Cada tres meses ocurre algo increíble: no, no se trata del último informe de ganancias de NVIDIA. No, tampoco es la Reserva Federal recortando tasas otra vez. Y no, tampoco es Taylor Swift anunciando una nueva gira.
Se trata de algo mucho más importante: una inteligencia artificial duplica el tiempo que puede trabajar por sí sola, sin perderse y sin necesitarnos a nosotros, los humanos.
Y eso significa que, si ya piensas que la IA es impresionante por lo que puede hacer hoy… espera al próximo trimestre.
En marzo de 2025, el mejor modelo del mundo podía mantener una sola tarea durante una hora. Hoy, en abril de 2026, Claude Opus 4.6 trabaja doce horas seguidas en una única tarea. Y aquí viene la parte que realmente quiero que sientas: en octubre de este año, probablemente serán veinticuatro horas. Para enero del próximo año, cuarenta y ocho. Y después… seguirá creciendo.
A menos que hayas estado viviendo en una cueva, probablemente ya viste el gráfico de inteligencia artificial del que todos hablan en Silicon Valley y que está moviendo los mercados financieros globales en este momento. No hablo del S&P. Hablo de un gráfico creado por una organización sin fines de lucro de apenas treinta personas en Berkeley, California, llamada METR — Model Evaluation and Threat Research.
Este es el gráfico que está decidiendo tu futuro profesional… sin pedirte permiso.
Hoy vamos a entender qué nos está diciendo sobre la evolución de la inteligencia artificial, para que no te tome por sorpresa la próxima duplicación.
LO QUE ESTE GRÁFICO REALMENTE MIDE
Durante años, la inteligencia artificial se midió de la misma manera que la inteligencia humana: mediante pruebas.
Algo parecido a los exámenes estandarizados como el SAT. Se sometía un modelo a pruebas de matemáticas, derecho, comprensión lectora y otras evaluaciones para ver cómo se desempeñaba. Las empresas hacían pasar sus modelos por baterías de exámenes estandarizados para comparar su rendimiento frente a modelos rivales al resolver problemas matemáticos, responder preguntas legales o resumir textos con precisión.
Estas eran mediciones útiles. Pero no funcionaban tan bien cuando se trataba de agentes de IA: sistemas diseñados para trabajar de manera autónoma durante minutos o incluso horas seguidas. Porque, si realmente te interesaban estos sistemas, la pregunta importante era otra: ¿cuánto tiempo podían trabajar antes de quedarse atascados? ¿Podían manejar una tarea sencilla que a un humano le tomaría unos minutos? ¿O una tarea más compleja que requeriría varias horas?
Así fue como Beth Barnes, cofundadora y CEO de METR, formuló una pregunta diferente: “¿Cuánto tiempo puede trabajar una IA sin perderse?” Y a partir de esa pregunta nació METR.
Los investigadores de METR intentaron medir esto creando un benchmark basado en tareas reales de ingeniería de software: depuración de código, configuración de servidores y entrenamiento de pequeños modelos de IA, entre otras actividades.
Contrataron desarrolladores expertos para realizar esas tareas y luego hicieron que agentes de IA intentaran resolver exactamente los mismos desafíos. Cuando un agente completaba con éxito una tarea, registraban cuánto tiempo le había tomado al experto humano realizar ese mismo trabajo.
Después plasmaron los resultados en un único gráfico: duración de la tarea en un eje, tiempo en el otro. Así construyeron una línea de tendencia que reflejaba años de evolución de la inteligencia artificial.
Lo que encontraron fue sorprendente.
Al principio, la duración —medida en horas humanas— de las tareas que un agente de IA podía completar de forma confiable se duplicaba aproximadamente cada siete meses.
Más recientemente, con modelos como Claude Opus 4.5 de Anthropic y GPT-5.2 de OpenAI, la curva dio un giro abrupto hacia arriba: ahora la duración de las tareas se está duplicando cada tres o cuatro meses.
Pero los números abstractos no siempre generan impacto. Así que observa el gráfico por un momento y sigue las etiquetas conmigo.
En 2019, la mejor IA del mundo podía responder una única pregunta: cuatro segundos de atención humana.
En 2022, GPT-3.5 podía contar palabras dentro de un texto: aproximadamente treinta y seis segundos de trabajo administrativo.
En 2023, GPT-4 dio el salto a encontrar información en internet: seis minutos, aproximadamente el trabajo de un becario curioso.
A finales de 2024, el modelo o1-preview entrenaba un clasificador: treinta minutos, el trabajo de un analista junior.
En 2025, GPT-5 entrenaba modelos de imágenes robustos frente a ataques adversariales: cuatro horas, el equivalente a una tarde de trabajo de un ingeniero competente en machine learning.
Y hoy, Claude Opus 4.6 implementa protocolos complejos a partir de múltiples especificaciones técnicas: diez horas, el trabajo que un ingeniero senior realiza durante una jornada laboral.
Observa lo que acaba de ocurrir.
El gráfico no solo muestra más tiempo. Está mostrando un cambio de categoría.
Pasamos de “responder una pregunta” a “implementar un sistema a partir de especificaciones”.
De un comportamiento reactivo a uno arquitectónico.
Del trabajo de un becario al trabajo de un ingeniero senior… en apenas siete años.
Y eso no es solo una aceleración de velocidad.
Es una aceleración del tipo de trabajo cognitivo que empieza a considerarse automatizable.
Y si crees que tu propio trabajo está a salvo porque es más estratégico, más complejo o más humano… te pediría que te quedaras observando esta curva un poco más.
Porque este es el tipo de gráfico que hace que mi formación como economista empiece a gritar.
Existe un principio en la predicción tecnológica llamado Ley de Amara, bautizado así por Roy Amara, futurista formado en Stanford.
La Ley de Amara dice:
Tendemos a sobreestimar el impacto de una tecnología en el corto plazo y a subestimarlo dramáticamente en el largo plazo.
La mayoría de las personas hoy todavía están atrapadas en la primera mitad de la Ley de Amara aplicada a la IA: la fase de sobreexpectativa.
Vieron ChatGPT en 2023, lo observaron escribir un poema mediocre y concluyeron que esto era simplemente otro ciclo tecnológico más.
Lo que están ignorando es la segunda mitad.
La parte donde aparece la subestimación.
La parte donde, tres duplicaciones más tarde, el mundo ya se reorganizó silenciosamente alrededor de una capacidad que estaban descartando dieciocho meses antes.
Este gráfico no es ciencia ficción.
Es la Ley de Amara… trazada en tiempo real.
TU CEREBRO NO FUE DISEÑADO PARA LEER ESTE GRÁFICO
Pero espera un momento. Antes de que salgas a despedir a todo tu equipo como recientemente han hecho Jack Dorsey y Mark Zuckerberg —o, más probablemente, entres en una espiral de ansiedad existencial sobre tu propio trabajo— hagamos una pausa por un segundo.
Porque hay algo que necesita ser dicho. Y es incómodo.
Tu cerebro, literalmente, no fue diseñado para leer este gráfico.
Daniel Kahneman, premio Nobel y prácticamente el creador de la economía conductual moderna, dedicó su carrera a explicar una idea central: los seres humanos operamos mediante dos sistemas cognitivos.
El Sistema 1 es rápido, instintivo e intuitivo.
El Sistema 2 es lento, deliberado y analítico.
Casi todas nuestras decisiones cotidianas —incluida la manera en que interpretamos la información— ocurren a través del Sistema 1.
Y el Sistema 1 tiene una debilidad por encima de todas las demás:
No puede procesar el cambio exponencial.
Como especie, evolucionamos en la sabana. Cazábamos antílopes, contábamos frutas y medíamos distancias con nuestros ojos.
Todo era lineal.
Un antílope más. Una fruta menos.
Cuando el Sistema 1 observa un gráfico exponencial, instintivamente lo aplana y lo convierte en una línea recta que sube de forma pronunciada, porque esa es la única forma que conoce.
Piensa en esto:
Si le hubieras dicho a alguien en 1995 que, quince años después, casi todos los adultos del planeta llevarían en el bolsillo un dispositivo con todo el conocimiento de la humanidad, gratuito e instantáneamente accesible… te habría llamado delirante.
Y sin embargo, eso fue exactamente lo que ocurrió.
No porque fuera impredecible.
Sino porque el Sistema 1 no puede proyectar curvas compuestas.
Tú no puedes.
Pero está bien.
Yo tampoco.
Nadie puede.
Entonces, ¿qué hacemos con eso?
EL EJERCICIO INCÓMODO
Haz esto conmigo. Haz una pausa por un momento — si estás conduciendo, hazlo después. Pero hazlo.
Abre tu calendario de la semana pasada. Enumera cinco tareas que te hayan tomado más de una hora cada una. Una reunión de planificación, un informe, un análisis de mercado, una presentación, una respuesta larga por correo electrónico, una investigación sobre competidores. Cinco tareas reales.
Ahora respóndeme — no para mí, para ti:
De esas cinco, ¿cuántas podría hacer hoy Claude Opus 4.6 trabajando doce horas seguidas? No el 100%. Pero sí el 70%, el 80% del trabajo.
Probablemente más de las que te gustaría admitir. ¿Verdad?
Ahora viene la pregunta dolorosa.
Dentro de seis meses — cuando ese mismo modelo, o su sucesor, esté trabajando de forma autónoma durante veinticuatro o cuarenta y ocho horas seguidas — ¿cuántas de esas tareas seguirá teniendo sentido que hagas tú mismo?
Esa es la pregunta que definirá la próxima década de tu carrera.
Y es exactamente sobre eso que escribí en «Between You and AI».
El segundo pilar de mi framework — Transformación Conductual — comienza con una habilidad que llamo Aumentación.
El principio es sencillo de decir y brutal de poner en práctica:
automatiza la rutina, eleva lo humano.
Pero para hacer eso, necesitas entender qué cuenta como “rutina” hoy. Y qué era humano ayer y se está convirtiendo en rutina mañana.
Entonces, ¿qué hacemos con esto?
La respuesta — y esta es la gran metanoia de este episodio — no es entrar en pánico.
Es instalar una disciplina.
La llamo auditoría trimestral de augmentación.
Es simple.
Tres meses es aproximadamente la velocidad de la próxima duplicación.
Así que cada tres meses, te sientas contigo mismo — treinta minutos, un café y una libreta — y respondes tres preguntas. Solo tres.
Primera: ¿Qué hacía yo hace tres meses que la IA ahora hace mejor que yo?
Segunda: ¿Qué sigo haciendo hoy que probablemente se convertirá en una tarea de IA dentro de tres meses?
Tercera: Dado eso, ¿dónde debería estar invirtiendo mis horas humanas ahora para estar del lado correcto de esta curva?
Treinta minutos.
Cada tres meses.
Es la inversión más barata que puedes hacer en tu propia carrera.
Y escucha, voy a ser directo:
Si no haces esto, alguien más lo hará por ti.
Será tu CEO. Tu CFO. Tu consejo directivo. El mercado.
Y una decisión tomada sobre ti, por otra persona, rara vez es una buena decisión para ti.
Así que aquí está la pregunta con la que quiero dejarte:
¿Cuánto de tu calendario de la próxima semana ya está por debajo de la línea de Claude Opus 4.6?
Quédate con esa idea.
Y cuando salga el próximo modelo — dentro de tres o cuatro meses, con veinticuatro horas de autonomía — vuelve a hacerte la misma pregunta.
¿Quieres seguir explorando el impacto de la inteligencia artificial, el liderazgo y el futuro del trabajo? Conoce mi podcast Between You and AI | Leadership, Human Skills & the Future of Work.
Consulta mi libro «Between You and AI», publicado por Wiley — allí desarrollo todo el framework de las nueve habilidades humanas para navegar esta nueva ola.
Y puedes encontrarme en andreaiorio.com para todo lo demás: conferencias, contenido y conversaciones.
