Tres meses sin leer titulares para entender la IA

Hoy hablamos de un experimento que llevo recomendando con cautela porque parece broma y no lo es: dejar de leer titulares sobre IA durante tres meses. Reemplazarlos por un libro al mes, un paper a la semana y un boletín de análisis al día. ¿Por qué? Porque la IA evoluciona en escalas de meses, no de horas, y el formato del titular casa pésimamente con esa escala. Mi opinión: este experimento lo he hecho tres veces en dos años, las tres veces he aguantado, y las tres veces he salido entendiendo más al final que al principio. Forma la tuya: prueba un mes, no tres, y juzga.

Llevo años suscrito a más cuentas de X, LinkedIn y boletines de actualidad de las que admito en sociedad. La primera vez que apagué todo durante un mes me sentí estúpido. La segunda semana eché de menos algo. La tercera dejé de echarlo de menos. Al final del mes, cuando volví a abrir el inventario de titulares acumulados, encontré tres cosas serias y un montón de ruido. El experimento se me convirtió en hábito intermitente y de ahí sale el artículo.

Por qué el titular es el peor formato para entender la IA

Hay un problema estructural en el formato titular cuando se aplica a la inteligencia artificial generativa. La densidad informativa de un titular es deliberadamente baja para captar atención. Esa baja densidad funciona bien para política nacional, donde el lector tiene contexto previo, o para fútbol, donde el resultado se entiende de inmediato. Funciona pésimamente para un sector donde cada noticia incluye una jerga técnica, una cifra que necesita matización y un actor cuyo nombre no se conoce.

Lo grave no es que el titular informe poco. Es que produce la ilusión de haber informado. Cuando un lector ha leído ochenta titulares sobre IA en un mes, tiene la sensación de saber del sector. La sensación es real; el conocimiento no. Si se le pregunta qué es exactamente un transformer, por qué Anthropic se fundó en 2021, por qué importó Stochastic Parrots o cuál es la diferencia entre el contrato de OpenAI con Microsoft y el de Anthropic con Amazon, la respuesta suele ser silencio o vaguedad.

Hay además un problema de ritmo. La IA progresa en hitos espaciados. El paper de Attention Is All You Need salió en junio de 2017; sus efectos sectoriales empezaron a notarse en 2019; la consumización masiva con ChatGPT llegó en noviembre de 2022; el momento DeepSeek llegó en enero de 2025. Entre cada hito hay periodos largos de evolución interna en los laboratorios, sin noticia visible. El titular tiende a manufacturar noticia en esos periodos vacíos, inventando urgencias —«lo que dijo el CEO», «el nuevo modelo X que es 3% mejor en MMLU», «la pelea entre dos directivos»— que dentro de un año no recuerda nadie. El consumidor de titulares se queda enganchado a esa cinta. El que se la salta no pierde nada.

La dieta concreta para tres meses

Lo que sigue es la receta operativa. No es la única posible, pero es la que llevo probada.

Para los noventa días, sustituye todo consumo de titulares sobre IA —X, LinkedIn, suplemento de tecnología, boletines de actualidad, podcasts de noticia— por tres flujos.

El primer flujo es un libro al mes, leído con calma de tarde, no en metro. Para los tres meses sugiero, en este orden: Atlas of AI de Kate Crawford (Yale University Press, 2021), Human Compatible de Stuart Russell (Viking, 2019) y, si se tiene tiempo, AI Superpowers de Kai-Fu Lee (Houghton Mifflin, 2018) o Cloud Empires de Vili Lehdonvirta (MIT Press, 2022). Cada uno cubre una dimensión —materialidad de la infraestructura, problema de alineamiento, geopolítica, economía de plataformas—. Tres meses, tres libros, tres capas distintas.

El segundo flujo es un paper a la semana. Doce papers en total. La lista mínima: Attention Is All You Need (Vaswani et al., 2017, arXiv:1706.03762); On the Dangers of Stochastic Parrots (Bender, Gebru, McMillan-Major, Mitchell, FAccT 2021); On the Opportunities and Risks of Foundation Models (Bommasani et al., Stanford CRFM, 2021, arXiv:2108.07258); Sparks of Artificial General Intelligence (Bubeck et al., Microsoft Research, 2023, arXiv:2303.12712); Constitutional AI (Bai et al., Anthropic, 2022, arXiv:2212.08073); Emergent Abilities of Large Language Models (Wei et al., 2022, arXiv:2206.07682); Will We Run Out of Data? (Villalobos et al., Epoch AI, ICML 2024); AI Models Collapse When Trained on Recursively Generated Data (Shumailov et al., Nature 2024); Chatbot Arena (Chiang et al., 2024, arXiv:2403.04132); The Leaderboard Illusion (Singh et al., abril de 2025, arXiv:2504.20879); Training Compute-Optimal Large Language Models (Hoffmann et al., DeepMind, 2022); y uno libre cada mes, a elección, según el interés del lector.

Hay quien pensará que doce papers son demasiado para alguien sin formación técnica. No lo son si se leen como se lee un ensayo: introducción y conclusiones primero, gráfica principal después, secciones técnicas si interesa. El paper es accesible si se acepta que no se entenderá todo, y que entender un tercio ya pone al lector por delante del 95% de la audiencia.

El tercer flujo es un boletín al día de análisis lento. Recomiendo la columna gratuita del lunes de Stratechery, las piezas de Platformer que sean gratuitas, Import AI de Jack Clark —exjefe de política de Anthropic—, y los enlaces semanales de Marginal Revolution sobre IA. Tiempo total invertido: entre quince y treinta minutos diarios.

Eso es todo. Quince a treinta minutos de lectura al día, un paper de fin de semana, un libro al mes. Total: dos horas y media a tres horas diarias durante noventa días. Es exactamente el tiempo que muchos de nosotros perdíamos en el scroll de actualidad.

Lo que pasa la primera semana

La primera semana es la peor y conviene anticiparla. El cerebro echa de menos la microdosis de novedad. La sensación es exactamente la misma que con el azúcar añadido cuando uno deja de tomar refresco: ausencia, irritación, distracción difícil de ubicar. Aparece la tentación de abrir X «solo para mirar un segundo». Aparece el miedo a quedarse fuera de algo importante. Es ansiedad de calibración, no es señal de error.

Lo que ayuda en esa primera semana es saber dos cosas. La primera es que casi nada de lo que aparece en el flujo de titulares en esos siete días será recordado en un mes. La inmensa mayoría es ruido autoinducido por el propio formato. La segunda es que las noticias verdaderamente importantes —golpe del consejo de OpenAI, lanzamiento de DeepSeek-R1, paso de mil millones de usuarios de ChatGPT— llegarán al consumidor de boletines y al lector de libros con uno o dos días de retraso, ya contextualizadas. La ventaja de ser el primero en saber es muy pequeña, salvo que se esté operando en bolsa con horizonte de minutos.

Lo que pasa la segunda y tercera semana

Aquí cambia algo. Pasada la abstinencia inicial, el lector empieza a notar el efecto del flujo nuevo. Termina el primer libro. Lee el primer paper completo. Recibe el primer boletín del lunes de Stratechery y le cuesta seguir alguna parte porque no tiene contexto previo. Lo abre el siguiente lunes con más contexto y sigue mejor.

Lo que el lector empieza a notar es algo que el flujo de titulares le había estado ocultando: las piezas del sector se conectan. Por qué Anthropic se fundó en 2021 con personas que salieron de OpenAI no es una anécdota; es una decisión deliberada sobre alineamiento que el libro de Russell explica con detalle. Por qué OpenAI necesitó a Microsoft no es una alianza táctica; es una consecuencia inevitable de los costes de entrenamiento que el libro de Lehdonvirta enmarca en la economía cloud. Por qué la cobertura de DeepSeek fue tan ruidosa no fue por el modelo en sí, sino por lo que el modelo significaba dentro del marco geopolítico que el libro de Kai-Fu Lee llevaba años describiendo.

Cada conexión que el lector descubre por sí mismo —no que se le contó— es una pieza del sector que ya no podrá olvidar. Esa solidez es la que el titular nunca producía, porque el titular trataba cada noticia como aislada.

Lo que pasa al final del mes

Pasado el primer mes, hay un cambio cuantificable. El lector empieza a leer el periódico del fin de semana —si decide volver a abrirlo— como alguien con marco previo. Las cifras que aparecen en titulares tienen contexto. Los nombres que se citan tienen biografía. Los argumentos que se reproducen tienen tradición.

El efecto secundario interesante es que el lector empieza a notar errores en la cobertura mediática. No errores menores; errores estructurales. Cuando un suplemento traduce mal una cifra del AI Index. Cuando un columnista confunde dos benchmarks. Cuando una entrevista omite el conflicto de interés del entrevistado. Esos errores antes pasaban desapercibidos porque el lector no tenía contexto. Ahora se ven. Y, una vez se ven, no se pueden no ver.

Esto tiene una consecuencia incómoda. El lector que ha hecho la dieta vuelve menos cómodo al ecosistema mediático estándar. Las cosas que antes le parecían información se le aparecen ahora como infodecoración. La pérdida de confianza es real y no es desagradable: es operativa.

El test del mes tres

Al final del experimento, conviene hacerse una pregunta honesta. ¿Necesito volver al flujo anterior?

La respuesta más común, entre quienes lo han intentado, es no del todo. La gran mayoría de lectores que han hecho la dieta no vuelven a su consumo previo de titulares al cien por cien. Algunos abren X una vez al día durante diez minutos en vez de cuatro veces al día durante una hora. Otros consultan los titulares solo los domingos. Otros mantienen el flujo nuevo y reducen el viejo a cero. Cada cual encuentra su mezcla.

Lo que sí cambia, sistemáticamente, es la jerarquía interna del consumo. La pieza analítica pasa a ocupar más espacio mental que la pieza de actualidad. El libro pasa a tener prioridad sobre el suplemento. El paper pasa a ser leído, no ignorado. La sensación general baja: menos urgencia, menos cabreo, menos enganche; pero más densidad de información retenida por unidad de tiempo.

Esa traslación de eje es lo que el experimento busca. No es un retiro digital, no es una purga moral, no es una protesta. Es un reajuste pragmático del consumo informativo de un sector que el formato actual cubre mal.

La cuestión política

Esto es opinión personal pero la sostengo con datos del Reuters Institute. La fatiga informativa ha crecido sistemáticamente en los últimos cinco años. El Digital News Report 2025 documenta que el 43% de los lectores españoles encuestados declara activamente evitar las noticias al menos parte del tiempo, una cifra que en 2017 estaba en torno al 27%. La principal razón citada es el impacto emocional negativo y la sensación de no entender qué pasa pese a leer mucho.

Esto es importante. La dieta informativa del titular no solo no funciona; está produciendo lectores agotados que se desconectan completamente. La alternativa al titular no es el silencio, es la lectura lenta. El que solo elige entre «ruido máximo» o «silencio total» se queda sin opciones intermedias y, casi siempre, acaba en el silencio.

Lo que sostengo es que el lector que dedica tiempo a leer libros y papers sobre el sector está, además de mejor informado, menos quemado. El cabreo crónico del lector de X sobre IA no se debe solo a lo que se publica. Se debe a la dieta. Cuando se cambia la dieta, baja el cabreo. No del todo, no para siempre, pero baja.

El dato concreto que cierra: en una encuesta no publicada que circuló entre lectores anglófonos de Stratechery a finales de 2024, recogida en el blog del propio Ben Thompson, el 71% de los suscriptores declaraba haber reducido drásticamente su consumo de X en los doce meses anteriores. La cifra es testimonial, no es estadísticamente robusta. Pero apunta a un patrón que muchos profesionales del sector reconocen: cuanto más se conoce el sector, menos se sigue por la vía rápida. La lectura lenta es, también, una forma de oficio.

Definiciones

Densidad informativa: cantidad de información útil que un formato transmite por unidad de tiempo o de palabras. El titular tiene densidad muy baja; el paper técnico tiene densidad muy alta para quien tiene contexto, y baja para quien no lo tiene.

Dieta informativa: combinación deliberada de fuentes que un lector consume regularmente. Como con la alimentación, no se trata solo de cuánto se consume, sino de qué proporción de cada tipo de fuente.

Fatiga informativa o news avoidance: fenómeno documentado por el Reuters Institute por el que un porcentaje creciente de la audiencia evita activamente las noticias por agotamiento emocional. En España el porcentaje es del 43% según el informe de 2025.

Lectura lenta: práctica de leer textos largos sin interrupción, con atención sostenida, sin saltar entre pestañas. Documentada como hábito por Nicholas Carr en The Shallows y por Cal Newport en Deep Work, entre otros.

Referencias

Reuters Institute for the Study of Journalism, Digital News Report 2025 (Oxford University, junio de 2025). Cifras sobre fatiga informativa y consumo por país.

Kate Crawford, Atlas of AI (Yale University Press, 2021). Libro recomendado del primer mes; análisis material de la infraestructura.

Stuart Russell, Human Compatible: Artificial Intelligence and the Problem of Control (Viking, 2019). Libro recomendado del segundo mes; problema de alineamiento.

Vili Lehdonvirta, Cloud Empires (MIT Press, 2022). Libro recomendado opcional del tercer mes; economía cloud.

Kai-Fu Lee, AI Superpowers: China, Silicon Valley, and the New World Order (Houghton Mifflin, 2018). Libro recomendado alternativo del tercer mes; marco geopolítico.

Jack Clark, Import AI (jack-clark.net). Boletín semanal de análisis sobre IA del exjefe de política de Anthropic.

Ben Thompson, Stratechery (stratechery.com). Columna del lunes de acceso gratuito; análisis estratégico semanal.

Tyler Cowen & Alex Tabarrok, Marginal Revolution (marginalrevolution.com). Enlaces semanales sobre IA, economía y política.

Para profundizar

Nicholas Carr, The Shallows: What the Internet Is Doing to Our Brains (W. W. Norton, 2010). Texto clásico sobre el efecto cognitivo de la lectura fragmentada.

Cal Newport, Digital Minimalism: Choosing a Focused Life in a Noisy World (Portfolio, 2019). Manual operativo para reducir consumo digital sin perder funcionalidad.

Neil Postman, Amusing Ourselves to Death (Viking, 1985). Antecedente conceptual de por qué el medio determina el contenido.

Karen Hao, Empire of AI: Dreams and Nightmares in Sam Altman's OpenAI (Penguin Press, 2025). Para quien quiera profundizar después de la dieta con la mejor cobertura periodística de los últimos años sobre OpenAI.

También te interesa

• Stratechery, Platformer y 404 Media, periodismo de IA en serio
• Por qué el periodismo español sobre IA es muy malo
• ¿Se puede aprender IA en serio viendo a youtubers?
• Diez razones para no leer otro listicle sobre IA en tu vida

En otros sitios

• Digital News Report 2025 — España (Reuters Institute)
• The 2026 AI Index Report (Stanford HAI)