La madre de todas las demostraciones
La demostración de Douglas Engelbart en 1968 y la importancia de diseñar tecnología para ampliar capacidades humanas.
La pregunta más importante no es qué puede hacer una máquina, sino qué pueden hacer mejor las personas gracias al sistema.
Una pregunta de 1968 que sigue vigente
En diciembre de 1968, los ordenadores todavía se asociaban principalmente con laboratorios especializados, equipos costosos y tareas alejadas del trabajo cotidiano. Entonces Douglas Engelbart y su equipo de investigación presentaron una idea diferente: el ordenador como un entorno interactivo para pensar, organizar información y colaborar.
La demostración acabaría siendo conocida como The Mother of All Demos, la madre de todas las demostraciones. A menudo se recuerda por una lista de innovaciones: el ratón, el hipertexto, las ventanas y la colaboración a distancia. Sin embargo, esa lista puede ocultar la ambición más importante del proyecto.
Engelbart no buscaba únicamente facilitar el uso de los ordenadores. Quería ampliar lo que las personas y las organizaciones podían conseguir trabajando juntas. Esta distinción resulta especialmente relevante ahora que las empresas se preguntan qué debería cambiar realmente con la inteligencia artificial.
Una herramienta mejor resulta útil. Una mejor forma de pensar y trabajar juntos puede transformar una organización.
El futuro apareció en una pantalla
El 9 de diciembre de 1968, durante la Fall Joint Computer Conference de San Francisco, Engelbart y sus compañeros del Augmentation Research Center, en el Stanford Research Institute, presentaron el oN-Line System (NLS) en una demostración en directo de unos noventa minutos.
Un cursor respondía a un dispositivo manual. Los documentos podían editarse de forma interactiva. La información se organizaba en estructuras jerárquicas, se recorría mediante enlaces y podía mostrarse desde diferentes perspectivas. Los compañeros que se encontraban a distancia participaban mediante conexiones de audio y vídeo. Detrás de lo que el público veía había una compleja infraestructura que enlazaba el escenario con los sistemas del laboratorio de SRI en Menlo Park.
Es tentador interpretar aquel acontecimiento solo como un adelanto de los productos que llegarían después. Pero la presentación mostró algo más amplio: un modelo temprano de entorno de información conectado. Las funcionalidades no eran piezas aisladas; estaban integradas en un sistema pensado para el trabajo intelectual.
Mucho más que un ratón
El ratón terminó convirtiéndose en el símbolo más reconocible del trabajo de Engelbart, y tiene sentido. Cambió la relación física entre una persona y lo que aparecía en la pantalla. Pero su verdadero valor surgía de los demás componentes que lo acompañaban.
Un dispositivo apuntador resulta útil cuando el software ofrece objetos con los que interactuar. El hipertexto adquiere valor cuando la información está estructurada y permite seguir relaciones. La colaboración transforma el trabajo cuando varias personas pueden contribuir a un espacio compartido, en lugar de intercambiar archivos desconectados.
El equipo también merece reconocimiento. Bill English tuvo un papel fundamental en el desarrollo del ratón y en la producción técnica de la demostración. Presentar el acontecimiento como el logro aislado de una sola persona borraría el trabajo colectivo que hizo posible aquel sistema.
La innovación más importante estaba en la integración. Un conjunto de capacidades técnicas adquirió sentido porque sus componentes se reforzaban mutuamente y permitían trabajar de otra manera.
La idea nació antes de la demostración
En 1962, Engelbart ya había desarrollado su visión en el informe Augmenting Human Intellect: A Conceptual Framework. Allí planteaba que la capacidad humana para resolver problemas dependía de un sistema formado por el lenguaje, las herramientas, los métodos y el aprendizaje necesario para utilizarlos.
Era una perspectiva mucho más amplia que construir ordenadores potentes. Si el objetivo consistía en abordar problemas cada vez más complejos, también debían evolucionar las formas de trabajar con la información. Las herramientas nuevas podían dar lugar a métodos nuevos; esos métodos, a su vez, podían revelar la necesidad de mejorar las herramientas.
Aquí aparece una lección para el diseño actual de sistemas. La tecnología y el comportamiento organizativo no evolucionan de manera independiente. Una modificación en uno genera dependencias en el otro. Una buena interfaz no sustituye responsabilidades claras, del mismo modo que un algoritmo potente no crea automáticamente una decisión útil.
En la visión de Engelbart, el ordenador no era el protagonista. El objetivo era ampliar las capacidades humanas mediante el conjunto del sistema.
Demostrar no es lo mismo que adoptar
El público de San Francisco reconoció que había presenciado algo importante. Sin embargo, los conceptos mostrados en 1968 no se convirtieron de inmediato en herramientas habituales de trabajo.
El camino desde un prototipo extraordinario hasta su uso generalizado exige algo más que demostrar su viabilidad. Los equipos deben ser asequibles, la infraestructura debe soportar las capacidades nuevas y las interfaces han de resultar prácticas para distintos usuarios. Las organizaciones, además, necesitan modificar hábitos, establecer estándares y aprender a trabajar de otra manera.
Posteriormente, otros laboratorios y empresas, entre ellos Xerox PARC y los pioneros de la informática personal comercial, desarrollaron y popularizaron ideas relacionadas. Pero no fue una secuencia sencilla en la que una única demostración se transformó directamente en todos los productos actuales.
La distinción también importa en 2026. Una demostración convincente prueba que algo puede funcionar en determinadas condiciones. La adopción exige comprobar si aporta valor fiable con usuarios reales, costes, restricciones y excepciones.
El paralelismo con la IA empresarial
Casi seis décadas después, la inteligencia artificial vuelve a generar una sensación de posibilidades extraordinarias. Un modelo puede redactar documentos, analizar textos, detectar patrones, sugerir decisiones o coordinar herramientas. Son capacidades impresionantes y con un potencial real.
Pero una organización puede contratar un modelo avanzado sin transformar el sistema en el que deberá funcionar. Pensemos en la gestión de facturas de proveedores. Un servicio de IA podría extraer correctamente el proveedor, los importes, las fechas y las líneas de un documento. Eso resulta útil, pero no equivale a disponer de una transacción contable fiable.
El proceso completo todavía necesita validar el proveedor, comprobar el contexto de compra, aplicar reglas fiscales y contables, detectar duplicados, gestionar aprobaciones, resolver excepciones, mantener trazabilidad y definir quién responde cuando algo no encaja. Distintas tecnologías pueden cubrir distintas partes: reglas, API, ERP, modelos de IA y criterio humano.
No se trata de incorporar IA en cada paso, sino de determinar dónde aporta valor y cómo se relaciona con el resto. Un sistema genera valor empresarial cuando los datos, las decisiones, los controles y las responsabilidades son coherentes de principio a fin.
Diseñar para personas, no solo para generar resultados
La conversación sobre la IA suele plantearse como una competición: ¿qué hará mejor que las personas? La comparación puede ser útil para tareas específicas, pero resulta insuficiente para orientar el diseño de un sistema empresarial.
Una pregunta más útil sería qué deberían poder hacer mejor las personas. ¿Puede el equipo financiero dedicar menos tiempo a copiar datos y más a resolver discrepancias? ¿Puede atención al cliente comprender antes el contexto de una incidencia? ¿Puede un responsable tomar decisiones mejores porque dispone de evidencias y premisas más claras?
Esos resultados requieren decisiones sobre procesos, formación, calidad de la información y autoridad. También exigen medir algo más que la cantidad de contenido generado. La velocidad importa, pero también la corrección, el aprendizaje, la adaptabilidad y la confianza.
Aquí encuentro vigente la visión de Engelbart: el propósito de la tecnología no es celebrar la herramienta, sino mejorar las capacidades de quienes la utilizan.
La pregunta que deberíamos hacernos hoy
La historia no se repite de forma exacta. La IA generativa no es una nueva versión de NLS, y sus consecuencias económicas y sociales pueden seguir caminos muy distintos. Aun así, la cuestión de diseño de fondo resulta familiar.
Al evaluar una tecnología, una organización podría preguntarse: ¿qué capacidad humana queremos fortalecer? ¿Qué partes del proceso actual limitan esa capacidad? ¿Qué debería cambiar en la forma de compartir información, tomar decisiones y validar resultados?
Esas preguntas quizá resulten menos espectaculares que una gran demostración. Pero ayudan mucho más a descubrir si una tecnología puede formar parte de un sistema útil y sostenible.
La contribución de Engelbart no se limita a los dispositivos y técnicas que mostró en 1968. Nos dejó también una manera de entender la tecnología como un medio para mejorar la colaboración y la resolución de problemas complejos.
No deberíamos preguntarnos solamente qué automatizarán las próximas herramientas, sino qué nos permitirán comprender, decidir y conseguir mejor de lo que podemos hacerlo hoy.
Fuentes históricas y lecturas recomendadas
Fuentes primarias e institucionales seleccionadas para contrastar los hechos históricos. Las reflexiones sobre IA empresarial son un análisis contemporáneo del autor.