Líderes de IA dicen que los sistemas a nivel humano se están acercando rápidamente

El rápido avance de la inteligencia artificial está obligando a gobiernos e instituciones a enfrentar un camino hacia sistemas a nivel humano mucho más corto de lo que se esperaba. Líderes de la industria ahora afirman que la brecha entre las herramientas actuales y la inteligencia artificial general está disminuyendo rápidamente. A medida que el desarrollo se acelera, preocupaciones sobre empleos, gobernanza y estabilidad económica pasan al centro del debate.

Amodei dice que la IA a nivel humano podría llegar en años, no décadas

En el Foro Económico Mundial en Davos, el CEO de Anthropic, Dario Amodei, advirtió que los responsables de políticas podrían no estar preparados para la rapidez con la que se acerca la IA avanzada. Junto a Demis Hassabis, CEO de DeepMind, Amodei argumentó que los sistemas sociales y los mercados laborales probablemente no se adapten al mismo ritmo que el progreso técnico. En su visión, el tiempo de preparación se está reduciendo, no ampliando.

Amodei reiteró su creencia de que la IA a nivel humano probablemente esté a solo unos años de distancia. Dijo que sus proyecciones anteriores siguen vigentes y que el progreso continúa en una curva pronunciada. Las capacidades sobrehumanas, según su estimación, podrían llegar tan pronto como en 2026 o 2027. En sus palabras, es difícil imaginar que el desarrollo se extienda mucho más allá de ese plazo.

Gran parte de esta velocidad proviene de que los sistemas de IA asisten cada vez más en su propio desarrollo. En Anthropic, dijo Amodei, los ingenieros de software ya están pasando de escribir código a supervisar el output generado por IA. Ahora, los ingenieros dedican más tiempo revisando y corrigiendo código que creándolo desde cero. En un plazo de seis a doce meses, sugirió, los modelos de IA podrían encargarse de la mayoría de las tareas de programación de principio a fin.

Varias fuerzas están impulsando este ciclo:

• Los modelos de IA ahora generan grandes porciones de código de producción.
• Los ingenieros actúan principalmente como revisores en lugar de autores principales.
• Las mejoras en el entrenamiento se traducen directamente en actualizaciones de modelos más rápidas.
• El suministro de hardware limita la velocidad más que la capacidad de investigación.
• Ciclos de desarrollo más cortos comprimen los tiempos de adopción.

Hassabis de DeepMind estima en 50% las posibilidades de AGI para 2030

Si bien reconoció el gran progreso, Hassabis argumentó que no todos los campos son igualmente aptos para la automatización. Áreas como la programación y las matemáticas son objetivos más fáciles porque los resultados pueden verificarse rápidamente. Otras disciplinas, especialmente las ciencias naturales, dependen de experimentos que requieren tiempo y recursos.

El descubrimiento científico, dijo, sigue siendo una gran barrera. Los sistemas actuales pueden resolver problemas bien definidos pero tienen dificultades para generar nuevas preguntas o teorías. Producir hipótesis originales, a su entender, representa uno de los niveles más altos de creatividad humana. La IA aún no ha demostrado una capacidad fiable en este ámbito y no está claro cuándo—o si—se cerrará esa brecha.

Debido a estos límites, Hassabis situó las probabilidades de alcanzar AGI para 2030 en aproximadamente cincuenta por ciento. Señaló la diferencia entre el cálculo rápido y la verdadera innovación como una incertidumbre clave. Aun así, ambos ejecutivos coincidieron en que la disrupción económica ya no es una preocupación lejana.

Los roles de oficina están cada vez más expuestos. Amodei ha estimado previamente que hasta la mitad de los empleos profesionales de nivel inicial podrían desaparecer en cinco años, y en Davos sostuvo esa cifra. El trabajo de oficina, que alguna vez se consideró protegido, ahora enfrenta presiones de automatización similares a las que remodelaron la manufactura décadas atrás.

Hassabis advirtió que incluso las previsiones económicas más cautelosas pueden subestimar la velocidad del cambio. Cinco a diez años, dijo, no es mucho tiempo para que las sociedades se adapten. Las instituciones construidas para transiciones más lentas podrían tener dificultades para responder si las estructuras laborales cambian de golpe.

La IA está erosionando la autonomía laboral mucho antes de que comiencen los despidos masivos

Para Amodei, el desafío se ha expandido más allá de la ingeniería hacia una crisis de coordinación. Argumentó que los gobiernos deberían centrar la mayor parte de su atención en gestionar la transición. Si bien los riesgos vinculados al mal uso y la tensión geopolítica siguen siendo manejables, el margen de error se está reduciendo.

Las principales presiones políticas que surgen del debate incluyen:

• Cambios laborales que ocurren más rápido de lo que los sistemas actuales de reconversión pueden manejar.
• Vacíos regulatorios en torno a modelos potentes de uso general.
• Creciente desigualdad impulsada por la automatización de trabajos calificados.
• Concentración de capacidades de IA en pocas grandes empresas.
• Coordinación global limitada sobre estándares de seguridad.

Algunos analistas laborales creen que la disrupción podría llegar a través de la reestructuración de empleos en lugar de un reemplazo total. Bob Hutchins, CEO de Human Voice Media, dijo que los roles profesionales se están fragmentando en tareas más pequeñas y monitorizadas. Algoritmos gestionan cada vez más los flujos de trabajo que antes controlaban los propios trabajadores.

Según Hutchins, este cambio altera cómo se siente y funciona el trabajo. Los roles creativos y técnicos pasan de tomar decisiones a verificar resultados. Los trabajadores revisan resultados en lugar de dar forma a los proyectos. Con el tiempo, este proceso puede quitar autonomía a los empleos y reducir los salarios, aunque los títulos no cambien.

En lugar de preguntar si las máquinas reemplazarán a las personas, Hutchins sostuvo que la atención debería centrarse en cómo se altera la calidad del trabajo. A medida que las tareas se fragmentan y aumenta la supervisión, la identidad profesional misma puede erosionarse. Gobiernos y empleadores ahora enfrentan un desafío que va más allá de preservar el empleo: deben preservar trabajos significativos a medida que las capacidades de la IA continúan expandiéndose.