✨︎ Resumen (TL;DR):
- 22 investigadores, con autores afiliados a OpenAI, Anthropic y Microsoft, piden a los gobiernos supervisar el uso de IA para desarrollar nuevos sistemas.
- Claude escribió más de 80% del código incorporado a la base de código de Anthropic en mayo de 2026 y lideró 26% del trabajo de investigación y desarrollo de IA evaluado en agosto de 2026.
- El informe propone mediciones comparables y revisiones independientes, porque la aceleración extrema todavía no se ha demostrado.
Un grupo de 22 investigadores, entre ellos autores afiliados a OpenAI, Anthropic y Microsoft, pidió a los gobiernos supervisar cómo la inteligencia artificial se usa para desarrollar nuevos sistemas de IA. En un documento de trabajo divulgado el 28 de septiembre de 2026, advirtió que un ciclo de mejoras sucesivas podría comprimir años de avances en meses o menos y superar la capacidad de respuesta de las instituciones. Sus autores llaman a ese escenario “explosión de inteligencia”, pero reconocen que la evidencia es preliminar y que la aceleración aún no ha ocurrido.
Explosión de inteligencia es un escenario en el que una IA más capaz aumenta la cantidad de trabajo que puede realizar un equipo de investigación y ese trabajo ayuda a crear sistemas mejores. Si el ciclo se repitiera lo bastante rápido, la mejora del software podría acelerarse de forma marcada sin esperar a construir nuevo hardware.
El texto lo firman, entre otros, Jakub Pachocki, Jack Clark, Eric Horvitz, Geoffrey Hinton y Yoshua Bengio. La lista también incluye investigadores de universidades y organizaciones especializadas.
Los autores aclaran que sus opiniones no representan necesariamente a las instituciones con las que están afiliados. No se trata de una declaración conjunta de las compañías.
El 80% del código no equivale a investigación autónoma
El informe parte de un cambio observable dentro de los laboratorios: los sistemas ya programan y participan en tareas de investigación que ayudan a construir modelos posteriores.
Anthropic informó que, en mayo de 2026, Claude había escrito más de 80% del código incorporado a la base de código de la compañía. Esa cifra mide líneas de código aceptadas por Anthropic, no la proporción de decisiones científicas tomadas sin personas.
Una segunda medición de Anthropic ofrece otra escala. En agosto de 2026, Claude lideraba 26% del trabajo de investigación y desarrollo de IA que la empresa evaluó. Podía completar gran parte de una tarea a partir de una indicación general, con supervisión humana.
Anthropic indicó que no encontró autonomía plena en ninguna de las partes del trabajo medido. Los dos porcentajes tienen denominadores y fechas distintos. Leer el más de 80% como si significara que Claude ya investiga solo exageraría lo que los datos muestran.
Los proyectos que automatizan experimentos y comparan resultados muestran piezas de ese proceso. FomoEra explicó ese punto al revisar Inherent y Recursive, pero esos proyectos aún requieren objetivos, infraestructura y criterios de evaluación definidos por personas.
La aceleración depende de un ciclo aún no probado
La hipótesis del informe depende de dos pasos:
- Una IA más capaz amplía la cantidad de trabajo que puede realizar un equipo de investigación.
- Ese trabajo ayuda a crear sistemas mejores, que vuelven a ampliar la capacidad del equipo.
Si el ciclo se repitiera lo bastante rápido, la mejora del software podría acelerarse de forma marcada sin esperar a construir nuevo hardware.
Los autores reconocen obstáculos concretos. Los descubrimientos pueden volverse más difíciles; los experimentos consumen capacidad de cómputo y datos; algunas tareas se resisten a la automatización, y entrenar un modelo lleva tiempo.
También señalan que las ganancias de productividad observadas todavía no alcanzan el umbral que, en su análisis, iniciaría una “explosión de inteligencia”. El documento de trabajo describe una ruta posible y sus riesgos, no una predicción fechada ni una prueba de que la IA ya se mejore por sí sola de manera sostenida.
La preocupación central es el control institucional
El informe aborda el control de sistemas muy capaces y la posibilidad de que instituciones públicas, rivales o ciudadanos no puedan seguir el ritmo de sus decisiones. También advierte que una ventaja técnica concentrada en pocas manos podría debilitar los contrapesos entre empresas y gobiernos.
Son consecuencias condicionales del escenario planteado, no efectos observados de la automatización actual.
Qué quieren medir antes de desplegar sistemas
Su propuesta inmediata es obtener información que hoy se conoce sobre todo dentro de las empresas. Plantean informes comparables sobre:
- La proporción de aportes de investigación producidos por IA.
- Las mejoras de eficiencia de los algoritmos.
- La supervisión de los agentes.
- Los incidentes durante su uso interno.
También sugieren evaluaciones independientes antes de desplegar determinados sistemas que investigan IA dentro de los laboratorios.
Si aparecen señales de una aceleración extrema, recomiendan preparar con anticipación requisitos de seguridad para continuar el desarrollo y el despliegue de sistemas, mecanismos de respuesta a incidentes y acuerdos que permitan verificar límites al ritmo de avance. También piden estudiar cómo proteger los contrapesos institucionales.
El informe reconoce un riesgo en sus propias propuestas: un control mal diseñado podría favorecer a una sola empresa y restringir a sus competidores.
Por ahora, el paso verificable es más modesto que el escenario que motiva la alerta: medir de manera comparable qué hacen los agentes dentro de los laboratorios y permitir que terceros revisen esas mediciones. Sin esos datos, resulta difícil saber cuándo la automatización pasa de asistir a los investigadores a dirigir una parte decisiva del desarrollo de nuevas IA.
