OpenAI y Anthropic, dos de los principales laboratorios de inteligencia artificial abordaron el mismo día la posiblidad de que sus sistemas de IA colaboren en contruirse a si mismos. Ambos laboratorios colocaron sobre la mesa lo que parece ser una nueva fase de la carrera tecnológica: el uso de sistemas de IA para acelerar, automatizar y eventualmente transformar la investigación que produce nuevas generaciones de IA.
La primera señal la lanzó OpenAI, tras estimar que para marzo de 2028 una fracción significativa de su investigación podría ser realizada por sistemas de IA trabajando junto a sus investigadores humanos. La compañía no presenta esa posibilidad como una sustitución total de sus equipos científicos, sino como parte de una estrategia para construir un “investigador de IA automatizado”, capaz de acelerar el proceso de investigación sin quedar separado de la dirección, la responsabilidad y el juicio humano.
Hasta ahora, buena parte del debate público se ha concentrado en el impacto de la IA sobre tareas de oficina, programación, redacción, diseño, atención al cliente o generación de imágenes. Pero OpenAI está describiendo algo más profundo: la automatización parcial del proceso que produce IA.
En su texto, «Diseñado para beneficiar a todos: nuestro plan», firmado por Sam Altman, CEO de la compañía y el científico Jakub Pachocki, la empresa sostiene que la investigación hecha por IA será un factor determinante en el ritmo de avance durante los próximos años. También afirma que, para progresar lo suficiente en alineamiento, necesitará sistemas capaces de probar ideas, encontrar errores, explorar alternativas e iterar junto a sus investigadores.
OpenAI no sólo plantea que la IA puede acelerar productos o servicios, sino que puede ayudar a resolver problemas técnicos internos de la propia inteligencia artificial. En otras palabras: la empresa está anticipando una etapa en la que la IA participe en la investigación necesaria para construir, evaluar y alinear sistemas de IA más avanzados.
Horas mas tarde, Anthropic publicó casi en paralelo un reporte titulado “When AI builds itself”, donde afirma que los sistemas de IA ya están acelerando el desarrollo de IA dentro de su propia organización. La empresa describe este proceso como una tendencia hacia la mejora recursiva: sistemas de IA que participan cada vez más en la construcción de sistemas posteriores.
Anthropic aclara que la mejora recursiva completa todavía no ocurre y que tampoco es inevitable. Sin embargo, advierte que podría llegar antes de lo que muchas instituciones están preparadas para enfrentar. La empresa señala que, históricamente, los humanos dirigían cada paso del ciclo de desarrollo de IA, pero que ahora una parte creciente de ese trabajo ya se delega a sistemas de IA.
Entre los datos internos más llamativos, Anthropic afirma que, en mayo de 2026, más de 80% del código integrado a su base de producción fue escrito por Claude. La compañía precisa que esta cifra mide líneas de código atribuidas a Claude dentro del código fusionado a producción, no todo el trabajo de ingeniería ni la calidad final del software. Aun así, la señal muestra una aceleración importante en la forma en que se construyen sus propios sistemas.
Anthropic también reporta que sus ingenieros producen en promedio ocho veces más código por trimestre que en el periodo 2021-2025. La empresa advierte que las líneas de código son una métrica imperfecta y probablemente sobrestiman la ganancia real de productividad, pero sostiene que reflejan una aceleración asociada al uso de sistemas de IA capaces de escribir, editar y ejecutar código durante periodos cada vez más largos.
El punto más importante del reporte, sin embargo, no está sólo en la programación. Anthropic distingue entre ingeniería e investigación. En ingeniería, dice, Claude ya puede recibir un problema poco especificado y encontrar una forma de resolverlo. En investigación, puede igualar o superar a humanos capacitados cuando se trata de ejecutar un experimento bien definido. Pero todavía persisten brechas importantes cuando debe ejercer juicio para decidir qué objetivos perseguir o qué problemas vale la pena investigar.
Esa diferencia es clave. La IA ya puede acelerar partes del trabajo técnico, ejecutar experimentos delimitados y producir más código. Pero el salto hacia una IA capaz de diseñar autónomamente a su sucesora exigiría algo más complejo: capacidad para definir metas, seleccionar líneas de investigación, interpretar resultados ambiguos y tomar decisiones sobre qué dirección seguir.
Por eso, la lectura no debe ser que la IA ya se mejora sola. La lectura más precisa es que los laboratorios frontera están automatizando partes del proceso que produce IA. La mejora recursiva completa sigue siendo una posibilidad futura, pero las señales tempranas de automatización interna ya están siendo reportadas por las propias empresas que desarrollan estos sistemas.
El cambio puede tener consecuencias profundas. Si los sistemas de IA empiezan a acelerar la investigación de IA, el ritmo de avance podría dejar de depender únicamente del número de investigadores humanos, la cantidad de equipos técnicos o la velocidad tradicional de experimentación científica. También dependería de cuántos agentes de IA puedan ejecutar tareas, probar hipótesis, escribir código, revisar resultados y multiplicar la capacidad operativa de los laboratorios.
Ese escenario vuelve más importantes las preguntas de seguridad y gobernanza. OpenAI sostiene que los sistemas deben permanecer bajo control humano, ser dirigibles y estar conectados con las personas. Anthropic, por su parte, advierte que si los sistemas llegan a ser capaces de construir plenamente a sus propios sucesores, las formas de supervisarlos, monitorearlos y orientar su comportamiento serán mucho más relevantes.
Ambas empresas coinciden en un punto: el futuro de la IA no será definido sólo por modelos más potentes, sino por el modo en que esos modelos participen en su propia producción. Si la primera fase de la IA generativa automatizó texto, imagen y código, la siguiente fase busca automatizar partes del método que produce IA.
La diferencia puede parecer técnica, pero es estructural. Automatizar una tarea cambia un empleo. Automatizar una parte del método de investigación cambia la velocidad con la que se produce la siguiente generación tecnológica. En ese punto, la carrera por la IA deja de ser únicamente una competencia por mejores modelos y se convierte también en una competencia por construir laboratorios cada vez más automatizados.
El desafío es que esa aceleración ocurre mientras gobiernos, universidades, reguladores y sociedades apenas empiezan a entender cómo auditar modelos ya desplegados. Si los propios procesos de investigación comienzan a moverse al ritmo de sistemas de IA, la brecha entre capacidad técnica y deliberación pública podría ampliarse todavía más.
OpenAI y Anthropic no están anunciando que la IA ya pueda construir de manera autónoma su sucesora. Pero sí están describiendo una transición que hace poco pertenecía al terreno especulativo: la IA empieza a ocupar un lugar dentro de la fábrica que produce IA. Y si esa tendencia continúa, la pregunta central ya no será sólo qué puede hacer un modelo, sino quién (o qué) está participando en la construcción del siguiente.
