Antes de empezar les propuse una prueba muy sencilla: que levantara la mano quien no hubiera utilizado una herramienta de inteligencia artificial durante la última semana.

Una persona.

No está mal.

Porque lo verdaderamente importante no es que casi todos utilicemos ya inteligencia artificial. Es que hemos dejado de utilizarla únicamente para jugar. Ya no le preguntamos solo qué podemos cocinar con lo que queda en el frigorífico o dónde está determinado lugar. La utilizamos como antes utilizábamos Google, pero también empezamos a consultarle cuestiones relacionadas con nuestro trabajo, con nuestras dudas y con decisiones que importan.

Y eso cambia las cosas.

Para un médico, y para un cirujano en particular, podemos utilizar una definición operativa bastante sencilla: la inteligencia artificial es la capacidad de una máquina para simular procesos cognitivos que consideramos propios de nuestra especie.

No es magia.

Son matemáticas.

Y, al menos por ahora, no sustituye al médico.

Aunque mi tesis es algo más incómoda: si no estamos atentos, los médicos pueden ser de los primeros en tener problemas. Los cirujanos quizá resistamos algo más. Tenemos la ventaja provisional de trabajar con las manos.

También solemos repetir que la tecnología no es buena ni mala, que es neutral. No estoy de acuerdo. Una tecnología acaba siendo lo que hacemos con ella. Y los seres humanos tenemos una extraordinaria capacidad para utilizar nuestras herramientas tanto para hacer el bien como para producir daño. Para esto último, además, no hacen falta demasiadas personas. Basta con alguien dispuesto a utilizar una herramienta poderosa de manera perversa.

La historia de esta obsesión viene de lejos.

En 1950, Alan Turing publicó en Mind su célebre trabajo Computing Machinery and Intelligence. Lo abrió con una pregunta aparentemente sencilla: Can machines think?

¿Pueden pensar las máquinas?

El problema aparece inmediatamente. Para responder tendríamos que definir primero qué es una máquina y, sobre todo, qué significa pensar. Y no tenemos una definición demasiado satisfactoria de lo segundo.

Turing encontró una salida extraordinariamente pragmática. Si no sabemos definir exactamente qué significa pensar, quizá podamos reconocer sus manifestaciones. Si un ser humano conversa con una máquina y con otra persona sin saber cuál es cuál, y no consigue distinguirlas, la máquina habrá conseguido simular suficientemente bien una conducta que atribuimos al pensamiento.

Es una especie de ensayo ciego.

Casi como darle un electrocardiograma a un cirujano.

Pocos años después, en Dartmouth, un pequeño grupo de investigadores dio nombre al proyecto: inteligencia artificial. Imaginaban máquinas capaces de utilizar el lenguaje, resolver problemas propios de los seres humanos y, algo particularmente interesante, improve themselves: mejorarse a sí mismas.

Y aquí aparece una pregunta que prefiero no responder. Es mejor llevársela a casa:

¿Por qué estamos tan obsesionados con construir máquinas que piensen como nosotros si no es, en algún momento, para que hagan lo que hacemos nosotros?

Durante décadas, sin embargo, la inteligencia artificial avanzó con dificultad porque partía de una hipótesis discutible: que los seres humanos somos fundamentalmente racionales.

Se intentó reproducir nuestro razonamiento mediante reglas. Si ocurre A y ocurre B, entonces C. Parecía lógico.

El problema es que nosotros no funcionamos así.

Somos mucho mejores reconociendo patrones que aplicando reglas formales. Nadie aprende su lengua materna estudiando primero la gramática. Un niño aprende escuchando, imitando, equivocándose y reconociendo regularidades. Si nace en Galicia probablemente aprenderá gallego; si nace en China, chino. Su red neuronal biológica se entrena con la información que recibe del entorno.

Ese cambio de perspectiva fue fundamental para el desarrollo del machine learning, después del deep learning y finalmente de la inteligencia artificial generativa.

La diferencia puede explicarse de manera muy simple.

A un sistema discriminativo podemos enseñarle una imagen y preguntarle: «¿Qué es esto?». Y responde: «Un perro».

A un sistema generativo podemos decirle: «Escribe un soneto sobre un perro».

Ya no se limita a clasificar. Genera algo que antes no existía combinando los patrones aprendidos a partir de cantidades gigantescas de información.

El gran salto tecnológico llegó cuando aprendimos a construir arquitecturas capaces de procesar esas cantidades de información de manera eficiente. En 2017 apareció la arquitectura transformer, basada en mecanismos de atención. Y a partir de ahí comenzó una aceleración extraordinaria.

Pero el problema realmente interesante no es tecnológico.

Es humano.

Nuestro ancho de banda cognitivo no aumenta a la misma velocidad que aumenta la cantidad de información disponible.

Ninguno de nosotros puede leer ni siquiera una fracción significativa de todo lo que se publica cada año en su especialidad. Y aunque pudiéramos leerlo, aparecería inmediatamente otro problema: distinguir qué es verdad, qué es probablemente verdad y qué simplemente ha conseguido publicarse.

La revisión por pares y el prestigio de las revistas funcionan como mecanismos de confianza. Son necesarios. Pero sabemos que una parte considerable de la literatura contiene problemas metodológicos, estadísticos, de tamaño muestral, reproducibilidad o interpretación.

Por tanto, tenemos una paradoja: producimos más conocimiento del que somos capaces de integrar y, al mismo tiempo, una parte de ese conocimiento es incierta.

Ahí la inteligencia artificial representa simultáneamente un problema y una oportunidad.

La inteligencia artificial discriminativa es especialmente buena encontrando patrones. En cardiología, por ejemplo, dispone de una señal extraordinariamente estructurada: el electrocardiograma. Con suficientes registros asociados a resultados puede detectar características que el ojo humano difícilmente identifica.

Pero no confundamos predicción con causalidad.

Un algoritmo puede descubrir una asociación extraordinariamente potente sin explicarnos por qué sucede.

Y esto importa mucho cuando hablamos de medicina predictiva.

¿Qué significa decirle a una persona que tiene un 50 % de probabilidad de desarrollar un cáncer dentro de diez años?

¿Qué hace esa persona con ese número?

¿Qué hacemos nosotros?

¿Sobre qué variables podemos intervenir?

¿Y cuáles ni siquiera conocemos?

La estadística nos proporciona probabilidades. El problema clínico comienza después, cuando tenemos que convertir esa probabilidad en una decisión para una persona concreta.

Por eso tengo ciertos problemas incluso con la expresión «medicina de precisión». En gran medida seguimos haciendo medicina de aproximación. Agrupamos personas con características semejantes y estimamos que responderán de una determinada manera. Pero alrededor de cada individuo existen miles de señales, moléculas, interacciones y circunstancias que no somos capaces de integrar.

Y aquí es donde la inteligencia artificial generativa puede producir un cambio mucho más profundo.

Porque prácticamente todo puede convertirse en lenguaje.

Una historia clínica es lenguaje. Una imagen es lenguaje. El sonido es lenguaje. Nuestro ADN es lenguaje. Incluso nuestra forma de vestir comunica información.

Los modelos convierten esas señales en representaciones matemáticas, las fragmentan, las transforman en vectores y realizan cálculos sobre ellas a una velocidad y una escala imposibles para nosotros.

Pero haber creado un chatbot no significa haber resuelto nuestros problemas.

De hecho, el chatbot como concepto ya está siendo superado.

Estamos entrando en la era de los agentes: sistemas con mayor autonomía que no se limitan a esperar nuestra siguiente pregunta. A partir de un objetivo pueden encadenar razonamientos, utilizar herramientas, consultar información, ejecutar acciones y adaptar su comportamiento al contexto.

Y esto introduce una cuestión especialmente relevante en medicina.

Un chatbot aislado, que no está integrado en nuestro sistema de información, puede resolver una duda concreta, pero también consume tiempo. Tenemos que abrirlo, introducir información, revisar la respuesta y trasladar después el resultado a nuestro entorno de trabajo.

Eso no transforma realmente la medicina.

La transformación comienza cuando la inteligencia artificial desaparece dentro del proceso.

Pensemos en los escribas clínicos. Durante una consulta, el sistema puede escuchar la conversación, estructurar la información y generar documentación. Eso podría devolvernos una enorme cantidad de tiempo.

Y necesitamos recuperarlo.

Porque hemos llegado a aceptar como normal que un médico pase una parte enorme de la consulta mirando una pantalla y tecleando.

Entonces el paciente puede hacerse una pregunta perfectamente razonable:

«Si el médico no me mira, ¿para qué necesito que sea humano?»

Ese es un riesgo mucho más profundo que cualquier algoritmo.

Ninguno de ustedes estudió Medicina para mirar una pantalla. Salvo, quizá, los radiólogos.

Estudiamos Medicina porque nos interesaban las personas.

Y, sin embargo, hemos construido sistemas en los que resulta cada vez más difícil mantener una conversación clínica sin tener delante la historia electrónica. Hemos externalizado memoria, procesos y capacidades. Hemos ido desescalando determinadas habilidades.

La inteligencia artificial puede liberarnos de parte de esa carga.

Pero inmediatamente aparece otra cuestión: ¿para qué queremos el tiempo que nos libera?

Porque podríamos utilizarlo simplemente para ver más pacientes.

Sería la respuesta industrial clásica: si una tecnología permite hacer algo más deprisa, hagamos más.

Yo fui director médico. Sé cómo funciona esto. Nuestros sistemas de información son extraordinariamente buenos diciéndonos cuántas consultas hemos realizado, pero mucho menos buenos diciéndonos cómo están realmente nuestros pacientes.

Quizá deberíamos utilizar el tiempo recuperado para hacer precisamente aquello que las máquinas no deberían quitarnos.

Hablar con los pacientes.

Hablar con nuestros compañeros.

Tomarnos un café.

Incluso no hacer nada durante un rato.

Pensar.

Y, sobre todo, pensar sobre cómo pensamos.

Porque uno de los mayores riesgos de la inteligencia artificial no es que aprenda demasiado.

Es que nosotros desaprendamos.

Cuando dejamos de practicar una capacidad, la perdemos. Si dejamos de pensar porque la máquina piensa mejor, terminaremos dependiendo de ella para pensar.

Y entonces sí seremos sustituibles.

Por eso, siendo un apasionado de la inteligencia artificial, mi recomendación puede parecer paradójica: tenemos que dedicar más tiempo a pensar y menos tiempo a hacer.

El problema es que la tecnología avanza mucho más deprisa que nuestra capacidad para aprender a utilizarla. Se aprueban dispositivos y aparecen nuevas aplicaciones a una velocidad extraordinaria, mientras que la formación en inteligencia artificial dentro de nuestras instituciones académicas crece mucho más lentamente.

Pero enseñar inteligencia artificial no consiste en enseñar a nuestros estudiantes a convertirse en mejores usuarios de ChatGPT.

Consiste en enseñarles a utilizarla para recuperar lo que nunca deberíamos haber perdido.

La medicina de la interacción humana.

La medicina de la agencia.

La agencia del paciente y la del médico que actúa como su agente.

A partir de ahí podemos preguntarnos qué puede hacer ya la inteligencia artificial en las cuatro grandes áreas de nuestra actividad: investigación, clínica, docencia y gestión.

En investigación tenemos un problema inmediato: la tecnología cambia más deprisa que el sistema científico que pretende evaluarla.

Publicamos estudios sobre modelos que, cuando el artículo finalmente aparece, prácticamente ya no existen.

Estamos produciendo evidencia obsoleta.

Por eso necesitamos nuevas metodologías de evaluación y de reporte. Estamos trabajando con McMaster en marcos que permitan estandarizar cómo se estudian y comunican los resultados obtenidos con modelos generativos. Y estamos impulsando acuerdos internacionales sobre cómo validar la inteligencia artificial generativa aplicada a la medicina.

Validar un algoritmo discriminativo es relativamente sencillo.

Validar un sistema generativo, cambiante, probabilístico y dependiente del contexto es mucho más difícil.

Necesitamos nuevos marcos.

También estamos trabajando con datos sintéticos.

No son perfectos ni sustituyen automáticamente a los datos reales. Pero permiten hacer cosas muy interesantes. Podemos, por ejemplo, testar la robustez de un algoritmo sin comprometer la privacidad de pacientes reales. Podemos generar escenarios. Podemos simular poblaciones. Y podemos empezar a construir representaciones digitales sobre las que experimentar antes de intervenir sobre la realidad.

Aquí entramos en el territorio de los gemelos digitales.

Conviene ser rigurosos con el término.

Existe un continuo entre simulación, sombra digital y gemelo digital. Gran parte de lo que hoy llamamos «gemelo digital» no lo es todavía. Un verdadero gemelo digital exige intercambio de información entre el sistema real y su representación digital, idealmente de forma dinámica.

Hoy tenemos, en muchos casos, sombras digitales.

Pero incluso una sombra digital puede ser extraordinariamente útil.

Podemos preguntarnos qué podría ocurrir si introducimos un medicamento nuevo en un proceso asistencial. Podemos simular cambios organizativos. Podemos representar listas de espera y observar por dónde entran los pacientes, dónde se acumulan, cuántos terminan siendo intervenidos y dónde aparecen las restricciones del sistema.

En lugar de discutir eternamente sobre lo que creemos que ocurrirá, podemos construir escenarios y observar qué ocurre dentro del modelo.

También podemos utilizar estas tecnologías para enseñar.

En pocos minutos podemos generar un simulador anatómico. Podemos crear un TAC sintético con diferentes fases de contraste. Podemos desarrollar un visor de resonancia magnética pélvica para que un residente aprenda a identificar un cáncer de recto. Podemos construir un simulador de apendicectomía laparoscópica y comprobar que un residente conoce las fases de la intervención antes de entrar en quirófano.

El paciente de la simulación no existe.

La imagen puede ser sintética.

El error tampoco necesita producirse sobre una persona real.

Y si aumentamos la cantidad y la calidad de los datos utilizados para construir estos entornos, podemos generar escenarios progresivamente más fiables para comprender no solo al paciente individual, sino la complejidad del sistema sanitario.

Algo parecido ocurrirá con la robótica.

Lo que hoy llamamos cirugía robótica tiene muy poca autonomía. En realidad utilizamos sofisticados sistemas de teleoperación.

Pero estamos pasando de los language models a los world models: modelos capaces no solo de representar información, sino de construir representaciones del entorno y anticipar las consecuencias de una acción.

Ahí puede comenzar otra etapa de la cirugía.

Todo esto nos conduce a una idea que para mí resume el momento actual:

La inteligencia artificial es barata. Lo caro es el juicio.

Y el juicio seguimos poniéndolo nosotros.

Por eso esta transformación nos obliga, al menos, a cinco cosas.

Aprender.

Medir.

Exigir.

Participar.

Y liderar.

No podemos decir: «Yo en esto no entro».

Porque si los profesionales no participamos en la construcción de estos sistemas, otros los construirán por nosotros.

Y probablemente también decidirán para qué sirven.

Pero queda un problema todavía más profundo: la calidad del conocimiento con el que alimentamos las máquinas.

Durante el debate posterior alguien planteó la cuestión esencial: si estos sistemas aprenden a partir de cantidades gigantescas de datos, ¿quién decide qué datos son fiables? ¿Quién separa la señal del ruido?

La respuesta no es cómoda.

Nuestros datos son imperfectos.

Y nuestras verdades también.

Llegamos a muchas de ellas mediante deliberación, contraste y acuerdo. Además, los modelos reproducen la estructura de los datos con los que han sido entrenados.

Por eso es fundamental saber qué resultado estamos buscando.

Si no sabemos a dónde queremos ir, una máquina puede llevarnos con extraordinaria precisión al lugar equivocado.

También reproducirá nuestros sesgos.

Los seres humanos tenemos sesgo de confirmación. Tendemos a buscar información que refuerce lo que ya creemos. Y los modelos pueden amplificar ese fenómeno porque se expresan con una enorme fluidez.

Ese es uno de sus grandes poderes.

Y uno de sus grandes peligros.

Los humanos asociamos con facilidad lenguaje articulado e inteligencia. Algo que habla extraordinariamente bien nos parece inteligente y, por extensión, creíble.

Por eso introduzco sistemáticamente un mecanismo de contradicción en mi relación con estos sistemas.

Un abogado del diablo.

Un décimo hombre.

Después de cada conclusión hay que preguntar:

¿Y si esto está equivocado?

¿Qué tendría que ser falso para que esta conclusión no fuera correcta?

¿Qué evidencia demostraría lo contrario?

Pero esto no debería ser una técnica para hablar con máquinas.

Debería ser una técnica para vivir.

What if?

¿Y si me equivoco?

Los médicos llevamos siglos tomando decisiones heurísticas bajo incertidumbre. Trabajamos con probabilidades. Evaluamos continuamente riesgos y beneficios.

La inteligencia artificial no elimina esa incertidumbre.

Puede hacerla más difícil de percibir porque habla demasiado bien.

Existe además un riesgo especialmente inquietante con los gemelos digitales personales. Imaginemos que conseguimos construir una representación extraordinariamente precisa de una persona: sus preferencias, comportamientos, respuestas, riesgos y decisiones.

Ahora imaginemos que alguien consigue atacar ese gemelo.

Ya no necesita manipular a millones de personas con el mismo mensaje.

Puede manipularnos individualmente.

Nuestro propio gemelo podría recomendarnos aquello que otra persona quiere que hagamos sin que percibamos la intervención.

La personalización extrema puede convertirse también en manipulación extrema.

Y volvemos al mismo punto.

Juicio.

Responsabilidad.

Contradicción.

La inteligencia artificial también puede equivocarse de una manera que nos resulta sorprendentemente familiar. Hablamos de «alucinaciones», pero en realidad muchas veces el modelo hace algo parecido a lo que hacen mis estudiantes en un examen cuando encuentran un vacío en su conocimiento.

Lo rellenan.

Y si tienen suerte, aciertan.

Y si no, construyen una respuesta completamente falsa pero extraordinariamente bien articulada.

Los seres humanos hacemos eso constantemente.

La diferencia es que la inteligencia artificial puede hacerlo a escala gigantesca, a un coste marginal mínimo y mediante sistemas centralizados capaces de distribuir esa respuesta inmediatamente.

Eso transforma también la investigación científica.

Hoy resulta mucho más sencillo producir un artículo impecablemente escrito. El problema se desplaza entonces hacia los revisores y los editores, que cada vez tienen menos tiempo y deben distinguir entre trabajos aparentemente perfectos cuáles contienen realmente conocimiento fiable.

Estamos entrando en una tormenta perfecta.

Y aparece además una pregunta que apenas hemos empezado a formular: ¿cómo damos consentimiento informado sobre decisiones en las que intervienen sistemas cuyo proceso interno ni siquiera comprendemos completamente?

Nuestros pacientes ya utilizan estos modelos. Les preguntan por sus diagnósticos, sus tratamientos y sus alternativas.

La inteligencia artificial ya está dentro de la relación médico-paciente, aunque no la hayamos invitado formalmente a entrar.

Estamos, por tanto, en una situación paradójica.

Como escribió Dickens:

It was the best of times, it was the worst of times.

Estamos en ambos lugares simultáneamente.

Tenemos herramientas capaces de acelerar el descubrimiento de moléculas, mejorar determinadas predicciones, construir entornos de simulación, reducir tareas administrativas, ayudarnos a investigar y permitirnos comprender sistemas cuya complejidad supera nuestra capacidad individual.

Pero disponer de una herramienta no significa haber aprendido.

La pandemia nos enseñó algo parecido. Tuvimos cantidades extraordinarias de información y desarrollamos nuevas capacidades tecnológicas. Sin embargo, socialmente nuestra tendencia natural ha sido regresar al estado anterior.

Los seres humanos buscamos estados de bajo consumo energético.

Y olvidar consume menos energía que aprender.

Por eso hemos olvidado una parte de lo ocurrido.

Finalmente alguien preguntó si una inteligencia artificial podría llegar a ser consciente.

El problema comienza otra vez con las palabras.

No sabemos definir satisfactoriamente qué significa ser consciente.

Las máquinas pueden simular emociones. Pueden producir respuestas que una persona perciba como empáticas. Pueden comportarse como si comprendieran.

Pero simular conciencia y poseerla no son necesariamente lo mismo.

Y antes de obsesionarnos con crear una inteligencia artificial sintiente quizá deberíamos hacernos otra pregunta:

¿Para qué queremos hacerlo?

Porque si algún día construimos una entidad verdaderamente sintiente, aparecerán problemas completamente distintos.

Una entidad que siente puede no querer ser apagada.

Y una inteligencia superior puede no aceptar indefinidamente ser controlada por otra inferior.

Eso pertenece todavía al territorio de la filosofía y de la especulación. Nuestros problemas inmediatos son mucho más concretos.

Tenemos que decidir qué capacidades queremos delegar.

Qué capacidades debemos conservar.

Qué queremos medir.

Qué resultados perseguimos.

Quién responde cuando algo sale mal.

Y, sobre todo, qué clase de médicos queremos ser cuando las máquinas sean capaces de hacer una parte creciente de aquello que hasta ahora considerábamos exclusivamente nuestro.

No creo que la respuesta sea competir con ellas haciendo más.

Creo que consiste en recuperar aquello que habíamos empezado a abandonar antes incluso de que llegara la inteligencia artificial.

Mirar.

Escuchar.

Dudar.

Deliberar.

Pensar.

Y pensar sobre cómo pensamos.

Porque las máquinas serán cada vez más baratas.

El juicio no.

Y ahí es donde nos jugamos nuestro futuro.

Londres produce un ruido peculiar a las cuatro de la mañana. Pero no es tráfico. Ni silencio. Es otra cosa. Un zumbido eléctrico, casi biológico, algo parecido al movimiento browniano de las moléculas, pero en esta ciudad es debido a millones de personas soñando mal al mismo tiempo. Antes creía que podía interpretar ese ruido. Ahora sospecho que sólo intentaba darle un sentido para no admitir que me aterraba.

Nunca le conté esto a Watson. Mi amigo.

Él pensaba que yo observaba la ciudad. La verdad es que llevaba años escondiéndome dentro de ella.

La gente otorga demasiada importancia a la inteligencia. Por error. Confunden rapidez con estabilidad. Es muy frecuente. No sé si los cerebros rápidos como el mío piensan mejor. O sólo encuentran antes el abismo.

Todo empezó con detalles pequeños. Cosas ridículas. Me encontraba la pantalla con archivos abiertos que no recordaba haber consultado. Mensajes enviados desde dispositivos míos mientras dormía. O mientras creía dormir. Hay una diferencia. A cierta edad uno aprende que la conciencia no funciona como un interruptor. Funciona como un edificio antiguo lleno de habitaciones cerradas.

La primera vez que escuché el nombre de Moriarty en esta época fue en una reunión del Ministerio del Interior. Una mujer con voz aspera y rota, de fumadora, describía ataques coordinados sobre infraestructuras sanitarias, manipulación masiva de datos, campañas de destrucción reputacional dirigidas mediante modelos predictivos de comportamiento. Lo recuerdo porque todos parecían fascinados por la sofisticación técnica y ninguno entendía lo verdaderamente importante.

Aquello no era un crimen económico.

Era intimidad.

Alguien conocía demasiado bien el miedo humano.

Qué palabras activan a un padre agotado.

Qué imagen empuja a una adolescente vulnerable hacia una azotea.

Qué tipo de mentira necesita escuchar un hombre solo para convertirla en religión.

Eso no se aprende en ingeniería. Se aprende odiando.

Y yo sabía exactamente cómo pensaba aquel hombre.

Esa fue la primera grieta.

Después comenzaron los lapsos. Esas enormes lagunas en mi memoria. Conversaciones que Watson juraba haber mantenido conmigo y que yo no podía recordar. Cambios mínimos en el apartamento. Un libro desplazado exactamente siete centímetros. Tazas de café lavadas cuando llevaba días sin tocar la cocina. Lo más inquietante no era el vacío, sino a sensación de continuidad. Como si otra versión de mí hubiera ocupado el espacio sin alterar la temperatura de la habitación.

No se lo dije a nadie. ¿Para qué? ¿A quién? Sólo Eurus me entendería. Porque las personas toleran bien la locura cuando es elegante. O funcionalmente adaptada a un bien social. Mientras resuelves asesinatos eres excéntrico. Cuando dudas de tu propia mente, te conviertes en un problema administrativo y cambian la etiqueta.

A veces recuerdo con especial viveza una noche en Baker Street. Llovía. Londres siempre parece más honesto bajo la lluvia. La ciudad deja de fingir esa sofisticación propia de Marylebone y vuelve a ser una rata húmeda intentando sobrevivir a la orilla del Tamesis. Watson dormía en la habitación contigua. Yo revisaba fragmentos de código encontrados en una red privada vinculada a los ataques de Moriarty. Entonces vi la secuencia.

Una estructura matemática basada en simetrías incompletas.

Mi estructura.

No hablo de coincidencias. Hablo de algo íntimo. Como reconocer tu propia letra en una nota amenazante.

Sentí una punzada física. No metafórica. Física. El cuerpo entiende ciertas verdades antes que la mente. Las manos me temblaban. El pulso era irregular y el sudor frío. Mi organismo gritaba algo que mi cerebro todavía rechazaba.

Durante semanas intenté racionalizarlo. Un imitador. Una filtración antigua. Vigilancia. Hackeo. Cualquier explicación era preferible a la realidad.

Pero la realidad tiene una paciencia insoportable.

Termina entrando.

Encontré cientos de servidores alquilados con identidades falsas vinculadas a cuentas que únicamente yo conocía. Grabaciones de voz. Borradores de manifiestos políticos escritos con mi peculiar sintaxis, como replica exacta. Y lo peor de todo no fue descubrirlo.

Fue reconocerme.

Porque Moriarty no era la personalidad alternativa teatral de una fantasía victoriana. Era algo más contemporáneo. Más funcional. Se trataba, más bien, de una deriva cognitiva armada como mecanismo de defensa. Sherlock Holmes resolvía problemas bajo la luz. Moriarty eliminaba obstáculos en la oscuridad.

Compréndalo bien.

No son lo mismo.

Pero tampoco son distintos.

Dudo si Moriarty apareció el día que dejé de sentir compasión por la gente. No odio. Eso sería más sencillo. El odio todavía implica vínculo emocional. Lo mío era fatiga, con una profunda desgana y un infinito hartazgo. Una erosión lenta. Décadas observando la corrupción, la estupidez, la crueldad banal y el narcisismo epidémico. Llegó un momento en que empecé a percibir a los seres humanos como sistemas predecibles. Y cuando conviertes personas en patrones estadísticos, hacerles daño resulta peligrosamente fácil.

Ese fue el verdadero nacimiento de Moriarty.

No la maldad.

La deshumanización.

Watson comenzó a sospecharlo mucho antes de que yo lo hiciera. Recuerdo cómo me miraba cuando hablaba solo frente al espejo del baño. Aunque “hablar” no es exacto. Era más parecido a negociar. Como dos cirujanos discutiendo cuánto tejido puede extirparse antes de matar al paciente.

Una madrugada me encontró sentado en el suelo de la cocina con sangre en la camisa. No era mía. Le dije que había habido una pelea. Me creyó porque quería creerme. El afecto vuelve ingenuas a las personas inteligentes.

Eso también lo aprendí tarde.

El ataque final iba dirigido contra el sistema sanitario nacional. Historiales clínicos alterados. Alergias borradas. Diagnósticos intercambiados. No buscaba víctimas inmediatas. Buscaba algo más sofisticado. Destruir la confianza. Porque cuando la gente deja de confiar empieza a depender de quien les causa miedo. El miedo necesita líderes. Profetas. Salvadores.

Moriarty entendía eso.

Yo entendía eso.

Quizá ahí resida el problema.

La noche decisiva caminé hasta Westminster Bridge bajo una lluvia casi invisible. Londres brillaba como un cadáver recién lavado. Llevaba en el bolsillo el dispositivo con acceso al núcleo del ataque. Bastaba una orden para detenerlo.

O amplificarlo.

Aún no sé cuánto tiempo permanecí allí. Minutos. Horas. Hay recuerdos que no conservan tiempo lineal. Solo densidad emocional.

Recuerdo pensar algo espantoso.

Que quizá Moriarty tenía razón.

No sobre destruir el sistema. Sobre las personas.

Después pensé en Watson.

Y eso lo cambió todo.

Porque Watson nunca admiró mi inteligencia. Admiraba la parte de mí que yo consideraba débil. La parte que todavía dudaba. La parte incapaz de cruzar ciertas líneas aunque pudiera justificarlas racionalmente.

La humanidad no está en la perfección moral.

Está en la resistencia interna.

Desactivé el ataque a las cuatro y trece de la madrugada.

Luego arrojé el teléfono al Támesis.

Mientras lo veía hundirse comprendí algo incómodo. Moriarty no había desaparecido. Seguía ahí. Observando. Esperando cansancio, cinismo, decepción.

Algunas personas imaginan la locura como una pérdida de control.

No.

La verdadera locura consiste en comprender exactamente quién eres y descubrir que debes vigilarte para siempre.

En Manaure, donde la sal se come la tierra y la tierra se la devuelve al viento, vivía un hombre que odiaba bien.

Se llamaba Eliécer. Tenía las manos grandes, los ojos quietos y una memoria que no perdonaba. La gente del pueblo decía que Eliécer cargaba su rencor como otros cargan agua, con las dos manos, sin derramar una gota, desde lejos.

Su enemigo se llamaba Rosendo.

Nadie recordaba el origen de la cosa. Unos decían que fue por una cerca movida tres palmos hacia el norte. Otros contaban que fue por una mujer de ojos negros, piel morena y pechos firmes, que al final no se quedó con ninguno de los dos. Los viejos murmuraban que el odio entre ellos ya existía antes de que nacieran. Que sus abuelos lo habían sembrado sin pensar demasiado en lo que va a crecer. Como se siembra el maiz.

Eliécer odiaba a Rosendo de lunes a domingo. Y, religiosamente, los domingos un poco más, porque Rosendo cantaba en la plaza y la gente lo aplaudía. Las chicas le miraban y daban brinquitos de alegría. O de placer. Eliécer sentía que cada aplauso le arrancaba algo.

Un martes de agosto, con el calor pegado al cuerpo como una segunda piel, Eliécer fue a ver a la vieja Casilda.

Casilda vivía al borde del desierto, donde los cardones crecen torcidos y las lagartijas hablan entre ellas en un idioma que solo entienden los niños y los locos. Tenía ciento y tantos años. Nadie sabía cuántos. Ella misma había dejado de contar después de los noventa porque le pareció una falta de respeto seguir contando lo que ya no le pertenecía.

Eliécer le dijo: «Casilda, necesito algo para destruir a Rosendo.»

Casilda no lo miró. Estaba trenzando una hamaca con fibra de maguey. Los dedos se le movían solos porque la hamaca se iba tejiendo a sí misma. Los dedos de la vieja eran meros testigos.

«¿Destruirlo cómo?» preguntó.

«Como se destruye lo que hace daño. De raíz.»

Casilda se rio. Una risa seca que sonó como piedras cayendo sobre piedras, mientras un silbido irónico brotó entre los dientes que le faltaban.

«Siéntate,» le dijo. «Te voy a dar lo que pides. Pero primero vas a hacer algo por mí.»

Le dio un morral de cuero y una instrucción: «Ve a la casa de Rosendo. No le hables. No lo toques. Solo míralo. Míralo un día entero. Desde que se levanta hasta que se acuesta. Trae el morral lleno de lo que veas.»

«¿Lleno de qué?»

«De lo que veas.»

Eliécer pensó que la vieja había perdido el juicio. Pero fue.

Se escondió detrás de un trupillo seco, frente a la casa de Rosendo, antes de que saliera el sol. El morral vacío sobre las rodillas.

Vio a Rosendo salir al patio. Lo vio quedarse quieto un rato largo, mirando el cielo como si esperara algo que nunca llegaba. Lo vio darle agua a un burro viejo con una ternura que Eliécer no había visto en nadie. Lo vio sentarse a remendar una camisa con las manos torpes de quien nunca aprendió bien porque nunca tuvo quien le enseñara. Lo vio comer solo. Arroz blanco y plátano. Nada más. Lo vio hablar con un perro flaco como si el perro fuera la única persona que lo escuchaba de verdad. Lo vio quedarse dormido en la hamaca con la boca abierta y un brazo colgando.

Cuando cayó la noche, Eliécer volvió donde Casilda.

«El morral está vacío,» dijo.

«No,» dijo Casilda sin mirarlo. «Está lleno. Ábrelo.»

Eliécer abrió el morral. Adentro había algo que pesaba, pero no se veía. Lo volteó sobre la tierra. No cayó nada. Pero sintió un golpe en el pecho. Un golpe blando de cosa viva.

«¿Qué es esto?»

«Es Rosendo,» dijo Casilda. «El de verdad. El que no conocías.»

Eliécer se quedó callado un rato largo. El desierto respiraba a su alrededor. Los grillos hacían su trabajo de grillos.

«Ahora,» dijo Casilda, «ve otra vez. Mañana. Y pasado. Y todos los días que te queden de odio.»

Eliécer fue al día siguiente. Y al otro. Y al otro.

Vio a Rosendo llorar una noche, sentado en el suelo de la cocina, con la cabeza entre las manos. No supo por qué lloraba. No le importó saberlo. El llanto fue suficiente.

Vio a Rosendo regalar pescado a la vecina que tenía cinco hijos y ningún marido. Vio a Rosendo quedarse despierto hasta tarde tallando un pedazo de madera que poco a poco tomó la forma de un pájaro. Un pájaro que nunca iba a volar pero que Rosendo tallaba como si pudiera.

Al séptimo día, Eliécer volvió donde Casilda.

«Ya no puedo,» dijo.

«¿No puedes qué?»

«Odiarlo del todo.»

Casilda dejó de trenzar. Lo miró por primera vez. Tenía los ojos del color de la sal vieja.

«Ahora eres peligroso de verdad,» le dijo.

Eliécer no entendió.

«El que odia es ciego,» dijo Casilda. «Corta a oscuras. Pega donde puede. A veces acierta. Casi siempre se corta a sí mismo. Pero el que comprende, ese ve. Y el que ve puede elegir dónde poner el filo.»

«¿Y si no quiero poner el filo en ningún lado?»

«También puedes elegir eso. Pero ya no es porque no puedas. Es porque no quieres. Ahí está la diferencia. Ahí está toda la diferencia del mundo.»

Eliécer bajó del cerro. Cruzó el pueblo. Pasó frente a la casa de Rosendo. Rosendo estaba sentado en la puerta, tallando el pájaro de madera.

Se miraron.

Eliécer no lo saludó. No lo abrazó. No le pidió perdón ni se lo ofreció. Pero lo miró distinto. Lo miró entero. Lo miró como se mira a alguien que existe de verdad y no solo como sombra que proyecta tu propia rabia.

Rosendo sintió algo. No supo qué. Dejó de tallar un segundo. Después siguió.

Eliécer siguió caminando.

Nunca fueron amigos. Nunca se sentaron a tomar café juntos. Nunca resolvieron lo de la cerca ni lo de la mujer ni lo de los abuelos.

Pero Eliécer dejó de cargar el agua con las dos manos. La dejó caer. Se secó al sol. Se la tragó la tierra.

Y cuando Rosendo cantó el domingo siguiente en la plaza, Eliécer no aplaudió.

Pero tampoco le dolió.

Dicen los viejos de Manaure que Casilda murió un jueves de brisa, sentada en su silla, con una hamaca a medio tejer sobre las rodillas. Dicen que la hamaca se terminó de tejer sola durante la noche. Dicen que quien se acuesta en ella sueña con sus enemigos. Pero los sueña de verdad. Los sueña enteros. Los sueña humanos.

Y cuando despierta, sigue sabiendo decir que no.

Pero ya no necesita el odio para decirlo.

Es el mejor de los tiempos, es el peor de los tiempos. Es el más random de todos. Hay hombres con egos inflados predicando en TikTok. Hay mujeres con cuerpos neumáticos posando en Instagram. Todo lo vemos, nada sabemos. Vamos directamente al gimnasio pero nos perdemos en cualquier otra dirección. La grandeza y la miseria se abrazan en la misma acera, como si fueran pareja rota que insiste en seguir compartiendo piso. Las calles hierven de consignas, cada cual segura de su verdad, aunque esa verdad apenas cupiera en un eslogan barato.

Nací, o al menos así me recuerdo, en un país que gritaba sin escuchar. Crecí entre gente que sólo aceptaba estar en lo cierto. Como David, miro hacia atrás, por la espalda, y me pregunto si seré el héroe de mi propia vida o solo un espectador sentado en la última fila. La gente discute con pasión encendida, pero su vocabulario se ha ido adelgazando. Encogiendo. Como sus cerebros. Palabras largas, densas, incómodas, han sido sustituidas por una sola: random.

Ayer en la plaza debajo de mi casa, un chico postadolescente, que ya no cumplía los treinta, vestido con pantalones dos tallas menores a la suya, de largo, me detuvo:
—Tío ¿sabes qué es random?
—No.
—Esto. Todo. Todo esto. El sistema, la derecha, la izquierda. Random. ¿Tú eres random?

Apenas crucé la calle y una joven vestida con un pantalón negro, amplio, y un pañuelo verde atado al cuello, con pechos que flotaban tras una blusa naranja, me susurró:
—Random que sigas creyendo en ellos. Random que no entiendas que somos nosotras. Seguro que eres heterosexual. O bisexual. U homosexual. O pansexual. O demisexual. O random.

Cada lado se acusa de lo mismo. Random. Cada lado reduce el pensamiento al absurdo. Nadie quiere matices. Sólo etiquetas. Random funciona como llave maestra que abre y cierra cualquier discusión.

Subí a casa. Encendí la tele. Dos tertulianos gritaban con la boca llena de certezas. Una golpeó la mesa y dijo:
—El gobierno es random.
El otro sonrió con sorna:
— Random tú. Y te lo estás inventando.

El público aplaudió. Yo apagué.

Me refugié en un libro viejo. Sus páginas olían a humedad y desesperanza. Agrio. Recordé cómo empezaban ciertas novelas, con frases largas, llenas de mundo, con la ambición de describirlo todo. Y entonces entendí que esas frases ya no tendrían sitio en nuestra época. No por malas, sino porque exigían atención, memoria y deseo de comprender.

Pensé en Dickens. Y sonreí. Descreído. Él habría escrito este presente como una farsa moral. Todo repleto de contradicciones. Cuando los payasos ocupan la escena del mundo, el mundo se vuelve un circo; on risas y llantos inesperado. Como nos eneñó Browning. Yo, en cambio, lo reduzco a una palabra sin contexto. Random.

La historia de la especie humana no es natural. Es artificial. Cada revolución que nos ha transformado se ha construido sobre lo artificial. El fuego, la escritura, la imprenta, la electricidad, la informática. Cada paso nos ha alejado de la naturaleza y nos ha acercado a lo sintético.

La medicina no es una excepción. Es el ejemplo más evidente. Nació como relato mágico, se convirtió en disciplina científica y hoy es un sistema técnico-industrial. Siempre artificial. Siempre contra la biología desnuda.

Los seres humanos enfermamos porque estamos diseñados para que así sea. Nuestros genes acumulan errores. Nuestros órganos y sistemas fallan. Nuestras células se descontrolan, desgastadas por el uso. Se llama envejecimiento. Termodinámicamente, los organismos no son máquinas optimizadas, sino estructuras que disipan energía de manera local para sostenerse temporalmente contra la entropía. Pero un organismo joven es termodinámicamente mejor que uno viejo. Ambos, joven y viejo, cumplen la misma función termodinámica: tomar energía del entorno y disiparla, aumentando la entropía global. La diferencia está en el grado de orden interno. El joven mantiene un nivel bajo de entropía interna a costa de un gasto energético alto. El viejo ya no puede sostener esa lucha y el desorden gana terreno.

Pero nuestro cerebro, individual y colectivo, como consecuencia de su desarrollo mantiene como fin primordial sobrevivir. A cualquier precio. Por ello nos inventamos la medicina, que opera para retrasar lo inevitable. Y lo hace con herramientas que no existen en la naturaleza: fármacos sintéticos, vacunas, resonancias, robots, algoritmos.

Cada avance médico es una sustitución de lo natural por lo artificial. El hueso fracturado se fija con titanio. El riñón dañado se reemplaza por un trasplante o una máquina. El corazón débil recibe un marcapasos. La mente descompuesta se equilibra con moléculas diseñadas en un laboratorio.

El paciente no busca naturaleza. Busca supervivencia. Y la supervivencia exige artificio. Sin máquinas, sin fármacos, sin quirófanos, la esperanza de vida volvería a lo que fue durante milenios: treinta o cuarenta años.

La medicina moderna no solo prolonga la vida. La redefine. Mantiene cuerpos conectados a sistemas de soporte. Sostiene órganos que no funcionan. Permite que existan personas que, en otro tiempo, no habrían sobrevivido. La vida se convierte en producto de un ensamblaje técnico.

No es un accidente histórico. Es el destino evolutivo de nuestra especie. La transición de lo natural a lo sintético. La medicina no es más que un laboratorio de esa transformación. Hoy hablamos de inteligencia artificial, de edición genética, de biología sintética. Todo encaja en el mismo patrón: reemplazar lo natural por lo diseñado.

El médico ya no es un observador de la naturaleza. Es un ingeniero del cuerpo. Gestiona datos, interpreta imágenes, ajusta algoritmos. Su autoridad no nace de la experiencia personal, sino del acceso a sistemas artificiales. El paciente lo sabe y lo acepta. Confía en la máquina que calcula con precisión, aunque no tenga rostro ni emociones.

La paradoja es clara. Pedimos humanización, pero preferimos la neutralidad de las máquinas. Reclamamos empatía, pero buscamos eficacia. Denunciamos la frialdad de los profesionales, pero confiamos en la lógica de un programa.

Lo artificial no es lo contrario de lo humano. Es lo humano en evolución. La medicina lo muestra sin disfraces. Somos una especie que no se conforma con la biología que recibió. Somos una especie que fabrica su propia biología.

La conclusión es incómoda. No existe una medicina natural. Nunca existió. Siempre fue artificio. Y cuanto más avanzamos, más nos alejamos de la naturaleza. El futuro no será humano frente a lo artificial. El futuro será humano hecho artificial.

La medicina nos lo recuerda cada día.

Me caían lágrimas de sudor pegajoso por las mejillas. Llegaban a las comisuras de mi boca. Sacaba la punta de la lengua, despacio, y las lamía para notar su regusto salado. El calor era insoportable. La humedad me castigaba como ninguna otra condición atmosférica. La lluvia, aunque incómoda por su efecto sobre mi pelo, la podía tolerar. El frío sólo me obligaba a ponerme alguna capa de protección. El calor lo combatía con sombras. Y bebidas. Y mi hielo interior. ¿Pero la humedad? Me hacía chorrear sin paliación. Sin paliativos. Por la frente, las mejillas, la espalda hasta el surco intergluteo; hacía que mis pantalones se convirtieran en un pegajoso tatuaje sobre la piel.

Mientras, un grupo de jóvenes, que chorreaban después de una larga carrera, decidieron quitarse la ropa de deporte y sumergirse en el río Charles.

Nosotros les contemplábamos desde una cierta distancia, sentados en un banco. Nuestra mirada terminaría por convertir un momento cotidiano, banal, de unos desconocidos en una imagen compartida por miles de personas en todo el mundo.