La complejidad de tareas que la IA puede manejar se duplica cada siete meses, y desde 2024 esa duplicación se ha comprimido a aproximadamente cada tres meses. La Ley de Moore original, la que impulsó toda la revolución del semiconductor, operaba en un ciclo de 18 meses. La capacidad de la IA está mejorando a seis veces esa velocidad. Ese único número es el que la mayoría de los argumentos de "la IA es una burbuja" no sobreviven cuando se confrontan con los datos.
Yo quería que la tesis de la burbuja fuera cierta. El contrario en mí, la parte que ha sobrevivido 17 años de tecnología empresarial siendo escéptico del hype, quería que la curva se aplastara para que todos pudiéramos tomar aire. La comparación con 1999 es emocionalmente satisfactoria, las cifras de capex parecen aterradoras fuera de contexto, y el titular "sin ROI claro" es a medias correcto. Entonces fui y miré los datos subyacentes que los analistas que respeto rastrean silenciosamente. Los datos no respaldan la tesis de la burbuja. Respaldan algo más incómodo, que es que la curva es real, la demanda detrás del capex es real, y el ciclo de aprovisionamiento dentro de la mayoría de las empresas es ahora más lento que el ciclo de actualización tecnológica que intenta evaluar.
El Descubrimiento de METR: La Propia Ley de Moore de la IA
La organización que cambió mi perspectiva se llama METR, el grupo de Evaluación de Modelos e Investigación de Amenazas (Model Evaluation and Threat Research). Han estado rastreando silenciosamente algo notable: la tasa a la que los sistemas de IA pueden manejar tareas cada vez más complejas. Sus hallazgos son, francamente, sorprendentes.
La complejidad de las tareas de IA se duplica cada siete meses en general. Y esa tasa se está acelerando. Desde 2024, se ha comprimido a aproximadamente cada tres meses. Para ponerlo en contexto: la Ley de Moore original, la que impulsó toda la revolución de semiconductores, operaba en un ciclo de duplicación de 18 meses. La capacidad de la IA está mejorando a seis veces esa velocidad.
¿Qué significa esto en términos prácticos? GPT-5 maneja tareas de aproximadamente tres horas y media. Claude Opus 4.5 maneja tareas de cinco horas. Y Claude Opus 4.6, lanzado hace semanas, se sitúa en catorce horas y media. Hace seis meses, estos sistemas luchaban con cualquier cosa más allá de tareas de 30 minutos. Dentro de seis meses, los benchmarks que estamos usando hoy serán obsoletos.
Sigo regresando a este punto: las herramientas que su organización evaluó el trimestre pasado ya están una generación atrasadas. Los ciclos de adquisición de tecnología que la mayoría de las empresas utilizan, típicamente de 6 a 12 meses, son más largos que el período completo de duplicación de capacidades. Están comprando la tecnología de ayer con el presupuesto de mañana.
La capacidad de la IA está mejorando a 6 veces la velocidad de la Ley de Moore. Las herramientas que su equipo evaluó hace seis meses ya son obsoletas.
El Muro de Escalamiento Que Nunca Llega
Necesito abordar a los críticos del escalamiento directamente, porque su argumento es la base intelectual de la narrativa de burbuja.
La voz más prominente ha sido Gary Marcus, un científico cognitivo que ha predicho el fin del escalamiento de la IA cada año desde 2019. En 2019, dijo que el aprendizaje profundo había alcanzado límites fundamentales. En 2020, dijo que GPT-3 probaba que el escalamiento era insuficiente. En 2021, el mismo argumento. En 2022, dijo que los modelos de lenguaje grandes habían llegado a una meseta. En 2023, GPT-4 le demostró lo contrario. En 2024, pivotó a afirmar que los LLMs específicamente habían alcanzado su pico. En 2025 y 2026, los modelos continuaron mejorando.
No tengo nada personal contra Marcus. Es un investigador serio haciendo preguntas importantes. Pero su historial en predicciones de escalamiento es ahora de 0 de 7 en años consecutivos. En algún punto, el patrón mismo se convierte en dato.
El malentendido fundamental es sobre las curvas S. Toda tecnología sigue una curva S: inicio lento, aceleración rápida, meseta eventual. Los críticos ven la meseta de una curva S y declaran la tecnología muerta. Lo que no ven es que la IA no monta una sola curva S. Las apila. Cuando un paradigma llega a su meseta, uno nuevo se enciende debajo. ¿La arquitectura Transformer llega a su meseta? Llega el razonamiento chain-of-thought. ¿El razonamiento llega a su meseta? Emergen el uso de herramientas y las arquitecturas agénticas. Cada nuevo paradigma crea una nueva curva S que comienza a subir antes de que la anterior se aplane completamente.
Esto no es teórico. Podemos verlo en los datos de benchmarks. Cada muro predicho ha sido superado no empujando más fuerte con el mismo enfoque, sino cambiando a un enfoque completamente nuevo que nadie anticipó.
Cuando la IA Supera a los Doctores
El benchmark que me dejó helado fue GPQA, el benchmark de Preguntas y Respuestas a Prueba de Google de Nivel de Posgrado. Contiene preguntas específicamente diseñadas para ser tan difíciles que incluso los expertos de dominio con conocimiento doctoral y acceso completo a internet luchan con ellas.
Los expertos humanos con doctorado obtienen un promedio de 65% en GPQA. Los sistemas de IA actuales obtienen más del 93%. No en trivialidades. No en reconocimiento de patrones. En el tipo de razonamiento profundo que representa el nivel más alto de logro intelectual humano en dominios especializados.
Para una vista interactiva de cómo estos modelos se comparan en docenas de benchmarks, explore el Dashboard de Benchmarking de Modelos de IA que construí, impulsado por datos de Artificial Analysis.
Pero los números de benchmarks no son lo que genuinamente me inquietó. Lo que me inquietó fue el descubrimiento en la Universidad de Gotemburgo. Los investigadores le dieron a un sistema de IA acceso a mediciones de experimentos de plasma polvoriento, un área notoriamente compleja de la física. El sistema no solo analizó los datos con precisión. Descubrió nuevas leyes físicas que los investigadores humanos no habían identificado. Leyes científicas novedosas. Encontradas por una máquina. Con más del 99% de precisión.
Si usted es un ejecutivo cuyo modelo mental de la IA es "un motor de búsqueda más rápido" o "un mejor autocompletado," ese modelo mental ahora es peligrosamente desactualizado. Estamos en una era donde la IA no solo está procesando el conocimiento humano. Lo está extendiendo. Está encontrando patrones en la realidad que la cognición humana, con toda su brillantez, no detectó.
La IA obtuvo 90% en benchmarks de nivel doctoral donde los expertos humanos promediaron 65%. Y luego descubrió nuevas leyes de física que los humanos habían pasado completamente por alto.
Los Tests de Turing Creativos Han Terminado
Esta sección importa para los ejecutivos por una objeción específica que escucho en casi cada sala de juntas: "La IA puede hacer lo repetitivo, pero no puede tocar el trabajo creativo. Eso es únicamente humano."
Esa objeción es ahora empíricamente falsa.
El Test de Turing Musical ha sido superado. En experimentos controlados, los oyentes no pueden distinguir de manera confiable entre música compuesta por IA y música compuesta por humanos. No marginalmente por encima del azar. Con indistinguibilidad estadística. Una pista generada por IA ha entrado en el Billboard Hot 100. La IA ha ganado competencias internacionales de arte, en algunos casos superando a artistas profesionales que habían pasado décadas perfeccionando su oficio.
No estoy celebrando esto. Lo estoy reportando. Y lo estoy reportando porque las implicaciones estratégicas son enormes. Si su foso competitivo es "tenemos personas creativas," ese foso se está evaporando. No porque la IA sea más creativa que los humanos. El debate de calidad es matizado y continuo. Sino porque la IA puede producir output creativo a un volumen y velocidad que hace que la distinción entre creatividad humana y de máquina sea operativamente irrelevante para la mayoría de las aplicaciones de negocio.
Las empresas que prosperarán son las que entienden que esto no se trata de reemplazo. Se trata de amplificación. Los mejores creativos humanos trabajando con herramientas de IA producirán output que ninguno podría lograr solo. Pero las empresas que asuman que la creatividad es un dominio exclusivamente humano, que se nieguen a integrar la IA en sus flujos de trabajo creativos, se encontrarán superadas en producción por competidores que hicieron esa integración hace 18 meses.
La Compresión de Plazos Que Nadie Esperaba
En 2020, la predicción mediana entre investigadores de IA para cuándo lograríamos la Inteligencia Artificial General era 2070. Cincuenta años. Cómodamente distante. Algo para que la siguiente generación se preocupara.
Para 2025, esa estimación había colapsado. Los investigadores encuestados ahora asignan una probabilidad del 25% a que AGI llegue para 2027 y una probabilidad del 50% para 2031. Eso no es una revisión. Es un cambio de paradigma en las expectativas. La meta no se movió. Se teletransportó.
Ray Kurzweil, quien hizo predicciones específicas sobre AGI en 1999 que fueron ampliamente ridiculizadas, ahora parece notablemente clarividente. Su tesis central, que el progreso exponencial parece lento hasta que de repente parece instantáneo, sigue probándose a sí misma. La analogía del Lago Michigan es útil aquí: si está llenando el Lago Michigan duplicando el volumen de agua cada ciclo, el lago parece esencialmente vacío durante la gran mayoría del proceso. Va de 0.1% lleno a 0.2% lleno a 0.4% lleno. Al 93% del camino a través del proceso, el lago todavía está solo medio lleno. Entonces en los últimos ciclos, se llena completamente.
Podríamos estar en ese punto de inflexión ahora mismo. Y los ejecutivos que están apostando a que AGI está "a décadas de distancia" podrían estar cometiendo el mismo error que alguien mirando un Lago Michigan medio vacío y concluyendo que tiene mucho tiempo.
La implicación práctica para la planificación empresarial: su plan estratégico de tres a cinco años necesita considerar la posibilidad de que las capacidades de IA en 2029 serán categóricamente diferentes de lo que existe hoy. No incrementalmente mejores. Categóricamente diferentes. Planificar para mejora lineal en un entorno exponencial es cómo las organizaciones se vuelven irrelevantes.
Las estimaciones de AGI colapsaron de 2070 a posiblemente 2027. Planificar para mejora lineal en un entorno exponencial es cómo las organizaciones se vuelven irrelevantes.
La Pregunta del 25%: Por Qué Incluso los Optimistas Están Preocupados
Podría haber terminado este artículo en la sección anterior. Los datos hacen el caso. La IA no es una burbuja. El escalamiento es real, las capacidades se están acelerando, y los plazos se están comprimiendo.
Pero le haría un mal servicio si no abordara lo que me mantiene despierto por las noches. Ocasionalmente literalmente, en habitaciones de hotel en Zúrich.
Dario Amodei, el CEO de Anthropic, una de las tres empresas en la frontera del desarrollo de IA, asigna una probabilidad del 10 al 25% de que la IA lleve a resultados catastróficos para la humanidad. No "disrupción." No "desplazamiento laboral." Resultados catastróficos. Probabilidad de uno en cuatro, de alguien que está construyendo la tecnología.
Geoffrey Hinton, ampliamente considerado el padrino del aprendizaje profundo, dejó Google específicamente para hablar libremente sobre los riesgos. Yoshua Bengio, otra figura fundadora, describe nuestra trayectoria actual como "conducir a ciegas en la niebla." Mustafa Suleyman, cofundador de DeepMind, advierte sobre la auto-mejora recursiva: el punto en el cual los sistemas de IA pueden mejorarse a sí mismos más rápido de lo que los humanos pueden entender o controlar las mejoras.
No soy un catastrofista. He pasado tres años integrando entusiastamente la IA en cada aspecto de mi trabajo y las organizaciones con las que he colaborado. Pero soy realista. Y la realidad es que el mismo crecimiento exponencial de capacidades que hace que la narrativa de burbuja sea incorrecta también hace que las preocupaciones de seguridad sean urgentes.
La cifra del 25% de Amodei merece atención ejecutiva no porque sea una probabilidad precisa, sino porque viene de alguien con acceso completo a la investigación de frontera. Cuando la persona que construye el automóvil le dice que hay una probabilidad de uno en cuatro de que los frenos fallen a velocidad de autopista, usted no deja de conducir. Pero sí se asegura absolutamente de que los frenos sean los mejores posibles.
Para las empresas, esto se traduce en un mandato práctico: la gobernanza no es opcional. Las organizaciones que tratan la seguridad y ética de la IA como una casilla de cumplimiento en lugar de una prioridad estratégica no solo están siendo irresponsables. Están siendo estratégicamente ingenuas. Cuando el entorno regulatorio los alcance, y el EU AI Act y la ISO/IEC 42001 sugieren que los está alcanzando rápido, las organizaciones con marcos de gobernanza maduros tendrán una ventaja decisiva sobre las que se apresuren a adaptar cumplimiento retroactivamente.
Qué Significa Esto Para Su Próxima Reunión de Directorio
Comencé este artículo en una habitación de hotel en Zúrich, desplazándome por predicciones confiadas sobre la muerte de la IA. Lo termino con una observación mucho más simple.
La narrativa de burbuja es reconfortante. Sugiere que la disrupción es temporal, que la fiebre de inversión colapsará, y que podemos regresar a patrones familiares. Entiendo el atractivo. Lo sentí yo mismo, mirando fijamente el post de LinkedIn de mi ex colega.
Pero la comodidad no es estrategia. Los datos cuentan una historia diferente. La capacidad de la IA se duplica cada tres meses. Los muros de escalamiento siguen cayendo. Los benchmarks siguen siendo superados. Los plazos siguen comprimiéndose. Y las personas que construyen esta tecnología están simultáneamente asombradas por lo que puede hacer y genuinamente preocupadas por hacia dónde va.
Tres preguntas para su próxima reunión de directorio:
- Si la capacidad de la IA se duplica cada tres meses, ¿es el ciclo de evaluación tecnológica de su organización lo suficientemente rápido para mantenerse al día? La mayoría de las empresas operan en ciclos de adquisición de 6 a 12 meses. Eso significa que para cuando despliegan una solución, ya está una a cuatro generaciones atrasada.
- ¿Cuál es su exposición si la narrativa de burbuja es incorrecta? Si ha estado sub-invirtiendo en IA basándose en la suposición de que el hype se enfriará, ¿qué pasa cuando no lo hace? ¿Qué posición de mercado pierde? ¿Qué capacidades construyen sus competidores que usted no puede replicar a tiempo?
- ¿Tiene un marco de gobernanza que pueda escalar con el crecimiento exponencial de capacidades? El cumplimiento estático está muerto. Si su gobernanza de IA consiste en una revisión anual y un documento de política, está gobernando la IA de 2024 con herramientas de 2019.
La pregunta ya no es si la IA es una burbuja. La evidencia ha respondido eso. La pregunta es si su organización se está moviendo lo suficientemente rápido para capturar el valor, y lo suficientemente cuidadosamente para gestionar los riesgos, de una tecnología que se está acelerando más rápido que cualquiera en la historia humana.
Ese post de LinkedIn de mi ex colega sigue publicado. Pensé en comentar. Decidí no hacerlo. En tres años, los datos habrán hecho mi argumento mucho más convincentemente que cualquier hilo de comentarios.