IHPS En este momento se está abriendo una extraña grieta en el mundo de la inteligencia artificial. Por un lado, las pruebas de referencia aún dicen que estos sistemas son defectuosos, limitados y están lejos de la inteligencia humana real. Por otro lado, los agentes de inteligencia artificial ya están programando, investigando, pagando, planeando, ayudando en la ciencia, resolviendo problemas de matemáticas y reduciendo tareas reales de días a minutos. Esa contradicción es toda la historia, porque quizá la singularidad no comienza cuando la inteligencia artificial se vuelve perfecta; quizá comienza cuando una inteligencia artificial imperfecta se vuelve lo suficientemente útil como para acelerar todo a su alrededor.
TRASCRIPCIÓN
Demis Hasabis, el director general de Google Deep Mind, se levantó recientemente en una conferencia y dijo: «Actualmente estamos parados en las estribaciones de la singularidad». Ahora, eso no es solo una hipérbole típica de un gurú tecnológico cualquiera. Este es el tipo que literalmente ganó un Premio Nobel de química por su trabajo con Alpha Fold, y no es precisamente conocido por hacer declaraciones dramáticas; normalmente es conocido por su moderación. Esas palabras probablemente terminarán en los libros de historia sin importar cómo se desarrollen las cosas.
Pero aquí está el asunto: en junio del año pasado, él predijo que la AGI podría ocurrir entre 2030 y 2035, y la semana pasada redujo esa ventana a 2029-2030. Esa es una aceleración enorme en la predicción y sucedió en menos de un año. Lo que hace diferente a este momento es que Hasabis no solo está haciendo predicciones sobre un futuro lejano; quiere ser auténtico sobre lo que piensa acerca de la IA. Y para él, la singularidad significa la era en la que estamos ahora mismo. Él cree que cuando ocurra la AGI será 10 veces la revolución industrial a 10 veces la velocidad. Esa es una afirmación asombrosa cuando realmente piensas en lo que la revolución industrial le hizo a la humanidad.
Pero Hasabis no está solo en esta evaluación. En enero de 2026, Elon Musk publicó en X que hemos entrado en la singularidad y que 2026 es el año de la singularidad. Y poco después, Dario Amodei, director general de Anthropic, declaró que no sabemos si los modelos de IA son conscientes. Patrick Collison de Stripe sugirió que el primer trimestre de 2026 podría ser recordado como el primer trimestre de la singularidad. El vicepresidente de investigación de OpenAI, Aidan Clark, insinuó en marzo que la AGI podría haber llegado de alguna forma ya. Y el presidente de OpenAI, Greg Brockman, dijo que OpenAI ya tiene la AGI a la vista, mientras que Marc Andreessen afirmó que se alcanzó hace aproximadamente 3 meses con los modelos de frontera más recientes.
Ahora, ¿qué está impulsando realmente este cambio? No es solo una cosa. Existe este concepto llamado automejora recursiva, que ha sido teórico durante décadas pero que está empezando a aparecer en la realidad. El acortamiento de los ciclos de lanzamiento es la evidencia más visible de que el aprendizaje recursivo ya está ocurriendo: mientras que antes a los laboratorios les tomaba de 6 a 12 meses entre lanzamientos importantes, ahora toma semanas, y los laboratorios de vanguardia están empezando a automatizar grandes fracciones de sus operaciones de investigación con sus fuerzas laborales de agentes inteligentes, creciendo potencialmente de miles a cientos de miles de agentes trabajando juntos hacia el único objetivo de hacer la IA más inteligente en uno o dos años.
Y Hasabis lo hizo personal, describiendo cómo los agentes de codificación de IA han reducido drásticamente los plazos que antes parecían fijos, diciendo que ha estado programando de forma intuitiva con IA, incluso pequeños prototipos de juegos en sus una o dos horas libres en la madrugada, lo cual antes le habría tomado 6 meses. Esto no es una demostración abstracta; este es el director general de Deep Mind experimentando personalmente una aceleración masiva en lo que es posible.
Los agentes de IA en los que todos han estado trabajando ya no son chatbots. En 2026, los agentes de IA están evolucionando de sistemas conversacionales a software operativo que puede funcionar en diferentes herramientas, sistemas y flujos de trabajo. Dentro de entornos empresariales reales manejan tareas complejas planificando acciones, secuenciando tareas y ejecutando flujos de trabajo en múltiples sistemas. Están asumiendo roles de trabajo reales, integrándose en los flujos de trabajo en lugar de quedarse limitados a demostraciones. Y AWS agregó nuevas capacidades de pago para agentes autónomos, permitiendo que los sistemas de IA completen transacciones y tomen acciones más directas dentro de los flujos de trabajo empresarial.
Pero hablemos de lo que está pasando en la ciencia, porque ahí es donde las cosas se vuelven realmente alucinantes. Hay algo nuevo llamado Action Prover y ha estado logrando avances matemáticos sin hacer mucho ruido. Ocho artículos de Action Prover han aparecido en arXiv desde febrero y cinco ya han sido aceptados en revistas revisadas por pares. Demostró que el 100% de los números primos son parcialmente regulares y bajo ciertas condiciones el tau de Ramanujan omite el 100% de los números primos. Estamos hablando de problemas matemáticos de hace un siglo que están siendo resueltos por máquinas.
Luego está el BioHub de Chan Zuckerberg, que lanzó lo que ellos llaman un modelo del mundo para la biología de proteínas. Está basado en ESMC, un modelo de lenguaje entrenado con 2,800 millones de secuencias de todas las formas de vida, además de ESM Fold, ESMfold 2 para estructuras atómicas y ESMAll que mapea 6,800 millones de proteínas. Sistemas de IA multiagente como CScientist y Robin pueden generar hipótesis de manera autónoma, diseñar experimentos, analizar datos y refinar preguntas de investigación, agilizando el proceso de descubrimiento científico. Y estos sistemas demostraron potencial para identificar nuevos candidatos a fármacos y objetivos en la investigación biomédica.
La aceleración también se está viendo de formas muy concretas. Los agentes de IA de sostenibilidad de SAP, que están en fase beta, están ofreciendo resultados medibles, incluyendo una reducción de más del 50% en el embalaje, horas de cumplimiento de revisión reducidas, tiempo de simulación de escenarios reducido de un día a 20 minutos, hasta un 80% menos de esfuerzo manual en la clasificación GHS y más de un 20% menos de errores de cumplimiento en el embalaje. Estos no son avances incrementales; son cambios de orden de magnitud en la productividad.
También existe una métrica fascinante de una empresa de traducción llamada Translated. Según Translated, a un traductor humano le toma aproximadamente un segundo por palabra editar el trabajo de otro traductor humano. En 2014, los editores necesitaban alrededor de 3.5 segundos por palabra para corregir una sugerencia de traducción automática. Para 2022, eso había bajado a aproximadamente 2 segundos. Y si esa tendencia continuaba, la traducción automática podría alcanzar el nivel de esfuerzo de edición humana para finales de la década o posiblemente antes. Ese es un camino concreto y medible hacia un tipo específico de singularidad.
Ahora, no todos están de acuerdo en que ya hayamos llegado ahí. Yann LeCun dice que los sistemas de IA actuales no son realmente inteligentes. Su argumento es que la verdadera inteligencia se demuestra cuando resuelves problemas nuevos sin ningún entrenamiento previo, no en el conocimiento acumulado. Oriol Batchell, codirector del programa Gemini, toma una posición intermedia: los modelos actuales son fuertes en código y matemáticas, y el razonamiento sigue volviéndose más general. Y si alguien le hubiera mostrado estos modelos hace 7 años, probablemente los habría llamado AGI. Pero todavía falta la capacidad de aprender de la experiencia y lograr verdaderos avances.
Pero aquí es donde las cosas se complican. ARC AGI-3 fue presentado en marzo de 2026 por la Fundación ARC Prize para probar el razonamiento interactivo basado en la experiencia: ¿puede un agente explorar, inferir objetivos, construir un modelo del mundo y seguir aprendiendo con el tiempo? Los humanos resuelven el 100% de sus entornos, mientras que los sistemas de IA de frontera hasta marzo de 2026 obtienen menos del 1%. Así que según algunas medidas estamos lejos, pero según otras ya hemos llegado.
Lo que es innegable es que la infraestructura que respalda todo esto está evolucionando a un ritmo vertiginoso. El próximo CPU Vera de Nvidia basado en ARM64 mostró el mejor rendimiento jamás visto en ARM, superando a los principales chips Intel y AMD x86. En Vision de Alemania informó sobre la primera interfaz de espín-fotón de una sola molécula utilizando un carbono en estado fundamental triplete, abriendo los cúbits moleculares como una plataforma viable. Y escucha esto: CB Nanotechnologies en Ottawa logró el primer control simultáneo espacial y químico sobre la fabricación de carbono mecano-sintético mediante un STM en modo invertido. Eso es literalmente colocar átomos a demanda, acercándonos más a esos sueños de diamantoides que la gente solía pensar que eran ciencia ficción.
Hasabis dijo que eligió sus palabras para provocar más urgencia entre los gobiernos, economistas y el público en general para prepararse para la IA cada vez más poderosa, usando términos que eran un poco provocativos y refiriéndose a una posible orden ejecutiva sobre IA que exigiría pruebas antes de que se lancen nuevos modelos. Él dijo que hay que acelerar el trabajo en seguridad y que este es un buen momento para actuar mientras el hierro está caliente.
También ha habido esta situación preocupante con el modelo MITOS de Anthropic, que aparentemente se ha convertido en lo que la gente llama una señal de advertencia: la rapidez con la que los sistemas de IA están evolucionando y lo poco preparados que siguen estando las empresas y los gobiernos. Según informes de abril de 2026, el modelo fue considerado demasiado peligroso para su lanzamiento público. Y el dinero que está fluyendo en este sector es absolutamente asombroso: en solo un par de días, a principios de mayo de 2026, más de 5,500 millones de dólares en capital estaban dirigidos específicamente a cerrar la brecha de implementación en el sector empresarial. Estos ya no son proyectos de investigación; se trata de llevar estas cosas a producción a una escala masiva.
Hasabis dijo que todos los laboratorios líderes están bastante enfocados en la automejora recursiva, señalando que habrá avances claros en cuanto a la velocidad de la investigación, pero también riesgos con ese tipo de sistema. Y aunque todavía no estamos en el punto en que los sistemas mejoran por sí mismos, el ritmo de desarrollo claramente se está acelerando con lo que se considera una automejora indirecta, en el sentido de que los agentes de codificación hacen que los ingenieros sean mucho más productivos.
Lo fascinante es ver cómo diferentes partes del ecosistema tecnológico están respondiendo. Robin Hood ahora está abierto a los agentes de IA, permitiendo que los clientes dejen las decisiones de trading y de tarjetas de crédito en manos de la IA. Bush Patrol, que instaló cámaras con IA en decenas de miles de autobuses escolares en Estados Unidos, planea convertirlas en lectores automáticos de placas y entregar los datos a la policía. YouTube está etiquetando automáticamente el uso significativo de IA. El mundo se está reorganizando activamente alrededor de estos sistemas. La división de autos autónomos de Alphabet, Waymo, está probando modelos de IA que le darían a los vehículos autónomos una especie de imaginación para reaccionar ante situaciones impredecibles o peligrosas. Y Hasabis dijo que los modelos de texto a video podrían ser la clave para la robótica de propósito general y la inteligencia artificial general, señalando que una AGI tendrá que entender el mundo físico.
La respuesta política ha sido caótica. El 21 de mayo de 2026 se suponía que el presidente firmaría una orden ejecutiva para crear un proceso federal voluntario de revisión para los sistemas de IA de frontera. Pero horas antes de la ceremonia canceló todo. La preocupación era frenar la industria de IA de Estados Unidos justo en el momento en que el país cree que lleva la delantera. Illinois sí aprobó el proyecto de ley 315 que exige a los laboratorios de IA de frontera publicar planes de riesgo catastrófico junto con el primer mandato en el país de una auditoría de seguridad de IA por parte de terceros.
Lo que está sucediendo en la comunidad científica también es notable. Nuevas habilidades científicas en Google Antigravedad y tres nuevas herramientas experimentales en Google Labs están diseñadas para ayudar a acelerar pasos clave del método científico, construidas con CScientist, Alpha Evolve (asistente de investigación empírica) y NotebookLM. Los científicos están literalmente usando IA para construir las herramientas que crearán una mejor IA.
El debate sobre si esto es realmente la singularidad se reduce a las definiciones. La idea de la singularidad describe el momento en que la IA supera el control humano y transforma rápidamente la sociedad. Y lo complicado es que es enormemente difícil predecir dónde comienza y casi imposible saber qué hay más allá de este horizonte de eventos tecnológicos, sin ninguna señal que indique «aquí está». Para Hasabis, la palabra captura algo más simple e inmediato: el punto a partir del cual hacer predicciones significativas se vuelve imposible porque la transformación será tan completa. Y lo que hace que 2026 sea significativo en su opinión no es solo el ritmo del desarrollo de modelos, sino la experiencia vivida de la AGI: sistemas que planifican, actúan y entregan resultados en tareas de varios pasos con una intervención humana mínima.
Si crees que ya estamos en la singularidad o solo nos estamos acercando, depende de qué métricas observes y a qué experto escuches. Pero lo que es innegable es que algo fundamental ha cambiado. Los ciclos de lanzamiento se están acortando, las capacidades están disparando y la infraestructura está evolucionando a una velocidad sin precedentes. Y las personas que están construyendo estos sistemas, los que realmente saben cómo funcionan por dentro, están usando un lenguaje cada vez más dramático para describir lo que está sucediendo.
Así que sí, tal vez estamos en las estribaciones como dice Hasabis, tal vez ya cruzamos el umbral como afirma Musk, o tal vez todavía faltan años como sostiene LeCun. Pero algo es seguro: la conversación ha cambiado fundamentalmente y la tecnología avanza más rápido de lo que casi cualquiera predijo hace apenas un año.
*Imágenes en el artículo de Pixabay.