Por qué este blog se llama Falso Positivo

En medicina, un falso positivo es una prueba que dice «sí» cuando la respuesta era «no». En tecnología, la expresión se ha convertido en una metáfora útil: el algoritmo que detecta un fraude inexistente, el modelo que confunde una sombra con un peatón, el titular que anuncia una revolución que no ha llegado. Los falsos positivos son caros porque obligan a actuar sobre algo que no existe, y son peligrosos porque se parecen mucho a la verdad.

Este blog nace de una incomodidad concreta: la conversación sobre inteligencia artificial está llena de afirmaciones que suenan a dato, pero que nadie ha comprobado. «La IA va a destruir el empleo». «La IA no está destruyendo ningún empleo». «Los ingenieros ya no encuentran trabajo». «Faltan ingenieros». Todas pueden ser verdad a la vez, en contextos distintos, y todas pueden ser falsas si se generalizan sin cuidado.

Falso Positivo es un cuaderno de análisis y verificación sobre tecnología, trabajo y las historias que nos contamos sobre ambas cosas. No es un blog de noticias ni un boletín de opinión. Es un sitio para hacer una pregunta incómoda: ¿esto cómo lo sabemos?

Cómo trabajamos

Cada afirmación relevante se clasifica con una etiqueta explícita:

• Verificado: hay una fuente primaria o varias independientes que lo sostienen.
• Aproximado: la cifra es del orden correcto, pero depende de la fuente o del método.
• Autodeclarado: lo dice alguien con interés en que se crea, y no hay documentación independiente.
• Matizable: hay evidencia en ambas direcciones, o el dato es cierto solo bajo ciertas condiciones.
• Pronóstico: es una opinión fundamentada, no un hecho.

Cuando no se puede verificar algo, se dice. Cuando nos equivocamos, se corrige y se deja constancia. La incertidumbre no es un defecto del análisis; es parte del resultado.

Qué vas a encontrar aquí

Análisis largos sobre cómo la IA está cambiando el trabajo y los negocios, verificaciones de historias que se vuelven virales, y ensayos sobre la infraestructura invisible que sostiene todo lo anterior: la nube, los datos, los modelos, las personas que los construyen y las que los mantienen.

El primer artículo es un buen ejemplo de lo que queremos hacer: una historia personal conmovedora, un titular incendiario y una pregunta simple —¿qué hay de cierto?— que obliga a separar tres cosas que suelen ir mezcladas: lo que le pasó a una persona, lo que dicen los datos y lo que nos gustaría creer.

Si encuentras un error, una fuente mal citada o una afirmación que merece más matices, escríbenos. Un falso positivo se corrige con el mismo instrumento que lo detectó: volver a mirar.