Co-fundador de Anthropic pronostica la aparición de una «IA autoevolutiva» para 2028 - ForkLog: criptomonedas, IA, singularidad, futuro

# Cofundador de Anthropic pronostica la aparición de una «IA autoevolutiva» para 2028

Para 2028, podrían aparecer en el mercado sistemas de IA capaces de desarrollar y entrenar sus propios sucesores sin intervención humana. Este pronóstico fue realizado por el cofundador de Anthropic, Jack Clark

«Esto es muy importante. No sé cómo asimilarlo. Llego a esta conclusión con dificultad, porque las consecuencias son tan grandes que me siento abrumado por ellas, y no estoy seguro de que la sociedad esté preparada para los cambios que implica el desarrollo automatizado de IA», — señaló

Clark describió un escenario de automatización total de las investigaciones en IA — un modelo que de forma autónoma:

• plantea tareas de investigación;
• diseña experimentos;
• escribe y prueba código;
• optimiza el entrenamiento;
• mejora la arquitectura de la siguiente versión de IA

El experto calificó esto como «el umbral en un futuro casi impredecible» y estimó la probabilidad de tal escenario en un 60% en los próximos dos años

En qué se basa la evaluación

La conclusión de Clark se fundamenta en la dinámica de varios benchmarks:

• SWE-Bench — prueba para resolver tareas ingenieriles reales a partir de un repositorio de GitHub. A finales de 2023, los mejores modelos resolvían aproximadamente el 2% de los casos; para la primavera de 2026, la cifra alcanzó el 94%;
• CORE-Bench — reproducción de resultados de artículos científicos de IA, con configuración del entorno, ejecución del código y análisis de resultados. Según Clark, el benchmark está prácticamente «cerrado»: los agentes modernos muestran alrededor del 95,5%;
• MLE-Bench — realización de tareas de ML a nivel de Kaggle. Los mejores sistemas de agentes ya alcanzan un 64-65%.

Según el cofundador de Anthropic, las tres métricas muestran una misma tendencia: la IA pasa rápidamente de escribir código puntual a realizar tareas completas de ingeniería e investigación.

Crecimiento de la autonomía

Otro argumento es el aumento en la duración de las tareas que los modelos de IA pueden realizar sin intervención humana.

Según METR, en 2022, los sistemas resolvían tareas que antes tomaban decenas de segundos a una persona. En 2024, el indicador creció aproximadamente hasta 40 minutos, y en 2025, hasta seis horas. Actualmente, los modelos avanzados pueden realizar trabajo ingenieril durante unas 12 horas seguidas.

Clark relacionó esto con la difusión de herramientas agenticas para programación. Cuanto más tiempo mantiene la meta, verifica resultados intermedios y corrige errores, más etapas del ciclo de investigación puede delegar.

Por qué esto es importante para el desarrollo de IA

El ciclo actual de desarrollo de IA sigue un esquema: estudiar materiales, reproducir resultados, recopilar experimentos, entrenar o ajustar modelos, verificar métricas, identificar cuellos de botella y repetir. El crecimiento en SWE-Bench, CORE-Bench y MLE-Bench muestra que los modelos ya manejan fragmentos enteros de ese ciclo.

Clark destacó además el progreso en tareas más especializadas. Por ejemplo, las IA comienzan a usarse para diseñar núcleos de GPU — código que determina la eficiencia del entrenamiento y la inferencia de modelos en hardware específico.

Otra área es el ajuste fino de modelos. En el benchmark PostTrainBench, los sistemas de IA mejoran pequeños LLM de código abierto.

Para la primavera de 2026, las mejores redes neuronales alcanzan un 25-28% del incremento objetivo (en equipos humanos, un 51%). Clark considera que este resultado es significativo: el objetivo lo establecen modelos instructivos reales, creados por investigadores experimentados.

Anthropic midió cómo sus modelos optimizan el entrenamiento de LLM en CPU. En un año, la aceleración creció de 2,9 veces (Claude Opus 4) a 52 (Claude Mythos Preview). Para un humano, una tarea similar suele tomar entre cuatro y ocho horas.

La IA ya aprende a gestionar IA

Clark señaló que los sistemas actuales comienzan a coordinar el trabajo de otros agentes. Este enfoque ya se usa en productos como Claude Code o OpenCode: un asistente distribuye tareas entre varios subasistentes, los controla y recopila resultados.

Para el desarrollo de IA, esto es importante: rara vez se trata de una tarea lineal — generalmente, son decenas de procesos paralelos, incluyendo escritura de código y configuración del entorno. Si la IA empieza a gestionar estos procesos de forma autónoma, la participación humana se reducirá drásticamente.

¿Necesitan las redes neuronales creatividad?

Según el cofundador de Anthropic, una de las preguntas clave es a qué se asemeja más el desarrollo de IA: ¿a descubrir la teoría general de la relatividad o a construir con Lego?

Clark admitió que las LLM actuales aún no son capaces de generar ideas científicas fundamentalmente nuevas. Sin embargo, para automatizar gran parte de la I+D en IA, esto puede no ser necesario.

«En general, la IA avanza mediante la ejecución metódica por parte de las personas de cierto ciclo: tomar un sistema que funciona bien, escalar algún aspecto, observar errores al escalar y corregirlos. Esto requiere muy pocas ideas no convencionales, y la mayor parte de ese proceso se asemeja a un trabajo de ingeniería preliminar poco atractivo», — señaló el experto

Primeros signos de contribución científica

Clark cree que las modelos de IA ya muestran signos tempranos de intuición científica. Mencionó varios ejemplos en matemáticas e informática:

• un equipo de matemáticos, usando Gemini, verificó unas 700 tareas de Erdős y obtuvo 13 soluciones, una de las cuales los investigadores calificaron como una contribución «ligeramente no trivial» a un problema abierto;
• científicos de la Universidad de Columbia Británica, la Universidad de Nueva Gales del Sur, Stanford y Google DeepMind publicaron una demostración matemática encontrada con una participación significativa de herramientas basadas en Gemini.

Qué pasará si el pronóstico es correcto

Clark señaló que los principales laboratorios de IA ya avanzan hacia la automatización de investigaciones. OpenAI planea crear un IA-aprendiz para actividades científicas autónomas, y Anthropic publica trabajos sobre ajuste automático a valores humanos.

Si el ritmo actual se mantiene, la industria entrará en una fase de automatización total del desarrollo de IA, pronosticó el experto — se iniciará un ciclo en el que cada nueva generación de IA acelera la aparición de la siguiente.

Según sus palabras, si para fines de 2028 se produce esa transición, el mundo enfrentará no solo un salto tecnológico. También saldrán a la vanguardia cuestiones fundamentales de seguridad, distribución de capital, papel del trabajo humano y control de sistemas que comienzan a desarrollarse más rápido que sus creadores.

«Si tuviera que dar una probabilidad para 2027, diría un 30%. Si no lo vemos para fines de 2028, creo que habrá alguna limitación en la paradigma tecnológico actual, y para avanzar será necesario un invento humano», — concluyó Clark

Recordemos que en enero, el CEO de Anthropic, Dario Amodei, predijo la pronta aparición de la AGI y la reducción de empleos