Por qué el crecimiento exponencial de la IA tiene un punto ciego enorme

Al hablar de IA y el futuro del trabajo, todos advierten que la inteligencia artificial pronto reemplazará a desarrolladores, consultores y gerentes. Pero un análisis más profundo de la ciencia que hay detrás de los modelos de lenguaje a gran escala (explicada brillantemente en este vídeo por un investigador tecnológico italiano) revela un enorme punto ciego en toda la exageración.

La gente observa la curva exponencial de las capacidades de la IA y asume que la obsolescencia humana está a la vuelta de la esquina.

Este pánico se alimenta de historias virales. Quizás hayas visto la publicación del desarrollador Matt Schumer, quien afirma que, dado que la IA ahora escribe todo su código, pronto se apoderará del derecho, finance, la medicina y la consultoría. Si a esto le sumamos citas de figuras como Sam Altman, quien predice un mundo de crecimiento económico ilimitado en su ensayo "La era de la inteligencia", es fácil sentirse abrumado.

Pero la realidad del progreso de la IA es mucho más compleja. Los recientes avances en el rendimiento son lo que los investigadores denominan "sospechosamente específicos".

La ilusión del punto de referencia

Si observamos los indicadores de rendimiento de la IA moderna, las gráficas muestran un claro ascenso. El benchmark METR, una herramienta de evaluación muy respetada, demostró recientemente que los modelos de IA alcanzan hitos impresionantes en tareas que normalmente le llevarían a un experto humano entre 8 y 14 horas completar.

Pero si se lee la letra pequeña, la historia cambia. Estos hitos se alcanzan solo en aproximadamente el 50 % de los casos. Más importante aún, las tareas medidas se limitan casi exclusivamente a la ingeniería de software, el aprendizaje automático y la ciberseguridad. Cuando los investigadores intentan evaluar estos modelos en tareas holísticas y no algorítmicas, el rendimiento disminuye significativamente.

Esta disminución de la fiabilidad fuera de entornos estrictamente controlados es precisamente el riesgo estructural que destaqué en « El éxodo de la IA: por qué los constructores no confían en el edificio». Cuando una IA encuentra una laguna en su conocimiento en un escenario complejo y de misión crítica, la tasa de alucinaciones se dispara, lo que demuestra que las altas puntuaciones en las pruebas de referencia no se traducen automáticamente en seguridad empresarial.

El motor secreto: RLVR

Las enormes mejoras en los modelos a lo largo de finales de 2025 y principios de 2026 provienen de una técnica de entrenamiento específica llamada Aprendizaje por Refuerzo a partir de Recompensas Verificables (RLVR, por sus siglas en inglés).

RLVR funciona de maravilla cuando un problema tiene una respuesta estricta y verificable. Los problemas de matemáticas, programación y lógica se ajustan perfectamente a esto. Se pueden generar miles de millones de pruebas sintéticas, y la máquina puede verificar instantáneamente si la respuesta es correcta o incorrecta. Refuerza automáticamente las rutas de razonamiento correctas y descarta las incorrectas. Investigaciones recientes debaten intensamente si RLVR realmente enseña a los modelos nuevas habilidades de razonamiento o simplemente los hace más eficientes al encontrar rutas que ya conocían. Independientemente del mecanismo subyacente, el resultado es el mismo: la máquina sobresale en lógica verificable.

El mundo real es un desastre

Piensa en un problema empresarial real. ¿Deberías lanzar una nueva estrategia de precios? ¿Cómo manejas una negociación delicada con un proveedor? ¿Cómo gestionas la integración de un almacén complejo en diferentes culturas corporativas?

Estas situaciones carecen de una única respuesta correcta y verificable. No se pueden generar automáticamente un millón de escenarios sintéticos para entrenar un modelo de empatía humana o compromiso estratégico. Los problemas del mundo real requieren aprendizaje continuo, generalización del dominio y juicio social.

Esta es precisamente la dinámica que exploré en « Cuando el software se escribe solo: La ilusión del ERP casero». La capacidad de una IA para generar código a la perfección mediante RLVR es completamente distinta a la de diseñar un sistema empresarial que cumpla con la normativa y sea responsable. El software empresarial requiere un profundo conocimiento de las leyes locales y las reglas de negocio contradictorias, áreas en las que la IA aún carece fundamentalmente de contexto.

Incluso los principales investigadores de IA reconocen esta brecha. Si bien Dario Amodei, de Anthropic, espera que el aprendizaje por refuerzo de realidad virtual (RLVR) logre superar esta brecha y conducir a la inteligencia general, Demis Hassabis, de Google DeepMind, afirma explícitamente que los grandes modelos de lenguaje por sí solos no son suficientes. Necesitamos sistemas capaces de aprender continuamente y construir modelos reales del mundo físico.

El giro argumental de IBM

El mundo empresarial ya está tomando conciencia de estas limitaciones. Basta con ver lo que ocurrió a principios de febrero de 2026. IBM anunció un importante plan para triplicar sus contrataciones de personal de nivel inicial en Estados Unidos.

¿Por qué un gigante tecnológico contrataría a más desarrolladores junior cuando supuestamente la IA está tomando el control? IBM se dio cuenta de que, si bien la IA puede gestionar la codificación rutinaria y las consultas administrativas, no puede encargarse de los aspectos humanos del trabajo. Rediseñaron por completo sus puestos de nivel inicial. Ahora, los desarrolladores junior dedican menos tiempo a escribir código repetitivo y más tiempo a colaborar con los clientes. El personal de recursos humanos se centra en asesorar a los gerentes y auditar los sistemas de IA en lugar de responder preguntas repetitivas.

Nickle LaMoreaux, directora de Recursos Humanos de IBM, lo dejó claro: sin una sólida cantera de jóvenes talentos que aprendan el negocio hoy, las empresas se enfrentarán a una enorme escasez de líderes intermedios con experiencia mañana. Nuestros roles están evolucionando para volverse más estratégicos.

Información práctica

Entonces, ¿cómo puedes asegurar el futuro de tu carrera profesional en este panorama en constante transformación?

1. Potencia tus habilidades más complejas: concéntrate en aquellas que no pueden ser verificadas automáticamente por un algoritmo. La negociación, la resolución estratégica de problemas y la generalización interdisciplinaria son tus mayores fortalezas.
2. Conviértete en un orquestador de IA: Al igual que los nuevos empleados de IBM, aprende a trabajar con la IA. Úsala para gestionar las tareas rutinarias y verificables, de modo que puedas dedicar tu energía a interacciones de alto valor con los clientes.
3. Mantén la curiosidad: El ingrediente fundamental de todas mis experiencias siempre ha sido la curiosidad. Creo firmemente que si dejamos de buscar nuevos conocimientos, corremos el riesgo de quedar obsoletos. Sigue actualizando tus modelos mentales.

La idea de que la IA simplemente reemplazará a los trabajadores humanos es incompleta. La tecnología es innegablemente poderosa en ámbitos específicos y altamente estructurados. Pero en la realidad compleja y a veces caótica de los negocios y la interacción humana, nuestro trabajo está dejando atrás la ejecución repetitiva para centrarse en la construcción de relaciones y el razonamiento complejo. El futuro pertenece a quienes se adaptan.

Escrito por Andrea Guaccio 

4 de marzo de 2026