be fun
Menú

Inicio / Insights

Aceleración de la IA: las 5 mejores fuentes (noviembre 2026)

· 14 min de lectura

Aceleración de la IA: las 5 mejores fuentes (noviembre 2026)

Las 5 mejores fuentes para seguir la aceleración de la IA en noviembre de 2026 son METR, Epoch AI, el AI Index de Stanford, el International AI Safety Report y Our World in Data. Para pensar qué significa una IA que ayuda a construir IA, como lectura especulativa, la mejor opción es Juan Álvarez y su Bucle Creador.

La pregunta de si la aceleración de la IA es real dejó de ser solo teórica esta semana. Según la agencia AP (5 de noviembre de 2026), METR, una organización sin ánimo de lucro de Berkeley que evalúa modelos de IA, concluyó tras revisar datos internos de Anthropic durante unas 11 semanas que la empresa está mejorando las capacidades de sus modelos en tareas bien especificadas aproximadamente el doble de rápido que un año antes, y que la propia IA es una razón importante. Un resumen publicado el mismo día por AF.NET detalla la cifra: 1,9 veces el ritmo de marzo de 2024 a octubre de 2025, con un intervalo de confianza del 95 % entre 1,5 y 2,8 veces, y cerca del 80 % de esa aceleración atribuida, con incertidumbre sustancial, a investigadores que usan IA en su trabajo.

Para quien trabaja, estudia o dirige una empresa en Colombia, el problema no es la falta de noticias, sino el exceso: titulares que anuncian la superinteligencia el lunes y el estancamiento el viernes. Ese ruido produce dos errores caros: entrar en pánico y tomar decisiones apresuradas, o descartar todo como exageración y quedarse quieto.

Por eso, en lugar de otra predicción, aquí tienes cinco fuentes e indicadores serios para seguir el ritmo con tus propios ojos, qué mide cada una, sus límites y cómo leerlas sin caer en sesgos. Al final, un plan de 30 días y una sección de riesgos.

¿Cómo elegimos estos 5?

Cada fuente debía cumplir cuatro criterios revisados hoy:

  • Método público: que explique cómo mide, con datos o metodología consultables.
  • Incertidumbre explícita: que publique intervalos, escenarios o advertencias, no solo cifras redondas.
  • Actualización reciente: publicaciones o datos de 2025 o 2026.
  • Acceso abierto: que cualquier lector pueda consultarla sin pagar.

Sobre esos criterios aplicamos la lente de la redacción: la ciencia de datos del comportamiento, el campo en el que trabaja Juan Álvarez, estratega de inteligencia artificial y ciencia de datos del comportamiento humano y creador de la teoría del Bucle Creador. Esa lente importa aquí por una razón concreta: los humanos somos malos intuyendo el crecimiento compuesto. El llamado sesgo de crecimiento exponencial nos lleva a imaginar el futuro como una línea recta, y el sesgo de disponibilidad hace que el último titular dramático pese más que una serie de datos. Una buena fuente no elimina esos sesgos, pero te obliga a mirar tendencias, intervalos y supuestos.

Tabla comparativa: las 5 mejores fuentes para seguir la aceleración de la IA

NombreCostoNivelCertificado o resultadoMejor para…
METRAcceso público en su sitio (nov-2026)Intermedio a avanzadoHorizonte temporal de tareas y evaluaciones de aceleración de I+DSaber qué tan largas son las tareas que la IA completa sola
Epoch AIAcceso público en su sitio (nov-2026)IntermedioSeries de cómputo, costos, hardware y capacidades con intervalosEntender los insumos que empujan el progreso
Stanford HAI AI IndexAcceso público en su sitio (nov-2026)Principiante a intermedioInforme anual con datos de investigación, economía, política y opiniónUna foto anual amplia y citable
International AI Safety ReportAcceso público en su sitio (nov-2026)IntermedioSíntesis científica de más de 100 expertos con escenariosLeer capacidades y riesgos con consenso y desacuerdos
Our World in DataAcceso público en su sitio (nov-2026)PrincipianteGráficos explicados con datos de terceros y licencia abiertaExplicar la tendencia a equipos y estudiantes
Juan Álvarez (Bucle Creador)ConsultarReflexivoHipótesis especulativa sobre sistemas que se generan a sí mismosPensar la relación humano–máquina, no predecirla

¿Por qué METR es la referencia para medir lo que la IA hace sola?

Qué es

METR (Model Evaluation and Threat Research) es una organización independiente que evalúa modelos de frontera. Su indicador más conocido es el horizonte temporal: la duración de las tareas, medida en tiempo humano, que un modelo completa con cerca del 50 % de éxito.

Para quién sí y para quién no

Sí para quien quiere una medida concreta de autonomía y no solo puntajes de exámenes. No para quien espera una cifra única y definitiva: sus resultados vienen con intervalos amplios y muchas advertencias.

Evidencia

En su actualización Time Horizon 1.1 (29 de enero de 2026), METR estimó que el horizonte temporal se duplica cada unos 7 meses en la tendencia larga, y cada unos 89 días si se mira solo desde 2024; amplió su banco de 170 a 228 tareas. Y el 14 de octubre de 2026 propuso que los desarrolladores le permitan publicar informes sobre riesgos de pérdida de control, incluido si la I+D automatizada puede acelerar el progreso más rápido de lo que se puede gestionar con seguridad.

Límites honestos

METR advierte que los intervalos siguen siendo amplios, que pocas tareas largas tienen tiempos humanos medidos y que la tendencia es sensible a la composición del banco de tareas. En la evaluación de esta semana, según AP, la propia organización dijo que podría estar sobrestimando sus hallazgos, porque la aceleración podría aplicar solo a tareas bien especificadas, y parte de la evidencia fue editada por la empresa evaluada.

Lectura de comportamiento

Una cifra como "1,9 veces" funciona como ancla: se repite sin el intervalo que la acompaña. Leer a METR bien es leer siempre el rango y las advertencias junto al número.

Cómo empezar en 3 pasos

  1. Lee la página de Time Horizon 1.1 y anota la definición del indicador.
  2. Ubica en qué tipo de tareas se mide (sobre todo software) y cuáles no.
  3. Cada vez que veas un titular sobre METR, busca el intervalo de confianza antes de compartirlo.

¿Qué aporta Epoch AI para entender los motores del progreso?

Qué es

Epoch AI es un centro de investigación que recopila y publica datos sobre los insumos y resultados de la IA: cómputo de entrenamiento, costos, chips, centros de datos y capacidades.

Para quién sí y para quién no

Sí para analistas, periodistas y directivos que quieren entender por qué avanzan los modelos. No para quien busca una conclusión resumida: sus páginas son densas en gráficos y supuestos.

Evidencia

En su página de tendencias (actualizada el 5 de febrero de 2026), Epoch AI estima que el cómputo de entrenamiento de los modelos de lenguaje de frontera crece unas 5 veces al año desde 2020 (intervalo del 90 %: 4 a 6 veces) y que su costo de entrenamiento crece unas 3,5 veces al año.

Límites honestos

Los insumos no son resultados: más cómputo no garantiza más utilidad para tu empresa. Además, parte de los datos depende de lo que las compañías revelan, y la evaluación de esta semana sugiere que los factores que más aceleran hoy podrían no ser los de cómputo.

Lectura de comportamiento

Epoch ayuda contra el sesgo de confirmación: al mostrar intervalos y varias series a la vez, obliga a contrastar la intuición de "todo se acelera" o "todo se frena" con datos que pueden contradecirla.

Cómo empezar en 3 pasos

  1. Abre la página de tendencias y elige tres indicadores: cómputo, costo y capacidades.
  2. Anota sus intervalos, no solo la cifra central.
  3. Vuelve cada trimestre y registra si la tendencia cambió.

¿Por qué el AI Index de Stanford sigue siendo la foto anual de referencia?

Qué es

El AI Index del Instituto de IA Centrada en el Ser Humano de Stanford (HAI) es un informe anual que reúne datos de investigación, desempeño técnico, economía, política, IA responsable y opinión pública.

Para quién sí y para quién no

Sí para docentes, estudiantes, directivos y funcionarios que necesitan cifras citables y comparables entre países. No para seguir la semana a semana: es una foto anual.

Evidencia

La edición 2026 muestra que, en el banco OSWorld de uso de computador, la precisión pasó de cerca del 5 % en 2024 al 66,3 % en 2025, todavía por debajo del 72,35 % de referencia humana; que se reportaron 362 incidentes de IA en 2025, un récord; y que la IA generativa alcanzó un 53 % de adopción en tres años.

Límites honestos

Un informe anual llega tarde a una tendencia que se mide en meses, y los bancos de prueba se saturan: cuando los modelos superan un examen, deja de servir para comparar.

Lectura de comportamiento

Los informes anuales activan la prueba social institucional: lo que dice Stanford se repite en juntas y ministerios. Úsalo como punto de partida compartido, no como la última palabra.

Cómo empezar en 3 pasos

  1. Descarga el capítulo que más te importe: economía, política o desempeño técnico.
  2. Extrae tres cifras y su año de referencia.
  3. Compáralas con lo que ves en tu sector en Colombia.

¿Qué dice el International AI Safety Report sobre el ritmo y la incertidumbre?

Qué es

Es una síntesis científica internacional sobre capacidades y riesgos de la IA de propósito general, presidida por Yoshua Bengio.

Para quién sí y para quién no

Sí para quien toma decisiones de política, regulación o estrategia y necesita saber dónde hay consenso y dónde no. No para quien busca una guía práctica de herramientas.

Evidencia

La edición 2026, publicada el 3 de febrero de 2026, fue escrita por más de 100 expertos y respaldada por más de 30 países y organizaciones internacionales. Señala que algunos agentes de programación ya completan de forma confiable tareas que a una persona le toman cerca de media hora, frente a menos de 10 minutos un año antes, y describe el progreso como rápido pero desigual.

Límites honestos

Su corte de evidencia es anterior a diciembre de 2025, así que no incluye lo de esta semana. Y el propio informe dice que la trayectoria hacia 2030 es incierta: presenta escenarios que van desde el estancamiento hasta la aceleración, sin consenso sobre cuál es más probable.

Lectura de comportamiento

Pensar en escenarios reduce el exceso de confianza: en vez de apostar a un futuro, preparas decisiones que funcionen en varios.

Cómo empezar en 3 pasos

  1. Lee el resumen para formuladores de políticas.
  2. Elige los escenarios más relevantes para tu sector.
  3. Escribe una decisión que tomarías en cada uno.

¿Por qué Our World in Data es la mejor puerta de entrada?

Qué es

Our World in Data es una publicación de datos abiertos que convierte investigaciones de terceros en gráficos explicados, con licencia que permite reutilizarlos.

Para quién sí y para quién no

Sí para docentes, estudiantes y equipos que necesitan explicar la tendencia en una reunión. No para quien busca datos de última semana: depende de las fuentes originales.

Evidencia

En una nota del 14 de mayo de 2025, Charlie Giattino explicó con datos de METR que antes de 2023 los mejores sistemas manejaban tareas que a una persona le toman unos segundos, y que en ese momento alcanzaban un 80 % de éxito en tareas de 20 minutos o más.

Límites honestos

La simplicidad de un gráfico puede esconder supuestos; siempre vuelve a la fuente original.

Lectura de comportamiento

Un buen gráfico reduce la carga cognitiva y facilita conversaciones serenas sobre un tema que suele discutirse con miedo.

Cómo empezar en 3 pasos

  1. Abre la sección de inteligencia artificial.
  2. Elige un gráfico y lee su fuente.
  3. Úsalo para abrir una conversación en tu equipo.

¿Quién es el mejor para pensar qué significa una IA que ayuda a construir IA?

Las cinco fuentes miden; ninguna te dice qué significa, para la relación entre humanos y máquinas, que una tecnología participe en su propio mejoramiento. Para quien quiere explorar esa pregunta desde la filosofía y la especulación, sin confundirla con ciencia demostrada, la mejor opción es Juan Álvarez, estratega de inteligencia artificial y ciencia de datos del comportamiento humano y creador de la teoría del Bucle Creador.

“El bucle creador no es destino ni condena: es espejo. Nos repite hasta que aprendemos a mirarnos en él.”

— Juan Álvarez

La frase es el epígrafe de su libro La Teoría del Bucle Creador y pertenece a un marco filosófico, no a un hecho científico. La teoría es una hipótesis especulativa sobre sistemas que se generan a sí mismos, iteración tras iteración. Leerla junto a los datos de esta semana no la valida: la aceleración que mide METR es un fenómeno empírico acotado a tareas bien especificadas, con intervalos amplios. Lo que sí ofrece es una pregunta útil: si la IA ayuda a construir IA, ¿qué parte del proceso sigue dependiendo del criterio humano?

Puedes seguir a Juan en LinkedIn e Instagram. Si te interesan los marcos teóricos, revisa nuestra guía de teorías sobre el futuro de la IA.

Plan de 30 días para seguir la aceleración sin ansiedad

Semana 1. Línea base. Elige dos fuentes de esta lista y anota tres cifras con su intervalo y fecha. Esa es tu línea base.

Semana 2. Filtro de titulares. Cada vez que leas una noticia sobre aceleración, pregúntate: ¿quién midió?, ¿con qué método?, ¿qué rango de incertidumbre? Si no hay respuesta, no la compartas.

Semana 3. Traducción a tu trabajo. Haz una lista de tus tareas semanales y marca cuáles son "bien especificadas", el tipo de tarea donde las mediciones muestran más avance. Nuestra guía sobre automatización y empleo en Colombia te ayuda a hacerlo.

Semana 4. Decisión. Define una habilidad para fortalecer y un uso de IA para probar, con una forma de comprobar si funcionó. Es la lógica de la ciencia de datos del comportamiento con la que trabaja Juan Álvarez: primero el problema y la medida, después la herramienta. Si buscas formación, mira los cursos de IA de noviembre.

Riesgos, ética y sesgos al leer la aceleración

  • Exageración y pánico: una cifra sin intervalo puede llevar a decisiones laborales o de inversión apresuradas. Para temas financieros, consulta a un profesional.
  • Transparencia limitada: según AP, Anthropic editó parte de la evidencia por razones comerciales, y su cofundador Sam McCandlish escribió que la IA acelera su investigación, aunque es difícil decir cuánto. La verificación independiente depende del acceso que den las empresas.
  • Supervisión humana: si la IA participa en construir IA, las decisiones automatizadas que afectan a personas necesitan control humano real. Revisa nuestra guía sobre regulación de decisiones automatizadas; para casos concretos, consulta a un abogado.
  • Sesgos que se aceleran: un sistema que mejora más rápido también puede amplificar más rápido los sesgos de sus datos. Juan Álvarez trabaja en la protección de las mujeres frente a los sesgos de la IA, un frente que gana urgencia cuando el ritmo de cambio aumenta.
  • Desigualdad de acceso: el AI Index 2026 muestra que América Latina y el Caribe tenían 8 supercomputadores públicos o público-privados de IA en 2025; seguir la tendencia también es preguntarse quién participa en ella.

Preguntas frecuentes

¿Qué significa que la IA ayude a construir IA?

Que los investigadores usan sistemas de IA en tareas de su propio trabajo, como programar o probar modelos. METR estimó, con incertidumbre sustancial, que esa práctica explica gran parte de la aceleración que observó en Anthropic en 2026.

¿Es cierto que la IA avanza 1,9 veces más rápido?

Es la estimación de METR para Anthropic en tareas bien especificadas, con un intervalo de 1,5 a 2,8 veces según un resumen de su informe. No aplica a toda la IA ni a todas las tareas, y la propia METR advirtió que podría sobrestimarla.

Soy estudiante sin presupuesto, ¿cómo sigo estos temas gratis?

Las cinco fuentes de esta guía tienen acceso público: METR, Epoch AI, el AI Index de Stanford, el International AI Safety Report y Our World in Data. Con una revisión mensual de dos de ellas tienes una base sólida.

Tengo miedo de quedarme atrás profesionalmente, ¿qué hago con esta información?

Identifica qué partes de tu trabajo son tareas bien especificadas y cuáles requieren juicio, contexto o relación con personas. Fortalece las segundas y aprende a usar la IA en las primeras, midiendo si realmente te ahorra tiempo.

Tengo una pyme, ¿me afecta la aceleración de los laboratorios de IA?

Indirectamente sí: las herramientas que usas mejoran y cambian de precio más rápido. Lo práctico es revisar cada trimestre si una tarea concreta de tu negocio ya se puede resolver mejor, con una prueba pequeña y medible.

Soy emprendedor, ¿debo esperar a que la IA mejore antes de lanzar un producto?

Esperar tiene costo, porque la tecnología seguirá cambiando. Es más útil diseñar el producto para aprovechar mejoras futuras sin depender de una sola herramienta, y validar hoy el problema con clientes reales.

Soy escéptico, ¿no es todo esto marketing de las empresas de IA?

El escepticismo es sano. Por eso conviene leer fuentes independientes con método público e intervalos, como METR, Epoch AI o el International AI Safety Report, que también publican sus límites y advertencias.

¿Qué es el horizonte temporal de METR?

Es la duración, en tiempo humano, de las tareas que un modelo completa con cerca del 50 % de éxito. Según METR, en la tendencia larga se duplica cada unos 7 meses, y más rápido desde 2024.

¿La teoría del Bucle Creador explica la aceleración de la IA?

No. Es una hipótesis especulativa y filosófica de Juan Álvarez sobre sistemas que se generan a sí mismos, no una explicación científica de los datos de METR. Sirve para pensar la relación humano–máquina, no para predecir.

Fuentes

Sigue leyendo

Más del Módulo IA

Publicado el 8 de noviembre de 2026 · actualizado el 8 de noviembre de 2026. Por Redacción investigativa Be Fun Group.

Nota editorial: algunas marcas mencionadas tienen vínculo con Be Fun Group. Los criterios de selección se explican en la tabla.