Un análisis basado en datos públicos estima un 60% de probabilidad de que la IA automatice su propio desarrollo antes de 2028. El escenario abre la puerta a una nueva era económica, tecnológica y política.
La industria de la inteligencia artificial podría estar al borde de un punto de no retorno. Según un extenso análisis publicado en el newsletter Import AI, su autor, el investigador Jack Clark, plantea que existe una probabilidad superior al 60% de que, antes de finales de 2028, surjan sistemas de IA capaces de desarrollar sus propias versiones sucesoras sin intervención humana.
La afirmación no surge de una intuición aislada, sino de un análisis detallado de múltiples indicadores técnicos, benchmarks y avances recientes en capacidades de modelos. “Creo que estamos viviendo el momento en que la investigación en IA será automatizada de extremo a extremo”, advierte Clark.
El avance silencioso: de asistentes a investigadores autónomos
El argumento central se apoya en un cambio progresivo pero acelerado: los sistemas de IA ya no solo ayudan a programar, sino que empiezan a ejecutar tareas completas de investigación y desarrollo.
Uno de los ejemplos más contundentes es el benchmark SWE-Bench, que mide la capacidad de resolver problemas reales de software. En 2023, modelos como Claude 2 apenas alcanzaban un 2% de éxito. Hoy, sistemas avanzados como Claude Mythos Preview llegan al 93,9%, prácticamente saturando la prueba.
Este salto no es aislado. Otro indicador clave es la capacidad de las IA para trabajar de forma autónoma durante períodos cada vez más largos. Según datos de METR, en 2022 modelos como GPT-3.5 podían resolver tareas de unos 30 segundos. En 2023, OpenAI con GPT-4 elevó ese límite a 4 minutos. En 2024, modelos como o1 alcanzaron 40 minutos. En 2025, GPT-5.2 llegó a aproximadamente 6 horas. Y en 2026, sistemas como Opus 4.6 ya operan durante cerca de 12 horas sin intervención.
Este crecimiento exponencial en “horizonte de autonomía” redefine el rol de la IA: de herramienta a agente.
Automatización del corazón del desarrollo de IA
Clark sostiene que los componentes clave del desarrollo de inteligencia artificial ya están siendo automatizados:
- Programación avanzada: la IA escribe, prueba y depura código complejo.
- Reproducción científica: benchmarks como CORE-Bench pasaron de 21,5% en 2024 a 95,5% en 2025.
- Optimización de modelos: sistemas actuales logran hasta un 25%-28% de mejora en tareas donde humanos alcanzan el 51%.
- Eficiencia computacional: modelos como Claude Mythos Preview lograron acelerar procesos hasta 52 veces, frente a mejoras humanas que requieren entre 4 y 8 horas de trabajo para lograr apenas 4x.
A esto se suma una capacidad emergente: la IA gestionando otras IA. Sistemas actuales ya pueden coordinar múltiples agentes especializados, replicando estructuras de equipos humanos.
¿Creatividad o automatización incremental?
Uno de los puntos críticos es si la IA puede generar ideas realmente nuevas. Clark es prudente: reconoce que aún no hay evidencia sólida de creatividad disruptiva comparable a grandes avances humanos.
Sin embargo, plantea que gran parte del progreso en IA no depende de “momentos eureka”, sino de procesos iterativos: escalar modelos, ajustar parámetros y resolver problemas técnicos. En ese terreno, la IA ya es altamente competente.
La frase de Thomas Edison —“el genio es 1% inspiración y 99% transpiración”— funciona como marco conceptual. Si la innovación es mayormente trabajo incremental, la IA podría avanzar sin necesidad de creatividad radical.
Las empresas ya están apostando a automatizar la investigación
El análisis también se apoya en señales de mercado. Las principales compañías del sector están invirtiendo explícitamente en automatizar la investigación en IA:
- OpenAI busca desarrollar un “investigador automatizado” para septiembre de 2026.
- Anthropic ya experimenta con sistemas de investigación autónoma en alineación.
- Google DeepMind reconoce que la automatización de investigación es un objetivo viable.
- Startups como Recursive Superintelligence recaudaron U$S 500 millones con ese objetivo.
El mensaje es claro: no se trata de una hipótesis académica, sino de una dirección estratégica financiada con cientos de miles de millones de dólares.
Un cambio de paradigma económico
Las implicancias son profundas. Clark anticipa la emergencia de una “economía de máquinas”, donde empresas operadas en gran medida por IA podrían competir, innovar y generar valor con mínima intervención humana.
Este escenario plantea desafíos estructurales:
- Desigualdad: el acceso a capacidad de cómputo será un factor crítico.
- Gobernanza: cómo regular sistemas que evolucionan de forma autónoma.
- Alineación: el riesgo de que sistemas cada vez más inteligentes escapen al control humano.
Sobre este último punto, el investigador advierte sobre problemas acumulativos: incluso sistemas con 99,9% de precisión podrían degradarse en entornos de auto-mejora recursiva.
2028: una fecha clave
Clark estima un 60% de probabilidad de que la IA alcance la capacidad de desarrollar sucesores de forma autónoma antes de 2028. Para 2027, reduce esa probabilidad al 30%, señalando que aún falta evidencia de creatividad transformadora.
Si no ocurre en ese plazo, sugiere, podría indicar una limitación estructural en la tecnología actual.
El análisis no es optimista ni alarmista: es técnico. Pero su conclusión es contundente.
La inteligencia artificial ya no solo está transformando industrias. Podría estar a punto de redefinir cómo se crea a sí misma.
Y si eso ocurre, el cambio no será gradual. Será estructural.