Musk imagina IA que genera binarios: quién podrá auditar lo que ejecutamos
Musk predijo que a finales de 2026 la IA podría crear binarios sin programación tradicional. La distancia entre esa visión y el código generado y revisado por humanos se mide en trazabilidad, pruebas y procedencia.
En una reunión general publicada por xAI el 10 de febrero de 2026, Elon Musk dijo que las cosas podrían avanzar, quizá antes de acabar el año, hasta un punto en el que nadie se molestara en programar. Añadió que la IA crearía directamente el binario y que la programación tradicional sería un paso intermedio prescindible. No dijo literalmente que «el código muere este año»: esa formulación era una paráfrasis convertida erróneamente en cita.
El vídeo permite distinguir la afirmación comprobable de los añadidos que circularon alrededor. En el pasaje sobre programación, Musk habla de generar un binario optimizado a partir de un resultado deseado y predice que Grok Code sería puntero en dos o tres meses. No respalda, en ese tramo, las referencias a Neuralink ni el eslogan «imagination-to-software» que algunas versiones le atribuyeron. El original importa porque una paráfrasis repetida puede parecer una cita sin llegar a serlo.
Lo que le da la razón a medias
La evidencia pública sí muestra una adopción intensa, pero exige leer el denominador. El 22 de abril de 2026, Sundar Pichai afirmó que el 75% de todo el código nuevo de Google era generado por IA y aprobado por ingenieros, frente al 50% del otoño anterior. La cifra no significa que el 75% de todos sus repositorios sea autónomo, ni que desaparezca la revisión humana. Sin documentos equivalentes abiertos, no se pueden trasladar porcentajes atribuidos a Microsoft, Anthropic u OpenAI.
Pero obsérvese el matiz que sostiene todo el edificio: ese código se genera en lenguajes humanos, se revisa y se firma. Lo que Musk describe no es más de lo mismo: es la eliminación del artefacto legible. Y esa diferencia no es de grado. Es de naturaleza.
El funeral ya lo hemos celebrado dos veces
La historia de la programación es la historia de dejar de escribir lo que la máquina ejecuta. En los años cincuenta, los puristas del ensamblador miraban con sospecha a los compiladores: código generado por un programa, no por una persona. Hoy nadie escribe el binario de su banco, y casi nadie lee el ensamblador que produce su compilador. En rigor, llevamos setenta años sin escribir lo que de verdad se ejecuta.
Pero las capas de abstracción anteriores conservaron un artefacto intermedio legible y una relación inspeccionable con la salida. Tampoco todo compilador produce siempre el mismo resultado sin condiciones: la definición de una compilación reproducible exige el mismo código fuente, entorno e instrucciones para recrear artefactos idénticos bit a bit. El código fuente permite revisar intención y cambios; la reproducibilidad añade una prueba de que el artefacto publicado corresponde al proceso declarado.
Lo que el binario directo ya sabe hacer (y por qué es tan poco)
La optimización aprendida a bajo nivel tiene un precedente concreto, aunque no equivale a pedir una aplicación y recibir un binario completo. En 2023, AlphaDev, de Google DeepMind, buscó instrucciones de ensamblador para ordenar secuencias. DeepMind informó de mejoras de hasta el 70% en secuencias cortas y de aproximadamente el 1,7% por encima de 250.000 elementos; los cambios llegaron a LLVM libc++. La corrección se comprobaba comparando salidas esperadas y la recompensa combinaba corrección y latencia. Era un dominio estrecho y verificable, no un sistema bancario.
Entre ese juego y «genera el binario óptimo de un sistema bancario» median especificaciones ambiguas, estado distribuido, requisitos cambiantes y criterios de corrección difíciles de agotar. Un ensayo aleatorizado de METR publicado el 10 de julio de 2025 encontró que 16 desarrolladores experimentados tardaron un 19% más con herramientas de IA en 246 tareas de sus propios repositorios, aunque después creían haber acelerado un 20%. METR advierte que el resultado describe herramientas de principios de 2025, no a todos los programadores ni a los sistemas actuales. La capacidad transferible es leer muestra, tarea y fecha antes de generalizar una cifra.
«Software» no es una cosa: es un gradiente de consecuencias
La pregunta «¿puede la IA generar el software?» está mal formulada, porque software es a la vez una web de recetas y el firmware de un marcapasos. Conviene pensarlo como un gradiente. En un extremo, el software desechable —la herramienta personal, el prototipo, la web efímera— donde el binario directo es casi inevitable y casi inofensivo: si falla, se regenera. En el centro, el software de negocio, donde la presión económica empujará fuerte y la revisión humana se convertirá en el cuello de botella que ya describen los propios laboratorios.
En el otro extremo está el software con consecuencias sobre salud, dinero o infraestructura. Ahí la posibilidad de explicar cómo se desarrolló y verificó un artefacto forma parte del control del riesgo. El marco SSDF de NIST organiza prácticas para reducir vulnerabilidades y sus causas. En la Unión Europea, el Reglamento de Ciberresiliencia, aplicable con carácter general desde el 11 de diciembre de 2027, exige identificar y documentar vulnerabilidades y componentes, incluida una lista de materiales de software con al menos las dependencias de primer nivel. Eso no prohíbe un binario generado por IA, pero eleva una pregunta que la demostración debe responder: qué evidencia conecta requisitos, proceso, dependencias, pruebas y artefacto.
La caja negra al cuadrado
Aquí está el riesgo más serio. Un modelo difícil de interpretar que genera un artefacto sin representación humana equivalente acumula dos problemas distintos: entender por qué se produjo una salida y demostrar qué contiene lo distribuido. La pregunta operativa es dónde buscar un defecto o una puerta trasera y qué evidencia permitiría descartar ambos. La legibilidad del código ayuda, pero no basta por sí sola; también hacen falta revisión, pruebas y control de la cadena de suministro.
Si llega el escenario de Musk, la auditoría tendría que cambiar de objeto. La especificación de procedencia SLSA define información verificable sobre dónde, cuándo y cómo se produjo un artefacto, con el objetivo de comprobar que la construcción siguió lo esperado y permitir que otros la repitan. A eso podrían sumarse pruebas de propiedades y comprobaciones de equivalencia entre especificación y binario. Una firma criptográfica acredita origen e integridad; no demuestra por sí sola que el programa sea correcto.
Los plazos: la dirección y la fecha no son lo mismo
¿Finales de 2026? Las fuentes públicas enlazadas describen dos cosas diferentes: Google dice que gran parte de su código nuevo es generado por IA y aprobado por ingenieros; Musk predice que se podrá omitir la programación tradicional y crear binarios directamente. La primera no demuestra la segunda. Una fecha pronunciada en una reunión corporativa es una predicción hasta que existe un sistema público, evaluable y reproducible que cumple el alcance prometido.
La automatización observada hace plausible que los humanos escriban menos instrucciones línea por línea. No prueba que el coste total del software se desplome en la misma proporción: comprender necesidades, integrar sistemas, verificar comportamiento, operar servicios y responder por fallos siguen teniendo coste. La transición decisiva no es de «código humano» a «ningún humano», sino de producir instrucciones a especificar y comprobar resultados.
Si el software se vuelve commodity, ¿qué queda?
La consecuencia económica es quizá la más profunda. Si cualquier empresa puede imaginar un producto y materializarlo, el software deja de ser foso defensivo. ¿Qué diferenciará entonces a una marca? Cuatro candidatos serios. La firma del riesgo: cuando el binario falle, alguien tendrá que indemnizar; la marca se convierte en la aseguradora de lo que ejecuta, y esa responsabilidad no se genera con un prompt. Los datos y el contexto propietarios: la IA es commodity; lo que tu empresa sabe y nadie más sabe, no. La distribución y la confianza acumuladas. Y el criterio: cuando construir cuesta cero, elegir qué construir lo es todo.
En ese escenario, la custodia se vuelve una decisión de diseño: quién controla el modelo, los datos, la especificación, el entorno de construcción y las claves que firman el resultado. Un binario ilegible puede ocultar propiedad intelectual, pero también dificulta la inspección del comprador y la respuesta a incidentes. El secreto no sustituye a una cadena de evidencia.
Lo que este periódico no sabe
No se sabe si la fiabilidad de los modelos alcanzará los umbrales exigidos en todos los dominios ni qué formas de evidencia aceptarán reguladores y compradores. Tampoco existe en las fuentes enlazadas una medición representativa de qué fracción del código mundial escribe la IA. El 75% de Google tiene un denominador preciso —código nuevo dentro de Google— y una condición decisiva —aprobación de ingenieros—; convertirlo en una cifra mundial sería perder ambas.
El código ya está dejando de ser, en algunas organizaciones, el lugar donde los humanos escriben cada instrucción; sigue siendo una de las evidencias con las que revisan y confían. La predicción de Musk solo será un cambio de paradigma si el binario directo trae mecanismos equivalentes o mejores para demostrar procedencia, reproducibilidad y comportamiento. La pregunta útil ante la próxima demostración no es cuántas líneas escribió la IA, sino qué puede comprobar una parte independiente sobre lo que se ejecuta.
Este artículo se ha elaborado con inteligencia artificial bajo supervisión editorial humana.
