinario es cómo se produjo el resultado. El 1º de septiembre OpenAI había escuchado rumores de que dos Problemas del Milenio habían sido resueltos. Inspirada, según sus propias palabras, por esos rumores y por el salto de rendimiento de un nuevo modelo interno que entrenaba desde el 28 de agosto, la empresa decidió lanzarlo contra todos los problemas todavía abiertos. El grupo dedicado a Navier-Stokes llegó a coordinar unos 10.000 agentes simultáneos. Después de aproximadamente 88 horas obtuvo la demostración; la formalización posterior requirió otras 17. Durante el proceso los agentes intercambiaron 2,7 millones de mensajes y produjeron alrededor de 130.000 millones de tokens (OpenAI, 2026c). La prensa especializada estimó el costo del operativo entre 10 y 40 millones de dólares (Shimkus, 2026).

El rumor que había desencadenado el operativo estaba vinculado a Tristan Buckmaster, profesor de matemática en la Universidad de Nueva York, y Levent Alpöge, empleado de Anthropic. Ambos estaban trabajando, mediante un modelo interno de Anthropic, en un problema relacionado. OpenAI creyó inicialmente que habían resuelto Navier-Stokes y llegó a proponerles una publicación simultánea en la que reconocería su prioridad; luego comprobó que el resultado de Buckmaster y Alpöge correspondía a las ecuaciones de Euler con fuerza externa (OpenAI, 2026c).

El episodio tampoco terminó con Navier-Stokes. El 21 de septiembre OpenAI afirmó que el mismo modelo había resuelto ya más de cien problemas abiertos de larga data en distintas áreas de la matemática y creó un grupo asesor específico para discutir el impacto de esas capacidades sobre la disciplina (OpenAI, 2026d). Si la afirmación resiste la revisión independiente, Navier-Stokes no sería una anomalía espectacular sino la primera exhibición pública de una transformación mucho más general de las condiciones de producción científica.

Volvamos a Navier-Stokes, porque hay más tela para cortar. El experimento matemático fue, desde su comienzo, también un episodio de competencia. Un rumor de que otro laboratorio podía adelantarse precipitó la movilización masiva de recursos computacionales. La carrera por demostrar la potencia de un modelo y la carrera por resolver un problema científico aparecieron fundidas en un mismo proceso.

OpenAI no pretende reclamar el millón de dólares asociado al premio. No tendría demasiado sentido económico para un operativo de ese costo. La verdadera mercancía no es la solución de una ecuación. Lo que se muestra ante inversores, clientes y competidores es que un determinado capital puede concentrar en días una masa de trabajo intelectual que hasta hace muy poco podía exigir meses o años.

En marzo de 2026 OpenAI había anunciado compromisos de inversión por 122.000 millones de dólares, a una valuación posinversión de 852.000 millones. Una valuación no mide el capital productivo físicamente existente: expresa el precio atribuido a la totalidad de los derechos de propiedad sobre la empresa y capitaliza, entre otras cosas, expectativas sobre beneficios futuros. En ese sentido opera en el terreno que Marx definió como capital ficticio: derechos sobre ingresos futuros cuyo precio puede expandirse y circular con relativa autonomía respecto del capital real que representan. Gastar millones para demostrar que una infraestructura propia puede movilizar en días lo que antes demandaba años deja entonces de parecer una extravagancia filantrópica. Es una demostración destinada a sostener expectativas de valorización ante inversores y competidores. El capital ficticio, como se ve, parece resolver ecuaciones “gratis”.

El general intellect entra en la fábrica

Lo significativo del episodio no es que una computadora haya colaborado en una demostración matemática. La informática forma parte desde hace décadas del trabajo científico. Tampoco es nueva la industrialización de la investigación: los laboratorios corporativos, la industria farmacéutica, el Proyecto Manhattan y la big science tienen una larga historia.

La novedad reside en la entrada de ese proceso en regiones del trabajo intelectual donde los medios de producción habían permanecido relativamente baratos y la maestría individual conservaba un lugar excepcional. Un matemático podía trabajar en la frontera de su disciplina con una universidad, una biblioteca, una computadora y, exagerando poco, lápiz y papel. Una parte creciente de esa frontera comienza ahora a depender de chips, centros de datos, electricidad, modelos propietarios y enormes masas digitalizadas de conocimiento que sólo los capitales de mayor escala pueden movilizar industrialmente. Una universidad no puede decidir mañana coordinar diez mil agentes de frontera durante cuatro días sobre una conjetura. OpenAI sí. Se concentra así no sólo el conocimiento existente, sino los medios materiales para producir nuevo conocimiento, movilizarlo, validarlo y orientar las preguntas hacia las cuales se dirige.

La propia profesión matemática ha comenzado a registrar el problema. La Declaración de Leiden sobre Inteligencia Artificial y Matemáticas, respaldada por la Unión Matemática Internacional, advirtió que los modelos se alimentan del patrimonio matemático publicado sin garantizar siempre la atribución del trabajo humano que condensan; cuestionó los anuncios determinados por los tiempos del mercado antes de la evaluación científica; señaló la desigualdad entre los investigadores y las organizaciones que controlan las tecnologías; y reclamó infraestructura pública de investigación y cómputo (Leiden Declaration, 2026; International Mathematical Union, 2026). Es la formulación académica de un proceso que Marx anticipó con otra terminología.

En los Grundrisse llamó general intellect al saber social acumulado que, con el desarrollo de la gran industria, se transforma en una fuerza productiva inmediata. Ciencia, cooperación, experiencia histórica y conocimiento colectivo se incorporan al sistema de máquinas. Pero bajo el capitalismo esa inteligencia social no aparece como capacidad consciente de los productores asociados. Se objetiva frente a ellos como propiedad del capital (Marx, 1857-1858/1971).

La inteligencia artificial lleva ese movimiento a una forma singularmente literal. Una parte creciente del archivo intelectual de la especie (lenguajes, textos, imágenes, código, conocimiento científico, producción cultural) se incorpora a modelos, programas, procesadores y centros de datos privados. La capacidad de movilizar industrialmente ese conocimiento pertenece a quienes poseen esa infraestructura.

La IA, por ello, no constituye una fuente autónoma de valor. Es capital constante: trabajo pretérito objetivado que aumenta y reorganiza la productividad del trabajo vivo. Que una máquina realice operaciones antes ejecutadas por un trabajador no convierte a la máquina en creadora de nuevo valor. El aumento de productividad modifica cuánto trabajo social es necesario para producir una mercancía, redistribuye plusvalor entre capitales y altera las condiciones de valorización; no deroga la ley del valor (Rabey, 2025; Ramal, 2025a, 2026). El fetichismo tecnológico comienza cuando se atribuye a “la IA” una capacidad que sólo puede comprenderse reconstruyendo las relaciones sociales condensadas en ella.

El circuito de enajenación se acorta

Durante siglos el conocimiento social se acumuló en libros, teoremas, técnicas, máquinas, bibliotecas y sistemas educativos. El productor intelectual utilizaba ese patrimonio heredado para realizar nuevo trabajo, cuyos resultados podían ser posteriormente apropiados, comercializados o incorporados a otros medios de producción. Las plataformas contemporáneas permiten acortar extraordinariamente ese circuito.

El investigador utiliza como instrumento de trabajo una maquinaria que pertenece a otro capital. Puede escribir, programar, traducir, elaborar hipótesis, ensayar demostraciones o discutir extensiones de su propia investigación dentro de una infraestructura privada. El proceso mismo mediante el cual produce conocimiento deja huellas en un sistema que registra y organiza interacciones y que, dependiendo del servicio, las políticas aplicables y las decisiones empresariales, puede obtener información útil para perfeccionar sus productos.

La cuestión apareció públicamente alrededor del propio episodio matemático. Andreas Thom, cuyo trabajo con Gábor Kun había sido central para otro resultado posteriormente anunciado por OpenAI (OpenAI, 2026b), señaló que durante meses había utilizado ChatGPT para discutir extensiones todavía inéditas de sus investigaciones y pidió que la empresa aclarara si esas conversaciones podían haber influido de algún modo en sus sistemas (Capraro, 2026).

El caso de Buckmaster es todavía más nítido: durante los dos meses previos había trabajado con Codex, el agente de programación de OpenAI. En una primera declaración, la empresa negó que sus agentes hubieran tenido acceso directo al trabajo de ambos investigadores, pero admitió que, “aunque improbable”, no podía “descartar que datos anonimizados derivados de su uso de nuestros productos hayan ayudado a mejorar nuestros modelos” (Conover, 2026). El 10 de septiembre, tras una investigación interna, actualizó su anuncio para afirmar que los prompts de Buckmaster no podían haber influido en el sistema de ningún modo, ni siquiera a través del entrenamiento (OpenAI, 2026c).

Incluso tomando por buenas esas negativas, la novedad está en la relación material que hace posible esa interrogación: la actividad del productor intelectual con la maquinaria de otro capital puede producir información susceptible de contribuir al perfeccionamiento del instrumento, y la capacidad acumulada reaparece después frente a él como una potencia ajena y, potencialmente, como competidora.

No hace falta imaginar un entrenamiento “en tiempo real”. Tampoco hace falta que cada conversación vuelva inmediatamente al modelo. El fenómeno es más general. El trabajo vivo puede desarrollarse dentro del mismo circuito digital en el que se acumulan datos sobre sus procedimientos; la plataforma puede aprender qué tareas interesan, dónde fracasa el sistema, qué correcciones realizan los usuarios, qué instrumentos requieren, qué secuencias de trabajo funcionan y cuáles no. Esa información puede convertirse posteriormente en insumo para el desarrollo del producto, mediante entrenamiento, evaluación, diseño, investigación o reorganización del proceso productivo.

La separación entre productor e instrumento adquiere así una forma particularmente densa. El trabajador intelectual no sólo enfrenta una máquina construida con conocimiento social acumulado. Puede contribuir, mediante el ejercicio mismo de su actividad, al perfeccionamiento del capital fijo que luego reorganiza, abarata o desplaza una parte de ese trabajo. Marx describió el resultado general de ese movimiento: “La acumulación del saber y de la destreza, de las fuerzas productivas generales del cerebro social, es absorbida así, con respecto al trabajo, por el capital y se presenta por ende como propiedad del capital, y más precisamente del capital fixe” (Marx, 1857-1858/1971, t. 2, p. 220). Lo nuevo no es la absorción en sí, sino su compresión temporal y la integración de varias fases dentro de la misma infraestructura privada.

Meses o años podían separar antiguamente la producción de un conocimiento, su incorporación a una tecnología y la aparición de esa tecnología frente a los trabajadores como una fuerza independiente. Las plataformas digitales permiten comprimir varias fases dentro de una misma infraestructura. El general intellect no es solamente apropiado retrospectivamente. Una parte de su reproducción ampliada puede desarrollarse dentro de los medios privados que lo convierten en capital.

Valor, maquinaria y capital ficticio

Para cada capital particular, introducir una tecnología que reduce el tiempo de trabajo necesario puede significar una ventaja formidable. Mientras la nueva técnica no se ha generalizado, el capital innovador produce en condiciones superiores a la media social y puede apropiarse de plusvalores extraordinarios. Reducir costos, automatizar tareas y acelerar procesos es, por lo tanto, una necesidad competitiva. Pero aquello que es racional para cada capital individual produce resultados contradictorios cuando se generaliza.

La inversión creciente en maquinaria, software, chips, centros de datos y energía aumenta el peso del capital constante respecto del trabajo vivo, única fuente de nuevo valor. La elevación de la composición orgánica del capital ejerce así una presión tendencial sobre la tasa de ganancia. El aumento de la explotación, el abaratamiento de los propios elementos del capital constante, la apertura de nuevos mercados, la renta monopólica, la depreciación del capital y otros factores pueden contrarrestar esa tendencia. No la eliminan como contradicción. La IA no suspende las leyes de valorización. Las agudiza bajo una forma nueva.

El auge actual combina, además, enormes inversiones productivas con una anticipación extraordinaria de ganancias futuras. Empresas cuya infraestructura requiere desembolsos gigantescos son valuadas por el mercado de acuerdo con expectativas sobre ingresos que todavía deben realizarse. El mercado capitaliza en el presente un futuro supuesto. Capital productivo y capital ficticio no aparecen aquí simplemente yuxtapuestos: se articulan en un mismo circuito. La expansión material de chips, centros de datos y capacidad de cómputo se financia mediante derechos sobre ganancias futuras, mientras las expectativas creadas por esa expansión elevan las valuaciones y facilitan nuevo financiamiento.

La capacidad tecnológica existe: los centros de datos son reales, los procesadores consumen energía real y los modelos ya realizan tareas económicamente útiles. No estamos ante una ficción en el sentido vulgar de algo inexistente. El carácter ficticio radica en la autonomía con la que esos derechos sobre ganancias futuras se inflan y circulan respecto de la base productiva real: el capital anticipa como riqueza acumulada lo que no es más que la pretensión de apropiarse, mediante monopolio y escala, de una cuota colosal del plusvalor social de mañana. La misma competencia que impulsa a cada empresa a invertir más alimenta entonces una carrera por anticipar la posición que cada capital espera ocupar cuando esas ganancias se realicen.

Esa articulación adquiere una forma particularmente visible en el llamado financiamiento circular. Proveedores de procesadores, infraestructura y servicios de nube invierten, prestan o garantizan recursos a empresas de inteligencia artificial que utilizan luego una parte de esos fondos para comprar capacidad de cómputo, chips y servicios dentro del mismo ecosistema. No significa que la infraestructura sea ficticia ni que la demanda sea inventada. Significa que el financiamiento de la oferta y la expansión de la demanda empiezan a sostenerse mutuamente sobre la expectativa de que las ganancias futuras anticipadas terminen efectivamente realizándose. Si esas expectativas fallan, la desvalorización puede propagarse entre laboratorios, fabricantes de hardware, proveedores de nube, fondos y acreedores que financiaron recíprocamente la expansión (Martínez, 2026).

La contradicción empieza a adquirir una forma empírica bastante precisa. La frontera tecnológica requiere masas crecientes de capital para obtener mejoras cuya monetización no aumenta necesariamente en la misma proporción. Los modelos más avanzados exigen más procesadores, energía e infraestructura, mientras empresas y usuarios descubren que, para numerosas tareas, modelos anteriores y considerablemente más baratos resultan suficientes. En septiembre, apenas alrededor del 11% del gasto registrado por Ramp entre sus clientes que utilizaban modelos de Anthropic correspondía a Fable 5, su sistema más avanzado y costoso. Al mismo tiempo, OpenAI proyectaba flujos de caja negativos acumulados de cientos de miles de millones de dólares hasta el final de la década. La cuestión ya no es simplemente cuánto puede avanzar técnicamente la inteligencia artificial, sino si cada nuevo escalón de capacidad puede generar y realizar ganancias suficientes para valorizar la masa creciente de capital adelantado.

La competencia produce además una segunda contradicción. Mientras los capitales norteamericanos intentan preservar rentas monopólicas mediante modelos propietarios de frontera, empresas chinas compiten con modelos abiertos o de pesos abiertos considerablemente más baratos. En algunos casos, el costo de utilización de los modelos chinos es órdenes de magnitud inferior al de los modelos norteamericanos más avanzados. La misma competencia que impulsa a los monopolios a realizar inversiones gigantescas presiona simultáneamente hacia el abaratamiento y la comoditización del producto con el que esperan recuperar esas inversiones. El capital aumenta compulsivamente la productividad y, al hacerlo, erosiona las condiciones excepcionales de valorización que justificaron el desembolso inicial (Martínez, 2026).

A esa tensión económica se agrega un límite enteramente material. El cómputo no existe en “la nube”: los modelos y centros de datos requieren suelo, agua, redes eléctricas y masas crecientes de energía. La disponibilidad y el costo de esa infraestructura comienzan así a convertirse en restricciones de la propia carrera. Incluso el general intellect, como descubre ahora el capital digital, necesita centrales eléctricas.

“Atrapados en una carrera”

En septiembre de 2026 Jacob Coxon renunció a Anthropic. Había trabajado alrededor de tres años en investigación de pretraining, primero en OpenAI y luego en Anthropic. Denunció que ambas compañías corren “directo hacia una superinteligencia capaz de mejorarse a sí misma” y “apuestan con nuestras vidas” (Coxon, 2026; Waldvogel y Tiku, 2026).

La hipótesis que alarma a Coxon tampoco es ya solamente una especulación de los críticos de la industria. OpenAI acaba de declarar como objetivo la construcción de un “investigador de IA automatizado” y describe explícitamente una trayectoria hacia el recursive self-improvement, en la que los sistemas asumirían partes crecientes del desarrollo de sus propios sucesores (OpenAI, 2026e).

Lo notable no es que Coxon acuse a sus antiguos compañeros de desconocer el peligro. Sostiene casi lo contrario. Según su relato, una parte significativa de quienes desarrollan esos sistemas cree sinceramente que la IA “podría matarnos a todos” antes del fin de la década, y aun así continúa desarrollándolos. El problema es que cada organización piensa que los demás continuarán aunque ella se detenga. En OpenAI, dice, muchos no habrían internalizado la magnitud del riesgo; Anthropic, en cambio, “entiende plenamente lo que está en juego”, pero está “atrapada en una carrera por llegar primero”: precisamente porque se presenta a sí misma como más preocupada por la seguridad, concluye que debe llegar antes que competidores menos responsables. Coxon todavía confía en acuerdos de ritmo entre los laboratorios o, llegado el caso, en una prohibición temporal de aumentar las capacidades de los modelos (Coxon, 2026).

La argumentación tiene una virtud involuntaria: reproduce en el lenguaje cotidiano de Silicon Valley la coerción de la competencia que Marx describió para el capital. Las leyes de la producción capitalista no necesitan aparecer ante cada empresario como conclusiones teóricas. Se le imponen en el mercado como “leyes coercitivas de la competencia” y llegan a su conciencia como “motivos impulsores” de su acción (Marx, 1867, cap. X). El capital que introduce primero un método capaz de reducir costos obtiene una ventaja; la misma ley obliga después a los demás a adoptarlo. La innovación deja de ser una elección libre del capitalista individual para aparecer ante él como condición de supervivencia.

No importa demasiado que el empresario tenga una personalidad agradable o desagradable. Como propietario y personificación de un capital tiene margen para tomar decisiones, pero no para abolir unilateralmente las condiciones de reproducción de ese capital. Sam Altman, Dario Amodei, Elon Musk, Mark Zuckerberg, Jensen Huang, Sundar Pichai y Satya Nadella tienen intereses, ideas y responsabilidad por sus actos. Convertir el problema en una conspiración de siete villanos, sin embargo, nos dejaría en la superficie. Se enfrentan entre ellos, y es precisamente esa rivalidad la que obliga a acelerar. El “responsable” que permanece porque considera que debe ganar la carrera antes de que la gane un irresponsable y el “responsable” que renuncia porque descubre que no puede detenerla son dos respuestas subjetivas diferentes a la misma coerción objetiva.

Evan Hubinger, responsable de Alignment Science en Anthropic, respaldó públicamente a Coxon y estimó en más de 10% la posibilidad de que sistemas futuros pudieran provocar la muerte de toda la humanidad durante la década siguiente (Hubinger, 2026). Agregó algo todavía más grave: que Anthropic no tiene un plan para resolver el alineamiento de una superinteligencia y no está claramente en camino de tenerlo. No poseemos, por razones obvias, una muestra estadística de civilizaciones exterminadas por superinteligencias contra la cual contrastar ese porcentaje. Como hecho social, sin embargo, resulta extraordinario. Una parte de quienes ocupan posiciones privilegiadas para conocer el desarrollo técnico declara creer que participa de una actividad capaz de generar una catástrofe y, sin embargo, la actividad continúa.

Mrinank Sharma, investigador de salvaguardas en Anthropic, había renunciado en febrero de 2026 hablando de un mundo “en peligro” y de presiones que lo obligaban a apartarse de aquello que consideraba importante. Anunció que volvería a estudiar y escribir poesía (Murray, 2026). La división social del trabajo produce a veces metáforas que ningún crítico podría mejorar.

La reacción institucional resulta todavía más significativa. El 9 de septiembre, OpenAI reclamó reglas nacionales obligatorias vinculadas a las capacidades de los modelos y reconoció que, si las salvaguardas resultaban insuficientes, podía ser necesario disminuir el ritmo de desarrollo (Lehane, 2026). Tres días después, Amodei pidió públicamente desacelerar la evolución de los modelos, y Sam Altman y Elon Musk se manifestaron de acuerdo (Reuters, 2026c).

Es un reconocimiento notable: aquello que cada capital no puede hacer unilateralmente debe ser impuesto simultáneamente a todos. Ese reclamo no tiene necesariamente una sola determinación. La preocupación por los riesgos puede ser perfectamente sincera y coexistir con una presión económica mucho más prosaica: cada nuevo modelo de frontera requiere una masa mayor de capital mientras su rentabilidad adicional se vuelve incierta. Como ha señalado Agustín Martínez, el llamado a “frenar” aparece precisamente cuando la carrera comienza a tropezar con límites de financiamiento, rentabilidad y energía (Martínez, 2026). Las dos explicaciones no se excluyen. Un capital puede considerar peligroso y económicamente ruinoso continuar acelerando y, al mismo tiempo, no poder detenerse mientras sus rivales continúen. La misma competencia que obliga a acelerar puede generar así un interés común por coordinar una desaceleración que ninguno está dispuesto a iniciar unilateralmente.

La regulación aparece como intento de colocar desde fuera de la competencia una restricción que la competencia misma impide asumir voluntariamente. Esto no vuelve irrelevante la regulación. Puede evitar daños, establecer controles e imponer prohibiciones necesarias. Pero explica por qué esperar que la responsabilidad individual de los laboratorios suprima por sí sola la carrera equivale a pedirles que dejen de actuar como capitales mientras permanecen sometidos a las relaciones que los constituyen como tales.

Queda todavía una dificultad: el “afuera” al que se apela no está fuera de la competencia. La autoridad a la que se le pide imponer el límite es el Estado, y el Estado es, a otra escala, uno de los competidores.

El discurso del riesgo cumple, además, funciones contradictorias. Puede expresar preocupaciones perfectamente genuinas y funcionar simultáneamente como ideología de la concentración. Si desarrollar modelos “seguros” requiere auditorías extremadamente costosas, enormes capacidades de cómputo, equipos especializados y complejas barreras regulatorias, los mismos monopolios que producen el riesgo aparecen también como los pocos actores capaces de financiar su administración. No hace falta suponer cinismo. Una ideología puede cumplir una función material independientemente de la sinceridad de quienes la sostienen.

Y el espectáculo de una extinción futura puede desplazar con facilidad problemas menos cinematográficos pero ya presentes: apropiación de datos y conocimiento, vigilancia laboral, degradación o desplazamiento de empleos, trabajo barato de anotación y moderación, concentración energética y militarización. El Apocalipsis, nobleza obliga, tampoco es necesariamente una mala marca para empresas cuya valuación depende de convencer al mercado de que están construyendo la tecnología más poderosa de la historia. Anthropic, mientras tanto, prepara una salida a bolsa para la que algunos inversores mencionan valuaciones de hasta dos billones de dólares (Rozen, 2026).

Cuando las fuerzas productivas se vuelven destructivas

Maquinaria y dinero. Marx y Engels habían utilizado precisamente esos dos términos al describir, en La ideología alemana, un estadio en el que determinadas fuerzas productivas, bajo las relaciones sociales existentes, dejan de operar simplemente como fuerzas de producción y adquieren el carácter de “fuerzas destructivas (la maquinaria y el dinero)” (Marx y Engels, 1845-1846). Los dos términos designan los dos lados del fenómeno: la maquinaria en la que el general intellect se objetiva como capital fijo y el dinero que, como capital ficticio, anticipa y financia su valorización. La competencia impone el despliegue acelerado de ambos; la rivalidad entre Estados le da a esa coerción su escala militar.

La formulación de Marx y Engels no era una teoría de la detención del desarrollo técnico. La decadencia capitalista no consiste en que no haya innovación tecnológica, sino en que las fuerzas productivas continúan desarrollándose dentro de relaciones sociales que empiezan a convertir su propia potencia en una fuente de crisis y destrucción (Rieznik, 2008; Rabey, 2016, 2025; Ramal, 2025b). La inteligencia artificial permite observar esa contradicción en movimiento: una maquinaria que multiplica capacidades intelectuales y una masa de capital que debe valorizarse mediante su despliegue acelerado.

Del monopolio a la competencia imperialista

La competencia no termina en las empresas. La inteligencia artificial es una tecnología de uso dual casi por definición. Un sistema capaz de encontrar vulnerabilidades puede proteger una red o atacarla; uno capaz de coordinar miles de agentes para investigar matemáticas puede coordinar otras tareas; una tecnología de visión artificial puede clasificar imágenes médicas o participar en la identificación de objetivos militares.

La autonomía operacional de algunos sistemas dejó también de ser una mera figura literaria. En julio de 2026, Hugging Face documentó una intrusión sostenida contra su infraestructura, realizada por agentes de OpenAI durante una evaluación interna de capacidades. Según su reconstrucción, los sistemas ejecutaron miles de acciones durante varios días, incluidas maniobras de evasión y movimiento lateral (Hugging Face, 2026). No estamos ante Skynet: los agentes dependían de infraestructura, herramientas y objetivos humanos. Pero una secuencia técnica compleja puede ser planificada y ejecutada con grados crecientes de autonomía.

La militarización tampoco pertenece a un futuro hipotético (Erlej, 2024; Niro, 2025). Ucrania se convirtió en uno de los principales laboratorios de guerra algorítmica y uso masivo de drones: según las estimaciones oficiales de Kiev recogidas por el Institute for Economics and Peace, en marzo de 2026 los drones habrían sido responsables del 96% de las 35.551 bajas rusas registradas ese mes (Institute for Economics and Peace, 2026). Más allá del sesgo propagandístico intrínseco a los partes militares en conflicto, la cifra transparenta cómo los propios mandos bélicos y sus proveedores corporativos publicitan la letalidad algorítmica como argumento para captar financiamiento estatal. Sistemas de inteligencia artificial participan en reconocimiento, coordinación, logística y análisis de datos. Palantir aporta sus sistemas y Kiev montó un repositorio para compartir datos de combate con los países aliados que entrenan su propio software (Reuters, 2026a).

En Gaza y Líbano la mediación tecnológica es todavía más directa. Una investigación de Associated Press documentó que el uso militar israelí de modelos comerciales de Microsoft y OpenAI se multiplicó casi por doscientos después de octubre de 2023, y que la nube de Microsoft procesaba transcripciones y traducciones de vigilancia masiva que luego se cruzaban con los sistemas propios de selección de blancos. Microsoft terminó suspendiendo determinados servicios después de revisar su utilización por una unidad militar israelí (Associated Press, 2025).

La cuestión decisiva no es si una máquina adquiere súbitamente voluntad bélica. Son los Estados, ejércitos y capitales quienes incorporan sistemas cada vez más autónomos a relaciones de violencia que ya existen. La competencia económica se integra así a la rivalidad entre Estados.

Lenin y Bujarin habían observado que en la época del capital monopolista la competencia no desaparece: cambia de escala y se entrelaza con los aparatos estatales (Bujarin, 1915/1971; Lenin, 1916). Los monopolios necesitan al Estado para garantizar propiedad, financiar infraestructura, disciplinar fuerza de trabajo, abrir mercados, regular competidores y defender posiciones en el mercado mundial. En el caso de la inteligencia artificial, los Estados financian investigación, compran servicios, controlan exportaciones de semiconductores, subvencionan plantas, firman contratos militares y buscan transformar la superioridad tecnológica de sus empresas en una ventaja estratégica.

Anthropic obtuvo en 2025 un contrato de hasta 200 millones de dólares con el Departamento de Defensa norteamericano para desarrollar capacidades de IA (Anthropic, 2025). Posteriormente entró en conflicto con el Pentágono por negarse a levantar restricciones relacionadas con vigilancia doméstica masiva y armas completamente autónomas sin intervención humana. El gobierno intentó declararla un riesgo para la cadena de suministro de defensa, y la empresa denunció amenazas de recurrir a la Defense Production Act (Anthropic, 2026); en agosto de 2026, una jueza federal consideró ilegal esa represalia (Reuters, 2026b). Mientras tanto, el 1º de mayo, el Pentágono había cerrado acuerdos para incorporar inteligencia artificial a sus redes clasificadas con otras ocho empresas, entre ellas OpenAI, Google, Microsoft, Nvidia y SpaceX, sin Anthropic (Kelley, 2026). Las dos restricciones que Anthropic se negó a levantar no son hipótesis de laboratorio: Ucrania y Gaza muestran que describen prácticas en curso.

El episodio es más instructivo que cualquier especulación abstracta. Una empresa cuya identidad corporativa se apoya precisamente en presentarse como desarrolladora responsable de IA intentó mantener dos límites y chocó con las necesidades del aparato militar de su propio Estado. Cuando una tecnología entra en la disputa por supremacía militar, frenar unilateralmente deja de significar solamente perder un cliente. Desde el punto de vista de cada Estado puede significar conceder una ventaja estratégica al rival. El Estado al que los laboratorios piden que les imponga límites fue, en este caso, el que exigió levantarlos. La coerción de la competencia entre capitales se eleva a competencia imperialista.

La disputa entre Estados Unidos y China por los semiconductores muestra el mismo mecanismo antes de convertirse en guerra abierta. Washington restringió durante años el acceso chino a los procesadores más avanzados y extendió controles sobre tecnologías necesarias para producirlos. Nvidia reconoció los efectos de esas medidas sobre su acceso al mercado chino, mientras Beijing aceleró la construcción de capacidades nacionales y las empresas buscaron mecanismos para eludir o reducir las restricciones (Congressional Research Service, 2026; Nvidia, 2026). Alrededor de Taiwán, el cerco militar se tecnifica al mismo ritmo: el gabinete de Taipéi solicitó un presupuesto suplementario que incluye más de 40.000 drones de ataque costero, más de 600 de reconocimiento y un primer lote de más de cien embarcaciones no tripuladas (Reuters, 2026d). La autonomización bélica rodea de manera directa el epicentro geográfico de la propia infraestructura mundial de chips. Un Estado decide quién puede comprar determinados medios de producción del general intellect y los distribuye de acuerdo con su mapa estratégico.

La contradicción llega hasta la diplomacia. En la cumbre de Washington de fines de septiembre de 2026, ambos gobiernos acordaron mantener un diálogo sobre los riesgos y beneficios de la inteligencia artificial, con una nueva ronda prevista para noviembre, y crear un canal de comunicación para incidentes vinculados con ella (Reuters, 2026e). La Casa Blanca lo bautizó “Diálogo sobre Superinteligencia” (UPI, 2026); la cancillería china siguió hablando de inteligencia artificial. Al mismo tiempo, ambos Estados continuaron disputándose chips, modelos, mercados y supremacía tecnológica: crearon un canal para administrar los accidentes de una carrera que ninguno se propone detener.

Pueden comprender perfectamente que una carrera ilimitada aumenta riesgos comunes y, simultáneamente, considerar que no pueden abandonarla porque hacerlo significaría ceder una posición estratégica. La contradicción que Coxon describe dentro de un laboratorio reaparece a escala del sistema mundial.

Herbert vio a los hombres; Marx, la relación social

Frank Herbert había formulado en Dune, en 1965, una intuición de notable actualidad. Su universo se construye después de una catástrofe que llevó a prohibir las máquinas capaces de imitar la mente humana. En la novela no hay, sin embargo, una rebelión de las máquinas. Herbert sugería algo más interesante: los hombres habían entregado su pensamiento a máquinas esperando liberarse y eso permitió que otros hombres, utilizando esas máquinas, los sometieran.

Detrás del artefacto aparecen así sus propietarios y operadores. Pero tampoco los individuos que controlan el artefacto actúan en un vacío social. El problema no consiste simplemente en que algunos hombres especialmente malvados hayan conseguido una máquina demasiado poderosa. El conocimiento social objetivado adopta la forma de propiedad privada y capital; quienes controlan ese capital están sometidos, a su vez, a las condiciones de su valorización y competencia. Herbert vio a los hombres detrás de las máquinas. Marx permite ver la relación social que gobierna también a esos hombres.

Esto modifica profundamente el llamado “problema de alineamiento”. El alignment técnico pregunta cómo conseguir que un sistema suficientemente autónomo ejecute los objetivos humanos que se le asignan, respete determinadas restricciones y no produzca consecuencias indeseadas. Es un problema real. Pero una IA perfectamente alineada con OpenAI, Meta, Palantir, Lockheed Martin o el Pentágono podría obedecer impecablemente a sus operadores y convertirse, precisamente por eso, en una formidable fuerza destructiva.

Una máquina no necesita rebelarse contra su propietario para constituir un peligro. Puede bastar con que obedezca.

No se trata de una hipótesis. Documentos obtenidos por The Intercept mediante un juicio de acceso a la información revelaron, en septiembre de 2026, que el Pentágono había propuesto a OpenAI modelos con “tasas mínimas de rechazo”; la empresa sostiene que rechazó esa cláusula y que no integra el contrato ejecutado (Biddle, 2026). Que el comprador militar lo haya pedido por escrito ya dice bastante sobre qué clase de proveedor busca.

Por eso preguntar si la inteligencia artificial comparte “nuestros valores” antes de preguntar quién define ese “nosotros” invierte el problema. Hay por lo menos tres cuestiones distintas. La primera es técnica: ¿podemos controlar el comportamiento de sistemas complejos? La segunda es política: ¿quién determina sus objetivos y sus límites? La tercera es social: ¿quién posee los medios materiales en los que esa capacidad está objetivada? Resolver la primera no resuelve las otras dos.

El capitalismo disponía de medios capaces de provocar una catástrofe civilizatoria mucho antes de la aparición de la inteligencia artificial. El arsenal nuclear que dio origen al Reloj del Juicio Final basta para recordarlo. La IA no inventa la contradicción. Multiplica las capacidades técnicas mediante las cuales puede desplegarse.

El verdadero problema de control

La competencia obliga a cada capital a revolucionar permanentemente sus métodos de producción. El desarrollo compulsivo de las fuerzas productivas forma parte de la dinámica del sistema y, al mismo tiempo, crea las condiciones de nuevas contradicciones. Frente a las antiguas profecías sobre “el fin del trabajo”, se señaló que no es la máquina la que despide al trabajador sino su utilización capitalista (Coggiola, 1995; Heller, 1997; Rabey, 2016). Una tecnología capaz de reducir radicalmente el tiempo de trabajo necesario podría permitir, bajo otra organización social, disminuir la jornada y distribuir entre todos el trabajo que todavía deba realizarse. Bajo el capital, la misma ganancia de productividad puede manifestarse como intensificación, desempleo, precarización y aumento de la explotación.

La inteligencia artificial agrega una particularidad: los sistemas técnicos adquieren grados crecientes de autonomía para planificar y ejecutar secuencias complejas de operaciones. Pero esa autonomización tecnológica se desarrolla en el interior de una autonomización social mucho más antigua: la del capital frente a las personas que participan de su reproducción. Coxon lo expresa de manera casi perfecta: saben que puede existir un peligro, pero están atrapados en una carrera. No hay que elegir, entonces, entre una explicación social y una explicación tecnológica. La cuestión consiste precisamente en que la creciente autonomía operacional de las máquinas se desarrolla dentro de relaciones sociales que obligan a acelerar su despliegue.

Por eso la política frente a la inteligencia artificial no puede oscilar entre fatalismo y fetichismo. Una posición contempla la automatización como una fuerza natural e inevitable ante la cual sólo sería posible proteger a sus víctimas. Otra descubre que los nuevos sistemas multiplican las capacidades de cálculo y concluye que una computadora suficientemente poderosa podría resolver, por sí misma, los problemas de organización social e incluso la planificación socialista. Es sustituir el dios mercado por el dios computadora. La cuestión no consiste sólo en disponer de mejores medios de cálculo. Es quién decide los fines de la producción, quién posee los medios técnicos, quién controla su desarrollo y quién se apropia del aumento de productividad.

La apropiación social del general intellect tampoco es una consigna reservada para un futuro indeterminado: comienza en conflictos actuales. Prohibir armas autónomas sin control humano significativo y el uso de sistemas de inteligencia artificial para vigilancia masiva. Someter a control público los modelos, investigaciones e infraestructuras financiados mediante contratos y subsidios estatales. Eliminar el secreto comercial cuando impide fiscalizar riesgos sociales. Garantizar acceso público a infraestructura científica y capacidad de cómputo. Someter laboratorios y centros de datos al control de trabajadores, científicos y organizaciones sociales. Reducir la jornada laboral cuando aumenta la productividad, en lugar de transformar ese aumento en despidos e intensificación. Estas reivindicaciones conducen al problema de la propiedad porque tropiezan inevitablemente con ella.

Mientras las infraestructuras que concentran el general intellect pertenezcan a un puñado de monopolios, la inteligencia social acumulada aparecerá ante sus propios productores como potencia privada. Los grandes capitales tecnológicos deben ser expropiados y puestos bajo control de los trabajadores y de la sociedad, de manera que los aumentos de productividad puedan financiar reducción del tiempo de trabajo, salud, educación, jubilaciones y el conjunto del salario social, en lugar de rentas monopólicas y guerra. No porque una propiedad estatal o colectiva resuelva mágicamente todos los problemas técnicos o políticos. También habría que decidir democráticamente qué investigar, qué sistemas construir, cuáles prohibir y con qué objetivos desarrollar la producción. Precisamente por eso la propiedad es el comienzo del verdadero problema de control, no su final.

Los investigadores que abandonan una empresa porque descubren que no pueden decidir el destino de aquello que producen no son una anomalía. Su situación expresa, bajo una forma extraordinariamente sofisticada, una relación mucho más general. En lo esencial, no difiere de la del anotador de datos en Kenia, la del docente cuyo trabajo reorganiza una plataforma o la del empleado administrativo cuya tarea se automatiza. Cambian los salarios, la calificación y el prestigio, pero no la separación fundamental entre quienes producen y las condiciones sociales que gobiernan su producción.

Renunciar puede constituir una decisión individual perfectamente respetable. No resuelve una contradicción que no tiene solución individual. Tampoco puede resolverla un pacto voluntario y permanente entre competidores, como los acuerdos de ritmo que propone Coxon. Ningún acuerdo de buena voluntad elimina la coerción que vuelve racional romperlo cuando está en juego una ventaja decisiva. Por eso los propios capitales terminan reclamando que el límite provenga desde fuera de ellos, aunque ese afuera, el Estado, esté sometido a la misma coerción a escala mundial. La humanidad ha producido tecnologías capaces de movilizar en días masas de conocimiento que hasta hace poco exigían años de trabajo colectivo. Ésa es una conquista formidable de las fuerzas productivas sociales. Pero, atrapada en las relaciones que la engendraron, esa potencia aparece como propiedad monopólica, capital ficticio, instrumento de vigilancia y arma estratégica.

No se trata de enseñarle a la máquina fines mejores como si la técnica fuese un instrumento enteramente formado que sólo espera un propietario virtuoso. La competencia modela también qué sistemas se desarrollan, qué problemas reciben recursos, qué infraestructura se construye y qué investigaciones resultan rentables.

La disyuntiva no es entre una IA buena y una IA mala, ni entre venerarla y prohibirla, sino entre dos regímenes sociales.

No hemos producido demasiada inteligencia. Hemos producido una inteligencia colectiva que se nos enfrenta como capital.

Arrancarla de esa forma social no será obra de quienes hoy administran ese capital, por sinceras que sean sus advertencias, ni de un comité de expertos encargado de enseñarle a la máquina “nuestros valores”. Es tarea de la clase que produce ese cerebro social. Y lo que está en juego, como advierten los propios ingenieros atrapados en la carrera, ya no es solamente el empleo.

---

1. Este texto retoma y amplía argumentos desarrollados en “Las promesas de la inteligencia artificial y la crisis de la seguridad social (Primera parte)” (Hic Rhodus, 26, 2025) y, sobre el debate del fin del trabajo, en “Debates contemporáneos sobre la crisis del capitalismo” (Hic Rhodus, 10, 2016).

Referencias

Anthropic (2025, 14 de julio). Anthropic and the Department of Defense to advance responsible AI in defense operations. https://www.anthropic.com/news/anthropic-and-the-department-of-defense-to-advance-responsible-ai-in-defense-operations

Anthropic (2026, 27 de febrero). Statement on the comments from Secretary of War Pete Hegseth. https://www.anthropic.com/news/statement-comments-secretary-war

Associated Press (2025). How US tech giants supplied Israel with AI models, raising questions about tech’s role in warfare. https://apnews.com/article/430f6f15aab420806163558732726ad9

Biddle, Sam (2026, 8 de septiembre). “The Pentagon asked OpenAI for artificial intelligence designed to rarely say no”. The Intercept. https://theintercept.com/2026/09/08/pentagon-openai-military-contract/

Bujarin, Nikolái (1915/1971). La economía mundial y el imperialismo.

Capraro, Valerio [@ValerioCapraro] (2026, 10 de septiembre). [Publicaciones sobre la denuncia de Andreas Thom] [Publicación]. X. https://x.com/ValerioCapraro/status/2097791836269977996

Center for AI Safety (2023, 30 de mayo). Statement on AI Extinction Risk. https://aistatement.com/work/statement-on-ai-extinction-risk

Clay Mathematics Institute (2026). The Millennium Prize Problems. https://www.claymath.org/millennium-problems/

Coggiola, Osvaldo (1995). “Crisis, nuevas tecnologías y clase obrera”. En Defensa del Marxismo, 9. https://revistaedm.com.ar/nota/crisis-nuevas-tecnologias-y-clase-obrera/

Congressional Research Service (2026). Legal authority for export controls and tariffs on semiconductor chips sold to China (LSB11409). https://www.congress.gov/crs-product/LSB11409

Conover, Emily (2026, 9 de septiembre). “AI may have solved one of math’s biggest puzzles, raising controversy”. Science News. https://www.sciencenews.org/article/ai-math-puzzle-navier-stokes-openai

Coxon, Jacob [@hilbertspaess] (2026, 9 de septiembre). [Hilo sobre su renuncia a Anthropic] [Publicación]. X. https://x.com/hilbertspaess/status/2097476196791709843

Erlej, Leib (2024, 6 de abril). “Genocidio con Inteligencia Artificial en Gaza”. Política Obrera. https://politicaobrera.com/11546-genocidio-con-inteligencia-artificial-en-gaza/

Future of Life Institute (2023, 22 de marzo). Pause Giant AI Experiments: An Open Letter. https://futureoflife.org/open-letter/pause-giant-ai-experiments/

Heller, Pablo (1997). “El fin del trabajo de Jeremy Rifkin”. En Defensa del Marxismo, 18. https://revistaedm.com.ar/nota/el-fin-del-trabajo-de-jeremy-rifkin/

Herbert, Frank (1965). Dune.

Hubinger, Evan [@EvanHub] (2026, 9 de septiembre). [Respuesta a Jacob Coxon] [Publicación]. X. https://x.com/EvanHub/status/2097497037956891126

Hugging Face (2026, 27 de julio). Anatomy of a frontier lab agent intrusion: a technical timeline of the July 2026 incident. https://huggingface.co/blog/agent-intrusion-technical-timeline

Institute for Economics and Peace (2026). How AI is transforming conflict and peace. Vision of Humanity. https://www.visionofhumanity.org/how-ai-is-transforming-conflict-and-peace/

International Mathematical Union (2026, mayo). The IMU endorses the Leiden Declaration on Artificial Intelligence and Mathematics. https://www.mathunion.org/imu-news/archive/2026/imu-news-137-may-2026

Kharazian, Ara (2026, 12 de agosto). “Cracks in the AI Thesis”. Ramp Economics Lab. https://ramp.com/data/ai-index-august-2026

Kelley, Alexandra (2026, 1 de mayo). “Pentagon makes agreements with 8 companies to add AI to classified networks”. Nextgov/FCW. https://www.nextgov.com/artificial-intelligence/2026/05/pentagon-makes-agreements-7-companies-add-ai-classified-networks/413264/

KTNV (2023, 14 de abril). “Elon Musk files Nevada business formation for ‘X.AI’”. https://www.ktnv.com/news/elon-musk-files-nevada-business-formation-for-x-ai

Lehane, Chris (2026, 9 de septiembre). The AI policy window is open. We need to act. OpenAI. https://openai.com/index/ai-policy-window/

Leiden Declaration (2026, 2 de junio). Leiden Declaration on Artificial Intelligence and Mathematics. https://leidendeclaration.ai/

Lenin, Vladimir I. (1916). El imperialismo, fase superior del capitalismo.

Martínez, Agustín (2026, 19 de septiembre). “Frenar la Inteligencia Artificial”. Política Obrera. https://politicaobrera.com/16914-frenar-la-inteligencia-artificial/

Marx, Karl (1857-1858/1971). Elementos fundamentales para la crítica de la economía política (Grundrisse), “Fragmento sobre las máquinas”. Siglo XXI.

Marx, Karl (1867/1975). El capital. Crítica de la economía política, tomo I (trad. de Pedro Scaron). México: Siglo XXI Editores.

Marx, Karl y Friedrich Engels (1845-1846). La ideología alemana.

Murray, Conor (2026, 9 de febrero). “Anthropic AI safety researcher warns of ‘world in peril’ in resignation”. Forbes. https://www.forbes.com/sites/conormurray/2026/02/09/anthropic-ai-safety-researcher-warns-of-world-in-peril-in-resignation/

Niro (2025, 19 de diciembre). “Inteligencia Artificial, finanzas y guerra”. Política Obrera. https://politicaobrera.com/15432-inteligencia-artificial-finanzas-y-guerra/

Nvidia (2026). Form 10-K, ejercicio fiscal 2026. U.S. Securities and Exchange Commission. https://www.sec.gov/Archives/edgar/data/1045810/000104581026000021/nvda-20260125.htm

OpenAI (2026a, 31 de marzo). OpenAI raises $122 billion to accelerate the next phase of AI. https://openai.com/index/accelerating-the-next-phase-ai/

OpenAI (2026b, 1 de agosto). Ten advances in mathematics and theoretical computer science. https://openai.com/index/ten-advances-in-mathematics/

OpenAI (2026c, 8 de septiembre; actualizado el 10 de septiembre). On the Navier-Stokes Millennium Prize Problem. https://openai.com/index/navier-stokes-solution/

OpenAI (2026d, 21 de septiembre). “Advisory group on mathematics and AI”. https://openai.com/index/advisory-group-on-mathematics-and-ai/

OpenAI (2026e, 21 de septiembre). “Building standards for the next phase of AI”. https://openai.com/index/building-standards-next-phase-ai/

Rabey, Pablo (2016). “Debates contemporáneos sobre la crisis del capitalismo”. Hic Rhodus, 10. https://publicaciones.sociales.uba.ar/index.php/hicrhodus/article/view/1790

Rabey, Pablo (2025). “Las promesas de la inteligencia artificial y la crisis de la seguridad social (Primera parte)”. Hic Rhodus, 26. https://publicaciones.sociales.uba.ar/index.php/hicrhodus/article/view/11069

Ramal, Marcelo (2025a, 1 de febrero). “El capital digital no es ‘tecnofeudalismo’”. Política Obrera. https://politicaobrera.com/13498-el-capital-digital-no-es-tecnofeudalismo/

Ramal, Marcelo (2025b, 7 de diciembre). “‘Tecnofeudalismo’, el credo del inmovilismo ante la decadencia capitalista y la guerra”. Política Obrera. https://politicaobrera.com/15353-tecnofeudalismo-el-credo-del-inmovilismo-ante-la-decadencia-capitalista-y-la-guerra/

Ramal, Marcelo (2026, 7 de junio). “Argentina, zona franca del fascismo digital”. Política Obrera. https://politicaobrera.com/16410-argentina-zona-franca-del-fascismo-digital/

Reuters (2026a, 12 de junio). “Ukraine’s defence AI chief predicts ‘new paradigm’ of warfare”. https://www.reuters.com/business/aerospace-defense/ukraines-defence-ai-chief-predicts-new-paradigm-warfare-2026-06-12/

Reuters (2026b, 28 de agosto). “US judge rules Pentagon blacklisting of Anthropic unlawful”. https://www.reuters.com/world/us-judge-rules-pentagon-blacklisting-anthropic-unlawful-2026-08-28/

Reuters (2026c, 12 de septiembre). “Anthropic CEO urges AI companies to slow model development amid fears over misuse”. https://www.reuters.com/business/anthropic-ceo-urges-ai-companies-slow-model-development-2026-09-12/

Reuters (2026d, 3 de septiembre). “Taiwan proposes extra $4.6 billion in defence spending for this year”. https://www.reuters.com/world/china/taiwan-proposes-extra-46-billion-defence-spending-this-year-2026-09-03/

Reuters (2026e, 26 de septiembre). “China, US agree to $30 billion tariff cut, AI dialogue during Xi visit, Beijing says”. https://www.reuters.com/world/china/china-us-agree-30-billion-tariff-cut-ai-dialogue-during-xi-visit-2026-09-26/

Reuters (2026f, 18 de septiembre). “OpenAI forecasts cash burn near $280 billion by 2030, FT reports”. https://www.reuters.com/technology/openai-expects-burn-through-almost-280-billion-by-2030-ft-reports-2026-09-18/

Rieznik, Pablo (2008). “Catastrofismo, forma y contenido”. En defensa del marxismo. 35. https://revistaedm.com.ar/nota/catastrofismo-forma-y-contenido/

Shimkus, Ben (2026, 9 de septiembre). “It took OpenAI’s agents 130 billion tokens to crack a 90-year-old math problem”. Business Insider. https://www.businessinsider.com/openai-math-problem-solved-tokens-cost-altman-2026-9

UPI (2026, 26 de septiembre). “White House: Trump, Xi agreed on ‘super intelligence’ dialogue”. https://www.upi.com/Top_News/US/2026/09/26/White-House-Trump-Xi-agree-super-intelligence-dialogue/1951790465468/

Waldvogel, Miriam y Nitasha Tiku (2026, 10 de septiembre). “AI researcher who warned of ‘disaster’ is now a target of the right”. The Washington Post. https://www.washingtonpost.com/technology/2026/09/10/ai-researcher-who-warned-disaster-is-now-target-right/