Si la calculadora de bolsillo fue la primera ola, la calculadora científica fue el tsunami que reorganizó por completo el panorama de la ciencia, la ingeniería y la educación. El lanzamiento de la Hewlett-Packard HP-35 en 1972 —apenas unos meses antes que la Datamath de TI, pero a un precio y con una capacidad muy superiores— marcó el verdadero punto de inflexión. No solo sumaba y restaba; podía manejar funciones trigonométricas (seno, coseno, tangente), logaritmos, exponenciales y raíces cuadradas con solo presionar un botón.

Era, en esencia, una regla de cálculo digital en el bolsillo. Y su llegada desató exactamente el mismo ciclo de pánico, predicción apocalíptica y, finalmente, progreso acelerado que vemos hoy con la Inteligencia Artificial. La historia no solo rima; es prácticamente la misma partitura tocada con diferentes instrumentos.

1. La Muerte de una Herramienta Emblemática (y sus "Sacerdotes")
Era de la Calculadora Científica: El impacto más inmediato fue la extinción de la regla de cálculo. Durante generaciones, esta herramienta fue el símbolo del ingeniero y el científico. Dominarla requería una habilidad casi artesanal, una comprensión profunda de los logaritmos y una destreza manual. Quienes la manejaban con soltura poseían un estatus especial. La HP-35 aniquiló esa necesidad de un plumazo. La habilidad de manipular escalas logarítmicas, que tardaba años en perfeccionarse, se volvió obsoleta de la noche a la mañana. El miedo no era solo la pérdida de un trabajo, sino la pérdida de una identidad profesional construida sobre una habilidad específica y compleja.

Era de la Inteligencia Artificial: Hoy, la IA amenaza con hacer lo mismo con habilidades que consideramos emblemáticas del "trabajador del conocimiento". La capacidad de redactar un borrador de código limpio, escribir un texto de marketing funcional o analizar un conjunto de datos para encontrar patrones básicos son las "reglas de cálculo" de nuestra era. Son habilidades que requieren formación y práctica. La IA no las vuelve inútiles, pero sí las comoditiza. El miedo actual de un programador junior o un redactor no es solo el desempleo, es que una parte fundamental de su identidad y valor profesional ("yo soy el que escribe el código/texto") se vea drásticamente devaluada.

2. La Hipótesis del "Cerebro Atrofiado" a Nivel Experto
Era de la Calculadora Científica: La crítica trascendió la aritmética básica. Profesores universitarios y ingenieros veteranos argumentaron que los estudiantes ya no "entenderían la matemática detrás del cálculo". Se quejaban: "Presionan un botón y obtienen el seno de un ángulo, pero no tienen idea de lo que es una serie de Taylor o cómo se deriva la función. Perderán la intuición, el 'sentido' de los números". La preocupación era que la herramienta crearía una generación de profesionales técnicamente competentes en la superficie, pero conceptualmente huecos por dentro.

Era de la Inteligencia Artificial: Es exactamente el mismo argumento que escuchamos hoy. "Los programadores que solo usen Copilot no entenderán realmente los algoritmos ni las estructuras de datos. Los analistas que usen IA para procesar datos no comprenderán los matices estadísticos del modelo. Los escritores que generen texto no desarrollarán una voz propia ni un estilo". La preocupación es idéntica: la IA creará profesionales que pueden producir resultados impresionantes, pero sin la profundidad conceptual y la intuición que nacen de la lucha y el esfuerzo manual.

3. La Realidad: Un Salto Hacia una Mayor Complejidad
Era de la Calculadora Científica: ¿Qué sucedió en realidad? Los ingenieros, liberados de la tiranía de la regla de cálculo y las tablas de logaritmos, no dejaron de pensar. Al contrario, empezaron a pensar en problemas más grandes. Pudieron diseñar circuitos más complejos, analizar sistemas estructurales con más variables y realizar iteraciones de diseño a una velocidad antes impensable. La herramienta no atrofiò el cerebro; liberó la capacidad cognitiva para que se enfocara en la ingeniería de sistemas, la modelización y el diseño conceptual, en lugar de en la mecánica del cálculo. La vara de la competencia subió: ya no bastaba con saber calcular; ahora se esperaba que pudieras diseñar.

Era de la Inteligencia Artificial: Este es el camino más probable para nosotros. La IA está automatizando la "mecánica" de la creación de conocimiento. Un científico de datos ya no necesita pasar días limpiando y preparando datos manualmente; puede usar una herramienta de IA para hacerlo en minutos. Esto no lo vuelve obsoleto; lo libera para que se enfoque en las preguntas de mayor nivel: ¿Cuál es la hipótesis correcta que debemos probar? ¿Qué implicaciones éticas tiene este modelo? ¿Cómo podemos usar este resultado para generar una estrategia de negocio? La vara de la competencia subirá de nuevo: ya no bastará con saber programar o escribir; se esperará que puedas dirigir, validar, integrar y aplicar estratégicamente los resultados de la IA.