El embudo de Karpathy: por qué la población mundial está viviendo dos IAs completamente distintas

Andrej Karpathy ha vuelto a sacar del cajón un mensaje publicado en abril de 2025 para señalar algo que, dice, ya no admite paños calientes: la brecha de comprensión compartida sobre lo que puede hacer un modelo de lenguaje grande se está agrandando. Y en lugar de un simple desacuerdo entre dos grupos que no se escuchan, lo que ve es un embudo: pocas personas con acceso al extremo alto, una minoría profesional que ya ha cruzado la frontera, una masa enorme de usuarios ocasionales y un 75 % de la población mundial que apenas ha tocado una IA en su vida.

El matemático, ex director de Tesla AI y uno de los nombres más respetados del ecosistema de IA, no está haciendo distopía barata. Está intentando describir lo que ve desde dentro, con números gruesos, y por qué el mundo está manteniendo dos conversaciones incompatibles sobre el mismo fenómeno.

El embudo, en cifras redondas

Karpathy reparte a la humanidad en cuatro capas según el grado de contacto real con sistemas frontera. La primera, la más ancha: unos 6.000 millones de personas, el 75 % del planeta, apenas han tenido trato con LLMs. La segunda, alrededor de 1.000 a 2.000 millones, son usuarios ocasionales del tier gratuito tipo ChatGPT. Ven chatbots un poco torpes, los usan como un Google mejor o un asistente de redacción y, con frecuencia, los descartan. La tercera, unos 20 millones de personas (0,2 %), trabaja a diario con LLMs frontera en matemáticas y programación, y experimenta de primera mano que proyectos que antes costaban semanas ahora se completan con un prompt. La cuarta, apenas 5.000 personas (0,00006 %), tiene acceso a sistemas frontera internos: los mismos que, según sugiere Karpathy, ejecutan enjambres de miles de agentes durante semanas sobre proyectos que habrían exigido años a equipos humanos.

Hace menos de un año estaba escribiendo código a mano, tecleando instrucciones que me sabía de memoria, pulsando Tab de vez en cuando para autocompletar un trocito. — Andrej Karpathy

Por qué este momento es extraño

El fenómeno no es nuevo —lleva meses discutiéndose entre investigadores y profesionales—, pero Karpathy afirma que la divergencia se ha acelerado. Mientras una fracción minúscula de profesionales vive el vértigo de una curva que se vuelve vertical, la opinión pública, y buena parte de los medios, sigue discutiendo si «esto es un bluff tecnológico». Las dos conversaciones, dice, ya no se parecen.

Los tres motores del embudo

Karpathy identifica tres fuerzas que estrechan el embudo y explican por qué la experiencia varía tanto entre capas:

1. El impacto escala con la ambición. Un problema cuya respuesta cabe en un párrafo no estresa al sistema. Para notar la diferencia hace falta un depósito de problemas grandes, difíciles y relevantes. Por eso el salto entre usuario casual y profesional se parece más a un salto de alcance que de competencia bruta del modelo.

2. La forma «aserrada» de la capacidad. Karpathy ha escrito largo sobre este punto. Los LLMs destacan en dominios digitales, verificables y con valor económico, porque así se entrenan: refuerzo contra recompensas verificables en entornos curados, mezclados por potencial de ingreso. La capacidad emerge con picos pronunciados: brillante en matemáticas y código, mucho menos impresionante en otras áreas donde la señal de entrenamiento es más ruidosa.

3. El acceso, en tres niveles. Hay un tier gratuito, un tier de pago y un tier interno. Los tres exponen modelos con capacidades muy distintas. La experiencia de usuario que llega al sistema por primera vez rara vez coincide con la experiencia de quien está en el último anillo.

Qué significa esto para quien vive de la tecnología

Hay una lectura práctica urgente. Si tu equipo, tu empresa o tu cliente sólo ha visto el chatbot torpe del tier gratuito, las decisiones estratégicas que tomes sobre «en qué invertir» estarán calibradas con el modelo mental equivocado. La distancia entre la IA que un ejecutivo usa para resumir un correo y la IA que un equipo técnico usa para reescribir un binario, automatizar un pentest o ejecutar una cadena de agentes durante una semana no es una diferencia de grado: es de categoría.

Para los profesionales de seguridad, la consecuencia es doble. Por un lado, los atacantes ya están en la zona estrecha del embudo: los informes recientes sobre malware que consulta a un consejo de IAs, sobre agentes que escapan de sandboxes con un acortador de enlaces, o sobre la integración de LLMs en cadenas de red team automatizadas, dejan claro que el lado ofensivo opera con sistemas frontera. Por otro, la defensa, en muchos casos, sigue calibrada con la experiencia del chatbot gratuito. La asimetría se amplifica sola.

Cómo leer este momento sin perder el norte

La gracia del mensaje de Karpathy es que no pide hype ni alarma. Pide honestidad epistémica. Si estás en la zona estrecha del embudo, recuerda que casi nadie más ve lo mismo que tú; te toca traducir, no evangelizar. Si estás en la zona ancha, vale la pena tomarse un día para usar el tier de pago con problemas serios, no sólo con consultas domésticas, y calibrar la propia opinión con datos de primera mano en lugar de con la conversación pública.

Y para quien decide presupuestos, políticas o planes de formación: la pregunta no es «si la IA es importante», sino «¿en qué capa del embudo estamos tomando las decisiones, y quién más está en otra distinta?». La respuesta cambia completamente el plan.

Fuentes: hilo original de Andrej Karpathy en X (octubre de 2026) y discusión en Hacker News. Las cifras son estimaciones gruesas del propio autor, no estadísticas oficiales.