Existe una explicación sencilla de por qué la IA, en realidad, no piensa. Tu cerebro trabaja con ideas. En algún lugar de tu cabeza existe un concepto de «araña» que permanece igual tanto si lees la palabra, como si ves una fotografía o si sientes cómo una araña te sube por el brazo. Un modelo de lenguaje, el tipo de IA que está detrás de chatbots como ChatGPT y Claude, no tiene nada parecido, según esta explicación. Solo predice cuál será la siguiente palabra. Estadística aplicada al texto, sin ideas en su interior. Durante años, esa fue la línea clara que separaba a las mentes de las máquinas.

Pero cada vez resulta más difícil sostener esa explicación. Cada vez que los investigadores miran dentro de estos modelos, encuentran cosas que se comportan como ideas. Conceptos abstractos que aparecen por sí solos, que nadie ha diseñado y que nadie les ha pedido que construyan. El caso más llamativo llegó de la mano de Anthropic este julio (Anthropic, 2026). En lo más profundo de Claude, encontraron una estructura sobre la que los neurocientíficos llevan debatiendo desde los años 80.

Somos conscientes de la información, no del hardware

Esta estructura encaja con la Global Workspace Theory (Teoría del Espacio de Trabajo Global), propuesta por el psicólogo Bernard Baars en 1988 y desarrollada posteriormente por los neurocientíficos Stanislas Dehaene y Jean-Pierre Changeux hasta convertirse en una de las principales teorías sobre la conciencia (Dehaene & Changeux, 2011).

La idea central es sencilla. Tu cerebro ejecuta muchos procesos especializados en paralelo y la mayor parte de su actividad ocurre fuera de tu conciencia. Según esta teoría, aquello de lo que eres consciente es la pequeña cantidad de información que se selecciona y se distribuye ampliamente por el cerebro, de manera que muchos sistemas pueden utilizarla al mismo tiempo. Esto es lo que te permite expresar una idea, razonar sobre ella y combinarla con cualquier otra cosa que sepas.

Y la teoría habla de cómo fluye la información, no del hardware a través del cual lo hace. Los neurocientíficos han localizado este espacio de trabajo en circuitos cerebrales concretos, pero nada en la lógica de la teoría exige que sean precisamente esos circuitos. En principio, cualquier sistema organizado de la manera adecuada podría tener uno.

J-space, donde Claude mantiene una idea en mente

Anthropic encontró una estructura similar dentro de Claude. Una pequeña parte de la actividad del modelo, menos del 10 %, funciona como un canal de difusión de este tipo. Lo llamaron J-space. Dicho de forma sencilla, J-space es el lugar donde Claude mantiene la idea con la que está trabajando en ese momento.

Tres experimentos respaldan esta interpretación.

Primero, si le preguntas a Claude por «el animal que teje telas», mientras prepara la respuesta, el concepto de «araña» aparece en J-space. No la palabra: la idea.

Segundo, los investigadores pueden intervenir en mitad del proceso y sustituir ese patrón por el correspondiente al significado de «hormiga». La respuesta de Claude cambia de ocho patas a seis. Por tanto, ese patrón no es simplemente una huella que queda después de pensar. Es aquello con lo que el modelo piensa.

Tercero, si se elimina por completo J-space, Claude puede seguir conversando y recordar información, pero todas las capacidades que dependen de mantener una idea en mente mientras se trabaja con ella se desmoronan. Los resúmenes, el razonamiento paso a paso, la poesía. Todo desaparece.

Se suponía que mantener una idea en mente era precisamente una de las cosas que estos sistemas no podían hacer. Al menos en este aspecto, lo que ocurre dentro de Claude se parece menos a un autocompletado y más a lo que hace una mente humana.

Lo interesante nunca fueron los ingredientes

Es algo extraño que un predictor de la siguiente palabra construya por sí solo algo así. Y también debilita uno de los argumentos más habituales para quitar importancia a estos modelos. «Solo está prediciendo tokens» es un argumento sobre los ingredientes. Silicio en lugar de células. Estadística en lugar de pensamiento.

Pero si la Teoría del Espacio de Trabajo Global es correcta, lo interesante de una mente nunca fueron los ingredientes. Fue la organización. Claude tiene los ingredientes equivocados en todos los sentidos y, aun así, la organización ha aparecido.

Visto desde esta perspectiva, «solo está prediciendo tokens» suena un poco como «tu cerebro solo son sustancias químicas». Es cierto, pero no viene al caso.

Nada de esto significa que Claude sea consciente, ni estoy afirmando que lo sea. La conciencia no es la noticia. La noticia es que el modelo construye representaciones abstractas por sí mismo y las organiza de la manera que una de las principales teorías de la conciencia propone que lo hace el cerebro humano. Esa es toda la afirmación, y ya resulta extraordinaria.

Un experimento que no puedes hacer con un cerebro

Aun así, hay algo que puedes hacer con el espacio de trabajo de Claude que no puedes hacer con un cerebro. Puedes eliminarlo y observar qué deja de funcionar.

En humanos, las evidencias a favor de esta teoría son, en su mayoría, indirectas. Las técnicas de neuroimagen muestran correlaciones, y los casos que más se aproximan a pruebas causales proceden de accidentes, pacientes con cerebro dividido, comas o anestesia. No puedes apagar el espacio de trabajo de una persona de forma limpia, reversible y repetible para comprobar exactamente qué capacidades desaparecen.

Con Claude sí puedes hacerlo. Puedes eliminarlo, modificarlo, repetir el experimento mil veces antes de comer. Ninguna teoría de la conciencia ha contado jamás con un campo de pruebas como este.

Y ese campo de pruebas podría acabar siendo más importante para los humanos que para las máquinas. Una parte importante de lo que falla en condiciones como el TDAH y la demencia afecta precisamente a la capacidad que sostiene J-space: mantener una idea activa mientras trabajamos con ella.

La atención se desvía. Los hilos del razonamiento se rompen a mitad de camino. Hoy estudiamos estos fallos desde fuera, a través de los síntomas y las técnicas de neuroimagen. Un modelo con un espacio de trabajo nos proporciona un mecanismo que podemos alterar con precisión, de cientos de maneras controladas. Y cada forma de romperlo genera un patrón concreto de fallo que después podemos buscar en las personas.

No sustituirá a la neurociencia. Le proporciona algo que pocas veces ha tenido: un modelo mecánico funcional de aquello que está fallando.

Esta es también la apuesta que hay detrás del modelo de la mente que estamos desarrollando en el INAB: una simulación de cómo se forman los pensamientos y cómo compiten por nuestra atención. Construimos el mecanismo precisamente para poder romperlo a propósito. Debilitamos la capacidad de las ideas para mantenerse activas, como parece ocurrir en el TDAH; deterioramos el funcionamiento del sistema, como ocurre en la demencia, y observamos cómo cambia el pensamiento.

El hallazgo de Anthropic resulta alentador para todo este programa. Sugiere que, cuando un sistema aprende a trabajar con ideas, construye una maquinaria que merece la pena estudiar. Y también merece la pena romper.

¿Hacia dónde nos lleva todo esto?

Nadie lo sabe. Algunos investigadores creen que estos modelos están cerca de alcanzar su techo y que las sorpresas más importantes han quedado atrás. Otros piensan que apenas hemos empezado a descubrir qué hay en su interior.

¿Llegarán algún día a alcanzar algo parecido a la conciencia? A mí todavía me parece poco probable. Pero «poco probable» es también lo que decíamos cuando empezaron a escribir código, a superar exámenes médicos y a construir por sí mismos un espacio de trabajo global.

Año tras año, siguen sorprendiéndonos.

Yo he dejado de apostar por que esa línea se mantenga.

Referencias:

• Anthropic. (2026). A global workspace in language models. Transformer Circuits Thread. https://transformer-circuits.pub/2026/workspace/index.html (resumen en https://www.anthropic.com/research/global-workspace)
• Baars, B. J. (1988). A Cognitive Theory of Consciousness. Cambridge University Press.
• Dehaene, S., & Changeux, J.-P. (2011). Experimental and theoretical approaches to conscious processing. Neuron, 70(2), 200-227.

Autor artículo: