El hallazgo no tiene que ver con que las máquinas hayan cambiado las reglas del tablero. La pieza clave es otra: programas como Stockfish y el legado de AlphaZero empujaron a los grandes maestros a estudiar de una forma mucho más precisa, pero también mucho más parecida entre sí.
Un síntoma fuerte apareció en el Mundial de 2018 entre Magnus Carlsen y Fabiano Caruana, que terminó con las 12 partidas clásicas en tablas, algo inédito desde 1886. Además, esa serie dejó al descubierto un mecanismo que hoy preocupa en la élite: cuanto más profundo es el análisis previo con motores, menos espacio queda para sorprender en la apertura.
La escena se parece a una casa con todo el cableado ya revisado. Si cada interruptor está etiquetado, si cada enchufe fue probado y si cada falla posible quedó detectada por adelantado, la vivienda se vuelve más segura. Pero también más previsible.
Eso hicieron los motores de ajedrez con las primeras jugadas. Revisaron el tablero como un electricista obsesivo revisa una instalación. Detectaron qué líneas son robustas, cuáles son dudosas y dónde está el riesgo. El resultado fue un sistema más estable, aunque también más cerrado.
La IA no apagó la creatividad: movió el interruptor hacia otro lugar.
En la práctica, muchos jugadores de elite llegan hoy a posiciones casi idénticas en las primeras fases de la partida. La preparación, ese trabajo previo de laboratorio, quedó homogeneizada. Y cuando dos rivales conocen el mismo mapa, romper el equilibrio se vuelve mucho más difícil.
Ese desgaste también tocó a Magnus Carlsen. Según Reuters, el noruego decidió no defender de nuevo el título y citó una falta de motivación. Luego mostró más interés por formatos como rapid, blitz o freestyle chess, una variante que cambia la posición inicial para reducir el peso de la memoria previa.
El nuevo engranaje: incomodar al humano
Sin embargo, la respuesta de los ajedrecistas no fue rendirse ante la máquina. Fue cambiar de foco. Una nueva generación entendió que seguir siempre la mejor jugada del motor no garantiza ventaja frente a otro humano.
Ahí aparece un tecnicismo importante: la preparación (estudio previo de líneas). Con motores tan superiores, conocer la línea óptima ya no siempre significa comprenderla de verdad. Y una jugada apenas inferior para la máquina puede ser mucho más incómoda para la persona sentada enfrente.
Eso se vio en el Torneo de Candidatos de 2024, cuando Praggnanandhaa ganó tras elegir un movimiento subóptimo para el motor, pero muy eficaz para sacar a su rival de la zona conocida. Según Bloomberg, incluso modelos conversacionales como ChatGPT o Claude, que son bastante malos jugando al ajedrez frente a motores especializados, ayudan a mostrar esa diferencia entre hablar del juego y calcularlo con precisión extrema.
En otras palabras, el ajedrez moderno funciona menos como una carrera por encontrar “la verdad” y más como una tubería llena de válvulas. El motor indica por dónde circula mejor el agua. Pero el gran maestro busca qué válvula abrir para que el rival reciba la presión más incómoda.
La clave ya no es solo precisión, sino criterio, comprensión y adaptación.
Ese cambio tiene una consecuencia concreta. La superioridad de las máquinas desplazó la competencia hacia rasgos más humanos: elegir bajo presión, entender posiciones raras y detectar cuándo una jugada imperfecta puede ser la más útil.
Así, lejos de matar el ajedrez, la IA está revelando otra capa del juego. Una donde el tablero sigue siendo el mismo, pero el cableado interno de la estrategia humana empieza a encenderse en lugares nuevos.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
