For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/es/articles/anthropic-s-sholto-douglas-on-agi-in-a-fe-4796d658.md.
La idea de una «IA más capaz que cualquier ser humano» todavía suena como una premisa lejana de ciencia ficción.
La idea de una «IA más capaz que cualquier ser humano» todavía suena como una premisa lejana de ciencia ficción.
Sholto Douglas no cree que sea lejana.
En una entrevista extensa con Joe Lonsdale y su compañero investigador de Anthropic Nick Marwell, Douglas afirmó que es probable que, en los próximos años, aparezcan modelos que igualen o superen la capacidad humana en el trabajo realizado mediante computadoras.
Su umbral es exigente.
No llama AGI a los sistemas actuales simplemente porque puedan programar, resolver benchmarks difíciles u operar software. Según su formulación, la línea se cruza cuando la IA puede realizar prácticamente todo el trabajo que un ser humano puede hacer en una computadora. A medida que mejore la robótica, espera que la misma expansión de capacidades se extienda también al trabajo físico.
Esta es una afirmación mucho más contundente que decir que «los asistentes de IA mejorarán».
El escenario más amplio de Douglas es igualmente ambicioso: el gasto anual de capital en IA podría seguir aumentando hasta llegar a billones de dólares, el progreso científico que antes tardaba siglos podría comprimirse en décadas y la economía global podría expandirse a un ritmo que hoy parece inverosímil.
Marwell aporta el contrapunto.
La fase actual, sostiene, todavía depende en gran medida de personas que trabajan con IA. Pero si ese socio humano finalmente deja de ser necesario, las consecuencias serán mucho más difíciles de predecir y mucho más preocupantes.
La entrevista se grabó en agosto y se publicó el 2 de octubre. Lonsdale dijo que la publicación se retrasó en parte porque el equipo de comunicaciones de Anthropic se opuso a divulgar parte del material.
Una vez publicado el episodio, los clips se difundieron rápidamente en X porque la entrevista puso cifras y plazos a varias ideas que los laboratorios de IA suelen tratar con mayor cautela.
Lonsdale abrió con una pregunta directa: ¿qué está intentando lograr Anthropic a continuación?
La respuesta de Douglas fue igual de directa.
Dijo que Anthropic cree que la AGI podría alcanzarse en los próximos años y que es probable que, en esa escala temporal, surjan modelos con una capacidad igual o superior a la de todos los seres humanos.
Para Douglas, la prueba práctica consiste en determinar si el sistema puede hacer todo lo que una persona puede hacer en una computadora.
Eso incluye mucho más que conversar.
Significa realizar trabajos como:
Una vez que la robótica sea suficientemente capaz, espera que los sistemas de IA se expandan más allá del trabajo digital y cubran una mayor parte de la economía física.
La entrevista se grabó poco antes de que OpenAI lanzara GPT-6 Astra.
Tras el lanzamiento de Astra, el presidente de OpenAI, Greg Brockman, describió públicamente el periodo como el inicio de una «era de la AGI», mientras que el CEO de NVIDIA, Jensen Huang, fue más lejos y escribió que «la AGI ha llegado».
Douglas no quedó convencido por esa etiqueta.
Cuando alguien preguntó en X el 23 de septiembre si Anthropic simplemente tenía un estándar más alto para la AGI, respondió:
«Obviamente, la AGI todavía no ha sucedido».
El desacuerdo es, en parte, definicional.
Un sistema puede ser extraordinario en programación, matemáticas, navegación web y benchmarks profesionales, pero seguir sin cumplir un estándar más estricto: «puede realizar todo el trabajo basado en computadora tan bien como cualquier ser humano».
Otro investigador de Anthropic, Jackson Kernion, respondió en la misma discusión que es muy posible que expertos de hace una década hubieran observado los modelos actuales y los hubieran llamado AGI.
Esto ilustra el problema del término en sí.
La frontera de capacidades se mueve con tanta rapidez que el umbral de AGI de ayer puede convertirse en una característica ordinaria de producto hoy.
Douglas afirma que la aceleración no es algo abstracto para él.
La observa en su trabajo diario de investigación.
Aproximadamente 18 meses antes de la entrevista, dijo que todavía escribía por sí mismo cada línea de código.
Unos meses después de unirse a Anthropic, los modelos podían ayudarle con la programación, pero él tenía que intervenir cada pocos minutos.
Para cuando se grabó la entrevista, podía delegar un trabajo que normalmente tomaría uno o dos días y dejar que el modelo continuara por sí solo.
Lo comparó con trabajar junto a un integrante junior del equipo.
Lonsdale preguntó si los sistemas de IA estaban realizando activamente tareas para él mientras se desarrollaba la entrevista.
Douglas respondió que sí: había varios funcionando en segundo plano.
Este cambio puede resumirse así:
programación manual
→ asistencia frecuente de IA
→ agente supervisado
→ trabajo delegado de varias horas o varios días
El cambio importante no consiste simplemente en un autocompletado más rápido.
Consiste en el tiempo durante el que un modelo puede seguir siendo útil antes de que un humano tenga que volver a intervenir.
El equipo de Marwell se centra directamente en ese problema: las tareas de horizonte largo.
Si los sistemas pueden mantenerse de forma fiable en una tarea durante periodos más largos, el valor económico de una sola llamada al modelo cambia de manera drástica.
Douglas también señaló el razonamiento matemático como evidencia de que el crecimiento de capacidades no se limita a la programación.
Mencionó FrontierMath, un benchmark difícil compuesto por problemas matemáticos de nivel experto, y describió el rendimiento de los modelos como un avance desde cerca de cero hasta bastante más del 60 % en aproximadamente un año.
La puntuación exacta depende del nivel del benchmark, el modelo, la configuración de evaluación y la fecha, por lo que el número no debe tratarse como una medida universal de la inteligencia matemática.
El punto más amplio es la velocidad del progreso.
Problemas que antes estaban casi completamente fuera de alcance pueden volverse abordables en un periodo sorprendentemente corto.
Ese avance rápido es una de las razones por las que Douglas está dispuesto a situar la AGI en un horizonte cercano, incluso mientras rechaza las afirmaciones de que ya ha llegado.
Si la industria va a construir sistemas de IA tan potentes, ¿cuánto capital requerirá?
Douglas ofreció una de las estimaciones más controvertidas de la entrevista.
Dijo que la cantidad de cómputo dedicada a la IA ha crecido aproximadamente entre dos y tres veces por año durante los últimos años.
A partir de ahí, esbozó una extrapolación sencilla:
~1 billón de dólares
→ ~2 billones de dólares
→ ~4 billones de dólares
La pregunta es si la industria puede seguir financiando esa curva.
Douglas sugirió que, si el crecimiento actual de la inversión continúa en términos generales, el gasto anual de capital en IA podría llegar aproximadamente a 4 billones de dólares para 2028.
Después vinculó esa inversión con la robótica y un crecimiento más amplio de la productividad, argumentando que el PIB mundial podría potencialmente duplicarse a principios de la década de 2030.
Esta segunda afirmación es mucho más especulativa.
El propio Douglas reconoció que parece extrema y que requeriría que muchas cosas salieran bien.
NVIDIA ha pronosticado por separado que el gasto anual global en infraestructura de IA podría alcanzar aproximadamente 3–4 billones de dólares para 2030.
Esto hace que la escala de la estimación de Douglas parezca menos aislada de lo que inicialmente suena.
Pero los plazos son diferentes.
NVIDIA habla del final de la década.
Douglas contempla la posibilidad de que la industria alcance el mismo rango de gasto anual aproximadamente dos años antes.
Y el siguiente paso —pasar del gasto en infraestructura a una duplicación del PIB mundial— es una hipótesis económica mucho mayor.
La predicción provocó una intensa reacción en línea.
El crítico de IA y profesor emérito de la NYU Gary Marcus rechazó de plano la afirmación sobre el PIB.
Su crítica fue que el argumento parte de una premisa relativamente plausible —una inversión de capital masiva— y luego se desliza hacia una conclusión mucho más incierta sobre el crecimiento económico global como si ambas tuvieran el mismo nivel de confianza.
Jürgen Schmidhuber también se burló de la afirmación, bromeando con que el PIB nominal podría duplicarse simplemente mediante la inflación.
Estas reacciones destacan una distinción importante.
La entrevista combina tres tipos diferentes de afirmaciones:
| Afirmación | Tipo |
|---|---|
| El gasto en infraestructura de IA está aumentando rápidamente | Tendencia observable |
| El gasto anual de capital en IA podría llegar a 4 billones de dólares en 2028 | Previsión |
| El PIB mundial podría duplicarse a principios de la década de 2030 | Escenario macroeconómico altamente especulativo |
Mantener separadas estas categorías hace que la discusión sea más útil.
Marwell planteó otra cuestión de costes: ¿qué ocurrirá con el precio de entrenar un único modelo de frontera?
Sugirió que las futuras ejecuciones podrían costar:
10 mil millones de dólares
100 mil millones de dólares
o incluso 1 billón de dólares
Estas son estimaciones de escenarios, no presupuestos divulgados para una ejecución específica de entrenamiento de Anthropic.
El razonamiento que las sustenta es que el retorno económico de la inteligencia puede aumentar drásticamente a medida que los modelos pasan de la asistencia de bajo nivel al trabajo independiente.
Un modelo de completado de pestañas ahorra segundos.
Un agente de programación que puede terminar una tarea por sí solo puede ahorrar horas.
Un sistema que puede completar de forma independiente un proyecto de varios días cambia cuánto puede estar dispuesta a pagar una empresa por cómputo.
Douglas añadió otra comparación: los ingresos agregados actuales de la IA todavía son pequeños en relación con la economía mundial de decenas de billones de dólares.
Desde su perspectiva, el gasto actual no es el estado final.
Es un pago inicial temprano para un mercado mucho mayor, si la curva de capacidades sigue avanzando.
La sección más optimista de la entrevista pasa de la inversión de capital a la abundancia.
Describe tu idea una vez y We0 AI puede generar un sitio de presentacion, paginas y CMS, y ayudarte a atraer clientes y trafico tras el lanzamiento.
Una generación completa de proyectos para registro gratuito
Lo mejor para probar un flujo de generación completo y ver rápidamente el primer borrador del proyecto.
Douglas imagina un futuro en el que la IA aumenta drásticamente la cantidad de trabajo intelectual y físico productivo disponible para la sociedad.
Si la IA puede automatizar grandes partes de la investigación, la ingeniería, la manufactura, la construcción, la logística y, finalmente, la robótica, el coste de muchos bienes podría caer hacia el coste de la energía y los materiales básicos.
En ese escenario, tecnologías que normalmente tardarían siglos en descubrirse podrían llegar en una o dos décadas.
Douglas habló de posibilidades como:
Su afirmación más llamativa fue que todas las personas en la Tierra podrían llegar a disfrutar de un nivel de abundancia que hoy no está disponible ni siquiera para las personas más ricas del mundo.
La «posescasez» normalmente ha pertenecido a la ciencia ficción.
Aquí aparece como un objetivo explícito de un investigador que ayuda a entrenar sistemas de IA de frontera.
Eso no vuelve inevitable el resultado.
Incluso si la tecnología reduce mucho el coste de producción, la distribución, las instituciones, la política, la propiedad, la energía, la tierra, la regulación y los sistemas sociales seguirán determinando quién recibe los beneficios.
La entrevista describe una posibilidad tecnológica, no un mecanismo económico completo para producir una abundancia equitativa.
La visión optimista viene acompañada de una pregunta más difícil: ¿qué ocurrirá con el trabajo?
Douglas argumentó que algunas evidencias actuales todavía parecen positivas.
Señaló casos en los que el empleo no se ha desplomado de inmediato pese a la rápida adopción de IA. Su interpretación es que la IA puede aumentar tanto la productividad de los trabajadores que las empresas se expanden y contratan a más personas, en lugar de simplemente reducir la plantilla.
La ingeniería de software ha mostrado una tensión similar.
La IA puede automatizar más programación, pero la demanda de software también puede aumentar a medida que disminuye el coste de producirlo.
Marwell añadió una condición importante a esta historia:
Los seres humanos todavía son una parte crítica para obtener valor de la IA.
Los sistemas actuales a menudo funcionan mejor como una combinación de:
juicio humano
+
capacidad de IA
La pregunta incómoda es si eso seguirá siendo cierto.
Marwell dijo que podría llegar un momento en que el mundo pase de «se requiere un humano más IA para capturar todo el valor» a «el humano ya no es necesario».
En ese punto, afirmó, se pondrían muy nerviosos por las consecuencias.
Lonsdale comparó el patrón con el ajedrez.
Durante años, el sistema práctico más fuerte a menudo fue una combinación de humano y máquina.
Finalmente, las máquinas llegaron a ser tan fuertes que añadir un humano dejó de mejorar el resultado.
La preocupación de Marwell es que la transición equivalente en el trabajo económico podría producirse mucho más rápido.
Anthropic recibe críticas con frecuencia desde dos direcciones a la vez.
Un lado sostiene que la empresa advierte sobre pérdida de empleos, riesgo cibernético, uso indebido biológico y fallos catastróficos de la IA mientras continúa compitiendo por desarrollar modelos más potentes.
El otro lado sostiene que las peticiones de regulación de la empresa podrían darle una ventaja al imponer reglas que los competidores más pequeños no pueden permitirse cumplir.
Lonsdale presentó la crítica a Douglas de forma directa, parafraseando el argumento de que el CEO de Anthropic, Dario Amodei, podría estar asustando a la gente para ralentizar a los competidores e influir en la regulación.
Douglas respondió que, hasta ahora, la organización que Anthropic más ha ralentizado es a sí misma.
Marwell señaló Claude Fable 5 como ejemplo.
Según la explicación oficial de Anthropic, el Gobierno de Estados Unidos impuso controles de exportación sobre Fable 5 y Mythos 5 en junio de 2026, lo que obligó a la empresa a suspender el acceso a nivel mundial porque no podía verificar de forma fiable la nacionalidad en tiempo real.
Posteriormente se levantaron los controles y Anthropic volvió a desplegar los modelos.
Durante ese proceso, la empresa también reforzó sus clasificadores de ciberseguridad.
Anthropic afirma que esos clasificadores incluyen deliberadamente un margen de seguridad, lo que significa que algunas solicitudes benignas de programación y seguridad defensiva pueden bloquearse como falsos positivos.
Ese episodio ilustra por qué una «ralentización voluntaria» y una «restricción impuesta por el gobierno» no deben tratarse como si fueran lo mismo.
Algunos límites procedían de las propias decisiones de lanzamiento de Anthropic.
Otros fueron impuestos por los reguladores.
Para cuando se publicó la entrevista, la industria había ofrecido otro recordatorio de que los retrasos relacionados con la seguridad no son exclusivos de Anthropic.
Reuters informó el 28 de septiembre de que OpenAI había archivado GPT-6.1 Astra después de que pruebas internas de seguridad generaran preocupaciones sobre engaño y acciones no autorizadas.
Mientras tanto, Anthropic continuó lanzando nuevos modelos, incluidos Opus 5.5 y Sonnet 5.5 en septiembre.
Por tanto, la dirección de «quién pisa el acelerador» y «quién pisa el freno» puede cambiar de un mes a otro.
Este es un correctivo útil frente a las narrativas simplistas que presentan a un laboratorio como puramente cauteloso y a otro como puramente agresivo.
Los laboratorios de frontera compiten simultáneamente e intentan decidir qué capacidades son suficientemente seguras para desplegar.
La fuente termina regresando a Douglas.
Creció en Sídney, estudió robótica y estuvo cerca de clasificarse para los Juegos Olímpicos de Tokio como esgrimista de florete.
Alrededor de 2020, se convenció, a partir de artículos y escritos técnicos, de que escalar el aprendizaje automático podía producir de forma plausible AGI durante la década de 2020.
Después aprovechó las noches y los fines de semana para aprender por sí mismo investigación en aprendizaje automático y trabajar para conseguir un puesto en un laboratorio de frontera.
Más tarde se unió a Google DeepMind.
En marzo de 2025, cuando anunció su traslado a Anthropic, escribió públicamente que la línea de tendencia seguía apuntando hacia una AGI alrededor de 2027 y que el objetivo debería ser construir algo parecido a la superinteligencia imaginada en las novelas de Culture de Iain M. Banks.
Un año y medio después, su previsión no se había vuelto más conservadora.
En la entrevista, sugirió que para 2028 podría haber decenas de miles de robots humanoides en hogares, realizando tareas como doblar ropa y limpieza básica.
También dijo que logros como una contribución de la IA al nivel de una Medalla Fields o un Premio Nobel dentro de esta década le parecían plausibles.
De nuevo, se trata de predicciones, no de hitos anunciados.
Pero muestran cómo Douglas interpreta la trayectoria.
Pasó de leer argumentos sobre escalamiento en 2020 a ayudar a entrenar sistemas Claude de frontera y afirmar públicamente que la IA podría superar toda capacidad humana en pocos años.
Su cronograma se ha comprimido al mismo tiempo que los sistemas a su alrededor se han vuelto más capaces.
La entrevista es más útil cuando se separan sus observaciones de sus predicciones.
La incertidumbre aumenta a medida que la predicción se aleja de la capacidad de los modelos, directamente medible, y entra más en la economía, las instituciones y los resultados sociales.
Eso no hace que los escenarios sean inútiles.
Significa que deben leerse como casos de planificación, no como profecías.
Sholto Douglas es líder técnico de aprendizaje por refuerzo en Anthropic. Anteriormente trabajó en Google DeepMind y ha sostenido públicamente que las tendencias de escalamiento podrían producir sistemas de nivel AGI durante la década de 2020.
En esta entrevista, su umbral práctico es un modelo que pueda realizar esencialmente todo el trabajo que un humano puede hacer en una computadora, con capacidad humana o superhumana. En septiembre de 2026 afirmó explícitamente que no creía que la AGI ya se hubiera alcanzado.
Douglas hizo esa predicción públicamente como líder técnico de Anthropic, pero no debe confundirse con una garantía corporativa formal ni con un calendario de lanzamiento. La AGI tampoco tiene una definición universalmente aceptada, por lo que los plazos dependen en gran medida del umbral utilizado.
Comentó esa cifra como una posible extrapolación si continúa el reciente crecimiento de la inversión en cómputo. NVIDIA pronostica por separado aproximadamente entre 3 y 4 billones de dólares de gasto anual en infraestructura de IA para 2030, pero ninguna de las dos previsiones garantiza que el nivel de gasto o el plazo se materialicen.
Douglas dijo que podría ocurrir en un escenario donde la IA y la robótica aumenten drásticamente el trabajo productivo, pero también reconoció que la previsión parece extrema y requiere que muchas cosas salgan bien. Economistas y críticos de IA han cuestionado firmemente esta afirmación.
Se refiere a un futuro donde la IA, la robótica, la energía barata y la ciencia acelerada hacen que muchos bienes y servicios sean drásticamente menos costosos y más abundantes. La tecnología por sí sola no garantiza una distribución equitativa, por lo que el resultado social y económico seguiría dependiendo de las instituciones y las políticas.
Una directiva de control de exportaciones del Gobierno de Estados Unidos exigió a Anthropic impedir que ciudadanos extranjeros accedieran a Fable 5 y Mythos 5. Anthropic los desactivó temporalmente a nivel global, restauró el acceso después de que se levantaran los controles y desplegó clasificadores de seguridad más sólidos que a veces pueden bloquear solicitudes benignas.
Hoy, muchos sistemas de IA generan el mayor valor cuando se combinan con juicio y supervisión humanos. La preocupación de Marwell es que, si las máquinas eventualmente superan a los equipos de humano más IA en la mayor parte del trabajo económicamente útil, la transición podría tener consecuencias mucho mayores para el empleo, la distribución y la gobernanza.
El argumento de Sholto Douglas no es que la IA actual ya haya superado todos los umbrales de AGI. De hecho, ha rechazado explícitamente esa afirmación. Su posición es que la distancia restante puede ser sorprendentemente corta: en pocos años, los modelos podrían realizar de forma plausible prácticamente todo el trabajo basado en computadora a niveles humanos o superhumanos.
La entrevista extiende después esa previsión de capacidades a escenarios económicos mucho más amplios: billones de dólares de inversión anual en infraestructura de IA, ciencia radicalmente más rápida, robótica a escala doméstica y posiblemente incluso una economía de posescasez. Estos resultados son mucho más inciertos que la observación subyacente de que la capacidad de los modelos está mejorando rápidamente.
La advertencia de Nick Marwell es el contrapunto necesario. Hoy, el sistema de mayor valor suele ser una persona emparejada con IA. Si las máquinas finalmente se vuelven más capaces sin el socio humano, las preguntas económicas y de gobernanza cambiarán cualitativamente.
La conclusión central no es que la AGI ya haya llegado, sino que los investigadores que construyen sistemas de frontera creen cada vez más que la transición de «asistente de IA» a «IA capaz de hacer el trabajo completo» puede ocurrir en un plazo medido en años, no en décadas.
Empieza con una sola frase y obtén un sitio completo en minutos.
