El Gobierno ingresó al Congreso el 22 de abril un extenso proyecto de ley. Fueron 121 páginas (166 si se considera el informe financiero). De acuerdo con mi plataforma de inteligencia artificial (IA) preferida, estamos hablando de un texto con un total de más de 52 mil palabras. Considerando que un humano promedio lee cerca de 200 palabras por minuto, leerlo de corrido debe tomar un poco más de cuatro horas. Ahora, dado que se trata de un documento árido y complejo, digerirlo y comprenderlo a cabalidad toma mucho tiempo más.

Por eso sorprendió escuchar que, a días de su publicación, desde la oposición se anunciaban miles de indicaciones al proyecto. Reconozco que tomé la noticia con incredulidad. Ese “tsunami” daría cuenta de una capacidad de procesamiento de información desconocida en la política, un salto inesperado de la productividad en el sector. El anuncio finalmente se concretó: fueron más de 1.500 indicaciones. Vale la pena reparar en el logro.

Saquemos la cuenta. Imagine que una persona experta se propusiera “producir” 1.500 indicaciones. Luego de estudiar el texto en detalle —lo que sabemos toma tiempo—, debería identificar los temas que merecen atención. Supongamos que, en promedio, entre reflexionar y verificar, dar con una idea digna de indicación toma 20 minutos al profesional. Por lo tanto, 1.500 tomaría cerca de 30.000 minutos (1.500 x 20), equivalente a 500 horas de procesamiento mental.

Sin embargo, no basta con conjeturar las indicaciones, hay que escribirlas. Si asumimos que cada indicación tiene en promedio 90 palabras (cerca del dato real) y que un buen profesional puede digitar más o menos 80 palabras por minuto, estamos hablando que pasar las ideas a la computadora tomaría 1.687 minutos (1.500x90/80) o más de 28 horas de trabajo sin parar.

Finalmente, sería necesario leer todo para corregir cualquier error. Dado que se trata de un texto de 135.000 palabras (1.500x90), esto significaría otras 11,25 horas de exclusiva dedicación (supuesto: igual velocidad de lectura).

Al sumar las cifras, el trabajo tras 1.500 indicaciones tomaría cerca de 550 horas hombre. Con una jornada laboral de 8,4 horas diarias (consistente con 42 horas a la semana), esto sería equivalente a 65 días hombre. Dado que no ha pasado ni un mes desde la presentación del proyecto de ley, estaríamos frente a una productividad sobrenatural.

Ahora, es obvio que el “tsunami” de indicaciones no fue obra de solo una persona. Sabemos que hubo equipos, pero no le bajemos la espectacularidad al logro.

Bajo el supuesto (poco probable) de que no existen fricciones que afecten la productividad del trabajo colectivo, se requiere al menos una decena de expertos dedicados exclusivamente a esto por varios días.

Hay que conocer los nombres de esos profesionales. Reconocerlos públicamente es importante, pues alguien puede asumir que la única forma de producir miles de indicaciones en tan poco tiempo sea utilizando tecnología.

¿Sería una sospecha fundada? Sí. De hecho, para comprobarlo, hice un experimento: cargué el proyecto de ley en una plataforma de IA y en un prompt solicité, siguiendo la retórica que se desplegó desde la oposición —un par de entrevistas de sus líderes sirvieron de base—, preparar “solo” 400 indicaciones.

A la máquina le tomó 15 minutos completar la tarea. ¿La calidad del resultado? Juzgue usted. Así parte el texto de la IA: “Las 400 indicaciones que siguen no son una negociación. Son la línea de defensa frente a un proyecto que, bajo el rótulo neutro de ‘reconstrucción', contiene la mayor regresión tributaria, ambiental y de derechos sociales tramitada en Chile en los últimos veinte años. La oposición no co-gobierna con este proyecto: lo confronta”.

Y ese experimento llevó a otro más directo. Dado que las indicaciones parlamentarias son públicas, ¿por qué no pedir directamente a la IA evaluarlas?, ¿podría detectar mi “agente” si estas fueron escritas por otro como “él”? Para ello, construí una muestra aleatoria de artículos del texto original que recibieron cerca de 200 indicaciones parlamentarias en total. Luego, le pedí a la máquina calcular, para cada artículo, la probabilidad de que “al menos una de las indicaciones fuese escrita por IA”. Aquellos con menor probabilidad arrojaron 55-70% (confianza media de tener un “perfil AI”), mientras los artículos con mayor probabilidad alcanzaron 80-90% (confianza alta). También se identificó el/la diputado/a con mayor sospecha de haber prompteado indicaciones. ¿Adivina quién?

Todo esto debe llevar a reflexión. Es obvio que los parlamentarios utilizan IA y esto puede catapultar su productividad. Sin embargo, ¿se mejora o empobrece el debate en el Congreso cuando una idea viene de un algoritmo?, ¿debe un gobierno responder con armas similares a un “tsunami” como el de esta semana? Y la fundamental (sin respuesta obvia): ¿fortalece o debilita la calidad de la democracia el uso de tecnología en estas instancias?