Durante años la tecnología avanzó como un camino previsible. Una herramienta nueva mejoraba un oficio, después aparecía otra más eficiente y así se formaba una secuencia de progreso estable. Cada salto requería tiempo, investigación y trabajo humano directo. En ese paisaje apareció la inteligencia artificial (IA) y alteró la lógica conocida. Al principio solo clasificaba imágenes y reconocía objetos. Más adelante aprendió a jugar juegos complejos. Con el tiempo empezó a escribir textos largos, resolver problemas y analizar temas que antes parecían reservados a especialistas. Lo sorprendente no fue la capacidad en sí misma sino la relación entre esfuerzo y resultado. Cada mejora pequeña abría una puerta inesperada y eso conectaba con otra capacidad que tampoco estaba prevista.
Esa secuencia crea una historia distinta. Imaginar una escalera ayuda. Durante décadas subimos escalón por escalón con un ritmo constante. De pronto algunos escalones empezaron a duplicarse solos. Un pequeño cambio en el entrenamiento de un modelo generó un salto de calidad desproporcionado. Una nueva forma de organizar la información interna del sistema habilitó razonamientos más largos. Luego, una idea simple liberó funciones que antes exigían trabajo humano intensivo. Se trata de que ciertos modelos empezaron a producir avances que superan el esfuerzo que se invierte en ellos. El resultado es una aceleración cuyo ritmo no conocemos. Antes se podía estimar cuánto progreso generaría un año de investigación, hoy la relación entre causa y efecto se volvió incierta.
Este fenómeno recibe el nombre de singularidad. No se refiere a un evento mágico ni a una máquina consciente, describe un punto de la historia tecnológica en el que el avance deja de depender del ritmo humano. El software se vuelve el motor principal del progreso. Cada paso del sistema facilita el siguiente y el ciclo se retroalimenta porque una mejora interna genera condiciones que permiten otra mejora todavía mayor. La singularidad no exige que la IA iguale a una persona en todas las tareas, se enfoca en la velocidad del crecimiento. La pregunta central ya no es qué tan inteligente puede volverse un sistema sino qué tan rápido puede mejorar una versión futura a partir de una versión presente.
Lo más llamativo es que esta aceleración no proviene exclusivamente de máquinas más poderosas. Durante décadas el progreso dependía de procesadores más veloces o de memorias más amplias. En cambio, los avances recientes nacen del propio software. Técnicas de autoaprendizaje permiten que el sistema genere sus propias tareas de entrenamiento. Métodos de autocorrección elevan la calidad de las respuestas sin intervención humana. Nuevas formas de organizar el conocimiento interno amplifican la capacidad de razonamiento. Estos mecanismos actúan como el combustible de un motor que gira cada vez más rápido.
El punto final de esta historia no está definido. Desconocemos hacia dónde se dirige el proceso ni cuál será su velocidad dentro de unos años. Lo que sí sabemos es que este tipo de aceleración ya comenzó. Cada mejora reciente indica que la relación entre esfuerzo y resultado cambió de manera estructural. El gráfico que motivó estas reflexiones muestra esa transición. Una tecnología que durante años creció de manera lineal entró en una etapa en la que el ritmo deja de ser fijo. Esa es la señal más clara de que estamos viviendo el comienzo de un ciclo en el que el software no solo ejecuta tareas, sino que impulsa el próximo salto de su propia evolución.
Las cosas como son
Mookie Tenembaum aborda temas de tecnología como este todas las semanas junto a Claudio Zuchovicki en su podcast La Inteligencia Artificial, Perspectivas Financieras, disponible en Spotify, Apple, YouTube y todas las plataformas.
