El disidente

Hay una diferencia entre alguien que abandona una empresa y alguien que abandona una idea. Yann LeCun, el científico franco-estadounidense que durante doce años fue el cerebro detrás de la inteligencia artificial de Meta, hizo las dos cosas a la vez. Cuando anunció su salida en noviembre de 2025, no se fue en silencio. Se fue con una tesis: que la industria de la inteligencia artificial está construyendo en la dirección equivocada, y que él tiene la alternativa.

En marzo de 2026, esa alternativa tiene nombre, sede y más de mil millones de dólares de respaldo. Se llama AMI Labs — Advanced Machine Intelligence —, está basada en París, y acaba de cerrar lo que se considera la ronda de financiación inicial más grande en la historia de Europa: 1.030 millones de dólares a una valoración de 3.500 millones, antes de lanzar un solo producto. Los inversores incluyen a Nvidia, Samsung, Jeff Bezos, Mark Cuban y Eric Schmidt.

El presidente Macron celebró el lanzamiento como un logro nacional. Pero LeCun hizo el anuncio a su manera: desde su apartamento parisino, con una fotografía del Velo de la Nebulosa que él mismo capturó desde su jardín. "La más apropiada para una revelación", escribió. No es una mala imagen para alguien que lleva años mirando más lejos que todos los demás.

¿Quién es Yann LeCun?

Para entender el peso de lo que está ocurriendo, hay que conocer al hombre. LeCun no es un emprendedor de moda. Es uno de los tres investigadores —junto a Geoffrey Hinton y Yoshua Bengio— que ganaron el Premio Turing en 2018, el equivalente al Nobel en ciencias de la computación, por su trabajo en el aprendizaje profundo: la tecnología que hoy es la base de todo lo que conocemos como inteligencia artificial moderna.

Fue él quien desarrolló las primeras redes neuronales convolucionales, los sistemas que le enseñaron a las máquinas a ver imágenes. Llegó a Meta en 2013 para fundar FAIR, Facebook AI Research, el laboratorio que durante una década produjo investigación que alimentó a toda la industria. Los modelos “Llama” de Meta, que hoy usa medio mundo, existen en parte gracias al trabajo que se hizo bajo su dirección.

Es, en otras palabras, uno de los padres de la IA que hoy domina el mercado. Y ahora mismo está diciéndole a esa IA que tiene un problema fundamental.

El argumento central

La crítica de LeCun a los grandes modelos de lenguaje —los LLMs, que son la base de ChatGPT, Claude, Gemini y todos los chatbots que conocemos— no es nueva. La viene sosteniendo públicamente desde hace años, pero ahora está respaldada con capital y con una empresa.

El argumento es este: los LLMs aprenden a predecir la siguiente palabra en una secuencia de texto. Son sistemas extraordinariamente sofisticados para hacer exactamente eso, y de esa capacidad estadística emerge algo que parece inteligencia. Pero predecir palabras no es lo mismo que entender el mundo. "Los LLMs no planifican con antelación", dijo en más de una entrevista. "No pueden predecir las consecuencias de sus acciones. Son demasiado limitantes. Escalarlos no nos permitirá alcanzar inteligencia artificial general."

La afirmación es fuerte, especialmente viniendo de alguien que ayudó a construir los fundamentos de esa tecnología. Y es, también, minoritaria dentro de una industria que lleva dos años apostando cientos de miles de millones de dólares exactamente a escalar LLMs.

LeCun no se inmuta. "Vamos a tener sistemas de IA con inteligencia parecida a la humana", declaró al MIT Technology Review, "pero no van a estar construidos sobre LLMs. Hay avances conceptuales importantes que deben suceder antes. Y eso es exactamente en lo que estoy trabajando."

La apuesta técnica: los world models

La alternativa que propone LeCun se llama world models, modelos del mundo. La idea, en términos sencillos, es construir sistemas de IA que no aprendan del texto, sino del mundo físico: de datos de cámaras, sensores, vídeo, interacciones con entornos reales. Sistemas que desarrollen una representación interna de cómo funciona la realidad, que puedan simular causas y efectos, que puedan planificar.

"Un world model", explicó LeCun, "es tu modelo mental de cómo se comporta el mundo. Puedes imaginar una secuencia de acciones que podrías tomar, y tu world model te permitirá predecir cuál será el efecto de esa secuencia de acciones sobre el mundo."

No es una idea completamente nueva. Existe investigación en este campo desde hace años. Pero AMI Labs la está llevando a escala industrial, con una arquitectura específica que LeCun desarrolló mientras aún estaba en Meta: JEPA, Joint Embedding Predictive Architecture. El nombre es técnico, En lugar de generar predicciones detalladas sobre cada píxel o cada palabra del futuro, JEPA aprende a abstraer: identifica patrones, trayectorias, relaciones entre objetos. No memoriza el mundo, lo modela. La distinción importa porque un sistema que modela puede generalizar — puede enfrentarse a una situación nueva y razonar sobre ella, en lugar de buscar el texto más parecido que vio durante el entrenamiento.

Las aplicaciones apuntadas son reveladoras: robótica, dispositivos médicos, automatización industrial, vehículos autónomos, wearables. Todos contextos donde los errores tienen consecuencias físicas reales, donde las alucinaciones de un LLM no son un inconveniente sino un peligro. "Queremos convertirnos en el principal proveedor de sistemas inteligentes, independientemente de cuál sea la aplicación", afirmó.

Por qué París y no Silicon Valley

Uno de los gestos más deliberados de LeCun es la ubicación. AMI Labs tiene su sede en París, con oficinas satélite en Nueva York —donde él enseña en NYU— y Montréal. Es una elección que va más allá de la logística.

"Silicon Valley está completamente hipnotizado por los modelos actuales de IA generativa", declaró. "Para perseguir este tipo de nueva investigación, hay que salir del Valle —a París." La frase no es solo una observación geográfica. Es un diagnóstico sobre cómo los incentivos económicos de la industria limitan la investigación genuinamente diferente.

Europa, argumenta, tiene una concentración extraordinaria de talento científico que no siempre encuentra el ambiente adecuado para florecer. Y hay, además, una demanda creciente de gobiernos e industrias de un actor de frontera en IA que no sea ni chino ni americano. AMI Labs quiere ser eso.

El equipo que armó es una señal de que la apuesta es seria. Como CEO nombró a Alex LeBrun, emprendedor con múltiples éxitos en IA y exdirector de la división de IA de Facebook. Como director científico trajo a Saining Xie, cuyo trabajo en 2023 fue la base de la arquitectura que usó OpenAI para construir Sora. Como COO está Laurent Solly, ex vicepresidente de Meta para Europa.

Open source como principio, no como estrategia de marketing

En un momento en que los grandes laboratorios —OpenAI, Anthropic, Google DeepMind— tienden a cerrar sus modelos más avanzados, LeCun insiste en el open source como postura filosófica. AMI Labs publicará sus investigaciones. Hará su código disponible. Construirá una comunidad académica alrededor de su trabajo.

"Le digo a las personas en las universidades: no trabajen en LLMs. No tiene sentido. No van a poder rivalizar con lo que pasa en la industria. Trabajen en otra cosa. Inventen nuevas técnicas. Los avances no van a venir de escalar LLMs." Es, también, una apuesta estratégica: publicar investigación y abrir código construye ecosistema, y un ecosistema propio es una ventaja competitiva difícil de replicar con dinero.

La pregunta que nadie puede responder todavía

Sería fácil presentar esto como la historia de un visionario enfrentado a la corriente. Pero hay que ser honestos sobre las incertidumbres.

LeCun tiene razón en que los LLMs tienen limitaciones reales: alucinan, no planifican, no tienen memoria persistente, no comprenden la física del mundo. Tiene razón en que predecir palabras no es lo mismo que entender el mundo. Tiene décadas de credibilidad científica que respaldan su intuición.

Pero los world models son, por ahora, fundamentalmente investigación. El propio CEO de AMI Labs lo admitió sin rodeos: "No es una startup típica de IA aplicada que puede lanzar un producto en tres meses. Puede tomar años pasar de los world models a aplicaciones comerciales." Lo cual es notable en un sector donde los inversores suelen medir el tiempo en trimestres.

La paradoja de la situación es que LeCun está haciendo una apuesta científica de largo plazo financiada con las mismas condiciones del mercado que él critica. Mil millones de dólares para investigación fundamental, a una valoración de 3.500 millones, antes de tener un producto. Si eso no es parte de la burbuja que señala, se le parece bastante.

Lo que la frase no dice — y por eso importa

El lema de AMI Labs merece más que un titular: "La inteligencia real no comienza en el lenguaje. Comienza en el mundo." Es una frase construida para convencer. Pero si se la piensa despacio, abre más preguntas de las que cierra.

Que el mundo físico existe antes que el lenguaje es, en términos científicos, una verdad difícil de disputar. Un bebé aprende que los objetos caen, que el fuego quema, que empujar algo lo mueve, todo antes de tener una sola palabra para describirlo. Piaget lo documentó con precisión: hay un conocimiento que es acción sobre el mundo, no representación simbólica. En ese sentido, LeCun tiene razón. Y su apuesta técnica es coherente con esa intuición: si querés construir un sistema que entienda la física, entrénalo con datos físicos, no con texto.

Pero la filosofía complica la imagen casi de inmediato. Heidegger diría que el mundo nunca es simplemente lo que está ahí afuera esperando ser percibido. Siempre es un mundo para alguien, estructurado por la práctica, por el uso, por el contexto. Antes del lenguaje explícito ya hay interpretación. Y Wittgenstein cerraría el argumento con una observación incómoda: no podemos siquiera formular la pregunta "qué existe antes del lenguaje" sin usar lenguaje. Los límites de mi lenguaje son los límites de mi mundo. Lo que no puedo decir, difícilmente puedo pensar con claridad.

Hay además una tensión interna en la propia frase de LeCun que vale la pena nombrar: para concluir que la inteligencia comienza en el mundo y no en el lenguaje, él tuvo que pensarlo, argumentar en papers, debatirlo en conferencias, convencer a inversores. Todo eso ocurrió en lenguaje. El mundo físico puede ser la materia prima de la inteligencia. Pero la comprensión de que hay que modelar ese mundo —y no el texto— ocurrió en un ser que tiene lenguaje, cuerpo, historia e intenciones. Eso no invalida su hipótesis técnica. Pero sí sugiere que la frase describe un método de entrenamiento más que una teoría de la mente.

Lo que LeCun está diciendo con precisión es esto: los mejores datos para construir IA capaz de actuar en el mundo son datos del mundo, no de la biblioteca de internet. Es una afirmación empírica. Razonable, plausible, y puede que resulte correcta.

Pero hay una distancia considerable entre eso y decir que la inteligencia real comienza en el mundo. La primera es una hipótesis de ingeniería. La segunda es una afirmación filosófica sobre la naturaleza de la mente que ningún monto de financiación puede demostrar por sí solo.

Lo que hace a la frase poderosa es exactamente lo que la hace imprecisa: captura una intuición profunda —que hay algo en la experiencia corporal del mundo que los LLMs simplemente no tienen— sin comprometerse con qué es exactamente ese algo. Es el tipo de frase que un filósofo abriría con cuidado y un emprendedor usaría para cerrar un deck de inversión.

Yann LeCun probablemente sabe las dos cosas. Y eso, en el fondo, es lo más interesante de él.