--- title: "La auditoría interna del propio Google no encuentra el volante de inercia de la IA que su cofundador dice que ya ha arrancado" description: "La primera auditoría interna de DeepMind sobre la investigación en IA impulsada por IA, publicada el 14 de octubre de 2026, constata que la capacidad sube a un ritmo constante de 0,1 puntos del índice al mes, sin rastro de aceleración endógena. Un día después, Serguéi Brin afirmó que el volante de inercia ya ha arrancado. El gasto de capital de Alphabet da por sentado que tiene razón." publisher: "The Inference" section: "Frontier" published: 2026-10-16T17:27:50.181Z modified: 2026-10-16T17:27:50.181Z canonical: https://theinference.org/article/google-s-own-audit-cannot-find-the-ai-flywheel-its-founder-says-has-started/es language: es keywords: "Google, Alphabet, DeepMind, Sergey Brin, AI Safety, Capital Expenditure" --- # La auditoría interna del propio Google no encuentra el volante de inercia de la IA que su cofundador dice que ya ha arrancado > La primera auditoría interna de DeepMind sobre la investigación en IA impulsada por IA, publicada el 14 de octubre de 2026, constata que la capacidad sube a un ritmo constante de 0,1 puntos del índice al mes, sin rastro de aceleración endógena. Un día después, Serguéi Brin afirmó que el volante de inercia ya ha arrancado. El gasto de capital de Alphabet da por sentado que tiene razón. Google publicó esta semana dos documentos que se contradicen, y solo uno de ellos describe qué está comprando el gasto de [Alphabet](https://theinference.org/markets/companies/alphabet). El 14 de octubre de 2026, [Google DeepMind](https://theinference.org/markets/companies/google-deepmind) hizo pública [la primera auditoría interna sobre si la IA está acelerando la investigación en IA](https://cryptobriefing.com/google-deepmind-no-ai-research-acceleration/), 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 [1][2]. 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](https://www.businessinsider.com/sergey-brin-google-gemini-ai-argon-recursive-self-improvement-rsi-2026-10)» [3][4]. 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](https://theinference.org/markets/companies/google-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 [1][2]. 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 [1][2]. 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](https://decrypt.co/381061/google-deepmind-ai-isnt-building-itself-writes-most-code)» [2]. Una salvedad, eso sí, se lee en ambos sentidos: las cifras describen solo el laboratorio de DeepMind, no los de [OpenAI](https://theinference.org/markets/companies/openai) ni [Anthropic](https://theinference.org/markets/companies/anthropic) [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 [1][2]. 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 [1][2]. En 1.389 ejecuciones de agentes revisadas, cuanto mayor era la tarea, menos probable era que el modelo la terminara por sí solo [2]. *Chart: **En RE-Bench, Argon termina cerca de la mitad; la señal de alarma de DeepMind para la automatización total está en el 90%** Gráfico de columnas con las tasas de finalización de RE-Bench: Gemini 3.7 Flash, 27%; agente de Gemini 4 Argon, en torno al 50%; señal de alarma de automatización de DeepMind, 90%* *Porcentaje de tareas de ingeniería del aprendizaje automático de RE-Bench completadas. La columna del 90% es la puntuación que DeepMind considera una señal de alarma de automatización total, no un resultado de un modelo; la cifra de Argon se da como aproximadamente la mitad. Fuentes: auditoría de seguridad de Gemini 4 Argon de DeepMind, vía Crypto Briefing y Decrypt. [1][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 [1][2]. 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 [3][4]. 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](https://theinference.org/markets/people/dario-amodei), sostuvo que la mejora autorrecursiva ya se estaba acelerando [2]. Un informe publicado el miércoles por [Gladstone AI](https://www.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 [3][5][6]. Alphabet gastó [unos 45.000 millones de dólares en proyectos de capital en el segundo trimestre](https://www.sec.gov/cgi-bin/browse-edgar?action=getcompany&CIK=0001652044), frente a un registro medido en el que cada punto de capacidad sigue viniendo de los chips y de las personas [7]. *Chart: **El gasto de capital trimestral se ha más que quintuplicado mientras la pendiente medida de la capacidad se mantenía plana** Gráfico de líneas del gasto de capital trimestral de Alphabet, que sube de unos 8.000 millones de dólares en el tercer trimestre de 2023 a unos 45.000 millones en el segundo trimestre de 2026* *Gasto de capital de Alphabet por trimestre fiscal, en miles de millones de dólares, según los registros presentados ante la SEC. La pendiente de capacidad de DeepMind es un índice aparte que se describe en el texto. [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](https://theinference.org/article/google-prices-gemini-4-argon-at-2-per-million-tokens-a-fifth-of-openai-and-anthropic-s-10-flagships), está completando de verdad trabajos de ingeniería a largo plazo en todo Google [2][8]. 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. ## Takeaway La auditoría de DeepMind constata que la capacidad sube a un ritmo constante de 0,1 puntos al mes y que el 88% de los cambios de código siguen dependiendo de un humano; mientras la pendiente no se acentúe sin más cómputo, los trimestres de 45.000 millones de dólares de Alphabet compran personas y chips, no un volante de inercia. ## Sources 1. [Crypto Briefing, Google DeepMind finds no acceleration in AI research progress, 15 October 2026](https://cryptobriefing.com/google-deepmind-no-ai-research-acceleration/) 2. [Decrypt, Google Says AI Isn't Building Itself Yet—Even Though It Writes 75% of the Code, 15 October 2026](https://decrypt.co/381061/google-deepmind-ai-isnt-building-itself-writes-most-code) 3. [Business Insider, Sergey Brin says Google's AI is approaching a critical moment, 15 October 2026](https://www.businessinsider.com/sergey-brin-google-gemini-ai-argon-recursive-self-improvement-rsi-2026-10) 4. [The Times of India (via MSN), Google co-founder Sergey Brin says company's AI is helping build its own successors, 16 October 2026](https://www.msn.com/en-in/news/other/google-co-founder-sergey-brin-says-company-s-ai-is-helping-build-its-own-successors-hinting-no-slowing-down-of-ai-development/ar-AA2emUk0) 5. [TIME, A New Report Sheds Light on the Secretive Race to Build Self-Improving AI, 14 October 2026](https://time.com/article/2026/10/14/recursive-self-improvement-AI-report/) 6. [Gladstone AI, company website, retrieved 16 October 2026](https://www.gladstone.ai/) 7. [Alphabet, quarterly capital expenditure from SEC filings, retrieved 16 October 2026](https://www.sec.gov/cgi-bin/browse-edgar?action=getcompany&CIK=0001652044) 8. [Google DeepMind, Gemini 4 Argon model page, retrieved 16 October 2026](https://deepmind.google/models/gemini/) --- La auditoría interna del propio Google no encuentra el volante de inercia de la IA que su cofundador dice que ya ha arrancado — The Inference. Canonical: https://theinference.org/article/google-s-own-audit-cannot-find-the-ai-flywheel-its-founder-says-has-started/es