Hoy, mientras entrenas modelos, generas imágenes con Midjourney o automatizas flujos con GPT-4, estás usando el descendiente directo de una máquina que ocupaba 167 metros cuadrados y pesaba 27 toneladas. El ENIAC cumple 80 años. Y entender su historia no es nostalgia —es entender por qué la IA generativa existe tal como la conoces ahora mismo. Ignorar los cimientos es construir sobre arena.

Una máquina de guerra que redefinió el pensamiento humano

1945. Segunda Guerra Mundial. El Ejército de EE.UU. necesitaba calcular trayectorias balísticas más rápido de lo que los humanos podían hacerlo. La solución: el Electronic Numerical Integrator and Computer (ENIAC), diseñado por John W. Mauchly y J. Presper Eckert en la Universidad de Pensilvania. Primera computadora digital de propósito general de la historia.

Los números son brutales en perspectiva: el ENIAC ejecutaba 5.000 operaciones de suma por segundo. Tu smartphone actual ejecuta miles de millones. Pero la diferencia no está en la velocidad —está en el concepto. Por primera vez, una máquina podía reprogramarse para resolver problemas distintos. No era una calculadora fija. Era un sistema de propósito general. Ese salto conceptual es exactamente el mismo que separa un chatbot de reglas de un LLM moderno.

Lo que el ENIAC demostró en 1945 es lo que OpenAI, Anthropic y Google DeepMind siguen explotando en 2025: la misma arquitectura flexible puede atacar problemas radicalmente diferentes. De balística a predicción del tiempo. De predicción del tiempo a generación de imágenes fotorrealistas. El vector no ha cambiado —solo la escala.

Las seis programadoras que nadie recuerda (y deberían)

Mauchly diseñó el hardware. Pero alguien tenía que decirle a esa bestia de 18.000 válvulas de vacío qué hacer. Ahí entraron seis mujeres matemáticas: Kathleen McNulty, Frances Bilas, Betty Jean Jennings, Ruth Lichterman, Elizabeth Snyder y Marlyn Wescoff. Las llamaban "computadoras humanas" porque ese era literalmente su trabajo previo —calcular a mano.

Kay McNulty, en particular, fue quien desarrolló los métodos de programación del ENIAC desde cero. Sin manual de instrucciones. Sin Stack Overflow. Sin documentación previa porque no existía documentación previa —ellas eran la documentación. Cada configuración de cables y switches era un programa nuevo. Kay se casó con Mauchly años después, y este año su nieta Naomi Most presentó una conferencia en el American Helicopter Museum de West Chester, Pennsylvania, durante la celebración del 80 aniversario.

El paralelismo con hoy es incómodo e importante: la IA generativa tiene miles de ingenieros visibles y millones de trabajadores de datos invisibles —anotadores, correctores, evaluadores humanos en países como Kenia o India— que hacen posible que los modelos funcionen. El ENIAC ya nos enseñó que quien programa define el sistema, aunque nadie recuerde su nombre.

Del hardware físico al modelo de lenguaje: la línea directa

La arquitectura del ENIAC influyó directamente en la arquitectura von Neumann, que es la base de prácticamente todo ordenador moderno. Procesador, memoria, instrucciones almacenadas: ese paradigma tiene 80 años y sigue siendo el sustrato sobre el que corren tus GPUs cuando entrenas una red neuronal.

Pero hay algo más profundo. El ENIAC demostró tres principios que hoy son dogma en IA:

  • Propósito general sobre propósito específico: un sistema flexible supera a mil sistemas especializados a largo plazo. GPT-4 no es mejor que un modelo médico especializado en diagnóstico —pero puede hacer diagnóstico, código, diseño y contratos. Eso es el ENIAC en escala.
  • El cuello de botella es siempre el input/output: el ENIAC era lento leyendo tarjetas perforadas, no calculando. Hoy, los modelos son lentos gestionando contexto y memoria, no generando tokens. El problema es estructuralmente idéntico.
  • El hardware define el pensamiento posible: lo que el ENIAC no podía representar, no podía calcular. Lo que los transformers actuales no pueden representar eficientemente —razonamiento causal profundo, memoria episódica real— tampoco pueden hacerlo bien. Las limitaciones arquitectónicas son limitaciones cognitivas.

En 2025, con modelos como Claude 3.7 Sonnet, Gemini 2.0 Flash o GPT-4o corriendo en hardware con cientos de miles de millones de parámetros, seguimos peleando contra las mismas restricciones fundamentales que Mauchly y McNulty enfrentaron con 18.000 válvulas. El problema no es la potencia —es la arquitectura del pensamiento.

Qué hacer tú con esto hoy

El 80 aniversario del ENIAC no es una fecha para LinkedIn con emoji de pastel. Es una señal de orientación. Si trabajas en arte digital, IA generativa o tecnología creativa, tienes una acción concreta disponible ahora mismo: estudia la historia técnica de las herramientas que usas. No como arqueología —como ingeniería inversa de decisiones de diseño.

Accede a la grabación del evento de aniversario del ENIAC (disponible online desde el 15 de febrero de 2025). Lee el paper original de Eckert y Mauchly de 1945. Después abre la documentación técnica de cualquier modelo que uses —el paper de Attention Is All You Need de 2017, el de DALL-E 3, el de Stable Diffusion— y traza la línea. Verás que los problemas son los mismos. Solo cambian los materiales.

Los creadores que entienden la genealogía de sus herramientas son los que las usan de forma no convencional. Kay McNulty no tenía manual. Tú sí tienes historia. Úsala.