La auditoría interna del propio Google no encuentra el volante de inercia de la IA que su cofundador dice que ya ha arrancado

Google publicó esta semana dos documentos que se contradicen, y solo uno de ellos describe qué está comprando el gasto de Alphabet▲+1.14% — Alphabet, up 1.14 percent today. El 14 de octubre de 2026, Google DeepMind hizo pública la primera auditoría interna sobre si la IA está acelerando la investigación en IA↗, escondida en el informe de seguridad de su nuevo modelo de frontera, Gemini 4 Argon. Su conclusión: no hay aceleración alguna que las máquinas puedan atribuirse ¹².

Un día después, el cofundador de Google Serguéi Brin aseguró en una mesa redonda que sus investigadores y sus modelos «trabajan codo con codo» y que la compañía ya está «empezando a subirse a esa cinta de correr del RSI↗» ³⁴. La mejora autorrecursiva —recursive self-improvement, o RSI por sus siglas en inglés— es el bucle en el que la IA ayuda a construir la IA que la sustituye; cada generación debería, en teoría, llegar más rápido que la anterior ³.

Una línea recta, no un volante de inercia

La evaluación, dirigida por el investigador de DeepMind Haydn Belfield, sigue la capacidad de los modelos de frontera en un Índice de Capacidad General (General Capability Index): una sola cifra por modelo, combinada a partir de las puntuaciones de 123 modelos y 92 pruebas de referencia; algo así como un coeficiente intelectual para la IA ¹². Desde finales de 2024 la puntuación sube unos 0,1 puntos al mes, un trazado sorprendentemente estable ². En sus modelos públicos, la ganancia mensual fue de 0,091 puntos antes de abril de 2026; después de abril, de 0,118, y el informe no encontró entre ambas una diferencia estadísticamente significativa ¹.

El propio Argon se sitúa ligeramente por encima de la tendencia, y el equipo lo atribuye a más capacidad de cómputo y a inversión organizativa, no a una autoaceleración ¹². En palabras de Belfield: «Actualmente no hay una aceleración significativa de extremo a extremo en la I+D del aprendizaje automático, la impulse la IA o cualquier otro factor↗» ². Una salvedad, eso sí, se lee en ambos sentidos: las cifras describen solo el laboratorio de DeepMind, no los de OpenAIPVT$1.18T — OpenAI, private, latest valuation $1.18T ni AnthropicPVT$350B — Anthropic, private, latest valuation $350B ².

La IA escribe el código; los humanos siguen dirigiendo casi todos los cambios

El volante de inercia tendría que engranar en mitad de la cadena, y justo ahí es donde se atasca. Las herramientas de IA ya escriben más de las tres cuartas partes del código de producción de DeepMind, pero en torno al 88% de los cambios de código aún necesita a un humano que dirija a la IA o escriba código antes de que nada se despliegue ¹². La proporción que la IA completa de principio a fin apenas pasó del 7,5% al 11,9% entre abril y septiembre ².

En RE-Bench, una batería interna de 74 tareas de ingeniería del aprendizaje automático, el agente de Argon completó cerca de la mitad ¹. Gemini 3.7 Flash, la generación anterior, logró un 27%. Ambos resultados quedan muy lejos del 90%, la puntuación que DeepMind considera una señal de alarma de automatización total ¹². En 1.389 ejecuciones de agentes revisadas, cuanto mayor era la tarea, menos probable era que el modelo la terminara por sí solo ².

Una encuesta a 12 investigadores sénior de DeepMind encontró que la automatización es máxima en la ejecución bien especificada y verificable, y mínima en la ideación abierta y en el olfato para la investigación a largo plazo ¹². Lo que sigue siendo escaso es la verificación, la revisión y el criterio sobre qué idea merece capacidad de cómputo.

El gasto da por buena la versión del fundador

Brin sostiene que Google ya tiene internamente un par de modelos de ventaja sobre Argon y espera que el ritmo no haga más que acelerar ³⁴. Vihan Jain, responsable de RSI para Gemini en DeepMind, publicó que en el posentrenamiento (post-training) —la fase en la que un modelo base terminado se refina con retroalimentación y datos— la demanda había pasado de pedir chips sin más a pedir «cuota de Argon» ³.

La tesis mueve dinero real. Los valores de semiconductores cayeron casi un 6% hace un mes, cuando el consejero delegado de Anthropic, Dario Amodei, sostuvo que la mejora autorrecursiva ya se estaba acelerando ². Un informe publicado el miércoles por Gladstone AI↗, una firma que asesora al Gobierno de EE UU en política de IA, concluye que la mayoría de los investigadores que entrevistó espera que la RSI llegue en un plazo de tres a doce meses ³⁵⁶. Alphabet gastó unos 45.000 millones de dólares en proyectos de capital en el segundo trimestre↗, frente a un registro medido en el que cada punto de capacidad sigue viniendo de los chips y de las personas ⁷.

Leer el libro de cuentas antes de ponerle precio al volante de inercia

Nada de esto es un argumento contra la IA. El índice sube de forma constante, los agentes son reales, y Argon, presentado el 30 de septiembre, está completando de verdad trabajos de ingeniería a largo plazo en todo Google ²⁸. Es un argumento para separar la medición del relato: según las propias cifras de DeepMind, cada punto de capacidad alcanzado hasta la fecha se remonta al cómputo y a la plantilla, no a máquinas que capitalizan su propio progreso.

Dos líneas del libro de cuentas de DeepMind zanjarán la cuestión: la pendiente mensual del índice de capacidad y la proporción de cambios de código totalmente delegados. Una pendiente que se empine sin capacidad de cómputo adicional, y unos cambios que dejen de esperar la revisión, serían la llegada del volante de inercia. Hasta entonces, el valor será de quien construya la capa de revisión y confianza entre lo que escribe la IA y lo que una organización acaba desplegando.