La década siguiente, dos años después: las máquinas llegaron a tiempo, nosotros no

Cómo nació esta serie, qué le pasó al trabajo en dos años y por qué la temporada 2 mira hacia nosotros. Aunque ya la llamen superinteligencia.

Hay gráficos que se te quedan pegados. Este me acompaña desde junio de 2024.

Míralo con calma. A la izquierda, GPT-2, en 2019: un "preescolar". En 2023, GPT-4: un "estudiante destacado de secundaria". Y a la derecha, punteado, 2027, con un signo de pregunta: "investigador de IA automatizado".

Lo dibujó Leopold Aschenbrenner, que había trabajado en OpenAI, en un ensayo llamado "Situational Awareness: The Decade Ahead". Su apuesta tenía dos pisos.

El primero, la AGI en 2027. AGI es una IA que puede hacer cualquier trabajo intelectual que hace una persona. No una tarea. Cualquiera. Su vara era aún más concreta: una IA que haga el trabajo de quien construye la IA.

El segundo, la superinteligencia: una IA más capaz que los mejores de nosotros en casi todo. Para él llegaba sola y antes de que termine la década, porque una IA que mejora a la IA se acelera sin parar.

Y si una IA puede hacer cualquier trabajo intelectual, la pregunta deja de ser técnica. Es nuestra: qué hacemos nosotros.

De ese subtítulo salió el nombre de esta serie: La década siguiente.

Escribí sobre educación, banca y derecho. Escribí sobre la AGI y terminé ese artículo con "¡El futuro es ahora!". Una frase que hoy no firmaría, porque no decía nada.

Lo que nunca respondí fue la pregunta que de verdad importaba: si ese gráfico se cumple, ¿qué nos pasa a nosotros?

Esa es la temporada 2.

Primero, qué es un OOM

¿Cómo se mide el camino hasta ahí? Aschenbrenner lo midió en OOMs, órdenes de magnitud. Un OOM es multiplicar por 10.

Piénsalo con plata. De 1 sol a 10 soles es un OOM. De 1 sol a 100.000 soles son cinco.

Entre GPT-2 y GPT-4 hubo unos cinco OOMs de cómputo efectivo. Y la apuesta de 2024 era que vendrían otros cinco hasta 2027.

Dos años después: no llegó Terminator

En mis charlas abro con una pregunta: ¿cuánto falta para Terminator?

La gente se ríe. Y después hago la pregunta que incomoda: ¿y si ya pasó algo, pero no se parece a la película?

Porque eso es lo que pasó.

METR, un laboratorio independiente, mide algo muy simple: qué tan largo es el trabajo que una IA puede hacer sola, sin que nadie la ayude. Y lo mide en tiempo humano: cuánto le tomaría esa misma tarea a un experto.

En 2023, GPT-4 podía hacer solo tareas que a una persona le toman unos 3,5 minutos. A inicios de 2026, Claude Opus 4.5 ya hacía tareas que a una persona le toman más de 5 horas.

Ojo: no es que la IA tarde más. Es que ya puede hacer sola trabajos que a ti te toman media jornada. Y el tamaño de esos trabajos se duplica cada siete meses.

De unos minutos a media jornada en menos de tres años. Sin robots. Sin explosiones. En una pantalla, en la oficina de al lado.

¿Llegamos a la AGI?

Todavía no. Quien construye IA trabaja en problemas de semanas o meses. La IA de hoy hace sola trabajos de horas. Resuelve acertijos de lógica mejor que el 98% de las personas, pero todavía se tropieza con cosas que un practicante resolvería.

Aunque en Estados Unidos ya le cambiaron el nombre a la IA. El 29 de septiembre, una orden ejecutiva mandó que el gobierno diga "Super Intelligence" en lugar de "Artificial Intelligence". En esa misma orden, la superinteligencia se define igual que la IA de siempre. Cambió el nombre, no la máquina.

Mi lectura: la AGI no va a llegar con un anuncio. Va a llegar por partes, tarea por tarea, mientras discutimos si ya llegó.

Y para tu trabajo, eso es lo que importa. No necesitas que exista la AGI para que la IA haga la mitad de tu semana.

Lo que le hace a tu trabajo

En las charlas lo explico así. Durante años el trabajo tuvo dos dimensiones: dónde trabajas (oficina o casa) y cuándo (en vivo o a tu ritmo). La IA agrega una tercera: con qué inteligencia trabajas.

Y te hago la misma pregunta que les hago a ellos.

En un test de IQ, 130 puntos está dos desviaciones por encima del promedio. Por definición, solo algo más del 2% de las personas llega ahí. ¿Cuántas de esas personas hay en tu equipo?

Ahora mira a las IA. TrackingAI aplica cada semana un test de IQ con preguntas que no están publicadas en internet, para que ningún modelo las haya memorizado. Al 17 de octubre, las mejores versiones de Claude y ChatGPT marcan 135 y 134. Gemini y Grok están en 127 y 126.

O sea, varias ya están en ese 2%. Ojo: es un test de acertijos de lógica, no de tu trabajo. Pero la pregunta cambia.

Y esas IA las puedes sumar a tu equipo, a costo de software, todas las que quieras.

¿Qué les darías primero?

Casi nadie tiene la respuesta lista. Y ahí está el verdadero cuello de botella de esta década. No falta inteligencia. Faltan buenas preguntas, procesos claros y alguien que decida.

Una IA que hace tareas sueltas te ahorra minutos. Una que lleva un proceso completo cambia cómo se organiza un área. La diferencia no la pone el modelo. La pone quién diseña el proceso.

Quién paga primero

En 2014, en mis primeros años en datos, mi trabajo era de reporting. Armaba reportes. Horas de cruzar datos para que alguien viera un número a tiempo.

Ese trabajo me enseñó casi todo. Dónde se rompen los datos, qué pregunta hay detrás de cada número, por qué un gerente desconfía.

Hoy una IA arma ese reporte en minutos.

Y me pregunto: si yo empezara hoy, ¿dónde habría aprendido?

No es una pregunta nostálgica. El Digital Economy Lab de Stanford encontró, en su versión revisada de agosto de 2026, que el empleo de jóvenes de 22 a 25 años en ocupaciones expuestas a la IA está 19% por debajo de donde estaría si siguiera el ritmo de los menos expuestos. En los trabajadores con experiencia no aparece esa brecha.

Ese es el golpe que no salía en ninguna película. La IA no empezó por reemplazar al gerente. Empezó por el primer escalón.

Y si hoy se achica la base, en 2036, dentro de diez años, vamos a tener una pregunta difícil: ¿de dónde salen los seniors?

Qué hacemos

1. Piensa en procesos, no en tareas. Elige un proceso que hoy pase por varias manos. Pregúntate qué parte podría llevar un agente y quién lo revisaría.
2. El contexto vale más que el modelo. Los modelos se parecen cada vez más. Lo que no se copia es lo que sabe tu empresa: sus definiciones, su historia, sus reglas. Context is king.
3. Diseña cómo aprende tu próximo junior. Si la IA hace lo que antes le tocaba a él, alguien tiene que decidir qué va a hacer para aprender. Eso ya no pasa solo.

Y una regla que uso conmigo mismo: si algo no lo sé, dame una hora. Aprender ya no es una etapa. Es parte del trabajo.

La temporada 2

Esta serie vuelve con otra mirada. Ya no solo qué puede hacer la IA en una industria, sino qué le hace a la gente que trabaja ahí: qué tareas cambian, quién gana, quién pierde y qué podemos hacer.

El próximo domingo empezamos con salud, el sector donde trabajo.

Y dejo dos apuestas escritas, para que me las cobres.

Una: a fines de 2027 no habrá un anuncio de AGI; habrá una discusión sobre si ya llegó. La reviso en enero de 2028.

Dos: para 2030, las empresas que formen talento junior a propósito van a ser la excepción, y se van a notar. La reviso en octubre de 2030.

Ahora te toca a ti.

¿Qué parte de tu trabajo de 2024, hoy ya la hace una IA, y nadie lo dijo en voz alta?

Fuentes

• Leopold Aschenbrenner, "Situational Awareness: The Decade Ahead" (junio 2024), capítulo "From GPT-4 to AGI: Counting the OOMs"
• METR, "Time Horizon 1.1" (29-ene-2026)
• Brynjolfsson, Chandar y Chen, "Canaries in the Coal Mine?", Stanford Digital Economy Lab (revisado el 12-ago-2026)
• TrackingAI.org, AI IQ Test Results, test offline (actualizado el 17-oct-2026)
• Casa Blanca, Orden Ejecutiva 14434 "Inaugurating the Era of Super Intelligence" (29-sep-2026)

Deyvis Laura
Fundador de NLP Analytics. Líder de transformación digital con IA y datos, docente de posgrado y speaker.