Ante el FMI, el empresario y especialista en IA sostuvo que los modelos ya muestran capacidades para contribuir a la investigación científica de frontera. Proyecta una aceleración del crecimiento económico, pero advierte sobre los riesgos y la necesidad de nuevas reglas.
La inteligencia artificial podría estar entrando en una etapa en la que no solo automatiza tareas humanas, sino que también acelera la generación de conocimiento científico y contribuye a desarrollar nuevas tecnologías. Esa es la tesis que Jack Clark, cofundador de Anthropic y exintegrante de OpenAI, presentó el 17 de octubre de 2026 ante economistas, banqueros y responsables de políticas públicas durante una conferencia del Fondo Monetario Internacional (FMI) en Bangkok, Tailandia.
Clark sostiene que existen evidencias convincentes de que comenzó una fase temprana de la llamada singularidad tecnológica: un escenario en el que el progreso impulsado por sistemas de inteligencia artificial se acelera hasta transformar profundamente la economía y la sociedad.
No se trata de un consenso científico sobre un proceso ya demostrado, sino de una interpretación del ritmo reciente de los avances en IA. Su argumento se apoya en resultados obtenidos en matemáticas y física, aplicaciones en biología y robótica, y mejoras en la capacidad de los modelos para resolver problemas complejos.
El especialista considera que las consecuencias podrían extenderse mucho más allá de la industria tecnológica. Si los sistemas de IA consiguen realizar investigaciones científicas de manera cada vez más autónoma, podrían acelerar el descubrimiento de medicamentos, el desarrollo de materiales, la producción de energía y la creación de industrias enteras.
De escribir código a investigar en la frontera de la ciencia
Clark identifica el desarrollo de software como uno de los primeros sectores en los que la inteligencia artificial está modificando de manera sustancial la productividad. Según explicó, una sola persona puede producir aplicaciones que antes requerían equipos completos de profesionales.
Como ejemplo, señaló que los investigadores de Anthropic producen actualmente casi 10 veces más código que durante los primeros cuatro años de la compañía.
Sin embargo, este avance también tiene consecuencias negativas. Las mismas capacidades que permiten desarrollar software con mayor rapidez pueden fortalecer las herramientas de ciberdefensa, pero también facilitar los ataques informáticos. Para Clark, ambos fenómenos son inseparables de la evolución de la tecnología.
El siguiente paso, argumenta, será extender estas capacidades a la ciencia y la robótica. En 2026, según su exposición, ya aparecen señales de que los sistemas de IA pueden contribuir a resolver problemas científicos que se encuentran en la frontera del conocimiento.
En matemáticas, menciona propuestas de solución para problemas de larga data, entre ellos el problema del milenio de Navier-Stokes, la conjetura del jacobiano y varios problemas abiertos de Erdős. En biología, destaca el diseño de virus mediante IA, la identificación de nuevos candidatos a medicamentos y el desarrollo de fármacos que ya se encuentran en ensayos. En robótica, señala la creciente capacidad de los sistemas para operar equipos de laboratorio de manera remota y automatizar experimentos.
Para Clark, lo significativo es que capacidades similares aparecen en diferentes disciplinas y pueden apoyarse en modelos de propósito general, como Claude, de Anthropic; ChatGPT, de OpenAI; y Gemini, de Google.
Los resultados de algunas evaluaciones permiten dimensionar la velocidad del progreso. En Humanity’s Last Exam, una prueba que abarca áreas como química avanzada, informática, matemáticas, literatura clásica y ecología, los mejores sistemas obtuvieron un 8% cuando el examen se lanzó en enero de 2025. En octubre de 2026, el modelo con mayor puntuación citado por Clark, Claude Opus 5.5, alcanzó el 67,7%.
En FrontierMath, una evaluación de problemas matemáticos complejos publicada en noviembre de 2024, los mejores resultados iniciales fueron del 2%. Según Clark, los sistemas llegaron posteriormente al 94%.
Otro ejemplo procede de TheoPhysEval, un trabajo publicado la semana anterior a su conferencia, que evaluó 50 problemas inéditos de física teórica recopilados por investigadores de diferentes países.
El físico indio Suvrat Raju explicó que, durante la revisión de los resultados, los modelos cuestionaron algunas respuestas proporcionadas por expertos humanos. Al volver a examinar los cálculos, los investigadores encontraron errores sutiles en varias de esas soluciones.
Según el relato de Clark, GPT-6 Astra terminó resolviendo correctamente 49 de los 50 problemas, con una puntuación del 98%, después de que los expertos corrigieran sus respuestas iniciales. El caso, sostiene, sugiere que la IA no solo puede reproducir conocimientos existentes, sino también contribuir a detectar errores y producir resultados originales.
Más investigadores virtuales y una economía diferente
La consecuencia económica de estos avances podría ser considerable. Clark recuerda que, durante décadas, muchos países enfrentaron una caída de la productividad de la investigación, pese al aumento de la cantidad de científicos. Las ideas y los descubrimientos parecían requerir cada vez más recursos.
La IA podría alterar esa dinámica al permitir que cada investigador supervise cientos o miles de agentes especializados que trabajen simultáneamente sobre distintos problemas.
Formar una nueva generación de investigadores humanos puede demandar entre 10 y 15 años de educación específica y millones de dólares, señaló. En cambio, los sistemas de IA pueden crearse rápidamente y en grandes cantidades, siempre que exista suficiente capacidad de computación.
Clark plantea que esta multiplicación del trabajo intelectual podría cambiar la velocidad a la que aparecen nuevas ideas. En lugar de los aproximadamente 10 millones de científicos que estima la UNESCO para el mundo, imagina un escenario en el que esos profesionales dirijan mil millones o incluso 10.000 millones de investigadores virtuales.
El especialista también presentó una proyección económica ambiciosa: bajo un escenario en el que los modelos puedan completar autónomamente una amplia variedad de tareas y se difundan con rapidez, el producto interno bruto de Estados Unidos podría alcanzar los U$S 44 billones en 2030. Se trata de una estimación condicionada a esos supuestos, no de una previsión garantizada.
Para aprovechar esa transformación, Clark considera que los países deberán invertir en electricidad, centros de datos, infraestructura científica, laboratorios y robótica. Actualmente, sostiene, la capacidad de centros de datos está concentrada en Estados Unidos, China y, cada vez más, Oriente Medio.
Pero aumentar la capacidad de descubrimiento no será suficiente. Si la IA permite proponer una gran cantidad de nuevos medicamentos, por ejemplo, también será necesario ampliar la capacidad para probarlos y llevarlos desde el laboratorio hasta la práctica clínica.
El desafío: acelerar la ciencia sin perder el control
La visión de Clark no está exenta de advertencias. Las mismas herramientas que podrían acelerar los avances médicos y científicos también pueden facilitar el desarrollo de armas biológicas, ataques informáticos y otras aplicaciones peligrosas.
Por eso, reclama que la investigación biológica mantenga una supervisión humana especialmente estricta y que los laboratorios de IA evalúen cuidadosamente hasta qué punto deben permitir que sus sistemas participen en el desarrollo de nuevas generaciones de inteligencia artificial.
También plantea una cuestión más profunda: cuánto deben comprender los seres humanos de los descubrimientos realizados por los modelos. Si la IA comienza a producir soluciones creativas que los especialistas necesitan tiempo para interpretar, las sociedades deberán decidir qué nivel de comprensión y control consideran necesario.
La infraestructura será una condición indispensable, pero no la única. Clark propone establecer reglas para las empresas que desarrollan estas tecnologías y distinguir entre lo que la IA puede hacer y aquello que conviene permitirle hacer.
Su conclusión es que la humanidad dispone de una oportunidad extraordinaria para mejorar la salud, ampliar el acceso a la energía y los alimentos y generar mayor prosperidad. Pero aprovecharla exigirá combinar inversión, cooperación internacional y prudencia.
La singularidad, en su planteo, no es solamente una cuestión de potencia informática. Es también un desafío económico, político y social: cómo distribuir los beneficios de una tecnología capaz de acelerar el progreso y, al mismo tiempo, limitar los riesgos que ese mismo avance puede generar.
