Los líderes de IA dicen que los sistemas a nivel humano se están acercando rápido

El rápido progreso en inteligencia artificial está obligando a gobiernos e instituciones a enfrentar un camino mucho más corto hacia sistemas a nivel humano de lo que se esperaba anteriormente. Los líderes de la industria ahora dicen que la brecha entre las herramientas actuales y la inteligencia general artificial se está reduciendo rápidamente. A medida que el desarrollo se acelera, las preocupaciones en torno al empleo, la gobernanza y la estabilidad económica se están colocando en el centro del debate.

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

En el Foro Económico Mundial en Davos, el CEO de Anthropic, Dario Amodei, advirtió que los responsables políticos pueden no estar preparados para la rapidez con la que se acerca la IA avanzada. Apareciendo junto al CEO de Google DeepMind, Demis Hassabis, Amodei argumentó que es poco probable que los sistemas sociales y los mercados laborales se adapten al mismo ritmo que el progreso técnico. En su opinión, el tiempo de preparación se está reduciendo en lugar de expandirse.

Amodei reiteró su creencia de que la IA a nivel humano está probablemente a solo unos años. Dijo que sus proyecciones anteriores siguen vigentes y que el progreso ha continuado a lo largo de una curva pronunciada. Las capacidades superhumanas, según su estimación, podrían llegar tan pronto como 2026 o 2027. En sus palabras, es difícil ver cómo el desarrollo podría extenderse mucho más allá de ese período.

Gran parte de esta rapidez proviene de que los sistemas de IA cada vez más asisten en su propio desarrollo. En Anthropic, dijo Amodei, los ingenieros de software ya están cambiando de escribir código a supervisar las salidas generadas por IA. Los ingenieros ahora dedican más tiempo a revisar y corregir código que a producirlo desde cero. Dentro de seis a doce meses, sugerió, los modelos de IA podrían manejar la mayoría de las tareas de codificación de principio a fin.

Varias fuerzas están impulsando este ciclo hacia adelante:

• Los modelos de IA ahora generan grandes porciones de código a nivel de producción.
• Los ingenieros actúan principalmente como revisores en lugar de autores principales.
• Las mejoras en el entrenamiento alimentan directamente actualizaciones más rápidas de los modelos.
• Los límites en el suministro de hardware frenan más la velocidad que la capacidad de investigación.
• Los ciclos de desarrollo más cortos comprimen las líneas de tiempo de adopción.

Hassabis de DeepMind sitúa las probabilidades de AGI en 50% para 2030

Reconociendo el fuerte progreso, Hassabis argumentó que no todos los campos son igualmente adecuados para la automatización. Áreas como la programación y las matemáticas son objetivos más fáciles porque los resultados se pueden verificar 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 luchan para generar nuevas preguntas o teorías. Producir hipótesis originales, en su opinión, representa uno de los niveles más altos de creatividad humana. La IA aún no ha demostrado una capacidad confiable en esta área y no está claro cuándo—o si—esa brecha se cerrará.

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 cuello blanco están cada vez más expuestos. Amodei ha estimado previamente que hasta la mitad de los trabajos profesionales de nivel de entrada podrían desaparecer dentro de cinco años, y en Davos mantuvo esa cifra. El trabajo de oficina, antes considerado protegido, ahora enfrenta presiones de automatización similares a las que transformaron la manufactura décadas atrás.

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

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

Para Amodei, el desafío se ha ampliado 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. Mientras que los riesgos vinculados al mal uso y a la tensión geopolítica siguen siendo manejables, el margen de error se está reduciendo.

Las principales presiones políticas que emergen del debate incluyen:

• Los cambios laborales ocurren más rápido de lo que los sistemas de reciclaje laboral pueden manejar.
• Lagunas regulatorias en torno a modelos poderosos de propósito general.
• Aumento de la desigualdad impulsado por la automatización del trabajo calificado.
• Concentración de capacidades de IA entre un pequeño número de grandes actores.
• Coordinación global limitada en estándares de seguridad.

Algunos analistas laborales creen que la disrupción puede llegar a través de la reestructuración del trabajo en lugar de la sustitución directa. Bob Hutchins, CEO de Human Voice Media, dijo que los roles profesionales se están fragmentando en tareas más pequeñas y supervisadas de cerca. Los algoritmos gestionan cada vez más los flujos de trabajo que antes controlaban los trabajadores individuales.

Según Hutchins, este cambio altera cómo se siente y funciona el trabajo. Los roles creativos y técnicos pasan de posiciones de toma de decisiones a roles de verificación. Los trabajadores revisan salidas en lugar de moldear proyectos. Con el tiempo, este proceso puede despojar a los trabajos de autonomía y reducir los salarios, incluso si los títulos permanecen sin cambios.

En lugar de preguntar si las máquinas reemplazarán a las personas, Hutchins argumentó que la atención debería desplazarse a cómo se altera la calidad del trabajo. A medida que las tareas se fragmentan y aumenta la supervisión, la identidad profesional misma puede erosionarse. Los gobiernos y empleadores ahora enfrentan un desafío que va más allá de preservar el empleo para preservar el trabajo significativo mientras las capacidades de IA continúan expandiéndose.