¿Qué tendría que superar una IA para merecer la palabra «general»? Si la respuesta es una colección de pruebas, todavía falta decidir qué representa esa colección. Si es el rendimiento humano, hay que identificar qué humanos, en qué tareas y con qué ayudas. La discusión deja de ser semántica cuando una clasificación sirve para vender un producto, justificar una inversión o reclamar que las instituciones cambien sus reglas.

Morris y sus colaboradores proponen separar amplitud y nivel de desempeño, y distinguirlos de la autonomía con que se despliega un sistema. Su marco de niveles de AGI busca hacer comparables afirmaciones que una sola etiqueta mezcla. La versión disponible fue revisada el 24 de septiembre de 2025. Es una propuesta de clasificación y evaluación, no una definición universalmente acordada ni un anuncio de que la meta se haya alcanzado. Fuente: arXiv

El examen también tiene un programa

La distinción resulta útil para un caso hipotético: una herramienta excelente redactando contratos y mediocre interpretando imágenes. Promediar ambas puntuaciones puede ocultar lo que un comprador necesita saber. El despacho jurídico pregunta por un uso concreto; quien afirma haber construido inteligencia general necesita justificar la amplitud de capacidades. Una misma puntuación puede ser pertinente para la primera pregunta y completamente insuficiente para la segunda.

Además, el resultado depende de las condiciones del examen. Tiempo, acceso a herramientas, información previa y posibilidad de repetir intentos forman parte de la capacidad demostrada. NIST recomienda asociar las mediciones de exactitud con pruebas realistas y representativas del uso previsto, además de documentar el método. Fuente: NIST La consecuencia práctica es que una comparación pierde sentido si un competidor responde una vez y otro dispone de una organización completa para corregirse.

Eso no invalida la asistencia. Una institución puede preferir un sistema que combine modelos, buscadores y controles porque el servicio completo funciona mejor. Debe entonces describir esa combinación, sus costos y sus dependencias. Si el rendimiento desaparece cuando falta una herramienta, conocerlo importa tanto como celebrar el resultado. Un examen puede medir legítimamente al equipo; presentarlo como atributo de un participante altera lo que se ha probado.

Capacidad no es competencia para decidir

Pasar de resolver problemas a decidir por otras personas requiere justificar también esa autoridad. Un sistema puede comparar muchas alternativas mejor que un funcionario y, aun así, no estar autorizado para elegir qué objetivos debe perseguir una política. Clasificar capacidades ayuda a saber qué apoyo está disponible. La pregunta por la decisión exige conocer mandatos, derechos, responsables y posibilidades de impugnar el resultado.

Esto limita también el uso regulatorio de una escala. Dos sistemas con rendimiento semejante pueden producir consecuencias muy distintas si uno recomienda y el otro ejecuta sin revisión. Y un sistema modesto puede afectar seriamente a muchas personas cuando se integra en un procedimiento obligatorio. La generalidad interesa para anticipar usos; el poder concreto depende de dónde se instala la herramienta, qué acciones habilita y qué otras opciones conserva la persona afectada.

El mérito del marco consiste en hacer explícitas diferencias que el debate suele comprimir. Su prueba más exigente vendrá al construir evaluaciones que representen esas diferencias y permitan observar fallos fuera de los ejercicios familiares. Una clasificación puede ordenar el desacuerdo antes de resolverlo. Para el lector, la ganancia inmediata es exigir que «mejor» venga acompañado de una tarea, un referente y unas condiciones: así la próxima proclamación de AGI tendrá algo más preciso que defender.