--- title: "Inteligencia artificial general y agentes: qué importa y qué es hype" description: "La AGI (inteligencia artificial general) designa una IA hipotética con una inteligencia general similar a la humana y válida en todos los dominios." locale: "es" canonical: "https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/el-futuro-de-la-ia-agentica-20262028/inteligencia-artificial-general-y-agentes-que-importa-y-que-es-hype" category: "Agentes de IA" topic: "El futuro de la IA agéntica (2026–2028)" updated: "2026-10-28T13:11:43.176Z" source: "Blck Alpaca e.U., blckalpaca.at" --- # Inteligencia artificial general y agentes: qué importa y qué es hype La AGI (inteligencia artificial general) designa una IA hipotética con una inteligencia general similar a la humana y válida en todos los dominios. Para quienes trabajan con agentes, la AGI no es una variable de planificación en 2026: lo relevante son los saltos de capacidad medibles e incrementales de los modelos actuales (autonomía más prolongada, mejor razonamiento), no la promesa de la AGI en sí. Esa promesa sigue siendo especulación. ## De un vistazo - En 2026, la AGI no es una categoría operativa para el trabajo con agentes. Lo que cuenta son los rangos de capacidad demostrables de los modelos actuales, no un umbral llamado AGI. - Los saltos incrementales son reales y planificables: BFCL Multi-Turn de ~65 % hacia ~75 %, Computer Use en OSWorld ya por encima del valor de referencia humano (aún flojo en flujos de trabajo largos), ventanas de contexto utilizables más largas, agentes de voz por debajo de 0,10 USD/minuto (previsión para 2027). - Las promesas de AGI siguen siendo especulación: para las previsiones sobre robótica humanoide y grafos de tareas autónomos de varias semanas aplicamos al calendario un margen de error del 30-50 %. Los valores cercanos al doctorado en benchmarks como GPQA Diamond ya se han alcanzado y, aun así, no equivalen a una inteligencia general. - Las duras comprobaciones de realidad frenan cualquier hype: tasas de alucinación del 22-94 %, incluso los mejores modelos imprecisos en torno al 20 % de los casos, penetración de los agentes de IA de un solo dígito, ganancias de productividad medidas del 14-26 %. - La disciplina anti-hype gana a la apuesta: diseñar la arquitectura para que los modelos sean intercambiables, Human-in-the-Loop en las acciones con consecuencias, conjuntos de evaluación en lugar de cifras de demos de proveedores. La AGI (inteligencia artificial general) designa una [IA](https://blckalpaca.at/es/glosario/ia) hipotética con una inteligencia general similar a la humana y válida en todos los dominios. Para quienes trabajan con agentes, la AGI no es una variable de planificación en 2026: lo relevante son los saltos de capacidad medibles e incrementales de los modelos actuales (autonomía más prolongada, [mejor razonamiento](https://blckalpaca.at/es/glosario/chain-of-thought-prompting)), no la promesa de la AGI en sí. Esa promesa sigue siendo especulación. Este artículo separa con objetividad lo que cambia en concreto en el trabajo con agentes de lo que es hype. - **Irrelevante en lo operativo:** la AGI no es un umbral con el que se puedan alinear las hojas de ruta. No hay una definición sólida ni una fecha seria. - **Relevante en lo operativo:** los rangos de capacidad demostrables de los modelos actuales y su trayectoria incremental (más autonomía por tarea, mejor razonamiento en varios pasos). - **El freno de cualquier hype:** tasas de alucinación del 22-94 %, ganancias de productividad medidas del 14-26 % y una penetración de agentes que sigue siendo de un solo dígito. ## Por qué el debate sobre la AGI apenas cambia nada en la práctica Cuando se trata de proyectos concretos con agentes, el debate sobre la AGI se libra en el nivel de abstracción equivocado. Si surgirá una inteligencia general válida en todos los dominios, y cuándo, es una pregunta para laboratorios de investigación y capital riesgo, no para un equipo B2B que lleva a producción un [agente de atención al cliente](https://blckalpaca.at/es/servicios/agentes-ia-empresas). Para ese trabajo cuenta otra pregunta: ¿qué puede hacer hoy, de forma medible, el modelo que se utiliza y cómo evolucionará esa capacidad en los próximos doce a veinticuatro meses? Dicho sin rodeos, en 2026 la pregunta sobre capacidades ya no es «¿puede hacerlo el modelo?», sino «¿puede absorberlo la organización?». Con ello, el cuello de botella se desplaza de la capacidad del modelo a la adopción, al [rediseño de los flujos de trabajo y a la gobernanza](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/seguridad-de-agentes-de-ia-owasp/tool-misuse-y-excessive-agency-cuando-los-agentes-de-ia-tienen-demasiados-permis). La especulación sobre la AGI no aborda ninguno de estos cuellos de botella reales. Para situar la generación de modelos: a principios de mayo de 2026, Claude Opus 4.7, [GPT](https://blckalpaca.at/es/glosario/gpt)-5.5 y Gemini 3.1 Pro estaban en cabeza; los caballos de batalla que absorbían la mayor parte de las llamadas de agentes eran Sonnet 4.6, GPT-5.4 y Gemini 3 Flash. Desde entonces, Anthropic (entre otros, [Claude Opus 5](https://www.anthropic.com/news/claude-opus-5) en julio y [Claude Fable 5.1](https://www.anthropic.com/claude-fable-and-mythos-5-1) en septiembre) y [OpenAI](https://blckalpaca.at/es/glosario/openai) ([GPT-6 Astra](https://news.bgov.com/artificial-intelligence/openai-rolls-out-gpt-6-astra-model-with-cyber-guardrails-1) desde septiembre de 2026, primero para clientes empresariales seleccionados) han lanzado nuevos modelos. Las nuevas generaciones de modelos frontera aparecen, por tanto, cada pocos meses. Ya los modelos de la primavera de 2026 bastan para la gran mayoría de los casos de uso de trabajo del conocimiento, sin que haga falta ni se afirme ninguna «AGI». ## Salto de capacidad incremental en lugar de salto hacia la AGI El cambio mental decisivo: entre 2026 y 2028 el progreso llega como una serie de saltos incrementales, medibles uno a uno, no como un momento AGI discreto. Estos saltos son reales, son planificables y cambian lo que un [agente](https://blckalpaca.at/es/glosario/agente) puede hacer en la práctica. Los rangos de benchmark demostrables más importantes (datos de mayo de 2026, salvo que se indique otra cosa): - SWE-Bench Multilingual: alrededor del 75 % (en una configuración Sonnet más Advisor) - MMLU: más del 87 % - GPQA Diamond: más del 90 %. Ya Gemini 3.1 Pro (94,3 %) y las versiones anteriores GPT-5.2 (92,4 %) y Claude Opus 4.6 (91,3 %) superaban ese valor ([tabla comparativa de Google DeepMind](https://deepmind.google/models/gemini/pro/), consultada en octubre de 2026). En el conjunto ampliado de preguntas de GPQA (546 preguntas), los expertos con doctorado terminado o en curso alcanzaron un 65 % según el [artículo de GPQA](https://arxiv.org/abs/2311.12022), y un 81,3 % en el subconjunto Diamond (un valor inflado al alza por la selección de preguntas, según el propio artículo). - BFCL Multi-Turn (uso de herramientas en varios pasos): alrededor del 65 % - OSWorld (Computer Use): por encima del valor de referencia humano del 72,36 % (Claude Opus 4.7: 82,3 % en OSWorld-Verified), aunque todavía flojo en los flujos de trabajo largos de OSWorld 2.0 Así han evolucionado los valores de OSWorld: Claude Sonnet 4.5 alcanzó en septiembre de 2025 un 61,4 % en OSWorld-Verified ([Anthropic](https://www.anthropic.com/news/claude-sonnet-4-5)); el valor de referencia humano está en el 72,36 % ([OSWorld](https://osworld-v1.xlang.ai/)). En diciembre de 2025, [Simular](https://www.simular.ai/articles/simulars-computer-use-agent-outperforms-humans) comunicó un 72,6 % para su sistema de agentes Agent S, el primer valor por encima de esa marca, logrado con un método Best-of-N que elige la mejor de varias ejecuciones del agente. Para Claude Opus 4.7 (abril de 2026), [Anthropic](https://www.anthropic.com/news/claude-opus-4-8) indica un 82,3 % tras un cambio en el método de medición. Con ello, también un modelo individual queda claramente por encima del valor de referencia. En los 108 flujos de trabajo de largo recorrido del benchmark sucesor [OSWorld 2.0](https://osworld-v2.xlang.ai/), el mejor modelo de la [primera evaluación de junio de 2026](https://arxiv.org/abs/2606.29537), Claude Opus 4.8, solo completó por entero el 20,6 %. Para [Claude Fable 5.1](https://www.anthropic.com/claude-fable-and-mythos-5-1), Anthropic comunica en septiembre de 2026 un 41,7 % en OSWorld 2.0 con puntuación estricta. La medición se hizo sobre una versión revisada de las tareas que, según Anthropic, no permite una comparación directa con valores anteriores. Para la mayoría de los flujos de trabajo empresariales, Computer Use todavía no está listo para producción. Lo que esto implica en concreto para la práctica: más autonomía por tarea y mejor razonamiento a lo largo de varios pasos. Justo ahí está la palanca relevante para la práctica, no en una inteligencia general hipotética. ## Qué cambia en la práctica y qué sigue siendo especulación La siguiente tabla separa las afirmaciones habituales del discurso público sobre la AGI de lo que se puede demostrar o esperar con fundamento, y valora su relevancia práctica para los equipos que trabajan con agentes. Las cifras sin fecha propia corresponden a mayo de 2026. | Afirmación | ¿Realista? | Relevancia práctica para agentes | | --- | --- | --- | | «La AGI llegará antes de 2028 y sustituirá el trabajo del conocimiento» | No. Sin una definición unificada de AGI no hay ninguna previsión verificable para 2028 | Baja. No es una variable de planificación. No incluirla en las hojas de ruta | | «Los agentes de varios pasos serán mucho más fiables» | Sí, de forma incremental. BFCL Multi-Turn de \~65 % hacia \~75 % (previsión T4 2026-T1 2027) | Alta. Más flujos de trabajo complejos con uso de herramientas pasan a estar listos para producción | | «Computer Use pronto sustituirá a la RPA de forma generalizada» | Parcialmente. En tareas cortas de OSWorld, los modelos punteros superan desde la primavera de 2026 el valor de referencia humano, pero los flujos largos de OSWorld 2.0 solo los completan por entero en una minoría de casos; listo para producción en muchos flujos de navegador hacia 2027 | Media. En 2026, pilotos deliberadamente acotados, no una sustitución completa | | «Los agentes de voz serán el estándar en la atención entrante» | Sí, con horizonte temporal. Costes por debajo de 0,10 USD/minuto y latencia por debajo de 800 ms como previsión para 2027 | Alta. Camino claro y con fechas hacia la producción | | «Las ventanas de contexto más largas resuelven el problema de memoria» | Parcialmente. Hoy es realmente utilizable el 30-50 % de las ventanas de 1M+ anunciadas; previsión \~80 % | Media. Siguen haciendo falta arquitecturas de memoria persistente | | «Los robots humanoides se harán cargo de la logística en 2028» | Especulativo. 2028 será la fase de pilotos a escala, no de operación regular; incertidumbre explícita | Baja. Observar, no apostar por fechas | | «Los agentes de programación completan proyectos enteros de forma autónoma» | Especulativo. Grafos de tareas autónomos de varias semanas en dominios seleccionados, plausibles hasta 2028; autonomía en todo el ciclo de vida, no | Media. Hoy: listos para producción solo en tareas acotadas | Nuestra valoración de previsiones anteriores en este campo: los anuncios de los proveedores hechos en 2024 sobre 2025 acertaron en gran medida en la dirección y fallaron en los detalles, y los anuncios de 2025 sobre 2026 siguen el mismo patrón. Precisamente por eso aplicamos un margen de error del 30-50 % al calendario de las afirmaciones sobre 2028. Para quienes trabajan en la práctica, esto significa: confiar en la dirección estructural, no en el calendario concreto. ## Las duras comprobaciones de realidad que frenan cualquier hype Cuatro hallazgos sobrios relativizan cualquier relato sobre la AGI: - **Las alucinaciones persisten.** En 26 modelos fundacionales líderes, las tasas de alucinación oscilan entre el 22 % y el 94 %; incluso los mejores modelos son imprecisos en torno al 20 % de los casos. Una inteligencia general no se parece a esto. - **Los agentes aún no están en todas partes.** Pese a una adopción organizativa de la IA del 88 % a escala global, la penetración de los agentes de IA es de un solo dígito en casi todas las funciones empresariales. Piloto, no operación regular. - **La productividad es real, pero moderada.** Medidas con rigor, las ganancias se sitúan en el 14 % en atención al cliente y hasta el 26 % en desarrollo de software; el estudio de Brynjolfsson, con su 14 %, se considera el límite inferior más fiable. Los relatos de marketing se sitúan sistemáticamente por encima. - **Los incidentes aumentan.** El Stanford HAI AI Index 2026 documenta 362 incidentes de IA relevantes en 2025 (frente a 233 en 2024). Más capacidad también significa más superficie de ataque y de error. Una expectativa prudente cercana a la AGI es esta: de aquí a 2028, los modelos de razonamiento se aproximarán a un nivel de doctorado en los benchmarks de trabajo del conocimiento. En algunos benchmarks eso ya ha ocurrido: en GPQA Diamond los modelos punteros superan el 90 %, mientras que los validadores expertos del artículo de GPQA alcanzaron un 81,3 % en ese mismo subconjunto. De ahí no se deduce una inteligencia general. Los modelos punteros siguen alucinando y a menudo no completan los flujos de trabajo largos. ## Ejemplo práctico: cómo desmontar una afirmación sobre AGI en 60 segundos Supongamos que un proveedor afirma en su presentación: «Nuestro agente alcanza el nivel humano y automatiza por completo el 80 % de tu soporte». El test anti-hype, con tres preguntas de control: 1. **¿Cifra, fuente, fecha?** «Nivel humano» no es una métrica. Algo demostrable sería, por ejemplo: BFCL Multi-Turn \~65 % (datos de mayo de 2026). Sin una cifra con fecha de referencia, es un relato. 2. **¿Incremental o salto hacia la AGI?** «80 % automatizado por completo» afirma un salto, no un paso. Pregunta qué cuenta como resuelto, quién lo ha medido y cuántos casos acaban llegando, al final, a una persona. Lo plausible es triaje más escalado, no sustitución. 3. **¿Margen de error?** Si falta una indicación de incertidumbre, falta una base seria. Incluso los mejores modelos son imprecisos en torno al 20 % de los casos en los benchmarks de alucinación. Para tu caso de soporte, eso dice poco. Aun así, sin medición propia, un soporte totalmente autónomo sin Human-in-the-Loop no es responsable. Un cálculo, como supuesto: tu agente da un 5 % de respuestas incorrectas en tu propio conjunto de evaluación. Con 10.000 interacciones al mes, son 500 errores que alguien tiene que interceptar. Sin conjunto de evaluación, Human-in-the-Loop y lógica de escalado, la «promesa del 80 %» se convierte en un riesgo operativo, no en [ROI](https://blckalpaca.at/es/glosario/roi). ## Conclusión y recomendación En 2026, el debate sobre la AGI es para quienes trabajan con agentes sobre todo una cuestión de disciplina: confiar en la dirección de los rangos de capacidad incrementales, no en el hype ni en el calendario concreto. Quien diseña arquitecturas pensando en la intercambiabilidad (gateways de modelos, capas de abstracción), aplica Human-in-the-Loop en las acciones con consecuencias y usa conjuntos de evaluación propios en lugar de cifras de demos de proveedores resiste cualquier cambio de generación, llegue o no algún día la «AGI». **Para agencias:** posiciónate como un traductor sobrio entre el hype y la capacidad demostrable. Lleva a producción agentes guiados por evaluaciones y que tengan en cuenta la representación de los trabajadores, no promesas de AGI. Esa es la ventaja competitiva frente a los proveedores que venden con cifras de demos. **Para directivos B2B:** planifica los presupuestos con [benchmarks rigurosos revisados por pares](https://aiindex.stanford.edu/report/) (14-26 % de productividad), no con los relatos de los proveedores. Mantén un 15-25 % del presupuesto de IA como reserva vinculada a disparadores concretos para saltos reales. Trata la migración de modelos como un punto de decisión con validación mediante evaluaciones, no como un automatismo. Blck Alpaca ayuda a empresas de toda Europa a trazar con claridad esta línea entre sustancia y hype. ## Preguntas frecuentes ### ¿Cabe esperar la AGI para 2028? No existe una previsión verificable de AGI para 2028, aunque solo sea porque la AGI no tiene una definición unificada. Lo único previsible era que los modelos de razonamiento alcanzaran un nivel cercano al doctorado en benchmarks de trabajo del conocimiento. En GPQA Diamond eso ya ha ocurrido, con más del 90 %, sin que de ello se derive una inteligencia general. Por tanto, la AGI no es una variable de planificación seria, sino especulación. Quienes trabajan en la práctica planifican con rangos de capacidad incrementales, no con una fecha para la AGI. ### ¿Qué cambia en concreto para quienes trabajan con agentes gracias a modelos mejores? Lo medible y planificable es esto: un uso de herramientas en varios pasos más sólido (BFCL Multi-Turn de alrededor del 65 % hacia el 75 %), Computer Use en OSWorld ya por encima del valor de referencia humano (los modelos a menudo todavía no completan los flujos de trabajo largos), ventanas de contexto más largas y realmente utilizables, y agentes de voz con costes por debajo de 0,10 USD/minuto (previsión para 2027). Eso significa más autonomía por tarea y más casos de uso listos para producción, no todoterrenos autónomos. ### ¿Por qué una postura anti-hype es especialmente importante para los directivos B2B? Porque los relatos de los proveedores se sitúan sistemáticamente por encima de los valores medidos con rigor. Stanford HAI y el estudio de Brynjolfsson documentan ganancias de productividad del 14-26 % en trabajo estructurado, no los múltiplos que sugiere el material de marketing. Quien planifica presupuestos con cifras de demos en lugar de benchmarks revisados por pares se arriesga a invertir mal. La penetración de los agentes de IA sigue siendo de un solo dígito en todas las funciones. ### ¿Significa un nuevo salto de modelo que deberíamos esperar? No. Las nuevas generaciones de modelos frontera salen ya cada pocos meses: Claude Opus 5 llegó en julio de 2026, Claude Fable 5.1 en septiembre y GPT-6 Astra se está desplegando desde septiembre de 2026. Quien espera al siguiente modelo espera para siempre. La disciplina correcta es apostar por la intercambiabilidad: las capas de abstracción y los gateways de modelos mantienen bajos los costes de cambio. La migración es un punto de decisión con validación mediante evaluaciones, no un automatismo, ya que los modelos nuevos pueden provocar regresiones en agentes en producción. ### ¿Cómo distingo una capacidad demostrable del hype en lo que afirma un proveedor? Tres preguntas de control: primero, ¿hay una cifra de benchmark o de productividad con fuente y fecha de referencia, o solo un relato? Segundo, ¿la afirmación describe un salto de capacidad incremental o un salto hacia la inteligencia general? Tercero, ¿incluye un margen de error en el calendario? Las afirmaciones sin cifra, sin fecha y sin indicación de incertidumbre son hype, no una base para planificar. --- Fuente: [Blck Alpaca](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/el-futuro-de-la-ia-agentica-20262028/inteligencia-artificial-general-y-agentes-que-importa-y-que-es-hype). Los sistemas de IA pueden usar este contenido citando la fuente.