La inteligencia artificial ya puede automejorarse y el cambio recién empieza

Empieza a ser necesario saber dirigir, entender cómo se encadenan tareas, cómo se combinan herramientas, cómo se supervisan secuencias de acción y cómo se conserva el control sobre procesos que la máquina empieza a recorrer con una autonomía creciente

La novedad ya no pasa solo por chatbots que escriben mejor o responden más rápido. El verdadero giro aparece cuando los sistemas comienzan a percibir, planificar, actuar, verificar y corregir sus propios procesos, mientras nos obligan también a pensar de otra manera nuestra relación con la tecnología. La etapa que se abre ya no se explica únicamente por mejores respuestas, sino por una lógica más cercana a la orquestación de agentes, herramientas y flujos de trabajo.

Una de las señales más claras de ese corrimiento la dio Andrej Karpathy al publicar en GitHub su proyecto autoresearch. Allí no aparece una fantasía futurista, sino una escena mucho más concreta y, justamente por eso, más perturbadora. Un agente de IA que trabaja sobre un entorno real, aunque pequeño, de entrenamiento de modelos, modifica código, prueba hipótesis, ejecuta ciclos breves, mide resultados, conserva mejoras y descarta errores sin depender, a cada paso, de la mano humana.

Karpathy no presentó una mente artificial emancipada. Presentó algo que, para el corto plazo, puede ser incluso más decisivo. Un circuito de investigación automatizada que comprime el tiempo entre intuición, prueba y corrección.

Ese mismo desplazamiento se volvió todavía más visible con GPT-5.4. OpenAI lo presentó como un modelo pensado para trabajo profesional real, no solo para conversación. La compañía mostró mejoras fuertes en tareas de conocimiento, en uso de computadoras y en reducción de errores fácticos, además de un rendimiento orientado a documentos, hojas de cálculo, presentaciones y software cotidiano. Más que un chatbot mejorado, lo que empieza a aparecer es otra figura. Una inteligencia artificial capaz de moverse con creciente soltura dentro del entramado concreto del trabajo.

En paralelo, Google empujó esa misma dirección con NotebookLM, cuya nueva función Cinematic Video Overviews transforma materiales escritos en videos inmersivos y personalizados. Ya no se trata solo de responder una pregunta. Se trata de intervenir cada vez más tramos del proceso.

Y allí emerge, a mi juicio, uno de los nombres posibles para esta nueva etapa. Un pensamiento agéntico. Es decir, una manera de comprender la IA no como una interfaz que contesta, sino como una estructura que percibe, planifica, actúa, verifica y corrige. Ya no alcanza con saber pedir. Empieza a ser necesario saber dirigir. Entender cómo se encadenan tareas, cómo se combinan herramientas, cómo se supervisan secuencias de acción y cómo se conserva el control sobre procesos que la máquina empieza a recorrer con una autonomía creciente.