
Los modelos de lenguaje más avanzados rozan lo que algunos llaman AGI, pero con bordes irregulares. Analizamos qué cambia y qué sigue sin cambiar para quienes trabajan con IA.
Durante años, la inteligencia artificial general —la idea de una IA capaz de igualar a un experto humano en la mayoría de tareas intelectuales— fue un horizonte teórico. Algo que los laboratorios perseguían pero que nadie podía señalar con el dedo.
Eso está cambiando. Y merece una conversación honesta.
Una definición útil, no grandiosa
El investigador Ethan Mollick, autor del blog One Useful Thing, propone una definición de AGI deliberadamente modesta: «una IA tan buena como la mayoría de expertos humanos en la mayoría de tareas intelectuales que se pueden hacer con un ordenador».
La definición excluye explícitamente la interacción física con el mundo, las relaciones humanas y la mayoría de empleos reales, donde el ordenador es solo una herramienta entre muchas. No es la AGI de ciencia ficción. Es algo más cercano, más concreto y, precisamente por eso, más relevante para quienes trabajamos con estas herramientas a diario.
Capaz, pero dentado
Mollick acuña el término AGI dentada (Jagged AGI) para describir el estado actual. Los modelos de lenguaje más recientes realizan tareas que hace dos años habrían parecido imposibles: generan vídeos funcionales a partir de código, razonan sobre problemas complejos, producen trabajo creativo con criterio y humor.
Pero el rendimiento no es uniforme. Hay picos extraordinarios junto a valles inesperados. Y lo más llamativo es que esos valles ya no se explican por errores simples ni alucinaciones burdas. El modelo no confunde hechos básicos; falla en algo más sutil, más difícil de anticipar.
Eso lo convierte en un colaborador potente y, al mismo tiempo, en uno que requiere supervisión experta. No porque sea torpe, sino porque sus límites son irregulares y no siempre visibles a primera vista.
Qué ha cambiado realmente
Para quienes usamos modelos de lenguaje en comunicación digital, esto tiene consecuencias prácticas:
- La brecha entre usuario experto y usuario casual se amplía. Quien entiende dónde están los bordes dentados saca mucho más partido que quien delega sin criterio.
- La revisión humana sigue siendo imprescindible, pero el tipo de revisión cambia. Ya no buscamos errores obvios; buscamos decisiones de juicio que el modelo tomó de forma plausible pero incorrecta para nuestro contexto.
- Las tareas creativas con restricciones claras —un vídeo con un objetivo concreto, un texto con tono definido— son donde estos modelos rinden mejor. La ambigüedad sigue siendo territorio humano.
El riesgo de la ilusión de competencia
Uno de los puntos más importantes del análisis de Mollick es precisamente este: cuando un modelo falla de forma sofisticada, el error es más difícil de detectar que cuando falla de forma obvia.
Hemos visto esto en proyectos propios. Un texto generado con errores gramaticales es fácil de corregir. Un texto que argumenta con coherencia pero desde una premisa equivocada puede pasar filtros que el primero no pasaría.
La competencia del modelo aumenta. La responsabilidad del equipo humano también, no menos.
Lo que esto no significa
No estamos ante una herramienta que reemplaza equipos. Estamos ante una que redefine qué tareas tiene sentido delegar y cuáles requieren más atención humana, no menos.
Tampoco significa que todas las organizaciones estén en el mismo punto. Adoptar modelos de lenguaje avanzados sin entender sus límites irregulares es el error más común que vemos. No es falta de tecnología; es falta de criterio sobre cuándo confiar y cuándo verificar.
Una transición, no una llegada
La AGI dentada no es el destino final. Es una fase. Los modelos seguirán mejorando, los bordes irregulares se irán suavizando en algunas áreas y aparecerán en otras nuevas.
Lo más útil que podemos hacer ahora es desarrollar el criterio para distinguir cuándo el modelo está en un pico y cuándo está en un valle. Eso no se aprende leyendo especificaciones técnicas. Se aprende usándolo con atención y con preguntas honestas sobre los resultados.
Esa es, creemos, la habilidad más valiosa en este momento.
Fuente original
Del blog al tablero
La IA ya puede estar trabajando en tu negocio.
Integramos módulos de inteligencia artificial en el día a día de empresas reales: atención, contenido, automatización. Primero los probamos en casa.
Sigue leyendo
Artículos relacionados.

La robótica entra en una nueva etapa tras la salida de Jensen Huang de NVIDIA
Jensen Huang dimitió de NVIDIA el 12 de noviembre de 2026. Para la industria robótica, su marcha cierra una era de visibilidad sin precedentes. ¿Qué queda ahora?

Kling Image 4.0: generación nativa en 8K y conjuntos de imágenes coordinadas
Kling AI presenta su nuevo modelo de imagen estática con resolución nativa en 8K, texto enriquecido y la capacidad de generar hasta 10 imágenes relacionadas desde un solo encargo.

Qwen4-Max ya está disponible en AI Gateway de Vercel
El primer modelo de la serie Qwen4 de Alibaba llega a AI Gateway: ventana de contexto de 1 millón de tokens, visión nativa y capacidades avanzadas para agentes de larga duración.
Publicado el