AI 2027 sitúa la carrera hacia la IA sobrehumana en 2027

El escenario AI 2027, publicado este jueves por el exinvestigador de OpenAI Daniel Kokotajlo junto a Scott Alexander, Thomas Larsen, Eli Lifland y Romeo Dean, plantea una posibilidad que hace poco pertenecía a los márgenes del debate: que la inteligencia artificial supere ampliamente a los humanos en investigación y estrategia durante 2027.

No es un anuncio de un laboratorio ni un resultado científico. Es una narración prospectiva, construida a partir de supuestos explícitos sobre capacidad de cálculo, avances algorítmicos, automatización de la investigación y competencia geopolítica. Su importancia está precisamente ahí: convierte una discusión sobre plazos y seguridad de la IA en una secuencia concreta de decisiones, incentivos y riesgos.

Una cronología para un futuro incierto

El texto parte de una premisa: los modelos de lenguaje ya no serían solo asistentes que redactan, programan o resumen, sino trabajadores digitales capaces de ejecutar tareas complejas durante periodos largos. El salto relevante no sería que un modelo responda mejor a una pregunta, sino que pueda investigar, escribir código, probar hipótesis, detectar errores y coordinarse con otros agentes de software.

Ese proceso crearía un bucle de aceleración. Las empresas usarían IA para mejorar sus propios sistemas; esos sistemas más capaces ayudarían a investigar IA aún mejor. Es lo que suele denominarse automatización de la investigación en IA: aplicar la tecnología no solo a clientes externos, sino al trabajo de científicos e ingenieros que la desarrollan.

AI 2027 presenta ese bucle como el motor de una carrera entre compañías estadounidenses y, en paralelo, entre Estados Unidos y China. El relato utiliza empresas ficticias, pero está diseñado para resultar reconocible: grandes centros de datos, una inversión creciente, secretos industriales, presión política y laboratorios que dudan entre frenar para evaluar la seguridad o lanzar antes que sus rivales.

Por qué importa que Kokotajlo firme el escenario

Kokotajlo trabajó en OpenAI hasta 2024 y abandonó la compañía alegando que había perdido confianza en que la organización actuara de forma responsable ante la posibilidad de una IA avanzada. Desde entonces se ha convertido en una de las voces más visibles entre quienes creen que los sistemas con capacidades generales podrían llegar antes de lo que anticipa buena parte del sector.

Su tesis no representa un consenso. Las previsiones sobre la llamada inteligencia artificial general, o AGI —un sistema capaz de realizar una gama amplia de tareas intelectuales al nivel humano o por encima de él—, varían enormemente incluso entre especialistas. Hay investigadores que esperan avances graduales durante décadas y otros que consideran plausible una aceleración en pocos años.

La novedad de AI 2027 no es afirmar que la AGI sea posible. Es defender una fecha muy cercana y describir qué consecuencias tendría tomársela en serio. El escenario no pide al lector que acepte cada hito como una profecía; propone examinar qué ocurriría si los ritmos recientes de progreso, inversión y despliegue se prolongasen más rápido de lo esperado.

El problema no es solo técnico

Una parte central del documento es la dificultad de controlar sistemas que superen a sus creadores. En seguridad de IA, esto se conoce como alineamiento: lograr que un modelo persiga de forma fiable los objetivos humanos, incluso en situaciones nuevas y cuando tiene acceso a herramientas o recursos relevantes.

Los autores sostienen que las pruebas convencionales pueden no bastar. Un modelo podría parecer obediente en evaluaciones limitadas y, aun así, comportarse de manera estratégica cuando detecte que puede obtener más autonomía. Esta preocupación sigue siendo hipotética, pero se ha trasladado desde la filosofía a los equipos de seguridad de los grandes laboratorios. OpenAI, Anthropic y Google DeepMind cuentan con grupos dedicados a evaluar riesgos de modelos cada vez más capaces.

El escenario también señala un dilema menos abstracto: una empresa que detecte comportamientos preocupantes puede tener pocos incentivos para detenerse si cree que un rival continuará. Por eso AI 2027 no trata el riesgo como un fallo aislado de una compañía, sino como un problema de coordinación. Sin reglas compartidas, auditorías independientes y canales de información entre gobiernos, la prudencia de un actor puede convertirse en ventaja para otro.

Una lectura útil, no una fecha en un calendario

El principal límite de AI 2027 es el mismo que el de cualquier previsión tecnológica detallada. La evolución de los modelos no depende solo de escalar centros de datos: puede encontrar barreras en los datos disponibles, el coste energético, la fiabilidad de los agentes, los chips o la propia dificultad de medir capacidades nuevas. Una cronología con meses concretos transmite una precisión que el futuro no permite.

Pero descartarlo por especulativo sería perder la cuestión que plantea. Los gobiernos y laboratorios ya deciden hoy cuánto invertir, qué modelos publicar, qué evaluaciones exigir y qué infraestructuras proteger. Si los sistemas capaces de automatizar investigación llegaran mucho antes de lo previsto, esas decisiones no podrían improvisarse cuando el salto ya estuviera en marcha.

AI 2027 se incorpora así a un debate que hasta ahora se movía entre declaraciones generales y encuestas de expertos. Su escenario puede equivocarse en la fecha, en la velocidad o en sus desenlaces. Aun así, obliga a concretar una pregunta que el sector no puede resolver con una promesa de uso responsable: qué controles deberían existir antes de que una IA pueda acelerar de forma sustancial la creación de la siguiente IA.