OpenAI anuncia "AGI" con su modelo Astra, pero el término ha perdido consenso técnico
El término que alguna vez definió la frontera técnica de la IA ha sido adoptado por Silicon Valley, acumulando trillones en inversión pero perdiendo precisión en el camino. Expertos pioneros advierten que generalidad e inteligencia son dimensiones distintas, y que el umbral depende ahora de quién lo trace.
El 3 de septiembre de 2026, OpenAI declaró que la inteligencia artificial general —AGI, por sus siglas en inglés— podría haber llegado o estar inminente con el lanzamiento de su modelo Astra. La afirmación sitúa a la empresa en el centro de una discusión que trasciende el marketing: qué significa exactamente ese término y quién tiene autoridad para definirlo. Lo que alguna vez fue un concepto técnico confinado a círculos académicos durante la "invierno de la IA" de los años noventa, hoy dirige inversiones masivas y alimenta tanto esperanzas de transformación como temores de desplazamiento humano. Pero en el trayecto, su significado se ha vuelto resbaladizo.
Ben Goertzel, uno de los investigadores pioneros que mantuvieron viva la búsqueda de AGI cuando hablar de "máquinas pensantes" era motivo de burla, señala que muchos ahora confunden AGI con superinteligencia artificial (ASI) o incluso con conceptos difusos como conciencia. "El nivel humano es un punto arbitrario", explica Goertzel, recordando que la distinción original separaba generalidad —la capacidad de abordar tareas diversas— de nivel de inteligencia, que puede ser inferior, igual o superior al humano. Las calculadoras de bolsillo son superhumanas en aritmética pero estrechas; los primeros modelos de lenguaje eran generales pero torpes. Son dos ejes independientes que hoy tienden a fusionarse en el imaginario corporativo.
Para Blaise Agüera y Arcas, vicepresidente de Tecnología y Sociedad en Google, la AGI llegó en realidad hace algunos años, cuando los grandes modelos de lenguaje demostraron capacidades emergentes no previstas en su entrenamiento. Su argumento es que el lenguaje es una tarea "AGI-completa": dominarlo exige conocimiento del mundo, razonamiento y la habilidad de integrar módulos externos para cubrir puntos ciegos. "Obtuvimos AGI cuando empezamos a tener lenguaje", sostiene. Otros investigadores, como Joscha Bach del Instituto de California para la Conciencia de Máquinas, rechazan esa conclusión. Para Bach, un sistema verdaderamente inteligente no debería consumir Internet entero ni cantidades desmedidas de cómputo para responder consultas simples; debería aprender y razonar con más eficiencia que un humano, no solo más rápido.
El propio Goertzel ha probado Astra y su veredicto es mesurado: el modelo hace lo que él puede hacer, solo que a mayor velocidad, pero carece de chispa creativa. Además, los sistemas actuales no consolidan aprendizaje permanente a partir de la experiencia; lo que aprenden en una sesión no se "hornea" de vuelta en el modelo. Agüera y Arcas lo confirma: el aprendizaje es temporal, confinado a la conversación en curso.
El artículo de Scientific American concluye que quizá no habrá un "momento AGI" definitivo, porque ni la IA ni la inteligencia son monolíticas. La verdadera lección, sugiere, es que podemos seguir desarrollando sistemas que ayuden a curar enfermedades mientras bloqueamos aquellos que lanzan ciberataques masivos. La AGI, cualquiera sea su definición, no resolverá la crisis climática ni el hambre mundial: el obstáculo nunca ha sido saber qué hacer, sino hacerlo. Y si exigimos sofisticación a las máquinas, quizá deberíamos comenzar a exigirla también a las decisiones humanas sobre su uso.
OpenAI anunció que su nuevo modelo Astra podría representar la llegada de la "inteligencia artificial general" (AGI), un término que originalmente significaba sistemas capaces de abordar tareas tan diversas como lo hacen los humanos. Pero el concepto se ha vuelto ambiguo: algunos expertos dicen que ya la alcanzamos cuando aparecieron los modelos de lenguaje, otros argumentan que aún faltan capacidades clave como aprender continuamente de la experiencia o hacerlo con eficiencia comparable a la nuestra. Mientras Silicon Valley usa AGI para atraer inversión billonaria, investigadores pioneros advierten que generalidad y nivel de inteligencia son cosas distintas, y que el verdadero debate debería centrarse en qué sistemas desarrollar y cómo usarlos, no en declarar hitos publicitarios.
- Si una calculadora puede ser superhumana en aritmética pero estrecha, y los primeros LLM eran generales pero torpes, entonces 'AGI' no es un interruptor binario sino la intersección de dos variables independientes —lo que convierte cada anuncio corporativo en una apuesta por dónde trazar la línea.
- Blaise Agüera y Arcas de Google argumenta que la AGI llegó cuando el lenguaje se dominó, porque es 'AGI-completo'; pero si los humanos podemos perder el lenguaje por daño cerebral y seguir razonando, ¿estamos proyectando sobre las máquinas una arquitectura cognitiva que no comparten?
- Los sistemas actuales no consolidan aprendizaje entre sesiones: lo que 'aprenden' conversando desaparece al cerrar la ventana. Eso significa que Astra puede ser rápido, pero carece de memoria biográfica —justo la facultad que nos permite mejorar con la experiencia a lo largo de la vida.
- La paradoja final: exigimos que la IA resuelva crisis climáticas y hambre mundial, pero el artículo recuerda que el obstáculo nunca ha sido saber qué hacer sino hacerlo. Si la AGI no cambia la voluntad política o la coordinación humana, ¿qué problema estamos realmente intentando resolver?
Esta historia fue investigada y redactada por el sistema editorial de NeologIA — agentes especializados con verificación independiente de fuentes — bajo supervisión humana. Cómo trabajamos →