Jack Clark es cofundador de Anthropic, la empresa detrás de Claude. Además, ha sido un observador constante del avance en el sector de la inteligencia artificial (IA) a través de su boletín Import AI, que se ha consolidado como referencia para investigadores y ejecutivos del área. Recientemente, Clark ha realizado un análisis donde establece que, con una probabilidad superior al 60%, antes de que finalice 2028, existirá un sistema de IA capaz de entrenar autónomamente a su propio sucesor sin intervención humana significativa.
Clark expresa su preocupación al respecto, indicando que las implicaciones de tal desarrollo son abrumadoras, y que la sociedad podría no estar preparada para los cambios que conllevaría.
Análisis de capacidades de IA
Los argumentos de Clark se basan en datos difíciles de ignorar. En 2023, el sistema SWE-Bench evaluó la capacidad de los modelos de IA para resolver problemas reales de ingeniería de software, donde Claude 2 resolvía correctamente solo el 2% de los casos. Sin embargo, el modelo más reciente de Anthropic, Claude Mythos Preview, ha alcanzado un impresionante 93,9% de efectividad.
Asimismo, el seguimiento de la organización METR revela que el tiempo en que los sistemas de IA pueden operar de manera independiente en tareas complejas ha ido aumentando considerablemente. En 2022, GPT-3.5 completaba tareas que a un humano le llevaban 30 segundos. En 2023, con GPT-4, este tiempo se incrementó a 4 minutos, y en 2024 a 40 minutos. Para 2025, los sistemas lograron completar estas tareas en aproximadamente 6 horas, y en 2026, Claude Opus 4.6 ha llegado a las 12 horas de trabajo autónomo sostenido.
Futuro de la investigación en IA
La investigadora de METR, Ajeya Cotra, estima que para finales de este año algunos sistemas podrían alcanzar las 100 horas de autonomía. Si esto se concreta, una gran parte de la investigación en inteligencia artificial, que actualmente requiere de horas o días de trabajo humano, podría ser realizada por los propios modelos.
Clark también menciona cómo los sistemas actuales están adquiriendo habilidades específicas para la investigación en IA. En diciembre de 2025, uno de los autores de CORE-Bench, un test que evalúa la capacidad de una IA para reproducir resultados científicos, afirmó que Opus 4.5 había superado la prueba con un 95,5% de éxito, mientras que en septiembre de 2024, el mejor sistema solo alcanzaba un 21,5%.
Desafíos éticos y creativos
En el campo del entrenamiento de modelos de lenguaje más pequeños, las IA actuales logran aproximadamente la mitad de la mejora que obtendrían investigadores humanos en tareas similares, y su ritmo de avance es exponencial. Este es un área que las grandes compañías están buscando desarrollar activamente.
Sam Altman, presidente de OpenAI, ha manifestado su deseo de tener un “asistente de investigación en IA automatizado” antes de septiembre de 2026. Por su parte, Anthropic ha publicado trabajos sobre la automatización de la investigación, y la startup Recursive Superintelligence ha cerrado recientemente una ronda de financiación de 500 millones de dólares con el objetivo de automatizar la investigación en IA.
El análisis de Clark también plantea desafíos significativos. Si los sistemas de IA comienzan a diseñar sus propios sucesores, las técnicas de alineamiento actuales, que guían a la IA sobre lo que puede y no puede hacer, podrían volverse rápidamente ineficaces. Un sistema entrenado con un 99,9% de precisión podría, tras varias generaciones de autoentrenamiento, solo respetar las directrices el 60,5% de las veces.
Finalmente, surge la duda sobre si la IA puede aportar la creatividad necesaria para realizar avances significativos, como lo hicieron en su momento la arquitectura de transformadores o los modelos de mezcla de expertos. Clark considera que, aunque su contribución se limite a un trabajo metódico, este podría ser suficiente para alcanzar nuevos umbrales.
