{"id":6199,"date":"2026-05-05T17:40:28","date_gmt":"2026-05-05T20:40:28","guid":{"rendered":"http:\/\/laf5.publisher.highstack.com.ar\/?p=6199"},"modified":"2026-05-05T17:40:28","modified_gmt":"2026-05-05T20:40:28","slug":"la-ia-ya-escribe-codigo-corrige-errores-complejos-y-toma-decisiones-tecnicas-sin-supervision-constante-el-siguiente-paso-segun-el-cofundador-de-anthropic-es-que-empiece-a-disenar-entrenar-y-mejor","status":"publish","type":"post","link":"https:\/\/laf5.publisher.highstack.com.ar\/?p=6199","title":{"rendered":"La IA ya escribe c\u00f3digo, corrige errores complejos y toma decisiones t\u00e9cnicas sin supervisi\u00f3n constante. El siguiente paso, seg\u00fan el cofundador de Anthropic, es que empiece a dise\u00f1ar, entrenar y mejorar sus propios sistemas sin intervenci\u00f3n humana directa"},"content":{"rendered":"
\n

Durante a\u00f1os, la evoluci\u00f3n de la inteligencia artificial ha seguido un patr\u00f3n claro: humanos dise\u00f1an, entrenan y mejoran sistemas cada vez m\u00e1s capaces. Pero ese esquema podr\u00eda estar empezando a cambiar. No de golpe, ni de forma evidente, sino como una transici\u00f3n silenciosa. La idea de que una IA pueda desarrollar a la siguiente generaci\u00f3n ya no suena como ciencia ficci\u00f3n, sino como una posibilidad t\u00e9cnica en discusi\u00f3n abierta.<\/p>\n

De herramientas a sistemas que participan en su propio desarrollo<\/h2>\n

Jack Clark, cofundador de Anthropic, lleva tiempo analizando datos p\u00fablicos sobre el avance de la IA. Su conclusi\u00f3n es directa: existe una probabilidad real de que los sistemas comiencen a desarrollar a sus propios sucesores sin intervenci\u00f3n humana. No se trata de una intuici\u00f3n aislada. Parte de una tendencia observable.<\/p>\n

Hoy, los modelos ya son capaces de escribir c\u00f3digo, revisarlo, detectar errores y proponer soluciones funcionales. En muchos casos, con niveles de precisi\u00f3n que hace pocos a\u00f1os eran impensables.<\/p>\n

Un ejemplo claro es el benchmark SWE-Bench, que eval\u00faa la capacidad de los sistemas para resolver problemas reales de ingenier\u00eda de software en repositorios de GitHub. En apenas tres a\u00f1os, el rendimiento pas\u00f3 de alrededor de un 2% con modelos de 2023 a cifras cercanas al 94% con versiones recientes. Ese salto no es incremental. Es estructural.<\/p>\n

El tiempo de las tareas tambi\u00e9n se est\u00e1 disparando<\/h2>\n

Hay otro indicador que refuerza esta idea. La organizaci\u00f3n METR mide cu\u00e1nto tiempo tardar\u00eda un humano experto en completar tareas que hoy ya pueden realizar los modelos de forma aut\u00f3noma. En 2022, ese l\u00edmite estaba en torno a los 30 segundos.<\/p>\n

En 2026, ese umbral se ha extendido a unas 12 horas de trabajo humano equivalente. Y las previsiones apuntan a que podr\u00eda alcanzar las 100 horas antes de que termine el a\u00f1o. Esto implica algo importante: los sistemas no solo hacen tareas m\u00e1s complejas, sino que pueden sostener procesos largos sin intervenci\u00f3n. Y ah\u00ed es donde empieza a cambiar la naturaleza del problema.<\/p>\n

El nacimiento de los \u201cequipos sint\u00e9ticos\u201d<\/h2>\n

Uno de los conceptos m\u00e1s interesantes que plantea Clark es el de equipos sint\u00e9ticos. La idea es sencilla, pero potente: m\u00faltiples sistemas de IA trabajando juntos, replicando la estructura de un equipo humano. Un modelo act\u00faa como director, otro como ingeniero, otro como revisor o cr\u00edtico.<\/p>\n

No es una met\u00e1fora, explica este art\u00edculo. Es una arquitectura que ya se est\u00e1 probando. En este esquema, una IA no solo ejecuta tareas, sino que coordina otras IAs. Gestiona procesos, eval\u00faa resultados y toma decisiones sobre c\u00f3mo avanzar. Es un paso m\u00e1s all\u00e1 de la automatizaci\u00f3n tradicional.<\/p>\n

La carrera por automatizar la investigaci\u00f3n ya est\u00e1 en marcha<\/h2>\n
\"La
\u00a9 Unsplash \/ Mohammad Rahmani.<\/figcaption><\/figure>\n

Este escenario no es solo te\u00f3rico. Empresas como OpenAI o Anthropic est\u00e1n trabajando activamente en sistemas dise\u00f1ados para investigar. Sam Altman, por ejemplo, ha hablado de desarrollar un \u201cbecario de investigaci\u00f3n automatizado\u201d capaz de realizar descubrimientos cient\u00edficos.<\/p>\n

El objetivo es claro: que estos sistemas no solo apliquen conocimiento, sino que generen nuevo. Las previsiones son ambiciosas. Para 2026, se espera que puedan realizar peque\u00f1os avances por s\u00ed mismos. Para 2028, podr\u00edan participar en proyectos complejos a gran escala. Si ese camino se consolida, la siguiente etapa es casi inevitable: sistemas que dise\u00f1an mejores versiones de s\u00ed mismos.<\/p>\n

Qu\u00e9 pasar\u00eda si la IA empieza a mejorarse sola<\/h2>\n

Clark plantea tres consecuencias principales si este escenario se materializa. La primera es t\u00e9cnica: la alineaci\u00f3n. Si un sistema influye en su propio entrenamiento, los errores o sesgos podr\u00edan amplificarse con cada generaci\u00f3n.<\/p>\n

La segunda es econ\u00f3mica. La IA ya act\u00faa como multiplicador de productividad. Si su desarrollo se automatiza, esa ventaja podr\u00eda concentrarse a\u00fan m\u00e1s en quienes controlen estos sistemas.<\/p>\n

La tercera es social. Un ecosistema donde la IA se desarrolla de forma aut\u00f3noma podr\u00eda reducir la necesidad de grandes equipos humanos, cambiando la estructura del empleo en sectores clave.<\/p>\n

No son predicciones cerradas. Son escenarios plausibles.<\/p>\n

El l\u00edmite sigue siendo la creatividad\u2026 por ahora<\/h2>\n

A pesar de todo, el propio Clark introduce un matiz importante. La investigaci\u00f3n cient\u00edfica no es solo optimizaci\u00f3n. Requiere creatividad, intuici\u00f3n, enfoques no convencionales. Y eso es algo que los modelos actuales todav\u00eda no demuestran de forma consistente.<\/p>\n

Es el \u00faltimo freno. Pero tambi\u00e9n es una barrera que, viendo la velocidad del avance, muchos consideran temporal.<\/p>\n

Un cambio que no ser\u00e1 repentino, pero s\u00ed profundo<\/h2>\n

Es poco probable que un d\u00eda aparezca una IA completamente aut\u00f3noma dise\u00f1ando otras IAs de forma visible. Lo m\u00e1s probable es que ocurra como hasta ahora: en peque\u00f1os pasos. Automatizaci\u00f3n parcial, luego completa. Asistencia, luego sustituci\u00f3n. Supervisi\u00f3n humana cada vez m\u00e1s reducida.<\/p>\n

Hasta que, en alg\u00fan punto, el proceso deje de necesitar intervenci\u00f3n constante.<\/p>\n

La pregunta ya no es si ocurrir\u00e1. Es cu\u00e1ndo<\/h2>\n

La idea de una IA que se construye a s\u00ed misma puede sonar extrema. Pero hace no tanto, tambi\u00e9n lo parec\u00eda que pudiera escribir c\u00f3digo funcional, resolver problemas complejos o mantener procesos durante horas. Hoy eso ya es normal.<\/p>\n

Y por eso, lo que plantea Jack Clark no es tanto una predicci\u00f3n futurista como una extrapolaci\u00f3n inc\u00f3moda. Que el siguiente gran salto de la inteligencia artificial no ser\u00e1 solo lo que pueda hacer. Sino c\u00f3mo evoluciona\u2026 sin nosotros.<\/p>\n<\/p><\/div>\n","protected":false},"excerpt":{"rendered":"

Durante a\u00f1os, la evoluci\u00f3n de la inteligencia artificial ha seguido un patr\u00f3n claro: humanos dise\u00f1an, entrenan y mejoran sistemas cada vez m\u00e1s capaces. Pero ese esquema podr\u00eda estar empezando a cambiar. No de golpe, ni de forma evidente, sino como una transici\u00f3n silenciosa. La idea de que una IA pueda desarrollar a la siguiente generaci\u00f3n […]<\/p>\n","protected":false},"author":1,"featured_media":6200,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-6199","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-sin-categoria"],"_links":{"self":[{"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/posts\/6199","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=6199"}],"version-history":[{"count":0,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/posts\/6199\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/media\/6200"}],"wp:attachment":[{"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=6199"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=6199"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=6199"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}