7 cosas que necesitas saber sobre la AGI (+ una startup que afirma haberla resuelto)

Introducción

La búsqueda de la Inteligencia Artificial General (AGI) —sistemas capaces de comprender y aplicar conocimiento en tareas diversas con un nivel humano— ha pasado de la ciencia ficción al imperativo estratégico central de 2025. El surgimiento de los Modelos de Lenguaje de Gran Escala (LLM) rompió los plazos previos, pero a medida que escalamos estos sistemas estamos descubriendo muros profundos relacionados con energía, causalidad y anclaje físico. Este artículo destila el panorama actual de la AGI en 7 pilares técnicos y sociales críticos, más una mirada a un nuevo participante provocador que afirma haber cruzado la meta.

1. No es binario: la taxonomía de la AGI

La industria se ha alejado de la idea binaria de que la AGI "existe" o "no existe". En su lugar, ahora dependemos de taxonomías matizadas para medir el progreso. Google DeepMind formalizó esto a finales de 2023, distinguiendo entre Rendimiento (competencia) y Generalidad (amplitud).

Los modelos de frontera actuales como ChatGPT 5.2 y Gemini 3 se clasifican como Nivel 1: AGI emergente.

• Nivel 1 (Emergente): Igual o algo mejor que un humano no cualificado (p. ej., Gemini 3, ChatGPT 5.2).
• Nivel 2 (Competente): Mejor que el percentil 50 de adultos cualificados.
• Nivel 5 (Sobrehumano): Supera al 100% de los humanos (p. ej., AlphaFold en tareas estrechas, ASI en tareas generales).

Crucialmente, la inteligencia es distinta de la Autonomía. Actualmente estamos viendo un cambio de "Consultores" (IA que ofrece consejos) a "Agentes" (IA que ejecuta flujos de trabajo de varios pasos sin intervención humana).

2. El "loro estocástico" y la brecha de razonamiento

A pesar del éxito de la Hipótesis de Escalado —que postula que la inteligencia es una propiedad emergente de la escala— los LLM puros están chocando con un "muro de razonamiento". Los críticos argumentan que los modelos actuales carecen de pensamiento de Sistema 2.

• Sistema 1: Generación rápida, intuitiva e inmediata de tokens (LLM actuales).
• Sistema 2: Comprobación lenta, deliberativa y lógica (razonamiento humano).

Como los LLM predicen lo probable en lugar de lo verdadero, sufren alucinaciones. Además, carecen de un Modelo del Mundo; comprenden la correlación entre "humo" y "fuego" en texto, pero no la comprensión causal de la realidad física que un niño aprende al dejar caer un vaso.

3. Más allá de los Transformers: arquitecturas emergentes

Para cerrar la brecha de razonamiento, 2025 ha visto un giro hacia arquitecturas híbridas. El Transformer ya no es el único juego en la ciudad.

1. IA neuro-simbólica: Combina las capacidades de aprendizaje de las redes neuronales con el rigor lógico de la IA simbólica. Este enfoque busca corregir el "déficit matemático" y los problemas de alucinación al anclar las salidas en consistencia lógica.
2. JEPA (Joint Embedding Predictive Architecture): Impulsada por Meta, esta arquitectura abandona la predicción de la siguiente palabra para predecir el estado abstracto del mundo. Apunta a construir una simulación interna de la física, requisito para una AGI de Nivel 2+.
3. IA encarnada: Existe un consenso creciente de que la verdadera generalidad requiere un cuerpo. Integrar modelos cognitivos con robótica permite que la IA aprenda de la retroalimentación física (gravedad, fricción), aportando datos de "sentido común" que el texto no puede transmitir.

4. La física de la inteligencia: muros de energía y datos

El ascenso hacia la AGI se está convirtiendo en una batalla contra la física.

• La brecha energética: El cerebro humano opera con aproximadamente 20 vatios. Un cluster de AGI que iguale la capacidad humana requiere gigavatios. Esta enorme brecha de eficiencia sugiere que las arquitecturas actuales de aprendizaje profundo pueden ser demasiado ineficientes para escalar hacia la Superinteligencia (ASI).
• El muro de datos: Se proyecta que el texto humano público de alta calidad se agotará entre 2026 y 2032.
• Colapso del modelo: Depender de datos sintéticos (datos generados por IA) para entrenar nuevos modelos conlleva el riesgo de "Colapso del modelo", donde los modelos amplifican sesgos y pierden contacto con conceptos raros pero críticos, volviéndose efectivamente endogámicos desde el punto de vista cognitivo.

5. El colapso del tiempo: pronósticos

La línea de tiempo para la AGI se ha contraído dramáticamente.

• Pronóstico 2020: Expertos predijeron la llegada de la AGI alrededor de 2050.
• Pronóstico 2024/2025: Los mercados de predicción y los expertos han desplazado la fecha mediana de llegada al rango 2027-2031.

Los pronósticos agregados ahora asignan una ~25% de probabilidad de que la AGI llegue para 2027 y una ~50% de probabilidad para 2031. Líderes optimistas en grandes laboratorios sugieren que los sistemas podrían igualar la capacidad humana en la mayoría de los dominios en 3 a 5 años, aunque los escépticos argumentan que el "último kilómetro" de la comprensión causal tomará décadas.

6. Geopolítica: una carrera bifurcada

El desarrollo de la AGI es ahora un teatro principal de competencia geopolítica, específicamente entre Estados Unidos y China.

• Estados Unidos: Se enfoca en el dominio de la IA generativa y en "ahogar" el acceso al cómputo mediante controles de exportación sobre GPUs de alta gama (NVIDIA H100/Blackwell). Las regulaciones de seguridad (Orden Ejecutiva 14110) ahora exigen reportes para modelos entrenados por encima de $10^{26}$ FLOPs.
• China: Se orienta hacia la IA encarnada (robótica) para integrar la IA en la fabricación, aprovechando el dominio de la cadena de suministro. Su hoja de ruta 2025 apunta a una industria de IA que supere 1.2 billones de yuanes, priorizando la eficiencia industrial ("fuerzas productivas del mundo real") sobre los chatbots de consumo.

7. Impacto socioeconómico: automatización cognitiva

A diferencia de la Revolución Industrial, la AGI apunta al trabajo cognitivo.

• Exposición: Goldman Sachs estima que 300 millones de empleos globales podrían estar expuestos a la automatización.
• El cambio: Hasta dos tercios de los empleos en economías avanzadas tienen algún grado de exposición.
• Riesgo de desigualdad: Si la AGI reduce drásticamente el costo de la inteligencia (estimado en una caída de 40x por año), la participación del ingreso podría desplazarse decisivamente del trabajo al capital, ampliando la brecha de riqueza entre quienes poseen la infraestructura y quienes la operan.

8. La afirmación de la "primera AGI"?

Mientras la industria debate los plazos, una empresa ha dado un paso al frente con una declaración audaz. Integral AI ha presentado lo que llama el "primer modelo capaz de AGI", desafiando el dominio del enfoque actual de LLM de las "Big Tech".

Según su manifiesto, argumentan que la AGI verdadera debe cumplir tres criterios rigurosos que los LLM actuales (a los que llaman "Granjas de datos") no satisfacen:

1. Aprendizaje autónomo de habilidades: La capacidad de aprender de forma independiente en dominios nuevos sin guía humana constante.
2. Maestría segura: Aprender sin fallas catastróficas (por ejemplo, un robot cocinero que no incendie la cocina).
3. Eficiencia similar a la humana: Lograr maestría con costos de energía comparables a los de un humano, en lugar de un centro de datos de gigavatios.

Aseguran lograrlo mediante Simuladores universales (modelos del mundo) y Operadores universales (agentes), alejándose de la memorización por fuerza bruta hacia la abstracción jerárquica. Puedes leer su reclamo técnico completo aquí.

Conclusión

Estamos presenciando una "reconvergencia" en la historia de la IA. El futuro no está en la victoria de un solo paradigma, sino en la síntesis de redes neuronales, lógica simbólica y encarnación. A medida que la inteligencia se desacopla de la biología —y nuevos actores como Integral AI desafían las leyes de escalado establecidas— las decisiones tomadas en la próxima década sobre arquitectura y alineación probablemente determinarán la trayectoria de la especie humana.

Referencias

• Integral AI: El primer modelo capaz de AGI
• Google DeepMind: Niveles de AGI
• Goldman Sachs: Los efectos potencialmente grandes de la inteligencia artificial en el crecimiento económico
• Meta AI: Introducción a JEPA

¿Te resultó útil este análisis? Deja un comentario abajo para compartir tus ideas sobre la línea de tiempo de la AGI. Se requiere una cuenta de GitHub para unirse a la discusión.