La inteligencia artificial que hoy utilizamos para escribir, programar, buscar información o resumir documentos también está empezando a desempeñar otro papel bastante más relevante: ayudar a crear la siguiente generación de IA. Anthropic asegura que Claude ya lidera el 26 % de las tareas internas de investigación y desarrollo necesarias para avanzar en nuevos modelos. Apenas unos meses antes, en febrero, ese porcentaje era inferior al 1 %.. La propia empresa utiliza una expresión muy gráfica para explicar hacia dónde apunta este proceso: los modelos están empezando a participar en “construir la siguiente versión de sí mismos”. La frase impresiona, pero necesita bastante contexto. Claude no está creando de manera autónoma a su sucesor, ni decide qué modelo desarrollar ni trabaja sin supervisión. Los investigadores de Anthropic siguen definiendo los objetivos, proporcionando las herramientas y revisando los resultados.. Lo que ha cambiado es cuánto trabajo puede hacer la IA una vez recibe esas instrucciones.. ¿Qué significa que Claude «lidere» una tarea?. Anthropic clasifica el trabajo de sus modelos según diferentes grados de autonomía. Cuando asegura que Claude “lidera” una tarea se refiere a situaciones en las que un investigador plantea un objetivo general y la IA puede encargarse de la mayor parte del proceso hasta entregar un resultado.. Un ejemplo sencillo sería encontrar un fallo en alguna herramienta que utiliza la propia compañía para desarrollar o evaluar sus modelos. Un ingeniero puede pedirle a Claude que investigue qué está pasando y el agente puede revisar información, localizar posibles errores, modificar código, probar soluciones y devolver una propuesta.. La persona continúa supervisando y tomando la decisión final, pero ya no necesita realizar manualmente todos esos pasos. Y es ahí donde el 26 % empieza a resultar interesante.. Desarrollar un nuevo modelo de inteligencia artificial exige miles de tareas de programación, experimentación, evaluación, análisis de resultados y corrección de errores. Si una parte creciente de ese trabajo puede realizarla la propia IA, las compañías podrían reducir el tiempo necesario para desarrollar nuevos modelos y también la cantidad de trabajo que tienen que ejecutar directamente sus investigadores.. Eso no tiene que significar que vayan a necesitar menos trabajadores. Anthropic está midiendo tareas automatizadas, no empleos eliminados. Un investigador puede seguir siendo necesario, pero dedicar menos tiempo a programar, buscar errores o analizar resultados y más a plantear experimentos, tomar decisiones o supervisar varios procesos a la vez. Ese es, al menos, uno de los escenarios que suelen plantear los grandes laboratorios de IA.. Sin embargo, el futuro del empleo humano es también una de las mayores incertidumbres que plantea esta tecnología: hasta qué punto sustituirá puestos completos o, más probablemente en muchos casos, cuánto y qué partes de nuestro trabajo cambiará –cuáles haremos nosotros y cuáles delegamos en una máquina–.. Una IA mejor puede ayudar a crear otra todavía mejor. Aquí aparece uno de los conceptos que más preocupa –y también más interesa– a quienes estudian la evolución de estos sistemas. Si una IA ayuda a los investigadores a desarrollar un modelo más avanzado, ese nuevo modelo podría ser todavía más útil para desarrollar el siguiente. Y así sucesivamente. El escenario extremo se conoce como recursive self-improvement o automejora recursiva: sistemas capaces de participar cada vez más en su propio desarrollo hasta alcanzar niveles muy elevados de autonomía.. Anthropic deja claro que Claude todavía no se encuentra en ese punto. De hecho, la compañía asegura que no ha identificado ninguna categoría de trabajo de investigación en la que el modelo funcione completamente solo. Pero medir cuánto trabajo está empezando a asumir permite observar si esa frontera se está acercando. Y el salto de aproximadamente el 1 % al 26 % en pocos meses es precisamente lo que hace que estos datos resulten llamativos: esa velocidad es la razón de que tantas voces en el sector se hayan alzado los últimos días, pidiendo pisar el freno de la tecnología para que las salvaguardas puedan acompañar.. Claude ya está presente en casi toda la investigación. Hay otra cifra que ayuda a entender la dimensión del cambio: más del 90 % del trabajo de investigación y desarrollo de Anthropic ya implica algún grado importante de colaboración entre humanos e inteligencia artificial.. Eso no quiere decir que Claude haga el 90 % del trabajo. Puede limitarse a una parte del proceso mientras una persona mantiene el control de la tarea. Pero sí muestra hasta qué punto la compañía ha incorporado sus propios modelos a la creación de otros modelos.. Anthropic asegura además que durante agosto llegó a tener alrededor de 30.000 agentes de IA trabajando simultáneamente en tareas internas de investigación e ingeniería. Cuantos más agentes trabajan y más decisiones pueden tomar, mayor es también la necesidad de supervisarlos.. La compañía afirma que las acciones pasan por sistemas de control antes de ejecutarse y que, durante agosto, aproximadamente una de cada 47.000 decisiones fue bloqueada. En una semana analizada de julio, destacan, alrededor del 6 % de la capacidad de cálculo utilizada para investigación se destinó a trabajos relacionados con seguridad, un porcentaje que ascendió al 12 % entre las tareas lideradas por agentes.
La inteligencia artificial que hoy utilizamos para escribir, programar, buscar información o resumir documentos también está empezando a desempeñar otro papel bastante más relevante: ayudar a crear la siguiente generación de IA. Anthropic asegura que Claude ya lidera el 26 % de las tareas internas de investigación y desarrollo necesarias para avanzar en nuevos modelos. Apenas unos meses antes, en febrero, ese porcentaje era inferior al 1 %.. La propia empresa utiliza una expresión muy gráfica para explicar hacia dónde apunta este proceso: los modelos están empezando a participar en “construir la siguiente versión de sí mismos”. La frase impresiona, pero necesita bastante contexto. Claude no está creando de manera autónoma a su sucesor, ni decide qué modelo desarrollar ni trabaja sin supervisión. Los investigadores de Anthropic siguen definiendo los objetivos, proporcionando las herramientas y revisando los resultados.. Lo que ha cambiado es cuánto trabajo puede hacer la IA una vez recibe esas instrucciones.. ¿Qué significa que Claude «lidere» una tarea?. Anthropic clasifica el trabajo de sus modelos según diferentes grados de autonomía. Cuando asegura que Claude “lidera” una tarea se refiere a situaciones en las que un investigador plantea un objetivo general y la IA puede encargarse de la mayor parte del proceso hasta entregar un resultado.. Un ejemplo sencillo sería encontrar un fallo en alguna herramienta que utiliza la propia compañía para desarrollar o evaluar sus modelos. Un ingeniero puede pedirle a Claude que investigue qué está pasando y el agente puede revisar información, localizar posibles errores, modificar código, probar soluciones y devolver una propuesta.. La persona continúa supervisando y tomando la decisión final, pero ya no necesita realizar manualmente todos esos pasos. Y es ahí donde el 26 % empieza a resultar interesante.. Desarrollar un nuevo modelo de inteligencia artificial exige miles de tareas de programación, experimentación, evaluación, análisis de resultados y corrección de errores. Si una parte creciente de ese trabajo puede realizarla la propia IA, las compañías podrían reducir el tiempo necesario para desarrollar nuevos modelos y también la cantidad de trabajo que tienen que ejecutar directamente sus investigadores.. Eso no tiene que significar que vayan a necesitar menos trabajadores. Anthropic está midiendo tareas automatizadas, no empleos eliminados. Un investigador puede seguir siendo necesario, pero dedicar menos tiempo a programar, buscar errores o analizar resultados y más a plantear experimentos, tomar decisiones o supervisar varios procesos a la vez. Ese es, al menos, uno de los escenarios que suelen plantear los grandes laboratorios de IA.. Sin embargo, el futuro del empleo humano es también una de las mayores incertidumbres que plantea esta tecnología: hasta qué punto sustituirá puestos completos o, más probablemente en muchos casos, cuánto y qué partes de nuestro trabajo cambiará –cuáles haremos nosotros y cuáles delegamos en una máquina–.. Una IA mejor puede ayudar a crear otra todavía mejor. Aquí aparece uno de los conceptos que más preocupa –y también más interesa– a quienes estudian la evolución de estos sistemas. Si una IA ayuda a los investigadores a desarrollar un modelo más avanzado, ese nuevo modelo podría ser todavía más útil para desarrollar el siguiente. Y así sucesivamente. El escenario extremo se conoce como recursive self-improvement o automejora recursiva: sistemas capaces de participar cada vez más en su propio desarrollo hasta alcanzar niveles muy elevados de autonomía.. Anthropic deja claro que Claude todavía no se encuentra en ese punto. De hecho, la compañía asegura que no ha identificado ninguna categoría de trabajo de investigación en la que el modelo funcione completamente solo. Pero medir cuánto trabajo está empezando a asumir permite observar si esa frontera se está acercando. Y el salto de aproximadamente el 1 % al 26 % en pocos meses es precisamente lo que hace que estos datos resulten llamativos: esa velocidad es la razón de que tantas voces en el sector se hayan alzado los últimos días, pidiendo pisar el freno de la tecnología para que las salvaguardas puedan acompañar.. Claude ya está presente en casi toda la investigación. Hay otra cifra que ayuda a entender la dimensión del cambio: más del 90 % del trabajo de investigación y desarrollo de Anthropic ya implica algún grado importante de colaboración entre humanos e inteligencia artificial.. Eso no quiere decir que Claude haga el 90 % del trabajo. Puede limitarse a una parte del proceso mientras una persona mantiene el control de la tarea. Pero sí muestra hasta qué punto la compañía ha incorporado sus propios modelos a la creación de otros modelos.. Anthropic asegura además que durante agosto llegó a tener alrededor de 30.000 agentes de IA trabajando simultáneamente en tareas internas de investigación e ingeniería. Cuantos más agentes trabajan y más decisiones pueden tomar, mayor es también la necesidad de supervisarlos.. La compañía afirma que las acciones pasan por sistemas de control antes de ejecutarse y que, durante agosto, aproximadamente una de cada 47.000 decisiones fue bloqueada. En una semana analizada de julio, destacan, alrededor del 6 % de la capacidad de cálculo utilizada para investigación se destinó a trabajos relacionados con seguridad, un porcentaje que ascendió al 12 % entre las tareas lideradas por agentes.
20MINUTOS.ES – Tecnología
