AGI: un 5% para 2026 y 2029 en el horizonte

El 6 de noviembre, la publicación especializada The Decoder publicó su Frontier Radar #5: 45 neolabs, laboratorios de investigación fundados por investigadores que han salido de OpenAI, Google DeepMind o Meta, con miles de millones levantados y, en varios casos, ningún producto. Su duda compartida no es si llegará una IA poderosa, sino si la receta actual —modelos de lenguaje cada vez más grandes, entrenados con datos de internet y afinados con aprendizaje por refuerzo— basta para llegar a la AGI.

La paradoja está en el tono. Tras el lanzamiento de GPT-6 Astra en septiembre, el consejero delegado de Nvidia, Jensen Huang, escribió en X que «la AGI ha llegado», y el presidente de OpenAI, Greg Brockman, saludó la «era de la AGI». No hay una definición aceptada de AGI. Por eso esas frases conviven con unos mercados de predicción que dan solo un 5,1% de probabilidad a que OpenAI anuncie la AGI antes de 2027 y con la Fundación ARC Prize, que calificó Astra como un avance significativo pero aclaró que no estaba declarando que el modelo fuera AGI.

Qué es la AGI y por qué las fechas no coinciden

La primera dificultad es de definición. Demis Hassabis, presidente de Google DeepMind y científico jefe de Alphabet, habla de «un sistema con todo el rango cognitivo del cerebro humano». La carta de OpenAI describe la AGI como «sistemas altamente autónomos que superan a los humanos en la mayoría del trabajo económicamente valioso». Dario Amodei, consejero delegado de Anthropic, apunta a una IA «más inteligente que un premio Nobel en la mayoría de los campos relevantes». Yann LeCun, fundador de AMI Labs, descarta que la IA de nivel humano venga de los modelos de lenguaje actuales.

No es un matiz académico. Un sistema que supera a un humano en la mayoría del trabajo digital no es lo mismo que uno capaz de investigar como un Nobel, y ninguno de los dos es lo mismo que una inteligencia general en el sentido de Hassabis. Por eso una fecha de 2027 puede ser optimista para una definición y razonable para otra. El rastreador de FourWeekMBA, que reúne 35 previsiones datadas, lo resume así: la gente que construye la IA no pronostica lo mismo.

En qué punto estamos

En capacidad, la frontera se mueve. En 2026 han llegado modelos como Gemini 4 Carbon, que Google limitó primero a defensores de ciberseguridad, y GPT-6 Cyber, que OpenAI restringió a clientes verificados. Son saltos en tareas concretas —ciberseguridad, código, ingeniería de varios pasos—, no una prueba de inteligencia general.

La medición tampoco ayuda. RAND publicó en marzo un informe que sintetiza encuestas de expertos, mercados de predicción, modelos centrados en el cómputo y análisis de escenarios. Su conclusión: las previsiones se han desplazado hacia fechas más cercanas, pero la infraestructura de predicción es «inmadura». Faltan previsiones resueltas para calibrar, benchmarks que no se saturen y validación independiente de los modelos influyentes.

El indicador que RAND considera más relevante es otro: hasta qué punto la IA acelera la propia investigación en IA. Es la señal que puede producir discontinuidades, y los laboratorios frontera son los mejor situados para medirla.

Qué dicen las previsiones

Con esas cautelas, el mapa de fechas es útil. El rastreador de FourWeekMBA, actualizado el 2 de noviembre, reúne 35 previsiones datadas. La mediana de las últimas de diez personas que han puesto un año es 2029. Hassabis dijo al Wall Street Journal el 21 de octubre que la AGI llegará «en dos o tres años»; Altman declaró a TIME en agosto que a finales de 2026 OpenAI tendría «un sistema interno que llamaría AGI»; Amodei habla de «uno a dos años, quizá uno a tres» para un «país de genios en un centro de datos».

La comunidad de Metaculus, que exige pruebas y una parte robótica, situaba su mediana el 18 de septiembre de 2030 (mitad central: marzo de 2028 a junio de 2036), según la lectura de FourWeekMBA del 2 de noviembre. La mayor encuesta de investigadores de IA —2.778 autores, publicada en 2024— daba un 10% de probabilidad a superar a los humanos en todas las tareas en 2027 y un 50% en 2047.

El mapa: quién puede pagar la carrera

El mapa de PIB per cápita no mide la AGI. Muestra la base económica de los países donde se concentran los laboratorios y la inversión: la mayoría de los laboratorios perfilados en detalle por The Decoder están en Estados Unidos y Europa. El coroplético ayuda a contextualizar la base económica de esos laboratorios y de la inversión que los financia; no explica por sí solo cuándo llegará la AGI ni quién la controlará.

Los datos son del Banco Mundial (NY.GDP.PCAP.CD, 2025), vía Our World in Data. Singapur lidera con 139.593 dólares corrientes per cápita; Burundi cierra la tabla con 1.067. La brecha entre ambos supera las cien veces.

Qué viene

Diez previsiones individuales del conjunto de agitracker.io cierran su ventana antes de que acabe 2027; ocho son de líderes de laboratorios. Entre ellas están el sistema interno de Altman para finales de 2026 y la IA «más inteligente que cualquier humano» de Musk para 2026-2027. El próximo año y medio pondrá a prueba esas previsiones.

Mientras tanto, la carrera seguirá midiéndose en anuncios corporativos, no en una prueba independiente. Los mercados de predicción ya avisan de que una cosa es que una empresa declare la AGI y otra que exista un sistema que la comunidad científica reconozca como tal. Esa diferencia, y no la fecha, es la que conviene vigilar.