El AI Futures Project prevé que una inteligencia artificial capaz de automatizar la investigación en IA y tomar decisiones de investigación al nivel de los mejores especialistas podría llegar en 2027. Los autores de AI 2027 adelantaron sus estimaciones tras conocer una evaluación de METR sobre el ritmo de desarrollo en Anthropic, bajo el supuesto de que no haya una desaceleración deliberada importante.
La actualización, publicada el 10 de noviembre de 2026, cambia las previsiones de un grupo que combina investigación sobre el futuro de la IA con propuestas para regular su desarrollo. No es una fecha confirmada ni una conclusión del informe de METR: los autores parten de sus propios cálculos sobre ese informe y de hipótesis sobre cómo avanzarán los modelos.
El grupo llama al objetivo Superhuman AI Researcher, o SAR. En su definición, el sistema tendría que automatizar la programación de un proyecto de IA y mostrar una capacidad comparable a la de sus mejores investigadores para elegir líneas de trabajo, seleccionar experimentos e interpretar resultados. Ese umbral se refiere a la investigación de IA, no a superar a los mejores seres humanos en cualquier actividad.
Antes de esta revisión, Daniel Kokotajlo, uno de los autores y quien mantenía las previsiones más tempranas del equipo, daba una probabilidad de 50 % a que ese tipo de sistema llegara antes de 2029. Ahora los autores consideran probable su llegada durante 2027 si los desarrolladores no frenan el avance más de lo que lo han hecho recientemente.
De la evaluación de METR al cálculo de 1.7 veces
METR examinó datos internos de Anthropic, entrevistó a personal y revisó resultados de modelos entre agosto y octubre de 2026. Su conclusión general fue que, en octubre, las capacidades de los modelos en tareas bien definidas probablemente mejoraban a alrededor del doble del ritmo observado entre marzo de 2024 y octubre de 2025. La organización recalcó que existe una incertidumbre considerable.
Una de las mediciones utilizadas fue AECI, una versión de Anthropic del índice de capacidades de Epoch AI. METR calculó que las puntuaciones en esas pruebas crecieron a 1.9 veces el ritmo anterior desde octubre de 2025, con un intervalo de confianza del 95 % de 1.5 a 2.8 veces. Esa cifra describe la velocidad de mejora en las pruebas: no significa que cada modelo sea casi dos veces más capaz que el anterior.
METR estimó de manera tentativa que quizá el 80 % de la aceleración actual se deba al uso de IA en investigación y desarrollo. Se refería a la parte atribuible de esa aceleración, no al porcentaje de tareas realizadas por IA. A partir de esa estimación y del ritmo general cercano al doble, el AI Futures Project calculó una aceleración de aproximadamente 1.7 veces atribuible a la IA frente al ritmo histórico.
Esa cifra de 1.7 veces es una interpretación del proyecto, no una medición que METR haya publicado con ese valor. Tampoco equivale a decir que cada investigador sea 1.7 veces más productivo. Los autores compararon su cálculo con una trayectoria aproximada del escenario AI 2027 y concluyeron que ese indicador estaría unos cinco meses por delante de lo previsto en aquella trayectoria.
AI 2027, publicado en abril de 2025, describe un escenario con desenlaces alternativos. Su cronología es una representación de un futuro posible, no una secuencia de hechos observados.
Patricia Rodriguez
Qué dicen los modelos y qué dejan abierto
Los autores usaron varios métodos, con resultados diferentes. Una extrapolación sencilla de la capacidad para orientar investigaciones apunta a julio o septiembre de 2027, según cómo se incorporen los parámetros inciertos. Otro cálculo que extiende las mejoras de productividad declaradas por trabajadores apunta a mediados de 2028.
Al filtrar las trayectorias del AI Futures Model para que coincidan con una aceleración atribuible a la IA de 1.7 veces en noviembre de 2026, el modelo arroja una mediana de febrero de 2027 para el SAR. Una mediana de este tipo sitúa la mitad de las trayectorias antes de esa fecha y la otra mitad después. Es el resultado de un modelo condicionado a un supuesto, no la fecha única elegida por todo el equipo.
Los propios autores reconocen que el modelo filtrado podría adelantar demasiado el resultado. Entre otras limitaciones, puede atribuir a los sistemas actuales más capacidad para orientar investigaciones de la que tienen y no refleja por completo el tiempo necesario para entrenar nuevas versiones. El análisis se publicó con rapidez y el equipo admite que podría contener errores de modelado.
También depende de evidencia que el público no puede revisar por completo. METR señaló que Anthropic reservó la mayor parte de la información que los evaluadores consideraron más útil para sus conclusiones sobre riesgos. Además, el evaluador advirtió que los resultados en tareas bien definidas podrían no trasladarse del mismo modo a problemas más abiertos y difíciles de medir.
La diferencia entre asistir y reemplazar la investigación
La evaluación de METR indica que, por ahora, la aceleración procede principalmente de la asistencia de IA a investigadores humanos. La organización no encontró que los sistemas ya hicieran contribuciones plenamente autónomas de gran importancia en las etapas más relevantes del entrenamiento de modelos.
El AI Futures Project sostiene que, si su previsión se cumple, una IA capaz de hacer investigación autónoma podría acelerar la creación de sistemas posteriores. Por esa razón, sus autores piden una pausa o una desaceleración sustancial del desarrollo de los modelos más avanzados, seguida idealmente por un acuerdo internacional.
El grupo también ofrece una previsión separada para sistemas superiores a los mejores especialistas humanos en prácticamente todas las tareas: sus autores sitúan entre 35 % y 65 % la probabilidad de que lleguen antes de 2028. Ese es un umbral más amplio que el SAR y, como el resto de sus fechas, depende de sus modelos y del ritmo futuro de desarrollo.
