Un grupo de 22 investigadores, incluidos autores afiliados a OpenAI, Anthropic y Microsoft, pide a los gobiernos supervisar el uso de inteligencia artificial para desarrollar nuevos sistemas de IA. En un documento de trabajo divulgado el 28 de septiembre de 2026, advierten que un ciclo de mejoras sucesivas podría comprimir años de avances en meses o menos y superar la capacidad de respuesta de las instituciones. Lo llaman "explosión de inteligencia", pero reconocen que la evidencia aún es preliminar y que esa aceleración no ha ocurrido.
El texto lo firman, entre otros, Jakub Pachocki, Jack Clark, Eric Horvitz, Geoffrey Hinton y Yoshua Bengio. La lista incluye a investigadores de universidades y organizaciones especializadas. Sus autores aclaran que las opiniones no representan necesariamente a las instituciones con las que están afiliados: no es una declaración conjunta de las compañías.
El código escrito por IA no equivale a investigación autónoma
El informe parte de un cambio observable dentro de los laboratorios: los sistemas ya programan y participan en tareas de investigación que ayudan a construir modelos posteriores. Anthropic informó que, en mayo de 2026, Claude había escrito más de 80% del código incorporado a su base de código. Esa cifra mide líneas de código aceptadas por la compañía, no la proporción de decisiones científicas tomadas sin personas.
Una segunda medición de Anthropic ofrece otra escala. En agosto de 2026, Claude lideraba 26% del trabajo de investigación y desarrollo de IA que la empresa evaluó: podía completar gran parte de una tarea a partir de una indicación general, con supervisión humana. La propia compañía indicó que no encontró autonomía plena en ninguna de las partes del trabajo medidas. Los dos porcentajes tienen denominadores y fechas distintos; leer el primero como si significara que Claude ya investiga solo exageraría lo observado.
Los proyectos que automatizan experimentos y comparan resultados muestran piezas de ese proceso, como explicó FomoEra al revisar Inherent y Recursive. Aún requieren objetivos, infraestructura y criterios de evaluación definidos por personas.
La aceleración depende de un ciclo que todavía no se ha demostrado
La hipótesis del nuevo informe tiene dos pasos. Una IA más capaz amplía la cantidad de trabajo que puede realizar un equipo de investigación. Ese trabajo ayuda a crear sistemas mejores, que vuelven a ampliar la capacidad del equipo. Si el ciclo se repitiera lo bastante rápido, la mejora del software podría acelerarse de forma marcada sin esperar a construir nuevo hardware.
Los autores admiten obstáculos concretos: los descubrimientos pueden volverse más difíciles, los experimentos consumen capacidad de cómputo y datos, algunas tareas resisten la automatización y entrenar un modelo lleva tiempo. Señalan además que las ganancias de productividad observadas todavía no alcanzan el umbral que, en su análisis, iniciaría una explosión. El documento de trabajo describe una ruta posible y sus riesgos, no una predicción fechada ni una prueba de que la IA ya se mejora por sí sola de forma sostenida.
Su preocupación abarca el control de sistemas muy capaces y la posibilidad de que instituciones públicas, rivales o ciudadanos no puedan seguir el ritmo de sus decisiones. También advierten que una ventaja técnica concentrada en pocas manos podría debilitar los contrapesos entre empresas y gobiernos. Son consecuencias condicionales del escenario planteado, no efectos observados de la automatización actual.
Qué piden medir y quién debería comprobarlo
La propuesta inmediata de los autores es obtener información que hoy se conoce sobre todo dentro de las empresas. Plantean reportes comparables sobre la proporción de aportes de investigación producidos por IA, las mejoras de eficiencia de los algoritmos, la supervisión de los agentes y los incidentes durante su uso interno. También sugieren evaluaciones independientes antes de desplegar dentro de los laboratorios determinados sistemas que investigan IA.
Si aparecen señales de una aceleración extrema, recomiendan preparar con anticipación requisitos de seguridad para seguir desarrollando y desplegando sistemas, mecanismos para responder a incidentes y acuerdos que permitan verificar límites al ritmo de avance. El informe pide estudiar también cómo proteger los contrapesos institucionales. Reconoce un riesgo de sus propias propuestas: un control mal diseñado podría favorecer a una sola empresa y restringir a sus competidores.
Por ahora, el paso verificable es más modesto que el escenario que motiva la alerta: medir de manera comparable lo que los agentes hacen dentro de los laboratorios y permitir que terceros revisen esas mediciones. Sin esos datos, resulta difícil saber cuándo la automatización pasa de asistir a los investigadores a dirigir una parte decisiva del desarrollo de nuevas IA.
