La IA que desarrolla sus propios sucesores podría llegar antes de lo previsto
Jack Clark, cofundador de Anthropic y autor del boletín Import AI, ha adelantado su predicción sobre cuándo podría aparecer la inteligencia artificial capaz de mejorar de manera recursiva sus propios sistemas.
Según The Decoder, en una publicación del 25 de octubre de 2026, Clark considera ahora que esta capacidad podría ser posible en 2027, cuando anteriormente situaba su aparición en 2028.
El cambio se basa en resultados cuantitativos que muestran una mejora acelerada de las capacidades de investigación de los modelos de inteligencia artificial.
El concepto central es la mejora recursiva de la inteligencia, conocida como RSI por sus siglas en inglés. Se refiere a sistemas de IA que pueden desarrollar sus propios sucesores, potencialmente más capaces que las versiones anteriores.
La nueva predicción está vinculada a TasteVal, una evaluación creada por P-Zero Research para medir hasta qué punto los modelos pueden realizar determinadas tareas de investigación con una eficiencia comparable a la de especialistas humanos.
Qué es TasteVal y cómo mide el trabajo científico de una IA
TasteVal busca cuantificar lo que sus investigadores denominan gusto investigador: la capacidad de tomar decisiones acertadas durante un proceso de investigación científica.
Este criterio abarca tres habilidades principales:
- Identificar las preguntas y líneas de investigación que merecen explorarse.
- Diseñar experimentos adecuados para estudiar esas preguntas.
- Interpretar correctamente los resultados obtenidos.
La evaluación se concentra en las dos últimas capacidades. Cada tarea proporciona previamente una dirección de investigación definida, de modo que los modelos deben decidir cómo experimentar y utilizar los resultados para avanzar hacia el objetivo establecido.
TasteVal incluye ocho tareas relacionadas con el desarrollo de modelos de inteligencia artificial, cada una con un objetivo de investigación y una puntuación cuantificable.
Entre las áreas contempladas se encuentran la selección de datos de entrenamiento, el preentrenamiento, el ajuste fino, el entrenamiento a partir de preferencias humanas y la defensa frente a prompts adversarios.
El objetivo es observar cómo los sistemas toman decisiones experimentales y aprovechan la información obtenida para continuar su trabajo.
Cómo se realizaron los experimentos
El procedimiento establece condiciones compartidas para comparar el desempeño de los modelos.
En cada tarea, el modelo decide qué experimento realizar y utiliza los resultados obtenidos para determinar el siguiente movimiento. La ejecución de los experimentos queda a cargo de un agente de programación fijo.
Todos los experimentos se ejecutan utilizando una sola GPU Nvidia H100. Cada ejecución termina al alcanzar uno de dos límites: 40 horas-GPU de cómputo o 120 horas de tiempo transcurrido.
Para establecer una referencia humana, P-Zero Research reunió a 24 expertos que habían trabajado recientemente en OpenAI, Google DeepMind, Nvidia y Microsoft Research.
Participaron al menos dos especialistas por tarea, y se tomó el mejor intento humano de cada una como referencia para evaluar los resultados de los modelos.
Esta comparación permite analizar tanto la puntuación conseguida como los recursos computacionales necesarios para alcanzarla.
Opus 5.5 alcanza un multiplicador de cómputo de 2,3
Una característica central de TasteVal es que convierte la capacidad de investigación en una medida de eficiencia computacional.
P-Zero Research utiliza una métrica denominada multiplicador de cómputo.
Su interpretación es la siguiente: cuando un modelo alcanza la misma puntuación que un experto utilizando la mitad de los recursos computacionales, recibe un multiplicador de 2. Cuanto mayor sea el multiplicador, mayor es la eficiencia del modelo en esta evaluación.
El resultado más alto correspondió a Opus 5.5, de Anthropic, que alcanzó un multiplicador de 2,3.
Esto significa que, según la metodología de TasteVal, el modelo consiguió igualar la referencia experta utilizando menos de la mitad del cómputo necesario.
El intervalo estadístico estimado para ese resultado se encuentra entre 1,15 y 4,37.
Además, una ejecución de un modelo tuvo un costo aproximado equivalente a una trigésima parte del costo de un intento experto promedio.
| Indicador | Resultado |
|---|---|
| Benchmark | TasteVal, de P-Zero Research |
| Tareas evaluadas | 8 |
| Expertos humanos participantes | 24 |
| Mejor modelo | Anthropic Opus 5.5 |
| Multiplicador de cómputo | 2,3 |
| Intervalo estadístico | 1,15–4,37 |
| Costo por ejecución | Aproximadamente 1/30 del intento experto promedio |
| Límite por ejecución | 40 horas-GPU o 120 horas de reloj |
| Hardware | Una GPU Nvidia H100 |
Estos resultados proporcionan la base cuantitativa utilizada por Clark para reconsiderar sus estimaciones sobre el progreso de la IA aplicada a la investigación.
Una mejora que se duplica aproximadamente cada tres meses
Además del resultado individual de Opus 5.5, los investigadores observaron una tendencia acelerada al comparar varias generaciones de modelos.
Desde diciembre de 2025, el multiplicador de cómputo se ha duplicado aproximadamente cada tres meses.
El intervalo estimado para ese ritmo de duplicación se encuentra entre 1,7 y 5,0 meses.
Esta evolución es especialmente relevante para la predicción de Clark porque sugiere una mejora rápida en la capacidad de los modelos para desarrollar experimentos y tomar decisiones durante procesos de investigación.
Sin embargo, los autores de TasteVal identifican dos características que podrían hacer que esta tendencia sobrestime la velocidad del progreso general.
La primera es que las tareas seleccionadas permiten verificar resultados de manera relativamente rápida y económica. Ese tipo de actividades resulta más sencillo de optimizar para los laboratorios que desarrollan modelos.
La segunda es que el grupo de comparación humana no incluía investigadores de primer nivel.
También existe una distinción importante entre realizar experimentos de manera eficiente y alcanzar la mejora recursiva autónoma.
TasteVal mide una parte específica del trabajo científico, pero sus resultados no demuestran que los sistemas actuales ya puedan mejorarse a sí mismos. En particular, la evaluación proporciona de antemano la dirección de investigación y se concentra en el diseño experimental y la interpretación de resultados.
Cómo cambió la predicción de Jack Clark
La nueva estimación representa una revisión de las expectativas que Clark había expuesto meses antes.
En un ensayo publicado en mayo de 2026, el cofundador de Anthropic identificó la creatividad como uno de los factores determinantes para el desarrollo de sistemas capaces de crear sucesores más avanzados.
En ese momento, asignaba aproximadamente un 60 % de probabilidad a que existiera, para finales de 2028, un sistema capaz de entrenar de manera independiente a un sucesor más potente.
Para 2027, su estimación era del 30 %.
Ahora, a partir de los resultados cuantitativos sobre eficiencia investigadora, considera que la mejora recursiva podría ser posible ya en 2027.
Este cambio adelanta su horizonte temporal, aunque no establece una nueva probabilidad numérica para ese año.
El debate sobre creatividad, investigación y autonomía
La posibilidad de que los modelos de IA participen cada vez más en el desarrollo de nuevas generaciones de sistemas ha generado distintas interpretaciones entre los investigadores.
Herbie Bradley respondió al ensayo que Clark publicó en mayo señalando que los modelos podrían asumir tareas propias de investigadores junior.
Sin embargo, consideraba que todavía no se vislumbraban capacidades suficientes en tres aspectos fundamentales: el gusto investigador, la creatividad y la planificación coherente a largo plazo.
Otro punto de referencia procede de un estudio de la Universidad de Fudan sobre la participación de agentes de IA en procesos de investigación.
Ese trabajo encontró que los agentes llegaron a aportar hasta el 55 % de las propuestas metodológicas, mientras que los investigadores humanos asumieron más del 85 % de las decisiones finales.
Los resultados muestran una participación significativa de los sistemas de IA en la formulación de propuestas de investigación, al mismo tiempo que reflejan el papel predominante de las personas en la toma de decisiones definitivas.
Anthropic y OpenAI ante la mejora recursiva
La discusión sobre la mejora recursiva también está presente en los planteamientos de las principales empresas de inteligencia artificial.
En junio de 2026, Anthropic reconoció que esta capacidad todavía no se había alcanzado, pero advirtió que su aparición podría adelantarse a la preparación de muchas instituciones.
Dario Amodei, CEO de Anthropic, plantea ahora la necesidad de una desaceleración controlada.
OpenAI, por su parte, también reconoce que la mejora recursiva completamente autónoma todavía no ocurre y sostiene que su desarrollo debería realizarse únicamente con supervisión humana garantizada.
Estas posiciones sitúan la supervisión y la preparación institucional dentro de una discusión que ya no se limita a las capacidades técnicas de los modelos.
La cuestión también abarca cómo gestionar la posible aparición de sistemas capaces de participar de manera autónoma en el desarrollo de inteligencia artificial más avanzada.
Un posible sesgo en la nueva predicción
La interpretación de los resultados de TasteVal también debe considerar la posición de quien formula el pronóstico.
Jack Clark es cofundador de Anthropic, la misma empresa cuyo modelo Opus 5.5 encabeza los resultados del benchmark.
Esta relación representa un posible sesgo de interés al valorar tanto el desempeño de los modelos como las implicaciones de sus avances para el futuro de la mejora recursiva.
Los resultados de P-Zero Research constituyen la referencia cuantitativa de la nueva estimación, mientras que la predicción sobre 2027 corresponde a la interpretación de Clark.
En contexto: Anthropic, Jack Clark y TasteVal
Anthropic es la empresa de inteligencia artificial cofundada por Jack Clark y desarrolladora de Opus 5.5, el modelo que obtuvo el mejor resultado en TasteVal.
Clark también publica el boletín Import AI, desde el que ha compartido sus previsiones sobre el desarrollo de sistemas capaces de crear sucesores más avanzados.
TasteVal es un benchmark de P-Zero Research centrado en evaluar la eficiencia de los modelos de IA al diseñar experimentos e interpretar resultados en tareas relacionadas con el desarrollo de modelos.
Sus mediciones son el punto de partida de la nueva predicción de Clark, que sitúa en 2027 la posible aparición de sistemas con capacidades de mejora recursiva.
