En pocas semanas, la expresión «automejora recursiva» pasó de los foros especializados a los documentos financieros. Anthropic la menciona en el prospecto de su salida a bolsa, la organización independiente METR publicó una estimación de cuánto se está acelerando el trabajo de ese laboratorio y un grupo del MIT mostró a un modelo de OpenAI modificando por dentro a otra red neuronal. Las tres noticias apuntan a la misma pregunta: ¿está la IA empezando a construir una IA mejor que ella misma?
El concepto es sencillo de enunciar. Xataka la define como la capacidad de un modelo de construir, de forma autónoma, modelos más avanzados que él. TechCrunch la describe como el punto en que la IA se vuelve tan buena entrenándose a sí misma que provoca una aceleración drástica de sus capacidades. Para unos es el inicio de un ciclo que podría escapar del control humano; para otros, una herramienta de productividad y descubrimiento científico sin precedentes. El propio CEO de Anthropic, Dario Amodei, escribió en septiembre que esta dinámica ya asoma en todo el sector, su empresa incluida, según recogió Xataka.
Lo que dice Anthropic. El 2 de noviembre, TechCrunch informó que una versión del prospecto presentado a la SEC advertía que la empresa podía alcanzar de forma inminente la definición de progreso dramáticamente acelerado atribuible a la IA que fija su Política de Escalamiento Responsable. La versión siguiente, del 10 de noviembre, va más lejos: Anthropic afirma que determinó que ya cumplió ese umbral, pero en base a lo que espera de modelos futuros y a su ritmo general de progreso, no a lo observado en los modelos actuales. El mismo documento reconoce que en el pasado no detectó aceleraciones importantes hasta después de que ocurrieron, que usar IA para construir IA más capaz puede suponer un riesgo de seguridad considerable y que no prevé poder usar Claude, de forma segura, para diseñar y construir por sí solo nuevas generaciones de modelos sin supervisión humana significativa.
Lo que midió METR. La organización, que estudia capacidades de modelos de IA, tuvo acceso entre el 12 de agosto y el 29 de octubre a puntajes internos de modelos no publicados, datos de eficiencia y cómputo de entrenamiento, encuestas internas y unas 15 entrevistas con personal de Anthropic, aunque no pudo consultar directamente esos modelos, según su propio informe y The Decoder. Su informe concluye que las capacidades de los modelos de la empresa, en tareas bien definidas, probablemente mejoran a cerca del doble de velocidad que entre marzo de 2024 y octubre de 2025: estima la aceleración en 1,9 veces, con un intervalo de confianza que va de 1,5 a 2,8, y aventura, como estimación subjetiva, que alrededor de 80% de ese salto se debe al uso de la propia IA. En una revisión aparte, METR considera plausible que Anthropic hubiera cruzado su umbral de alerta ya el 15 de julio, pese a que su informe público de agosto hablaba de una aceleración menor a dos veces, y que ese informe exageró sus argumentos para descartarlo, aunque precisa que la mayoría de los investigadores pertinentes de METR y de Anthropic se inclinan por que no se cruzó en esa fecha.
Hay matices importantes. METR reconoce que Anthropic tachó la mayor parte de la evidencia que consideró más informativa, por lo que el público debe confiar en su criterio más de lo ideal, y no descarta que la cifra real esté más cerca de 1,3 o de 3. The Decoder agrega que Anthropic canceló a mitad del proyecto la auditoría sobre la asignación de cómputo. Al incluir modelos públicos de OpenAI, Google y xAI, la aceleración de toda la industria baja a 1,4 veces. En su revisión del informe de riesgos de agosto, METR coincidió con Anthropic en que los riesgos catastróficos agudos por I+D automatizada eran bajos para los modelos disponibles al 15 de julio de 2026. Esa conclusión no evalúa los modelos de noviembre. Su evaluación de octubre, publicada por separado, advierte que la aceleración podría seguir aumentando.
El experimento con GPT-6 Astra. Investigadores del MIT probaron lo que llaman «programación en el espacio de pesos»: en vez de reentrenar un modelo, otro modelo edita directamente sus parámetros numéricos. Según The Decoder, Astra cambió apenas 0,016% de los pesos de Qwen3.5-0.8B, un modelo pequeño de Alibaba, y su precisión en el test matemático MATH-500 subió de 7,9% a 48,1%. Pero el mismo medio aclara que en otro modelo pequeño no logró mejoras medibles y que los autores creen que la edición eliminó un bloqueo en lugar de agregar capacidades nuevas. Xataka subraya que esto no es automejora recursiva en sentido estricto: un modelo modificó a otro, no a sí mismo.
¿Qué está probado y qué es marketing? La evidencia disponible, buena parte de ella tachada para el público, indica que la IA ya acelera el trabajo de al menos un laboratorio de frontera, con mucha incertidumbre sobre cuánto. No está demostrado que exista un ciclo en que los modelos se diseñen solos. TechCrunch apunta que, para los escépticos, un prospecto funciona a la vez como documento de divulgación y como pieza de marketing, y que anunciar cercanía a una IA que se construye a sí misma puede caer en lo segundo. Al mismo tiempo, METR dice no haber encontrado cuellos de botella convincentes que frenen el avance, aunque admite que su opinión sobre ese punto cambió varias veces durante la evaluación.
Para el lector, la consecuencia práctica es de gobernanza. La supervisión humana y las evaluaciones externas son mecanismos de control, pero este caso no demuestra que basten para contener los riesgos. METR no tuvo acceso directo a los sistemas evaluados y parte de la evidencia no es pública; su informe tampoco certifica la seguridad de Claude. Anthropic dice estar evaluando cambios a su política para mantener a las personas en control del desarrollo; cómo se verifique ese compromiso será una de las discusiones centrales de los próximos meses.

