El relato dejó a la sala muda. Masayoshi Son, fundador y CEO de SoftBank y uno de los financistas más influyentes del ecosistema de inteligencia artificial, contó esta semana en una entrevista con la CNBC que, según ingenieros de OpenAI con los que se reunió, la próxima generación de modelos de la compañía detrás de ChatGPT no la está diseñando un equipo humano: la está diseñando otra inteligencia artificial. Lo dijo sin filtros, con esa mezcla de profecía y pitch que lo acompaña desde hace décadas, y rematando la frase con un anuncio que pocos esperaban: la superinteligencia, dijo, ya no llega en diez años ni en cuatro. Llega en dos.
El comentario circuló como reguero de pólvora. No solo por la magnitud del pronóstico, sino por quién lo hizo. Son es uno de los principales socios financieros de OpenAI y un actor central en el plan de infraestructura de IA más grande de la historia reciente, un proyecto que en los últimos dieciocho meses comprometió cifras de cientos de miles de millones de dólares en centros de datos, energía y chips. Cuando alguien con esa exposición habla de un cambio cualitativo en la velocidad de la IA, los mercados, los reguladores y los ingenieros de software de la región se ven obligados a escuchar, aunque sea para tomar distancia.
Detrás de la frase taquillera hay tres ideas que conviene desarmar antes de saltar al impacto regional. Primero: qué quiso decir exactamente Son con que "la IA diseña el próximo modelo". Segundo: por qué OpenAI, oficialmente, ni confirma ni desmiente. Tercero: qué cambia, en concreto, para América Latina si la curva de capacidades efectivamente se acelera al ritmo que él predice.
Lo que dijo Son, y lo que aclaró OpenAI
En la conversación con la CNBC, Son aseguró que habló con Sam Altman, CEO de OpenAI, y con un grupo de ingenieros de la empresa, y que ellos le confirmaron que el próximo modelo grande está siendo diseñado por otro modelo. La frase exacta que retomaron decenas de medios fue contundente: "va a ser exponencialmente más inteligente que todos nosotros". Para Son, esa es la señal de que entramos en la fase de la superinteligencia, ese umbral en el que un sistema artificial supera al humano no solo en una tarea aislada, sino en la mayoría de las capacidades cognitivas.
El propio Son reconoció que su línea de tiempo cambió. Hace casi dos años, en presentaciones públicas, hablaba de una superinteligencia que llegaría en una década. Después dijo cuatro años. Esta semana ajustó otra vez el reloj: "Ahora digo que viene en los próximos dos años". El argumento implícito es que cada vez que una IA participa del diseño de la siguiente, la velocidad de mejora se vuelve compuesta, como un interés que se acumula sobre sí mismo.
OpenAI, por su parte, no entró en detalles. Una vocera de la empresa le dijo a la CNBC que no comentan sobre modelos sin lanzar, pero aclaró que la compañía ya usa IA en varias partes del proceso de desarrollo de sus modelos. Es una respuesta calibrada: no confirma la versión maximalista de Son, pero tampoco la desmiente, y deja en pie la idea de que el uso de IA dentro del laboratorio es ya una práctica común. La distancia entre "ayudar a programar" y "diseñar al próximo modelo" es enorme, pero cabe entera en esa media frase.
Diseñar un modelo: qué significa, en la práctica
Para entender la magnitud del anuncio conviene aterrizar el verbo. "Diseñar" un modelo de inteligencia artificial moderno no es escribir cuatro líneas de código. Implica decidir su arquitectura interna, ajustar cuántas capas tiene, cómo se organiza la atención, qué datos se utilizan para entrenarlo, cómo se evalúa, cómo se afinan los miles de pequeños botones que regulan su comportamiento. Hasta ahora, esa tarea la hacía una mezcla de investigadores con doctorados y equipos de ingeniería, con ciclos largos de prueba y error.
Que una IA tome parte de ese trabajo no es ciencia ficción. Empresas como Google, Meta, Anthropic y la propia OpenAI vienen contando hace meses que usan modelos para generar código, sugerir arquitecturas, optimizar hiperparámetros o curar datasets. Anthropic, por ejemplo, comunicó que más del ochenta por ciento del código que se incorpora a su base proviene ya de Claude, su propio asistente. Es un cambio cultural enorme dentro de los laboratorios, pero está lejos de ser autonomía total.
Lo que sugiere Son, si se lo toma al pie de la letra, es un escalón más arriba: no que la IA ayude, sino que conduzca. Ese matiz importa porque es el que dispara los pronósticos de superinteligencia inminente. Si la próxima generación de modelos efectivamente la diseña otra IA, la mejora ya no depende del cuello de botella humano y se vuelve recursiva. La pregunta legítima, sin embargo, es si esa lectura no infla un proceso que en los laboratorios todavía se describe como colaboración entre humanos y máquinas, no como reemplazo.
Por qué importa para América Latina
Para los países de la región, la frase de Son no es una curiosidad de Silicon Valley. Es un dato que reordena prioridades. Brasil, México, Colombia, Chile, Argentina, Perú y Costa Rica están en distintos puntos de su agenda nacional de IA: algunos con estrategias formales, otros redactando leyes, otros importando aplicaciones sin demasiado marco. Si efectivamente la curva de capacidades se vuelve exponencial en los próximos veinticuatro meses, la ventana para tomar decisiones soberanas se angosta de forma drástica.
Hay tres frentes que se ven especialmente expuestos. El primero es laboral. Estudios recientes del Banco Interamericano de Desarrollo y de la CEPAL coinciden en que entre un veinte y un cuarenta por ciento de los empleos en América Latina están al menos parcialmente expuestos a la automatización con IA generativa. Mucho de ese empleo está concentrado en servicios profesionales, atención al cliente, programación junior y back office financiero, sectores que en países como Costa Rica, Colombia y Argentina son grandes empleadores formales. Si la próxima generación de modelos es realmente la "exponencialmente más inteligente" que describe Son, el plazo para reconvertir esos talentos se acorta.
El segundo frente es regulatorio. Brasil tiene su Marco Legal de la IA en discusión avanzada en el Senado. México aprobó este año un paquete de regulación que incluye penas para usos delictivos de la tecnología. Chile, Colombia y Perú están actualizando sus regímenes de datos personales para incorporar criterios de IA. Todos esos procesos asumen, de manera implícita, que la tecnología se mueve a una velocidad humana de discusión legislativa. Una superinteligencia que llega en dos años pone esa premisa en duda y obliga a pensar marcos que sean adaptables y no estáticos, con cláusulas de revisión periódica y mecanismos de supervisión técnicos que hoy casi ningún país de la región tiene capacidad de aplicar.
El tercer frente es de infraestructura. La región consume IA, pero produce muy poca. Casi todos los modelos de frontera viven en centros de datos de Estados Unidos, Europa y Asia. Si efectivamente entramos en una etapa en la que la IA se autodiseña, el costo computacional de entrenar la siguiente generación se vuelve un activo geopolítico de primera línea. Iniciativas como el plan brasileño de IA soberana, el centro de datos de NVIDIA en México o las inversiones recientes de Microsoft y Amazon en Chile dejan de ser anuncios de prensa y empiezan a tener peso estratégico.
El sesgo del mensajero
Hay un elefante en la sala que ningún análisis honesto puede esquivar. Son no es un observador neutral. SoftBank invirtió decenas de miles de millones en OpenAI y en el ecosistema de centros de datos que la abastece. Cada vez que el público cree que la superinteligencia está más cerca, el valor de esos activos se reescribe al alza. Algunos analistas en Wall Street ya plantearon abiertamente que existe un riesgo de optimismo interesado en estas declaraciones, y la frase "vamos a ver una versión de IA mucho más potente en dos años" funciona tanto como predicción técnica como pitch financiero.
Eso no significa que esté equivocado. Significa que conviene leerlo con la misma cautela con la que un inversor lee a un CEO en una llamada de resultados. La industria está llena de plazos prometidos que se cumplieron parcialmente y de plazos prometidos que se corrieron varias veces. La autoconducción total, los asistentes que reemplazan equipos enteros y la "inteligencia general" pasaron por carriles parecidos en la última década. Cada uno avanzó de manera real, pero ninguno llegó cuando se prometió.
Qué mirar en los próximos dos años
Para no quedarnos en la consigna, sirve fijar algunas señales concretas que la región puede monitorear. La primera son los benchmarks técnicos: si efectivamente los próximos modelos de OpenAI, Anthropic, Google y Meta avanzan en pruebas de razonamiento, programación y planificación a un ritmo netamente mayor que en los últimos doce meses, la tesis de Son gana fuerza. La segunda son las inversiones de los Estados latinoamericanos en talento técnico local y en centros de datos: ahí se verá si la región se prepara o se queda comprando capacidades a terceros. La tercera, quizás la más decisiva, son los marcos regulatorios: cuán rápido pueden los Congresos de Brasilia, Ciudad de México, Bogotá, Santiago y Buenos Aires aprobar legislación que no quede obsoleta el día que entra en vigencia.
Mientras tanto, las empresas, escuelas y gobiernos de la región conviene que tomen una postura intermedia entre el escepticismo y la fe. Asumir que la IA va a seguir mejorando rápido es razonable. Asumir que cualquier promesa con número de calendario es ley es ingenuo. La consigna útil, hoy, es preparar a las organizaciones para escenarios de aceleración fuerte sin comprar el discurso de inevitabilidad. Diseñar formación continua para los equipos, revisar contratos con proveedores de modelos, auditar qué datos viajan a qué API, planear con qué tareas se delega y con cuáles no.
También en Neuratia
Cierre
El comentario de Son va a quedar en la memoria de esta semana de junio como una más entre las muchas profecías que la industria de la inteligencia artificial nos ofrece cada tantos meses. Pero también va a obligar a más de un equipo de gobierno y a más de una dirección de tecnología en la región a sentarse a revisar supuestos. Si los próximos modelos efectivamente nacen ya con otra IA como copiloto del diseño, y si la línea entre asistencia y autoría se sigue corriendo, la pregunta que importa no es si la superinteligencia llega en dos años o en diez. Es qué hacemos en América Latina mientras se decide, lejos de acá, a qué velocidad va a llegar.