Dwarkesh Podcast: por qué los expertos en IA dudan en público

Por qué los expertos en IA dudan en público (y por qué eso nos conviene)

En una conversación de hora y media publicada esta semana, el podcaster Dwarkesh Patel reunió a John Schulman, cofundador de OpenAI, junto a los investigadores Beren Millidge y Charlie O'Neill, para discutir algunas de las preguntas más difíciles del campo: ¿puede la IA automatizar la propia investigación en IA? ¿Puede elegir sus propios objetivos? ¿Dónde está el siguiente cuello de botella? Una parte visible de la reacción pública se concentró, sin embargo, en algo mucho más superficial: cuántas veces los invitados dijeron "like". El ensayo del escritor y CEO Girish Madhavan en Substack, titulado The people who know the most often sound the least certain, parte exactamente de ahí para denunciar un problema que afecta a todo el ecosistema, incluido el de los founders hispanohablantes: la conversación pública sobre IA la están ganando quienes ofrecen certeza simple sobre cosas que no entienden.

La paradoja: quien sabe de verdad matiza; quien no sabe, sentencia

El argumento central es directo. Los investigadores con conocimiento de primera mano se autocorrigen, añaden condiciones, buscan ejemplos y, sobre la marcha, recurren a muletillas mientras ensamblan pensamientos complejos. Mientras tanto, buena parte del debate público sobre IA está liderado por políticos, ejecutivos y comunicadores profesionales que han dominado la habilidad opuesta: entregar certeza pulida sobre temas que apenas comprenden.

Esa asimetría no es nueva, pero en IA es especialmente peligrosa, porque la distancia entre lo que la tecnología puede hacer, lo que la gente cree que puede hacer y lo que las instituciones dicen que puede hacer ya es enorme. Decisiones sobre empleo, educación, seguridad nacional, inversión y regulación se están tomando dentro de ese hueco. Si quienes entienden los sistemas se retiran a papers, laboratorios privados y conversaciones entre pares, el vacío no quedará vacío: lo llenará quien tenga expertise en lenguaje, no en tecnología.

Madhavan lo resume con una idea potente: quienes tienen menos fricción con la realidad suelen ser los que tienen menos fricción en sus frases. Y eso, dice, es un problema sistémico.

Por qué el formato Dwarkesh importa (y por qué los founders deberían prestarle atención)

Un ranking publicado por FinanceFeeds sobre los mejores podcasts de IA de 2026 coloca al Dwarkesh Podcast en el primer puesto, precisamente por lo que describe el ensayo: ser un espacio donde los investigadores pueden trabajar ideas complicadas sin colapsarlas en frases pegadizas. El artículo destaca que su valor está en el formato largo, con preparación pesada y acceso a las personas que están lidiando con esas preguntas, no con las conclusiones de marketing. Para los fundadores que construimos sobre IA, seguir esta conversación no es contenido para fans: es fuente directa sobre hacia dónde se mueve la frontera.

El formato importa porque expone los descartes. Un keynote pulido esconde las ramas que el experto tiró; una conversación en vivo las muestra. Se escucha una frase empezar antes de saber dónde va, una analogía reemplazarse cuando no cierra, una posición confiada volverse menos segura bajo presión. Eso es lo que suena cuando alguien piensa, en lugar de cuando alguien recita.

La trampa del "like": por qué las muletillas no son el verdadero problema

El señalamiento sobre las muletillas es la clave para los founders que también investigan, escriben o hablan en público. El ensayo distingue con precisión: la meta no es hacer que cada investigador de IA suene como un CEO entrenado por medios; ya tenemos suficientes CEOs entrenados por medios. Las vacilaciones, las calificación y las correcciones en vivo son evidencia de razonamiento. Castigar cada muestra visible de pensamiento hasta que solo queden performers deja el campo libre para quienes solo saben vender.

Eso no significa ignorar el punto válido que la crítica superficial señala: si los expertos quieren influir en la comprensión pública, tener razón no alcanza. Una idea que no sale de la sala pierde contra una peor que sí sale. La cuestión es aprender a llevar más inteligencia a través del hueco, no abandonar la precisión en el camino.

Qué significa esto para tu startup

Aquí es donde el ensayo se vuelve directamente aplicable. Madhavan, que se describe como constructor neurodivergente (AuDHD) convertido en CEO, comparte seis hábitos que él mismo usa para hablar sin fingir que el mundo es más simple de lo que es. Son accionables hoy, no teoría:

• Practica la versión ELI5, ELI10 y ELI15. Lenguaje simple no es señal de pensamiento simple; suele ser señal de que alguien hizo el trabajo de compresión. Pídele a GPT que te explique tu propia idea como si fueras un cliente que la escucha por primera vez, y que te devuelva la frase que probablemente van a recordar. Si la versión simple cambia el mecanismo, es demasiado simple; si lo preserva, encontraste la idea.
• Usa la pausa de Obama. El silencio se siente mucho más largo para quien habla que para quien escucha. Cuando necesites pensar, tu instinto será llenar el canal con "like", "um" u "o sea". Reemplaza algunos de esos rellenos por aire. Una pausa además señala que la siguiente frase está siendo elegida, no derramada.
• Da una sola historia que la gente pueda llevarse. La gente rara vez repite tu framework bien; repite la historia que lo hizo tener sentido. La estructura más simple según el autor: una persona quería algo, algo se atravesó, algo cambió. En ventas, no empieces por la arquitectura del producto; empieza por el cliente que estaba perdiendo leads después de las 6pm.
• Pon la afirmación antes que el caveat. Los expertos solemos liderar con todo lo que podría hacer que estemos equivocados. Para cuando la afirmación llega, la sala se fue mentalmente. Invierte el orden: "el cuello de botella es la evaluación. Hay dos casos donde esto puede no sostenerse". La incertidumbre sigue ahí, solo que ahora está pegada a una posición legible.
• Simplifica todo: una idea por oración. En una conversación en vivo, las oraciones cortas sobreviven mejor a los nervios, las interrupciones y la memoria limitada del oyente. Eso no significa volver todo superficial; significa revelar la complejidad en capas: primero el mapa, después el terreno.
• Escribe en público. Publicar fuerza a descubrir si tienes una idea o solo una nube de pensamientos asociados. El loop que se forma entre escribir, publicar y luego explicar de corrido sin mirar la hoja es lo que mejor entrena el habla técnica honesta.

La lección de fondo: protege la verdad, suelta la niebla

El ensayo cierra con una frase que vale como manual de comunicación para cualquier founder técnico: mantén las caveats que protegen la verdad; quítate la complejidad que solo protege al que habla. Pausa en lugar de rellenar aire. Afirma donde la evidencia lo permita. Matiza donde la incertidumbre sea real. No matices solo por seguridad social. Usa palabras simples. Da una historia que la gente pueda llevarse a la siguiente sala.

El futuro de la IA no lo van a decidir solo quienes construyen los sistemas. También lo van a decidir quienes puedan explicar qué son, qué no son y qué deberíamos hacer con ellos. Si los expertos no aprenden a contar esa historia, alguien menos experto la va a contar por ellos, en ocho palabras y sin condiciones.

El episodio del podcast Dwarkesh con Schulman, Millidge y O'Neill es un caso de estudio perfecto: deja ver cómo piensa gente que realmente sabe, desorden incluido. Para cualquier founder que esté construyendo sobre IA, mirarlo entero es más útil que otros 50 resúmenes sobre "el futuro de la IA".

Fuentes

• The people who know the most often sound the least certain — Girish Madhavan, Substack
• Best AI Podcasts in 2026: 6 Shows — FinanceFeeds