Qué acaba de pasar: OpenAI habla de «era de la AGI»
El 3 de septiembre de 2026, OpenAI presentó un nuevo modelo, GPT-6 Astra, y dijo que probablemente marca el inicio de la AGI (por sus siglas en inglés, artificial general intelligence). Su presidente y cofundador, Greg Brockman, terminó la rueda de prensa con una frase que dio la vuelta al mundo: «bienvenidos a la era de la AGI». Puedes leer la cobertura en Axios.
La novedad de Astra es que no solo responde preguntas: actúa. Navega por webs, rellena hojas de cálculo, usa aplicaciones de escritorio y encadena varios pasos para terminar una tarea, en lugar de limitarse a explicarte cómo hacerla. Eso es un salto real respecto a un chatbot clásico.
Pero «marcar el inicio de la AGI» no es lo mismo que «esto ya es AGI». La propia empresa usó un «probablemente», y buena parte de la comunidad científica respondió que seguimos ante una IA muy avanzada, pero todavía estrecha. Para entender el debate, primero hay que tener claros los términos.
Qué es la AGI (y qué no es todavía)
La mayoría de la IA que usas hoy es IA estrecha (ANI): brilla en una tarea concreta para la que fue entrenada, y fuera de ahí no sabe moverse. La AGI sería otra cosa: un sistema capaz de aprender y razonar en cualquier dominio, resolver problemas nuevos sin haber sido entrenado específicamente para ellos, igual que hace una persona. Un tercer escalón, la superinteligencia (ASI), superaría a los humanos en prácticamente todo. Ninguno de los dos últimos existe hoy.
| Tipo | Qué hace | Ejemplo | ¿Existe hoy? |
|---|---|---|---|
| IA estrecha (ANI) | Domina una tarea concreta | Un traductor, un motor de ajedrez, ChatGPT | Sí |
| IA general (AGI) | Razona y aprende en cualquier dominio | Una IA que estudia medicina y también repara un motor | No (en debate) |
| Superinteligencia (ASI) | Supera a los humanos en casi todo | Ciencia ficción, por ahora | No |
Un ejemplo aclara la diferencia. Un motor de ajedrez destroza al mejor humano del mundo, pero pídele que juegue a las damas y no sabe ni empezar: hay que reentrenarlo desde cero. Un modelo como GPT-6 es muchísimo más flexible que ese motor, pero sigue teniendo agujeros sorprendentes: puede aprobar un examen de selectividad y, acto seguido, fallar un acertijo de lógica sencillo que cualquier niño resolvería. Sabe mucho; otra cosa es que razone en general.
Cómo sabríamos que hemos llegado (y por qué es tan difícil)
El problema de fondo es que no hay una única definición de AGI aceptada por todos. Sin una meta clara, es imposible declarar la victoria sin discusión. A lo largo de los años se han propuesto varias pruebas, y todas tienen sus grietas:
- El test de Turing. Si una máquina conversa y no puedes distinguirla de una persona, «pasa». Pero parecer humano no es lo mismo que entender: un modelo puede sonar convincente y no comprender nada.
- Benchmarks de razonamiento. Baterías de problemas nuevos (tipo ARC) que miden si el sistema generaliza a situaciones que no ha visto. Útiles, pero cada vez que se publica uno, se entrena para superarlo y deja de medir lo mismo.
- La definición «económica» de OpenAI. La empresa define su meta como «sistemas altamente autónomos que superan a los humanos en la mayoría del trabajo económicamente valioso». Es medible, pero mide impacto laboral, no inteligencia.
- Transferencia y autonomía. ¿Aprende algo en un campo y lo aplica en otro sin ayuda? Ese salto, natural en las personas, es justo donde más flojea la IA actual.
Fíjate en el patrón: cada prueba captura una parte de lo que llamamos «inteligencia» y se deja otra fuera. Por eso una misma noticia puede titularse «ya es AGI» o «aún no lo es» sin que ninguno de los dos mienta: dependen de qué definición uses.
Por qué los expertos no se ponen de acuerdo
El desacuerdo no es solo marketing. Andrej Karpathy, cofundador de OpenAI, calcula que todavía falta al menos una década para una AGI plena, mientras otras figuras del sector la dan por inminente. El error más común al leer estas noticias es confundir capacidad con comprensión: que un modelo escriba código, apruebe exámenes o redacte informes demuestra que es una herramienta potentísima, no que «piense» como tú.
Un segundo error es tragarse el titular sin mirar la letra pequeña. Cuando una empresa que vende el producto anuncia que su producto cambia la historia, conviene separar el dato verificable (salió un modelo nuevo, hace X cosas) de la interpretación interesada («es AGI»). Esa distinción entre hecho y afirmación es, literalmente, pensamiento crítico, y es la habilidad que más te va a servir en un mundo lleno de IA.
Qué significa esto si te interesa la tecnología (y cuándo va bien un profe)
La buena noticia para un estudiante es que nada de esto exige ser un genio: exige bases sólidas. Detrás de la IA hay matemáticas (álgebra, probabilidad, estadística), programación y una buena dosis de razonamiento lógico. Quien entiende esos cimientos no se deja deslumbrar por los titulares y, además, puede construir sobre la tecnología en vez de solo consumirla. Si el tema te engancha, empezar por la inteligencia artificial y sus matemáticas de base es una apuesta con muchísimo futuro.
Aquí es donde un profesor particular marca la diferencia: detecta qué base te falta (esa función que no acabaste de entender, esa probabilidad que se te resiste) y te la refuerza en horas en vez de meses. Y como el curso no ha hecho más que empezar, tiene sentido pensar en continuidad: el mismo profesor de septiembre a junio, sin permanencia y a plazos sin intereses, para que la asignatura no se te acumule.
En Eurekademy puedes probar con una primera clase con 50% de descuento, sin compromiso, con profesores que trabajan en el sector tecnológico. Nuestros alumnos nos valoran con 4,8★ en Google, y esa base bien puesta es lo que convierte la curiosidad de hoy en una salida profesional real mañana.