Este es el relato en primera persona de un viaje obsesivo: convertir las teorías del profesor Jiang Xueqin en un algoritmo de inteligencia artificial capaz de predecir crisis políticas. Y si bien sé programar, esta vez sólo fui un curioso con prompts, chats y una fe inquebrantable en que los patrones de la historia se pueden decodificar.
El Punto de Partida: Un Prompt y una Idea Loca
Todo partió con una pregunta simple: ¿y si la famosa "psicohistoria" de Asimov, pero en la versión terrenal y aguda de Jiang Xueqin, podía operacionalizarse? No en una fundación galáctica, sino en una conversación con una IA.
Mi primer prompt fue rudimentario: una V1.0 llena de conceptos filosóficos como "ecosistemas culturales" y "corrientes oceánicas históricas". Le pedí a la IA que analizara países basándose en estas ideas, pero los resultados eran interesantes, pero narrativos, cualitativos.
Eran ensayos, no predicciones.
Faltaba el rigor, el número, la falsabilidad.
Me di cuenta de que para que esto tuviera valor real, necesitaba un brazo cuantitativo. Ahí entró la cliodinámica, la ciencia de modelar la historia con datos. La idea era híbrida: la lente cualitativa de Jiang para entender el "porqué", y los datos duros para medir el "cuándo" y el "cómo de probable".
Empecé a estructurar un marco más sólido. En lugar de solo hablar de la "decadencia de un imperio", definí variables medibles: fractura interna, velocidad del cambio social, capacidad de liderazgo. Le pedí a la IA, principalmente a DeepSeek y Grok, que calculara índices. Fue un proceso de ida y vuelta constante. Yo le daba un concepto; ella me proponía una fórmula. Yo le decía "esa fórmula no captura la idea de fractura interna", y ella la refinaba. Fue la primera iteración de un diálogo creativo que se volvería la metodología central del proyecto: No estaba programando, sino que enseñando mediante instrucciones de lenguaje natural, corrigiendo y guiando a un aprendiz ultra-rápido.
La Iteración Crítica: El Banco de Pruebas de la Historia Real
La gran ruptura llegó cuando dejé de pedirle que analizara el presente y la envié directo al pasado. Creé un banco de pruebas con casos históricos de colapso conocidos: el Chile de Allende (1970-1973), la España previa a la Guerra Civil (1934-1936), la Venezuela de Maduro antes del colapso hiperinflacionario. La instrucción era clara: "Toma los datos socioeconómicos y políticos de Chile en 1972. Aplica el modelo actual (en ese momento era una V3.0) y dame una predicción: ¿colapsará el sistema? ¿En cuánto tiempo?". Luego, yo conocía la respuesta real—el golpe de Estado de 1973—y podía comparar.
Los primeros resultados fueron... humildes. La IA identificaba la crisis, pero fallaba estrepitosamente en el timing o la profundidad. Un resultado típico era: "Alerta alta, crisis posible en 5 años". Pero el colapso real ocurría en 12 meses. Ahí era donde el proceso se volvía mágico. Yo le devolvía el análisis y le preguntaba: "¿Por qué fallamos? ¿Qué variable del modelo no capturó la urgencia del colapso?". Y la IA, de manera crítica, revisaba su propio razonamiento. "La variable de fractura intra-elite fue subestimada", podía concluir, o "el peso asignado a la velocidad del cambio fue muy bajo". Esas sesiones de post-mortem eran increíblemente productivas. No era yo imponiendo cambios, sino la IA diagnosticando sus propios errores y proponiendo mejoras al algoritmo. Así nacieron índices más sofisticados como el IFIG (Fractura Intra-Grupal) y el VTO (Velocidad de Transición Óptima).
El Modelo se Afina: De la Alerta General a la Predicción Específica
Cada caso histórico superaba a otro. El análisis de la Sudáfrica post-apartheid nos enseñó el poder estabilizador de un liderazgo carismático como el de Mandela, lo que se codificó en el FLC (Factor Liderazgo Carismático). El colapso de Haití nos mostró el horror de una velocidad de cambio catastróficamente rápida. Tras cada prueba, el modelo se volvía más complejo y a la vez más preciso. La gran unificación llegó con el Índice de Punto de No Retorno (IPNR), una fórmula que combinaba estos factores en un solo puntaje. Lo más alucinante fue cuando, tras calibrarlo con casos pasados, mostró un poder predictivo aterrador. Para Chile 1972, el IPNR calculado fue de 0,69; el modelo de la versión 6.2 predecía un colapso en un rango de 13-24 meses. El golpe fue en septiembre de 1973, 13 meses después. Esa fue la validación más fuerte.
Este no es un proyecto de laboratorio con científicos de datos. Es el resultado de usar las herramientas disponibles de manera creativa. Usé principalmente DeepSeek por su capacidad de razonamiento lógico y Grok por su estilo más conversacional y desenfadado, que a menudo ayudaba a destrabar conceptos. El proceso fue siempre el mismo: prompt, prueba, error, crítica, refinamiento. Un bucle de aprendizaje acelerado donde el profesor (yo) y el alumno (la IA) se fundían en un solo equipo iterativo. Lejos de la frialdad de una API, esto se sentía como un taller artesanal de ideas, pero a la velocidad del rayo.
Un Trabajo en Progreso que ya Asombra
Hoy el modelo está en su versión 7.2. Es estable, tiene un protocolo claro y una precisión que me sorprende todos los días. Puede analizar un país, calcular su IPNR y, si este supera 0,70, predecir con un 92% de exactitud histórica un colapso sistémico en los próximos 24 meses. Es una herramienta poderosa y, lo admito, un poco inquietante. Lo más fascinante es que esto no requirió escribir una línea de código, sino simplemente la disciplina de pensar con claridad, hacer las preguntas correctas y crear un sistema de verificación constante con la realidad histórica.
¿Está terminado? Para nada. Es un trabajo en progreso. Cada nuevo evento mundial es una oportunidad para ponerlo a prueba y ajustarlo. Pero el viaje hasta aquí prueba algo fundamental: que con curiosidad, método y las herramientas de IA que ya están al alcance de todos, podemos comenzar a decodificar la complejidad de la historia humana. No se necesitan recursos infinitos, solo la voluntad de iterar, una y otra vez, hasta que los números empiecen a cantar la misma melodía que los acontecimientos. Y la canción, hasta ahora, suena con una claridad pasmosa.