La llamada cognición artificial -que frecuentemente es confundida con los actuales modelos de lenguaje-, ocupa hoy un lugar central en el debate tecnológico global. Sin embargo, conviene ser precisos: los LLMs (Large Language Model) más avanzados no entienden al mundo, sino que operan mediante predicción estadística de texto con alta coherencia semántica, entrenados sobre grandes volúmenes de datos. No poseen intencionalidad, comprensión causal ni modelos internos del mundo. Funcionan muy bien como simuladores de discurso, no como sistemas cognitivos. Aún no estamos, estrictamente, en la era de la cognición artificial.

A nivel mundial, el estado del arte es ambivalente. Por un lado, hay avances notables en capacidad, eficiencia y multimodalidad (entrada en base a texto, imagen y/o audio); por otro, persisten límites estructurales: alucinaciones, fragilidad contextual y dependencia de datos históricos.

El principal desafío global no es alcanzar una IA general en el corto plazo, sino gestionar sistemas que parecen inteligentes sin serlo, donde se corre el riesgo de delegar decisiones a herramientas que no comprenden lo que producen. La gobernanza, la auditoría y la seguridad se vuelven tan centrales como la innovación misma.

En América Latina, el escenario es más delicado. La adopción de IA es rápida, pero la soberanía tecnológica es baja. Importamos modelos, infraestructuras y estándares; exportamos datos, trabajo de etiquetado y dependencia.

La región corre el riesgo de repetir un patrón de extractivismo, ahora digital. El desafío latinoamericano no es solo usar IA, sino desarrollar capacidad crítica y técnica propia, formando talento avanzado, fortaleciendo infraestructura compartida y diseñando políticas públicas que no copien acríticamente marcos regulatorios externos.

Chile presenta una situación intermedia. Existen capacidades académicas relevantes, una estrategia nacional de IA y un actor clave como el Centro Nacional de Inteligencia Artificial (CENIA), que ha articulado investigación y debate público. A esto se suma un hito de hace menos de un año: la aprobación, vía financiamiento público de CORFO, de dos centros de supercómputo, que fortalecen la infraestructura nacional para investigación y desarrollo en IA. Sin embargo, persiste una brecha entre adopción y comprensión. Se habla de cognición artificial cuando, en rigor, seguimos trabajando con automatización estadística avanzada.

El desafío chileno es convertir infraestructura y adopción en valor estratégico: estándares de transparencia para sistemas que usen IA, evaluación independiente o auditoría de modelos y una agenda de formación que vaya más allá del uso instrumental. Necesitamos expertos en evaluación, seguridad y ética aplicada, no solo usuarios eficientes.

El punto clave está en comprender que los LLMs no son aún un nuevo actor cognitivo, sino espejos sofisticados del lenguaje humano. El riesgo no es que piensen por nosotros, sino que nosotros pensemos que lo hacen.