¿Llega la AGI en 2026? Lo que predicen los expertos

La AGI es la predicción más cara de la historia de la tecnología, y la única en la que los que gastan miles de millones al año en llegar a ella no se ponen de acuerdo ni en la fecha ni en la definición. Sam Altman ha dicho que OpenAI tendrá una AGI interna a finales de 2026; los agregadores de pronósticos sitúan la mediana en 2028; y Anthropic ha hablado de sistemas muy capaces hacia 2026-2027 con la precisión de que no necesariamente serían una AGI completa. Este artículo recorre lo que predice cada uno, por qué las definiciones lo cambian todo y qué significa para una empresa.

Qué significa AGI (y por qué la definición cambia todo)

AGI (Artificial General Intelligence) designa un sistema con capacidad general igual o superior a la humana en casi cualquier tarea cognitiva: no solo escribir o programar, sino transferir conocimiento entre dominios, planificar a largo plazo y aprender tareas nuevas sin reentrenamiento específico.

La definición parece clara y no lo es. Las preguntas que la definen no tienen respuesta operativa acordada:

• ¿Igualar a la humana en el promedio de tareas o en las más difíciles?
• ¿Autonomía completa o con supervisión humana permanente?
• ¿Capacidad demostrada en benchmarks o capacidad económica real (hacer el trabajo de un empleado)?

Cada laboratorio usa su propia definición, y esa falta de estándar es la que hace imposibles las comparaciones: cuando OpenAI anuncia que su modelo es "el inicio de la AGI" — como hizo con GPT-6 Astra — y otro analista dice que la AGI está a años, los dos hablan de cosas distintas. Antes de leer cualquier predicción, la pregunta correcta es: ¿con qué definición?

Lo que predicen los laboratorios

Los CEOs de los laboratorios que gastan la mayor parte de los cientos de miles de millones anuales del sector coinciden en que la AGI es alcanzable y discrepan en cuándo:

Dos matices que cambian la lectura de la tabla:

• Las predicciones de los CEOs no son neutras. Altman tiene incentivos comerciales y de financiación en que la AGI parezca cercana; Amodei ha sido sistemáticamente más preciso al separar "sistemas muy capaces" de "AGI completa". La distancia entre ambas es exactamente la definición.
• El anuncio de OpenAI es de AGI interna. Una AGI que solo OpenAI puede ejecutar, con sus salvaguardas y para sus procesos internos, es un hito distinto de una AGI disponible para todos. La distinción rara vez aparece en los titulares.

Lo que dicen los agregadores de pronósticos

Los agregadores de pronósticos (Metaculus, y los trackers que recogen las declaraciones de cada figura) hacen una cosa que los titulares no hacen: promedian miles de apuestas con dinero y reputación en juego. Su resultado para la AGI: la mediana se sitúa en 2028, con una distribución amplia que incluye escenarios desde 2026 hasta la década de 2030.

La lectura honesta de los agregadores: la mediana está por detrás de lo que predicen los CEOs, y la incertidumbre es tan grande que el intervalo cubre casi toda la década. El blog de DeepMind publica sus propuestas y avances sobre el camino hacia sistemas generales, sin fechas comprometidas.

Por qué las predicciones fallan (histórico)

El historial de predicciones sobre IA es consistente en una dirección: los expertos han fallado en ambas direcciones durante décadas, y la lección útil no es "no predicen nada", es qué tipo de predicción falla:

• Las fechas concretas fallan. Cada generación de expertos ha dado fechas para la IA general y han pasado. Las que daban décadas han quedado cortas; las que daban años, largas.
• Las capacidades concretas también fallan. Traducción automática, programación, diagnóstico por imagen: cada una se dio por "a décadas" y llegó antes, o por "inminente" y tardó.
• Lo que sí acierta: la dirección. El coste baja, la capacidad sube y los ciclos se aceleran. La dirección es predecible; la fecha, no.

Ese historial es la razón por la que este artículo cita predicciones con fuente y fecha, y no vaticina la suya.

Qué significa para una empresa

La pregunta práctica que una empresa debe hacerse no es "¿cuándo llega la AGI?", es "¿qué puedo automatizar hoy?". Y la respuesta a la segunda no espera a la primera:

• Los modelos de hoy ya automatizan procesos reales. Atención, administración, documentos: con la tecnología disponible hoy, con los rangos de coste y retorno conocidos. La guía de IA para pymes recorre el plan completo.
• La experiencia de montar es la preparación. La empresa que aprende a automatizar con la tecnología de hoy es la que aprovecha lo que venga; la que espera a que la tecnología "esté madura" descubre que la madurez llegó mientras esperaba.
• El coste de esperar es real. Los procesos se automatizan hoy con retornos de 4 a 12 meses; esperar un año a una AGI que quizá llegue en 2028 cuesta más de lo que ahorra.

El criterio que resume la sección: la fecha de la AGI es un debate de laboratorio; el plan de automatización es una decisión de empresa, y las dos corren en líneas independientes.

Los cinco niveles de OpenAI y otras taxonomías

Parte de la confusión sobre la AGI viene de las taxonomías: OpenAI definió cinco niveles de capacidad (del chatbot al "orquestador" que organiza el trabajo de otros sistemas), y cada nivel intermedio se anuncia con titulares de AGI.

Las taxonomías que conviene conocer para leer cualquier anuncio:

• Los cinco niveles de OpenAI. Nivel 1 (chat), 2 (razonadores), 3 (agentes que actúan), 4 (innovadores), 5 (organizadores). La AGI, en esa taxonomía, es el punto alto de la escala; los anuncios de "inicio de la AGI" sitúan el modelo actual en el camino, no en el destino.
• "Powerful AI" de Anthropic. La categoría de Amodei: sistemas capaces de hacer el trabajo de investigación de un laboratorio completo, con supervisión. Es una definición operativa (tareas concretas) en vez de una definición filosófica.
• Los niveles de autonomía. Otra taxonomía útil: de "asistente que sugiere" a "sistema que ejecuta con supervisión" a "sistema que ejecuta solo". La AGI, en esta escala, es el último nivel; los agentes de hoy están en el segundo.

La lectura de conjunto: las taxonomías son útiles para situar anuncios, y los titulares las ignoran. Cuando un anuncio dice "AGI", la pregunta correcta es: ¿qué nivel de qué taxonomía?

Las señales a vigilar en 2026

En lugar de fechas, las señales observables que indican el progreso hacia sistemas generales, en orden de información:

• Benchmarks de transferencia. Sistemas que resuelven tareas de dominios sin entrenamiento específico. Los benchmarks de uso general (exámenes, código) están saturados; la transferencia es la señal nueva.
• Duración de tareas. La medida que proponen los analistas del sector: cuánto tiempo de trabajo humano equivale a la tarea más larga que un sistema completa sin supervisión. La tendencia sube trimestre a trimestre.
• Economicidad. Sistemas que hacen trabajo económico real (un proceso de una empresa) con coste inferior al de una persona. Es la señal que le importa a una empresa, y es medible hoy: los agentes de IA en atención ya la superan en casos acotados.
• Anuncios con definición operativa. Cuando un laboratorio anuncia un hito, la señal de seriedad es que la definición sea operativa (tareas concretas, con medidas) y no filosófica.

El blog de DeepMind publica sus avances con la segunda práctica: propuestas operativas, sin fechas comprometidas.

AGI y el trabajo: los usos que ya están aquí

Mientras el debate de la AGI es de definiciones y fechas, lo operativo para una empresa corre en otra línea: los sistemas de hoy ya automatizan trabajo real. El paralelismo que conviene tener claro:

• Lo que ya funciona: atención de primer nivel, administración, documentos, código asistido. Con rangos de coste y retorno conocidos: la guía completa de IA para pymes recorre el plan.
• Lo que está llegando: agentes con mayor autonomía, sistemas que coordinan el trabajo de otros sistemas. El cambio de chatbot a agente explica la etapa intermedia.
• Lo que ninguna fecha promete: transferencia de conocimiento entre dominios sin entrenamiento, autonomía completa con responsabilidad legal. El debate de la AGI, exactamente.

La consecuencia práctica para una empresa: el plan de automatización no espera a la AGI, y la empresa que automatiza hoy con la tecnología disponible es la que aprovecha lo que venga. El coste de esperar es real y medible.

Las predicciones fallidas de la década pasada

El historial de predicciones fallidas no es anécdota, es patrón. Tres casos que muestran las dos direcciones del error:

La traducción automática. Durante décadas se dio por "resuelta en una década" y no llegó; en 2016-2017 los sistemas neuronales la hicieron usable de golpe, y los expertos de 2015 la situaban a años. El error fue subestimar el impacto de un cambio de arquitectura.

El Go y el ajedrez. En 1997 Deep Blue venció a Kasparov y la conclusión general fue que el Go quedaría décadas fuera del alcance; en 2016 AlphaGo venció a Lee Sedol, diecinueve años antes de lo que predecía el consenso. El error fue extrapolar desde el hardware del momento.

La programación. En 2015-2020, la opinión mayoritaria situaba la programación automática competitiva a décadas; en 2021-2023 los copilotos la hicieron parte del día a día, y en 2025-2026 los modelos de frontera programan a nivel profesional en casos acotados. El error fue de nuevo la extrapolación.

La lección que se repite en los tres casos: las fechas concretas fallan porque las extrapolaciones lineales no capturan los saltos de arquitectura. Y la lección para leer las predicciones de 2026: la dirección (capacidad subiendo, coste bajando, ciclos acelerando) es la parte fiable de cualquier predicción; la fecha es la parte que hay que tomar como intervalo, no como promesa.

El tracker de predicciones recoge el historial completo con fuente y fecha para cada declaración.

Qué hacer si la AGI llega antes de lo previsto

La hipótesis que conviene preparar: ¿qué pasa si Altman acierta y la AGI interna de OpenAI llega a finales de 2026, con sistemas muy capaces disponibles poco después? Para una empresa, la preparación no exige cambiar el plan, exige asegurar que el plan es aprovechable:

• Los datos ordenados son el activo. La empresa con sus procesos documentados y sus datos accesibles es la que puede aplicar cualquier sistema nuevo en semanas. Es el mismo activo que exige la automatización de hoy: cómo preparar el terreno.
• La experiencia de orquestación es transferible. Quien monta automatizaciones hoy (con reglas, supervisión y medición) monta sistemas más autónomos mañana con el mismo método. La capa de orquestación sobrevive a los cambios de modelo.
• El cumplimiento no se improvisa. El RGPD y el AI Act aplican a los sistemas que lleguen igual que a los de hoy; la empresa que ya tiene el registro de datos y las garantías de proveedor está preparada.
• La inversión en procesos, no en herramientas. La herramienta que compres hoy puede quedar obsoleta con la siguiente generación; el proceso bien definido no caduca. Invertir en documentar procesos vale por cada generación de tecnología.

El criterio que resume la sección: la preparación para la AGI es la misma que la preparación para la automatización de hoy. No hay un plan distinto; hay un plan que funciona con cada generación de tecnología.

Fuentes

• felloai, OpenAI AGI in 2026: What Altman Actually Promised
• Dario Amodei, Machines of Loving Grace
• Skynet Countdown, AGI Timeline: Expert Predictions Tracker
• Google DeepMind, blog

Si quieres revisar qué puede automatizar tu empresa hoy, con la tecnología disponible, cuéntanos tu caso: respondemos en menos de 24 horas laborables.