Google DeepMind reportó el 14 de mayo de 2025 que AlphaEvolve, su agente de inteligencia artificial para desarrollar algoritmos, recuperaba en promedio el 0.7 por ciento de la capacidad mundial de cómputo de Google mediante una mejor asignación de tareas. Otra optimización redujo un 1 por ciento el tiempo de entrenamiento de Gemini.
Según la empresa, la primera mejora permite ejecutar más tareas con la misma infraestructura. Son resultados operativos declarados por el desarrollador: el anuncio no presenta una cifra de utilidades atribuible a ellos ni establece cuánto podría ahorrar otra compañía.
¿Qué significa mejorar a la IA?
AlphaEvolve combina modelos Gemini con evaluadores automáticos: propone programas, comprueba su funcionamiento y selecciona los resultados para nuevas iteraciones. Así puede optimizar componentes empleados para entrenar los propios modelos que utiliza.
Esta aplicación difiere de usar un asistente para redactar documentos o desarrollar aplicaciones. En su nota de septiembre de 2026, Jürgen Schmidhuber describe la automejora recursiva como un proceso que actúa sobre el propio mecanismo de mejora. Optimizar una tarea o parte del entrenamiento no demuestra, por sí solo, una cadena autónoma e ilimitada de avances.
La productividad necesita contexto
El documento de investigación que sustenta esta nota contrasta esos resultados con los de METR. Su experimento con herramientas disponibles a principios de 2025 encontró que los desarrolladores participantes tardaban un 19 por ciento más en completar sus tareas cuando podían usar IA.
El 24 de febrero de 2026, METR informó que sus nuevos datos apuntaban a una mayor aceleración, pero no permitían estimarla de manera confiable, ya que algunos desarrolladores evitaban participar o excluían tareas porque no querían realizarlas sin IA. Esa selección limitaba la representatividad de los resultados.
Cinco métricas para evaluar el retorno
Para examinar el efecto empresarial, la investigación base plantea cinco indicadores como marco de evaluación:
- Costo por resultado aceptado. Relaciona el gasto total del proceso con los entregables que cumplen criterios de calidad previamente definidos. Incluye trabajo humano, herramientas y cómputo, además de intentos fallidos y correcciones.
- Tiempo total del ciclo. Abarca desde la solicitud hasta la aceptación, incluidas las esperas, la validación y el retrabajo.
- Defectos. Registra cuántos resultados incumplen esos criterios y qué fallas aparecen después de la entrega.
- Revisión humana. Contabiliza las horas dedicadas a verificar, corregir y autorizar.
- Gasto de cómputo. Identifica el consumo de infraestructura y servicios, incluidos los experimentos descartados. Forma parte del costo total, por lo que no debe contabilizarse dos veces.
De la capacidad técnica al resultado económico
Comparar estos indicadores entre tareas equivalentes, con y sin IA, permite distinguir entre velocidad de producción y resultados aceptables. METR advierte que las diferencias de tiempo pueden no representar diferencias de valor cuando cambian las tareas o la calidad del trabajo.
Los casos documentados no permiten calcular un aumento de utilidades para una empresa específica. La capacidad liberada, el tiempo ahorrado y el beneficio económico son medidas distintas: los datos disponibles acreditan mejoras técnicas concretas y limitaciones de medición, sin establecer una rentabilidad transferible a cualquier organización.
Se espera que los modelos de IA sigan elevando rápidamente sus capacidades mediante la automejora recursiva. En contraste con este acelerado desarrollo, salvo contadas excepciones, las empresas siguen ancladas a paradigmas y modelos de negocio que eran válidos hace apenas cuatro años, antes de la irrupción de ChatGPT en noviembre de 2022.
El momento actual invita a replantear nuestras empresas no solo desde la posibilidad de optimizar procesos y aumentar marginalmente la productividad, sino también de imaginar nuevas posibilidades y valorar su potencial. Las organizaciones disruptivas serán, en mi opinión, las que dominarán en la Sociedad Tecno-Cognitiva.
Foto: Archivo