En noviembre de 2025, Yann LeCun irrumpió en el despacho de Mark Zuckerberg y le soltó: “Solo, desde fuera, puedo hacerlo más rápido, más barato y mejor”. Era la culminación de doce años defendiendo una postura casi solitaria dentro de Meta mientras contemplaba cómo el sector de la inteligencia artificial volcaba cientos de miles de millones de dólares en modelos de lenguaje de gran tamaño con una fe casi religiosa. Para LeCun, ese camino jamás conduciría a una inteligencia artificial con verdadera comprensión del mundo.

“Pretender alcanzar la súper inteligencia a través de los LLM es un completo disparate, nunca funcionará”, afirmó en una conferencia pública ese mismo mes con una franqueza que sacudió a la industria. Su rechazo no se limitaba a un detalle técnico: considera que los grandes modelos de lenguaje son, en esencia, emparejadores estadísticos, capaces de predecir la siguiente palabra pero completamente ajenos a la física del entorno. Suele poner un ejemplo revelador: un LLM no sabe que un vaso de cristal se rompe al caer de la mesa, simplemente ha visto con frecuencia las palabras “vaso de cristal” y “romperse” juntas en los textos de entrenamiento. Una diferencia sutil que, para él, separa una máquina de repetir patrones de una inteligencia genuina.

Otro pilar de su ruptura con la corriente dominante es su rechazo absoluto a la reconstrucción de píxeles. La mayoría de las inteligencias artificiales generativas actuales, ya produzcan vídeo o imágenes, se empeñan en recrear con la máxima fidelidad cada detalle observado. LeCun sostiene que esa estrategia es errónea de raíz porque la inmensa mayoría de los detalles del mundo físico son impredecibles, como la trayectoria exacta de las hojas cuando sopla el viento. Gastar una potencia de cálculo descomunal en adivinar esos matices no solo despilfarra recursos, sino que no aporta verdadera comprensión ni capacidad de razonamiento.

Su alternativa tiene nombre propio: JEPA, siglas de Joint Embedding Predictive Architecture (Arquitectura de Predicción de Representaciones Conjuntas). En lugar de anticipar píxeles o palabras concretas, este diseño aprende a predecir cómo evoluciona el mundo en un espacio de representación abstracto. Dicho de otro modo, JEPA no busca imitar cómo se ve una escena, sino entender hacia dónde se dirige. Es el equivalente a lo que hace un niño que nunca ha estudiado física: sabe que una pelota caerá si la empuja fuera de la mesa, no porque lo haya leído, sino porque ha interiorizado las reglas del entorno mediante la observación continua. LeCun aspira a que las máquinas adquieran esa misma capacidad de construir modelos internos sobre relaciones causales.

En marzo de 2026, apenas cuatro meses después de dejar Meta, su nueva compañía, AMI Labs (Advanced Machine Intelligence, donde “ami” significa “amigo” en francés), anunció una ronda de financiación inicial de 1.030 millones de dólares con una valoración de 3.500 millones. Se trata de la mayor ronda semilla en la historia de Europa, respaldada por Nvidia, el vehículo de inversión personal de Jeff Bezos, Samsung, el ex consejero delegado de Google Eric Schmidt y el inventor de la World Wide Web, Tim Berners-Lee. La cifra dejó claro que el mercado no interpreta las ideas de LeCun como una mera queja de laboratorio.

La participación de Nvidia resulta especialmente significativa. Sus chips son el músculo con el que se entrenan prácticamente todos los grandes modelos de lenguaje del planeta, pero ahora apuesta también por quien pretende sustituirlos. Se trata de una cobertura estratégica: si realmente se produce un vuelco en el paradigma de la inteligencia artificial, el gigante de los semiconductores no quiere quedarse al margen.

El campo de los LLM, sin embargo, no ha dado señales de flaqueza. En enero de 2026, durante el Foro de Davos, Dario Amodei, de Anthropic, afirmó ante el propio LeCun que los modelos basados en la arquitectura actual sustituirán a todos los ingenieros de software en el plazo de un año. OpenAI cerró en febrero la mayor ronda de financiación de la historia, 110.000 millones de dólares, con una apuesta inequívoca por modelos de lenguaje a escala aún mayor. Y Demis Hassabis, de DeepMind, respondió directamente a LeCun en redes sociales calificando su postura de “completamente equivocada”.

LeCun replicó con la calma de quien ha transitado muchas tormentas intelectuales: “Que algo sea útil no significa que sea el camino correcto. Los caballos también eran útiles, pero eso no implicaba que no tuviéramos que inventar el automóvil”.

Conviene recordar que AMI Labs cuenta hoy con solo doce empleados y ningún producto comercial. Todo el edificio se sostiene sobre una teoría académica todavía pendiente de validación. El propio LeCun ejerce como presidente ejecutivo sin ocuparse de la operación diaria y mantiene su cátedra en la Universidad de Nueva York. El verdadero examen está por llegar.

Él predice que JEPA sustituirá a los LLM como paradigma dominante en un plazo de tres a cinco años, la misma estimación que ya compartió en 2022 cuando publicó el artículo original de su arquitectura. Ahora que el capital ha tomado partido y la partida está abierta, solo queda una incógnita: ¿lo recordará la historia como un profeta o como quien protagonizó el experimento científico más caro de todos los tiempos?