La inteligencia artificial se está consolidando como una moneda principal del poder global y de la influencia diplomática.
La velocidad algorítmica corre el riesgo de comprimir el desacuerdo humano y la incomodidad cognitiva, elementos esenciales para una prospectiva rigurosa.
Un modelo de inteligencia híbrido debe priorizar el juicio humano para evitar un estrechamiento de la imaginación estratégica.
La inteligencia artificial está cambiando la forma en que pensamos sobre el futuro y quién tiene la oportunidad de darle forma. Para la prospectiva estratégica –la disciplina que traza futuros posibles para tomar mejores decisiones hoy–, este momento representa tanto una oportunidad como una prueba. La IA puede ayudar a los profesionales a explorar un horizonte más amplio, identificar señales y tendencias emergentes, y analizar futuros posibles con una velocidad y una escala nuevas. Pero la prospectiva nunca ha consistido únicamente en producir escenarios. Su valor real reside en ayudar a líderes y responsables de políticas a cuestionar supuestos, prepararse para la incertidumbre y construir decisiones estratégicas que garanticen la resiliencia a largo plazo.
A medida que la IA transforma rápidamente las economías, la geopolítica, las instituciones y las sociedades, los profesionales de la prospectiva deben plantearse una pregunta más profunda: ¿cómo pasamos de la mera adopción a un uso verdaderamente responsable? El desafío consiste en integrar la IA de modo que fortalezca el juicio humano en lugar de sustituirlo, garantizando que un análisis más rápido no se produzca a costa de un pensamiento más profundo, de la impugnación y de la imaginación estratégica.
La IA como nuevo indicador del poder global
Durante gran parte de la historia moderna, el poder en las relaciones internacionales era fácil de reconocer. Pertenecía a los países con ejércitos, presupuestos de ayuda, monedas de reserva, alianzas diplomáticas y asientos en las principales instituciones mundiales. La IA está cambiando eso. Se está convirtiendo en uno de los indicadores más claros del poder en nuestra era posthegemónica. Los países y las empresas que controlen la capacidad de cómputo, los chips, los modelos, la infraestructura en la nube y el talento determinarán cada vez más quién es escuchado, quién recibe financiación y quién tiene la capacidad de construir el futuro.
Los indicadores tradicionales del poder no desaparecerán: los ejércitos, el capital y la diplomacia siguen siendo importantes. Pero a ellos se suma una nueva moneda del poder: la capacidad de cómputo.
La IA se está convirtiendo en una nueva fuente de poder estratégico porque depende de algo más que de los modelos. Requiere chips, infraestructura en la nube, centros de datos, energía, talento, regulación y confianza. Por eso proyectos recientes de infraestructura de IA, como el anuncio de Stargate EAU-EE. UU., son relevantes más allá de sus detalles técnicos. Apuntan a lo que a veces se denomina «diplomacia de infraestructuras para la era de la IA»: un mundo en el que los centros de datos y las regiones de nube empiezan a parecerse a puertos, oleoductos u otros activos estratégicos. Los indicadores tradicionales del poder no desaparecerán: los ejércitos, el capital y la diplomacia siguen siendo importantes. Pero a ellos se suma una nueva moneda del poder: la capacidad de cómputo.
Este cambio está abriendo nuevas oportunidades para las potencias medianas, que aprovechan estas necesidades de infraestructura para ganar influencia global. Por ejemplo, los EAU utilizan la infraestructura de IA para posicionarse como nexo entre Estados Unidos, el Golfo, África y Asia. Y Singapur ha anunciado más de S$1.000 millones en financiación pública para investigación en IA hasta 2030.
Aquí es también donde la IA empieza a parecerse a la nueva ayuda exterior. A medida que se reducen los presupuestos tradicionales de ayuda –los datos preliminares de la OCDE muestran la ayuda oficial al desarrollo cayó un 23,1 % en 2025, la mayor contracción anual registrada –, la infraestructura de IA y los servicios habilitados por IA se están convirtiendo en un nuevo canal de influencia en el desarrollo. El país que proporciona la región de nube, el tutor de IA, el modelo sanitario o el chatbot gubernamental adquiere el tipo de influencia que antes se asociaba a los donantes de ayuda. La diplomacia de la IA no trata solo de modelos. Trata de redes eléctricas, agua, deuda, soberanía, contratos y de quién controla en última instancia la infraestructura. El futuro del desarrollo quizá tenga menos que ver con las conferencias de donantes y más con los centros de datos.
El tercer cambio es quizá el más extraño: algunas empresas de IA y grandes tecnológicas están empezando a parecerse a actores cuasi soberanos. No son países, pero actúan cada vez más como poderes no estatales porque controlan elementos clave que los Estados necesitan. La inversión de 1.500 millones de dólares de Microsoft en G42 incluyó una participación minoritaria, un puesto en el consejo de administración y garantías de seguridad para los gobiernos de EE. UU. y EAU. Eso no convierte a Microsoft en un Estado. Pero sí muestra cómo las empresas de frontera se están convirtiendo en intermediarias estratégicas entre los Estados.
Además de cambiar qué actores configuran las relaciones internacionales, la IA también está cambiando la forma en que esos actores piensan. Cuando los gobiernos confían en la IA para analizar información, resumir acontecimientos y generar escenarios, esos sistemas empiezan a determinar qué llega a los líderes y qué se pasa por alto. Así, la IA influye en qué futuros parecen plausibles, qué amenazas parecen urgentes y qué opciones aparecen sobre la mesa. Por tanto, aunque la IA no tiene asiento en la mesa, está empezando a fijar la agenda.
El futuro de las relaciones internacionales estará impulsado por un nuevo elenco de protagonistas: las potencias tradicionales de los Estados soberanos y del orden internacional, así como nuevos actores como los gigantes tecnológicos y la propia tecnología. La cuestión del liderazgo ya no es si aceptar esto, sino cómo construir la prospectiva, las instituciones y la imaginación necesarias para gobernar con ello.
La IA en la prospectiva: del instrumento de investigación al socio de escenarios
Si la IA está transformando el mundo que la prospectiva busca comprender, también está cambiando los métodos que emplean los profesionales para entenderlo. Cuando se la considera no como un oráculo, sino como un instrumento de investigación potente pero falible, la IA amplía de forma notable la capacidad investigadora de los equipos de prospectiva.
Existen cuatro formas principales de integrar la IA en el flujo de trabajo de la prospectiva:
Detección y síntesis de señales. La IA puede detectar y sintetizar señales escaneando de forma continua grandes volúmenes de datos y siguiendo de manera autónoma una variedad de indicadores más amplia que nunca, lo que en última instancia pone a disposición de cualquiera enormes cantidades de información nueva. Además, estas señales pueden, a su vez, sintetizarse y modelizarse en innumerables marcos distintos y complementarios, cada uno de los cuales ofrece una interpretación posible diferente. Después, podemos filtrarlas por su relevancia respecto de las preguntas o cuestiones de futuro que nos interesan, para identificar rápidamente nuevas fuentes de conocimiento aplicable.
Identificación de factores clave. La IA puede rastrear múltiples tipos de fuentes, en distintos idiomas, para identificar factores que podrían influir en una situación, yendo más allá de los impulsores más visibles o familiares. Sin embargo, sigue siendo necesario un juicio humano cuidadoso para evitar simplemente reproducir lo que ya predomina en los datos.
Personalización de los resultados de prospectiva. Los equipos de prospectiva pueden usar la IA para adaptar sus resultados a las necesidades, expectativas e intereses de públicos diversos. Así, los escenarios pueden fundamentarse en narrativas de futuro rigurosas, a la vez que amplifican su influencia al llegar a los usuarios finales allí donde se encuentran.
Análisis mediante máquinas. Las herramientas de IA pueden identificar patrones y relaciones no evidentes en grandes conjuntos de datos, evaluar la incertidumbre y la influencia de cada factor, y construir diagramas de bucles causales. Experimentos iniciales estudian si los agentes de IA, creados para representar las opiniones de expertos reales, pueden participar en un proceso de tipo Delphi para analizar la importancia relativa de distintos factores. Esto plantea una cuestión intrigante: ¿podrían los equipos de escenarios construir gemelos digitales de la propia pericia? Imagine agentes de IA fundamentados en la obra publicada, las entrevistas y los supuestos de expertos del mundo real, cada uno capaz de participar en un intercambio estructurado sobre la influencia relativa y la incertidumbre de los factores clave. Estos agentes no sustituirían a los expertos, pero podrían permitir a los equipos ensayar el desacuerdo experto, detectar puntos ciegos y poner a prueba supuestos antes de que los humanos entren en la sala.
La IA también puede acelerar la síntesis y el desarrollo de escenarios. Puede ayudar a identificar factores clave, mapear relaciones entre impulsores, poner a prueba supuestos y generar múltiples narrativas coherentes con rapidez. Estos son los que anteriormente se han denominado «futuros de primera ronda»: mapas iniciales del espacio de posibilidades que pueden sustentar una deliberación humana más profunda. Pero es importante tratar estos resultados como borradores, no como conclusiones. La IA puede aportar estructura, velocidad y amplitud, pero los equipos de prospectiva deben seguir definiendo la pregunta, establecer criterios de calidad, validar las fuentes y decidir qué es estratégicamente relevante. En este sentido, la promesa de la IA no es sustituir la pericia en prospectiva, sino ofrecer a los profesionales una base de investigación más rica y amplia a partir de la cual pueda comenzar el juicio humano.
Por qué un análisis más rápido puede significar una imaginación más estrecha
Las mismas cualidades que hacen valiosa la IA para la prospectiva son también lo que la hace arriesgada. Los riesgos de la IA no son solo técnicos: son cognitivos, institucionales y políticos. La IA puede alucinar datos, reproducir narrativas dominantes, comprimir la deliberación y generar resultados que parecen más convincentes de lo que son.
En equipos de estrategia corporativa, gobiernos y organizaciones internacionales, la IA generativa ya está transformando la forma en que se lleva a cabo la prospectiva en fases iniciales, pero la velocidad trae consigo una paradoja. Cuanto más rápido se generan los resultados de prospectiva, mayor es el riesgo de que dejemos de construir el pensamiento que hay detrás de ellos. Cuando los resultados generados por IA se tratan como entregables en lugar de como puntos de partida, el trabajo deliberativo que da a los escenarios su valor estratégico –el desacuerdo, la reformulación, la incomodidad– se comprime u omite por completo.
La velocidad puede crear también una ilusión más sutil. Cuando los sistemas de IA procesan enormes cantidades de datos y generan narrativas coherentes, pueden dar la impresión de que el futuro se vuelve más predecible. Este es quizá el riesgo más agudo: la prospectiva bien practicada no pretende predecir el futuro; pretende ampliar la gama de futuros que podemos imaginar y para los que podemos prepararnos. El desafío no es si usar la IA, sino cómo hacerlo sin vaciar la práctica de contenido.
Para evitar estos escollos, conviene retener los cuatro principios siguientes.
Interrogar el escenario, no solo el resultado. Los resultados generados por IA incorporan supuestos sobre impulsores e incertidumbres. Hacer explícitos esos supuestos no es un paso de control de calidad, sino el núcleo del trabajo analítico.
Diseñar para la divergencia antes que para la convergencia. La IA tiende a producir resultados coherentes pero similares. Ejecutar exploraciones paralelas –distintos equipos, instrucciones y marcos de hipótesis– ayuda a sacar a la luz lo que el consenso ocultaría.
Proteger la titularidad de la narrativa. Un escenario que un líder no puede explicar con sus propias palabras, o defender ante un cuestionamiento, no influirá en la estrategia cuando cambien las condiciones. La IA puede acelerar la redacción; no puede sustituir la deliberación que genera responsabilidad.
Alinear los incentivos con el aprendizaje, no con la velocidad. Si la prospectiva se evalúa principalmente por la rapidez con que se produce, dominará la prospectiva rápida. Si se evalúa por la preparación y la calidad de las opciones estratégicas que abre, la IA se convierte en un acelerador de la capacidad y no en un sustituto de ella.
La captura de la prospectiva y la seducción de la estructura fluida
La IA puede ser un colaborador muy útil en un proceso de escenarios, pero las personas siguen siendo esenciales porque los escenarios no son solo descripciones de futuros posibles: tratan de cambiar la forma en que las personas perciben la incertidumbre, debaten sobre las opciones y deciden qué hacer a continuación. Por ello, debemos ser deliberados respecto de lo que puede ocurrir con rapidez, con más IA, y de lo que debe ocurrir despacio, con más personas.
Parece que la IA distribuye el poder de la prospectiva a los no expertos. Sin embargo, lo que realmente puede hacer es concentrar la autoridad epistémica de forma invisible y hacer que la conclusión resultante sea inalterable.
Cuando un grupo reducido controla cómo se formulan las preguntas, la IA no se limita a reflejar sus supuestos: los amplifica y los legitima, produciendo resultados que parecen analíticos y exhaustivos precisamente porque están tan fluidamente estructurados. La rendición de cuentas, que debería recaer en un juicio humano identificable, se diluye silenciosamente en la propia herramienta. En un mundo en el que no hay ninguna persona u organización identificable en posición de impugnar, las conclusiones se vuelven, en la práctica, incuestionables: no porque sean correctas, sino porque no hay a quién oponerse. Esto es la captura de la prospectiva, y resulta aún más seductora porque quien controla la formulación de las instrucciones reclama, en última instancia, la forma en que entendemos el futuro.
La pregunta que deben plantearse los líderes no es si sus herramientas de IA son lo bastante sofisticadas, sino si su proceso de prospectiva es uno con el que las personas de la organización pueden realmente interactuar, cuestionar y, por tanto, en el que pueden confiar.
Este punto se acentúa por la tensión entre acceso y señal. La IA puede hacer que las herramientas de prospectiva estén más disponibles, pero que más personas produzcan escenarios no garantiza automáticamente una mejor prospectiva. Si las organizaciones dependen de los mismos modelos, instrucciones y supuestos dominantes, la IA puede ampliar la participación y, a la vez, estrechar la imaginación, devolviendo visiones del mundo familiares en una forma pulida y verosímil.
En consecuencia, argumentos como la llamada a una prospectiva intergeneracional no se refieren simplemente a la representación. Se trata de la calidad de la señal. Quienes vivirán más tiempo con las decisiones de hoy tienen una relación con el futuro menos condicionada por costes hundidos y compromisos institucionales existentes, mientras que los líderes de más edad aportan experiencia, memoria y una relación más profunda con las consecuencias. El valor reside en el diálogo entre ambos. La IA puede generar resultados con rapidez, pero no puede producir la confianza, la tutoría y la transmisión del conocimiento tácito que dan sentido a ese diálogo.
Tres reglas para la inteligencia híbrida
A medida que aumenta la codependencia con la IA, cobra cada vez más importancia apoyarse en un modelo híbrido que utilice las capacidades investigadoras de la IA agéntica, manteniendo al mismo tiempo el juicio humano como prioridad. Las tres reglas siguientes pueden guiar la inteligencia híbrida:
Regla 1: Definir la intención antes de redactar una instrucción
Antes de dar instrucciones, debemos establecer nuestra intención. Esto significa saber a qué pregunta respondemos, para quién, para cuándo y qué tipo de contenido será más útil.
Para ser eficaz, esta intención debe definir tres componentes concretos:
Alcance: el tema, la zona geográfica, el horizonte temporal, las partes interesadas clave y lo que se excluye deliberadamente.
Contexto de decisión: la decisión estratégica que este análisis pretende informar.
Criterios de calidad: qué caracteriza un buen resultado y la base sobre la que las partes interesadas estarán preparadas para tomar una decisión.
La trampa es que lo que parece «exhaustivo» y «bien estructurado», que la IA ofrece por defecto, no es necesariamente de buena calidad. Ser específico sobre los requisitos de datos, la triangulación mínima y las fuentes que deben utilizarse favorece la calidad. Redactar un briefing antes de abrir la herramienta de IA puede mejorar notablemente la calidad de las respuestas. Pedir a la herramienta de IA que proporcione una plantilla para una buena instrucción es otra práctica eficaz.
Regla 2: Revisar el resultado antes de utilizarlo
Todo artefacto generado por IA debe llevar una etiqueta implícita: borrador, hasta su validación.
Tres comprobaciones son las más importantes:
Exactitud factual: la IA inventa citas y estadísticas de forma que parecen fiables; la revisión experta y la trazabilidad de las fuentes son innegociables. Ejecutar una instrucción adicional que compruebe la exactitud de las citas es una buena técnica para detectar debilidades.
Adecuación al contexto: un perfil de tendencia perfectamente redactado puede pasar por alto factores que lo hacen irrelevante en un escenario específico; por ejemplo, una restricción regulatoria en un mercado objetivo que impide a una organización lanzar una innovación que ha tenido éxito en otros lugares.
Plausibilidad e incertidumbre: la IA suele mostrar un exceso de confianza en las perspectivas de una jugada estratégica ganadora y en su plazo de impacto. Evaluar la causalidad implícita y contrastarla con analogías históricas requiere pensamiento crítico humano, aunque una instrucción dirigida puede ayudar a someter estos supuestos a prueba.
La trampa que hay que evitar es dar credibilidad por el formato. Un perfil bien estructurado parece riguroso incluso cuando el razonamiento es endeble. La estructura debe tratarse como un valor por defecto útil, no como prueba de calidad.
Regla 3: Gobernar el rendimiento, no solo el resultado
La tercera actividad es la menos debatida y la de mayor trascendencia. El rendimiento es el proceso mediante el cual se generan los resultados de la IA. Tres prácticas ayudan a impulsar la calidad analítica durante esta fase:
Documentación: exigir a la herramienta de IA una explicación completa de su razonamiento, un proceso que a menudo revela lagunas lógicas poco convincentes.
Parámetros de entrada: establecer parámetros claros, como especificar los informes clave que deben incluirse, un número mínimo de fuentes que deben revisarse o el umbral probatorio necesario para confirmar una tendencia.
Definición metodológica: dirigir a la IA para que procese la información utilizando un marco analítico específico. Dado que los modelos rara vez aplican metodologías complejas por defecto, el método analítico preciso debe describirse explícitamente en la instrucción para garantizar un resultado riguroso.
El reto de la inteligencia híbrida no termina con mejores instrucciones ni con una validación más sólida. El uso de la IA en la prospectiva puede también modificar las condiciones de liderazgo que rodean la práctica: quién formula las preguntas, quién acepta las respuestas, quién cuestiona los supuestos y quién es, en última instancia, el titular del escenario de futuro.
Titularidad y rendición de cuentas en la era de la IA
El impacto de la IA en el ámbito de la prospectiva estratégica y del pensamiento sobre el futuro no es un bien ni un mal absolutos. La tecnología tiene la capacidad de facilitar algunos aspectos de la creación de escenarios y del análisis de datos, pero también conlleva el riesgo de sustituir el análisis humano reflexivo por resultados pulidos, aunque genéricos y carentes de perspicacia.
El desafío para los profesionales de la prospectiva no consiste, por tanto, en rechazar la integración de la IA ni en abrazarla sin espíritu crítico, sino en evaluar de forma crítica el papel cambiante de los sistemas de IA y de las empresas tecnológicas como actores no estatales influyentes en la política global y en la planificación del futuro.
El juicio humano debe seguir siendo parte integral del proceso de prospectiva, trabajando en tándem con la IA para desarrollar futuros más plausibles, matizados y responsables. En una época en la que la disrupción impulsada por la IA hace que el futuro sea cada vez más complejo e incierto, la prospectiva estratégica se ha vuelto más importante que nunca. Equilibrando las oportunidades que ofrece la IA con la conciencia de sus limitaciones, la prospectiva puede seguir ayudando a los líderes a prepararse para una amplia gama de futuros posibles.
