«Mejor que una persona» parece una comparación sencilla hasta que se pregunta qué persona, haciendo qué y con cuánta ayuda. Un estudiante que resuelve un examen sin consultar apuntes y un equipo de especialistas con acceso a una biblioteca no representan el mismo umbral. Una afirmación sobre inteligencia artificial necesita esa clase de detalle antes de que su resultado permita extraer conclusiones.

AGI significa inteligencia artificial general: la expresión apunta a capacidades amplias, aunque su umbral debe precisarse en cada propuesta. Superinteligencia, en la acepción de Bostrom utilizada aquí, exige superar ampliamente a las personas más capaces en prácticamente todos los campos intelectuales. Una definición fija lo que se intenta demostrar. No constituye una prueba de que alguien lo haya conseguido. Fuente: Nick Bostrom

1. ¿Cuál es la unidad que compite?

Un modelo puede recibir una pregunta y producir una respuesta. Un sistema más amplio puede consultar documentos, ejecutar programas, pedir respuestas a otros modelos y seleccionar entre varios intentos. Compararlos como si fueran el mismo objeto oculta recursos que contribuyen al resultado. La diferencia no invalida el segundo sistema: explica qué habría que adquirir, operar y evaluar para obtener una prestación semejante.

Imagine una demostración hipotética en la que se entrega a una IA un problema matemático y se muestra una solución correcta. Si se permitieron cien intentos y alguien escogió el bueno, la demostración informa algo distinto de una respuesta acertada al primer intento. Para determinadas tareas, explorar muchas alternativas puede ser perfectamente útil. El lector necesita conocer el procedimiento para juzgar su costo y su fiabilidad, especialmente si después no habrá un experto disponible para elegir.

2. ¿Qué tareas quedaron fuera?

Un conjunto de pruebas selecciona problemas que se pueden presentar y puntuar. Esa selección facilita comparar resultados, pero también delimita lo que se sabe. Si todos los ejercicios tienen una respuesta comprobable, el desempeño dice poco, por sí solo, sobre cómo se manejará una petición ambigua o un desacuerdo acerca de la meta. La generalidad requiere examinar amplitud y transferencia, no acumular victorias en variaciones muy cercanas del mismo ejercicio.

Conviene preguntar cómo se seleccionaron los casos y qué fallas aparecen junto a los éxitos. Una demostración comercial puede enseñar un resultado real sin informar su frecuencia. Tampoco basta con añadir problemas difíciles: si el uso previsto incluye instrucciones incompletas, datos erróneos o cambios de contexto, esas condiciones forman parte de la tarea. La dificultad interesante es la que permite conocer la prestación que alguien pretende utilizar.

3. ¿Con quién se compara el resultado?

Superar a una persona promedio no equivale a superar a un profesional de un área, y superar a ese profesional no equivale a superar a los mejores especialistas. El marco de evaluación cognitiva propuesto por Google DeepMind en marzo de 2026 invita a descomponer capacidades y compararlas con distribuciones de rendimiento humano. Esa descomposición ayuda a evitar que un único adjetivo oculte ventajas y limitaciones distintas. Fuente: Google DeepMind

La comparación también cambia si se mide precisión, rapidez o costo. Un sistema puede cometer algunos errores adicionales y resultar útil para un primer filtro que otro procedimiento revisará. En una tarea diferente, un error infrecuente puede tener consecuencias que vuelvan insuficiente aquella ventaja. Decidir si la herramienta conviene requiere conectar la medición con el uso; declarar un ganador universal elimina precisamente la información necesaria para elegir.

4. ¿Qué le permiten hacer?

Capacidad y permiso describen relaciones diferentes. Una IA puede redactar una orden de compra sin tener autorización para enviarla; otra menos capaz puede disponer de credenciales que le permiten gastar dinero. Evaluar solo la inteligencia deja fuera el alcance de la acción. Antes de delegar interesa identificar recursos accesibles, operaciones permitidas, condiciones de consulta y medios para detener o corregir lo ejecutado.

La intervención humana tampoco tiene un valor fijo. Revisar cada operación puede aportar una garantía o convertirse en una rutina de aprobación sin examen. Su utilidad depende de lo que el revisor puede conocer y cambiar dentro del tiempo disponible. Un resultado excelente en una prueba no demuestra que esa organización de permisos y revisiones funcione. Hace falta examinarla como parte del sistema que actuará en el mundo.

5. ¿El dato demuestra una capacidad o anuncia un futuro?

Un resultado observado permite concluir algo sobre las condiciones evaluadas. Afirmar que el mismo progreso continuará exige supuestos sobre recursos, métodos y obstáculos. Una fecha para la llegada de la AGI es un pronóstico, no una característica ya medida del producto. Si cambia alguno de esos supuestos, también puede cambiar el pronóstico sin que el resultado inicial haya sido falso.

Al leer un anuncio, siga la cadena completa: qué se observó, qué interpretación se propone y qué decisión se pretende justificar. Puede encontrar un avance importante acompañado de una predicción débil, o una herramienta limitada que resuelve muy bien un problema valioso. Esa distinción permite reconocer el progreso sin entregarle un cheque en blanco. La pregunta final es qué decisión concreta mejora con la evidencia disponible y qué sigue necesitando examen.