La IA en 2025: 3 conceptos revelados por un investigador de Meta y OpenAI

Introducción: más allá del hype y del miedo

El futuro de la inteligencia artificial divide. Por un lado, un trader cuantitativo escéptico estima que ChatGPT es “cool, pero no puede hacer realmente [su] trabajo”. Por otro, un investigador en un laboratorio de IA de primer nivel piensa que nos quedan “dos o tres años de trabajo antes de que la IA tome nuestros empleos”. ¿Cómo navegar en este espectro inmenso de incertidumbres?

En medio de esta confusión, algunas ideas fundamentales pueden aportar una claridad esencial. Jason Wei, investigador científico en Meta y ex miembro de OpenAI y Google Brain, ha destilado su experiencia en tres conceptos clave para entender el paisaje de la IA en 2025.

Esta guía deconstruye estos tres conceptos, a la vez sorprendentes y poderosos, para proporcionar una grilla de lectura sólida sobre las evoluciones por venir.

Concepto 1: la inteligencia se convierte en un recurso tan asequible como la electricidad

El primer concepto plantea que la inteligencia, o más precisamente el acceso al conocimiento y al razonamiento, está convirtiéndose en una mercancía. El costo y el tiempo necesarios para realizar tareas intelectuales complejas tienden rápidamente hacia cero.

El motor técnico de esta tendencia es el “cálculo adaptativo” (adaptive compute). A diferencia de los modelos antiguos que usaban una cantidad fija de cálculo para cada problema, los nuevos sistemas ajustan la potencia de cálculo a la dificultad de la tarea. La razón por la cual esto permite reducir el costo de la inteligencia, explica Wei, es que ya no es necesario aumentar sin cesar el tamaño de los modelos. Para una tarea fácil, se puede usar un cálculo mínimo y por lo tanto menos costoso.

Esta transformación tiene dos implicaciones importantes:

• democratización de los dominios: sectores antes protegidos por lo que Wei llama “barreras de entrada arbitrarias basadas en el conocimiento” se vuelven más accesibles. La codificación es un excelente ejemplo. La salud personal es otra: como cuenta Wei, si quisieras hacer experimentos de “biohacking” para mejorar tu respiración nasal, un médico podría ser reticente. Hoy, ChatGPT puede proporcionar información de muy alto nivel, dándote los medios para actuar.
• valor creciente de la información privada: paradójicamente, mientras el acceso a la información pública se vuelve casi gratuito, el valor relativo de la información privada o “privilegiada” aumenta. El conocimiento de bienes aún no en el mercado, por ejemplo, se convierte en una ventaja competitiva aún mayor.

Concepto 2: la ley del verificador

El segundo concepto se basa en la “asimetría de la verificación”: para muchas tareas, es mucho más fácil verificar una solución que encontrarla. Piense en un sudoku: resolverlo puede tomar horas, pero verificar una cuadrícula completada solo toma algunos segundos.

Sin embargo, esta asimetría no es universal. Wei da un contraejemplo elocuente: redactar una disertación factual. Es bastante fácil generar afirmaciones que parecen plausibles, pero “verificar cada afirmación puede ser extremadamente fastidioso”.

Este principio está en el corazón de lo que Jason Wei llama la “ley del verificador” (Verifier’s Law).

La capacidad de entrenar una IA para dominar una tarea es directamente proporcional a la facilidad con la que se puede verificar el resultado.

Según Wei, la “verificabilidad” de una tarea depende de cinco factores:

• la existencia de una verdad objetiva
• la velocidad de verificación
• la escalabilidad (la capacidad de verificar millones de proposiciones a la vez)
• el bajo ruido (resultados de verificación constantes)
• la recompensa continua (la capacidad de calificar la calidad en un espectro en lugar de un simple “exitoso/fallido”)

La implicación es clara: las tareas que son trivialmente fáciles de verificar serán las primeras en ser completamente automatizadas. Un área de crecimiento importante no será solo el desarrollo de IA, sino la creación de nuevas formas de medir el rendimiento, porque es esta medida la que desbloquea la optimización por la IA.

Concepto 3: la “frontera dentada” de la inteligencia

La idea de un “despegue rápido” (fast takeoff), donde la IA se volvería súbitamente sobrehumana en todos los dominios a la vez, es probablemente errónea. La realidad es mucho más matizada.

Wei usa la metáfora de una “frontera dentada” (jagged edge) para describir las capacidades de la IA. Esta frontera no es una línea recta que progresa uniformemente. Tiene picos muy altos — tareas donde la IA sobresale, como la resolución de problemas matemáticos complejos — y valles profundos — dominios donde permanece débil. Wei ilustra esto con un ejemplo simple: “durante mucho tiempo, ChatGPT afirmaba que 9.11 era superior a 9.9”.

Para predecir qué “dientes” de esta frontera progresarán más rápido, Wei propone tres heurísticas:

1. tareas digitales (digital tasks): la IA progresa mucho más rápido en tareas puramente digitales, porque la velocidad de iteración y experimentación es casi ilimitada.
2. tareas fáciles para los humanos (tasks easier for humans): en general, las tareas que son más simples para los humanos tienden a ser más fáciles de dominar para la IA.
3. abundancia de datos (data abundance): es uno de los principales motores del rendimiento. Cuantos más datos disponibles para una tarea, más eficiente será la IA.

La implicación principal es que el impacto de la IA será muy desigual. Basándose en estas heurísticas, Wei propone algunas predicciones provocadoras: la investigación en IA podría automatizarse hacia 2027, mientras que reparar su plomería (una tarea no digital) o la peluquería serán “probablemente muy difíciles para la IA”. Añade con humor que la tarea de “prever una cita romántica que satisfaga a su novia” está clasificada como “imposible”. Algunos dominios, como el desarrollo de software, serán “extrema y pesadamente acelerados”, mientras que otros permanecerán “probablemente intactos”.

Conclusión: cómo navegar en el paisaje de la IA

Para ubicarse en el futuro próximo de la inteligencia artificial, es inútil ceder al pánico o al escepticismo extremo. Basta con equiparse con los modelos mentales correctos. Los tres conceptos de Jason Wei ofrecen una brújula fiable: la inteligencia se convierte en una mercancía barata; la capacidad de medir una tarea determina su potencial de automatización; y el progreso será espectacular pero desigual. Estas ideas se entrelazan: la ley del verificador nos ayuda a predecir qué “dientes” de la frontera dentada crecerán más rápido, transformando así nuevas capacidades intelectuales en recursos casi gratuitos para todos.

Manteniendo estas tres ideas en mente, ¿qué tarea en su propia actividad ve basculando primero bajo el efecto de la IA, y cuál permanecerá obstinadamente humana?

Síntesis inspirada en una presentación reciente de Jason Wei (Meta AI, ex OpenAI y Google Brain).