El ingeniero de Google Haydn Belfield afirma que la IA capaz de mejorarse sola —la idea de que pueda diseñar una IA mejor sin ayuda humana— aún está lejos de ser una realidad. Los datos internos de DeepMind muestran que la IA ya escribe más del 75 % del código de producción, pero alrededor del 88 % de esos cambios todavía debe ser revisado por una persona antes de enviarse.
La automatización funciona en tareas concretas, no en investigación
La proporción de cambios de código delegados por completo a la IA subió del 7.5 % al 11.9 %, según las mediciones internas más recientes. Cuando las tareas se vuelven más complejas, el porcentaje de éxitos de la IA sin intervención humana cae drásticamente. En 1,389 ejecuciones de los agentes Argon de DeepMind, la intervención humana siguió siendo esencial para la investigación creativa, el diseño experimental, el diagnóstico de problemas sutiles de entrenamiento y la planificación a largo plazo. Una pequeña encuesta a doce investigadores sénior de DeepMind reflejó el mismo patrón: mucha automatización en tareas bien definidas y verificables, y poca en la generación de ideas científicas abiertas.
Las pruebas muestran un avance constante, no acelerado
En RE‑Bench de DeepMind —un conjunto de 74 tareas realistas de ingeniería de aprendizaje automático—, Argon resuelve cerca de la mitad, frente al 27 % de Gemini 3.7 Flash. El General Capability Index (GCI), que sigue a 123 modelos en 92 pruebas de referencia, muestra que los modelos Gemini mejoran a un ritmo de aproximadamente 0.1 puntos GCI al mes, sin indicios estadísticos de que el ritmo se esté acelerando. Belfield afirma que la modesta mejora de Gemini 4 Argon se debe a más capacidad de cómputo y esfuerzo organizativo, no a una aceleración impulsada por la IA.
Por qué importa
Para los desarrolladores de Google y otras empresas, la IA puede encargarse de la programación rutinaria, pero todavía necesita revisión humana, así que los empleos no desaparecerán de la noche a la mañana. Para la comunidad de IA en general, la falta de aceleración autónoma de la investigación significa que las predicciones de una rápida «explosión de inteligencia» siguen siendo especulativas, y que los riesgos de seguridad pueden vigilarse durante más tiempo.
