El futuro de la programación está en juego. Analizamos el crucial debate sobre la AGI entre los líderes de DeepMind y Anthropic, revelando el "roadmap" que definirá tu carrera profesional como desarrollador. Descubre las estrategias de supervivencia y cómo el "Capability Overhang" te da una ventaja competitiva única.
Pocas conversaciones generan tanta expectación como la que mantuvieron la semana pasada en Davos los líderes de los dos laboratorios de IA más avanzados del mundo: Demis Hassabis (CEO de Google DeepMind y premio Nobel de química 2024) y Dario Amodei (CEO de Anthropic y doctor en física).
Compartieron escenario para discutir lo que han denominado "el día después de la AGI" (Inteligencia Artificial General). Para nosotros, los que escribimos código y construimos sistemas, esta conversación no es solo un desbarre de dos tipos random: es el roadmap que describe o bien nuestra obsolescencia o bien nuestra mayor evolución.
Es decir, nuestro futuro profesional depende totalmente de las tecnologías que desarrollan estos dos personajes.
Información clave del artículo:
- La AGI podría llegar entre 2026 y 2030, transformando radicalmente el desarrollo de software y el mundo en general.
- El valor del desarrollador se desplaza de la ejecución al "qué" y "por qué" (intencionalidad).
- Aprovecha el "Capability Overhang" dominando las herramientas de IA existentes para ser experto.
Te dejo aquí el vídeo (es solo media hora) y a continuación analizo las posturas de estos dos gigantes y qué significan para el futuro inmediato de nuestra profesión.
¿Para cuando la IA general? ¿2026 o 2030?
La Inteligencia Artificial General (AGI, por sus siglas en inglés) es un supuesto sistema de inteligencia artificial diseñado para comprender, aprender y aplicar conocimiento en muchos dominios y tareas diferentes, a niveles comparables o superiores a los de un ser humano promedio. Poseería capacidades de:
- Razonamiento abstracto
- Resolución de problemas nuevos
- Transferencia de un aprendizaje de un contexto a otro distinto
- Adaptación autónoma a entornos desconocidos
- Planificación a largo plazo
Todo ello soportado por modelos propios del mundo coherentes y mecanismos "metacognitivos" que le permitirían controlar y mejorar su propio rendimiento.
La primera gran diferencia de postura entre los dos está en la velocidad de la aparición de la AGI.
Dario Amodei mantiene una visión que podríamos llamar "exponencialista" o "tecno-optimista". Según él, ya para 2026 o 2027 podríamos tener modelos capaces de realizar cualquier tarea humana al nivel de un Premio Nobel en múltiples campos. Su lógica se basa en el crecimiento exponencial que han observado ellos mismos: los ingresos de Anthropic han pasado de 100 millones a una proyección de 10.000 millones en apenas tres años, una curva que, según él, parece correlacionarse con la capacidad cognitiva de los modelos.
Por su parte, Demis Hassabis mantiene un enfoque mucho más cauto y científico. Aunque reconoce el progreso asombroso que ha habido, sitúa la probabilidad de alcanzar una AGI en un 50% para finales de la década. Hassabis argumenta que, aunque la escritura de código y las matemáticas son "verificables" y, por tanto, más fáciles de automatizar, aún faltan "ingredientes" para alcanzar la creatividad científica de alto nivel, como la capacidad de formular hipótesis originales o preguntas nuevas.
Aunque no se consideran "doomers" (catastrofistas), subrayan la urgencia de establecer estándares mínimos de seguridad internacional y coordinación geopolítica para evitar una carrera armamentista sin protecciones. Parece que, realmente, a los dos les gustaría que la carrera de la IA fuese más lenta para tenerlo todo más bajo control, ya que la IA tiene muchos peligros además de todas sus bondades. Sin embargo, dicen que la competencia con China no les permite bajar el ritmo. De hecho, Amodei critica la venta de chips avanzados al extranjero, comparándola con "vender armas nucleares", y dice que controlar el suministro de hardware es la medida más efectiva para ganar tiempo y establecer estándares de seguridad mínimos. Sin embargo obvia que los chinos han desarrollado sus propios chips , precisamente por esas restricciones, y ya no quieren los de Nvidia.
Sea como fuere, ambos están de acuerdo que en un plazo relativamente corto (entre 1 y 5 años) hay muchas probabilidades de conseguir una AGI o al menos una pseudo-AGI para tareas de escritura de código totalmente autónomas.
Incluso aunque no fuese cierto o se equivocasen de largo, solo con el estado actual de los modelos la disrupción en nuestro trabajo es tan grande que nos condiciona tremendamente y, o te adaptas o mueres. Tenlo claro.
¿Qué impacto tendrá una AGI en el mundo del desarrollo de software?
Para la comunidad de desarrolladores, las declaraciones de Amodei son una advertencia directa. Nos asegura que, ya hoy en día, los ingenieros de software de Anthropic ya no escriben código de forma tradicional: simplemente dejan que el modelo lo escriba y ellos actúan como supervisores y editores. Algo de lo que llevamos hablando aquí mucho tiempo ya.
Amodei advierte que el 50% de los empleos "de cuello blanco" de nivel inicial podrían desaparecer en un plazo de 1 a 5 años. Esta visión sugiere que el mercado laboral para desarrolladores júnior e intermedios podría contraerse drásticamente a medida que los modelos se vuelven mejores que los humanos en casi todo.
Hassabis coincide en que ya se nota una desaceleración en la contratación de perfiles júnior y becarios. Sin embargo, su visión es más evolutiva: cree que se destruirán empleos, pero se crearán otros más valiosos y con más valor añadido gracias a las herramientas creativas disponibles.
Personalmente me parece un error por parte de las empresas no contratar a "juniors": demuestra miras cortas y centrarse solo en los resultados inmediatos. Es pan para hoy y hambre para mañana. Los juniors no se deben considerar un gasto, sino una inversión. No se contratan por lo que pueden producir ahora, sino en uno o dos años.
Excedente de capacidad: lo que los modelos no saben que saben
El "Capability Overhang" (o excedente de capacidad) se refiere a las capacidades y el potencial que los modelos de IA ya poseen en la actualidad, pero que aún no han sido descubiertos, explorados o aprovechados del todo, ni siquiera por sus propios creadores.
Según Demis Hassabis, este fenómeno ocurre porque quienes construyen estas tecnologías están tan concentrados en desarrollar la siguiente generación de modelos que no tienen tiempo suficiente para investigar a fondo todo lo que las herramientas actuales ya pueden hacer.
Para aprovechar este "excedente" de capacidad y no quedarse fuera de juego en el mercado laboral, sugieren las siguientes estrategias:
- Dominio extremo de las herramientas actuales: en lugar de esperar a la próxima gran actualización, los profesionales deben volverse "increíblemente competentes" con los modelos y productos que ya existen hoy. Esto incluye las herramientas de código, las herramientas para usuarios finales, conocer las aplicaciones y llevarlas más allá del uso habitual...
- El efecto "salto de rana" (Leapfrogging): Hassabis dice que explorar a fondo este exceso de capacidad permite a una persona saltarse etapas de aprendizaje convencional y volverse útil de inmediato en una profesión altamente técnica o creativa.
- Exploración activa: dado que hay capacidades "ocultas" en los productos actuales de IA (como Gemini o Claude), existe una oportunidad para quienes dediquen tiempo a experimentar y descubrir casos de uso novedosos que las empresas aún no han documentado.
En resumen, aprovechar el Capability Overhang implica darse cuenta de que la herramienta que tienes en la mano es más poderosa de lo que crees, y que tu ventaja competitiva reside en descubrir cómo usar esa "potencia oculta" antes que los demás.
Yo estoy plenamente de acuerdo. Aunque los modelos no evolucionasen más y se quedasen como están ahora en enero de 2026, hay tantas cosas por descubrir y tanto partido por sacarles todavía que el mundo (y la profesión) nunca va a ser el mismo, incluso si no hubiese más avances (que los habrá).
Guía de supervivencia: ¿cómo prepararte para la IA en los próximos 2 años?
Si eres desarrollador de software, montarte en el carro de la IA no es opcional.
Según Hassabis y Amodei, los pasos estratégicos para no quedarte fuera de juego son:
- Vuélvete un verdadero experto en el uso de las herramientas de IA existentes. No las veas como solo como un copiloto, sino como una pértiga para "saltar" algunas etapas del aprendizaje tradicional y ser útil de inmediato en problemas complejos. Busca esos excesos de capacidad que todavía no has descubierto y con los que podrás ir por delante de los demás.
- Muévete hacia la "intencionalidad": a medida que la IA se encarga de la ejecución (el "cómo"), el valor humano se desplaza hacia el "qué" y el "por qué", la capacidad de formular las preguntas correctas y definir el propósito de un sistema será la habilidad mejor pagada.
- Especialízate en dominios "difíciles": la IA tardará más en dominar áreas que requieren interacción con el mundo físico o validación experimental compleja. La robótica y las ciencias aplicadas ofrecen un refugio más duradero que, por ejemplo, el desarrollo web puro o la administración de datos.
Aunque no creas en las predicciones de estos dos CEOs de la IA, lo que está claro es que tu mundo profesional ha cambiado y son buenos consejos en cualquier caso.