Hace un siglo, las universidades comenzaron a construir sus disciplinas y carreras alrededor de definiciones que sonaban científicas pero que en realidad codificaban prejuicios raciales y claseçuelos. Las pruebas de coeficiente intelectual (IQ) se presentaron como herramientas neutrales para medir una capacidad innata, cuando en realidad servían para reforzar una jerarquía social en la que los hombres blancos anglosajones ocupaban la cima y las minorías raciales, especialmente los asiáticos, eran relegadas a un nivel inferior.

El caso de Peter Sandiford en la década de 1920 ilustra este proceso. Como investigador de la Universidad de Toronto, Sandiford, bajo la supervisión de George Moir Weir en la Universidad de Columbia Británica, evaluó el “intelecto” de estudiantes chinos y japoneses-canadienses. El objetivo, según el historiador Gerald Thompson, era “confirmar” la idea de que los pueblos asiáticos eran intrínsecamente inferiores. Estas investigaciones no fueron estudios aislados, sino parte de un movimiento más amplio de eugenismo, que definía la inteligencia como un rasgo genético y heredable que poda ser medido y clasificado.

El legado de estas prácticas sigue siendo relevante hoy día, especialmente en el debate sobre la inteligencia artificial general (AGI). Cuando Sam Altman, CEO de OpenAI, afirma que los niños nacidos hoy serán “menos inteligentes que la IA desde una perspectiva de IQ bruto”, evoca un discurso que trata la inteligencia como una medida fija y universal, ignorando su naturaleza constructiva y cultural. La misma retórica de la “superioridad intelectual” que alimentó las políticas raciales del pasado resuena en las predicciones tecnológicas contemporáneas, donde la AGI se presenta como un hito inevitable y casi biológico.

La historia de las pruebas de IQ también cuestiona cómo las universidades deben responder a la irrupción de la IA. Estas instituciones, que en su momento legitimaron la discriminación mediante la ciencia, ahora se enfrentan a la tarea de redefinir su misión en un mundo donde las máquinas pueden imitar o superar las tareas cognitivas humanas. La reflexión sobre el pasado no es un ejercicio académico: obliga a los educadores a preguntarse si sus currículos, evaluaciones y admisiones siguen perpetuando jerarquías obsoletas o si están adaptándose para fomentar una inteligencia verdaderamente inclusiva.

Además, el debate sobre el IQ plantea preguntas éticas fundamentales para el desarrollo de la IA. Si la inteligencia se ha utilizado históricamente para justificar la exclusión, ¿deberían los algoritmos de IA basarse en versiones similares de “coeficiente”? La respuesta no es sóla. Los sistemas de IA actuales aprenden de datos que reflejan sesgos del pasado, desde conjuntos de datos educativos hasta textos generados por humanos. Reconocer el carácter constructivo de la inteligencia implica diseñar modelos que no solo eviten reproducir el prejuicio, sino que también promuevan la equidad, la creatividad y el pensamiento crítico.

Para los responsables políticos, el mensaje es claro: las regulaciones futuras sobre IA y las políticas educativas deben basarse en una concepción de la inteligencia que sea dinámica, contextualizada y liberadora. Esto significa invertir en alfabetización digital que fomente el pensamiento crítico, diversificar los equipos de desarrollo de IA para incluir perspectivas de grupos subrepresentados y establecer criterios transparentes que vayan más allá de las medidas estándar de rendimiento.

En definitiva, el controvertido historial de las pruebas de IQ sirve como una advertencia. La prisa por alcanzar una AGI no debe cegar a la sociedad con respecto a quiénes se benefician realmente de dicha tecnología y quiénes quedan marginados. Al examinar cómo el pasado ha moldeado nuestra idea de la inteligencia, podemos forjar un futuro en el que la IA amplifique la diversidad de talentos humanos en lugar de reducirla a una número en una escala obsoleta.