Qué significa AGI

Pocos términos de la tecnología pesan tanto con tan poco acuerdo. La inteligencia artificial general, AGI por sus siglas en inglés, es el objetivo declarado de los mayores laboratorios de IA, el objeto de una famosa cláusula contractual y el horizonte de muchas previsiones.

Aquí explicamos qué significa el término, en qué punto están los sistemas en el otoño de 2026 y qué creemos que debería hacer una empresa con él.

Qué se entiende por AGI

Empecemos por tres términos sencillos. La IA estrecha hace un solo trabajo, a menudo mejor que cualquier persona: un programa de ajedrez, un filtro de spam, un modelo que predice cómo se pliegan las proteínas. La IA general haría la mayor parte del trabajo intelectual que hacen las personas, en todos los campos, y aprendería un trabajo nuevo como lo aprende una persona. La superinteligencia superaría a cualquier persona en casi todo. La IA estrecha está en todas partes. La discusión gira en torno a las otras dos.

La definición más citada está en la carta fundacional de OpenAI de 2018: sistemas altamente autónomos que superan a los humanos en la mayor parte del trabajo con valor económico. Mide el trabajo, no la mente.

En 2023, un grupo de investigadores de Google DeepMind en torno a Meredith Ringel Morris propuso niveles en lugar de una única meta. Evalúan un sistema según su rendimiento, de emergente a sobrehumano, y según su grado de generalidad. AlphaFold es sobrehumano, pero estrecho. Situaron a ChatGPT, Bard, Llama 2 y Gemini en el primer nivel de IA general: igual o algo mejor que una persona sin formación. La autonomía, señalaban, es una cuestión aparte.

En octubre de 2025, Dan Hendrycks y 32 coautores definieron la AGI como una IA que alcanza la versatilidad y la competencia cognitivas de un adulto con buena formación, medidas en diez áreas como el razonamiento, la memoria y la percepción. GPT-4 obtuvo un 27 por ciento y GPT-5 un 57 por ciento. El perfil era irregular: fuerte donde ayuda el conocimiento, débil en lo básico, como guardar lo que aprende con el tiempo.

La ARC Prize Foundation define la AGI como un sistema capaz de adquirir cualquier habilidad que pueda adquirir un humano, con la misma eficiencia que un humano. Sobre esa idea construye sus pruebas.

En qué punto estamos en 2026

El movimiento más claro de este año llegó en la prueba más reciente de la fundación. Cuando se lanzó ARC-AGI-3 en marzo, una serie de juegos interactivos sin instrucciones, las personas resolvieron todos los juegos y los mejores sistemas de IA obtuvieron un 0,51 por ciento. En septiembre, GPT-6 Astra de OpenAI alcanzó un 62,7 por ciento en la configuración estándar y un 99,9 por ciento en una configuración que conserva el razonamiento oculto del modelo entre un paso y el siguiente. La fundación lo calificó de salto, y añadió que no afirma que el resultado sea AGI: la prueba tiene un alcance muy acotado y no refleja lo abierto y complejo que es el mundo real.

El trabajo real avanza más despacio. METR cronometra a agentes de IA en tareas de software y los compara con personas con experiencia. En mayo informó de que los mejores modelos públicos tenían éxito la mitad de las veces en tareas que a una persona le llevan unas 12 horas. Para acertar cuatro de cada cinco veces, las tareas tenían que reducirse a una hora y media aproximadamente. Las tareas largas se pueden intentar. Las cortas se terminan de forma fiable.

Las figuras más destacadas del sector no se ponen de acuerdo sobre cuánto falta. En agosto, Sam Altman dijo a TIME que OpenAI aún no había llegado del todo, pero que antes de fin de año tendría un sistema interno al que él llamaría AGI. En Davos, en enero, Demis Hassabis, de Google DeepMind, afirmó que los sistemas actuales están muy lejos de una AGI de nivel humano y que quizá hagan falta uno o dos avances más. Yann LeCun, que dejó Meta para fundar AMI Labs, sostuvo que los modelos entrenados con texto nunca alcanzarán una inteligencia de nivel humano, porque les falta un modelo de causa y efecto en el mundo real.

En conjunto, los sistemas actuales son sobrehumanos en algunas tareas, expertos en muchas y todavía débiles a la hora de recordar, aprender trabajando y mantenerse fiables durante mucho tiempo. Que eso cuente como AGI depende de la definición que se adopte.

Por qué la palabra importa de todos modos

Durante años, la palabra tuvo un precio. En la alianza original, Microsoft perdería sus derechos sobre la tecnología de OpenAI en cuanto OpenAI alcanzara la AGI. En diciembre de 2024, The Information informó de un criterio financiero: la AGI se daría por alcanzada cuando los sistemas de OpenAI generaran al menos cien mil millones de dólares en beneficios. En octubre de 2025, ambas empresas acordaron que un panel de expertos independientes tendría que verificar cualquier declaración, y ampliaron los derechos de Microsoft hasta 2032, incluidos los modelos posteriores a la AGI.

En abril de 2026, la cláusula desapareció. Los pagos de una parte de los ingresos de OpenAI a Microsoft continúan ahora hasta 2030, con un tope total e independientemente del progreso tecnológico de OpenAI, y la licencia de Microsoft hasta 2032 ya no es exclusiva. Como resumió The Verge, ya no hay panel ni ninguna regla sobre qué ocurre si se declara la AGI, ni cuándo.

La palabra también conlleva promesas. La carta de OpenAI compromete a la empresa a dejar de competir con un proyecto que comparta sus valores y cuide la seguridad, y a empezar a ayudarlo, si ese proyecto se acerca a la AGI antes que ella. Una promesa así solo funciona si alguien sabe reconocer cuándo se ha llegado cerca.

El legislador evita la palabra. El Reglamento de IA de la UE regula los modelos de IA de uso general, cuyos proveedores tienen obligaciones desde el 2 de agosto de 2025, y presume un riesgo sistémico en un modelo entrenado con más de 10 elevado a 25 operaciones de coma flotante. La ley cuenta lo que puede medir. Y una previsión de AGI condiciona inversiones, contrataciones y la paciencia de los consejos de administración mucho antes de que nadie se ponga de acuerdo sobre qué ha llegado.

Qué significa para una empresa

Para una empresa, esperar una declaración es el plan equivocado. Puede que nunca llegue, y el contrato muestra que puede dejar de importar incluso a quienes la negociaron. El perfil irregular es la parte útil: el mismo sistema puede ser sobrehumano en una tarea y poco fiable en la siguiente. Así que la pregunta no es cuándo llegará la AGI. Es qué trabajo se puede delegar ya, y con qué pruebas.

Haz una lista del trabajo que tu equipo repite: la oferta, el cierre de mes, la respuesta a una consulta estándar, el primer borrador de una página. Hazte tres preguntas sobre cada uno. ¿Puede una máquina hacerlo hoy lo bastante bien? ¿Puede una persona revisar el resultado en pocos minutos? ¿Se puede deshacer un error con poco coste? Empieza donde las tres respuestas sean sí.

Después, delégalo paso a paso. Primero la máquina redacta y una persona decide. Cuando los borradores dejan de necesitar correcciones a lo largo de suficiente trabajo real como para que cuente, la máquina ejecuta la rutina y una persona aprueba en puntos de control fijos. Solo entonces funciona por sí sola, dentro de reglas escritas y con cada paso registrado. En todo momento, las personas marcan la dirección y revisan el resultado. Lo que cambia es cuánta parte del trabajo intermedio asume la máquina.

Nada de esto espera a una definición. Incluso un sistema que superara todas las pruebas de AGI necesitaría el conocimiento de una empresa, sus reglas y una persona que responda del resultado. Todo eso se puede construir ahora, se llame como se llame el próximo modelo.

Dónde está crue

Nuestra línea dice: Liderado por personas. Impulsado por IA. Autónomo después. Describe un camino, no una previsión sobre la AGI.

Hoy, cada producto de crue está liderado por personas. Las personas aportan la idea, la experiencia y el gusto, la IA se encarga de la producción, y las personas revisan el resultado y le dan el toque final. Después, los productos se vuelven agénticos: los agentes hacen la mayor parte del trabajo, y las personas fijan los objetivos y aprueban en los puntos de control. Más adelante llega la autonomía, una rutina tras otra, a medida que cada una se la gana.

No construimos AGI y no la esperamos. Los mejores modelos acercan cada etapa, pero las etapas no dependen de cómo llame un laboratorio a su sistema. Helm, nuestra visión de una empresa dirigida por su fundador con agentes, es donde llevamos ese camino más lejos. Twin da a una empresa su cerebro de IA, y Eigna un modelo privado propio.

Si un día un sistema cumple todas las definiciones de AGI, una empresa se hará las mismas preguntas que hoy: qué trabajo delegar, quién marca la dirección y quién responde del resultado. La palabra seguirá moviéndose. Alguien tendrá que seguir al timón.