Modelos de inteligencia artificial que mejoran el doble de rápido que hace un año, sin señales de desaceleración, y con trabajadores que reportan hasta 12 veces más productividad al usarlos: estos son los hallazgos centrales de un estudio de 11 semanas realizado por METR, una organización especializada en seguridad de IA, dentro de las instalaciones de uno de los laboratorios más relevantes del sector.

Lo que distingue este informe de otros análisis del mercado es su origen: no se trata de proyecciones externas ni benchmarks públicos, sino de una evaluación interna con acceso directo a procesos de investigación y desarrollo. Los datos recopilados mediante encuestas y entrevistas con empleados del laboratorio apuntan a un fenómeno que los especialistas en seguridad consideran de alta relevancia: la aceleración del desarrollo de IA no proviene principalmente del incremento en capacidad de cómputo —el motor histórico del avance en el sector—, sino del uso de la propia inteligencia artificial para construir versiones más capaces de sí misma.

La autonomía como variable de riesgo

Esta distinción tiene implicaciones profundas para cualquier organización que dependa de sistemas de IA o que planee integrarlos en procesos críticos. Si el ritmo de mejora está ligado al cómputo, es predecible y controlable. Si está ligado a la capacidad de la IA para optimizarse a sí misma, el margen de anticipación se reduce significativamente.

Hasta ahora, la aceleración documentada ocurre en un esquema de colaboración entre IA y humanos. Sin embargo, el informe de METR señala que las contribuciones completamente autónomas —sin intervención humana en el ciclo de mejora— podrían ganar peso en el corto plazo. No se identificaron cuellos de botella técnicos ni rendimientos decrecientes que frenen esta trayectoria.

Transparencia limitada en un momento crítico

El estudio llega en un contexto de tensión entre apertura y control. El laboratorio evaluado tuvo capacidad de censurar secciones del informe final antes de su publicación, lo que acota el alcance de lo que se puede conocer públicamente sobre los riesgos reales del proceso. Esta condición no es menor: en un sector donde la confianza institucional es un activo estratégico, la opacidad parcial genera incertidumbre tanto para reguladores como para empresas que toman decisiones de adopción tecnológica basadas en información disponible.

Para los mercados de México y Latinoamérica, donde la adopción empresarial de IA avanza a ritmo acelerado, este tipo de hallazgos obliga a replantear los marcos de evaluación de riesgo tecnológico. La pregunta ya no es solo qué puede hacer la IA hoy, sino a qué velocidad cambiará lo que puede hacer mañana, y quién tiene visibilidad real sobre ese proceso.