Jon Hernández, que tiene uno de los canales de IA más vistos en español, se ha sentado una hora y tres cuartos con Stephen Wolfram.
El creador de Mathematica, de Wolfram|Alpha y del Wolfram Language. Uno de los tipos que más saben en el planeta de computación y matemáticas.
¿Y sabes qué es lo más refrescante?
Que no te vende el apocalipsis.
Tampoco el paraíso.
Te explica, con una calma casi insultante, qué hace bien la IA, qué no va a hacer nunca por sí sola y por qué el futuro no es elegir entre una cosa y otra, sino juntar las dos.
Que, por cierto, es exactamente lo que llevo meses defendiendo para los despachos laborales.
Y suelta una frase que nos toca de lleno a los que vivimos de redactar: si hacer contratos sale más barato, no habrá menos.
Habrá muchísimos más.
Así que te lo voy a contar en cristiano. Y aterrizado a tu mesa.
Ya sabrás, y si no lo sabes te lo voy a contar ahora, que cuando ChatGPT aprendió a hacer cuentas de verdad no lo hizo solo.
Se conectó a Wolfram|Alpha.
Wolfram lleva más de cuarenta años construyendo un lenguaje para describir el mundo de forma que un ordenador pueda calcular con él sin equivocarse.
Mathematica, Wolfram|Alpha (2009) y el Wolfram Language son su obra.
En la entrevista cuenta que hoy muchas IA usan su lenguaje como herramienta, conectadas mediante MCP, «esa cosa técnica de las interfaces», dice él con cierta guasa.
MCP.
Apúntate la palabra, porque sale luego.
O sea: no es un gurú de LinkedIn.
Es uno de los señores que ha puesto los ladrillos sobre los que se apoya la IA que usas cada día. Cuando habla de límites, sabe de qué habla.
2. Las dos ramas de la IA: la que imita y la que calcula
Wolfram arranca con una idea que, una vez la ves, ya no la puedes dejar de ver.
Desde 1956, cuando se acuñó el término, «inteligencia artificial» ha querido decir muchas cosas. Pero, en el fondo, se han seguido dos caminos muy distintos:
Rama uno: formalizar el mundo con la computación. Describir lo que quieres en un lenguaje preciso y calcularlo paso a paso. Cada paso es un ladrillo sólido, así que puedes levantar torres muy altas sin que se caigan. Es lo que necesitan la ciencia, la ingeniería… y el Derecho cuando hay que citar o calcular.
Rama dos: imitar lo que hacen los humanos. Las redes neuronales. Una idealización del cerebro que se inventó en 1943, que no funcionó durante décadas —el propio Wolfram lo intentó a principios de los ochenta y lo dejó por imposible— y que de repente empezó a funcionar cuando se entrenó «a lo bruto», con muchísimos datos y muchísima potencia de cálculo.
De esa rama dos sale ChatGPT.
Y aquí viene lo importante: no se excluyen. Para Wolfram, uno de los mayores errores de la industria es apostarlo todo a la rama que imita y olvidar que la otra cubre justo sus carencias.
¡Fwizzbang!
Apúntate esta frase, porque es el resumen de todo el vídeo: la IA de lenguaje es la interfaz; la computación precisa es el suelo.
3. Por qué ChatGPT parece una persona
Wolfram lo explica con un ejemplo de párvulos.
Si le das a un modelo de lenguaje «El gato se sentó en la…», ¿qué palabra pone?
«Alfombra».
¿Por qué? Porque ha leído en internet miles de páginas donde esa frase termina así. Se ha entrenado con algo así como un billón de palabras escritas por humanos. Estadística pura.
Hasta ahí, nada mágico.
Lo sorprendente es lo que hace cuando no ha visto la frase nunca. «El rinoceronte saltó sobre…». Ahí no tiene ejemplos que copiar, y aun así responde algo que tiene sentido. Algo que diría una persona.
La explicación de Wolfram es preciosa: el lenguaje humano tiene más regularidad de la que creíamos. Además de la gramática de toda la vida (sujeto, verbo, complemento), existe una especie de gramática semántica, unas reglas sobre cómo encajan los significados. Y los modelos la han aprendido sin que nadie se la enseñe.
Jon le suelta una pregunta muy buena: ¿y si no es que la IA sea tan compleja, sino que nosotros somos más simples de lo que creíamos?
Wolfram no se ofende. Le da la razón, al menos en lo que toca al lenguaje.
Pero ojo con la conclusión.
Que algo hable como una persona no significa que razone como una calculadora. Son dos cosas distintas. Y confundirlas es justo lo que lleva a los escritos con sentencias inventadas.
Curso básico de IA para el despacho laboral
La IA no te va a quitar el trabajo. Te va a quitar el caos.
Diez sesiones de hora y media, en directo y desde cero, para trabajar con Claude y ChatGPT en el despacho: por qué la IA se equivoca, a cuál no darle nunca el expediente, cómo instruirla, un proyecto por asunto y cómo verificar normas, sentencias y cifras antes de firmar. Después llega el curso avanzado, para convertirla en tu propio sistema.
La próxima convocatoria está en preparación. Si te apuntas a la lista prioritaria, te escribo a ti primero.
4,5/5Valoración media del taller gratuito
Responsable: José María García Ruiz (josemaria.ai). Finalidad: darme de alta en la lista y atender mi solicitud, y —solo si lo marcas— avisarte de artículos nuevos o informarte sobre formación, herramientas y servicios. Legitimación: tu consentimiento. Derechos: acceso, rectificación, supresión, oposición, limitación y portabilidad, y a retirar cualquiera de los consentimientos por separado cuando quieras (cada email lleva baja). Más información en la política de privacidad (v2026-10).
390 € + impuestos · grupos de 30 · sesiones grabadas · sin pago para apuntarte · Ver el programa
4. La regla del 90 %: dónde funciona la IA y dónde no
Si te quedas con una sola idea práctica de la entrevista, que sea esta.
Wolfram la llama una «heurística», una regla de andar por casa:
Si tienes una tarea en la que acertar el 90 % o el 80 % de las veces ya es un éxito, la IA funcionará bien. Si solo vale acertar el 100 % de las veces y cualquier fallo es un desastre, entonces no es buena idea.
(Cito de la versión en español del vídeo.)
Jon lo baja a la medicina: un 90 % de acierto en un diagnóstico es un 10 % de pacientes mal tratados.
Yo lo bajo a tu despacho.
Haz la prueba con tus tareas de esta semana:
Tareas del 90 % (la IA brilla): el primer borrador de un correo a un cliente, resumir un expediente de cuarenta páginas, ordenar cronológicamente unos hechos, preparar un guion para explicar un ERTE a una plantilla, convertir tu jerga en algo «sencillito».
Tareas del 100 % (la IA sola, NEVER): el texto vigente de un artículo, el número de una sentencia, un plazo de caducidad, el cálculo de una indemnización, las tablas salariales de un convenio.
¿Y entonces qué?
¿Renunciamos a la IA en lo importante?
No.
Wolfram propone el término medio que ya se está imponiendo: la IA para todo lo que es interfaz —entender lo que pides, redactar, explicar— y, cuando hace falta precisión, que la IA llame a una herramienta exacta y se apoye en ella.
La IA no se inventa el resultado.
Lo va a buscar.
Eso, aplicado al Derecho laboral, es exactamente lo que hace el Conector JMAI: tu IA sigue siendo tu IA, pero cuando necesita un artículo, una sentencia o un cálculo, lo pide al BOE, al CENDOJ o a una calculadora verificada, mediante MCP.
La misma arquitectura que describe Wolfram para las matemáticas.
5. Irreducibilidad computacional, explicada con una indemnización
Este es el concepto estrella de Wolfram.
Suena a jerga de laboratorio, pero es muy fácil de entender.
Hay problemas que tienen atajo.
Ves el patrón y sabes la respuesta sin hacer todas las cuentas.
Y hay problemas que no lo tienen.
Para saber el resultado no queda otra que hacer todos los pasos, uno detrás de otro.
Si son un millón de pasos y fallas un poquito en cada uno, el resultado final está mal.
A eso lo llama irreducibilidad computacional, y lo desarrolló a fondo en A New Kind of Science (2002).
¿Qué hacen las redes neuronales?
Buscar el atajo.
El patrón que lleva rápido a una respuesta que «suena bien».
Igual que nosotros, por cierto.
Wolfram lo dice muy gráficamente: si le pides a una persona que ejecute un programa de ordenador de cabeza, no le sale. No es lo nuestro. Y a la IA tampoco.
Ahora piénsalo con una indemnización por despido improcedente. El artículo 56.1 del Estatuto de los Trabajadores fija treinta y tres días de salario por año de servicio, prorrateando por meses los periodos inferiores a un año, hasta un máximo de veinticuatro mensualidades.
Fechas de alta y baja. Salario regulador. Prorrateo por meses. Tope. Y, si hay tramos anteriores a 2012, más pasos todavía.
Cada paso tiene que estar bien. Si uno falla, falla todo.
Eso es un problema sin atajo. Y si se lo pides a un modelo de lenguaje «de cabeza», te va a dar una cifra con muy buena pinta y con todas las papeletas de estar mal. Una cifra tecleada por el modelo es un dato inventado con apariencia de verificado.
La solución no es hacerlo tú a mano.
Es que la IA use una herramienta que calcule.
Como hace Wolfram con su lenguaje.
Como hace el conector con su calculadora de indemnizaciones.
6. El muro de piedras: por qué nadie sabe del todo qué pasa dentro
Jon le pregunta por la famosa «caja negra». ¿De verdad no entendemos qué pasa dentro de una IA?
Y Wolfram responde con la mejor metáfora de toda la entrevista.
Hay dos maneras de levantar un muro.
Una es la de la ingeniería: ladrillos fabricados con precisión, colocados siguiendo un patrón. Sabes exactamente por qué cada ladrillo está donde está.
La otra es coger piedras del suelo e irlas encajando. «Esta más o menos encaja. Esta otra también». Al final tienes un muro que aguanta. Pero si alguien pregunta por qué esa piedra está justo ahí… no hay una razón. Tocó esa.
Así funciona el aprendizaje automático. Un muro de piedras.
Y no es que sea demasiado complejo para explicarlo. Es que, en muchos casos, no hay una explicación más corta que mirar todos los pasos.
De ahí saca Wolfram una conclusión que incomoda: hay que elegir. O quieres máquinas totalmente explicables, y solo harán lo que hacen las máquinas explicables. O quieres que hagan todo lo que puede hacer un sistema potente, y entonces aceptas que de vez en cuando te sorprenderán.
¿Significa eso que no se puede controlar nada?
Tampoco.
Wolfram habla de «bolsas de reducibilidad»: zonas concretas donde sí puedes prever y controlar. «Nunca pulses este botón» es fácil de garantizar. «Nunca hagas nada incorrecto» es imposible, entre otras cosas porque antes habría que definir con precisión qué es «incorrecto».
Traducido al despacho: no le pidas a la IA que «no se equivoque nunca». Pídele cosas verificables. «Cada cita, contrastada con su fuente». «Cada cifra, calculada por una herramienta». «Sin dictamen de verificación, no hay entrega».
Wolfram no se cree el discurso del fin del mundo. Ni el de la AGI para 2029. Le parece, literalmente, «una aspiración molona de tres letras». Y cuenta un chiste que es oro: el del que pide dinero al rey para enseñar a hablar a un caballo. Pasa un año, el caballo no habla. «Necesito más dinero, que ya casi». Como estrategia de negocio, dice, es buenísima.
Pero lo que más me interesó es esto, y te lo copio tal cual de la versión en español:
Hay quien dice que todos los abogados se quedarán sin trabajo. Pues va a ser más barato redactar y procesar contratos, así que, al menos durante un tiempo, habrá muchísimos más.
Piénsalo un segundo.
Cuando algo se abarata, no desaparece. Se multiplica.
Su argumento histórico: hacia 1850, según él, dos tercios de la población de Estados Unidos trabajaba en el campo. Se automatizó la agricultura y no nos quedamos sin trabajo: las ocupaciones se multiplicaron. Antes eras sastre, soldado o marinero. Hoy hay un millón de cosas que hacer.
Eso sí, los cambios tardan. La versión de cuento es «de repente pasó esto». La real es «tardó cincuenta años». Los caballos tardaron veinticinco en desaparecer de las calles.
Jon le pone el contrapunto, y hace bien: él configuró en diez minutos un agente de ChatGPT que le ahorra dos horas diarias a una persona de atención al cliente en una de sus empresas. Multiplica eso por una gran empresa y ya no hacen falta tantas personas. Puede que surjan profesiones nuevas, sí. Pero mientras surgen, habrá gente que se quede por el camino.
Las dos cosas son verdad a la vez.
Y para una asesoría laboral la lectura es clara: no va a faltar trabajo. Va a cambiar el tipo de trabajo por el que te pagan.
8. Lo único que no se puede automatizar: elegir
¿Y qué nos queda?
La respuesta de Wolfram es casi filosófica, y a la vez muy práctica: lo que los humanos elegimos hacer.
Con la IA puedes programar cualquier cosa.
Pero ¿qué vas a programar?
Puedes fotografiarlo todo.
Pero ¿qué eliges fotografiar?
Las opciones son infinitas, y alguien tiene que decidir hacia dónde se va.
Decir «eso también se puede automatizar» es, en sus palabras, una idea filosóficamente absurda.
Jon lo resume con una imagen que me encanta: vamos a ser directores de orquesta que no saben tocar bien el violín. Lo valioso es saber qué quieres que suene y dar las instrucciones adecuadas.
Y de aquí salen dos consejos de Wolfram que deberían estar colgados en la pared de cualquier despacho y de cualquier facultad:
Uno. Aprende de todo, no solo una cosa. La hiperespecialización vale menos. Vale más tener una base amplia para saber qué preguntar y adónde ir. Cuenta que hay rectores que hace tres años querían ampliar Informática y ahora quieren ampliar Filosofía.
Dos. Automatizar no te vuelve tonto; te da otra intuición. Wolfram lleva más de cuarenta y cinco años sin hacer una integral a mano. Y dice que, haciendo diez mil de forma automática, ha desarrollado una intuición que nunca habría tenido haciendo diez a mano.
Esto, pequeño saltamontes, va directo al corazón de la formación de nuestra profesión.
El sistema educativo, dice Wolfram, se diseñó para la fábrica: aprender un proceso mecánico y repetirlo.
Lo que toca ahora es aprender a pensar.
Y, ojo, un poco de «psicología de las IA»: igual que para montar a caballo había que saber cómo se comporta un caballo, para trabajar con IA hay que saber cómo se comporta una IA.
Cuándo acierta. Cuándo se inventa. Cuándo hay que pararla.
9. Lo que me llevo a mi despacho
Te lo dejo en cinco ideas, para que las puedas aplicar el lunes:
Una. La IA de lenguaje es una interfaz, no un oráculo. Úsala para conversar, redactar, resumir y ordenar.
Dos. Antes de delegar una tarea, hazte la pregunta de Wolfram: ¿me vale con acertar el 90 %, o solo me vale el 100 %?
Tres. Todo lo del 100 % —normas, sentencias, plazos, cifras— tiene que salir de una herramienta exacta o de una fuente oficial, nunca de la memoria del modelo. Para eso existen los conectores MCP.
Cinco. Tu valor no está en picar el escrito. Está en elegir la estrategia, hacer la pregunta correcta y firmar sabiendo lo que firmas.
El violín, que lo toque la máquina.
La partitura es tuya.
10. Ahora te toca a ti
¿Cuántas de las tareas que hoy le pides a la IA son del 90 % y cuántas del 100 %?
De las del 100 %, ¿cuántas compruebas contra la fuente oficial antes de que salgan del despacho?
Si mañana redactar costara la mitad, ¿qué harías con el tiempo que te sobra?
La tercera es la que de verdad define tu futuro profesional. No la dejes sin contestar.
11. Glosario
Modelo de lenguaje (LLM). IA entrenada con enormes cantidades de texto para predecir la palabra siguiente. Es lo que hay dentro de ChatGPT, Claude o Gemini.
Red neuronal. Sistema de cálculo inspirado, de forma muy simplificada, en las neuronas del cerebro. No se programa: se entrena con ejemplos.
Gramática semántica. Expresión de Wolfram para las reglas, no escritas, sobre cómo encajan los significados en el lenguaje humano. Explicaría por qué los modelos de lenguaje suenan coherentes.
Irreducibilidad computacional. Propiedad de los problemas que no tienen atajo: para conocer el resultado hay que hacer todos los pasos, uno a uno.
Bolsa de reducibilidad. Zona concreta de un sistema complejo donde sí se puede prever o controlar lo que pasará.
MCP (Model Context Protocol). Estándar que permite conectar una IA con herramientas y fuentes externas, para que consulte datos exactos en lugar de inventarlos.
AGI. Siglas en inglés de «inteligencia artificial general». Para Wolfram, una meta comercial atractiva sin una definición clara.
12. Preguntas frecuentes
¿Qué dice Stephen Wolfram sobre la fiabilidad de la IA?
Que la IA de lenguaje funciona bien en tareas donde acertar el 80 o el 90 % de las veces ya es un éxito, y que no es buena idea usarla sola cuando solo vale acertar el 100 %. Para esos casos propone que la IA se apoye en herramientas de cálculo preciso.
¿Qué es la irreducibilidad computacional, en pocas palabras?
Es la propiedad de los problemas que no tienen atajo: no hay forma de saber el resultado sin hacer todos los pasos. Las redes neuronales buscan atajos y patrones, por eso fallan en este tipo de problemas si no usan una herramienta que calcule.
¿Wolfram cree que la IA dejará sin trabajo a los abogados?
No. En la entrevista sostiene que, si redactar y procesar contratos se abarata, al menos durante un tiempo habrá muchísimos más. Defiende que la automatización cambia el tipo de trabajo y multiplica las ocupaciones, aunque esos cambios suelen tardar décadas.
¿Qué es lo que, según Wolfram, no se puede automatizar?
La elección humana: decidir qué se quiere hacer entre infinitas posibilidades. Por eso recomienda aprender de muchas materias y aprender a pensar, más que especializarse en un proceso mecánico.
¿Cómo se aplica esto a un despacho laboral?
Usando la IA como interfaz para redactar, resumir y explicar, y exigiendo que normas, sentencias, plazos y cálculos salgan de fuentes oficiales y herramientas exactas, por ejemplo mediante un conector MCP como el Conector JMAI.
¿Dónde puedo ver la entrevista completa?
En el canal de YouTube de Jon Hernández, con el título «Nunca podremos controlar una IA realmente poderosa - Stephen Wolfram». Dura una hora y cuarenta y seis minutos y está organizada por capítulos.
13. Fuentes y referencias
Jon Hernández, «Nunca podremos controlar una IA realmente poderosa - Stephen Wolfram», canal Inteligencia Artificial (YouTube), 8 de octubre de 2026. Ver la entrevista
Stephen Wolfram, «What Is ChatGPT Doing … and Why Does It Work?», 14 de febrero de 2023. Stephen Wolfram Writings
Stephen Wolfram, «ChatGPT Gets Its "Wolfram Superpowers"!», 23 de marzo de 2023. Stephen Wolfram Writings
Stephen Wolfram, A New Kind of Science, 2002, capítulo 12, sobre la irreducibilidad computacional. Edición en línea
Si quieres que tu IA deje de calcular «de cabeza» y vaya a la fuente cada vez, eso es lo que hace el Conector JMAI. Y si lo que quieres es aprender a dirigir la orquesta —qué delegar, qué comprobar y cómo—, para eso está mi formación en IA para despachos.
Y la entrevista entera, de verdad, mírala. Vale cada minuto.
Graduado Social colegiado nº 88 del Ilustre Colegio Oficial de Graduados Sociales de Lanzarote y asesor jurídico laboral en ejercicio en Áurea Laboral (Arrecife). Especialista en derecho del trabajo, Seguridad Social e inteligencia artificial aplicada al empleo. Creador de «IA para Despachos Laborales» y «El Juego de las RRLL» en YouTube.
