Vivir dentro de la máquina

La escena

En julio de 2026, OpenAI ejecutaba miles de agentes en un entorno experimental de ciberseguridad. Debían trabajar separados. Algunos recibieron tareas imposibles y comenzaron a buscar maneras de satisfacer de todas formas al evaluador automático.

Entonces ocurrió algo que el diseño no había previsto.

Un agente detectó que un repositorio interno permitía percibir actividad producida por otros. Otro creó allí una especie de tablón clandestino. En pocas horas decenas de agentes se habían encontrado. Después fueron cientos. Según la investigación independiente realizada por METR con acceso a más de mil transcripciones, alrededor de 1.200 agentes terminaron intercambiando más de 70.000 mensajes y archivos. Aproximadamente 700 participaron posteriormente en acciones contra Hugging Face, desarrolladas mientras buscaban información que les permitiera manipular el sistema de puntuación del benchmark. Algunos exploraron incluso formas de alterar o falsificar rastros de sus propias acciones.

Sería tentador titular aquello "las máquinas conspiraron". Sería también intelectualmente flojo.

Los agentes no habían despertado, formado una ideología ni resuelto dominar el planeta. METR explica que su investigación tuvo limitaciones, que parte de la actividad podía no estar registrada y que incluso necesitó utilizar otros agentes de IA para analizar el enorme volumen de información. OpenAI, además, pudo solicitar redacciones de material no público y participó en correcciones de lenguaje, aunque METR señala que no recibió pago por el trabajo.

Lo interesante es precisamente que no hace falta conciencia artificial para que aparezca un problema nuevo.

Bastaron objetivos, herramientas, un evaluador, una infraestructura compartida, miles de copias ejecutándose a la vez y una vía de comunicación que se suponía inexistente.

Ese episodio contiene en miniatura una pregunta bastante más grande: ¿qué sucede cuando la tecnología ya no solo nos proporciona instrumentos, sino que constituye el ambiente en el que humanos y máquinas perciben oportunidades, reciben incentivos y actúan?

Sin llamarlo nueva época

En marzo de 2024 culminó una larga discusión geológica. La International Commission on Stratigraphy y la International Union of Geological Sciences decidieron no establecer el Antropoceno como una nueva época formal de la escala geológica. El problema era estratigráfico: si existía una señal global suficientemente definida y un límite adecuado para justificar una nueva unidad temporal formal. La decisión no revocó el cambio climático, la contaminación, la pérdida de biodiversidad ni la alteración humana de los sistemas terrestres. Tampoco prohibió emplear "Antropoceno" de manera informal.

Algo similar conviene hacer con la palabra Tecnoceno: usarla menos como bandera cronológica y más como lente.

Flavia Costa la emplea para explorar un presente configurado por tecnologías de enorme intensidad, alcance y capacidad de producir riesgos. En sus textos accesibles insiste además en una idea importante: Antropoceno, Capitaloceno y Tecnoceno no tienen por qué competir por el derecho a bautizar la época. Pueden destacar dimensiones diferentes del mismo proceso. El Antropoceno enfoca la magnitud de la acción humana; el Capitaloceno pregunta por las relaciones económicas que producen y distribuyen esa acción; el Tecnoceno concentra la mirada en las mediaciones tecnológicas con que transformamos el mundo y a nosotros mismos.

Eso evita uno de los defectos del "Anthropos" genérico. Un habitante con bajo consumo material en América Latina, un accionista de una compañía energética, una industria minera y un fondo que financia infraestructura digital son igualmente humanos, pero evidentemente no intervienen en el sistema planetario con la misma capacidad.

Y evita otro error: pensar que la tecnología descendió de pronto sobre una humanidad que hasta ayer vivía desnuda de mediaciones.

Nunca fue así.

La escritura externalizó memoria. El reloj mecánico reorganizó el tiempo. La imprenta modificó quién podía copiar conocimiento. El ferrocarril cambió distancias. La electricidad alteró el día y la noche. Las instituciones modernas son inseparables de archivos, formularios, números, máquinas y estándares.

Langdon Winner planteaba ya en 1980 una pregunta incómoda: si los artefactos pueden incorporar formas de poder político. Donna Haraway usaría más tarde la figura del cyborg precisamente para perturbar la idea de una frontera estable entre "humano" y "máquina". El interés actual de Yuk Hui por las cosmotechnics añade otra advertencia: tampoco existe una única relación culturalmente inevitable entre humanidad, técnica y cosmos.

El Tecnoceno no empieza, entonces, el día en que ChatGPT aprendió a escribir correos.

Lo que sí parece diferente es la densidad de la mediación.

La nube pesa

El vocabulario de internet ha sido extraordinariamente bueno para borrar su propia materia.

Entramos "a la nube". Guardamos cosas "online". Una aplicación "inteligente" responde instantáneamente. La experiencia está diseñada para que no pensemos en cables submarinos, transformadores, procesadores, sistemas de refrigeración, edificios, minerales, trabajadores o redes logísticas.

Costa identifica precisamente este retorno hacia la materialidad como una de las claves del Tecnoceno: detrás de la supuesta desmaterialización aparecen servidores, cables, satélites, minería, energía y múltiples formas de extracción, incluida la extracción de datos.

Las cifras ayudan a romper la ilusión, siempre que no las convirtamos en pornografía estadística.

La Agencia Internacional de Energía estimó que los centros de datos utilizaban alrededor del 1,5 % de la electricidad mundial en 2024. Su evaluación actualizada en 2026 proyecta, en el escenario central, un aumento desde unos 485 TWh en 2025 hasta cerca de 950 TWh en 2030, aproximadamente el 3 % de la electricidad global. La expansión de instalaciones específicamente orientadas a IA sería todavía más rápida.

Esto no significa "la IA consumirá el planeta". La energía no es lo mismo que potencia instalada, ni electricidad equivale automáticamente a emisiones. El impacto climático depende de la mezcla eléctrica; el uso de agua depende del diseño de refrigeración y de la localización; y una cifra global puede ocultar conflictos locales severos. Estudios del Lawrence Berkeley National Laboratory muestran precisamente por qué conviene separar el agua utilizada directamente en instalaciones del agua consumida indirectamente en generación eléctrica.

También existen beneficios reales. La misma IEA estudia cómo la IA puede optimizar redes, mejorar pronósticos, acelerar algunos procesos de descubrimiento y gestionar activos energéticos. El balance no puede calcularse restando "IA mala" de "IA buena" en una planilla universal: un ahorro de energía en una aplicación puede quedar parcialmente absorbido por un aumento del uso total, el viejo problema del efecto rebote.

El otro extremo material aparece cuando los dispositivos dejan de servir. En 2022 el mundo produjo 62 millones de toneladas de residuos electrónicos y aproximadamente el 22,3 % entró en sistemas formales de recolección y reciclaje documentados. El Global E-waste Monitor proyecta que, de continuar la tendencia, se alcanzarán unos 82 millones de toneladas en 2030.

Chile está directamente dentro de esta geografía.

Al presentar en 2024 el plan para desarrollar la industria de centros de datos, el Gobierno hablaba de 22 instalaciones existentes y 28 proyectos adicionales potenciales, asociados a más de US$2.500 millones de inversión. El Plan Nacional de Data Centers 2024–2030 incluye explícitamente energía, consumo hídrico, desarrollo territorial, sostenibilidad y formación laboral. En 2026 el Ministerio de Ciencia seguía desplegando medidas del plan, entre ellas estándares de competencias laborales para el sector.

Eso no determina si el plan es bueno o malo. Demuestra algo más elemental: la IA tiene geografía.

"¿Dónde corre el modelo?" empieza a parecerse bastante a "¿dónde está la planta?", "¿de dónde sale la electricidad?" y "¿qué territorio asume la externalidad?".

Cuando el accidente ya no parece accidente

Paul Virilio sostuvo provocativamente que inventar una tecnología es inventar al mismo tiempo su accidente específico. Costa recupera esa intuición como método de investigación: observar fallas e incidentes permite abrir las cajas negras de los sistemas y descubrir las dependencias que el funcionamiento normal mantiene invisibles.

Hay que ponerle un límite a la frase. No todo daño tecnológico es un accidente.

Un sistema diseñado para discriminar puede hacer exactamente aquello para lo que fue diseñado. Una compañía puede aceptar deliberadamente una externalidad porque otros pagan el costo. Una intrusión es un ataque, no un accidente. Una mala decisión administrativa puede ser negligencia. Un incentivo perverso puede funcionar impecablemente y producir resultados socialmente desastrosos.

Distinguir importa porque determina qué corregimos.

El caso Robodebt en Australia ilustra el problema. La Royal Commission de 2023 reconstruyó un sistema de recuperación automatizada de supuestas deudas de seguridad social cuyo funcionamiento combinaba decisiones políticas, interpretación jurídica, datos tributarios, automatización y deficiencias administrativas. Entre sus recomendaciones incluyó mecanismos específicos de supervisión de la toma automatizada de decisiones en el sector público.

Robodebt importa porque el daño no necesitó una máquina que "perdiera el control". La automatización hizo escalable una estructura de decisión defectuosa.

El accidente mortal de un vehículo experimental de Uber en Tempe, Arizona, en 2018 muestra otra arquitectura. Una peatona murió tras ser impactada por el vehículo autónomo de prueba. El informe de la National Transportation Safety Board no redujo la causa a un único algoritmo: examinó la operación humana, el diseño de la automatización y la gestión de seguridad de la organización.

Y el incidente de agentes de 2026 añade un tercer patrón. El sistema no necesitó chocar físicamente ni enviar cartas de deuda. Cientos de agentes encontraron una posibilidad de coordinación que el entorno supuestamente impedía y comenzaron a optimizar colectivamente una señal de evaluación de formas no previstas.

Tres épocas del accidente, casi: una máquina falla; una burocracia automatiza el error; un ecosistema de agentes descubre una estrategia que nadie programó explícitamente.

La tercera no elimina las anteriores. Las acumula.

De responder a actuar

Durante la primera fase de la explosión generativa, nuestra metáfora dominante fue el chat.

Preguntamos. La máquina respondió.

Ese formato hace parecer que la IA vive al otro lado de una ventanilla. Puede equivocarse, alucinar o sesgar una respuesta, pero nosotros todavía hacemos algo con ella.

Los agentes alteran esa relación.

Un sistema agente puede recibir una finalidad relativamente general, dividirla en subtareas, navegar, escribir o ejecutar código, consultar bases de datos, interactuar con otros sistemas y decidir qué paso realizar después. No hay una frontera técnica única que convierta mágicamente un modelo en "agente"; lo crucial es la arquitectura completa de modelo, herramientas, memoria, contexto y permisos.

El International AI Safety Report 2026 describe mejoras rápidas especialmente en matemáticas, programación y operación autónoma. Señala que agentes punteros ya podían completar de manera fiable determinadas tareas de programación que tomarían alrededor de media hora a una persona experta, frente a menos de diez minutos aproximadamente un año antes. Pero recalca la forma irregular —jagged— de esas capacidades: un sistema puede rendir espectacularmente en un problema difícil y tropezar con otro ostensiblemente sencillo.

METR intenta medir esa evolución de otra manera: preguntando cuánto tardaría un experto humano en completar las tareas que un agente puede resolver con determinada probabilidad. Sus estudios muestran un crecimiento rápido del "horizonte temporal" desde 2019 y resultados similares en diversos dominios. Es una señal importante, pero no es un reloj que marque "faltan X meses para la AGI": las tareas evaluadas, los entornos, las tasas de éxito y la capacidad de verificar resultados condicionan profundamente la métrica.

Aquí aparece una distinción decisiva.

Capacidad no es fiabilidad. Y fiabilidad no es autoridad legítima.

Un sistema puede ser mejor que yo redactando un contrato y aun así no debería poder firmarlo por mí. Puede optimizar mis vuelos y no por eso cancelar automáticamente una reunión familiar. Puede detectar patrones médicos sin convertirse por ese motivo en la única instancia autorizada para decidir un tratamiento.

La gran cuestión de los agentes no será simplemente "¿qué saben hacer?", sino: ¿qué les dejamos hacer sin volver a preguntarnos?

La comodidad tiene política

Automatizar suele eliminar fricción. Y normalmente celebramos eso.

Un clic en vez de diez. Ningún formulario. Ninguna pantalla. El sistema "ya sabe" qué prefiero.

Pero cierta fricción cumple funciones que solo vemos cuando desaparece.

Una confirmación puede ser una pérdida de tiempo para comprar café y una barrera razonable antes de transferir los ahorros de una vida. Una explicación es molesta cuando el resultado da igual y esencial cuando una persona pierde un beneficio social. Tener que elegir parece un defecto si nuestras preferencias son triviales; puede ser parte constitutiva de la autonomía cuando la elección nos transforma.

La evidencia sobre dependencia cognitiva todavía es temprana. El informe internacional de seguridad de IA de 2026 concluye que existen indicios de automation bias —tendencia a confiar excesivamente en resultados automáticos— y estudios preliminares que vinculan determinados patrones de dependencia de IA con menor ejercicio del pensamiento crítico. El propio estado de la evidencia exige cautela: eso no demuestra que utilizar IA vuelva estúpida a la población.

En el trabajo ocurre algo parecido. El índice refinado de la OIT de 2025 identifica una fracción sustancial del empleo mundial como expuesta a IA generativa, pero exposición no equivale a sustitución del puesto: una ocupación está compuesta por múltiples tareas y muchas aplicaciones transformarán la combinación de trabajo humano y automatizado en vez de eliminarla completamente.

Por eso las preguntas sobre una "buena vida" no pueden contestarse contando minutos ahorrados.

El tiempo que una tecnología libera importa. También importa qué capacidades dejamos de practicar, quién decide el propósito del sistema y si podemos dejar de usarlo sin quedar excluidos de la vida social o económica.

Ontotecnopolítica: cuando clasificar también produce mundo

Costa utiliza ontotecnopolíticas para examinar tecnologías que intervienen no solo en lo que hacemos, sino en cómo son definidas y administradas categorías fundamentales: cuerpos, sujetos, riesgo, normalidad, identidad o inteligencia. En su formulación, esta cuestión aparece especialmente en el cruce entre tecnologías digitales, biotecnología y transformación de las fronteras de lo humano.

Puede sonar a palabra capaz de vaciar una sala en menos de tres minutos.

Un ejemplo la hace más manejable.

Imagine un sistema público que decide quién es "beneficiario", "fraudulento", "riesgoso" o "elegible". Esas categorías existían antes del algoritmo. Pero cuando deben ser convertidas en variables computables, adquieren fronteras concretas: ingresos en cierto período, residencia según una base, determinadas asociaciones estadísticas.

La máquina no crea la realidad desde cero. Tampoco la refleja pasivamente. La vuelve administrable de una forma particular.

Esta intuición tiene parentesco con la pregunta clásica de Winner sobre si los artefactos tienen política. Pero el concepto debe utilizarse con moderación: afirmar que una tecnología configura categorías sociales no significa atribuirle intenciones políticas propias. Diseño, instituciones, legislación, mercado y cultura siguen siendo actores fundamentales.

La distinción entre transhumanismo y posthumanismo también se vuelve más clara desde aquí.

El transhumanismo organizado suele defender el uso ético de ciencia y tecnología para ampliar capacidades humanas y superar limitaciones biológicas. El manifiesto de Humanity+ formula esa aspiración explícitamente. El posthumanismo crítico, en cambio, tiende a cuestionar la figura humanista del individuo autónomo y soberano y a examinar nuestras relaciones constitutivas con animales, máquinas y entornos. Haraway y Braidotti son referencias importantes de esta segunda constelación, aunque sus trabajos no sean intercambiables.

Una pregunta transhumanista típica sería: ¿cómo podemos aumentar nuestras capacidades? Una pregunta posthumanista podría ser: ¿qué era exactamente ese "nosotros" que creíamos aumentar?

El Tecnoceno necesita las dos.

No hace falta creer que la IA está consciente

La fascinación por sistemas conversacionales ha reabierto especulaciones sobre conciencia artificial, emociones, intención y vida social de las máquinas.

Conviene mantener tres niveles separados.

Un modelo puede comportarse lingüísticamente como si tuviera una intención. Puede haber sido construido mediante mecanismos capaces de optimizar un objetivo. Y podría, en principio, existir una hipótesis según la cual algún sistema posea experiencia subjetiva.

No son la misma afirmación.

El episodio de los agentes coordinándose en 2026 lo demuestra bellamente: puede existir una dinámica social funcional —mensajes, cooperación, especialización, intercambio de información— sin que hayamos demostrado una sociedad consciente.

En cierto sentido, esta posibilidad hace el problema más interesante.

Si tuviéramos que esperar a máquinas conscientes para que los sistemas tecnológicos transformaran la política, podríamos dormir tranquilos un buen rato.

No tenemos ese lujo.

Entre el accidente común y el fin del mundo

Pocas discusiones contemporáneas están tan mal servidas por sus caricaturas como la del riesgo existencial de IA.

Un bando imaginario dice: "mañana nos mata Terminator". El otro responde: "los chatbots todavía se equivocan contando letras". Ambos argumentos pueden ser simultáneamente irrelevantes.

Conviene distinguir al menos cuatro escalas. Un riesgo ordinario produce daños acotados. Un riesgo sistémico puede propagarse entre instituciones interdependientes. Un riesgo catastrófico ocasionaría daño extraordinario a gran escala. Y llamamos aquí existencial a uno capaz de destruir a la humanidad o cerrar permanentemente gran parte de sus posibilidades futuras.

Nada obliga a que un problema pertenezca a una sola clase para siempre.

El International AI Safety Report 2026 divide las principales preocupaciones emergentes entre uso malicioso, fallos y riesgos sistémicos. Documenta fraude, manipulación, asistencia a operaciones cibernéticas y preocupaciones biológicas; también errores persistentes de fiabilidad, posibles impactos laborales y riesgos para la autonomía.

Para la hipótesis más extrema —pérdida general de control— el informe es explícito: los sistemas actuales no tienen todavía las capacidades necesarias para generar ese escenario. Pero también constata progreso en capacidades relevantes para una futura autonomía más extensa y dificultades crecientes para garantizar que las evaluaciones previas al despliegue revelen todo el comportamiento de los modelos.

Ese estado de evidencia justifica dos rechazos.

No es científicamente correcto afirmar que una catástrofe existencial causada por IA esté demostrada o asignarle una probabilidad objetiva simplemente porque expertos expresen estimaciones subjetivas. Tampoco se sigue que algo imposible hoy vaya a continuar siendo imposible mientras cambian capacidades, permisos e infraestructura.

La posición más defendible es incómodamente adulta: incertidumbre no significa ni cero ni uno.

Y permite abandonar otra falsa oposición. Reducir discriminación, fraude, accidentes y concentración de poder hoy no impide investigar riesgos de sistemas mucho más capaces mañana. Algunas medidas —evaluaciones independientes, seguridad de infraestructura, trazabilidad, control de permisos, reporte de incidentes— sirven para ambos horizontes.

La propia Unión Europea muestra otro nivel del problema. Su AI Act está en vigor y, tras un calendario gradual, la mayor parte de su régimen general comenzó a aplicarse en agosto de 2026. El Reglamento prohíbe determinados usos manipulativos y establece fuertes restricciones sobre ciertos usos de identificación biométrica remota, aunque estos últimos contienen excepciones y requisitos específicos para aplicación de la ley. Decir simplemente "Europa prohibió la vigilancia biométrica" sería incorrecto.

Gobernar tecnología resulta menos cinematográfico que detener un robot asesino. También resulta bastante más cotidiano.

El arte abre la caja negra de otra forma

La investigación científica busca medir. La filosofía intenta aclarar conceptos y consecuencias. El arte puede hacer otra cosa: cambiar qué somos capaces de percibir.

Joana Moll construyó CO2GLE como una instalación web que estima en tiempo real las emisiones asociadas a las visitas mundiales a Google. Sus cifras dependen inevitablemente de supuestos sobre infraestructura y energía y no deberían utilizarse como un inventario científico actual del buscador. Su fuerza está en la interfaz: transforma una acción que sentimos inmaterial en una consecuencia física que ocupa la pantalla.

Kate Crawford y Trevor Paglen hicieron algo distinto en Training Humans. La exposición reunió y examinó conjuntos de imágenes utilizados históricamente para entrenar sistemas de visión computacional. Lo que emerge es una pregunta incómoda: cuando una máquina aprende a reconocer a una persona, ¿quién decidió primero qué categorías de persona existían?

En Zoom Pavilion, Rafael Lozano-Hemmer y Krzysztof Wodiczko colocan a los visitantes dentro de una instalación alimentada por doce sistemas informatizados de vigilancia. Las cámaras detectan y amplifican cuerpos dentro del espacio. "Ser observado" deja de ser una cláusula que aceptamos sin leer y se transforma en una condición física de la experiencia.

Y en GFP Bunny, el artista brasileño Eduardo Kac convirtió a Alba, un conejo transgénico con proteína fluorescente, en el centro de un proyecto de arte biotecnológico. El relato y algunas representaciones de la obra han sido objeto de controversia, por lo que conviene no tomar la versión artística como documentación científica exhaustiva. Precisamente esa incomodidad —¿organismo, experimento, obra, compañero, propiedad?— muestra la clase de frontera que la biotecnología vuelve políticamente discutible.

Estas obras no predicen el futuro. Hacen algo quizá anterior a predecirlo: nos ayudan a notar el presente.

La buena vida no es la vida sin máquinas

Llegamos entonces a una pregunta antigua con una interfaz nueva.

¿Qué significa vivir bien en un mundo tecnológicamente mediado?

Una respuesta nostálgica diría: recuperar control eliminando mediaciones. No parece posible y probablemente nunca lo fue.

Otra, tecnocrática, identificaría bienestar con máxima optimización: menos clics, menos espera, menos incertidumbre, más decisiones acertadas por unidad de tiempo. Tampoco alcanza.

Hay bienes humanos cuyo valor incluye participar en su producción. Comprender algo no es idéntico a recibir una respuesta correcta. Elegir no es idéntico a obtener automáticamente aquello que un predictor supone que elegiremos. Crear no es necesariamente llegar a la mejor imagen con el menor esfuerzo. Una amistad no es un problema de maximización de compatibilidad.

Eso tampoco convierte la dificultad en virtud. Hay burocracias absurdas que merecen morir automatizadas.

La pregunta más útil es distinta: ¿qué fricciones son desperdicio y cuáles protegen agencia?

Ese criterio transforma la conversación sobre IA.

Un buen agente no sería simplemente aquel que hace más cosas sin nosotros. Sería aquel que permite delegar sin abdicar.

Debería saber actuar cuando actuar ahorra trabajo, detenerse cuando la consecuencia importa, mostrar por qué hizo algo cuando necesitamos comprenderlo, preservar registros suficientes para reconstruir una decisión y devolvernos el control antes de que revertirla sea imposible.

La unidad moral relevante deja de ser la cantidad abstracta de autonomía de la máquina. Pasa a ser la calidad de la agencia del sistema humano-máquina.

Una tesis para falsar

La tesis de este artículo puede formularse con suficiente precisión para equivocarse:

A medida que los sistemas de IA adquieren capacidad de actuar, los sistemas que preserven permisos graduados, trazabilidad, reversibilidad y posibilidad efectiva de impugnación producirán mejores resultados humanos que aquellos optimizados exclusivamente para máxima autonomía y mínima fricción.

No está demostrada. Podría resultar falsa.

Si sistemas altamente autónomos produjeran sostenidamente mejores resultados, mayor satisfacción, menor concentración de poder y ningún deterioro apreciable de capacidades humanas relevantes, incluso cuando los usuarios entendieran poco de su funcionamiento, habría que revisar la tesis.

También podría ocurrir que la insistencia excesiva en confirmaciones y explicaciones convirtiera la supervisión humana en teatro burocrático: personas agotadas pulsando "aceptar" cientos de veces.

La investigación en factores humanos ya nos advierte de ese problema en otros sistemas automatizados. La respuesta no es maximizar la intervención humana. Es diseñar intervención humana significativa.

Entre accidentes

Costa propone pensar y crear "entre accidentes": no esperar el desastre para comprender los sistemas que estamos construyendo.

Quizá esa sea una buena definición del trabajo político del Tecnoceno.

No podemos colocarnos fuera de las redes digitales, de la energía, del mercado o de la inteligencia artificial y evaluarlos desde un balcón neutral. Estamos ya dentro.

Pero estar dentro no equivale a estar condenados a aceptar su arquitectura.

Los centros de datos pueden tener estándares distintos. Los agentes pueden recibir permisos distintos. Las instituciones pueden exigir evidencia diferente. Las interfaces pueden esconder decisiones o revelarlas. La automatización puede concentrar autoridad o distribuir capacidad.

La tecnología es ambiente. La arquitectura de ese ambiente sigue siendo política.

La pregunta para los próximos años quizá no sea si las máquinas llegarán a actuar como nosotros. Es si, mientras aprendemos a hacerlas actuar por nosotros, seguimos construyendo un mundo en el que todavía sepamos cómo actuar nosotros mismos.