¿Qué es la AGI? Cómo se define la inteligencia artificial general y por qué difieren los plazos

¿Qué es la AGI?

La inteligencia artificial general (AGI, por sus siglas en inglés) es un tipo hipotético de IA capaz de abordar una amplia gama de tareas intelectuales al nivel humano o por encima de él, en lugar de destacar en una sola tarea concreta, como la traducción o el ajedrez. Todas las definiciones serias comparten esa idea de generalidad, pero los detalles difieren: un artículo de investigación de 2025 comienza sosteniendo que la falta de una definición concreta oculta la distancia entre la IA especializada actual y la cognición de nivel humano ^[3].

Tres versiones ampliamente citadas muestran la variedad:

• Económica: la Carta de OpenAI define la AGI como «sistemas altamente autónomos que superan a los seres humanos en la mayor parte del trabajo económicamente valioso» ^[1].
• Por niveles: investigadores de Google DeepMind evalúan los sistemas en dos ejes, la profundidad de la capacidad (rendimiento) y su amplitud (generalidad), y describen la AGI como un camino con niveles y no como una única línea de meta ^[2].
• Psicométrica: un artículo de 2025 dirigido por Dan Hendrycks define la AGI como igualar la versatilidad y la competencia cognitivas de un adulto con buena formación, y la pone a prueba en diez ámbitos cognitivos ^[3].

Algunos líderes evitan por completo el término. El director ejecutivo de Anthropic, Dario Amodei, considera la AGI un término impreciso, cargado de connotaciones de ciencia ficción y de exageración, y prefiere hablar de «IA poderosa», que describe como más inteligente que un ganador del Premio Nobel en la mayoría de los campos pertinentes ^[4].

¿En qué se diferencia la AGI de la IA actual y de la superinteligencia?

Los chatbots actuales son de uso general, pero desiguales. El International AI Safety Report 2026 señala que los sistemas punteros lograron un rendimiento de medalla de oro en problemas de la Olimpiada Internacional de Matemáticas mientras seguían fallando en algunas tareas aparentemente sencillas ^[13]. La superinteligencia significa ir más allá del nivel humano; en los niveles de DeepMind, el nivel general superior se denomina superinteligencia artificial (ASI), y el rendimiento sobrehumano se define como superar al 100% de los seres humanos ^[2].

¿Cuáles son los niveles de la AGI?

El artículo «Levels of AGI», de Meredith Ringel Morris, Shane Legg y sus colegas de Google DeepMind, publicado en las actas de ICML 2024, propone un marco para clasificar los modelos de AGI y sus precursores, concebido como un lenguaje común para comparar sistemas y seguir su progreso ^[2]. Establece seis principios, entre ellos juzgar la AGI por lo que un sistema puede hacer y no por cómo funciona, centrarse en tareas cognitivas y metacognitivas en lugar de físicas, y tratar la AGI como un camino y no como un punto final ^[2].

Sus niveles de IA general son ^[2]:

1. Emergente: igual o algo mejor que una persona sin cualificación. El artículo cita como ejemplos ChatGPT, Bard, Llama 2 y Gemini.
2. Competente: al menos el percentil 50 de los adultos cualificados.
3. Experto: al menos el percentil 90 de los adultos cualificados.
4. Excepcional: al menos el percentil 99 de los adultos cualificados (denominado «Virtuoso» en versiones anteriores).
5. Sobrehumano: supera al 100% de los seres humanos.

Un artículo sobre seguridad de Google DeepMind de 2025 se basa en esta escala y se centra en la AGI Excepcional, que define como un sistema que iguala o supera el percentil 99 de los adultos cualificados en una amplia gama de tareas no físicas ^[10].

¿Cómo miden los investigadores el progreso hacia la AGI?

Como las definiciones difieren, también lo hacen los criterios de medida. Dos iniciativas recientes ilustran los enfoques.

Una «puntuación de AGI» cognitiva

El marco dirigido por Hendrycks adapta a la IA baterías de pruebas psicométricas humanas y las fundamenta en la teoría de Cattell-Horn-Carroll sobre las capacidades cognitivas humanas ^[3]. Informa puntuaciones de AGI del 27% para GPT-4 y del 57% para GPT-5 ^[3]. Los autores describen un perfil «irregular»: buen rendimiento en áreas que requieren muchos conocimientos, pero carencias críticas en capacidades fundamentales, sobre todo en el almacenamiento de memoria a largo plazo ^[3]. La puntuación depende de los ámbitos y las ponderaciones que eligieron los autores, por lo que es la medida de un grupo de investigación, no una calificación oficial.

Rompecabezas fáciles para las personas

Sus organizadores describen la prueba de referencia de ARC Prize, ARC-AGI, como una medida de la generalización con pocos ejemplos en tareas nuevas ^[14]. En la competición de 2025 con el conjunto de datos ARC-AGI-2, 1,455 equipos presentaron 15,154 propuestas, y la puntuación más alta alcanzó el 24% en el conjunto de evaluación privado ^[14]. Los organizadores han presentado un avance de ARC-AGI-3, que añade tareas interactivas para evaluar la exploración, la planificación, la memoria y la adquisición de objetivos ^[14].

Las pruebas de referencia tienen una debilidad conocida: el informe de ARC Prize sostiene que el razonamiento de los modelos de frontera está limitado por la cobertura de sus conocimientos, lo que genera nuevas formas de contaminación de las pruebas ^[14]. El International AI Safety Report añade que los métodos para estimar cómo y cuándo surgen nuevas capacidades siguen sin ser fiables ^[13].

¿Cuándo llegará la AGI, según los líderes del sector?

Los pronósticos públicos de los líderes empresariales son declaraciones de creencias, no pruebas, y a menudo utilizan definiciones distintas. A 3 de noviembre de 2026 abarcan un amplio abanico:

• Sam Altman (OpenAI) escribió en enero de 2025: «Ahora estamos seguros de que sabemos cómo construir la AGI tal como la hemos entendido tradicionalmente» ^[5].
• Dario Amodei (Anthropic) escribió en octubre de 2024 que la IA poderosa podría llegar ya en 2026, aunque podría tardar mucho más ^[4]. En enero de 2025 dijo a CNBC que en un plazo de dos o tres años podría surgir una IA mejor que casi todos los seres humanos en casi todas las tareas ^[6].
• Demis Hassabis (Google DeepMind) afirmó en marzo de 2025 que la AGI, que describió como un sistema capaz de mostrar todas las capacidades complejas que tienen los seres humanos, empezaría a surgir en los próximos cinco a 10 años ^[6].
• El equipo de seguridad de Google DeepMind escribió en abril de 2025 que tiene una gran incertidumbre sobre los plazos, pero considera plausible que se desarrollen sistemas de IA poderosos para 2030 ^[10].
• Yann LeCun, que dejó Meta para fundar la empresa emergente AMI, dijo a MIT Technology Review en enero de 2026 que los grandes modelos de lenguaje no pueden razonar ni planificar realmente porque carecen de un modelo del mundo, y que la IA de nivel humano no llegará el año que viene ni dentro de dos años, ni se construirá sobre LLM ^[7].
• Robin Li (Baidu) afirmó en 2024 que faltan más de 10 años para la AGI, según informó CNBC ^[6].

¿Qué dicen las encuestas a investigadores de IA?

Las encuestas a investigadores sirven para contrastar las predicciones de los directivos, aunque también miden opiniones y no hechos.

La más amplia es una encuesta a 2,778 investigadores que habían publicado en foros de IA de primer nivel, publicada por Katja Grace y sus colegas en 2024 ^[8]. Los encuestados dieron un 10% de probabilidad de que las máquinas superen a los seres humanos en todas las tareas posibles para 2027 y un 50% para 2047, una fecha 13 años anterior a la de la encuesta del mismo equipo en 2022 ^[8]. Para la plena automatización de todas las ocupaciones humanas, la estimación del 50% fue 2116 ^[8].

La Association for the Advancement of Artificial Intelligence (AAAI) encuestó a 475 personas, unas dos terceras partes del ámbito académico, para su informe del Panel Presidencial de 2025 ^[9]. En esa encuesta, el 76% afirmó que es improbable o muy improbable que ampliar a mayor escala los enfoques actuales de IA conduzca a la AGI ^[9]. La mayoría de los encuestados (77%) dio prioridad a diseñar sistemas con un perfil de riesgos y beneficios aceptable frente a perseguir directamente la AGI, y el 70% se opuso a detener la investigación sobre la AGI hasta que existan mecanismos de seguridad completos ^[9].

Ambos resultados no tienen por qué contradecirse: los investigadores pueden esperar una IA muy capaz en el plazo de unas décadas y, al mismo tiempo, dudar de que los métodos actuales, simplemente ampliados, lleguen a ella ^[8][9].

¿Por qué discrepan los expertos sobre la AGI?

En el debate sobre la AGI se mezclan varios desacuerdos distintos:

• Definiciones. Una prueba basada en el trabajo económicamente valioso ^[1], un percentil de adultos cualificados ^[2] y un perfil psicométrico ^[3] pueden dar respuestas distintas sobre un mismo sistema.
• Métodos. Algunos líderes esperan que los enfoques actuales sigan mejorando con rapidez ^[5], mientras que LeCun sostiene que se necesitan nuevas arquitecturas basadas en modelos del mundo ^[7] y la mayoría de los encuestados de la AAAI duda de que la ampliación de escala por sí sola funcione ^[9].
• Capacidades desiguales. Sistemas que destacan en matemáticas difíciles todavía pueden fallar en tareas sencillas, lo que dificulta emitir un veredicto único ^[13]. El marco de Hendrycks detecta la misma irregularidad ^[3].
• La propia predicción. El International AI Safety Report afirma que existe una incertidumbre considerable sobre la velocidad del progreso futuro y que, según análisis de la OCDE, los resultados para 2030 podrían ir desde mejoras modestas hasta avances rápidos ^[13].
• Incentivos. La AGI tiene un significado contractual y comercial para algunas empresas, como muestran los acuerdos entre Microsoft y OpenAI ^[11][12], por lo que las declaraciones públicas pueden tener peso empresarial.

¿Por qué importa la definición de AGI para las empresas?

El ejemplo más claro es la alianza entre Microsoft y OpenAI. Según el acuerdo anunciado el 28 de octubre de 2025, cualquier declaración de AGI por parte de OpenAI debía ser verificada por un panel independiente de expertos ^[11]. Los derechos de Microsoft sobre los modelos y productos de OpenAI se ampliaron hasta 2032, sus derechos de propiedad intelectual sobre la investigación durarían hasta que el panel verificara la AGI o hasta 2030, lo que ocurriera primero, y Microsoft obtuvo el derecho a perseguir la AGI de forma independiente ^[11].

Las empresas volvieron a cambiar de rumbo el 27 de abril de 2026. CNBC informó que los pagos de OpenAI a Microsoft por participación en los ingresos están ahora sujetos a un tope total y continúan hasta 2030 «con independencia del progreso tecnológico de OpenAI», que Microsoft ya no tiene que determinar su respuesta si OpenAI declara la AGI y que la licencia de propiedad intelectual de Microsoft hasta 2032 ya no es exclusiva ^[12]. El episodio muestra que la «AGI» ha funcionado como un detonante jurídico además de como un objetivo científico, y que su papel contractual puede renegociarse.

¿Cuáles son los beneficios y los riesgos de perseguir la AGI?

Beneficios que se atribuyen

• Amodei predice que la biología y la medicina impulsadas por la IA podrían condensar en 5 a 10 años el progreso que los biólogos humanos habrían logrado en los próximos 50 a 100 años, y describe la IA poderosa como un «país de genios en un centro de datos» ^[4].
• La misión declarada de OpenAI es que la AGI beneficie a toda la humanidad ^[1].

Riesgos y preocupaciones

• El artículo sobre seguridad de Google DeepMind agrupa los riesgos de la AGI en uso indebido, desalineación, errores y riesgos estructurales, y se centra en los daños lo bastante graves como para perjudicar significativamente a la humanidad ^[10].
• El International AI Safety Report señala que algunos investigadores y líderes empresariales consideran la pérdida de control una posibilidad seria, mientras que otros consideran inverosímiles esos escenarios ^[13].
• En la encuesta de la AAAI, el 82% de los encuestados afirmó que los sistemas de AGI desarrollados por entidades privadas deberían ser de propiedad pública ^[9].

¿Qué viene a continuación?

Cabe esperar más intentos de concretar el término con pruebas en lugar de eslóganes: marcos como los niveles de DeepMind ^[2] y la puntuación de AGI de Hendrycks ^[3], y nuevas pruebas de referencia como ARC-AGI-3 ^[14]. Cabe esperar también que cada nuevo lanzamiento de un modelo reavive afirmaciones y réplicas, porque las definiciones siguen en disputa ^[2][3].

Lo que todavía se desconoce

• Si ampliar la escala de los métodos actuales seguirá aportando mejoras, algo de lo que duda la mayoría de los encuestados de la AAAI ^[9].
• Si las carencias fundamentales, como la memoria a largo plazo, pueden subsanarse con rapidez ^[3].
• Si los pronósticos de los investigadores, que se adelantaron 13 años entre la encuesta de 2022 del equipo de Grace y la más reciente ^[8], seguirán moviéndose.

Una lectura práctica para quienes no son especialistas: ante cualquier afirmación de que «la AGI ha llegado» o de que «la AGI es imposible», pregunte primero qué definición se está usando y qué pruebas la respaldan.