✨︎ Resumen (TL;DR):
- Eben Upton cuestiona que la IA avance inevitablemente hacia la superinteligencia y defiende programar como alfabetización moderna.
- Raspberry Pi Holdings reporta más de 73 millones de unidades vendidas e ingresos de 323.2 millones de dólares en el año fiscal 2025.
- La IA está elevando la demanda de hardware para el cómputo en el borde, mientras Upton advierte sobre la concentración de poder tecnológico y político.
Eben Upton, CEO de Raspberry Pi Holdings y uno de los fundadores de la Raspberry Pi Foundation, cuestionó la idea de que la inteligencia artificial avance de forma inevitable hacia la superinteligencia. En una entrevista publicada por el Financial Times, defendió la programación como una forma moderna de alfabetización y explicó que el auge de la IA también eleva la demanda de hardware económico capaz de procesar datos cerca de sensores, cámaras y máquinas.
Programar también es alfabetización
Upton y otros fundadores crearon la Raspberry Pi Foundation en 2008, después de observar que menos estudiantes llegaban a las carreras de informática con experiencia práctica. La idea detrás de una computadora barata y programable era recuperar parte de la cultura de los equipos domésticos de los años ochenta, cuando modificar código y conectar hardware estaba al alcance de más jóvenes.
La misión de la Fundación se extendió mucho más allá de vender placas. La organización afirma que ha capacitado a más de 250,000 docentes. Además, reporta que 2.3 millones de jóvenes han participado en Code Clubs y que 6.8 millones completaron proyectos digitales.
Su visión actual incluye que los estudiantes aprendan a usar tecnologías avanzadas, incluida la IA, y que puedan evaluar sus beneficios, límites y efectos. El objetivo no se limita a usar una herramienta: también exige entender qué hace y qué consecuencias puede tener.
En 2025, la Fundación publicó una posición educativa con una advertencia concreta: los modelos de lenguaje pueden generar código, pero sus respuestas siguen siendo probabilísticas. Sus respuestas no sustituyen el criterio de quien debe definir un problema, revisar una solución y decidir si resulta segura o adecuada.
Para Upton, programar cumple una función más amplia que preparar a alguien para un empleo de software. Sirve para entender cómo funcionan los sistemas digitales que ya influyen en la vida cotidiana, cuestionarlos y conservar capacidad de decisión frente a ellos.
La Fundación plantea una idea similar. Leer, modificar, escribir, explicar y probar código ayuda a construir modelos mentales para detectar errores y entender qué puede hacer una herramienta, incluida una de IA. La alfabetización computacional, en esta lectura, significa entender la lógica detrás de los sistemas, no memorizar sintaxis.
El vibe coding refuerza esa distinción. Escribir instrucciones en lenguaje natural puede acelerar la producción de código, pero no elimina la necesidad de saber qué debe hacer el programa, cómo comprobarlo y qué riesgos introduce.
La IA empuja el cómputo hacia el borde
El cómputo en el borde es un enfoque de procesamiento que lleva el análisis de datos cerca de una cámara, un sensor o una máquina, en vez de enviarlos todos a un centro de datos remoto. Este enfoque puede reducir la latencia y la dependencia de una conexión permanente. También permite mantener ciertos datos en el dispositivo.
El escepticismo de Upton ante el discurso apocalíptico no significa que ignore la oportunidad comercial. En la entrevista, describió la IA como una buena noticia para quienes fabrican hardware económico destinado al borde de la red.
Raspberry Pi ya presenta demostraciones de modelos locales para robots, cámaras inteligentes y agentes que funcionan en una Raspberry Pi 5 con herramientas como LiteRT y Gemma. La escala es distinta a la de los grandes modelos en la nube, y también lo son las tareas:
- detectar objetos;
- interpretar una señal;
- controlar un actuador;
- responder dentro de un sistema industrial.
El uso del hardware no se limita a demostraciones de escritorio. En Costa Rica, un equipo de Emory y Georgia Tech montó un sistema de reconocimiento, pantalla táctil y recompensas automáticas en una Raspberry Pi 5 para interactuar con capuchinos silvestres.
Raspberry Pi ya tiene una base industrial
La oportunidad del cómputo en el borde llega cuando Raspberry Pi ya cuenta con un negocio industrial considerable. En su página para inversionistas, Raspberry Pi Holdings reporta más de 73 millones de unidades vendidas e ingresos de 323.2 millones de dólares durante el año fiscal 2025.
Sus clientes o mercados incluyen automatización industrial, agricultura, salud, gateways de IoT y señalización digital. Las cifras no demuestran que la IA explique por sí sola el crecimiento de la compañía, pero sí muestran por qué la transición hacia dispositivos capaces de ejecutar inferencia local tiene peso estratégico.
Así, Raspberry Pi puede funcionar como plataforma de prototipado para entusiastas y como componente de productos que deben operar cerca del mundo físico.
El p(doom) de Upton apunta al poder
El p(doom) es una forma informal de expresar la probabilidad de que una IA provoque una catástrofe existencial. En el debate tecnológico, el maximizador de clips de papel representa el escenario de una superinteligencia que persigue un objetivo mal definido hasta destruir todo lo demás.
Upton desplazó el foco hacia la concentración de poder. Le preocupa que la tecnología vuelva a unir el dinero con la influencia política y que el autoritarismo habilitado por herramientas digitales sea un riesgo más concreto que una superinteligencia fuera de control.
“El p(doom) probablemente no es un maximizador de clips de papel. Probablemente es Rusia”, dijo Eben Upton, según la entrevista del Financial Times.
La frase no constituye una predicción de que Rusia vaya a provocar una extinción mediante una IA autónoma. Funciona como una advertencia sobre un riesgo político que Upton considera subestimado: quién controla la tecnología y qué pasa cuando puede usarla para ampliar su poder dentro de las estructuras de gobierno.
El proyecto de Upton reúne ambas preocupaciones. Cuestiona las exageraciones sobre lo que la IA puede hacer, pero reconoce que los modelos están creando nuevas razones para colocar computación barata junto a sensores, máquinas y usuarios. Su respuesta combina dos piezas: enseñar a más personas a entender los sistemas y ofrecer herramientas accesibles para construir con ellos.
